Satelitski monitoring deforestacije i promena pokrova tla — Landsat, Sentinel, NDVI i GFC

Do pre tridesetak godina, praćenje promena šumskog pokrova na regionalnom ili globalnom nivou zavisilo je od skupih terenskih inventura, ograničenih u prostornom obimu i vremenskoj frekvenciji. Danas, arhive satelitskih snimaka koje sežu do 1972. godine — kada je lansiran Landsat 1, prvi u nizu satelita koji je kontinuirano posmatrao Zemljinu površinu — omogućavaju rekonstrukciju promena pokrova tla s vremenskim razlučivanjem od dana i prostornim razlučivanjem koje se kreće od nekoliko metara do kilometara, za bilo koju tačku na planeti i za period od više od pola veka.

Satelitski monitoring deforestacije i promena pokrova tla jedna je od najvažnijih i najistraživanijih primena daljinske detekcije u ekologiji i zaštiti životne sredine. Za Balkan i Srbiju, ova metodologija nije apstraktna akademska alatka — ona je direktno primenljiva na praćenje nezakonite seče, identifikaciju erodovanih zona, procenu oporavka vegetacije posle požara, mapiranje invazivnih vrsta i monitoring biodiverziteta šumskih staništa. Student koji savlada osnove ovog pristupa stiče kompetenciju koja je direktno tražena u institucijama za zaštitu životne sredine, šumarskim agencijama i istraživačkim ustanovama.

Landsat i Sentinel: arhitekttura satelitskog posmatranja

Landsat program NASA/USGS — koji je od 1972. do danas bez prekida posmatrao Zemlju kroz seriju satelita od Landsat 1 do Landsat 9 — najdugovečniji je i najistraživaniji program daljinskog posmatranja u istoriji. Landsat 8 i 9, koji su trenutno operativni, nose Operational Land Imager (OLI) koji snima u 11 spektralnih kanala s prostornim razlučivanjem od 30 m za multispektralne i 15 m za pankromatski kanal, i Thermal Infrared Sensor (TIRS) za termalne kanale. Revizitni period je 16 dana za jedan satelit, ali kombinacijom Landsat 8 i 9 postiže se 8-dnevno pokriće.

Copernicus Sentinel-2 program Evropske svemirske agencije — lansiran 2015. (Sentinel-2A) i 2017. (Sentinel-2B) — projektovan je eksplicitno za monitoring kopnene površine i vegetation. MultiSpectral Instrument (MSI) snima u 13 spektralnih kanala, s prostornim razlučivanjem od 10 m za RGB i NIR kanale, 20 m za red-edge i SWIR kanale i 60 m za atmosferske korekcionе kanale. Revizitni period za jedan satelit je 10 dana, ali kombinacijom dva satelita i inklinacijom orbite, efektivni revizitni period na ekvatoru je 5 dana, a na višim geografskim širinama (kao što je Balkan, ~45°N) svega 2–3 dana. Sve Sentinel-2 scene distribuiraju se besplatno kroz Copernicus Open Access Hub — što ih čini demokratiziranom platformom za istraživanje.

Visina prostornog razlučivanja nije jedini kriterijum izbora satelitske platforme — spektralna pokrivenost i temporalna frekvencija jednako su važni. Za detekciju deforestacije, temporal frekvencija (koliko često imamo oblačnost-slobodne snimke) može biti limitirajući faktor posebno u klimatima s visokom učestalošću oblaka. Fusion pristup — kombinacija Landsat i Sentinel-2 snimaka u sintetičke vremenski guste serije korišćenjem algoritama poput STARFM ili ESTARFM — postaje standard koji eksploatiše prednosti oba sistema i daje gušće vremenski serije od bilo kojeg pojedinačnog sistema.

Vegetacioni indeksi: od piksela do ekološkog signala

Spektralna reflektansa zdravog biljnog tkiva ima karakteristični oblik koji je fizikalno uzrokovan pigmentnom apsorpcijom i strukturom lista: visoka apsorpcija u crvenom delu spektra (600–700 nm, chlorofil a i b), niska reflektansa u zelenom (oko 550 nm, odatle zelena boja lišća), i dramatično visoka reflektansa u bliskom infracrvenom (NIR, 700–1300 nm, usled višestrukog rasipanja u mezofilnim ćelijama). Ova razlika između crvene i NIR reflektanse osnova je za kalkulaciju vegetacionih indeksa koji kvantifikuju fotosintetski aktivnu biomasu.

Normalized Difference Vegetation Index (NDVI) je najistraživaniji i najikorišteniji vegetacioni indeks: NDVI = (NIR − Red) / (NIR + Red). Vrednosti variraju od −1 (voda, sneg) do +1 (gusta, zdrava vegetacija), s tipičnim vrednostima za šume između 0,6 i 0,9 u vegetacionoj sezoni. NDVI je posebno koristan za praćenje sezonske dinamike vegetacije (fenologije) i za detekciju stresa ili gubitka vegetacije kroz vreme. Rouse i saradnici (1973, u: Third Earth Resources Technology Satellite Symposium) originalno opisuju NDVI u prvoj primeni na Landsat MSS snimcima, i taj rad ostaje jedan od najcitiranijih u istoriji daljinske detekcije.

Pored NDVI, razvijeni su specijalizovani indeksi koji su optimizovani za specifičan signal ili koji su manje osetljivi na određene izvore greške. Enhanced Vegetation Index (EVI) koriguje efekte atmosfere i zasićenja u gustim šumskim pokrivačima gde NDVI zasićuje pri visokim vrednostima biomase. Normalized Difference Water Index (NDWI) koristi NIR i SWIR kanale za detekciju vodenog stresa vegetacije. Red-Edge Chlorophyll Index (CIre) eksploatiše red-edge region spektra (700–740 nm) koji je posebno osetljiv na sadržaj hlorofila i koji je dostupan na Sentinel-2 ali ne i na Landsat.

Spektralne mešavine — piksel koji u 30-metarnoj Landsat ili 10-metarnoj Sentinel rezoluciji sadrži više od jednog tipa pokrova (delimično posečena šuma, mozaik zasada i gole njive) — limitiraju tačnost vegetacionih indeksa i zahtevaju pristupe spektralnog mešanja (Spectral Mixture Analysis) za preciznije kvantifikovanje parcijalnog pokrova.

Global Forest Change i automatizovana detekcija deforestacije

Globalna karta promena šumskog pokrova — Global Forest Change (GFC) dataset — revolucionisala je mogućnost kvantifikovanja deforestacije na globalnom nivou. Hansen i saradnici (2013, Science) obradili su sve Landsat 7 snimke od 2000. do 2012. (više od 650.000 scena) korišćenjem distribuiranog računanja na Google Earth Engine platformi i producirali globalnu kartu gubitka i dobitka šumskog pokrova na 30-metarnoj rezoluciji. Ova studija, update-ovana godišnje na Global Forest Watch portalu, postala je standardni referentni dataset za monitoring deforestacije koji koriste vladin, nevladin i istraživački sektor širom sveta.

GFC dataset pokazuje da je između 2000. i 2020. izgubljeno oko 411 miliona hektara šumskog pokrova globalno — od čega je najveći deo u tropima (Amazona, Kongo, Borneo), ali sa znatnim gubicima i u borealnim i temperaturnim šumama. Za Balkan, GFC analiza identifikuje kontinuirane, niske ali merkljive gubitke šumskog pokrova koji su parcijalno vezani za legalnu i nelegalnu seču, ali i za prirodne uzroke (požari, vjetrolomovi, suša).

Automatizovana detekcija promena korišćenjem vremenskih serija satelitskih snimaka — pristup poznat kao Time Series Change Detection — nadilazi jednostavno poređenje dve slike i analizira statistička odstupanja od sezonske norme u dugim vremenskim serijama. CCDC (Continuous Change Detection and Classification) algoritam, razvijen od strane Zhu i Woodcock (2014, Remote Sensing of Environment), modelira normalnu sezonsku varijaciju NDVI i spektralne reflektanse i automatski detektuje trajne promene koje se ne mogu objasniti normalnom fenolosškom varijabilnošću. Ova metodologija posebno je vredna za detekciju gradualnih promena — polaganog opadanja gustine krošnje zbog suše ili insektnih napada — koje jednostavno bi-temporalne analize ne detektuju.

Google Earth Engine (GEE) — oblačna platforma koja pruža petabajte arhive satelitskih snimaka i API za analizu direktno na serverima bez potrebe za preuzimanjem podataka — demokratizirala je pristup satellite analizi deforestacije. Student s Python ili JavaScript znanjem i pristupom GEE može u nekoliko sati analizirati promene šumskog pokrova za čitavu Srbiju korišćenjem kompletnih Landsat i Sentinel-2 arhiva, što bi pre GEE zahtevalo terabajte lokalnog skladišta i tjedne procesiranja.

Primena u srpskom kontekstu: šume koje nestaju bez evidencije

Srbija ima procenjenih 31% pošumljenosti teritorije (oko 2,5 miliona ha šuma i šumskog zemljišta prema podacima Ministarstva poljoprivrede), ali tačnost ove cifre i prostorna distribucija promena su nedovoljno praćeni kontinuiranim satelitskim monitoringom na nivou koji bi bio komparabilan sa EU standardima.

Istraživanja koja su primenila GFC dataset i Sentinel-2 analizu na Srbiju identifikovala su zone konzistentnog gubitka šumskog pokrova u planinskim oblastima — Zlatiboru, Tari, Kopaoniku i Staroj planini — koji se ne može u celosti objasniti legalnom seČom prema dostupnim podacima šumarskih gazdinstvava. Razlika između legalno zabeleženih i satelitski detektovanih sečišta potencijalni je signal nelegalne aktivnosti koji zaslužuje sistematsku institucionalnu pažnju.

Invazivne vrste vidljive su iz svemira. Ailanthus altissima (bagrem kineski) i Robinia pseudoacacia (bagrem) formiraju šumske zajednice s karakterističnim spektralnim potpisom koji je razlicit od autohtonih hrastovih i bukovih šuma — i koji se može kartirati iz Sentinel-2 snimaka korišćenjem klasifikacionih algoritama mašinskog učenja. Pionirske studije ove metodologije na Balkanu otvaraju mogućnost sistematskog praćenja širenja invazivnih šumskih vrsta koje je trenutno moguće samo skupim terenskim inventurama.