请留言
slayt1

Global Vision Medya Odak Noktası

Şirket, CCTV'de toplam 15 kez yer aldı ve parti medyası, merkezi medya ve yerel resmi medya aracılığıyla toplam 50 milyon kişiye ulaştı.

0101
Haber Kategorileri

Uzay tabanlı hiperspektrometreye dayalı olarak güneş ışığı kaynaklı klorofil floresansının tespiti ve uygulaması

2025-04-18

1 (3).jpg

Şekil 1. 8 Nisan 2025 tarihi itibariyle Kuzey Nijerya, Afrika'daki SIF dağılımı.

Şu anda, güneş ışığı kaynaklı klorofil floresansı (SIF) verilerinin çoğu, seyrek mekansal kapsama sahip ayrık nokta biçimindedir.

Güneş ışığı kaynaklı klorofil floresansının daha yüksek uzamsal çözünürlükle görüntülenmesi konusunda mevcut uydu platformundaki bir boşluğu doldurmayı umarak, 0,48 nm spektral çözünürlüğe sahip bir hiperspektral cihaz kullanarak yüksek çözünürlüklü klorofil floresans araştırması gerçekleştirdik.

Tablo 1. SIF algılama yeteneğine sahip bazı uzay tabanlı sensörlerin temel performans göstergeleri

1 (2).png

*Referans: Zhang, Lifu; Wang, Siheng; Huang, Changping. 2018. Güneş kaynaklı klorofil floresansı için uydu uzaktan algılama tersine çevirme yöntemi. Uzaktan Algılama Dergisi, 22(1): 1-12

SIF Hesaplama Temelleri

Bitkiler tarafından emilen ışık enerjisinin bir kısmı fotosentez için kullanılmaz, bunun yerine uzun dalga boylarında floresans olarak yayılır. Klorofil floresansı, bitkilerin kırmızı ve uzak kırmızı ışık bölgelerinde (650-800 nm) bulunur. Fotosentezin bir yan ürünü olarak floresans, fotosentez mekanizmasıyla organik olarak bağlantılıdır ve bitkilerin fotosentetik kapasitesini doğrudan yansıtabilir.

Floresans, bitki örtüsünün görünür yansıma özelliğine katkıda bulunur; 685 ve 760 nm'deki yansıma tepe noktaları, nanometre altı çözünürlüklü bir spektrometre kullanılarak gözlemlenebilir. 685 nm'de floresans, görünür yansımaya %10-20 oranında katkıda bulunurken, 740 nm'de %2-6 oranında katkıda bulunur.

Bitki örtüsünün kırmızı sınır bölgesinde (650-800 nm), floresans görünür yansımaya katkıda bulunur.

SIF'in bitki örtüsü indekslerine göre avantajları: Yansımaya dayalı bitki örtüsü indeksleri, çevresel anormalliklerin ilk aşamalarında anormal bitki örtüsü büyümesinin erken belirtilerini gecikmeli olarak yakalayamaz. Öte yandan SIF, anormallikleri daha hassas bir şekilde tespit edebilir.

123 (2).png

Şekil 2. Fraunhofer ve Fehème'nin gizli hatlarının konumu

Fraunhofer karanlık çizgi doldurma yöntemi: Atmosferik soğurma nedeniyle, güneş spektrumu Fraunhofer karanlık çizgileri olarak bilinen birçok ince karanlık çizgi içerir. Floresans sinyalleri, güneş spektrumu tarafından zayıflatılan belirli dalga boylarında niceliksel olarak ölçülebilir.

Güneş radyasyonunun kırmızı ve yakın kızılötesi bölgelerde üç ana soğurma bandı vardır: 656,3 nm'deki Hα çizgisi (atmosferik hidrojen soğurması ile temsil edilir) ve Dünya atmosferindeki 687 nm ve 760 nm'deki O2 soğurma çizgileri. Bu bantlar tipik olarak klorofil floresans emisyon spektrumu ile örtüşür. Floresans uzaktan algılama teknolojisi, güneş radyasyonu spektral çizgilerinin derinliğini bitki radyasyonu spektral çizgilerinin derinliğiyle karşılaştırarak, kısa dalga boylu uyarım ile yayılan floresans miktarını ölçerek bir Fraunhofer "kuyusunu" belirli bir ölçüde doldurur. Bir Fraunhofer "kuyusu", belirli bir dalga boyu bandındaki bir soğurma çizgisini temsil eder ve bir "kuyu"ya benzer.

Fraunhofer karanlık çizgisindeki ve bitişik spektral bölgelerdeki bitki örtüsünün spektral yansıma katsayısı R'nin eşit olduğu varsayılarak, Fraunhofer karanlık çizgisindeki ve bitişik spektral bölgelerdeki bitki örtüsünün floresans yoğunluğu f aşağıdaki formül kullanılarak hesaplanır:

123 (3).png

123 (1).png

Şekil 3. Fraunhofer koyu çizgi floresans algılama prensibi

a, b: Fraunhofer karanlık çizgisi ve bitişik spektral bölgelerde referans plakası kullanılarak ölçülen güneş ışınımı spektrumunun yoğunluğu.

c, d: Fraunhofer karanlık çizgisi ve bitişik spektral bölgelerde bitki örtüsü tarafından yansıtılan ışınım spektrumunun yoğunluğu.

λ0: Fraunhofer karanlık çizgisinin merkez dalga boyu.

R, floresanstan bağımsız olduğundan, klorofil floresansı, Fraunhofer karanlık çizgi bandındaki spektral yansıma, güneş ışınımı ve bitki örtüsü yansıması ölçülerek kolayca belirlenebilir.

Farklı bitki türleri ve koşulları, FLD tarafından hesaplanan 760nm ve 687nm'deki göreceli floresans yoğunluğu değerlerinin farklı oranlarına yol açar; bu oranlar bitkilerin fizyolojik durumunu değerlendirmek için temel olarak kullanılabilir.

Veri Örneği

52. (2).png

Şekil 4. Bitki örtüsü piksel spektrumuna örnek

52. (1).png

Şekil 5. O2A absorbsiyon tepe noktası

Yukarıdaki görüntü, 04 numaralı uydunun tipik bitki örtüsü spektrumunu göstermektedir. 687 nm civarında bir O2B soğurma tepe noktası, 760 nm civarında bir O2A soğurma tepe noktası ve 720 nm civarında bir H2O soğurma tepe noktası gözlemlenebilir. Standart Fraunhofer soğurma spektrumu ile karşılaştırıldığında, spektral konumlar doğrudur ve spektral kaymanın etkisi ihmal edilebilir düzeydedir (

SIF hesaplaması

Geliştirilmiş Spline İnterpolasyonu Fraunhofer Koyu Çizgi Doldurma Yöntemi (iFLD)

Fraunhofer karanlık çizgi doldurma yöntemi (FLD) temel alınarak, referans bantların ve bitişik bantların seçiminde iyileştirmeler yapıldı. Absorpsiyon tepe genişliğine göre toplam 8 bant seçildi ve arka plan spektrumuna uyum sağlamak için spline fonksiyonları kullanıldı.

1 (4).png

Şekil 6. Uyum için kullanılan bant aralığı

1 (5).png

Şekil 7. Spline fonksiyonu uydurma ve enterpolasyon sonuçları (Piksel 1, 2 ve 3 sırasıyla çalı, tarım arazisi ve bina piksellerini temsil etmektedir).

Yukarıdaki şekilde gösterildiği gibi, kesikli çizgi, O2A absorpsiyon tepe noktasına yakın sekiz bant kullanılarak elde edilen uyum sonuçlarını temsil etmektedir. 211 ve 212 bantları O2A absorpsiyon tepe noktasının her iki tarafında yer aldığından, ortalama değer olan 760,43195 nm, SIF'den etkilenen radyasyon değeri ve aynı zamanda spline fonksiyonu uyumu için hedef dalga boyu olarak kullanılmıştır. Yukarıdaki şekilde, ikinci dereceden fonksiyonun alt kısmında, orijinal spektral değer ile spline fonksiyonu ile elde edilen değer arasındaki fark, SIF tarafından doldurulan kısımdır ve bu da SIF yoğunluğudur.

Gerçek arazi koşullarına bağlı olarak, Pixel 1'deki çalılık alanlarının bitki örtüsü, tarım arazilerine göre önemli ölçüde daha düşüktür ve fotosentez yoğunluğu da bitkilerin en verimli büyüme dönemindeki yoğunluğundan daha düşüktür. Bu nedenle, SIF değeri Pixel 1'deki tarım arazilerine göre önemli ölçüde daha düşüktür. Yerleşim alanı olan Pixel 3, yalnızca az miktarda peyzaj ve yeşil ağaç içermesi nedeniyle en düşük SIF değerine sahiptir.

SIF Sonuç Doğrulama

1 (6).jpg

Şekil 8. Farklı soğ soğurma bantları için hesaplama sonuçlarının karşılaştırılması

Yukarıdaki şekil, farklı bant konumları kullanılarak elde edilen SIF sonuçlarını göstermekte ve bunları aynı Sentinel-2 verilerinden elde edilen NDVI ile karşılaştırmaktadır. Görüldüğü gibi, O2A bandını kullanan SIF en az gürültüye sahiptir ve veri dağılımı NDVI'ninkine yakındır. Daha sığ emilim derinliği nedeniyle O2B bandı önemli ölçüde gürültü göstermektedir, ancak yine de bir dağılım eğilimi ayırt edilebilir. SIF dışı karakteristik bantlardan hesaplanan sonuçlar neredeyse hiçbir yararlı bilgi sağlamamaktadır. Bu karşılaştırma, yöntemimizin etkinliğini göstermektedir.

Uygulama Örnekleri

1 (7).jpg

Şekil 9. Tarım arazileri ve ormanlık alanlarda SIF'nin dağılım haritası

1 (8).jpg

 Şekil 10. Tarım Arazileri ve Ormanlık Alanların NDVI Dağılım Haritası 

1 (9).jpg

Şekil 11. Tarım arazisi alanında NDVI'nin yüksek çözünürlüklü dağılım haritası

1 (10).png

Şekil 12. Tarım ve orman bölgelerindeki kök bölgesi toprak nemi ve yağış miktarının istatistiksel karşılaştırması.

Yukarıda bahsedilen orman ve tarım alanlarındaki SIF değerleri önemli farklılıklar göstermekte ve NDVI dağılımından biraz farklılık göstermektedir. Tarım alanında, sentinel görüntüsünün orijinal çözünürlüğü 10 metre olduğundan, SIF çözünürlüğüne uyacak şekilde yeniden örnekleme yapıldıktan sonra, sol alt tarım alanındaki bitki örtüsü ve toprağın karışımı genel NDVI değerini düşürmüştür. Bununla birlikte, tarım alanındaki yüksek SIF fenomeni SIF sonuçlarında açıkça gözlemlenmektedir. Dağlık arazisi ve çoğunlukla alçak çalılar ve bazı ağaçlardan oluşan bitki örtüsüyle orman alanı, tarım alanına göre daha düşük bir bitki örtüsüne sahip olup, bu da önemli ölçüde daha düşük bir SIF değerine yol açmaktadır. Ayrıca, yukarıdaki istatistiksel grafiklere göre, Mart ayından sonra her iki alanda da yağış azalmış ve bu da toprak neminde önemli bir düşüşe neden olmuştur; orman alanındaki düşüş, tarım alanına göre daha fazladır. Tarım alanında genellikle sulama olanakları bulunurken, dağlık alanda genellikle bulunmadığından, orman alanının kuraklık stresi yaşıyor olabileceği ve bunun da SIF'te daha fazla düşüşe yol açabileceği tahmin edilmektedir. Bu, NDVI'ye kıyasla SIF'in bitki stresi olaylarını daha hassas bir şekilde gözlemleyebildiğini ve stresli alanları belirleyebildiğini, böylece ekolojik çevre değerlendirmesi ve hassas tarım için daha güçlü bir araç sağladığını göstermektedir.