VYUŽITÍ DRUŽICOVÝCH DAT PRO MONITOROVÁNÍ STAVU VEGETACE

Dr.Ing.Karel Pavelka
ČVUT Praha, katedra mapování a kartografie
laboratoř dálkového průzkumu Země, Thákurova 7, Praha 6, 166 29
tel. 02 2435 4951, E-Mail PAVELKA@FSV.CVUT.CZ

Abstract
          Vegetation can be used as an indicator of the state of landscape. A change of vegetation in space and time indicates a change in landscape and environmental properties and represents a part of ecological warning system. Remotly sensed data linked with agrometeorological ground data can create a useful system on the GIS level. This paper summarises the research and results of the years 1996-97, involving mainly the investigation of mutual relationship of NDVI, meteorological, topographical and agrometeorological ground data, and their integration into GIS.
Abstrakt
          Vegetace je jedním z nejdůležitějších prvků prostředí, ve kterém žijeme. Její stav je citlivým ukazatelem kvality životního prostředí. Všeobecně lze říci, že změny stavu a kvality vegetace jsou v těsné souvislosti s ekonomickými snahami člověka, stav vegetace je však ovlivněn i přirozeným stavy přírody (meteorologické a klimatické změny). Snaha rozpoznat a včas předvídat měnící se kvalitu životního prostředí předpokládá konstrukci informačních systémů hodnotících stav vegetace na základě využití dat dálkového průzkumu Země a agrometeorologických dat. Náplní předkládané práce jsou výsledky projektu tvorby predikčního systému pro monitorování vegetace v letech 1996-97.

Úvod
          Cílem práce je vytvoření informačního systému, který by na základě levných periodických družicových snímků a dále s pozemním měřením agrometeorologických informací na stanicích ČHMÚ byl schopen ohodnotit okamžitý stav vegetace pro daný čas a místo a předpovědět jeho pravděpodobný globální vývoj pomocí databáze a zkušeností získaných v minulých letech. Stav vegetace závisí silně na množství absorbovaného fotosynteticky aktivního záření. To tvoří asi polovinu veškerého slunečního záření, které dopadá na povrch Země. Dopadající záření je pohlcováno a odráženo rostlinným krytem; jeho charakteristiky lze určovat na základě družicových měření. Snahy o konstruování modelů vegetace se provádějí na řadě význačných světových pracovišť. To ukazuje na důležitost, která je tomuto problému věnována. Využitelnost těchto modelů je v oblasti sledování globálních změn vegetace, kde se vegetace užívá jako indikátor stavu životnícho prostředí, sleduje se intenzifikace zemědělských a lesnických prací nebo se používají pro odhadování budoucí úrody (např. FAO ve vztahu k rozvojovým zemím). Častým nedostatkem již existujících modelů je propojení výsledků družicových měření se skutečnýcm stavem, který lze ověřit pozemním měřením. Z tohoto důvodu jsou navrhovány systémy hybridní, které obsahují jak družicová měření, tak i pozemní měření. Takto je možno družicová data kalibrovat nebo i zastupovat, pokud nejsou k dispozici. Problémem ovšem zůstává skutečnost, že družicová data mají charakter plošného měření, kdežto pozemní měření se provádí jako bodové (staniční).
          V roce 1994 započaly v České republice přípravné práce na vytvoření modelového systému pro ohodnocení stavu vegetace na základě družicových a pozemních dat jako součást projektu MARS, jehož řízením bylo pověřeno středisko JRC (Joint Research Centre, Ispra, Itálie). Koordinaci projektu prováděla Laboratoř dálkového průzkumu Země při katedře mapování a kartografie Stavební fakulty ČVUT. Jako spoluřešitelé se na něm podílely Český hydrometeorologický ústav a geoinformační firma Gisat. Práce na obdobných projektech probíhaly též v Polsku a Maďarsku. Koordinaci prací v mezinárodním rámci prováděla Itálie prostřednictvím konzorcia TELESPAZIO. Výzkumná část projektu byla ukončena v roce 1997. Tato práce je součástí výše zmíněného mezinárodního projektu a řeší jeho českou část.
Vegetace a její stav
          Spektrální projev porostu určitého rostlinného druhu je výslednicí odrazivých a emisních vlastností různých částí rostliny i jejího pozadí. Dominantní jsou listy, obsahující pigmentační látky - chlorofyl a karoteny, jež formují průběh spektrální křivky ve viditelné oblasti záření. Ve většině rostlin je nejrozšířenějším pigmentem chlorofyl, který může tvořit až 65% listového pigmentu. Křivka, znázorňující odrazivost elektromagnetického záření od vegetace, má nezaměnitelný tvar, který je typický právě pro biomasu. Obsahuje charakteristická maxima a minima na křivce, která jsou vynikajícím pomocníkem a příznakem při multispektrální klasifikaci území. Nárůst odrazivosti v pásmu kolem 0.7 mm je pro vegetaci typický. Toho lze s úspěchem využít pro analýzu vegetace ve snímku pomocí vegetačních indexů (VI Vegetation Index nebo NDVI Normalised Diference Vegetation Index), které číselně vyjadřují míru přítomnosti zelené hmoty (biomasy).
          Označíme-li spektrální kanály snímacího zařízení Kl( , kdel ( [nm] značí střední vlnovou délku užitého spektrálního kanálu, pak platí:


          Z teoretického rozboru plyne, že hodnoty NDVI leží v intervalu (-1;1(; praktické hodnoty pro vegetaci se drží v rozmezí (0;1(, protože odrazivost elektromagnetického záření od vegetace v blízkém infračerveném záření je vždy vyšší než ve viditelném záření. Vysoká hodnota NDVI značí přítomnost vysokého množství biomasy, nízká určuje její nepřítomnost.
Agrometeorologická data
          Pro vytvoření kvalitního modelu je nutno znát informace z vhodně vybraných referenčních vzorových míst. V této práci bylo využito dat ze sítě pozemních stanic ČHMÚ. Základem informace o stavu vegetace je fenofáze cca 50 rostlin doplněná o další informace jako je poloha, srážky, teplota, půdní typ atd. Pro účely porovnání pozemních dat s družicovými je nutno provést výběr vhodných stanic tak, abychom pokryli celé území republiky a aby byly zastoupeny pokud možno veškeré charakteristické typy, vyskytující se na našem území. Na výběru stanic záleží z hlediska typu sledované vegetace, dále záleží na velikosti referenční plochy, neboť vzhledem k použitým datům z družic typu NOAA, které mají rozlišovací schopnost 1.1 km (tj. plošná velikosti pixelu 1.21km2) je nutno najít stanice v relativně homogenních oblastech se vztažnými nebo referenčními plochami nad 1km2.. Právě tato podmínka je pro náš typ velmi členité krajiny obtížná. Je zjevné, že podmínky pro výběr vhodných referenčních stanic jejich celkové množství zredukují.
Biologické datování
          Systém přímého biologického datování využívá fenologické údaje (biologické datování, BTIME), jejichž základem je pozorování fenofáze cca 50 rostlin, které nabývají až 30 stavů. Vybrány byly rostliny s hojným výskytem a pozorovány byly fenofáze, u nichž jsou minimalizovány vlivy lidské činnosti, jsou dobře definovatelné. Fenologický datovací systém úzce souvisí s výběrem referenčních fenofází, jehož základní myšlenka vychází z tzv. fenologického kalendáře, tj. posloupnosti dlouhodobých průměrů termínů nástupu různých fenofází. Vzniklá časová řada (tzv. fenospektrum) zahrnuje celé vegetační období. Pořadí fází ve fenospektru v různých letech je prakticky ustálené. Odlišný dynamismus jednotlivých roků se projevuje především změnami v délce intervalů mezi fenofázemi. Fenologické kalendáře tak vlastně představují idealizovaný časový plán rozvoje vegetace pro dané území či lokalitu. Fenologické kalendáře lze využít ke konstrukci ideálních křivek fenofáze a porovnat je s hodnotami zjištěnými v daném období a grafickou formou tak zhruba určit, o kolik dní se k určitému dni v daném roce na dané lokalitě vývoj vegetace opožďuje nebo předbíhá ve srovnání s dlouhodobými údaji fenologického kalendáře. Nevýhodou fenologických kalendářů je, že představují nespojitou funkci (pro některé dny neposkytují žádnou hodnotu) a dále některé termíny definují stav pouze specifických rostlin. Fenologické kalendáře je možné ale sestavit jen pro lokality s dlouhodobým, minimálně 15 let trvajícím kvalitním pozorováním. Těch je nejen v ČR, ale i jinde ve světě jen omezený počet, který rozhodně nepostačuje k využití této informace na větším území. Z tohoto důvodu je nutno použít co největší počet staničních měření (bodová měření) a navázat je jakožto kalibrační body na družicová měření. Problémem zůstává přechod z bodových na plošná měření, který je možno částečně řešit vhodným výběrem pozemních měřicích stanic.
          Pro potřeby dalšího zpracování je nutno toto biologické datování (tj. stav, fenofáze rostliny) převést na číselné údaje. Děje se tak přiřazením čísla každému stavu v rozsahu<0,1>, které charakterizuje svou velikostí vegetační vývoj pro každý den. Údaje o polních plodinách nejsou z hlediska sledování stavu vegetace vhodné, neboť stav a vývoj polních plodin je silně závislý na lidském faktoru. Lze je však ohodnotit nepřímo tzv. biologickým časem ( tj. počtem příznivých dní pro vývoj). Údaje ze stanic ovocných dřevin též není příliš vhodné používat, protože většinou nevyhovují svou velikostí. Vhodné zbývají tedy jen velké homogenní lesní stanoviště. Je důležité, aby pozorovací stanice byly součástí vnitřně homogenních biotopů, jichž je u nás cca 7 typů (např. horská smrčina, lužní les aj.). Biologický čas (BTIME) se určí jako:

kde N(fen) je nástup fenofáze (redukované juliánské datum pro rok sledování), S(veg) je start vegetační doby (redukované juliánské datum pro rok sledování) a D(veg) je délka vegetační doby ve dnech.
Biometeorologické datování
          Biometeorologické datování (BMT3, BMT5) je selektivní kumulativní proces načítání teplot, které jsou měřeny na stanici. Výsledkem měření jsou denní průměrné teploty, od kterých se odečte prahová hodnota 3oC nebo 5 oC (tj. teplota při které chladnomilné domestikované rostliny začnou provádět fotosyntézu). Tyto teploty se sumují pouze v době od začátku do konce vegetačního období. Začátek vegetačního období je dán pro stanici dnem, kdy je splněno minimálně 5 prvních jarních fenofází vybraných rostlin (např. rozkvět lísky). Konec vegetačního období je dán opadem listů z definovaných druhů stromů. Vypočtené sumě prahových (tzv. efektivních) teplot za vegetační období je přiřazeno číslo 1. Z důvodu ohledu na různou dobu trvání vegetačního období v různých letech se provádí normalizace této hodnoty pomocí dlouhodobých staničních průměrů. Pro dané datum lze vypočítat BMT 3,5 takto:
,
kde Sdat jsou součty efektivních teplot pro práh 3oC nebo 5oC do data, Sveg je součet efektivních teplot za vegetační období. Tyto datové soubory jsou nezávislé na fenologických údajích. U biometeorologického datování lze do hodnoty 0.6 pozorovat nárůst biomasy, dále ale sumace energie působí destruktivně na rostlinu.
Dalšími měřenými údaji na stanovištích bývají meteorologické údaje jako teplota, tlak, srážky, rychlost větru apod. Jejich jednotlivé údaje jsou těžko interpretovatelné v celkovém vegetačním modelu. Daleko vhodnější jsou informace o průměrných hodnotách (např. měsíční) a dále informace o dlouhodobých průměrech, které jsou zpracovány zejména ve formě tématických map srážkových, teplotních a jiných průměrů, např. v atlase podnebí aj. Nevýhodou je jejich malá aktuálnost (např. národní atlas je více než 40 let starý a používá údajů z let 1920-1950!). Zjišťování rozdílů mezi dlouhodobě sledovanými průměrnými hodnotami a hodnotami naměřenými jsou velmi důležitou informací, neboť na meteorologických podmínkách je stav vegetace zjevně závislý. K výraznému ovlivnění stavu vegetace dochází zejména při výrazných odchylkách od dlouhodobých průměrů.
Družicová data
          Na základě zpracovatelských i finačních požadavků byl jako základní zvolen operační systém NOAA/AVHRR, zejména pro dobré termínové rozlišení a dostatečné spektrální, umožňující tvorbu vegetačního indexu, dále pro nízkou cenu dat velikost datových souborů a též pro celosvětový a dlouhodobý charakter systému a z něho vyplývající dlouhodobé zkušenosti se zpracováním. Nevýhodou AVHRR je jeho nízká rozlišovací schopnost (RS=1100m) pro malá nehomogenní území, kterým je např. právě naše republika. Dodavatelem dat NOAA/AVHRR bylo pro projekt konzorcium TELESPAZIO, které je obdrželo z evropského střediska v Ispře. Hlavním zdrojem jsou data poskytnutá z JRC. Jedná se o výřezy České republiky o velikosti 357 x 422 pixelů, spektrální pásma 1 - 5 z období let 1991-4, cca 500Mbyte. Tato data jsou standardně zpracována programem SPACE a převedena do kuželového ekvivalentního zobrazení (Albersova) na elipsoidu WGS 72. Systém používá pro Evropu geometrickou transformaci do zeměpisných souřadnic na základě orbitálních parametrů družice, vlícování na vektor pobřežní čáry a převzorkování pixelů na stejnou velikost pomocí metody nejbližšího souseda.
          Z důvodu malé RS byla databáze družicových dat pokusně doplněna třemi čtvrtscénami z Landsatu TM pro rok 1994 (192/025-25.4.1994, 30.7.1994, 31.8.1994). Jejich nevýhodou je mimo vysoké ceny a přílišné podrobnosti, která s sebou nese velké technické nároky na zpracování, zejména malé termínové rozlišení. Existence dat z Landsatu TM a NOAA/AVHRR dává zejména možnost porovnání nezávislého a odlišného typu dat z téhož území a možnost přechodu z globálního na lokální měřítko.
          Běžné postupy geometrické transformace na základě vlícovacích bodů dávají přesnost 0.3-0.7 pixelu pro data s vysokou RS (lze detekovat dostatek vlícovacích bodů). Se zhoršující se RS počet kvalitních vlícovacích bodů a tím i přesnost vlícování klesá. Pro data s nízkou RS je již značně obtížné nalézt dostatečný počet vhodných vlícovacích bodů a přes pečlivost práce nelze docílit lepší vlícování, než na 0.6-1.0 pixelu (optimistická vize); záleží samozřejmě též na stupni odstranění systematických chyb při snímání, které mají právě u dat s nízkou RS značné hodnoty. Z hlediska práce je přesnost vlícování družicových dat do mapy zcela základní, protože referenční plochy užívané pro sběr agrometeorologických dat jsou často vzhledem k RS družice NOAA malé a při nepřesném nalícování bychom hodnoty NDVI z družice NOAA přiřadili geograficky chybně. Pro naše území, které je charakteristické svou mnohotvárností v detailech, by chyba přiřazení např. 1.0 pixel (tj. pro AVHRR/NOAA již 1100m) mohla vést ke zcela pochybeným výsledkům. Částečně tomu lze předcházet vhodným výběrem referenční plochy (dostatečně homogenní území o velikosti alespoň 1km2 s rezervou min. 0.5 km na všechny strany); ne všude to lze ovšem splnit.
          Problém slícování dat AVHRR/NOAA a Landsatu TM - fúze dat
          Fúzí dat se v tomto pojetí rozumí operace sloučení, která ze dvou či více druhů dat vytváří datový soubor, která obsahují přednosti dat původních. Tímto způsobem lze zaostřit obrazová data s horší geometrickou rozlišovací schopností (např. zaostření multispektrálních dat z Landsatu TM pomocí panchromatického kanálu družice SPOT, tzv. pan sharpening), nebo přidat multispektrální informace datům panchromatickým. Obrazová data ze zařízení AVHRR a TM jsou v současné době nejčastějším druhem družicových dat. Vzhledem k vzájemné rozdílnosti dat (na 1 pixel NOAA připadá 1347 pixelů TM a data mají různé charakteristiky) se tato data běžně nekombinují. Přitom oba operační systémy se vhodně doplňují: AVHRR má nízkou geometrickou RS, ale vysoké termínové rozlišení a velký záběr, u TM je to přesně opačně. Poměr RS pro data AVHRR versus TM je 1 : 36.67 a zdá se být značný. Je nutno si uvědomit, že v nejbližší budoucnosti by měly startovat první družice privátních kosmických systémů s RS okolo 1m (např. družice GDE má plánovanou RS= 0.86m !). Poměr v RS mezi Landsatem TM a GDE bude 1 : 34.88, tj. prakticky stejný, jako je dnes poměr RS pro AVHRR a TM ! Z toho vyplývá, že obdobné slučování dat bude jistě připadat v úvahu, protože data z Landsatu TM patří skutečně mezi dodnes nejvíce zastoupené a s jejich pomocí byla provedena řada zásadních prací, na které je možno navázat. Problém slícování dat s různou RS byl řešen zejména pro potřebu přesnějšího vlícování dat AVHRR. Data z TM lze běžnými postupy referencovat s přesností cca 10-20m. V případě, že se podaří slícovat AVHRR a TM, tj. nalézt polohu pixelu TM (30x30m) ve mnohem větším pixelu AVHRR (1100x1100m), je možno díky referencovanému pixelu TM referencovat i AVHRR s výrazně vyšší přesností. Řádky pixelů jsou u obou systémů různě orientovány a je nutno provést v nejjednodušším případě posun i pootočení jednoho snímku do druhého. Je tedy nutno použít vlícovacích bodů. Manipulovaný snímek je nakonec nutno pomocí vlícovacích bodů geometricky transformovat (přepočítat polohu pixelů) do referenčního systému. Z mnoha zkoušených metod byla jako nejvhodnější vybrána poloautomatická metoda, jejíž základem je manuální výběr přibližného místa vlícovacího bodu. Jeho přesná poloha je dále určena automaticky programem pro obrazovou korelaci. Tato metoda se plně osvědčila, předpokládá ale, že data mají stejně velikě pixely, tj. data z AVHRR je nutno předem převzorkovat na stejnou velikost jako u TM tak (metodou nejbližšího souseda), aby nedošlo k interpolování a tím i k radiometrické deformaci dat. Výsledná přesnost v určení vlícovacích bodů u AVHRR se pohybovala v mezích 180-270m.
Zpracování dat
          Hlavním cílem práce bylo nalezení tušeného vztahu (stupně korelace) mezi pozemními měřeními a spektrálními příznaky jevů, zachycenými na družicovém snímku v prostředí GIS. Zatímco družicové údaje jsou rastrovým obrazovým typem (plošná měření), pozemní meteorologická nebo fenologická měření jsou údaji bodovými. Pozemních měření je vzhledem k plošným mnohem méně. Z tohoto důvodu je nutno někdy extrapolovat bodová měření do okolí, případně interpolovat mezi dvěma či více body. Pro zpracování dat byl vybrán rastrový GIS firmy Tydac SPANS, využívající strukturu rastru s proměnnou velikostí buňek (quadtree). V prostředí GISu byla takto vytvořena databáze agrometeorologických údajů, tématických informací a družicových snímků.
Agrometeorologická data
          Jednotným geometrickým podkladem byla síť pozorovacích ploch ČHMÚ rozložených po celém území ČR. Tyto plochy byly ve spolupráci s pracovníky ČHMÚ přesně lokalizovány a zakresleny do topografických map 1 : 100 000. Digitalizací těchto pozorovacích ploch vznikla vrstva uzavřených polygonů. Každé digitalizované referenční ploše bylo přiřazeno její číslo, které je totožné s číslem referenční plochy v agrometeorologické databázi. Přes toto číslo byla agrometeorologická data z databáze převedena jakožto atributy ploch. Tyto plochy byly dále použity jako binární masky pro družicové snímky. Tematickou informací (atributy) byly v tomto případě tři agrometeorologické údaje vypočtené programem KALENDAR, vytvořeným pracovníky ČHMÚ: biologický čas (BTIME) a dva údaje vztažené k růstu sumy teplot nad 3°C (BMT3), resp. 5°C (BMT5). Pro další zpracování byla vybrána data pouze pro dny, kdy existoval kvalitní družicový snímek (pro rok 1993 bylo vhodných 58 přeletů). Vzhledem k vysoké heterogenitě našeho území nebylo použito časové zpracování globálně pro celé území, ale selektivně na jednotlivých vhodných stanicích sítě ČHMÚ. Staniční zpracování předpokládá hledání korelace mezi družicovými daty a agrometeorologickými daty na jediné stanici v čase (1 vegetační období). V tomto případě je tedy nutno zjistit reprezentativní hodnoty družicových dat (NDVI) na referenčních plochách v datech přeletu a importovat je spolu s časově totožnými agrometeorologickými daty do systému EXCEL, který je schopen výpočtu korelace.
Družicová data
          Družicové snímky byly zpracovány na pracovní stanici IBM RISC 6000 v software EASI/PACE firmy PCI. Vybrané a zpracované snímky (výpočet NDVI, maskování oblačnosti atd.) byly přeneseny do pracovního adresáře SPANS. V tomto případě byl SPANS použit pouze pro oříznutí družicových snímků binární maskou referenčních ploch a vytvoření souborů, které statisticky popisovany výskyt hodnot NDVI v každé referenční ploše pro každý den přeletu. Další výpočty probíhaly v prostředí EXCELu.
Výsledky
          Hledána byla korelace mezi průběhem NDVI na stanovišti a průběhem jednoho ze 3 druhů pozemních dat (BTIME, BMT3, BMT5) v čase. Pro rok 1993 se vytvořil jediný soubor o 7150 řádcích (143 ploch x 58 dní pro rok 1993) a 7 sloupcích, obsahující údaje z agrometeorologické databáze. Z toho souboru bylo vytvořeno 143 souborů, obsahující vždy data z jediné referenční plochy v průběhu roku. Ke každému souboru byly doplněny charakteristické hodnoty NDVI (viz tab.1).
tab.1 : Výsledná tabulka pro výpočet korelací v EXCELu

          Výpočty korelačního koeficientu se provedly v EXCELu, který má řadu statistických funkcí přímo vestavěnou. Hodnoty korelačního koeficientu byly vypočteny pro dvojice číselných řad NDVI-BTIME, NDVI-BMT3 a NDVI-BMT5 podle vztahu :


kde X,Y jsou hodnoty korelovaných veličin, s(X) a s(Y)jsou rozptyly korelovaných veličin a cov je kovariance veličin X,Y . V případě výpočtu korelačních koeficientů mezi NDVI a agrometeorologickými daty (BTIME, BMT3 a BMT5) byly na žádost a doporučení biologů počítány hodnoty pro celý průběh vegetačního období a dále do jeho maxima, daného maximem (prvním lokálním maximem) NDVI. V druhém případě byla prokázána významná korelace (korelační koeficient r dosahoval hodnot okolo 0.9). Pomocí postupného hledání maxima korelace v čase, zejména u vztahu NDVI - BTIME, bylo určeno přibližné datum maxima NDVI. V mnoha případech byla rychlost dosažení maxima značná - od začátku vegetačního období do maxima uplynulo cca 40 dní. Výpočet maximální korelace se pak opírá o nepříliš rozsáhlé množství dat a zbylá data jsou vysoké korelaci spíše na závadu; to je způsobeno zejména tím, že zelené rostliny v našich podmínkách dosahují rychle plného zapojení listů (u listnatých rostlin, ale i letorosty u jehličnatých), kde je nárůst zelené hmoty zjevný (překotné rašení), a proto se musí i patřičně projevit na družicových snímcích. Další vývoj rostlin je závislý na jejich typu a na okolních podmínkách. Procesy, ke kterým dochází u rostlin (např. zrání obilí) mohou vést a často vedou ke snížení obsahu chlorofylu, a vývoj NDVI má tudíž opačný vývoj než agrometeorologické údaje a korelace výrazně klesá. Zajímavé je dosažení druhého maxima, které je velmi zřetelné; souvisí s plným zapojením veškeré vegetace; po druhém maximu již dochází obyčejně k trvalému snižování hodnot NDVI. Výsledky korelační analýzy dat jsou ve formě celkem devíti údajů pro každou referenční plochu:
Výsledky výpočtu celkové korelace
           Hodnoty celkového korelačního koeficientu pro celé vegetační období roku 1993 popisují vztah mezi hodnotami NDVI a pozemním měřením agrometeorologických údajů v průběhu celého vegetačního období. Pohybovaly v intervalu (0.04 - 0.75). Hodnoty celkových korelací (NDVI-BMT3, NDVI-BMT5) pro jednu referenční plochu se od sebe prakticky nelišily, maximální odchylka dosáhla hodnoty 0.009. Hodnota celkové korelace NDVI-BTIME se od těchto hodnot liší maximálně o 0.09. Z toho vyplývá, že mezi hodnotami celkových korelací pro jednu referenční plochu existuje staniční závislost. Hodnoty celkových korelací ukázaly, že mezi družicovými a agrometeorologickými daty v délce celého vegetačního období neexistuje významný vztah. Nízká hodnota celkového korelačního koeficientu je způsobena především vývojem vegetace (reprezentovaný hodnotami NDVI) po dosažení prvního maxima (květen-červen). Zatímco hodnoty BTIME, BMT3 a BMT5 nadále rostou, hodnoty NDVI začínají klesat a pak opět stoupat, aby dosáhly druhého maxima (srpen-září). Poté následuje další pokles. Zde záleží na charakteru stanice a typu vegetace.
Výsledky hledání data maximální korelace
           Hodnoty maximální korelace (tj. v době od počátku vegetačního období do jeho prvního maxima; hledáno bylo právě datum maxima, pro které vycházely též hodnoty korelace maximální ) mezi hodnotami NDVI a pozemním měřením agrometeorologických údajů v průběhu vegetačního období roku 1993 se pohybovaly v intervalu (0.75 - 0.99). Jednotlivé hodnoty maximálních korelací (NDVI-BMT3, NDVI-BMT5) pro jednu referenční plochu se od sebe prakticky nelišily, odchylka se pohybovala řádově v tisícinách. Hodnota celkové korelace NDVI-BTIME se od těchto hodnot liší řádově o setiny. Z toho vyplývá, že i mezi hodnotami maximálních korelací pro jednu referenční plochu existuje staniční závislost. Vyhledané hodnoty maximálních korelací ukázaly, že mezi družicovými a agrometeorologickými daty existuje velmi silná závislost v první fázi vegetačního období, tj. do prvního maxima NDVI. Přesnost výpočtu korelací velkou měrou ovlivňuje velikost referenční plochy. Z celého souboru 143 referenčních ploch bylo pouze 78 o rozloze větší než 1km2 a 53 jich mělo plochu menší než 0.5 km2. V tomto případě je hodnota NDVI dána více jak 50% jejím okolím a ne samotou plochou. Ani plocha kolem 1 km2 vzhledem k nepřesnosti vlícování dat není zárukou získání příslušné hodnoty NDVI pro danou referenční plochu. Pro získání kvalitnějších údajů by bylo výhodnější odečítat hodnoty NDVI z homogenních referenčních ploch o velikosti cca 2x2km (4km2). Větší plochy ale přinášejí u nehomogenních pokrytů skutečné a přirozené rozdílné hodnoty NDVI v referenční ploše (viz např. histogram NDVI hodnot získaných z Landsatu TM pro referenční plochy).
Výsledky určení data maximální korelace
          Maximální korelace nastávala v intervalu mezi 28. 4. - 6. 9. Určení data maximální korelace není příliš přesné, protože intervaly mezi jednotlivými snímky, kdy bylo nad danou referenční plochou jasno, jsou příliš dlouhé a zejména samotné maximum mívá často velmi plochý průběh. Datum maximální korelace se shoduje s datem prvního vegetačního maxima, což je patrné z průběhu křivek NDVI, BTIME, BMT3 a BMT5. Datum maxima korelace je závislé na řadě faktorů, především na nadmořské výšce a biotopu každé referenční plochy. Pro zjištění závislosti na nadmořské výšce, biotopu nebo na meteorologických údajích jako množství srážek apod. by bylo třeba rozsáhlejšího souboru. Upřesnit datum maximálního NDVI a tím i datum maximální korelace s pozemními daty by znamenalo získat pro časový interval pravděpodobného maxima více družicových snímků; to je ale závislé na meteorologické situaci a stavu oblačnosti a při současném stavu družicových systémů nelze předpokládat výrazné zlepšení. Přesnost kulminačního bodu NDVI, který lze stanovit proložením hodnot NDVI vhodnou křivkou, je takto možno pouze odhadnout a dosahuje dnů až týdnu, jelikož v mnoha případech se hodnoty NDVI kolem kulminačního bodu mění velmi málo.
Charakteristické projevy vegetačních typů
          Křivky, charakterizující průběh NDVI v čase, jsou závislé zejména na typu vegetace (biotopu). Vybráno bylo celkem 6 charakteristických průběhů NDVI. (viz tab.2).
          Biotop smrčina a horská smrčina jeví velmi podobné příznaky. Charakteristický je rychlý nárůst hodnot NDVI do konce května (tj. plné zapojení letorostů) a plochý průběh křivky až do konce září. Křivka jeví v první půli července nepříliš hluboké, ale významné lokální minimum. Smíšené porosty (jehličnaté s listnatými) mají bez rozlišení jednotlivých příměsí charakteristický pokles hodnot NDVI v druhé polovině vegetačního období, který je patrně způsoben ztrátou chlorofylu (žloutnutí listů) listnatých příměsí. Biotop bučiny jeví výraznou symetrii dvou lokálních maxim. Biotop lužní les není příliš zastoupen vhodnými pozemními stanicemi. Celkově jeví dvě maxima, z nichž druhé bývá významější. Zcela odlišný průběh NDVI mají sady. Křivka je charakteristická takřka kolmým nárůstem hodnot NDVI v časovém úseku 20-30 dnů, který je způsoben rychlým rašením a kvetením ovocných dřevin. Maximum je dosaženo velmi rychle a dále se hodnoty NDVI vytrvale snižují.

tab.2: Charakteristické průběhy NDVI dle typu vegetace

Hledání souvislostí
          Předešlým postupem byly zkonstruovány křivky průběhu NDVI na jednotlivých referenčních plochách dat a pro každou křivku bylo určeno datum maximální korelace NDVI s agrometeorologickými daty. Pro další práci byly vyřazeny všechny stanice o rozloze menší než 0.5 km2. Na zbylých 89 stanicích nastává maximální korelace pozemních a družicových dat v rozmezí mezi 127-191 dnem (juliánské datum, 1993). Lze konstatovat, že neexistuje přímá funkční závislost mezi nadmořskou výškou stanoviska a datem maximální korelace pozemního a družicového měření; existuje pouze zjevný trend, ze kterého lze usuzovat, že s rostoucí nadmořskou výškou dochází k posunu maxima korelace v čase. Tento výsledek je logický, jelikož u nás nelze mluvit o vegetačních patrech. Vysoká nehomogenita prostředí a různé typy vegetačních krytů takovouto jednoduchou závislost vylučují. Na juliánské datum maxima korelace pozemního a družicového měření lze pohlížet jako na bod v třírozměrném prostoru o souřadnicích X,Y (geodetické souřadnice, poloha středu referenční plochy) a prostorovou souřadnicí Z, která je reprezentována juliánským datem. Na základě 89 třírozměrných bodů, které reprezentovaly plochy > 0.5 km2, byla vytvořena mapa izočár stejných dat maxima korelace pozemních a družicových dat, výsledky byly upraveny pomocí barev (PCT) na tématickou mapu tak, že červená barva přísluší nejpozdějšímu datu maxima, tmavě zelená nejrannějšímu(obr.2).
Tvorba modelu
          Výsledky práce lze shrnout do vegetačního modelu, který lze využít tak, že k hodnotám NDVI (daná družicovým měřením pro čas přeletu družice) přiřadáme souřadnice x,y (georeferencujeme data). Podle geodetických souřadnic zařadíme každý pixel do určitého biotopu se známým průběhem křivky NDVI v čase nebo použijeme s jistým omezením přesnosti mapu dat maxim korelací mezi pozemním a družicovým měřením. Pro hodnotu NDVI u daného pixelu jsme na základě modelu schopni určit BTIME, BMT3 a BMT5, ale v současné době spolehlivě pouze pro období do maxima NDVI. Tímto způsobem jsme schopni velmi rychle určit na základě družicového měření stav vegetace, respektive porovnat stav vegetace s modelovým stavem, který je momentálně dán pouze rokem 1993. Vhodnejší by jistě bylo použít průměru z několika let. Takto prakticky pouze určujeme, zda se stav vegetace předchází nebo opožďuje oproti roku 1993. Právě rychlost zjištění informací o stavu vegetace je klíčová. Klasickým způsobem pomocí vyhodnocení hlášenek z pozemních referenčních stanic získáme informaci o globálním stavu vegetace prakticky v době, kdy už má pouze statistický a archivní význam. Význam družicového měření ale nelze v tomto případě přeceňovat. Významná korelace mezi družicovými a pozemními daty byla prokázána pouze do dosažení prvního vegetačního maxima. Z tohoto důvodu a z důvodu nutnosti kalibrace družicových měření pozemními daty nelze pozemní staniční pozorování plně nahradit družicovým.
          Ověření modelu proběhlo na datech z roku 1994. Pro rok 1994 byly získány hodnoty NDVI a pomocí vztahů na základě vytvořeného modelu z dat pro rok 1993 byly pro daný den a polohu přiřazeny hodnotám NDVI hodnoty BTIME, BMT3 a BMT5. Tyto hodnoty byly konfrontovány s hodnotami skutečnými, získanými z pozemního měření.
1993: č.stanice, den ->BTIME, BMT3 a BMT5 a NDVI -> konstrukce staniční křivky
1994: den, stanice, NDVI -> odvození BTIME (případně BMT3 a BMT5)
          Původní záměr-odvodit průměrný roční průběh NDVI, BTIME, BMT3a5 pro určitý biotop předpokládal při využití modelu zařazení libovolného pixelu obrazu NDVI do určitého biotopu a k dané hodnotě NDVI odečíst agrometeorologické hodnoty z typické křivky jednotlivých typů vegetace. Vzhledem k tomu, že interpolace agrometeorologických hodnot do plochy je diskutabilní a nebyla k dispozici dostatečně podrobná mapa biotopů, bylo využití modelu omezeno pouze na stanice.
Závěr - porovnání hodnot v letech 1993 a 1994
          Stabilita a shoda pozemního měření byla testována pro oba roky (1993 a 1994) na vybraných stanicích. Dle předpokladu lze na základě hodnoty NDVI (z družicového měření) odvodit agrometeorologické hodnoty BTIME, BMT3 a BMT5 spolehlivě do prvního maxima vegetačního cyklu (do maxima korelace pozemních a družicových dat, tj. prakticky podle typu stanice a polohy cca květen až červen). Využití modelu po datu maxima je diskutabilní, protože přiřazení agrometeorologických dat není jednoznačné díky tomu, že stejná hodnota NDVI může nastat po prvním maximu vegetačního cyklu několikrát. Automatické přiřazení dává výsledky málo věrohodné; cenné je porovnání hodnot NDVI oproti modelu pro stejný den, které poukazuje na výkyvy stavu vegetace vůči referenčním (modelovým) hodnotám. Dobré výsledky dává logické umístění získané hodnoty NDVI (tj.přibližně ke stejnému datu v modelu) do modelové křivky a odečtení příslušných agrometeorologických hodnot. Znesnadňuje ale automatické vyhodnocení (např. hodnota NDVI cca 150 pro referenční plochu 132 nastává po prvním maximu vegetačního cyklu několikrát v rozmezí 4 měsíců. Vzhledem k vysokému stupni korelace mezi pozemními daty a NDVI v časovém úseku mezi počátkem vegetačního cyklu a jeho prvním maximem (korelační koeficient cca 0.9) lze vyslovit následující závěry:
a) od počátku vegetačního období do jeho prvého maxima (tj. po poměrně krátkou dobu cca 30-60 dnů) lze vyjádřit vztah mezi agrometeorologickými daty (BTIME, případně BMT3 a BMT5) a NDVI funkční závislostí (lineární) ve tvaru:
           BTIME = a * NDVI + b, NDVI = c * BTIME + d,
kde a,b,c,d jsou koeficienty charakteristické pro danou stanici nebo charakterizující přibližně stejný typ stanice
b) po dosažení prvního maxima lze pomocí hodnot NDVI pro daný čas posoudit předcházení nebo zpoždění vývoje vegetace. Toto posouzení je ovšem pouze relativní na základě srovnání s modelem a při předpokladu neměnnosti základního tvaru křivky NDVI. Tvar křivky popisující vývoj NDVI v čase pro danou stanici (referenční plochu) je relativně stálý, je ale nutno uvážit dlouhodobý přirozený vývoj vegetace, např. růst lesa, který může tvar křivky postupně měnit. Logickým přiřazením hodnoty NDVI podle přibližně stejného data v reálu a modelu lze poměrně spolehlivě odvodit i agrometeorologické hodnoty.

obr.1 : Referenční plocha 321

obr.2 : Tématická mapa data dosažení maxima NDVI (max.korelace)