Vairāk

Kā noņemt novirzes no zaļās veģetācijas frakcijas

Kā noņemt novirzes no zaļās veģetācijas frakcijas


Pētījuma apgabals tika izgriezts, izmantojot formas failu no 3. joslas un 4. joslas. Pirmkārt, 3. josla un 4. josla tika pārveidota par satelīta spilgtuma temperatūru, izmantojot iebūvēto funkciju pusautomātiskajā rīkā QGIS (pusautomātiskā klasifikācija). iespraust). NDVI tika aprēķināts ar b4-b3 / b4 + b3 Landsat 5 attēlos, NDVI diapazons bija 0,0968299 - 0,433846. Zaļās veģetācijas frakcija bija nepieciešama arī, lai pārbaudītu veģetācijas nozīmi maisījuma zemes segumā, kas iegūts no vienādojuma:

GVF = NDVI - NDVImin / NDVImax - NDVImin

bet problēma šeit bija tāda, kā jūs redzētu frakcijas diapazonu -0,631684 - -0,0011024), kas ir saistīts ar dažām datu novirzēm, kuras nezina, kā to noņemt. Vai "NDVI" vērtībās ir kaut kas nepareizs, jo QGIS redzot attēla īpašības, nav datu vērtību (nav datu vērtību = -3,4020 + 38). Esmu uzskatījis, ka NDVImin un NDVImax ir attiecīgi 0.0968299 un 0.433846, taču literatūra ir parādījusi, ka vērtības 0.05 un 0.70 kā NDVI sliekšņa vērtības, kas tika iegūtas, izmantojot globālos uzlabotas ļoti augstas izšķirtspējas radiometra (AVHRR) 10 dienu saliktos datus (Zeng et al. 2000 ).


Ņemot vērā forumla:

GVF = (x - min) / (max - min)

(Ievērojiet iekavās.) Nav iespējams, lai vērtības būtu ārpus diapazona 0 - 1 visām x vērtībām starp min un max, kas pēc definīcijas ir. Faktiski tam vajadzētu aizņemt visu diapazonu no 0 līdz 1. Tātad mēs varam secināt, ka vai nu jūsu min un max vērtības nav reprezentatīvas faktiskajam vērtību diapazonam attēlā (piemēram, ja izmantojāt displejā izmantotās min un max vērtības) lai mērogotu paleti, nevis faktiskos datus min un max), vai arī, ievadot kļūdu vienādojuma formā. Atrisinot x, mēs iegūstam:

x = GVF * (max - min) + min

Aizstājot minimālās un maksimālās izvades vērtības (-0,631684 un -0,0011024), mēs iegūstam ievades vērtību diapazonu no -0,116057778 līdz 0,096458373. Jūs ievērosiet, ka šī augšējā diapazona vērtība faktiski atrodas trīs nozīmīgos jūsu norādītās minimālās vērtības ciparos. (Sakritība? Iespējams.) Tomēr NDVI vērtību diapazons attēlā no -0,116057778 līdz 0,096458373 šķiet maz ticams, un, ja tas tā ir, jūs varat apstiprināt, veicot attēla histogrammas analīzi. Man ir daudz ticamāk, ka jūs vienkārši esat nedaudz sajaucis vienādojumu. Vai jūs veicāt šo analīzi rastra kalkulatorā? Ņemot vērā to, ka esat izlaidis sava jautājuma vienādojuma iekavas, es izpētīju dažādas trūkstošo iekavu kombinācijas un nespēju izdomāt veidlapu, kas atkārtotu jūsu izvades diapazonu. Es atklāju, ka vienādojums:

OUT = (x - max) / (max + min)

jūsu ievades minimālā vērtība (0,0968299) radīja izejas vērtību -0,635069541, kas ir ļoti līdzīga jūsu norādītajai minimālajai izvades vērtībai. Diemžēl tas nedos jums jūsu produkcijas maksimālo vērtību, tāpēc tas nebija tas ... bet tas, visticamāk, ir kāds līdzīgi nepareizi ierakstīts vienādojums, kas rodas, aizstājot + vai - vai atstājot iekavu šeit vai tur.

Ņemiet vērā, ka kļūda, visticamāk, nav NoData vērtības rezultāts, kā tika ieteikts, jo 1) NoData vērtības parasti ir ļoti lielas negatīvas vērtības, kuru rezultātā rezultāts būtu tālu ārpus mazajām negatīvajām vērtībām, kas atrodamas jūsu izvades diapazonā, un 2) NoData vērtības tiešām jāignorē jebkurai ĢIS, kas izmanto konstrukciju.


Veģetācijai ir būtiska loma vides izpētē, izmantojot augu elpošanu un fotosintēzi. Tāpēc pašreizējā veģetācijas stāvokļa novērtējums ir kritisks, lai modelētu zemes ekosistēmas un enerģijas ciklus. Lai novērtētu veģetācijas stāvokli un tā dinamiku mērogos, sākot no kilometra līdz decametriskām telpiskām izšķirtspējām, pateicoties metodēm, kuru pamatā ir veģetācijas struktūra (LAI, fCover, augu augstums, biomasa, lapu leņķa sadalījums) un bioķīmiskos parametrus (lapu pigmentācija un ūdens saturs), ir izmantotas attālās uzrādes (RS) dati.

RS optiskās iegūšanas metodes ir balstītas uz saules starojuma izstarojuma procesiem veģetācijā, nosakot radiācijas daudzumu, ko redzamajos un infrasarkanajos kanālos mēra pasīvie sensori. Palielināta aktīvo RS (radaru un LiDAR) datu pieejamība ir veicinājusi to izmantošanu daudzos lietojumos zemes virsmas īpašību un procesu analīzei, pateicoties to nejutīgumam pret laika apstākļiem un spējai izmantot bagātīgu strukturālo un faktūras informāciju. Optisko un radaru datu sapludināšanas un daudzu sensoru integrācijas pieejas ir aktuālas tēmas, lai pilnībā izmantotu informāciju, ko nodod gan elektromagnētiskā spektra optiskā, gan mikroviļņu daļa.

Šajā īpašajā izdevumā tiks pārskatīts jaunākais biofizikālo parametru iegūšanas līmenis un tā izmantošana daudzos dažādos pielietojumos (piemēram, ekoloģijā, oglekļa ciklā, lauksaimniecībā, mežsaimniecībā un pārtikas nodrošinājumā). Šajā īpašajā izdevumā tiek aicināti raksti par jaunākajiem pētījumiem par šādām tēmām:

  • Lauka metodes veģetācijas biofizikālo parametru mērīšanai.
  • Metodes nojumes (piem., LAI, fCover, fAPAR, auga augstuma, biomasas) un lapu bioķīmisko (piemēram, lapu hlorofila / ūdens un degvielas mitruma satura), kā arī degvielas / veģetācijas ūdens satura parametru iegūšanai no satelīta un gaisa sensoriem .
  • Radiatīvās pārneses modeļu un veģetācijas parametru iegūšanai nepieciešamo ievades datu uzbūve un uzlabošana.
  • Neseno misiju novērtējumi (piemēram, Sentinel-1, -2 un -3), lai uzlabotu iegūto biofizikālo karšu izšķirtspēju telpā un laikā.
  • LiDAR un mikroviļņu tālvadība.
  • Veģetācijas parametru iegūšana no bezpilota autonomā transportlīdzekļa (UAV) un augstas izšķirtspējas datiem.
  • Lielu attālās uzrādes datu apstrāde, piemēram, datu apvienošana un vairāku sensoru datu integrēšanas paņēmieni
  • Operatīvo biofizikālo produktu un pakalpojumu izstrāde, izmantojot attālo uzrādi.
  • Biofizikālo parametru produktu kalibrēšanas / validācijas darbības.
  • Veģetācijas stāvokļa un stāvokļa novērtēšanas metodes (piemēram, veģetācijas slimības, stresa stāvoklis, meža traucējumi, degradācija un ataugšana).
  • Biofizikālo parametru asimilācija, kas iegūti no attālinātās izpētes lauksaimniecības un mežsaimniecības vajadzībām.

Pārskatiet rakstus, kas aptver vienu vai vairākas no šīm tēmām

Prof. Francisco Francisco Javier Garc & iacutea-Haro
Prof. Dr Hongliang Fang
Dr Manuels Kamposs-Taberners
Viesredaktori

Informācija par rokrakstu iesniegšanu

Rokraksti jāiesniedz tiešsaistē vietnē www.mdpi.com, reģistrējoties un piesakoties šajā vietnē. Kad esat reģistrējies, noklikšķiniet šeit, lai pārietu uz iesniegšanas veidlapu. Rokrakstus var iesniegt līdz noteiktajam termiņam. Visi dokumenti tiks salīdzināti. Pieņemtie dokumenti tiks pastāvīgi publicēti žurnālā (tiklīdz tie tiks pieņemti) un tiks kopīgi uzskaitīti īpašo izdevumu vietnē. Tiek aicināti zinātniski raksti, pārskata raksti, kā arī īsi paziņojumi. Par plānotajiem dokumentiem nosaukumu un īsu kopsavilkumu (apmēram 100 vārdus) var nosūtīt redakcijai paziņošanai šajā vietnē.

Iesniegtie rokraksti nedrīkstēja būt iepriekš publicēti, un tos nedrīkst izskatīt par publicēšanu citur (izņemot konferences rakstu krājumus). Visi rokraksti tiek rūpīgi tiesāti, izmantojot vienas neredzīgas salīdzinošās pārskatīšanas procesu. Ceļvedis autoriem un cita būtiska informācija rokrakstu iesniegšanai ir pieejama lapā Norādījumi autoriem. Attālā uzrāde ir starptautisks recenzēts brīvpiekļuves pusmēneša žurnāls, ko izdevis MDPI.

Pirms rokraksta iesniegšanas, lūdzu, apmeklējiet lapu Autori. Rakstu apstrādes maksa (APC) publicēšanai šajā atvērtās piekļuves žurnālā ir 2400 CHF (Šveices franki). Iesniegtajiem dokumentiem jābūt labi noformētiem un jāizmanto laba angļu valoda. Autori var izmantot MDPI angļu valodas rediģēšanas pakalpojumu pirms publicēšanas vai autora pārskatīšanas laikā.


USGS vizuālās identitātes sistēma

Oficiālās vadlīnijas par ASV Ģeoloģijas dienesta vizuālās identitātes sistēmas (VIS) izmantošanu, ieskaitot ar USGS nesaistītu organizāciju ar preču zīmi apzīmētu USGS identifikatoru.

Šajā vietnē ir sniegtas pamatnostādnes par ASV Ģeoloģiskās izpētes vizuālās identitātes sistēmas (VIS) izmantošanu, ieskaitot ar USGS nesaistītu organizāciju ar preču zīmi apzīmētu USGS identifikatoru. Ikvienam, kurš veido USGS produktus, jāsaņem produktu specifikācijas no sava USGS kontakta.

VIS tika izstrādāts, lai vizuāli pastiprinātu to, kas ir USGS un ko tas dara. Šie ir galvenie elementi, kas jāatceras, izmantojot USGS identifikatoru:

  1. Izmantojiet tikai apstiprinātus mākslas darbus. Jautājiet savam USGS kontaktpersonai attēlu failus jūsu produktam piemērotā formātā.
  2. Nemainiet USGS identifikatoru.
  3. Identifikators var parādīties tikai zaļā krāsā (PMS348), melnā vai baltā krāsā.
  4. Identifier ir preču zīme, un tas jāizmanto saskaņā ar VIS specifikācijām.

Lai iegūtu papildinformāciju par USGS identifikatora lietošanu, skatiet šo:


Kā noņemt novirzes no zaļās veģetācijas frakcijas - ģeogrāfiskās informācijas sistēmas

Jūs esat pieprasījis mūsu datubāzēs atlasītā satura mašīntulkošanu. Šī funkcionalitāte tiek nodrošināta tikai jūsu ērtībai, un tā nekādā gadījumā nav paredzēta, lai aizstātu cilvēku tulkojumus. Ne SPIE, ne satura īpašnieki un izdevēji nesniedz un tieši atsakās no jebkādām izteiktām vai netiešām jebkāda veida deklarācijām vai garantijām, ieskaitot, bez ierobežojumiem, apliecinājumus un garantijas par tulkošanas funkcijas funkcionalitāti vai teksta precizitāti vai pilnību. tulkojumi.

Tulkojumi netiek saglabāti mūsu sistēmā. Uz šīs funkcijas un tulkojumu izmantošanu attiecas visi lietošanas ierobežojumi, kas ietverti SPIE vietnes lietošanas noteikumos.

Attiecība starp pilsētas siltuma salu un zaļās infrastruktūras daļu Harbinā

Judžins Bai, 1,2 Rong Guo, 1 Jaņgans Sjiņ 2

1 Harbinas Tehnoloģiju institūts (Ķīna)
2 Cardiff Univ. (Apvienotā Karaliste)

ABONĒT DIGITĀLAJĀ BIBLIOTĒKĀ

50 lejupielādes viena gada abonementā

25 lejupielādes 1 gada abonementā

Ietver PDF, HTML un video, ja tie ir pieejami

Urbanizācija veicināja pilsētas siltuma salu parādību un saasināja pilsētas siltuma salu efekta intensitāti, uzlabojoties urbanizācijas līmenim. Pārkaršanas laika apstākļi radīja nopietnus draudus cilvēku dzīvībai un veselībai, savukārt zaļā infrastruktūra, ieskaitot ūdenstilpes, ir apstiprināta, lai varētu atšķirīgi samazināt pilsētas zemes virsmas temperatūru. Lai pārbaudītu zaļās infrastruktūras ietekmi uz pilsētas karstuma salas efektu Harbinā, izmantojot ENVI un ģeogrāfiskās informācijas sistēmas programmatūru, šajā dokumentā tika iegūta Harbinas zemes virsmas sezonas temperatūra no 2000. līdz 2015. gadam, izmantojot Landsat sērijas un MODIS 8 dienu attālās uzrādes datus, un tālāk aprēķināta virszemes pilsētu siltuma salu intensitāte (SUHII). Pēc tam, lai izveidotu kvantitatīvo saistību starp zaļās infrastruktūras daļu un pilsētas siltuma salu intensitāti, izmantojot regresijas analīzes metodi. Visbeidzot, izmantojot ENVI-MET programmatūru, šis raksts simulēja pilsētu siltuma salu intensitātes izmaiņas, pamatojoties uz dažādiem zaļās infrastruktūras scenārijiem. Rezultāti parādīja, ka, ciktāl tas attiecas uz Harbinas mēroga administratīvo reģionu, pilsētas siltuma salu intensitāte gan vasarā, gan ziemā samazinājās no 2000. gada (6,55 ° C vasarā, 4,15 ° C ziemā) līdz 2015. gadam (2,6 ° C vasarā, 0,47 ° C ziemā), un SUHII vasarā ir augstāka nekā ziemā, izņemot 2005. gadu. Zaļās infrastruktūras daļa ir negatīva, korelē ar SUHII. Simulācijas rezultāts norādīja, ka zaļās infrastruktūras palielināšana atvieglotu pilsētas siltuma salas efektu. Šī pētījuma rezultāts sniegtu zināmu palīdzību un padomus zemes izmantošanas plānošanas lēmumiem un pilsētu būvniecībai Harbinas nākotnē.

& copy (2018) AUTORTIESĪBU Fotooptisko instrumentu inženieru biedrība (SPIE). Kopsavilkuma lejupielāde ir atļauta tikai personīgai lietošanai.


Abstrakts

Pilsētas zaļās infrastruktūras proporcijas palielināšana tiek uzskatīta par vienu no līdzekļiem gaisa piesārņojuma līmeņa novēršanai pilsētās, tomēr ir pilnībā jāsintezē un jānosaka daudzu dažādu apbūves vidēs izvietotu veģetācijas veidu ietekme. Šajā pārskatā tika pārbaudīta publicētā literatūra par apkārtnes gaisa kvalitātes izmaiņām, izmantojot zaļās iejaukšanās. Tika novērtēti pētījumi, kuros tika apspriesta vietējā gaisa piesārņojuma avotu iedarbība uz veģetāciju atklātā ceļa un apbūvēta ielas kanjona vidē. Turklāt mēs kritiski novērtējām pieejamo literatūru, lai labāk izprastu mijiedarbību starp veģetāciju un apkārtējo apbūvēto vidi un noteiktu līdzekļus vietējā gaisa piesārņojuma ietekmes samazināšanai, izmantojot zaļo infrastruktūru. Apkopoti arī veģetācijas tīrie efekti katrā apbūvētajā vidē un piedāvāti iespējamie ieteikumi zaļās infrastruktūras nākotnes projektēšanai. Ielu kanjona vidē augsta līmeņa veģetācijas nojumes (koki) izraisīja gaisa kvalitātes pasliktināšanos, savukārt zema līmeņa zaļā infrastruktūra (dzīvžogi) uzlaboja gaisa kvalitātes apstākļus. Atklāta ceļa apstākļos plaša, zema porainība un augsta veģetācija noved pie vēja piesārņojošo vielu samazināšanās, savukārt atstarpes un augsta porainības veģetācija gaisa kvalitāti nevar uzlabot vai pat pasliktināt. Pārskatā tiek uzskatīts, ka vispārīgus ieteikumus par veģetācijas barjerām atklātā ceļa apstākļos var sniegt. Zaļās sienas un jumtus uz ēkām var izmantot arī kā efektīvus gaisa piesārņojuma mazināšanas pasākumus. Kritiskais pamatjēdzienu novērtējums un iepriekšējo pētījumu galveno tehnisko pazīmju apvienošana ar šo pārskatu varētu palīdzēt pilsētplānotājiem veidot un ieviest zaļo infrastruktūru būvētajā vidē.


Kas ir tuksnesis?

Tuksneši aizņem vairāk nekā piekto daļu no Zemes zemes platības, un tie ir sastopami visos kontinentos. Vieta, kurā lietus ir mazāk nekā 10 collas (25 centimetri) gadā, tiek uzskatīta par tuksnesi. Tuksneši ir daļa no plašākas reģionu klases, ko sauc par sausajām vietām. Šīs teritorijas pastāv ar “mitruma deficītu”, kas nozīmē, ka iztvaicējot tās bieži var zaudēt vairāk mitruma nekā tās saņem gada nokrišņi.

Neskatoties uz izplatītajiem tuksnešu uzskatiem par karstiem, ir arī auksti tuksneši. Lielākais karstais tuksnesis pasaulē, Āfrikas ziemeļu Sahārā, dienas laikā sasniedz temperatūru līdz 122 grādiem pēc Fārenheita (50 grādiem pēc Celsija). Bet daži tuksneši vienmēr ir auksti, piemēram, Gobi tuksnesis Āzijā un Antarktikas un Arktikas polārie tuksneši, kas ir pasaulē lielākie. Citi ir kalnaini. Tikai apmēram 20 procentus tuksnešu klāj smiltis.

Sausākajos tuksnešos, piemēram, Čīles Atakamas tuksnesī, ir daļas, kurās nokrišņu daudzums ir mazāks par 0,08 collām (2 mm) gadā. Šāda vide ir tik skarba un citpasaulīga, ka zinātnieki tās pat ir pētījuši, lai atrastu norādes par dzīvi uz Marsa. No otras puses, ik pēc pāris gadiem neparasti lietains periods var izraisīt "super ziedēšanu", kur pat Atacama kļūst segu savvaļas ziedos.


Otrais solis: ievērojiet uzticamus ceļvežus

Lai iedziļinātos, otrais solis ir izsvērt dažādu uzticamu ceļvedu argumentus specializētajās jomās, piemēram, Deivids Roberts no Vox par atjaunojamo enerģiju, Nathanael Johnson pie Grist par kodolenerģijas lomu, Amy Harder no Axios par enerģētikas politiku un organizācijām, piemēram, Pasaules resursu institūtam, lai iegūtu politikas pārskatu.

Vairāk nekā daži klimata politikā iesaistītie ilggadējie analītiķi un praktiķi teica, ka viņi patiešām redz šo brīdi kā atšķirīgu - neatkarīgi no tā, vai šis konkrētais jaunais darījums ir izdzīvojis.

Pirmkārt, daži politiski labējie uzskata, ka šim priekšlikumam ir pietiekami daudz spēka, lai pamatotu dažus lielus jaunus pretpriekšlikumus - ne tikai vairāk klimata. Kolonna konservatīvajā Vašingtonas eksaminētājs skrēja zem šī virsraksta: "Republikāņi var ienīst" Zaļo jauno darījumu "vai arī var ar to konkurēt."

"Ja mērķis bija mainīt sarunu un jūs uzskatāt, ka sarunas maiņa maina darbības, tā jau ir milzīga atzīme kolonnā" Uzvarēt "," sacīja Pace Law School Pace Energy un Climate Center direktors Karls R. Rābago. Ņujorkā. Viņš ir noderīgs ceļvedis, kurš vairākus gadu desmitus ir bijis tranšejās par klimata un tīras elektroenerģijas politiku un lielu daļu laika pavadījis Teksasā - štatā, kas ir milzīgs naftas, gāzes un ķīmisko vielu ražotājs, kā arī lielākais valsts ražotājs. vēja saražotās elektroenerģijas.

Protams, darbībām uz vietas, lai atsāknētu Amerikas enerģētikas sistēmu, kas vairāk nekā gadsimta laikā tika veidota ap lētu fosilo kurināmo, ir nepieciešama nauda, ​​tehnoloģija, noteikumi un noteikumi. Un tur nāk mans trešais solis.


Purvs

Purvs ir zemes platība, kas pastāvīgi piesātināta vai piepildīta ar ūdeni. Daudzus purvus pat klāj ūdens. Ir divi galvenie purvu veidi: saldūdens purvi un sālsūdens purvi.

Purvos dominē koki. Tos bieži sauc par koku tipu, kas tajos aug, piemēram, cipreses purviem vai cietkoksnes purviem. Saldūdens purvi parasti atrodas iekšzemē, savukārt sālsūdens purvi parasti atrodas piekrastes rajonos. Purvi ir pārejas zonas. Tie nav ne sauszeme, ne pilnīgi ūdens.

Purvi pastāv dažāda veida klimatā un visos kontinentos, izņemot Antarktīdu. To izmērs ir atšķirīgs, sākot no izolētām prēriju bedrēm līdz milzīgiem piekrastes sāls purviem. Daži purvi ir applūduši meži. Daži no tiem ir bijušie ezeri vai dīķi, kurus apsteiguši koki un krūmi.

Saldūdens purvi

Ap ezeriem un strautiem veidojas saldūdens purvi. Lietus un sezonāli plūdi izraisa ūdens līmeņa svārstības. Mitrā augsnē aug ūdens izturīga veģetācija un palīdz uzturēt mitru, purvainu stāvokli.

Daudzos saldūdens purvos ASV dienvidaustrumos aug cipreses un tupelo koki. Spānijas sūnas var pakārt pie zariem, un sīki augi, ko sauc par pīlēnu, var pārklāt ūdens virsmu. Zem kokiem var izaugt krūmi un krūmi. Dažreiz 4 metrus (13 pēdas) virs ūdens duras leņķiskās pogas, kuras sauc par cipreses ceļiem. Tie ir koku sakņu sistēmas izaugumi.

Šajos purvos dzīvo aligatori, vardes un daudzi citi dzīvnieki. Šie dzīvnieki ir pielāgoti ūdens līmeņa svārstībām. Ēnainā koku sakņu sistēma un cipreses pogas nodrošina bagātīgu, aizsargātu biotopu ligzdojošajiem putniem, kā arī zivīm, abiniekiem un rāpuļiem.

Saldūdens purvi starp Tigras un Eifratas upēm Tuvajos Austrumos ir tik bagāti ar bioloģisko daudzveidību, ka teritoriju sauc par "Auglīgo pusmēnesi". Bagātīgā savvaļas dzīvnieki, lauksaimniecības iespējas un spēja sazināties un tirgoties veicināja cilvēku tehnoloģisko attīstību. Auglīgais pusmēness ir atzīts par civilizācijas dzimteni un pirmo pilsētu vietu. Agrāk reģistrētā rakstiskā valoda un pirmā reģistrētā riteņa lietošana notika ap šiem purviem.

Floridā esošais Everglades ir viens no lielākajiem purvu kompleksiem Amerikas Savienotajās Valstīs. Šis saldūdens purvs, ko dēvē par "Zāles upi", patiesībā ir plaša, lēni braucoša upe, kas plūst no Kissimmee upes netālu no Orlando līdz Floridas šaurumam. Everglades ir 97 kilometrus (60 jūdzes) plats un 160 kilometrus (100 jūdzes) garš. Bagāta savvaļas dzīvnieku kolekcija, sākot no aligatoriem līdz pantērām, šo saldūdens purvu sauc par mājām.

Sālsūdens purvi

Sālsūdens purvi veidojas tropu piekrastēs. Šo purvu veidošanās sākas ar kailiem dubļu un smilšu līdzenumiem, kurus plūdmaiņu laikā plānā kārtā pārklāj jūras ūdens. Augi, kas spēj izturēt plūdmaiņu plūdus, piemēram, mangrovju koki, sāk augt un drīz veido sakņu un zaru biezokņus. Mangrovju koki bieži aug uz augstām, plānām saknēm. Saknes noenkuro smiltis un citus nogulumus. Sakņu augšana un sabrukšana palielina augsnes uzkrāšanos.

Starp šīm mangrovēm dzīvo dzīvnieki, kuri barojas ar kritušām lapām un citu materiālu. Krabju, gliemežu un citu vēžveidīgo ir daudz mangrovju purvos. Purvos dzīvo arī ļoti dažādi putni, kuru izkārnījumi palīdz apaugļot purvu.

Tā kā daudzu jūras dzīvnieku mazuļi barību un pajumti atrod sālsūdens purvos, šos mitrājus dažkārt sauc par okeāna audzētavām. Daudzas okeāna sugas nonāk piekrastes mitrājos, lai nārstotu. Zivis peld sāls purvos, lai dētu olas. Kad olas izšķiļas, mazuļi daudz barības un nedaudz aizsargā purva zālēs vai starp koku saknēm. Citas sugas nārsto okeānā, un mazuļi peld mitrājos un dzīvo tur līdz nobriešanai.

Cilvēki un purvi

Purvi ir vieni no vērtīgākajām ekosistēmām uz Zemes. Viņi rīkojas kā milzu sūkļi vai rezervuāri. Kad spēcīgas lietavas izraisa plūdus, purvi un citi mitrāji absorbē lieko ūdeni, mazinot plūdu sekas. Purvi arī aizsargā piekrastes rajonus no vētras uzliesmojumiem, kas var izskalot trauslo krasta līniju. Sālsūdens purvi un plūdmaiņu sāls purvi palīdz noenkurot piekrastes augsni un smiltis.

Purva ekosistēma darbojas arī kā ūdens attīrīšanas iekārta, filtrējot atkritumus un dabiski attīrot ūdeni. Kad slāpekļa un citu ķīmisko vielu pārpalikums izskalo purvos, augi tur absorbē un izmanto ķīmiskās vielas. Daudzas no šīm ķīmiskajām vielām rodas cilvēku darbībās, piemēram, lauksaimniecībā, kur mēslošanas līdzekļi izmanto slāpekli un fosforu. Arī notekūdeņus veicina rūpnīcas, ūdens attīrīšanas iekārtas un mājas. Augu neuzsūktās ķīmiskās vielas lēnām grimst apakšā un tiek apraktas smiltīs un nogulsnēs.

Vēstures lielākajā daļā mitrāji tika uzskatīti par tukšzemēm un kā kukaiņu kaitēkļu, piemēram, odu, mājām. (Purvos ir mājvieta visdažādākajiem kukaiņiem, kuri pārtiek no visdažādākajiem augiem.) Cilvēki uzskatīja, ka purvi ir draudīgi un aizliedzoši.

Amerikas Savienotajās Valstīs purvu aizpildīšana vai nosusināšana bija pieņemta prakse. Gandrīz puse no ASV mitrājiem tika iznīcināta pirms vides aizsardzības ieviešanas 1970. gados. Lielākā daļa Everglades ir atjaunotas kā lauksaimniecības zemes, galvenokārt cukura plantācijas. Peldvietu novadīšana radīja arī vērtīgus nekustamos īpašumus Sanfrancisko līča apgabalā Kalifornijā.

Federālās un štata iestādes masveida upju apsaimniekošanas sistēmas ietvaros nosusināja lielu daļu mitrāju Misisipi upes deltā Luiziānā. Kad viesuļvētra Katrīna 2005. gadā ieplūda no Meksikas līča, mazinājās sūcīgais purvs, kas tradicionāli aizsargāja Ņūorleānas pilsētu no postošiem laika apstākļiem. Pilsētu ar pilnu spēku skāra 3. kategorijas viesuļvētra.

Peldvietu izskaušana apdraud arī saimniecisko darbību. Divas trešdaļas no zivīm un vēžveidīgajiem, kas tiek komerciāli novākti visā pasaulē, ir saistītas ar mitrājiem. No Brazīlijas varzeas jeb saldūdens purviem, kas ieskauj Amazones upi, līdz sālsūdens purviem pie Florida Keys, komerciāli vērtīgām zivju sugām, kas atkarīgas no mitrājiem, draud izmiršana.

Septiņdesmito gadu sākumā valdības sāka pieņemt likumus, atzīstot purvu un citu mitrāju milzīgo vērtību. Dažās ASV daļās purvu pārveidošana vai iznīcināšana tagad ir pretrunā ar likumu. Ar apsaimniekošanas plāniem un stingrākiem likumiem cilvēki cenšas aizsargāt atlikušos purvus un atjaunot tos apgabalos, kur tie ir iznīcināti.

Pogo
Viena no 20. gadsimta nozīmīgākajām amerikāņu satīrām norisinājās Okefenokee purva Džordžijas daļā. Pogo, kuru izveidoja rakstnieks un mākslinieks Volts Kellijs, bija komikss, kas darbojās no 1949. līdz 1975. gadam. Šajā laikā komikss satīrīja tādus amerikāņu politiķus kā senators Džozefs Makartijs (kā varonis ar nosaukumu "Vienkāršais J. Malarkijs") un prezidents Lyndons Džonsons (vientuļā reindžera vietā viņš bija "Kredītu organizētājs").

PogoVaroņi bija dzīvnieki, kuru dzimtene bija Okefenokee purvs: aligatori, pūces, skunks un titula varonis Pogo, opossums. Pirmajā Zemes dienā, 1971. gadā, Pogo skatījās uz savu atkritumu pārņemto purva māju un nopūtās: "Mēs esam satikuši ienaidnieku, un viņš ir mēs."

Okefenokee purvs
Okefenokee ir indiāņu vārds, kas nozīmē "dreboša zeme". Okefenokee purvā ASV Džordžijas un Floridas štatos zeme ir tik pārpurvojusies, ka kokiem nav stabila turējuma zemē un tie nesatricina vai trīc, kad tuvumā cilvēki stipri rāpjas.

Ogles no purviem
Senie purvi ir fosilā kurināmā ogļu avots. Ogles veidojas no augiem, kas nomira pirms miljoniem gadu. Augu viela slāņos nosēdās purvu apakšā, kur skābekļa trūkums neļāva tai pilnībā sabrukt. Laika gaitā spiediens no uzkrātajiem slāņiem izraisīja veģetācijas sacietēšanu vai fosilizāciju ogļos. Gadsimtiem ilgi ogles tiek dedzinātas un izmantotas kā degviela. Šīs fosilās degvielas noguldījumus var atrast visos kontinentos.


1. tabula

Veģetācijas indeksi, kas aprēķināti pēc Sentinel-2 MSI datiem.

AbreviatūraIndekssFormula
AFRI1.6 32 Aerosola nesaturoša veģetācijas indekss 1.6 8. josla - 0.66 * 11. josla 8. josla + 0.66 * 11. josla
AFRI2.1 32 Veģetācijas indekss bez aerosoliem 2.1 8. josla - 0.5 * 12. josla 8. grupa a + 0.5 * 12. josla
ARI 33 Antocianīna atstarošanas indekss 1 josla 3 - 1 josla 5
ARVI 34 Atmosfēras izturīgs veģetācijas indekss
Γ ir svēršanas funkcija, kas ir atkarīga no aerosola veida. Šajā pētījumā γ vērtība ir 1.
ARVI2 34 Atmosfēras izturīgs veģetācijas indekss 2 - 0,18 + 1,17 * (8. josla - 4. josla, 8. josla + 4. josla)
ATSAVI 35 Pielāgots pārveidotais augsnes koriģētais veģetācijas indekss a * (8. josla - a * 4. josla - b) 8. josla + 4. josla - a b + X (1 + a 2)
a = 1,22, b = 0,03, X = 0,08
AVI 36 Ashburn veģetācijas indekss 2 * 8. a josla - 4. josla
BNDVI 37 Zilā krāsā normalizētais veģetācijas indekss (8. josla - 2. josla) / (8. grupa + 2. josla)
BKI 38 Browning atstarošanas indekss 1 / 3. josla - 1 / 5. josla 6
BWDRVI 39 Zila platā dinamiskā diapazona veģetācijas indekss 0,1 * 7. josla - 2. josla 0,1 * 7. josla + 2. josla
CARI 40 Hlorofila absorbcijas koeficienta indekss 5. josla * (a * 4. josla + 4. josla + b) 2 josla 4 * (a 2 + 1) 0.5
a = (5. josla - 3. josla) / 150
b = josla 3 * 550 * a
CCCI 41 Nojumes hlorofila satura indekss (8. josla - 5. josla, 8. josla + 5. josla) (8. josla - 4. josla, 8. josla + 4. josla)
CRI550 42 Karotinoīdu atstarošanas indekss 550 1 josla 2 - 1 josla 3
CRI700 42 Karotinoīdu atstarošanas indekss 700 1 josla 2 - 1 josla 5
CVI 43 Hlorofila veģetācijas indekss 8. josla * 4. josla (3. josla) 2
Datt1 44 Veģetācijas indekss, ko piedāvā Datt 1 8. josla - 5. josla 8. grupa - 4. josla
Datt2 45 Veģetācijas indekss, ko piedāvā Datt 2 4. josla 3. josla * 5. josla
Datt3 45 Veģetācijas indekss, ko piedāvā Datt 3 8. josla un 3. josla * 5. josla
DVI 46 Diferencēts veģetācijas indekss 2,4 * 8. josla - 4. josla
EPIcar 45 Eikalipta pigmenta indekss karotinoīdam 0,0049 * (4. josla 3. josla * 5. josla) 0.7488
EPIChla 45 Eikalipta pigmenta indekss hlorofilam a 0,0161 * (4. josla 3. josla * 5. josla) 0.7784
EPIChlab 45 Eikalipta pigmenta indekss hlorofilam a + b 0,0236 * (4. josla 3. josla * 5. josla) 0,7954
EPIClb 45 Eikalipta pigmenta indekss hlorofilam b 0,0337 * (4. josla 3. josla) 1.8695
EVI 14 Paaugstināts veģetācijas indekss 2,5 * 8. josla - 4. josla 8 + 6 * josla 4 - 7,5 * 2. josla + 1
EVI2 47 Paaugstināts veģetācijas indekss 2 2,4 * 8. josla - 4. josla 8. josla + 4. josla + 1
EVI2.2 48 Paaugstināts veģetācijas indekss 2.2 2,5 * 8. josla - 4. josla 8 + 2,4 * josla 4 + 1
GARI 49 Zaļā atmosfēras izturīgā veģetācijas indekss 8. josla - [3. josla - (2. grupa - 4. josla)] 8. josla - [3. josla + (2. josla - 4. josla)]
GBNDVI 50 Zaļš-zils normalizēts veģetācijas starpības indekss 8. josla - (3. josla + 2. josla) 8. grupa + (3. josla + 2. josla)
GDVI 51 Zaļās starpības veģetācijas indekss 8. josla - 3. josla
GEMI 52 Globālais vides monitoringa indekss n * (1 - 0,25 * n) - 4. josla - 0,125 1 - 4. josla
n = 2 * 5. josla 2 - josla 4 2 + 1,5 * 5. josla + 0,5 * 4. josla 5 + 5. josla + 0,5
GLI 53 Zaļo lapu indekss 2 * 3. josla - 5. josla - 2. josla 2 * 3. josla + 5. josla + 2. josla
GNDVI 49 Zaļais normalizētais veģetācijas indekss 8. josla - 3. josla 8. grupa + 3. josla
GNDVI2 49 Zaļā normalizētā veģetācijas starpība 2 7. josla - 3. josla 7. josla + 3. josla
GOSAVI 54. lpp Zaļā krāsā optimizēts veģetācijas indekss, kas pielāgots augsnei 8. josla - 3. josla 8. josla + 3. josla + 0,16
GRNDVI 55 Zaļš – sarkans normalizēts veģetācijas indekss 8. josla - (3. josla + 5. josla) 8. josla + (3. josla + 5. josla)
GVMI 56 Globālais veģetācijas mitruma indekss (8. josla + 0.1) - (12. josla + 0.02) (8. josla + 0.1) + (12. josla + 0.02)
Nokrāsa 57 Hue iedegums [2 * 5. josla - 3. josla - 2. josla 30,5 * (3. josla - 2. josla)]
IPVI 58 Infrasarkano staru veģetācijas indekss 8. josla 8. grupa + 5. grupa 2 (5. josla - 3. josla 5. josla + 5. josla + 1)
LCI 44 Lapu hlorofila indekss 8. josla - 5. josla 8. grupa + 4. josla
Maccion 59 Veģetācijas indekss, ko piedāvā Maccioni 7. josla - 5. josla 7. josla - 4. josla
MCARI 60 Modificēta hlorofila absorbcija atstarošanas indeksā [(5. josla - 4. josla) - 0,2 * (5. josla - 3. josla)] * 5. josla 4. josla
MCARI / MTVI2 61 MCARI / MTVI2MCARI / MTVI2
MCARI / OSAVI 62 MCARI / OSAVIMCARI / OSAVI
MCARI1 62 Modificēta hlorofila absorbcija refleksijas indeksā 1 1,2 * [2,5 * (8. josla - 4. josla) - 1,3 * (8. josla - 3. josla)]
MCARI2 62 Modificēta hlorofila absorbcija 2. atstarošanas indeksā 1,5 * 2,5 * (8. josla - 4. josla) - 1,3 * (8. josla - 3. josla) (2 * Bamd 8 + 1) 2 - (6 * 8. – 5. Josla 4) - 0,5
MGVI 63 Misras ierosinātais zaļās veģetācijas indekss - 0,386 * 3. josla - 0,530 * 4. josla + 0,535 * 6. josla + 0,532 * 8. josla
mNDVI 64 Modificēts normalizētais veģetācijas starpības indekss 8. josla - 4. josla 8. grupa + 4. josla - 2 * 2. josla
MNSI 63 Misra piedāvātais indekss nav šāds 0,404 * 3. josla + 0,039 * 4. josla - 0,505 * 6. josla + 0,762 * 8. josla
MSAVI 65 Modificēts veģetācijas indekss, kas pielāgots augsnei 2 * josla 8 + 1 - (2 * josla 8 + 1) 2 - 8 * (8. josla - 5. josla) 2
MSAVI2 65 Modificēts augsnes koriģētais veģetācijas indekss 2 2 * 8. josla + 1 - (2 * 8. josla + 1) 2 - 8 * (8. josla - 4. josla) 2
MSBI 63 Misras piedāvātais augsnes spilgtuma indekss 0,406 * 3. josla + 0,600 * 4. josla + 0,645 * 6. josla + 0,243 * 8. josla
MSR670 66 Pārveidota vienkāršā attiecība 670/800 8. grupa 4. josla - 1 josla 8. josla 4 + 1
MSRNir / sarkans 67 Modificēta vienkāršā attiecība NIR / sarkana 8. josla 5. josla - 1 josla 8. josla 5 + 1
MTVI2 62 Modificēts trīsstūra veģetācijas indekss 2 1,5 * 1,2 * (8. josla - 3. josla) - 2,5 * (4. josla - 3. josla) (2 * Bamd 8 + 1) 2 - (6 * 8. – 5. Josla 4) - 0,5
NBR 68 Normalizēta starpība NIR / SWIR normalizēta sadegšanas attiecība 8. josla - 12. josla 8. grupa + 12. josla
ND774 / 677 69 Normalizēta starpība 774/677 7. josla - 4. josla 7. josla + 4. josla
NDII 70 Normalizēts starpības infrasarkanais indekss 8. josla - 11. josla 8. grupa + 11. josla
NDRE 71 Nenormalizēta sarkanās malas atšķirība 7. josla - 5. josla 7. josla + 5. josla
NDSI 72 Normalizēts sāļuma starpības indekss 11. josla - 12. josla 11. josla + 12. josla
NDVI 12 Normalizēts veģetācijas starpības indekss 8. josla - 4. josla 8. grupa + 4. josla
NDVI2 51 Normalizēts veģetācijas starpības indekss 2 12. josla - 8. josla 12. grupa + 8. josla
NGRDI 69 Normalizēts zaļās sarkanās starpības indekss 3. josla - 5. josla 3. josla + 5. josla
OSAVI 54, 73. lpp Optimizēts veģetācijas indekss, kas pielāgots augsnei 1,16 * 8. josla - 4. josla 8. josla + 4. josla + 0,16
PNDVI 55 Pan normalizēts veģetācijas starpības indekss 8. josla - (3. josla + 5. josla + 2. josla) 8. josla + (3. josla + 5. josla + 2. josla)
PVR 74 Fotosintētiskās spēka attiecība 3. josla - 4. josla, 3. josla + 4. josla
RBNDVI 55 Sarkanzilais normalizētais veģetācijas indekss 8. josla - (4. josla + 2. josla) 8. josla + (4. josla + 2. josla)
RDVI 75 Renormalizēts starpības veģetācijas indekss 8. josla - 4. josla 8. grupa + 4. josla
REIP 76 Sarkanās malas locīšanas punkts 700 + 40 * [(4. josla + 7. josla) - 5. josla 6. josla - 5. josla]
Rre 77 Reflectance at the inflexion point Band 4 + Band 7 2
SAVI 13 Soil adjusted vegetation index 1.5 * Band 8 − Band 4 Band 8 + Band 4 + 0.5
SBL 46 Soil background line Band 8 − 2.4 * Band 4
SIPI 78 Structure intensive pigment index Band 8 − Band 2 Band 8 − Band 4
SIWSI 79 Shortwave infrared water stress index Band 8 a − Band 11 Band 8 a + Band 11
SLAVI 80 Specific leaf area vegetation index Band 8 Band 4 + Band 12
TCARI 60 Transformed chlorophyll absorption ratio 3 * [ ( Band 5 − Band 4 ) − 0.2 * ( Band 5 − Band 3 ) ( Band 5 Band 4 ) ]
TCARI/OSAVI 73 TCARI/OSAVITCARI/OSAVI
TCI 43 , 81 Triangular chlorophyll index 1.2 * ( Band 5 − Band 3 ) − 1.5 * ( Band 4 − Band 3 ) * Band 5 Band 4
TVI 82 Transformed vegetation index NDVI + 0.5
VARI700 83 Visible atmospherically resistant index 700 Band 5 − 1.7 * Band 4 + 0.7 * Band 2 Band 5 + 2.3 * Band 4 − 1.3 * Band 2
VARIgreen 83 Visible atmospherically resistant index green Band 3 − Band 4 Band 3 + Band 4 − Band 2
VI700 84 Vegetation index 700 Band 5 − Band 4 Band 5 + Band 4
WDRVI 85 Wide dynamic range vegetation index 0.1 * Band 8 − Band 4 0.1 * Band 8 + Band 4

Classification Algorithm

All samples were divided into the following three groups using a stratified random sampling approach: training data (50%) for developing classification models, validation data (25%) for hyperparameter tuning, and test data (25%) for evaluation of classification accuracies 86 and Table 2 shows the numbers of fields of each crop type.


Fritz Kleinschroth and R. Scott Winton contributed equally to this work.

Piederības

Ecosystem Management, Institute of Terrestrial Ecosystems, Department of Environmental Systems Science, ETH Zurich, Universitätsstr. 16, 8092, Zurich, Switzerland

Fritz Kleinschroth & Jaboury Ghazoul

Institute of Biogeochemistry and Pollutant Dynamics, Department of Environmental Systems Science, ETH Zurich, Universitätsstr. 16, 8092, Zurich, Switzerland

R. Scott Winton, Elisa Calamita & Bernhard Wehrli

Surface Waters – Research and Management, Eawag, Swiss Federal Institute of Aquatic Science and Technology, 6047, Kastanienbaum, Switzerland

R. Scott Winton, Elisa Calamita & Bernhard Wehrli

VISTA Remote Sensing in Geosciences GmbH, Gabelsbergerstr. 51, 80333, Munich, Germany

Institute of Environmental Engineering, ETH Zurich, Stefano-Franscini-Platz 3, 8093, Zurich, Switzerland

Prince Bernhard Chair of International Nature Conservation, Ecology and Biodiversity, Department of Biology, Utrecht University, Utrecht, The Netherlands

Centre for Sustainable Forests and Landscapes, University of Edinburgh, Edinburgh, EH9 3JT, Scotland

Šo autoru varat meklēt arī PubMed Google Scholar

Šo autoru varat meklēt arī PubMed Google Scholar

Šo autoru varat meklēt arī PubMed Google Scholar

Šo autoru varat meklēt arī PubMed Google Scholar

Šo autoru varat meklēt arī PubMed Google Scholar

Šo autoru varat meklēt arī PubMed Google Scholar

Šo autoru varat meklēt arī PubMed Google Scholar

Corresponding authors