W celu świadczenia usług na najwyższym poziomie stosujemy pliki cookies. Korzystanie z naszej witryny oznacza, że będą one zamieszczane w Państwa urządzeniu. W każdym momencie można dokonać zmiany ustawień Państwa przeglądarki. Zobacz politykę cookies.
Powrót

Choroby roślinności torfowisk można wykryć dzięki AI i systemom satelitarnym

25.04.2024

Algorytmy AI w połączeniu z systemami satelitarnej obserwacji Ziemi skutecznie wykrywają choroby roślinności torfowisk - wynika z badań przeprowadzonych przez naukowców Centrum Teledetekcji Instytutu Geodezji i Kartografii.

Autorami badań są dr Maciej Bartold i Marcin Kluczek, którzy przedstawili wyniki w piśmie Ecological Informatics. Naukowcy zajęli się satelitarnym modelowaniem fluorescencji chlorofilu roślinności wybranych torfowisk objętych Konwencją Ramsarską. Jak się okazało, przy wykorzystaniu tej metody można skutecznie zlokalizować obszary występowania rdzy traw.

"Fluorescencja chlorofilu to zjawisko, w którym chlorofil - jako zielony pigment roślinny odpowiedzialny za fotosyntezę - emituje światło po zaabsorbowaniu (wchłonięciu) energii świetlnej. W tym procesie tylko część energii jest wykorzystana do fotosyntezy; część jest wypromieniowywana jako światło o innej długości fali, zwykle przesunięte w zakresie czerwieni" - opisali badacze.

Zjawisko to można wykorzystać w badaniach środowiskowych, ponieważ intensywność fluorescencji może wskazywać na stan zdrowia roślin. "Zmiany w fluorescencji sygnalizują stres spowodowany przez suszę, zanieczyszczenia czy choroby, co umożliwia naukowcom ocenę wpływu różnych czynników środowiskowych na roślinność. Natomiast wykorzystanie danych satelitarnych pozwala na monitoring dużych obszarów, co jest kluczowe dla szybkiej identyfikacji i reakcji na zagrożenia dla roślin i środowiska" - wyjaśnił w informacji przekazanej PAP dr Maciej Bartold.

Fot. Marcin Kluczek

Fot. Marcin Kluczek

Rozwój technologii satelitarnych otworzył nowe możliwości w monitorowaniu dużych obszarów lądowych w sposób powtarzalny i systematyczny. Jednym z systemów obserwacji Ziemi jest program Komisji Europejskiej - Copernicus, którego elementem jest konstelacja satelitów Sentinel-2 pozyskujących zobrazowania optyczne dla całego świata.

"Jednym z kluczowych wskaźników fluorescencji chlorofilu, związanych ze stanem zdrowotnym roślinności, jest parametr maksymalnej fotochemicznej wydajności fotoukładu II (Fv/Fm). W celu jego dokładnego modelowania badacze wykorzystali zaawansowane algorytmy sztucznej inteligencji, w tym XGBoost. Jednakże kluczowe dla skuteczności tego podejścia było również wykorzystanie teledetekcyjnych wskaźników spektralnych opracowanych na podstawie wieloczasowych serii danych satelitarnych Sentinel-2" - podali badacze.

To połączenie zaawansowanych metod uczenia maszynowego z danymi satelitarnymi pozwoliło na precyzyjne modelowanie fluorescencji chlorofilu, co ma istotne znaczenie dla monitorowania zdrowia roślin i zrozumienia zmian w ekosystemach na skalę globalną.

Przeprowadzone analizy wykazały, że kluczową rolę w modelowaniu fluorescencji chlorofilu odgrywają wskaźniki roślinne oparte na wartościach odbicia spektralnego w bardzo wąskich zakresach promieniowania niebieskiego, czerwonego, bliskiej i środkowej podczerwieni.

"We wrześniu 2023 r., po długim okresie ciepłych, słonecznych dni bez opadów i jednocześnie przy utrzymującej się dużej wilgotności na terenie torfowisk, zidentyfikowano obszary dotknięte wystąpieniem rdzy traw. Choroby grzybowe rozwijają się najbardziej intensywnie przy wysokiej wilgotności i temperaturze wynoszącej od 20 do 30 stopni Celsjusza" - zauważyli naukowcy.

Jak wyjaśnili, choroby roślin często nie są łatwo wykrywane na podstawie pojedynczych wskaźników roślinnych. "Jednak poprzez analizę serii czasowych i wykorzystanie różnych zakresów spektralnych, które zasilają bazę zmiennych w algorytmie uczenia maszynowego, jesteśmy w stanie precyzyjnie zlokalizować obszary występowania rdzy traw" - podali.

Fot. Marcin Kluczek

Fot. Marcin Kluczek

Wyniki badań zostały zweryfikowane obserwacjami terenowymi i pomiarami naziemnymi fluorescencji chlorofilu dedykowanym urządzeniem, tzw. fluorymetrem. Badania terenowe przeprowadzono na obszarze Biebrzańskiego Parku Narodowego w 2023 r. w ramach grantu z Funduszu Badań Własnych IGiK. Opracowany model pozwala na monitorowanie stanu roślinności torfowisk na innych obszarach mokradeł objętych Konwencją Ramsarską.

Autorzy modelu zaprezentowali wyniki swoich analiz także na międzynarodowych warsztatach zorganizowanych w siedzibie Europejskiej Agencji Kosmicznej (ESA), które koncentrowały się na nadchodzącej misji FLuorescence EXplorer (FLEX). Celem tej misji jest satelitarne monitorowanie aktywności fotosyntetycznej oraz stanu zdrowotnego i stresu roślinności. Jest to szczególnie istotne dla lepszego poznania globalnego obiegu węgla, ale również dla efektywnego zarządzania rolnictwem.

Torfowiska są niezwykle istotne z perspektywy ochrony klimatu i bioróżnorodności - pełnią kluczową rolę w magazynowaniu ogromnych ilości węgla, gdyż absorbują dwutlenek węgla z atmosfery. "Gdy torfowiska są odpowiednio uwodnione, procesy rozkładu są powolne, co sprzyja gromadzeniu się torfu, czyli organicznej materii pochodzenia roślinnego i wiąże znaczną ilość dwutlenku węgla. Niestety, osuszanie torfowisk w ostatnich dekadach doprowadziło do przyspieszenia tych procesów, co spowodowało uwolnienie zgromadzonego węgla w postaci dwutlenku węgla, co z kolei przyczynia się do zmian klimatycznych” - podkreślił Marcin Kluczek, specjalista w Centrum Teledetekcji.

Fot. Marcin Kluczek

Fot. Marcin Kluczek

Według Światowego Funduszu na rzecz Przyrody (WWF) torfowiska magazynują około 30 proc. całkowitej ilości węgla zgromadzonego na lądzie, podczas gdy zajmują tylko około 3 proc. powierzchni lądowej na świecie. Ponadto są cenną ostoją bioróżnorodności - według organizacji BirdLife International torfowiska są siedliskiem dla ponad 10 000 gatunków roślin, 12 000 gatunków zwierząt i 1000 gatunków porostów.

Więcej informacji w artykule "Estimating of chlorophyll fluorescence parameter Fv/Fm for plant stress detection at peatlands under Ramsar Convention with Sentinel-2 satellite imagery" (https://doi.org/10.1016/j.ecoinf.2024.102603). (PAP)

{"register":{"columns":[]}}