कच्छ वनस्पति

ग्लोबल मैंग्रोव वॉच प्लेटफॉर्म वैश्विक स्तर पर मैंग्रोव सीमा के सबसे पूर्ण और अप-टू-डेट मानचित्र तक पहुंच प्रदान करता है। रिमोट सेंसिंग डेटा से इस मानचित्र को बनाने के लिए उपयोग की जाने वाली कार्यप्रणाली का सारांश नीचे दिया गया है। पूर्ण विवरण के लिए देखें बंटिंग एट अल। 2018.

ऑस्ट्रेलिया के ऑर्फियस द्वीप पर मैंग्रोव का पेड़। क्रेडिट: मैट कर्नॉक / ओशन इमेज बैंक
मैंग्रोव ढूँढना
मैंग्रोव का नक्शा बनाने के लिए, पहला कदम केवल उन क्षेत्रों को लक्षित करना है जहां मैंग्रोव हो सकते हैं। मैंग्रोव आवास की विशेषताओं का उपयोग करके, गैर-तटीय और गैर-उष्णकटिबंधीय क्षेत्रों में से अधिकांश को हटाया जा सकता है। विधियों के संयोजन का उपयोग किया जाता है:
- मौजूदा मैंग्रोव मानचित्रों के आधार पर उन क्षेत्रों को लक्षित करें जहां मैंग्रोव के मौजूद होने की संभावना है
- NASA शटल रडार टोपोग्राफी मिशन (SRTM) के उन्नयन डेटा का उपयोग करते हुए, मैंग्रोव आवास परत बनाने के लिए निचले तटीय क्षेत्रों के ऊपर के क्षेत्रों को बाहर करें
- तटीय जल मास्क का उपयोग करते हुए, शुष्क भूमि वाले क्षेत्रों को बाहर करें।
रिमोट सेंसिंग इमेज प्राप्त करें
एक बार रुचि का क्षेत्र तैयार हो जाने के बाद, टीम दो अलग-अलग सेंसर से रिमोट सेंसिंग इमेज प्राप्त करती है: लैंडसैट 5 / लैंडसैट 7 से ऑप्टिकल सैटेलाइट इमेज और एएलओएस पलसर रडार से रडार सैटेलाइट इमेज। मेघ आवरण, ऋतुओं के अनुसार वनस्पतियों में अंतर और अन्य प्राकृतिक परिवर्तनों के कारण, 2009 और 2011 के बीच अलग-अलग समय पर ली गई कई छवियों का उपयोग एक ही क्षेत्र के लिए, सही करने, अंतराल को भरने और एक दूसरे के पूरक के लिए किया जाता है।

गैबॉन में डेल्टा की छवि को लैंडसैट और एएलओएस पलसर बैंड के विभिन्न बैंड संयोजनों का उपयोग करके देखा गया। इन रंग संयोजनों का उपयोग जलमग्न क्षेत्रों और मैंग्रोव की पहचान करने के लिए किया गया था। स्रोत: एल्डस एट अल। 2021
छवियों को संसाधित करना
एक बार चुने जाने के बाद, छवियों को संसाधित करने और प्रशिक्षण डेटा उत्पन्न करने के लिए तैयार हैं। ग्लोबल मैंग्रोव वॉच मैंग्रोव विस्तार मानचित्र के लिए, 128 मिलियन नमूनों का उपयोग प्रशिक्षण डेटा के रूप में किया गया था।
छवि वर्गीकरण
प्रशिक्षण डेटा उत्पन्न होने के बाद, छवि वर्गीकरण किया जाता है। मैंग्रोव विस्तार मानचित्रों के मामले में, वर्गीकरण रडार और ऑप्टिकल डेटा दोनों पर आधारित होता है और प्रत्येक पिक्सेल को मैंग्रोव या गैर-मैंग्रोव वर्ग का श्रेय दिया जाता है।
मान्यकरण
मैंग्रोव सीमा के परिणामी मानचित्र की त्रुटियों के लिए जाँच की जाती है, एक सत्यापन प्रक्रिया जो वर्गीकरण की तुलना मैंग्रोव की उपस्थिति या अनुपस्थिति के ज्ञात क्षेत्रों से करती है, जो आमतौर पर प्रशिक्षण डेटा से भिन्न होते हैं।
मैंग्रोव विस्तार का वार्षिक अद्यतन बनाना
हर साल मैंग्रोव विस्तार का एक नया नक्शा बनाने के लिए, ग्लोबल मैंग्रोव वॉच टीम ने एक प्रक्रिया बनाई है जो 2010 के मैंग्रोव सीमा मानचित्र के विरुद्ध परिवर्तनों की पहचान करती है। इस मैप-टू-इमेज चेंज डिटेक्शन मेथड का उपयोग किया जाता है क्योंकि एक नया मैप बनाने के लिए हर साल शायद ही कभी पर्याप्त इमेजरी उपलब्ध होती है और डेटा प्रोसेसिंग की मात्रा को कम करके टीम बहुत कम कम्प्यूटेशनल इनपुट के साथ तेजी से उत्पाद उत्पन्न कर सकती है।