STIMA DI VARIABILI BIOFISICHE E BIOCHIMICHE DELLA VEGETAZIONE DI PIANURA MEDIANTE MISURE DI TERRENO E TECNICHE DI TELERILEVAMENTO SATELLITARE E AEREO

Transcript

1 STIMA DI VARIABILI BIOFISICHE E BIOCHIMICHE DELLA VEGETAZIONE DI PIANURA MEDIANTE MISURE DI TERRENO E TECNICHE DI TELERILEVAMENTO SATELLITARE E AEREO R. Colombo 1, M. Meroni 2-1, L. Busetto 3-1, C. Panigada 1, M. Rossini 1 1 Lab. Telerilevamento, UNIMIB-DISAT, Milano, Italia 2 Lab. Ecologia Forestale, UNITUS-DISAFRI, Viterbo, Italia 3 CNR - IIA, Roma, Italia Sessione: Territorio e Natura - Tema: Gestione sostenibile del territorio e conservazione della natura 1. Telerilevamento a supporto della gestione del comparto agricoltura e foreste Il telerilevamento è uno strumento diagnostico che, nell ambito della gestione sostenibile del territorio e della conservazione della natura, è in grado di fornire delle informazioni riguardanti la vegetazione in modo distribuito nello spazio (con la creazione di mappe) e nel tempo (con il monitoraggio ad alta frequenza temporale). Il Laboratorio di Telerilevamento DISAT si occupa dell estrazione di informazioni quantitative, la natura delle quali risiede principalmente in: stima della biomassa (in termini di area fogliare LAI, e frazione di radiazione intercettata fipar), il grado di copertura della vegetazione (copertura frazionaria, Fc) e il suo stato di salute (concentrazione di clorofille, stato di idratazione). Queste informazioni trovano impiego nel monitoraggio dello stato della vegetazione e nel forcing, di modelli di varia natura: assorbimento di CO 2 in previsione del protocollo di Kyoto, rischio d incendio, stress della vegetazione, precision farming, ecc. In particolare, in questo contributo vengono presentate alcune tecniche di campionamento e di elaborazione di dati telerilevati per la stima delle variabili biofisiche e biochimiche ai fini della comprensione del sequestro di CO 2 e per l analisi dello stato di salute della vegetazione. 2. Osservazioni iperspettrali e parametri ecologici Le osservazioni remote, da terra da aereo o da satellite, consentono di ricavare alcune variabili ecologiche che descrivono lo stato della vegetazione. Tali variabili contribuiscono quindi a parametrizzare modelli distribuiti che includono la componente dinamica della vegetazione nella descrizione dei processi ambientali. La comprensione della dinamica della vegetazione è infatti necessaria negli ambiti della propagazione degli incendi e dei fenomeni erosivi, per il grado e l estensione del deperimento forestale e colturale, per simulare e prevedere la crescita e la resa delle colture, e infine per comprensione del ciclo dell acqua e del carbonio degli ecosistemi forestali a differenti scale di osservazioni. In termini quantitativi, i parametri biofisici e biochimici della vegetazione si derivano dall analisi delle diverse caratteristiche di assorbimento e riflessione della radiazione nei domini del visibile, infrarosso vicino, medio e termico. Impiegando diverse tecniche di estrazione, si possono indagare i parametri strutturali, le proprietà biofisiche e biochimiche della superficie investigata. Tra i parametri ecologici più interessanti ricordiamo l indice di area fogliare (LAI), l intercettazione e l assorbimento della radiazione fotosinteticamente attiva (FAPAR),

2 la copertura della vegetazione (Fc) e la temperatura della superficie investigata (Tc). L analisi a livello iperspettrale consente anche di quantificare il contenuto idrico (Cw) e i pigmenti fotosintetici (Cab) presenti nella foglia. Da riprese aeree con sensori iperspettrali questi ultimi due parametri possono essere mappati nello spazio e nel tempo a livello di canopy. L accuratezza raggiunta nella stima dipende da molteplici fattori tra cui il livello di scala a cui si lavora e la tecnica impiegata nell estrazione. 3. Scambi gassosi e misure dei parametri ecologici Negli ultimi anni la comunità scientifica internazionale ha focalizzato l attenzione sull analisi del ciclo biogeochimico del carbonio degli ecosistemi forestali poiché riconosciuti come un possibile serbatoio per la sottrazione di carbonio dall atmosfera (Watson et al, 2000, IPCC Special Report). Tali ecosistemi rivestono infatti un significativo ruolo potenziale per il sequestro di CO 2 dall atmosfera e per lo stoccaggio a lungo termine del carbonio (Schimel, 1995). La comprensione del ciclo del carbonio in ambiente forestale è quantificata a scala di ecosistema (<1km 2 ) attraverso la tecnica di correlazione turbolenta (Baldocchi et al., 1988) e compresa a livello globale (10 8 km 2 ) con modelli di circolazione generale dell atmosfera (Fan et al., 1998) che permettono di individuare aree in bilancio netto negativo (source) e positivo in cui dominano gli assorbimenti (sink). Come mostrato da diversi autori (es. Running et al., 1999; Goetz et al., 1999), l impiego di modelli ecologici guidati da informazione telerilevate rappresenta invece la tecnica per decifrare gli scambi di carbonio a scale intermedie (?10 2 km 2 ). I parametri ecologici distribuiti, derivati dai dati telerilevati, si presentano quindi come i migliori candidati alla parametrizzazione delle variabili di ingresso dei modelli di simulazione scala regionale della produzione primaria netta dell ecosistema (NPP). La stazione sperimentale di misura degli scambi gassosi (Global Change Unit, EC, JRC- IES), localizzata in un impianto di pioppo ibrido euramericano all interno del Parco Regionale del Ticino Lombardo, fornisce in continuo dal 2001 le misure dirette dello scambio ecosistemico netto (NEE) che portano alla stima del bilancio del carbonio. Ai fini della mappatura del ciclo di carbonio a scala regionale è necessario conoscere l andamento dei parametri a terra che permette di calibrare e validare le relazioni con le misure remote. Per esempio il confronto tra NEE, Fipar e LAI alla stazione sperimentale di misura ha messo in evidenza come l andamento della Fipar nel tempo sia correlato all andamento dei flussi, consentendo di individuare l inizio del ciclo fenologico e il valore di massima assimilazione (Matteucci et al., 2003). In questa attività di ricerca sono state condotte le misure di alcuni parametri ecologici sia in campo che in laboratorio e sono state eseguite una serie di misure radiometriche per il calcolo delle proprietà ottiche della vegetazione. Ai fini della determinazione della riflettanza e della trasmittanza fogliare, lo spettrometro da campo FieldSpec-FR ASD è stato accoppiato con una Li-Cor Integrating Sphere operante nell intervallo di lunghezza d onda compreso tra 350 e 1650 nm (Figura 1a). In questo modo sono state ottenute le firme spettrali delle foglie che sono quindi impiegate per determinare il contenuto d acqua e la clorofilla. In Figura 1b sono mostrate due curve di riflettanza relative a vegetazione in buono stato di salute e a vegetazione stressata nelle lunghezze d onda maggiormente influenzate dal contenuto fogliare di clorofilla. La foglia stressata è caratterizzata da un basso contenuto di clorofilla totale e mostra un arretramento verso le lunghezze d onda del blu della posizione del red edge, cioè della posizione del punto

3 di flesso nella regione di transizione rosso-infrarosso vicino ( nm) (Panigada, 2003). Figura 1. In a) è mostrata la Sfera Integratrice utilizzata per misurare le proprietà ottiche delle foglie, mentre in b) sono riportate due curve di riflettanza a diversa concentrazione totale di clorofilla nell intervallo spettrale nm. A livello regionale sono state condotte campagne di misura per individuare l andamento temporale di Fipar e LAI in 8 piantagioni di differenti età e condizioni morfologiche. L indice di area fogliare è stato misurato tramite due diverse tecniche che impiegano misure di trasmittanza e immagini ricavate con camere emisferiche digitali. In entrambi i casi le misure sono state condotte per transetti e in condizioni di radiazione diffusa. L implementazione di una tecnica a soglia variabile delle immagini emisferiche migliora le prestazioni nella stima del LAI e rende meno dipendente la misura dalle condizioni atmosferiche. In figura 2 è mostrato il confronto tra gli andamenti temporali del LAI ricavati con le due tecniche in un sito di misura (#9). Inoltre è riportato il comportamento relativo alla vegetazione di sottobosco. In casi di bassa copertura della componente arborea la componente del sottobosco influenza la risposta misurata al sensore iperpettrale e introduce errori nella stima del parametro indagato # elaio LAI LAIu LAI HC Giorno dell'anno Figura 2. Sono riportati gli andamenti temporali dell indice di area fogliare misurati con le tecniche di trasmittanza (LAI-2000) e con camere emisferiche (LAI-HC). LAIu rappresenta l andamento della vegetazione del sottobosco.

4 4. Estrazione dei parametri dalle osservazioni iperspettrali A partire dalle osservazioni iperspettrali (misure spettroscopiche di laboratorio o con sensori iperspettrali aviotrasportati o missioni satellitari sperimentali) si può quindi costruire il modello predittivo per la stima del parametro indagato. Il modello può essere determinato empiricamente con i minimi quadrati con indici radiometrici o tramite algoritmi di reti neurali o minimizzazioni da inversione di modelli di trasferimento radiativo. In figura 3 sono mostrati ad esempio le relazioni lineari e nonlineari utilizzate per la mappatura dell indice di area fogliare a partire dai DN MIVIS r 2 = elaio r 2 = 0, elaio Figura 3. Relazioni semi-empiriche lineari e non lineari tra indice di area fogliare e indici di vegetazione SR e NDVI calcolati a partire dalle immagini MIVIS del 3 luglio L estrazione di parametri ecologici dalle osservazioni remote può essere effettuata mediante inversione di modelli di trasferimento radiativo che riproducono la riflettività della superficie investigata. Al modello di riflettività della canopy è accoppiato un modello delle proprietà ottiche della foglia e viene invertito numericamente sulle riflettività osservate. Il vantaggio dell utilizzo in modo inverso dei modelli di trasferimento radiativo, rispetto ai tradizionali modelli semi-empirici, risiede nel fatto che é necessaria solo una prima fase di messa a punto dell algoritmo che, una volta validato con un insieme di dati a terra, può essere usato in modo predittivo in aree geografiche differenti (Meroni et al., 2002). Tramite analisi di immagini iperspettrali acquisite da sensori aviotrasportati è quindi possibile mappare, nello spazio e nel tempo, alcuni parametri legati al ciclo della vegetazione. Gli andamenti spaziali del LAI nel tempo possono per esempio contribuire a spiegare la variazione inter-annuale dell assorbimento di carbonio dell ecosistema (Fig. 4).

5 LAI (m 2 /m 2 ) a) b) Figura 4. Sono rappresentate le mappe di LAI ottenute al sito sperimentale in località Zerbolò nel Parco Regionale del Ticino Lombardo. In a) è rappresentata la mappa di LAI relativa a fine giugno 2001, e in b) relativa a luglio Analisi a scala regionale: deconvoluzione e assimilazione Le immagini iperspettrali da aereo consentono di avere preziose informazioni sulla variabilità spaziale dei parametri nelle aree test, ma dato l elevato costo, non possono essere impiegate per l acquisizione ripetuta nel tempo ad alta frequenza che è necessaria per monitorare la dinamica della vegetazione. Anche se nuovi missioni spaziali incoraggiate dall Agenzia Spaziale Europea prevedono il lancio di satelliti iperspettrali ad alta risoluzione temporale e media risoluzione geometrica (es. SPECTRA), attualmente la copertura regionale con risoluzioni spettrali, temporali e spaziali adeguate è garantita dal sensore MODIS. Ai pixel MODIS di 250x250m di risoluzione spaziale vengono applicate tecniche di deconvoluzione lineare che consentono di separare le risposte spettrali delle diverse superfici e quindi riprodurre l andamento temporale del parametro in oggetto (Figura 5). Infine, gli andamenti temporali sono assimilati nei modelli di bilancio del carbonio che stimano la produzione primaria netta attraverso simulazione dei cicli biogeochimici degli elementi e/o analisi dell efficienza alla conversione luce/biomassa. NDVI (Modis data) Day of Year Figura 5: In rosso è ricostruito l andamento temporale dell NDVI di un bosco di pianura mentre in blu è riportato l andamento del segnale non corretto.

6 Bibliografia Baldocchi D.D., Hicks B. B., Meyers T.P., Measuring biosphere-atmosphere exchanges of biologically related gases with micrometeorological methods, Ecology, 69, pp Fan S.M., Gloor M., Mahlman J., et al., A large terrestrial carbon sink in North America implied by atmospheric and ocean CO 2 data and models, Science, 282, pp Goetz, S.J., Prince, S.D., Goward, S.N., Thawley, M.M., Small, J., Johnston, A., 1999b. Satellite remote sensing of primary production: an improved production efficiency modeling approach, Ecological Modelling, 122, Matteucci G., Colombo R., Leip A., Meroni M., Tarrason D., Previtali F., Seufert G. Il Kyoto Experiment del Joint Research Center di Ispra (VA) nel Parco Ticino: bilanci di gas-serra in un pioppeto, confronto con un bosco planiziale originario e analisi a scala territoriale. In Alberi e Foreste nella Pianura Reg. Lombardia-ERSAF, in stampa. Meroni M., Panigada C., Giardino C., Colombo R., Boschetti M., Brivio P.A., Marino C.M Osservazioni remote iperspettrali e multiangolari per la stima dei parametri biofisici della vegetazione: parte II - tecniche di telerilevamento, Rivista Italiana di Telerilevamento, 24, pp Panigada C. (2002). Airborne Hyperspectral imagery in forest monitoring: advanced studies in pigment data retrieval in natural deciduous forests and poplar plantation. Tesi di Dottorato XV Ciclo, Scienze Ambientali, Milano-Bicocca. Running S.W., Baldocchi D.D., Turner D.P., Gower S.T., Bakwin P.S., Hibbard K.A., A global terrestrial monitoring network integrating tower fluxes, flask sampling, ecosystem modeling and EOS satellite data, Remote Sensing of Environ., 70, pp Shimel, D.S., Terrestrial Biogeochemical Cycles: Global Estimates with Remote Sensing, Remote Sensing of Environ., 51, pp Turner D.P., Gower S.R., Cohen W.B., Gregory M., Maiersperger T.K., Effects of spatial variability in light use efficiency on satellite-based NPP monitoring, Remote Sensing of Environ., 80, pp Watson R.T., Noble I.R., Bolin B., Ravindranath N.H., Verardo D.J., Dokken D.J., Land Use, Land-Use Change and Forestry, IPCC Special report, Cambridge University Press.