Kaukokartoitus on etämittausta, jossa informaatiota tutkitusta kohteesta saadaan ilman fyysistä kontaktia siihen. Esimerkiksi satelliitteihin, helikoptereihin ja miehittämättömiin lennokkeihin asennetut sensorit mahdollistavat laajojen alueiden tehokkaan kartoituksen. Niiden avulla pystytään tutkimaan myös kohteita, joissa in situ -menetelmät eivät ole mahdollisia esimerkiksi tutkitun alueen vaikeakulkuisuuden vuoksi. Aktiiviset kaukokartoituslaitteet sisältävät oman säteilylähteen, ja siten sekä lähettävät että vastaanottavat sähkömagneettista säteilyä. Passiivisissa kaukokartoitusmenetelmissä mitataan erillisestä säteilylähteestä (Auringosta) peräisin olevaa heijastunutta säteilyä. Sensorit vaihtelevat myös havainnoimiensa aallonpituuskaistojen lukumäärässä. Pankromaattiset sensorit mittaavat yhtä laajaa aallonpituuskaistaa ja tuottavat siten esimerkiksi mustavalkovalokuvia. Useampia rajattuja aallonpituuskaistoja samanaikaisesti mittaavilla laitteistoilla kyetään luomaan multi- ja hyperspektridataa. Onkin täysin tapauskohtaista, mikä sensori soveltuu parhaiten kartoittamaan tutkittua kohdetta. Useita kaukokartoitusmenetelmiä voidaan käyttää kasvillisuuden määrän ja laadun tutkimuksessa. Etenkin multi- ja hyperspektridata sisältää yksityiskohtaista informaatiota kartoitetun kasvipeitteen heijastusominaisuuksista. Dataa analysoimalla saadaan selville kasvilajeille ominaisia heijastusspektrejä. Kasvipeitteen heijastavuus riippuu kasvien kemiallisesta koostumuksesta, lehden morfologiasta sekä latvuston kolmiulotteisesta rakenteesta. Kasvilajien karakteristiset heijastusspektrit määritetään usein laboratorio-olosuhteissa, jotta kasvilajien tunnistaminen kaukokartoitusdatasta on mahdollista. Heijastusspektrien tuottaminen hyperspektridatan avulla vaatii kuitenkin paljon resursseja. Kasvillisuusindeksit ovat kasvillisuuden määrän ja laadun mittareita, joiden määrittämistä varten riittää muutaman oleellista informaatiota sisältävän aallonpituuskaistan mittaus. Niiden avulla kyetään arvioimaan kasvillisuuden elinvoimaisuutta sekä esimerkiksi seuraamaan kasvitautien leviämistä. Laajimmin käytössä on normalisoitu kasvillisuusindeksi NDVI, joka vertaa punaisen valon aallonpituuskaistan ja lähi-infrapunakaistan heijastavuuksia. Kasvillisuusindeksejä kehitetään ja parannellaan jatkuvasti haluttujen ominaisuuksien tarkan ilmentämisen mahdollistamiseksi. Kasvillisuuden tutkimukseen sopivia kaukokartoitusmenetelmiä ovat myös muun muassa lidar eli lasermittaus sekä termisen infrapunasäteilyn mittaamiseen perustuva lämpökartoitus. Lidar on laajalti käytössä esimerkiksi metsien puiden korkeuden arvioinnissa ja latvuston rakenteen mallintamisessa. Infrapunasäteilyn emittoitumiseen perustuvat kasvillisuuden kaukokartoitusmenetelmät vaativat vielä lisätutkimuksia, mutta niiden avulla voidaan havaita esimerkiksi stressin aiheuttamat muutokset kasvien pintalämpötiloissa. Tässä kandidaatintyössä on esitelty tutkimustuloksia, joissa on arvioitu erilaisten kaukokartoitusmenetelmien soveltuvuutta kasvillisuuden määrän ja laadun monitoroinnissa.
| Identifer | oai:union.ndltd.org:oulo.fi/oai:oulu.fi:nbnfioulu-201703311417 |
| Date | 31 March 2017 |
| Creators | Keto, K. (Katriina) |
| Publisher | University of Oulu |
| Source Sets | University of Oulu |
| Language | Finnish |
| Detected Language | Finnish |
| Type | info:eu-repo/semantics/bachelorThesis, info:eu-repo/semantics/publishedVersion |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess, © Katriina Keto, 2017 |
Page generated in 0.0027 seconds