हंगामनिहाय उपग्रह निरीक्षणांमुळे झुडपांच्या विस्ताराचे नकाशांकन सुधारले

चायनीज अकॅडमी ऑफ सायन्सेसच्या एरोस्पेस इन्फॉर्मेशन रिसर्च इन्स्टिट्यूटमधील संशोधकांनी वाढीच्या संपूर्ण हंगामात गोळा केलेल्या उपग्रह प्रतिमांचा वापर करून इनर मंगोलियातील गवताळ प्रदेशांमधील झुडपांचे आच्छादन नकाशावर दाखवण्याची पद्धत विकसित केली आहे. एकाच उपग्रह प्रतिमेतून वेगळे ओळखणे कठीण ठरू शकणारी पसरत जाणारी झुडपे आणि दाट गवत यांच्यात फरक करणे हा या दृष्टिकोनाचा उद्देश आहे.

अर्ध-शुष्क गवताळ प्रदेशांमध्ये झुडपांचा विस्तार हा एक महत्त्वपूर्ण पर्यावरणीय बदल आहे. लाकडी स्वरूपाच्या वनस्पती गवतप्रधान भागांत विस्तारल्यास त्या वनस्पती समुदायांमध्ये बदल घडवून आणू शकतात आणि पशुधनासाठी उपलब्ध असलेल्या चाऱ्यावर परिणाम करू शकतात. हा बदल लवकर ओळखणे विशेषतः आव्हानात्मक आहे, कारण तरुण झुडपे विरळ आणि लहान असू शकतात. त्यामुळे स्वतंत्र उपग्रह पिक्सेलमध्ये झुडपे, गवत आणि उघडी माती यांचे मिश्रण नोंदवले जाते.

सूक्ष्म तपशील आणि हंगामी बदल यांचा संगम

या पथकाने उत्तर चीनमधील इनर मंगोलिया स्वायत्त प्रदेशातील शिलिनहॉटजवळ या दृष्टिकोनाची चाचणी घेतली. त्यांनी 3 मीटर स्थानिक विभेदन असलेल्या PlanetScope प्रतिमा U-Net डीप-लर्निंग मॉडेलसोबत जोडल्या. संशोधकांनी झुडपांच्या आच्छादनाचे आपले अंदाज ड्रोन सर्वेक्षणे आणि अतिउच्च-विभेदनाच्या प्रतिमांशी पडताळले.

सूक्ष्म स्थानिक तपशील महत्त्वाचा होता, कारण त्यामुळे मॉडेलला झुडपांच्या पट्ट्यांचे आकार ओळखता आले. मात्र, वेळेचा घटक जोडणे हा अभ्यासाचा मुख्य फायदा ठरला. संशोधकांनी वाढीच्या हंगामात 15 दिवसांच्या अंतराने केलेली निरीक्षणे समाविष्ट केली. त्यामुळे झुडपे आणि गवत यांच्या वाढीच्या वेळेतील फरकांचा वापर मॉडेलला करता आला.

एकाच कालखंडातील प्रतिमांवर आधारित अंदाजांच्या तुलनेत, हंगामनिहाय निरीक्षणांमुळे मॉडेलने स्पष्ट केलेल्या झुडपांच्या आच्छादनातील बदलांचे प्रमाण, R² म्हणून मोजले असता, सुमारे 17% वाढले. प्रत्येक वेळी एका पिक्सेलच्या आधारे आच्छादनाचा अंदाज घेणाऱ्या पद्धतींपेक्षा या पद्धतीने तुटक झुडपांचे पट्टेही अधिक प्रभावीपणे जतन केले.

Researchers Use Seasonal Satellite Imagery to Map Shrub Encroachment in Inner Mongolia Grasslands
U-Net वापरून PlanetScope प्रतिमांमधून आणि XGBoost वापरून Sentinel-2 प्रतिमांमधून अंदाजित केलेले झुडपांचे आच्छादन. श्रेय: AIRCAS

लवकर ओळख करणे अजूनही कठीण का आहे

या निष्कर्षांमुळे समस्येतील सर्वात कठीण भाग दूर होत नाही. मॉडेलच्या प्रशिक्षणातून वगळलेल्या भूखंडांसाठी अंदाज कमी विश्वासार्ह होते आणि विरळ झुडपे ओळखणेही कठीण राहिले. ही मर्यादा महत्त्वाची आहे, कारण विखुरलेली झुडपे बहुतेकदा विस्ताराचे सर्वात सुरुवातीचे लक्षण असतात. बदलत्या वनस्पतींचे निरीक्षण किंवा त्यावर प्रतिसाद देण्यासाठी जमीन व्यवस्थापकांकडे सर्वाधिक संधी असण्याचा हा टप्पा असू शकतो.

तरीही, वारंवार केलेली निरीक्षणे अधिक स्पष्ट अशा एकाच प्रतिमेपलीकडे जाऊन उपयुक्त पर्यावरणीय माहिती देऊ शकतात, हे या कामातून दिसून येते. एखाद्या क्षणी गवत आणि झुडपे सारखी दिसू शकणाऱ्या भूप्रदेशांमध्ये त्यांच्या हंगामी वाढीचे नमुने अधिक स्पष्ट संकेत देऊ शकतात. हे निष्कर्ष International Journal of Digital Earthमध्ये प्रकाशित झाले.

गवताळ प्रदेश व्यवस्थापनासाठी निरीक्षण साधन

जमीन व्यवस्थापकांसाठी अधिक विश्वासार्ह झुडपांच्या आच्छादनाचे नकाशे अर्ध-शुष्क कुरणांमधील बदलांचा मागोवा घेण्यास मदत करू शकतात. यात चाऱ्याची उपलब्धता चिंतेचा विषय असलेल्या क्षेत्रांचाही समावेश आहे. पारंपरिक पद्धतींनी ओळखणे कठीण असलेल्या तुटक वनस्पती नमुन्यांचे निरीक्षण करण्यासाठी स्थानिक विभेदन, टाइम-सीरीज डेटा आणि मशीन लर्निंग यांची सांगड घालून उच्च-वारंवारतेच्या व्यावसायिक उपग्रह प्रतिमांचा व्यापक उपयोग कसा करता येतो, हेही अभ्यास दर्शवतो.

झुडपांचे आच्छादन कमी असलेल्या भागांत कामगिरी सुधारणे हे पुढचे आव्हान असेल. त्या सुरुवातीच्या, विरळ टप्प्यांमध्ये अधिक मजबूत अंदाज मिळाल्यास झुडपांचे पट्टे मोठ्या प्रमाणावर पसरण्यापूर्वी विस्तार ओळखण्यासाठी ही प्रणाली अधिक उपयुक्त ठरेल, असे संशोधकांनी नमूद केले आहे.

हा लेख Phys.orgच्या वृत्तांकनावर आधारित आहे. मूळ लेख वाचा.

Originally published on phys.org