Dane teledetekcyjne w zarządzaniu zielenią miejską

Dane teledetekcyjne
w zarządzaniu zielenią miejską

Agenda

Dane teledetekcyjne w zarządzaniu zielenią miejską

1	Projekt EO4GEO
2	Wprowadzenie
3	Usługi ekosystemowe
4	Dane teledetekcyjne
5	Studium przypadku - Warszawska mapa koron drzew

Dzisiejsze spotkanie będzie się składało z czterech części: 1) Wstęp; 2) Usługi Ekosystemowe; 3) Dane teledetekcyjne; 4) Warszawskie studium przypadku.
Podczas pierwszej części przedstawimy się, powiemy czego dotyczy projekt, w ramach którego przygotowaliśmy dzisiejsze webinarium, a także powiemy o powodach, dla których uważamy temat dzisiejszego webinarium za ważny.
Następnie opowiemy o korzyściach, jakie świadczy zieleń miejska w kontekście adaptacji do zmian klimatu.
Dalej opowiemy o możliwościach wykorzystania analiz teledetekcyjnych w celu pozyskania danych o drzewach miejskich i ogólnych możliwościach ich wykorzystania.
Na końcu powiemy sobie jak pozyskano i można wykorzystywać takie dane na przykładzie Mapy Koron Drzew, jaka została opracowana dla Warszawy.

Wprowadzenie

do webinaru

Centrum UNEP/GRID-Warszawa

Od 1991 roku realizujemy w Polsce misję Programu Narodów Zjednoczonych ds. Środowiska (UNEP), działając na rzecz zrównoważonego rozwoju.

EO4GEO

EO4GEO jest projektem dofinansowanym ze środków Erasmus+ w ramach partnerstw wielostronnych na rzecz współpracy dla rozwoju umiejętności sektorowych (tzw. Sector Skills Alliance).

Dowiedz się więcej o projekcie EO4GEO

EO4GEO jest projektem dofinansowanym ze środków Erasmus+ w ramach partnerstw wielostronnych na rzecz współpracy dla rozwoju umiejętności sektorowych (tzw. Sector Skills Alliance).
Konsorcjum realizujące projekt składa się z 26 partnerów, z 16 krajów, instytucji zrzeszonych w COPERNICUS Academy, przedstawicieli ośrodków nauki, sektora prywatnego i publicznego, organizacji specjalizujących się w edukacji w zakresie zastosowań informacji przestrzennej oraz danych satelitarnych. Koordynatorem projektu jest stowarzyszenie geoinformacyjne GISIG (ang. Geographical Information Systems International Group). EO4GEO będzie realizowany przez 4 lata począwszy od 1 stycznia 2018 roku.
Głównym wyzwaniem projektu jest opracowanie odpowiednio sprofilowanych programów szkoleniowych w zakresie zastosowań technologii satelitarnych i geoinformacyjnych, które zapewnią spójną w skali europejskiej wytyczne dla ofert szkoleniowych i edukacyjnych dla osób chcących specjalizować się zawodowo w geoinformacji oraz technikach teledetekcyjnych.
Jako Centrum UNEP/GRID-Warszawa przygotowaliśmy cykl dwóch szkoleń. Oba dotyczą zastosowań analiz teledetekcyjnych dla poprawy zarządzania zielenią miejską. Pierwsze, dzisiejsze, jest ukierunkowane na poprawę zarządzania zielenią miejską z perspektywy adaptacji do zmian klimatu. Drugie, które odbędzie się za kilka tygodni będzie z kolei dedykowane kształtowaniu zielonego inteligentnego miasta, czyli „Green Smart City”.

Zdobyta wiedza

Dane teledetekcyjne w zarządzaniu zielenią miejską

Dwa przykłady zdobytej wiedzy:

Uczestnik webinarium rozumie w jaki sposób za pomocą metod teledetekcyjnych można pozyskać dane na temat zieleni miejskiej
Uczestnik spotkania rozumie w jaki sposób pozyskane dane mogą zostać wykorzystane do poprawy zarządzania zielenią miejską, szczególnie w aspekcie adaptacji do zmian klimatu

Znaczenie webinarium

Temat szkolenia jest zgodny z dokumentami strategicznymi EU oraz krajowymi, np.:

Europejski Zielony Ład
Strategia Bioróżnorodności Unii Europejskiej do 2030
Zielona infrastruktura - zwiększanie kapitału naturalnego Europy
SPA 2020 - strategiczny plan adaptacji dla sektorów i obszarów wrażliwych na zmiany klimatu do roku 2020 z perspektywą do roku 2030
Krajowa Polityka Miejska 2023
Polityka Ekologiczna Państwa 2030

Zanim przejdziemy do części merytorycznej wykładu, odpowiedzmy sobie na pytanie, dlaczego w ogóle temat zarządzania zielenią miejską jest ważny, szczególnie w kontekście adaptacji do zmian klimatu.
Postępujące od połowy XX wieku zmiany klimatu stanowią coraz większe zagrożenie dla zrównoważonego rozwoju zarówno dzisiejszych, jak i przyszłych pokoleń. W Polsce w ostatnich latach przejawami tego zjawiska są przede wszystkim: wzrost średniej rocznej temperatury powietrza, zmiana struktury opadów atmosferycznych, wzrost liczby zjawisk ekstremalnych oraz susze. Wzrasta liczba dowodów na to, że ekstremalne zjawiska pogodowe i klimatyczne w Europie stają się coraz częstsze. Oczekuje się, że zmiany klimatu w przyszłości będą miały podobną tendencję, natomiast konsekwencje związane ze skutkami zmian klimatu ulegną znacznej intensyfikacji. Dotyczy to przede wszystkim polskich miast, które zamieszkuje około 23,3 mln osób, co stanowi ponad 60% populacji kraju.
Miasta i obszary zurbanizowane można traktować, jako obszary szczególnie wrażliwe na zmiany klimatu oraz narażone na gwałtowne zjawiska atmosferyczne i anomalie pogodowe, do których zaliczyć można powodzie i podtopienia, gwałtowne burze, miejskie wyspy ciepła, smog, inwersje termiczne, zaburzania cyrkulacji powietrza oraz susze sprzyjające deficytowi wody. W obliczu rosnących zagrożeń związanych ze zmianami klimatu, zgodnie z zaleceniami oraz zobowiązaniami wynikającymi zarówno z międzynarodowych, jak i polskich dokumentów strategicznych, istnieje potrzeba wspierania działań mających na celu adaptację miast do zmian klimatu m. in. poprzez zwiększanie jakości i ilości terenów zieleni miejskiej. Dla przykładu powiedzmy kilka zdań o dwóch takich dokumentach.

Europejski Zielony Ład

Najważniejsze cele:

Przyjęcie wiążącego celu
w zakresie neutralności klimatycznej do 2050 r.
Ograniczenie emisji do roku 2030

Plan działania:

Efektywne wykorzystanie zasobów
Wspieranie różnorodności
i zmniejszenie zanieczyszczenia

Strategia bioróżnorodności EU do 2030

Zakłada ona synergię działań na rzecz walki z kryzysem klimatycznym, m.in. poprzez działania na rzecz ochrony różnorodności biologicznej

Unijny plan odbudowy zasobów przyrodniczych: zakłada, że miasta z co najmniej 20 000 mieszkańców opracują plany zazieleniania obszarów miejskich

Odnosi się tym samym do działań na rzecz ochrony różnorodności biologicznej, przedstawione w Strategii różnorodności biologicznej UE do 2030 roku.
Jak ma to wyglądać w praktyce?
Zaproponowany Unijny plan odbudowy zasobów przyrodniczych: zakłada, że miasta z co najmniej 20 000 mieszkańców opracują plany zazieleniania obszarów miejskich. Plany te powinny obejmować środki służące tworzeniu różnorodnych biologicznie i dostępnych lasów miejskich, parków i ogrodów oraz innych form zieleni. Powinny również przyczynić się do poprawy połączeń między terenami zielonymi oraz wyeliminować praktyki szkodliwe dla różnorodności biologicznej, takie jak używanie pestycydów, czy zbyt częste koszenie zielonych przestrzeni miejskich.
Jak widzimy, drzewa miejskie mogą odegrać znaczącą rolę w adaptacji do zmian klimatu i jest to zauważane przez decydentów. Powiedzmy sobie teraz o tym w jaki sposób drzewa mogą to robić, czyli o usługach jakie one świadczą.

Usługi ekosystemowe

świadczone przez drzewa miejskie

Sekwestracja i magazynowanie węgla

50% suchej masy drzewa pochodzi z węgla obecnego w atmosferze jako dwutlenek węgla

Kiedy drzewa umierają, węgiel wraca do atmosfery

Drzewa stanowią tzw. "carbon sink”

Sekwestracja i magazynowanie węgla nie jest kluczową usługą ekosystemową drzew miejskich

Mówiąc o zmianach klimatu i usługach świadczonych przez drzewa, wielu osobom w pierwszej kolejności przychodzi usługa drzew polegająca na sekwestracji węgla. Powiedzmy sobie zatem o niej co nieco.
Jest to chyba najłatwiejsza do zmierzenia usługa ekosystemowa, jaką świadczą drzewa. Wiemy, że mniej więcej połowę masy suchego drewna stanowi węgiel, który roślina pobiera z atmosfery. W związku z tym jeżeli widzimy, że jakieś drzewo rośnie, oznacza to że pobiera ono węgiel z atmosfery, a dokładniej mówiąc że zamienia ono dwutlenku węgla występujący w atmosferze w biomasę. Dzieje się to oczywiście przy udziale wody i energii słonecznej, w wyniku procesu jaki nazywamy fotosyntezą. Produktem ubocznym takiej reakcji jest z kolei tlen.
Niektóre usługi ekosystemowe są bardzo ciężkie do zmierzenia, czy oszacowania. Ta jednak jest stosunkowo prosta do identyfikacji. Drzewo rośnie, wiemy że sekwestruje węgiel. Jeżeli obliczymy o ile kilogramów drzewo przyrosło w ciągu roku, możemy wyliczyć ile w owym czasie zasekwestrowało ono CO2.
Zauważmy jednak, że drzewo także zużywa tlen i produkuje CO2, gdyż, podobnie jak my, drzewa oddychają. Nocą, gdy nie ma światła, fotosynteza nie przebiega, i ten bilans jest ujemny. Także drzewa stare, które już nie rosną, mają ten bilans ujemny. Niemniej w ciągu całego życia drzewa, jest on dodatki. No tak - ale przecież drzewo po śmierci nie znika. Co się stanie z tym całym węglem zasekwestrowanym w tkankach drzewa, po jego śmierci? Podobnie jak węgiel występujący w innych organizmach żywych, także w nas, po śmierci danego organizmu, węgiel prędzej czy później na ogół wróci do atmosfery. Może to nastąpić szybko, np. gdy od razu spalimy wycięte drzewo, lub wolniej, np. gdy drzewo pozostawimy w lesie, aby w naturalny sposób uległo rozkładowi, lub jeżeli wykorzystamy pozyskane drewno na wyrób mebli, a dopiero gdy się zużyją je poddamy utylizacji. W długim okresie jednak zasekwestrowany węgiel w całości lub przynajmniej ogromnej większości wróci do atmosfery. Czy zatem usługa sekwestracji, jaką świadczą drzewa nie ma znaczenia dla ochrony klimatu?
Przeciwnie. Zauważmy bowiem, że przez okres czasu, gdy węgiel atmosferyczny jest uwięziony w tkankach roślin, zarówno tych żywych, jak i ewentualnie w przedmiotach wykonanych z drewna, nie przyczynia się on do zmian klimatu. Z drugiej strony, gdyby pozbyć się wszystkich lasów, spalając je, przyczyniłoby się to do ogromnego wzrostu stężenia CO2. Na typowym hektarze polskiego lasu zmagazynowane jest około 260 m3 drewna. Gdyby przyjąć za chemikami, że każdy metr sześcienny kryje w sobie 1000 kg dwutlenku węgla, to na hektarze ukryty jest jego zapas na poziomie 260 ton. Gdyby więc rosnące w polskim lesie drzewa zostały spalone, to z każdego hektara ulotniłoby się do atmosfery 260 ton dwutlenku węgla. Przykład ten pokazuje, że utrzymanie wysokiego poziomu zalesienia, czyli walka z deforestacją, ma kluczowe znaczenie dla ochrony klimatu, choć nie tyle w kontekście rocznej sekwestracji, jaką drzewa świadczą, lecz z racji tego, że magazynują zasekwestrowany węgiel, a więc stanowią tzw. „carbin sink”. Co ważne, im więcej węgla i dłużej będzie zmagazynowanego, tym lepiej. Pod tym względem szczególnie cenne są drzewa, które mogą rosnąć setki lat i przybierać duże rozmiary. Ponieważ środowisko miejskie jest generalnie stosunkowo niekorzystne dla wzrostu drzew, co wpływa na krótką żywotność drzew, a także ponieważ uwarunkowania infrastrukturalne sprawiają, że w niektórych miejscach zbyt duże drzewa po prostu nie mogą być sadzone, usługa ta świadczona przez drzewa miejskie nie jest najistotniejszą usługą, jaką one świadczą. Co więcej, dla ochrony klimatu nie ma znaczenia, w którym miejscu drzewa będą rosły, gdyż CO2 jest gazem łatwo się przemieszcza w atmosferze. Jednocześnie wiemy, że ziemia na terenach miejskich jest bardzo cenna, wielokrotnie cenniejsza niż na obszarach wiejskich. Tym samym, gdybyśmy chcieli posadzić ha lasu w mieście, argumentując to właśnie korzyściami dla klimatu wynikającymi z magazynowania 260 ton węgla, taka inwestycja byłaby bez wątpienia marnotrawieniem środków publicznych, gdyż byłaby sprzeczna z podstawową zasadą wydatkowania tych środków, czyli efektywnością ekonomiczną, która zakłada, że zawsze należy dążyć do osiągnięcia określonego rezultatu przy najniższym możliwym koszcie. Nie ulega bowiem wątpliwości, że zakup 1 ha działki, na której te drzewa mogłyby rosnąć, byłby dużo tańszy na obszarze wiejskim, niż w mieście.
Z tego powodu mówiąc o drzewach miejskich warto się raczej skupić na usługach jakie one świadczą w kontekście adaptacji do zmian klimatu, raczej niż w kontekście przeciwdziałania zmianom klimatu. Podajmy sobie teraz jakieś przykłady takich usług.

Regulacja mikroklimatu

Miejska wyspa ciepła występuje, gdy obszary miejskie doświadczają wyraźnie wyższych temperatur, niż sąsiadujące z nimi obszary wiejskie

Drzewa latem redukują zasięg miejskiej wyspy ciepła dzięki:

Ewapotranspiracji
Odbijaniu promieni słonecznych

Przykładem usługi, jaką świadczą drzewa miejskie w kontekście adaptacji do zmian klimatu jest przeciwdziałanie miejskiej wyspie ciepła.
W wielu miastach na całym świecie występuje zjawisko miejskiej wyspy ciepła. Polega ono na tym, iż obszary zurbanizowane cechują się wyższą temperaturą, niż obszary podmiejskie czy wiejskie. Zjawisko to wynika z kilku przyczyn. Po pierwsze z niskiego poziomu ewapotranspiracji obszarów miejskich, co jest pokłosiem niewystarczającej powierzchni obszarów zielonych. Po drugie z faktu, iż obszary zurbanizowane często cechują się niskim albedo, a więc infrastruktura terenowa występująca w miastach odbija niewielką ilość promieniowania słonecznego – znaczą jego ilość absorbuje, a następnie wypromieniowuje. No i po trzecie z faktu, że ludzie sami generują duże ilości ciepła, np. w wyniku ogrzewania budynków, które nie są dobrze izolowane. Ten ostatni przykład dotyczy głównie zimy, gdy zjawisko miejskiej wyspy ciepła nie jest dokuczliwe. Zauważmy, że miejska wyspa ciepła jest najbardziej dokuczliwa bowiem latem. Drzewa miejskie z kolei najefektywniej mogą przeciwdziałać miejskiej wyspie ciepła właśnie latem, gdy mają pełne ulistnienie, poprawiając komfort termiczny mieszkańców miasta
Usługa przeciwdziałania miejskiej wyspie ciepła w okresie letnim jest świadczona przez drzewa miejskie w dwójnasób. Po pierwsze promienie słoneczne padając na koronę drzew w dużej części się od niej odbijają, i nie trafiają na powierzchnię, która by przyjmowała, a następnie wypromieniowywała to ciepło, a z drugiej strony ochładzają one powietrze wokół drzew, czego dokonują w ramach procesu ewapotranspiracji.
Widzimy zatem, że drzewa miejskie mogą skutecznie poprawiać komfort termiczny mieszkańców miast. Mogą one również przyczyniać się do poprawy warunków termicznych wewnątrz poszczególnych mieszkań. W jaki sposób?

Oszczędność energii

Drzewa zapewniają cień
i blokują wiatr

Potencjalne korzyści w zakresie oszczędności energii:

Oszczędności na ogrzewaniu budynku zimą (GJ oraz Kwh)
Oszczędności na ochładzaniu budynku latem (Kwh)

Drzewa dostarczają cienia, który jest korzystny w okresie letnim, szczególnie w kontekście zmian klimatycznych, o czym przed chwilą mówiliśmy. Jeżeli drzewo znajduje się w odpowiednim dystansie i kierunku do budynku, to taki cień może powodować znaczące zmniejszenie temperatury wewnątrz konkretnego budynku, a przez to np. jego mieszkańcy będą mogli zrezygnować z klimatyzacji w okresie letnim. Brzmi dobrze – jak świetna strategia do adaptacji do zmian klimatu w mieście z wykorzystaniem drzew. Dodatkowo mamy tu wymiar przeciwdziałania zmianom klimatu, gdyż zauważmy, że produkcja energii jaka zostałaby zużyta na ochładzanie budynku prawdopodobnie powodowałaby emisję CO2. Aby jednak podjąć racjonalną decyzję, czy aby na pewno posadzenie drzew w danej lokalizacji jest korzystne dla klimatu, trzeba spojrzeć nieco szerzej na skutki takiej decyzji.
Jednym ze skutków pośrednich może być to, że cień danego drzewa spowoduje, że w zimę w budynku tym będzie znacznie chłodniej, przez co będzie trzeba zużyć większą ilość energii cieplej na jego ogrzanie, której produkcja wiąże się z emisją CO2. Innym, tym razem potencjalnie pozytywnym skutkiem jest to, że drzewa zasadzone w pobliżu budynku mogą blokować zimą wiatr, który w przeciwnym razie uderzałby w ściany tego budynku, ochładzając go. Tym samym drzewa te do pewnego stopnia mogą pomóc zmniejszyć zapotrzebowanie na energię cieplną, a tym samym zmniejszyć emisję CO2.
To, czy dane drzewo posadzone w danej lokalizacji przynosi więcej korzyści czy szkody pod względem problemu zmian klimatycznych jest kwestią złożoną, ale są pewne wskazówki co do tego jak warto sadzić drzewa w pobliżu budynków mieszkalnych, aby korzyści były jak największe. Generalnie dla naszej szerokości geograficznej zaleca się, aby raczej nie sadzić drzew od strony południowej, gdyż choć pomogą obniżyć temperaturę w domu latem, to również obniżą temperaturę domu zimą. Mogłoby się wydawać, że zimą ten problem nie istnieje dla drzew liściastych, gdyż na zimę je zrzucają, lecz nie jest to prawda. Badania pogłębione wykonane w USA wykazały, że drzewa pozbawione liści blokują około 30% promieni słonecznych, względem tego, ile blokują one latem. Jest to zatem w dalszym ciągu znacząca wartość. Zamiast tego zaleca się, aby drzewa liściaste sadzić od strony wschodniej lub zachodniej, gdyż z racji na fakt, iż zimą słońce jest niżej na horyzoncie, słońce z tych kierunków w tej porze roku i tak nie dostarcza dużo ciepła, które częściowo utracimy, a latem już tak. Z kolei jeżeli chodzi o wpływ drzew na blokowanie zimowych wiatrów, zaleca się, aby sadzić drzewa lub krzewy iglaste od północnej strony budynku. Dzięki temu, że drzewa nie zgubią liści będą zdecydowanie lepiej chroniły przed wiatrem, a wiatry z kierunku północnego są na ogół najbardziej mroźne i to one generują największy ubytek ciepła w budynku. Ponadto słońce nigdy w naszej szerokości geograficznej nie pada od północy, więc występowanie drzew i krzewów iglastych nie będzie negatywnie wpływało na dostępność promieni słonecznych, jakie docierają do budynku porą zimową. Oczywiście są to bardzo ogólne rekomendacje i przy założeniu jedno lub dwukondygnacyjnych domów jednorodzinnych. Istnieją jednak oprogramowania, np. i-Tree Eco, które pozwalają wprowadzać szczegółowe parametry lokalizacji drzew względem budynku i badać dokładniej ten efekt.

Spowolnienie spływu wód opadowych

Główną przyczyną gwałtownego spływu wód opadowych są nieprzepuszczalne powierzchnie.

Drzewa mogą pomóc w spowolnieniu spływu wód opadowych dzięki:

Zatrzymywaniu części wód opadowych na powierzchni korony
Przechwytywaniu i pobieraniu wody poprzez korzenie

Innym, poza temperaturą, problemem związanym ze zmianami klimatycznymi jest coraz częstsze występowanie deszczy nawalnych. Charakteryzują się one tym, że w krótkim okresie czasu spada bardzo obfity opad deszczu, z którym nasze zabetonowane miasta sobie nie radzą – tj. przekraczają zdolności kanalizacji do odprowadzania wody, przez co występują podtopienia. Drzewa miejskie mogą tu trochę pomóc.
Podczas deszczu woda opada na powierzchnie liści, gdzie jest magazynowana. Po jakimś czasie jednak ten poziom magazynowania zostanie przekroczony i pozostała woda opadnie na ziemię, skąd, jeżeli jest to powierzchnia nieprzepuszczalna, spłynie. Z kolei jeżeli powierzchnia pod drzewem jest przepuszczalna, będzie absorbowała opadającą wodę do pewnego poziomu nasycenia, a dopiero potem spłynie do kanalizacji. Dodatkowo drzewa rosnące bezpośrednio w ziemi, czyli na powierzchni przepuszczalnej działają jako swoiste pompy. Pochłaniają one wodę z gleby i ją odparowują, dzięki czemu powierzchnia terenu wokół drzewa jest w stanie przyjąć więcej wody opadowej, niż gdyby nie było tam tego drzewa.
W związku z tym, jeżeli decydentom zależy przede wszystkim na adaptacji do zmian klimatu w kontekście problemu jakim są podtopienia wynikające z nawalnych deszczy, kluczowe jest, aby sadzić drzewa przede wszystkim w okolicach miejsc, gdzie występuje dużo terenów nieprzepuszczalnych, gdyż właśnie to one są najbardziej narażone na podtopienia.

Inwentaryzacja drzew jako badanie terenowe

Optymalne zarządzanie drzewami miejskimi wymaga zebrania określonych danych
o drzewach, np.: ich lokalizacja, pierśnica, wysokość, zasięg korony, posusz itp.

Wyzwania:

Kosztowność
Czasochłonność
Ograniczoność dostępu do obszarów prywatnych
Brak spójności danych
Szybka dezaktualizacja

Dobrze. Widzimy zatem, że drzewa miejskie mogą pomagać w adaptacji miasta do zmian klimatu. Oczywiście, tak jak wspomniałem wcześniej, drzewa świadczą także szereg innych usług ekosystemowych, które poprawiają jakość życia mieszkańców miasta. Aby móc zarządzać zielenią miejską w sposób optymalny, decydenci przede wszystkim muszą wiedzieć z czym pracują – ile na danym terenie jest drzew, jakie są ich gatunki, ich rozmiar, kondycja itp. Tylko wtedy będą mogli dokonywać racjonale decyzje – tj. kształtować skład przestrzenny i taksonomiczny zieleni miejskiej, która będzie dostarczała mieszkańcom miasta możliwie najwięcej korzyści. Osoby zarządzające zielenią miejską do tej pory zwykle radziły sobie z tym problemem w taki sposób, że dokonywały inwentaryzacji w terenie. Oznacza to, że po prostu szły w teren, sprawdzały czy rosną tam drzewa i je badano pod kontem ich podstawowych charakterystyk. Takie podejście generuje jednak szereg problemów natury organizacyjnej.
Po pierwsze jest to drogie. Inwentaryzacja jednego drzewa kosztuje zwykle od kilkunastu do kilkudziesięciu złotych. Biorąc pod uwagę, że np. w Warszawie szacuje się, iż drzew jest około 9 mln, zinwentaryzowanie ich wszystkich kosztowałoby najpewniej setki milionów złotych.
Po drugie taki sposób inwentaryzacji byłby czasochłonny. Z pewnością zająłby wiele lat. Inwentaryzacja 170 tys. samych drzew przyulicznych w Warszawie zajęła kilka lat.
Po trzecie nawet gdyby były nieograniczone środki pieniężne i osobowe, taka inwentaryzacja i tak nie byłaby kompletna, gdyż część drzew rośnie na terenach prywatnych, do których urzędnicy nie mają dostępu.
Kolejną sprawą jest to, że inwentaryzacje naziemne wykonują całe zespoły osób, a to generuje problem braku spójności danych. Nawet jeżeli istnieją standardy - ustalone procedury inwentaryzacji, czynnik ludzki polegający na tym iż każdy ma nieco inną percepcję np. oceny kondycji zdrowotnej, będzie powodował, że dane zebrane przez różne osoby nigdy nie będą idealnie spójne.
Dodatkowo ponieważ takie inwentaryzacje są kosztowne, nie wykonuje się ich często, a zieleń miejska w miastach się szybko zmienia, gdyż drzewa miejskie żyją dużo krócej niż inne, stąd taka baza danych, nawet gdyby powstała dla wszystkich drzew w danym mieście, szybko by się zdezaktualizowała i trzeba by ją wykonać ponownie.
Jak widać, zbieranie danych w terenie na temat drzew miejskich nie jest zadaniem prostym. Niemniej miasta są coraz bardziej świadome, że są one potrzebne, aby móc efektywnie zarządzać zielenią miejską, także w kontekście narastających wyzwań klimatycznych. Czy jest jakieś wyjście z tego patu? Potencjalnym rozwiązaniem jest wykorzystanie metod teledetekcyjnych zbierania danych o zieleni miejskiej.

Dane teledetekcyjne

jako alternatywa dla badań terenowych

Dane pochodzące z obserwacji Ziemi

Źródła danych: czujniki zamontowane na satelitach, samolotach lub dronach

Dane: obraz powierzchni Ziemi zarejestrowany przez sensory (czujniki)

Korzyści:

Niski koszt
Szybkość
Ciągłość przestrzenna
Obiektywność
Aktualność i regularność pozyskania danych
w krótkich interwałach czasu

Różne platformy i sensory wykorzystywane w teledetekcji (Źródło: Research Gate)

W odróżnieniu od danych zbieranych w terenie, dane teledetekcyjne są pozyskiwane za pomocą czujników (sensorów) zamontowanych na satelitach, samolotach lub dronach, dostarczających zobrazowań powierzchni Ziemi, a tym samym informacji o roślinności, będącej jedną z form pokrycia terenu.
Przewagą danych pochodzących z obserwacji Ziemi jest niski (lub relatywnie niski) koszt pozyskania informacji, szybkość, ciągłość przestrzenna, obiektywność i aktualność, a w przypadku danych satelitarnych także regularność dostarczania danych.
Inwentaryzacja terenowa prowadzona dla rozległych obszarów jest dużym wydatkiem dla budżetu miasta. Dane satelitarne mogą być dostępne zupełnie bezpłatnie, za naloty lotnicze lub z wykorzystaniem dronów trzeba co prawda zapłacić, ale i tak jest to koszt relatywnie niski w przeliczeniu na 1 drzewo w porównaniu do inwentaryzacji terenowej. Ponadto badania terenowe są bardzo czasochłonne, podczas gdy zdjęcia satelitarne jesteśmy w stanie pozyskać w ciągu jednego dnia, natomiast nalot lotniczy dla obszaru wielkości Warszawy trwa nie dłużej niż 2-3 dni w zależności od warunków pogodowych. Szybki proces pozyskania danych eliminuje również problem związany z ich aktualności. Zmiany dotyczące roślinności miejskiej, takie jak nowe nasadzenia czy wycinka drzew, zachodzą bardzo dynamicznie. Dzięki danym teledetekcyjnym mamy uchwycony stan roślinności na dany dzień. Zaletą wykorzystania tej technologii jest także ciągłość przestrzenna dostarczanych danych, także w odniesieniu do miejsc, do których podczas tradycyjnej inwentaryzacji terenowej dostęp jest ograniczony lub wręcz niemożliwy (do takich terenów należą prywatne działki, tereny zamknięte czy ogrodzone zakłady przemysłowe). Dane teledetekcyjne zapewniają ciągłość przestrzenną danych w skali całego miasta. Dodatkowo, pozyskiwane dane są obiektywne i spójne, nie są obarczone błędem ludzkim w zakresie pomiaru czy niewłaściwej bądź niespójnej interpretacji różnych osób zaangażowanych w proces inwentaryzacji.
Plusem danych satelitarnych jest również ich regularne pozyskiwanie w równych i krótkich odstępach czasu, co pozwala na badanie zmian zachodzących w czasie.

Zalety wykorzystania danych satelitarnych

Dane z obserwacji Ziemi to unikalne źródło informacji. Obserwacje Ziemi mogą stanowić jedyne w swoim rodzaju i aktualne źródło danych, które jest możliwe do wykorzystania w różnych krajach, regionach i miastach.
Dane satelitarne mogą być łączone z danymi administracyjnymi, społecznymi
i gospodarczymi w różnych skalach w celu przeprowadzenia pogłębionych analiz.
Wykorzystanie danych satelitarnych może pomóc zharmonizować sprawozdawczość w zakresie zasobów naturalnych, ekosystemów i zagrożeń dla środowiska.
Teledetekcja pozwala na uchwycenie obrazu dużego obszaru Ziemi w krótkich odstępach czasu, regularnie i stosunkowo tanio. Obraz ten jest ciągły przestrzennie.
Dane uzyskane z obserwacji Ziemi są obiektywne i mogą być klasyfikowane
w sposób automatyczny.

Obserwacja Ziemi

1957 - Sputnik-1
1972 - Landsat-1 (NASA&USGS)
1986 - SPOT

Początek XXI w. - rozwój technik wysokiej rozdzielczości
(very high resolution - VHR)

2014 - Sentinel-1 (ESA)

Satelity komercyjne (rozdzielczość przestrzenna poniżej 1 m), np.: Ikonos, QuickBird, WorldView, GeoEye, Pleiades, Kompsat

Satelity wokół Ziemi (Źródło: ESA/Rex Features)

Pierwszy sztuczny satelita na orbicie pojawił się w 1957 roku i był to radziecki Sputnik-1. Kolejnym ważnym wydarzeniem było wystrzelenie pierwszego satelity misji Landsat w 1972 roku przez agencję kosmiczną NASA oraz amerykańską agencję naukowo-badawczą USGS. Od tego czasu co kilka lat były wystrzeliwane kolejne satelity o różnym zastosowaniu (naukowym, meteorologicznym, nawigacyjnym, technologicznym, telekomunikacyjnym, wywiadowczym/szpiegowskim), wyposażone w coraz bardziej zaawansowane urządzenia o coraz lepszych parametrach (szczególnie w zakresie rozdzielczości zdjęć i zakresów długości fal rejestrowanych przez sensory). Na początku XXI wieku wraz z rozwojem technologii pojawiły się możliwości pozyskiwania zdjęć powierzchni Ziemi wysokiej rozdzielczości.
W tej chwili wśród ogólnodostępnych danych satelitarnych bardzo dobrą jakością i rozdzielczością zdjęć wyróżniają się obrazy pochodzące z misji Sentinel będącej częścią programu Copernicus (zainicjowanego i finansowanego przez Unię Europejską, nad którą nadzór technologiczny sprawuje Europejska Agencja Kosmiczna (ESA)).
Obrazy satelitarne pochodzące z misji Sentinel osiągają rozdzielczość przestrzenną do 10 m.
Informacje, jakie można uzyskać na podstawie zdjęć satelitarnych, mogą być niezwykle ważne i cenne dla różnych dziedzin życia i gospodarki, i dlatego też istnieje również szereg satelitów komercyjnych, które obecnie osiągają rozdzielczość poniżej 1 m (a niekiedy nawet poniżej 0,5 m) dla zdjęć panchromatycznych. Przykładami takich satelitów są: Ikonos, QuickBird, WorldView, GeoEye i inne.

Charakterystyka danych

Wysokość i parametry orbity

Wielkość sceny

Rozdzielczość:

Przestrzenna
Spektralna
Radiometryczna
Czasowa

Teledetekcja (Źródło: WhyMap)

Zanim przejdziemy do przykładów zastosowań danych teledetekcyjnych, warto wyjaśnić pokrótce, w jaki sposób są one pozyskiwane i czym się charakteryzują.
Dane teledetekcyjne, to nie tylko dane satelitarne, ale także pozyskane z samolotów czy dronów lub innych urządzeń mierzących obiekty na odległość lub inaczej mówiąc zdalnie. Im wyższy pułap tym większy obszar Ziemi jest pozyskiwany na jednym zdjęciu.
Niezależnie od tego, czy dane są pozyskiwane z pułapu satelitarnego czy lotniczego, ich charakterystyka jest bardzo podobna i obejmuje: wysokość i parametry orbity, wielkość sceny pozyskiwanej w ramach jednego zdjęcia, oraz 4 typy rozdzielczości: przestrzenną, spektralną, radiometryczną i czasową. Aby prawidłowo dobrać dane teledetekcyjne dla swoich potrzeb, dobrze jest rozumieć, co oznaczają te podstawowe parametry, dlatego też na kolejnych slajdach zostaną omówione wszystkie cztery rodzaje rozdzielczości.
Dane teledetekcyjne – mówiąc w dużym uproszczeniu – powstają w wyniku rejestrowania przez odpowiednie sensory fal elektromagnetycznych odbijanych przez różnego rodzaju powierzchnie. Każdy rodzaj powierzchni (gleby, wody, roślinność) odbija i pochłania inne zakresy promieniowania, co pokazują krzywe spektralne.
(Poszczególne długości fal są rejestrowane w oddzielnych kanałach, które później można łączyć w celu stworzenia obrazów powierzchni Ziemi czy wskaźników charakteryzujących jakieś zjawisko.)

Rozdzielczość przestrzenna

Rozdzielczość przestrzenna - wielkość najmniejszego obiektu (piksela) obserwowanego na Ziemi.

Obiekt jest wykrywany, jeśli jego rozmiar jest równy lub większy od rozmiaru piksela. Mniejsze obiekty są wykrywane jako średnia jasność wszystkich obiektów w obrębie piksela.

(Źródło: Radiant Earth Foundation)

Podstawową cechą danych teledetekcyjnych jest ich rozdzielczość przestrzenna, która odnosi się do wielkości piksela. Piksel to najmniejsza rozróżnialna jednostka przestrzenna na zdjęciu cyfrowym. Im wyższa rozdzielczość (czyli mniejszy rozmiar piksela) tym lepsza jakość zdjęcia, ale jednocześnie większy rozmiar pliku rastrowego. Korelację pomiędzy jakością obrazu i możliwością rozróżnienia poszczególnych obiektów na Ziemi a wielkością piksela ilustrują przykłady przedstawione po prawej stronie.
Na obrazie z satelity Landsat-8, którego rozdzielczość przestrzenna wynosi 30 m trudno jest powiedzieć, jaki obiekt jest przedstawiony na zdjęciu (można się jedynie domyślać, że mamy przedstawiony teren zabudowany (antropogeniczny) oraz teren zieleni), Sentinel-2 z 10-metrowym rozmiarem piksela już dużo lepiej obrazuje pokrycie tego terenu, natomiast na obrazach z satelitów komercyjnych, których rozdzielczość wynosi mniej niż 1 m widać bardzo dokładnie kompleks tenisowy Wimbledon w Londynie.

Rozdzielczość spektralna

Rozdzielczość spektralna - odnosi się do szerokości i liczby pasm.

Im mniejsza rozdzielczość spektralna, tym węższy zakres długości fali jest rejestrowany.

(Źródło: Radiant Earth Foundation)

Rozdzielczość spektralna definiowana jest przez liczbę kanałów rejestrowanych przez satelitę oraz ich rozpiętość spektralną czyli zakres (zakresy) promieniowania elektromagnetycznego, który jest rejestrowany przez czujnik (sensor). Podawana jest jako przedział długości fali widma elektromagnetycznego, który sensor jest w stanie rozróżnić.
W teledetekcji często pozyskiwanych jest jednocześnie kilka zakresów promieniowania, które nazywane są kanałami. Większość pasywnych satelitów obserwujących Ziemię posiada od 3 do 8 kanałów i z tego względu nazywane są satelitami wielospektralnymi. Stosując różne kombinacje kanałów, możemy konkretne zdjęcie satelitarne wykorzystywać do różnych celów. Np. do badania kondycji roślinności najbardziej przydatne są zdjęcia w bliskiej i średniej podczerwieni.
Im wyższa rozdzielczość spektralna, tym węższy zakres rejestrowanych fal dla danego kanału i co za tym idzie, więcej kanałów. Wraz z większą rozdzielczością spektralną pojedyncze obiekty są lepiej widoczne i lepiej rozróżnialne pod względem odbicia spektralnego.

Rozdzielczość radiometryczna

Rozdzielczość radiometryczna - wrażliwość na natężenie energii elektromagnetycznej. Opisuje ona rzeczywistą zawartość informacji
w obrazie, wyrażoną w jednostkach bitów.

Im mniejsza rozdzielczość radiometryczna, tym większa czułość na wykrycie małych różnic w odbijanej lub emitowanej energii.

(Źródło: Research Gate)

Rozdzielczość czasowa

Rozdzielczość czasowa - częstotliwość, z jaką obserwowane jest to samo miejsce
na Ziemi (możliwość rewizyty).

Jest to szczególnie ważne w przypadku mapowania zmian zachodzących w czasie.

(Źródło: Radiant Earth Foundation)

Rozdzielczość czasowa to okres jaki upływa pomiędzy dwoma identycznymi nalotami nad tym samym punktem. Zwana jest także czasem rewizyty.
Rozdzielczość czasowa jest zależna od wysokości i orbity satelity oraz cech znajdującego się na niej sensora (kąt widzenia).
Ta rozdzielczość jest bardzo różna dla różnych satelitów, np. w przypadku satelity Landsat-8 rewizyta następuje po 16 dniach, podczas gdy dla konstelacji satelitów Sentinel-2 rozdzielczość czasowa wynosi 5 dni. Największą częstotliwością czasową, mierzoną w minutach, charakteryzują się satelity meteorologiczne (np. Meteosat-7 – co 30 min).
Zobrazowania obszarów pozyskane w różnych okresach czasowych (co miesiąc, co rok, raz na dekadę) mogą zostać użyte do analiz wieloczasowych. Przykładami takich badań mających na celu analizę zmian w czasie mogą być: analizy sezonowych zmian roślinności, rozwoju miast na przestrzeni lat (w szczególności rozwój zabudowy i zmniejszanie się powierzchni terenów otwartych), dokumentowanie wycinki lasów.

Otwarte źródła danych satelitarnych

Przykłady ogólnodostępnych przeglądarek danych satelitarnych:

Sentinel-Hub: https://apps.sentinel-hub.com/eo-browser/
Sentinel-Playground: https://apps.sentinel-hub.com/sentinel-playground/
Copernicus Open Access Hub (ESA): https://scihub.copernicus.eu/dhus/#/home
Creodias: https://browser.creodias.eu/
Earthdata Search (NASA): https://search.earthdata.nasa.gov/search

Otwarte źródła danych satelitarnych

Otwarty dostęp do obrazów wysokiej rozdzielczości i wizualizacji danych
w trzech krokach:

Znajdź obszar, który Cię interesuje

Określ parametry zdjęć (data i pokrycie chmurami)

Przeglądaj dane wynikowe
w przeglądarce

Działanie tych przeglądarek jest bardzo proste i nie wymaga od użytkownika posiadania specjalistycznej wiedzy dotyczącej przetwarzania zdjęć satelitarnych. Przeglądarki są łatwe w obsłudze i przyjazne użytkownikowi. Najczęściej pozyskanie danych satelitarnych odbywa się w trzech prostych krokach. Pierwszym z nich jest wskazanie obszaru, dla którego chcemy pozyskać dane (możemy ten obszar odszukać samodzielnie na mapie lub skorzystać z wyszukiwarki. W drugim kroku musimy określić, jakie dane nas interesują, a więc powinniśmy wybrać satelitę i przedział czasu, z którego ma pochodzić zdjęcie ( przypadku roślinności ma to duże znaczenie ze względu na różnice wyglądu drzew w zależności od sezonu, stąd to badania roślinności najlepiej nadają się zdjęcia z okresu letniego). Możemy również ustawić inne zaawansowane parametry, jak np. maksymalne pokrycie zdjęcia chmurami. Niestety w przypadku zdjęć satelitarnych optycznych nie widać fragmentów Ziemi zasłoniętych przez chmury, stąd też im niższy procent pokrycia zdjęcia chmurami ustawimy tym lepsze otrzymamy wyniki. W trzecim kroku możemy już przeglądać zdjęcia, które odpowiadają ustawionym przez nas parametrom i wyświetlać je na mapie.
Na obrazkach pokazany jest proces wyboru danych satelitarnych w przeglądarce Sentinel-Hub.

Otwarte źródła danych satelitarnych

Sentinel-2 RGB (Źródło: Przeglądarka Sentinel-Hub)

Otwarte źródła danych satelitarnych

Sentinel-2 wskaźnik NDVI (Źródło: Przeglądarka Sentinel-Hub)

Sentinel-2 GLC - klasyfikacja pokrycia terenu
(Źródło: Przeglądarka Creodias)

Sentinel-2

Data wystrzelenia: 23.06.2015 (Sentinel-2A) i 7.03.2017 (Sentinel-2B)
Wysokość orbity: 799 km
Instrument: instrument wielospektralny (MSI)
Rozdzielczość przestrzenna: 10 m / 20 m / 60 m
Rozdzielczość spektralna: 13 pasm spektralnych (VI/Red Edge/NIR/SWIR)
Rozdzielczość czasowa: 10 dni (1 satelita) 5 dni (2 satelity)
Szerokość sceny: 290 km
Główne zastosowania obejmują rolnictwo, monitoring ekosystemów lądowych, gospodarkę leśną, monitorowanie jakości wód śródlądowych i przybrzeżnych, mapowanie katastrof naturalnych i bezpieczeństwo cywilne
Copernicus Services:

W kontekście badania ekosystemów lądowych, w tym roślinności, dedykowanym satelitą jest Sentinel-2 – właściwie w rzeczywistości jest to konstelacja dwóch satelitów okrążających Ziemię na wysokości 799 km, której pojawiły się na orbicie w 2015 i 2017 roku. Są one wyposażone w instrument wielospektralny z 13 kanałami, które rejestrują m.in. promieniowanie widzialne, bliską i średnią podczerwień oraz promieniowanie termalne. Czas rewizyty wynosi 5 dni w przypadku konstelacji dwóch satelitów i 10 dni w przypadku pojedynczego urządzenia. Zdjęcia z Sentinela-2 są wykorzystywane w rolnictwie, monitoringu ekosystemów lądowych, gospodarce leśnej, badaniach jakości wód śródlądowych i przybrzeżnych oraz zarządzaniu kryzysowym i bezpieczeństwie cywilnym.

Urban Atlas

Zasięg: EU27, kraje EFTA, Bałkany Zachodnie, Turcja, Wielka Brytania

Klasyfikacja: 17 klas miejskich
z MMU 0.25 ha i 10 klas wiejskich z MMU 1 ha, MMW 10 m

Produkty (v.2018):

→ Pokrycie terenu - edycja 2018

→ Zmiana pokrycia terenu 2012-2018

→ Poprawione warstwy Urban Atlas - edycja 2012

→ Street Tree Layer (STL)

Zasięg warstwy Urban Atlas 2018 (Źródło: Land Monitoring Service)

Street Tree Layer

Street Tree Layer (STL) jest oddzielną warstwą wygenerowaną z Urban Atlas 2012 LU/CL na terenach miejskich.

Zawiera ciągłe rzędy lub płaty zadrzewień o powierzchni co najmniej 500 m² i minimalnej szerokości 10 m występujące w obrębie obszarów zurbanizowanych (tj. rzędy drzew wzdłuż sieci dróg poza obszarami miejskimi lub lasami przylegającymi do obszarów miejskich nie powinny być uwzględniane).

Street Tree Layer 2012 (Źródło: Land Monitoring Service)

High Resolution Layers (HRL)

Warstwy wysokorozdzielcze (HRL) dostarczają informacji na temat szczególnych cech pokrycia terenu i stanowią uzupełnienie map pokrycia/użytkowania terenu. Głównymi źródłami danych są satelity Sentinel (szczególnie Sentinel-1 i Sentinel-2).
Od 2018 r. ich rozdzielczość wzrosła do 10 metrów.

Pięć tematów odpowiadających głównym tematom z CLC, tj. nieprzepuszczalność powierzchni, lasy, użytki zielone, wody i mokradła, drobnopowierzchniowe zadrzewienia.

Warstwy wysokorozdzielcze (Źródło: Land Monitoring Service)

Przykłady wykorzystania danych satelitarnych

Przykłady wykorzystania zdjęć satelitarnych bazujące
na wynikach projektu

ADAPTCITY

Przygotowanie strategii adaptacji do zmian klimatu miasta metropolitalnego przy wykorzystaniu mapy klimatycznej
i partycypacji społecznej

i publikacji "Warszawa z kosmosu".

Przykłady wykorzystania danych satelitarnych (1)

Wykrywanie zmian
w pokryciu terenu:

wzrost/spadek powierzchni terenów zielonych w mieście
określenie trendów zachodzących zmian

(A) Pokrycie terenu w Warszawie - Urban Atlas 2018, (B) Zmiany pokrycia terenu w Warszawie pomiędzy 2012 i 2018 (Źródło: Publikacja Warszawa z kosmosu)

Pierwszym (podstawowym/klasycznym) przykładem wykorzystania zdjęć satelitarnych jest klasyfikacja pokrycia terenu. Na podstawie obrazu powierzchni Ziemi, znając odpowiednie metody przetworzeń, można opracować mapę pokrycia/użytkowania terenu dobierając odpowiednie klasy i parametry, ale dla obszarów miejskich można także wykorzystać gotowe i dostępne dla użytkowników produkty, a mianowicie Urban Atlas czy Corine Land Cover. Urban Atlas stanowi bazę pokrycia terenu dla większych ośrodków miejskich, w której wyróżnionych jest kilkanaście klas pokrycia terenu. Dane o pokryciu i użytkowaniu terenu pozwalają np. na charakterystykę poszczególnych dzielnic, wskazanie, gdzie odsetek lasów czy zieleni miejskiej jest największy lub gdzie dominuje zabudowa jakiego rodzaju.
Baza Urban Atlas jest opracowywana co 6 lat, co pozwala także na porównanie, jak w kolejnych interwałach czasu zmieniło się pokrycie terenu (gdzie zaszły zmiany, jak duże (ha), jakie są trendy/kierunki zmian). Na obrazku „B” widoczne są obszary zaznaczone na mapie Warszawy, gdzie zmieniła się kategoria pokrycia terenu w okresie pomiędzy 2012 i 2018 rokiem (np. są widoczne wybudowane nowe drogi czy obszary przemysłowe przekształcane na zabudowę miejską mieszkaniowo-usługową).
W kontekście zieleni miejskiej na podstawie takich danych można oszacować np. gdzie powierzchnia zieleni wzrosła lub zmalała, czy które tereny otwarte zostały zabudowane. Możliwa jest zarówno ocena ilościowa (czyli o ile hektarów zmniejszyła się powierzchnia zieleni w mieście), ale także jakościowa (czyli określenie w co obszar zieleni miejskiej został przekształcony – czy w zabudowę miejską czy przemysłową, czy w teren sportu i rekreacji).

Przykłady wykorzystania danych satelitarnych (2)

Powierzchnie nieprzepuszczalne (sztuczne) vs. przepuszczalne (aktywne biologicznie)

(A) Nieprzepuszczalność powierzchni w 2014, (B) Procent powierzchni biologicznie czynnej w 2018 (Źródło: Publikacja Warszawa z kosmosu)

Przykłady wykorzystania danych satelitarnych (3)

Zmiana powierzchni biologicznie czynnej – porównanie sytuacji w 2006 i 2014 (Źródło: Publikacja Warszawa z kosmosu)

Detekcja zmian: zwiększenie powierzchni nieprzepuszczalnych

Powierzchnia biologicznie czynna w Forcie Służew w 2016 i 2018 (Źródło: Publikacja Warszawa z kosmosu)

Również w przypadku analiz powierzchni przepuszczalnych i nieprzepuszczalnych możliwe jest badanie zmian w czasie, dzięki temu, że dane są pozyskiwane z dużą częstotliwością.
Na mapie po lewej stronie widoczne są ubytki powierzchni biologicznie czynnej na przestrzeni lat 2006 i 2014. Widoczne są głównie inwestycje infrastrukturalne (fragmenty nowych dróg), ale również wiele innych miejsc, które zostały utwardzone w wyniku powstania nowej zabudowy (np. obszarem wyróżniającym się na mapie kolorem czerwonym obszar centrum handlowego na Targówku).
Po prawej stronie, na przykładzie Fortu Służew, widać, jak w ciągu zaledwie dwóch lat zmniejszyła się powierzchnia biologicznie czynna. W tym konkretnym miejscu przyczyną jest powstanie zabudowy mieszkaniowej wielorodzinnej przy skrzyżowaniu ulic (Nowoursynowskiej i Doliny Służewieckiej), która spowodowała znaczący wzrost udziału powierzchni nieprzepuszczalnych w tym obszarze.
Widoczny na tych zdjęciach kierunek zmian jest bardzo niekorzystny w kontekście zachodzących zmian klimatycznych, ponieważ skutkuje nasileniem efektu miejskiej wyspy ciepła, a dodatkowo utwardzona nawierzchnia będzie zatrzymywać wodę, co może doprowadzić do lokalnych podtopień w przypadku wystąpienia obfitych opadów deszczu.

Przykłady wykorzystania danych satelitarnych (4)

NDVI - Normalized Difference Vegetation Index

Skuteczny do oceny ilościowej roślinności zielonej.
Skorelowany z wegetacją zieleni.

NDVI = (NIR – Red) / (NIR + R)
Formuła dla zdjęć Sentinel-2:
(B8 - B4) / (B8 + B4)
gdzie: B8 = 842 nm, B4 = 665 nm

Wartość wskaźnika NDVI zawiera się w przedziale od -1 do 1

Wskaźnik NDVI w dniu 12.09.2018
(Źródło: Publikacja Warszawa z kosmosu)

Dane satelitarne mogą służyć również do obrazowania różnego rodzaju wskaźników, odnoszących się do roślinności, wody czy gleby.
Na tym slajdzie mamy przykład rozkładu wskaźnika NDVI na obszarze Warszawy. NDVI jest to wskaźnik jakości wegetacji roślin. Przyjmuje wartość od -1 do 1, gdzie -1 oznacza brak roślinności, zaś 1 wskazuje tereny pokryte bujną roślinnością o dobrej kondycji. Na mapie ciemnozielone kolory pokazują dużą zawartość chlorofilu w roślinach, a więc intensywną fotosyntezę i dobrą jakość zieleni. Bardziej pożółkłe kolory wskazują na roślinność z mniejszą zawartością chlorofilu, a więc mniej aktywną wegetację roślin. Uznaje się, że roślina jest w dobrej kondycji i nie jest narażona na czynniki stresogenne, jeśli wskaźnik NDVI wynosi ponad 0,6 – tak jest w większości parków na terenie Warszawy.
W przypadku Warszawy wartość 1 lub zbliżoną do 1 mają głównie lasy lub tereny zadrzewione z dużym udziałem drzew liściastych, kolory bardziej żółte odpowiadają łakom, czasem ogródkom działkowym lub mniej intensywnym uprawom rolnym.

Przykłady wykorzystania danych satelitarnych (5)

NDII (Normalized Difference Infrared Index)
MSI (Moisture Stress Index)
NDWI (Normalized Difference Water Index)
SAVI (Soil Adjusted Vegetation Index)
EVI (Enhanced Vegetation Index)

Baza wskaźników

Wskaźnik NDII w dniu 31.08.2017
(Źródło: Publikacja Warszawa z kosmosu)

Innym przykładem wskaźnika wyznaczanego na bazie zdjęć satelitarnych jest NDII. Jest to wskaźnik pozwalający określić zawartość wody w roślinach. Wartość NDII wzrasta wraz ze wzrostem zwartości wody w roślinie.
Mapa Warszawy pokazuje, że najlepiej nawodnione są obszary o gęstej roślinności, zwykle leśne – to one gromadzą najwięcej wody i są najbardziej odporne na suszę.
Ten wskaźnik (jak i wiele innych np. wskaźnik stresu wodnego, …) mogą zostać z powodzeniem opracowane na podstawie danych satelitarnych – szczególnie obrazów dostarczanych przez satelity Sentinel-2, które rejestrują odpowiednie zakresy promieniowania – w tym zakres czerwieni i podczerwieni.
W Internecie jest dostępna duża baza wskaźników wraz z formułami przetworzeń, jakie należy wykonać do wygenerowania map wskaźników.

Przykłady wykorzystania danych satelitarnych (6)

(A) Termperatura powierzchni w dniu 20.06.2013, (B) Różnica Albedo (%) 8.09.2013 - 12.09.2018 (Źródło: Publikacja Warszawa z kosmosu)

W kontekście adaptacji do zmian klimatu w mieście ciekawymi przykładami zastosowań danych satelitarnych są także mapa temperatury powierzchni w wybranym dniu oraz albedo lub różnica albedo w wybranych dniach.
Mapa rozkładu temperatury powierzchni pokazuje miejsca, które nagrzewają się najmocniej (tereny fabryk) oraz miejsca, gdzie słońce ma mniejszy wpływ na temperaturę powierzchni (lasy i tereny zieleni miejskiej). Co ciekawe, jednego dnia różnica pomiędzy najbardziej a najmniej nagrzewającymi się obszarami może wynosić ponad 20 st. C. Szczegółowa analiza mapy pozwala na porównanie miejsc o różnym charakterze i różnej nawierzchni, np. park z gęstszym zadrzewieniem jest chłodniejszy niż boisko trawiaste, a jednocześnie boisko trawiaste nagrzewa się kilka stopni mniej niż boisko o nawierzchni sztucznej. W ten sposób można wytypować miejsca, gdzie warto zastanowić się nad wprowadzeniem dodatkowej zieleni (np. przy szkołach, parkingach) lub zielonych dachów na obszarach intensywnej zabudowy. Wpłynie to pozytywnie na lokalny klimat i odczuwanie temperatury w najgorętsze dni w roku.
Albedo to wskaźnik ilości promieni słonecznych odbijanych od powierzchni Ziemi wyrażony w procentach. Mapa różnic albedo przedstawia zmiany tego wskaźnika na powierzchni miasta między obrazami wykonanymi w latach 2013 i 2018. Mapy rozkładu albedo wskazują, że w Warszawie nieliczne są powierzchnie o dużym odbiciu promieni słonecznych, np. białe dachy czy jasne powierzchnie betonowe. Powierzchnie o wysokim albedo zwykle mniej się nagrzewają w dni z dużym nasłonecznieniem, natomiast bardzo gorące stają się powierzchnie o niewielkim albedo. Analiza tych terenów może być pomocna w działaniach mających na celu niwelowanie efektu miejskiej wyspy ciepła.

Możliwości i ograniczenia

Możliwości:

Identyfikacja i klasyfikacja różnych typów terenów zieleni
Szacowanie wielkości obszarów zieleni
Analizy dostępności zieleni w mieście
Wykrywanie zmian zachodzących w czasie
Wskaźniki roślinności i wody

Ograniczenia:

Brak szczegółowych informacji
o drzewach (takson, wysokość, …)
Brak możliwości oceny stanu zdrowotności drzew (defoliacja, przebarwienia)

Porównanie obrazów o różnej rozdzielczości przestrzennej
- 10 m (po lewej: Sentinel-2) i 1 m (po prawej: ortofotomapa)

Podsumowując, dane satelitarne dają nam wiele możliwości analitycznych w kontekście zieleni. Na ich podstawie możemy identyfikować i klasyfikować różne typy terenów zieleni w mieście oraz analizować ich rozmieszczenie, możemy szacować wielkość tych obszarów oraz w kolejnych latach obserwować trendy zmian (czy tych terenów ubywa czy przybywa, w jakich dzielnicach), możemy analizować dostępność tej zieleni dla mieszkańców oraz badać jej stan za pomocą różnych wskaźników, takich jak NDVI, MSI i inne.
Jednak zarządzanie zielenią w mieście to zagadnienie lokalne, które wymaga danych o dużej szczegółowości, którą trudno osiągnąć z pułapu satelitarnego za pomocą ogólnodostępnych zdjęć satelitarnych. Nie jesteśmy w stanie za pomocą zdjęć satelitarnych o rozdzielczości przestrzennej wynoszącej około 10 m zejść do poziomu pojedynczego drzewa (a tym samym nie możemy określić jego taksonu, wysokości i innych parametrów, nie możemy też ocenić stanu zdrowotności poszczególnych drzew), a są to informacje niezwykle ważne i potrzebne w kontekście zarządzania zielenią. W tym wypadku lepszym rozwiązaniem mogą się okazać zdjęcia lotnicze o rozdzielczości 1 lub 0,5 metra. Ich charakterystyka i zalety są takie same jak zdjęć satelitarnych, a jednocześnie szczegółowość tych danych daje ogromne możliwości ich wykorzystania w zarządzaniu zielenią miejską. Stąd też w dalszej części prezentacji pokażemy studium przypadku wykorzystania zdjęć teledetekcyjnych pozyskanych z nalotów lotniczych i pomiarów LIDAR w zarządzaniu zielenią miejską na przykładzie Warszawy i mapy koron drzew jaka została opracowana dla miasta.

Studium przypadku

- Warszawska Mapa Koron Drzew

Zarządzanie zielenią miejską w Warszawie

Podjęte działania:

Karta Praw Drzew
Standardy pielęgnacji, inwestycji i nasadzeń
Mapa Koron Drzew
Mapa Pni Drzew
Klasy ryzyka drzew

Mapa koron drzew jest to produkt jaki powstał na zlecenie Miasta Stołecznego Warszawy, a wykonawcą była firma MGGP Areo. Mapa powstała w celu poprawy zarządzania zielenią miejską w Warszawie i jest elementem szerszego systemu zmian, jakie się w tym zakresie dokonują w Warszawie w ostatnich latach. Należą do nich:
- Ustanowienie Karty Praw Drzew – deklaracja ideologiczna na temat praw drzew, stanowiąca wyraz uznania Władz Miasta dla drzew miejskich.
- Utworzenie standardów pielęgnacji, inwestycji i nasadzeń - standardy te opracowane zostały przez szerokie grono ekspertów i mają obowiązywać na całym terenie miasta, co jest szczególnie ważne w Warszawie, gdzie zarządzanie zielenią miejską odbywa się w sposób zdecentralizowany – kilkadziesiąt instytucji za to odpowiada – przez co brak takich standardów mogłoby skutkować brakiem koordynacji podejmowanych działań.
- Utworzenie Mapy Koron Drzew – za moment więcej na jej temat powiem.
- Utworzenie Mapy Pni Drzew – która polega na inwentaryzacji wybranych drzew, głównie przyulicznych. Inwentaryzacja ta dotyczy przede wszystkim lokalizacji pnia drzewa i jego obwodu tego pnia.
- Utworzenie klas ryzyka drzew – na podstawie danych otrzymanych w wyniku pracy nad Mapą Koron Drzew, drzewom zostały przypisane klasy ryzyka, w nawiązaniu do ich kondycji i lokalizacji, i w zależności od klasy są one częściej lub rzadziej monitorowane. Proces ten jest wspierany dedykowaną temu aplikacją mobilną, którą używają pracownicy ZZW. Nazywa się ona „MoDrzew”.

Mapa Koron Drzew - elementy

Elementy składowe Mapy Koron Drzew:

Lokalizacja, wysokość i zasięg koron
Przynależność taksonomiczna gatunków
Kondycja zdrowotna

Mapa Koron Drzew - metodyka

Metodyka utworzenia Mapy Koron Drzew:

Powstała z zastosowaniem teledetekcji lotniczej wspieranej przez badania terenowe
Wykorzystano lotniczy skanning laserowy (LIDAR) oraz zobrazowania multi- i hiperspektralne
Zebrane dane poddano analizie z zastosowaniem uczenia maszynowego

Powiedzmy sobie teraz kilka zdań o metodyce zebrania danych w zakresie każdego z tych elementów Mapy Koron Drzew, aby łatwiej było później Państwu zrozumieć możliwości ich wykorzystania w celu poprawy zarządzania zielenią miejską.
Mapa Koron Drzew powstała z zastosowaniem teledetekcji lotniczej, wspieraną przez badania terenowe. Jeżeli chodzi o część teledetekcyjną, wykonano lotniczy skanning laserowy, potocznie zwany LIDARem, zobrazowania hiperspektralne i zobrazowania multispektralne.
Obraz pozyskany z LIDAR’a został wykorzystany do obliczenia takich atrybutów drzew jak lokalizacja drzewa, wysokość drzewa czy powierzchnia korony. Było to możliwe dzięki temu, że algorytmy szukały minima i maksima w chmurze punktów i na tej podstawie wyznaczyły zasięgi koron drzew. W przypadku tego elementu MKD, pozyskane dane terenowe nie były wykorzystywane.
W celu zdobycia informacji na temat przynależności taksonomicznej gatunku i jego kondycji, wykorzystano informacje pozyskane ze skanera hiperspektralngo oraz inwentaryzacji terenowej. Zespół synchronicznie z nalotem wychodził w teren i tam zbierał dane na temat tzw. drzew referencyjnych, czyli drzew, które stanowiły podstawę do zbudowania modeli regresji. Zebrano informacje o współrzędnych, nazwie taksonomicznej, przebarwieniach i defoliacji. Następnie w wyniku procesu nazywanego uczeniem maszynowym zebrane informacje połączono, co umożliwiło określenie przynależności taksonomicznej gatunku i jego kondycji dla każdego z drzew, jakie zidentyfikowane podczas skanningu laserowego.
Wspomniałem jeszcze obrazowaniu wielospektralnym, czyli ortofotomapie. Informacje te pozyskane podczas nalotu stanowiły dane pomocnicze – nie uczestniczyły bezpośrednio w procesie uczenia maszynowego, lecz pomagały np. w weryfikacji poprawności zbioru referencyjnego.

Mapa Koron Drzew – jakie drzewa uwzględnione?

Uwzględnione drzewa:

23606 drzew poddano inwentaryzacji naziemnej (badanie terenowe)
8 mln drzew uwzględniono w Mapie Koron Drzew (na 9 mln)

Kryteria:

Widoczna „z góry” korona
Zasięg korony > 7m²
Wysokość drzewa > 3m

No dobrze. Widzimy zatem, że zbudowanie Mapy Koron Drzew, która zawiera bardzo ważne informacje, a mianowicie o gatunku i kondycji drzew nie było by możliwe bez wiedzy botaników, którzy wyszli w teren, którzy dokonali tradycyjnej inwentaryzacji drzew. Czy zatem watro inwestować w takie rozwiązania jak Warszawska Mapa Koron Drzew?
Zasadniczą korzyścią z wykorzystania dodatkowo danych teledetekcyjnych polega na skali pozyskanych informacji. Dla obszaru Warszawy w celu opracowania mapy koron drzew zebrano informacje naziemne na temat 23606 drzew. Jest to sporo, ale zauważmy, że umożliwiło to powstanie MKD dla aż 8 mln drzew rosnących w Warszawie. Jest to około 0,33%. Zebranie informacji w terenie na temat tych wszystkich drzew byłoby niemożliwe, ze względu na ograniczenia finansowe, organizacyjne, przestrzenne czy techniczne. Czy jednakże 8 mld. drzew to na pewno wszystkie drzewa rosnące w Warszawie?
Zauważmy że, z punktu widzenia analiz teledetekcyjnych, drzewa ujęte w mapie koron drzew w Warszawie musiały spełniać pewne kryteria. Przede wszystkim, aby można analizować dane drzewo, musi być ono widoczne – widoczne z góry. Dane drzewo nie może być przysłonięte, np. koroną innego drzewa, lub jakimiś elementami infrastrukturalnymi. Ponadto wynikają pewne minima rozmiaru drzewa, jakie musi spełnić, aby zostać uchwycone w analizie. Wynikają one z rozdzielczością danych pozyskanych. W mapie koron drzew uwzględniono tylko takie drzewa, których minimalna powierzchnia korony wynosiła 7m2, a minimalna wysokość wynosiła 3m. No i co to oznacza? A no to, że nie wszystkie drzewa rosnące w Warszawie zostaną ujęte w MKD, ale zdecydowana większość tak. Szacuje się, że w Warszawie rośnie około 9 mln drzew, czyli MKD uwzględniła około 90%. Warto też zauważyć, że problem nieuchwycenia drzew w MKD w największym stopniu dotyczy drzew rosnących gęsto w lasach, a z punktu widzenia zarządzania zielenią miejską najistotniejsze są drzewa rosnące w terenach silnie zurbanizowanych, gdyż tam siłą rzeczy jest najwięcej odbiorców usług, jakie świadczą drzewa.

I. Dane typu „Lokalizacja, wysokość i zasięg koron”

Informacje pozyskane na bazie zebranych danych:

Liczba drzew
Rozmiar korony
Łączny obszar pokrycia koronami drzew

Potencjalne wykorzystanie:

Obszary zieleni na 1 mieszkańca/ha powierzchni
Identyfikacja najbardziej okazałych drzew
Nasadzenia uzupełniające
Planowanie inwestycji
Rozpoznanie struktury drzew
Adaptacja do zmian klimatu

Powiedzmy sobie teraz jak można wykorzystać poszczególne typy pozyskanych danych w celu poprawy zarządzania zielenią miejską. Zacznijmy od danych dotyczących lokalizacji, wysokości i rozmiaru korony drzew.
Dane te pozwalają nam między innymi określić jaka jest liczba drzew na danym obszarze, tak jak pokazano na rysunku zamieszczonym na slajdzie, jaki jest ogólny pokrój tych drzew, czyli wysokość i szerokość korony, a także pozwalają nam określić łączną powierzchnię wszystkich koron drzew tam występujących. Dla przykładu, w tabeli widocznej na slajdzie przedstawiliśmy te informacje dla dzielnicy Warszawy – Żoliborza.
Informacje te mogą być przydatne w celu poprawy zarządzania zielenią miejską. Potencjalne wykorzystanie zdobytych informacji to na przykład:
- Ocena ilości zieleni miejskiej na 1 mieszkańca
- Ocena ilości zieleni miejskiej na 1 ha powierzchni
- Identyfikacja drzew najbardziej okazałych
- Lepsze planowanie nasadzeń uzupełniających
- Lepsze planowanie inwestycji
- Lepsza adaptacja do zmian klimatu
Ponieważ to webinarium skupia się na lepszej adaptacji obszarów miejskich do zmian klimatu, powiedzmy kilka zdań na temat możliwości wykorzystania zdobytych informacji o drzewach miejskich właśnie w tym kontekście odnosząc się do przykładów usług ekosystemowych, o których mówiliśmy wcześniej.

Adaptacja do zmian klimatu – regulacja mikroklimatu

Przykładowe analizy:

Identyfikacja obszarów pozbawionych drzew
Uznanie ich za priorytetowe dla dokonania rekultywacji
Sadzenie drzew i/lub zmiana nawierzchni na taką o wyższym albedo

Tak jak powiedzieliśmy wcześniej, dużym problemem w miastach jest miejska wyspa ciepła, która obniża komfort termiczny mieszkańców miasta latem. Drzewa ograniczają ten problem, gdyż odbijają promienie słoneczne i przeprowadzają ewapotranspirację. Jeżeli porównamy mapę temperatury powierzchni dla dzielnicy Żoliborz z Mapą Koron Drzew, to zauważmy, że jest kilka obszarów, gdzie problem nagrzewania się powierzchni jest największy. Zauważmy, że na ogół są to obszary zupełnie pozbawione drzew. Spójrzmy na przykład na obszar zaznaczony na slajdzie czerwonym okręgiem – który wyraźnie pokazuje, iż mamy tam problem. Okazuje się, że jest to obszar Zajezdni autobusowej, a zatem obszar, który należy do miasta. Identyfikując takie obszary – duże fragmenty pozbawione drzew – można wytypować priorytetowe miejsca dla dokonania rekultywacji, aby ograniczyć problem miejskiej wyspy ciepła. W naszym przypadku, ponieważ tej to teren zarządzany przez miasto, takie działania powinny nie stanowić większego problemu. Warto zastanowić się nad zazielenieniem tego terenu – poprzez wprowadzenie tam drzew, lub wymianę powierzchni parkingów na taką, która w większym stopniu odbija promieniowanie słoneczne.

Adaptacja do zmian klimatu – oszczędność energii

Przykładowe analizy:

Wybór budynków, których zużycie energii zależy od drzew
Poprawa optymalnej efektywności nowych nasadzeń drzew

Adaptacja do zmian klimatu - spowolnienie spływu wód opadowych

Przykładowe analizy:

Identyfikacja obszarów o nieprzepuszczalnych nawierzchniach i braku drzew
Uznanie ich za priorytetowe dla dokonania rekultywacji
Sadzenie drzew i/lub zmiana nawierzchni na przepuszczalne

II. Dane typu „Przynależność taksonomiczna gatunków”

Informacje pozyskane na bazie zebranych danych:

Zróżnicowanie gatunkowe
Zróżnicowanie przestrzenne

Potencjalne wykorzystanie:

Analiza zróżnicowania gatunkowego wybranego obszaru
Planowanie nowych sadzeń
Rozpoznawanie struktury wiekowej/wielkościowej drzew danego gatunku
Adaptacja do zmian klimatu

III. Dane typu „Kondycja zdrowotna”

Informacje pozyskane na bazie zebranych danych:

Zdrowotność koron drzew
Gatunkowe zróżnicowanie zdrowotności

Potencjalne wykorzystanie:

Identyfikacja drzew w złym stanie
Identyfikacja stanowisk objętych chorobą/zajętych przez szkodniki
Pomoc w identyfikacji przyczyn słabej kondycji drzew
Adaptacja do zmian klimatu

Dowiedz się więcej...

Teledetekcja (eng.) - zobacz
Sentinel-2 i wskaźniki roślinności (eng.) - zobacz
Źródła danych satelitarnych (eng.) - zobacz
Program Copernicus (eng.) - zobacz
Na temat Warszawskiej Mapy Koron Drzew - zobacz

Źródła:

Szymalski W., Kassenberg A., Świerkula E., Warszawa z kosmosu, Fundacja na rzecz Ekorozwoju, Warszawa 2019
Istniejące materiały szkoleniowe projektu EO4GEO (w języku angielskim): Wprowadzenie do teledetekcji, Sentinel-2 i wskaźniki wegetacji i Źródła danych satelitarnych
Strony internetowe:

Dziękujemy za uwagę!

Slide show ends.