Monitoring zieleni miejskiej z wykorzystaniem wskaźników NDVI i NDMI
Analiza czasowa w oparciu o zobrazowania satelitarne - Landsat 4-9 i Sentinel-2
Zakres analizy
Cel analizy
Ramy czasowe
Obszar badań
Metodologia
Cel analizy
Ramy czasowe
Obszar badań
Metodologia
Tereny zielone - krótki przegląd definicji
Definicja ,,terenów zieleni” potrafi bardzo się od siebie różnić, w zależności od autora, jego specjalizacji, czy punktu widzenia. Z pojęciem tym można spotkać się zarówno w literaturze naukowej, jak i polskim ustawodawstwie. Według artykułu 5, pkt. 21 ustawy o ochronie przyrody, ,,tereny zieleni to tereny urządzone wraz z infrastrukturą techniczną i budynkami funkcjonalnie z nimi związanymi, pokryte roślinnością, pełniące funkcje publiczne, a w szczególności parki, zieleńce, promenady, bulwary, ogrody botaniczne, zoologiczne, jordanowskie i zabytkowe, cmentarze, zieleń towarzysząca drogom na terenie zabudowy, placom, zabytkowym fortyfikacjom, budynkom, składowiskom, lotniskom, dworcom kolejowym oraz obiektom przemysłowym'” 2. Z powyższą definicją zgadza się Piątkowska, pisząc, że tereny zieleni, to obszary pokryte roślinnością niską, średnio wysoką lub wysoką, która jest świadomie wkomponowana w wydzielony i ukształtowany, zgodnie z planami zabudowy obszar miast i osiedli3. Podobnego zdania jest także Bartosiewicz, podkreślając, że tereny zieleni powinny mieć charakter ogólnodostępny10. W myśl przytoczonych definicji należy zauważyć, że zwracają one uwagę na dwie podstawowe cechy jakie powinny spełniać tereny zieleni. Po pierwsze – forma zorganizowana jaką wykazuje dany teren tj. kompleks lub zespół zieleni, a po drugie – jego przeznaczenie publiczne, a co za tym idzie – dostępność związana z pełnionymi przez nią funkcjami: rekreacyjnymi, estetycznymi, osłonowymi i zdrowotnymi. Bardziej przystępna definicja na poczet przeprowadzanej analizy została przedstawiona w Ustawie z dnia 14 grudnia 2012 r. o odpadach. Po pierwsze stosowany termin to ,,tereny zielone” a nie ,,tereny zieleni”. Pod pojęciem tym należy rozumieć nie tylko tereny zieleni zdefiniowane w art. 5 pkt 21 u.o.p., ale także wszelkie obszary pokryte roślinnością, tj. przydomowe ogródki, rodzinne ogródki działkowe oraz tereny pokryte zielenią przy szkole, urzędzie czy szpitalu 4.
Cel, zakres i metodologia badań
| Pasmo | Numer kanału | Długość fali | Rozdzielczość |
|---|---|---|---|
| RED | B03 | 630-690 nm | 30m |
| NIR | B04 | 760-900 nm | 30m |
| SWIR | B07 | 2080-2350 nm | 30m |
Tab. 1. Parametry wykorzystanych pasm dla obliczenia wskaźników NDVI, NDMI –
Landsat 4 – 5 TM.
Objaśnienia: RED – pasmo widzialne – czerwone, NIR – pasmo bliskiej podczerwieni, SWIR – pasmo krótkofalowej podczerwieni
Źródło: Opracowanie własne na podstawie danych USGS.
Landsat 4 - 5 TM
Czujnik Landsat Thematic Mapper (TM) znajdował się na pokładzie Landsat 4 i 5. TM zebrał dane w 7 pasmach widmowych: niebieskim, zielonym, czerwonym, bliskiej podczerwieni, średniej podczerwieni i termicznej podczerwieni widma elektromagnetycznego. Pasma widmowe charakteryzowały się 30-metrową rozdzielczością w przypadku kanałów od 1 do 5 i 7. Rozdzielczość przestrzenna dla pasma 6 (termiczna podczerwień) wynosiła 120 metrów, była ona jednak ponownie próbkowana do 30 m na piksel. W przypadku Landsat 4, zobrazowania dostępne są od lipca 1982 do grudnia 1993, natomiast dla Landsat 5 – od marca 1984 do maja 2012. Rewizyta satelity wynosiła 16 dni 5.
Landsat 7 ETM+
Landsat 7 został umieszczony na orbicie 15 kwietnia 1999 r. Na jego pokładzie znajduje się czujnik Enhanced Thematic Mapper (ETM+). Zapewnia on 7 pasm widmowych i 1 pasmo termiczne. Obrazy Landsat 7 charakteryzują się rozdzielczością przestrzenną 30 metrów dla pasm od 1 do 7. Rozdzielczość dla pasma 8 (panchromatycznego) wynosi 15 metrów. Czas pomiędzy kolejnymi przejściami nad tym samym obszarem wynosi 16 dni. W maju 2003 r. uszkodzony został jeden z sensorów ETM+. Awarii uległ korektor linii skanowania (SLC), w skutek czego, linia wzroku czujnika rysuje zygzakowaty wzór wzdłuż toru naziemnego satelity. W rezultacie obrazowany obszar jest powielany, a jego szerokość zwiększa się w kierunku krawędzi sceny. Podczas przetwarzania danych poziomu 1 zduplikowane obszary są usuwane, pozostawiając luki w danych. W związku z powyższym dane wykorzystane w niniejszej analizy pochodzą jedynie z lat 1999 – 2002 5.
| Pasmo | Numer kanału | Długość fali | Rozdzielczość |
|---|---|---|---|
| RED | B03 | 630-690 nm | 30m |
| NIR | B04 | 770-900 nm | 30m |
| SWIR | B07 | 2090-2350 nm | 30m |
Tab. 2. Parametry wykorzystanych pasm dla obliczenia wskaźników NDVI, NDMI –
Landsat 7 ETM+.
Objaśnienia: RED – pasmo widzialne – czerwone, NIR – pasmo bliskiej podczerwieni, SWIR – pasmo krótkofalowej podczerwieni
Źródło: Opracowanie własne na podstawie danych USGS.
| Pasmo | Numer kanału | Długość fali | Rozdzielczość |
|---|---|---|---|
| RED | B04 | 640-670 nm | 30m |
| NIR | B05 | 850-880 nm | 30m |
| SWIR | B07 | 2110-2290 nm | 30m |
Tab. 3. Parametry wykorzystanych pasm dla obliczenia wskaźników NDVI, NDMI –
Landsat 8 – 9
Objaśnienia: RED – pasmo widzialne – czerwone, NIR – pasmo bliskiej podczerwieni, SWIR – pasmo krótkofalowej podczerwieni
Źródło: Opracowanie własne na podstawie danych USGS.
Landsat 8 - 9
Landsat 8 i Landsat 9 wyposażone zostały w operacyjne urządzenia: Land Imager (OLI) i termiczny czujnik podczerwieni (TIRS). Dane dla Landsat 8 dostępne są od lutego 2013 r., natomiast w przypadku Landsat 9 – od stycznia 2022 r. Każdy z czujników zbiera obrazy Ziemi w 16-dniowym cyklu powtarzania, w odniesieniu do Światowego Systemu Odniesienia. Przejęcia każdej z satelity odbywają się z 8-dniowym przesunięciem. Pliki danych obrazu Landsat 8 – 9 składają się z 11 pasm widmowych o rozdzielczości przestrzennej 30 metrów dla pasm 1-7 i pasm 9-11 oraz 15 metrów dla pasma panchromatycznego 8 5.
Sentinel - 2
Sentinel-2 został wystrzelony 23 czerwca 2015 r., w ramach programu Komisji Europejskiej Copernicus. Misja ta składa się z konstelacji dwóch satelitów krążących po orbicie polarnej, umieszczonych na tej samej orbicie synchronicznej ze Słońcem, przesuniętych względem siebie pod kątem 180°. Satelita wyposażony jest w optoelektroniczny sensor wielospektralny do pomiarów o rozdzielczości od 10 do 60 m w zakresie widma widzialnego, bliskiej podczerwieni (VNIR) i krótkofalowej podczerwieni (SWIR), obejmującego 13 kanałów widmowych, co zapewnia uchwycenie różnic w stanie roślinności, w tym zmian czasowych, a także minimalizuje wpływ na jakość fotografii atmosferycznej. Obecność dwóch satelitów w misji umożliwia powtarzanie badań co 5 dni na równiku i co 2 – 3 dni na średnich szerokościach geograficznych 6.
| Pasmo | Numer kanału | Długość fali | Rozdzielczość |
|---|---|---|---|
| RED | B04 | 665 nm | 10 |
| NIR | B08 | 842 nm | 10 |
| SWIR | B11 | 1610 nm | 20 |
Tab. 4. Parametry wykorzystanych pasm dla obliczenia wskaźników NDVI, NDMI – Sentinel-2
Objaśnienia: RED – pasmo widzialne – czerwone, NIR – pasmo bliskiej podczerwieni, SWIR – pasmo krótkofalowej podczerwieni
Źródło: Opracowanie własne na podstawie danych EOS.
W celu uzyskania wiarygodnych i reprezentatywnych wyników badań, zdjęcia wykorzystane w ramach analizy pochodziły głównie z miesięcy letnich: od czerwca do sierpnia – z okresu największej wegetacji roślin. W przypadku braku dostępności zdjęć dla powyższych miesięcy, uwzględniono także sceny pochodzące z drugiej połowy maja oraz pierwszej połowy września. Ostatecznie do analizy wybrano 102 zdjęcia z lat 1984 – 2023 , które sprawdzono pod kątem szumów, błędów oraz zachmurzenia nad badanym obszarem. Wykorzystując kanały spektralne, obliczono wskaźniki NDVI oraz NDMI dla wszystkich pobranych zdjęć. Pierwszy z nich został wykorzystany do ekstrakcji terenów zielonych, biorąc pod uwagę jedynie obszary o wartości wyższej, bądź równej: 0,6. Pozwoliło to na wyodrębnienie obszarów cechujących się dobrą kondycją zieleni, do której zaliczały się nie tylko lasy oraz parki, lecz także zieleń w przydomowych ogródkach i między blokami7. Dzięki zastosowaniu progowania wartości NDVI, obliczono kolejny ze wskaźników, tj. udział terenów zielonych w całkowitej powierzchni miasta. Dodatkowo dla każdego z analizowanych zdjęć określono średnią wartość wskaźnika NDVI, na podstawie średniej wartości rastra. Podobny zabieg zastosowano w przypadku wskaźnika NDMI, który wykorzystano do identyfikacji stresu środowiskowego. Ponadto, w ramach niniejszej analizy dokonano oceny korelacji obydwóch wskaźników. Zważywszy na to, że wskaźniki NDVI oraz NDMI zmieniają się w zależności od okresu wegetacyjnego oraz warunków atmosferycznych, determinujących wzrost roślin, dokonano także korelacji zebranych danych w tym zakresie. Dane pogodowe pozyskano ze strony IMGW dla stacji synoptycznej Kielce – Suków.
Wskaźnik NDVI
Ryc. 1. Wzór obliczania wskaźnika NDVI. Opracowanie własne.
Objaśnienia: NIR – odbicie w paśmie podczerwonym, RED – odbicie w paśmie czerwonym
Wskaźnik NDVI (ang. Normalized Difference Vegetation Index) służy do określania wigoru i stanu kondycyjnego roślinności. Bazuje on na kontraście między największym odbiciem w paśmie bliskiej podczerwieni, a absorpcją w paśmie czerwonym. Obliczany jest za pomocą wzoru Rouse (ryc. 1)8. Wartości wskaźnika mieszczą się w przedziale od -1 do 1. NDVI przyjmuje tym wyższe wartości, im wyższe jest odbicie w podczerwieni i mniejsze w paśmie czerwonym, co wskazuje, że rośliny są bardziej zielone9. Świadczy to o większej zawartości chlorofilu, który pochłania światło czerwone oraz miękiszu gąbczastego, odbijającego światło podczerwone. Wysokie wartości są powiązane z aktywnością fotosyntetyczną roślin. Średnie wartości wskaźnika NDVI dla roślin mieszczą się w przedziale od 0,4 do 0,8. Wartości powyżej 0,6 wskazują na dobry stan kondycyjny zieleni10.
Wskaźnik NDMI
Ryc. 2. Wzór obliczania wskaźnika NDMI. Opracowanie własne.
Objaśnienia: NIR – odbicie w paśmie podczerwonym, SWIR– odbicie w paśmie krótkofalowej podczerwieni
Wskaźnik NDMI (ang. Normalized Difference Moisture Index) służy do określania zawartości wody wegetacyjnej – poziomu wilgoci w roślinach. Opiera się on na wysokiej reflektancji w zakresie bliskiej podczerwieni (NIR) oraz silnych właściwościach absorpcyjnych wody w liściach w zakresie krótkofalowej podczerwieni (SWIR) (ryc. 2.)11. Jest najczęściej stosowany jako narzędzie wspomagające monitorowanie suszy oraz w celu identyfikacji mniej intensywnego stresu środowiskowego, który jest efektem deficytu wodnego w uprawach. Wartość wskaźnika silnie koreluje z zawartością suchej masy w świeżych liściach. Stres wodny wykazany przez wartości NDMI, znajduje potwierdzenie w znacznie niższych wartościach przyjętych przez wskaźnik NDVI. Podobnie jak znormalizowany różnicowy wskaźnik wegetacji, NDMI może przyjmować wartości od – 1 do 1. Wartości ujemne zbliżające się do – 1 mogą wskazywać na stres wodny, natomiast wartości dodatnie zbliżające się do 1, mogą sygnalizować podmoknięcie i zaleganie wody12.
Dane wynikowe zostały zaprezentowane w formie tabelarycznej, map oraz wykresów. Wyniki badań zostały zaprezentowane zarówno dla każdego z analizowanych zdjęć jak i dla wydzielonych przedziałów czasu. Zabieg ten miał na celu uśrednienie wartości, pozwalając na wyprowadzenie dokładniejszych wniosków. Ze względu na różną rozdzielczość wybranych zobrazowań satelitarnych, podczas obliczania wskaźników NDVI i NDMI, dokonano harmonizacji rastrów, sprowadzając dane wejściowe do tożsamej wielkości. Dodatkowo, w ramach celu pobocznego obliczono statystyki strefowe rastrów wynikowych dla wskaźników NDVI oraz NDMI, celem ich wzajemnej korelacji. Do określenia zależności pomiędzy zbiorami danych, wykorzystano współczynnik korelacji liniowej r-Pearsona.
Wyniki analizy
Obliczone parametry statystyczne dla wskaźnika NDVI oraz NDMI wraz z danymi atmosferycznymi dla analizowanych zdjęć satelitarnych zostały zaprezentowane w tab. 5. Zakres czasowy analizy obejmował lata 1984 – 2023. Pozyskane dane pozwoliły na dynamiczną analizę zmian powierzchni oraz kondycji terenów zielonych w Kielcach. Ze względu na istotny problem z częstym zachmurzeniem nad obszarem Polski, nie udało się pozyskać tożsamej liczby zdjęć dla każdego roku. Ponadto ze względu na warunki atmosferyczne oraz szumy występujące w pobranych scenach, w analizie nie uwzględniono lat: 1985, 1991, 2004 i 2012.
Tab. 5. Wybrane wskaźniki oraz dane meteorologiczne dla analizowanych zobrazowań satelitarnych z misji Landsat 4 – 9 oraz Sentinel-2, w latach 1984 – 2023.
| Misja obserwacji Ziemi | Data pozyskania zdjęcia | NDVI > 0.6 (%) | Średnia wartość NDVI | 0 > NDMI (%) | 0 < NDMI < 0,2 (%) | 0,2 < NDMI > 0,4 (%) | NDMI > 0,4 (%) | Średnia wartość NDMI | Średnia dobowa temperatura[°C] | Średnia temperatura VI-VIII[°C] | Średnia roczna temperatura | Suma opadów VI-VIII (dzień [mm]) | Roczna suma opdadów (dzień [mm]) |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Landsat 4-5 TM | 1984-07-31 | 51% | 0,56 | 4% | 35% | 60% | 1% | 0,22 | 18,7 | 15,2 | 7,2 | 17,8 | 23,0 |
| Landsat 4-5 TM | 1986-06-10 | 59% | 0,59 | 5% | 35% | 55% | 5% | 0,23 | 15,6 | 16,5 | 7,0 | 18,9 | 28,3 |
| Landsat 4-5 TM | 1986-08-06 | 59% | 0,59 | 9% | 45% | 43% | 3% | 0,19 | 18,4 | 16,5 | 7,0 | 18,9 | 28,3 |
| Landsat 4-5 TM | 1987-06-13 | 60% | 0,60 | 4% | 29% | 58% | 9% | 0,24 | 19,4 | 16,0 | 6,1 | 28,4 | 44,9 |
| Landsat 4-5 TM | 1987-07-08 | 67% | 0,61 | 4% | 27% | 66% | 3% | 0,24 | 20,4 | 16,0 | 6,1 | 28,4 | 44,9 |
| Landsat 4-5 TM | 1987-08-09 | 53% | 0,57 | 4% | 38% | 56% | 2% | 0,22 | 17,10 | 16,0 | 6,1 | 28,4 | 44,9 |
| Landsat 4-5 TM | 1987-08-25 | 51% | 0,57 | 7% | 45% | 47% | 1% | 0,19 | 20,60 | 16,0 | 6,1 | 28,4 | 44,9 |
| Landsat 4-5 TM | 1988-07-26 | 49% | 0,57 | 13% | 47% | 38% | 2% | 0,17 | 18,40 | 17,0 | 7,6 | 26,0 | 41,2 |
| Landsat 4-5 TM | 1989-06-27 | 70% | 0,62 | 4% | 22% | 69% | 5% | 0,26 | 20,20 | 16,1 | 8,5 | 25,0 | 60,1 |
| Landsat 4-5 TM | 1990-06-21 | 57% | 0,60 | 4% | 31% | 57% | 8% | 0,24 | 21,20 | 16,0 | 8,2 | 33,1 | 48,8 |
| Landsat 4-5 TM | 1990-07-16 | 66% | 0,62 | 4% | 27% | 65% | 4% | 0,25 | 16,80 | 16,0 | 8,2 | 33,1 | 48,8 |
| Landsat 4-5 TM | 1992-07-21 | 51% | 0,57 | 4% | 40% | 52% | 4% | 0,22 | 22,20 | 19,2 | 8,0 | 26,9 | 18,9 |
| Landsat 4-5 TM | 1992-08-06 | 29% | 0,49 | 24% | 47% | 27% | 2% | 0,12 | 20,10 | 19,2 | 8,0 | 26,9 | 18,9 |
| Landsat 4-5 TM | 1993-08-16 | 42% | 0,53 | 6% | 48% | 43% | 3% | 0,20 | 23,70 | 15,6 | 7,2 | 27,7 | 59,3 |
| Landsat 4-5 TM | 1994-06-25 | 60% | 0,60 | 4% | 36% | 55% | 5% | 0,22 | 14,40 | 17,9 | 8,5 | 30,2 | 25,3 |
| Landsat 4-5 TM | 1994-07-27 | 52% | 0,57 | 17% | 50% | 31% | 2% | 0,15 | 24,50 | 17,9 | 8,5 | 30,2 | 25,3 |
| Landsat 4-5 TM | 1995-05-27 | 59% | 0,60 | 4% | 34% | 56% | 6% | 0,23 | 20,60 | 17,9 | 7,5 | 24,0 | 49,0 |
| Landsat 4-5 TM | 1995-07-21 | 59% | 0,61 | 6% | 36% | 47% | 11% | 0,23 | 20,70 | 17,9 | 7,5 | 24,0 | 49,0 |
| Landsat 4-5 TM | 1995-08-22 | 33% | 0,50 | 21% | 47% | 24% | 8% | 0,15 | 21,30 | 17,9 | 7,5 | 24,0 | 49,0 |
| Landsat 4-5 TM | 1996-06-05 | 65% | 0,62 | 2% | 26% | 65% | 7% | 0,26 | 15,80 | 16,5 | 6,3 | 27,8 | 28,6 |
| Landsat 4-5 TM | 1996-08-24 | 49% | 0,57 | 6% | 50% | 41% | 3% | 0,18 | 19,70 | 16,5 | 6,3 | 27,8 | 28,6 |
| Landsat 4-5 TM | 1997-07-10 | 70% | 0,65 | 3% | 22% | 68% | 7% | 0,29 | 15,50 | 17,0 | 7,1 | 26,5 | 43,7 |
| Landsat 4-5 TM | 1997-08-20 | 54% | 0,60 | 5% | 49% | 43% | 3% | 0,21 | 18,20 | 17,0 | 7,1 | 26,5 | 43,7 |
| Landsat 4-5 TM | 1998-07-22 | 63% | 0,62 | 3% | 39% | 55% | 3% | 0,24 | 25,10 | 17,0 | 7,8 | 27,4 | 34,4 |
| Landsat 4-5 TM | 1999-05-29 | 56% | 0,59 | 5% | 37% | 49% | 9% | 0,23 | 18,30 | 17,8 | 8,4 | 27,9 | 64,0 |
| Landsat 4-5 TM | 1999-08-26 | 51% | 0,59 | 12% | 48% | 33% | 7% | 0,18 | 14,20 | 17,8 | 8,4 | 27,9 | 64,0 |
| Landsat 7 ETM+ | 1999-09-03 | 56% | 0,60 | 10% | 50% | 34% | 6% | 0,18 | 17,30 | 17,8 | 8,4 | 27,9 | 64,0 |
| Landsat 4-5 TM | 2000-06-09 | 67% | 0,65 | 7% | 35% | 52% | 6% | 0,23 | 19,00 | 16,7 | 9,0 | 32,1 | 53,0 |
| Landsat 7 ETM+ | 2000-07-26 | 65% | 0,64 | 4% | 42% | 48% | 6% | 0,21 | 19,20 | 16,7 | 9,0 | 32,1 | 53,0 |
| Landsat 4-5 TM | 2000-08-19 | 65% | 0,62 | 4% | 36% | 53% | 7% | 0,23 | 23.9 | 16,7 | 9,0 | 32,1 | 53,0 |
| Landsat 4-5 TM | 2001-07-30 | 65% | 0,63 | 4% | 40% | 51% | 5% | 0,22 | 22,00 | 17,5 | 7,7 | 42,7 | 74,1 |
| Landsat 7 ETM+ | 2001-08-07 | 66% | 0,65 | 3% | 39% | 51% | 7% | 0,22 | 18,40 | 17,5 | 7,7 | 42,7 | 74,1 |
| Landsat 4-5 TM | 2002-05-21 | 59% | 0,60 | 5% | 38% | 49% | 8% | 0,23 | 16,00 | 18,6 | 8,6 | 33,4 | 49,0 |
| Landsat 7 ETM+ | 2002-06-23 | 68% | 0,66 | 3% | 33% | 53% | 11% | 0,25 | 21,30 | 18,6 | 8,6 | 33,4 | 49,0 |
| Landsat 7 ETM+ | 2002-08-17 | 64% | 0,63 | 4% | 48% | 36% | 12% | 0,21 | 21,00 | 18,6 | 8,6 | 33,4 | 49,0 |
| Landsat 4-5 TM | 2003-08-05 | 55% | 0,59 | 12% | 49% | 32% | 7% | 0,19 | 20,40 | 18,3 | 7,7 | 22,5 | 38,0 |
| Landsat 4-5 TM | 2005-05-29 | 59% | 0,60 | 4% | 38% | 50% | 8% | 0,23 | 23,20 | 17,1 | 7,7 | 27,4 | 44,6 |
| Landsat 4-5 TM | 2005-09-11 | 44% | 0,55 | 15% | 54% | 25% | 6% | 0,15 | 20,10 | 17,1 | 7,7 | 27,4 | 44,6 |
| Landsat 4-5 TM | 2006-06-26 | 56% | 0,59 | 8% | 44% | 45% | 3% | 0,19 | 24,00 | 18,6 | 8,0 | 25,8 | 27,3 |
| Landsat 4-5 TM | 2006-07-03 | 59% | 0,60 | 9% | 40% | 46% | 5% | 0,20 | 17,60 | 18,6 | 8,0 | 25,8 | 27,3 |
| Landsat 4-5 TM | 2006-07-28 | 33% | 0,52 | 33% | 41% | 25% | 1% | 0,10 | 22,90 | 18,6 | 8,0 | 25,8 | 27,3 |
| Landsat 4-5 TM | 2007-06-13 | 66% | 0,63 | 4% | 36% | 54% | 6% | 0,23 | 19,10 | 18,2 | 8,7 | 30,1 | 41,1 |
| Landsat 4-5 TM | 2007-07-15 | 64% | 0,62 | 5% | 40% | 49% | 6% | 0,22 | 23,50 | 18,2 | 8,7 | 30,1 | 41,1 |
| Landsat 4-5 TM | 2007-08-23 | 42% | 0,53 | 5% | 57% | 36% | 2% | 0,18 | 24,50 | 18,2 | 8,7 | 30,1 | 41,1 |
| Landsat 4-5 TM | 2008-06-22 | 63% | 0,62 | 6% | 37% | 48% | 9% | 0,23 | 18,70 | 17,9 | 8,9 | 23,7 | 33,1 |
| Landsat 4-5 TM | 2008-09-03 | 55% | 0,58 | 6% | 53% | 32% | 9% | 0,19 | 20,00 | 17,9 | 8,9 | 23,7 | 33,1 |
| Landsat 4-5 TM | 2009-08-21 | 57% | 0,60 | 8% | 46% | 39% | 7% | 0,19 | 18,40 | 17,5 | 8,2 | 26,2 | 37,7 |
| Landsat 4-5 TM | 2010-06-05 | 69% | 0,67 | 4% | 25% | 59% | 12% | 0,26 | 15,80 | 18,6 | 7,3 | 32,1 | 57,1 |
| Landsat 4-5 TM | 2010-07-23 | 57% | 0,60 | 10% | 41% | 42% | 7% | 0,20 | 23,10 | 18,6 | 7,3 | 32,1 | 57,1 |
| Landsat 4-5 TM | 2011-05-30 | 63% | 0,62 | 6% | 31% | 47% | 16% | 0,25 | 17,80 | 17,8 | 8,3 | 25,5 | 64,8 |
| Landsat 4-5 TM | 2011-08-27 | 64% | 0,62 | 5% | 34% | 54% | 7% | 0,23 | 25,00 | 17,8 | 8,3 | 25,5 | 64,8 |
| Landsat 8-9 | 2013-06-20 | 70% | 0,67 | 3% | 25% | 52% | 20% | 0,28 | 23,50 | 18,4 | 8,1 | 28,0 | 26,3 |
| Landsat 8-9 | 2013-07-22 | 65% | 0,65 | 5% | 33% | 43% | 19% | 0,25 | 18,30 | 18,4 | 8,1 | 28,0 | 26,3 |
| Landsat 8-9 | 2013-08-07 | 49% | 0,57 | 13% | 46% | 31% | 10% | 0,17 | 24,10 | 18,4 | 8,1 | 28,0 | 26,3 |
| Landsat 8-9 | 2014-05-22 | 67% | 0,65 | 4% | 29% | 51% | 16% | 0,26 | 20,70 | 17,5 | 9,1 | 36,6 | 68,7 |
| Landsat 8-9 | 2014-08-03 | 66% | 0,64 | 3% | 34% | 53% | 10% | 0,24 | 22,60 | 17,5 | 9,1 | 36,6 | 68,7 |
| Landsat 8-9 | 2014-09-04 | 64% | 0,61 | 3% | 32% | 51% | 14% | 0,25 | 16,00 | 17,5 | 9,1 | 36,6 | 68,7 |
| Landsat 8-9 | 2015-05-18 | 63% | 0,62 | 4% | 34% | 50% | 12% | 0,24 | 10,80 | 19,1 | 9,3 | 22,5 | 20,7 |
| Landsat 8-9 | 2015-06-03 | 64% | 0,64 | 2% | 21% | 56% | 21% | 0,30 | 21,30 | 19,1 | 9,3 | 22,5 | 20,7 |
| Landsat 8-9 | 2015-07-05 | 63% | 0,63 | 5% | 35% | 41% | 19% | 0,24 | 23,90 | 19,1 | 9,3 | 22,5 | 20,7 |
| Landsat 8-9 | 2015-08-06 | 55% | 0,60 | 8% | 45% | 33% | 14% | 0,20 | 23,50 | 19,1 | 9,3 | 22,5 | 20,7 |
| Landsat 8-9 | 2016-06-05 | 65% | 0,64 | 3% | 31% | 51% | 15% | 0,26 | 18,60 | 18,3 | 8,8 | 26,7 | 29,8 |
| Landsat 8-9 | 2016-08-08 | 60% | 0,64 | 6% | 42% | 40% | 12% | 0,22 | 18,40 | 18,3 | 8,8 | 26,7 | 29,8 |
| Landsat 8-9 | 2016-08-31 | 65% | 0,64 | 6% | 41% | 38% | 15% | 0,22 | 14,70 | 18,3 | 8,8 | 26,7 | 29,8 |
| Sentinel-2 | 2017-05-28 | 66% | 0,63 | 11% | 36% | 45% | 8% | 0,19 | 16,50 | 18,6 | 8,4 | 31,5 | 35,7 |
| Landsat 8-9 | 2017-08-11 | 51% | 0,58 | 7% | 52% | 35% | 6% | 0,18 | 27,10 | 18,6 | 8,4 | 31,5 | 35,7 |
| Sentinel-2 | 2017-08-16 | 54% | 0,57 | 29% | 38% | 27% | 6% | 0,11 | 20,80 | 18,6 | 8,4 | 31,5 | 35,7 |
| Landsat 8-9 | 2017-08-18 | 51% | 0,59 | 13% | 47% | 28% | 12% | 0,18 | 23,00 | 18,6 | 8,4 | 31,5 | 35,7 |
| Sentinel-2 | 2017-08-31 | 56% | 0,58 | 23% | 41% | 30% | 6% | 0,13 | 19,40 | 18,6 | 8,4 | 31,5 | 35,7 |
| Sentinel-2 | 2018-06-07 | 66% | 0,64 | 13% | 30% | 43% | 14% | 0,21 | 16,00 | 19,2 | 9,4 | 26,4 | 55,7 |
| Sentinel-2 | 2018-07-07 | 54% | 0,56 | 22% | 36% | 36% | 6% | 0,15 | 20,10 | 19,2 | 9,4 | 26,4 | 55,7 |
| Sentinel-2 | 2018-08-08 | 67% | 0,62 | 13% | 37% | 46% | 4% | 0,18 | 22,80 | 19,2 | 9,4 | 26,4 | 55,7 |
| Landsat 8-9 | 2018-08-30 | 66% | 0,63 | 2% | 36% | 53% | 9% | 0,24 | 17,90 | 19,2 | 9,4 | 26,4 | 55,7 |
| Sentinel-2 | 2019-06-12 | 65% | 0,62 | 13% | 31% | 48% | 8% | 0,19 | 25,10 | 19,8 | 9,7 | 28,6 | 34,5 |
| Sentinel-2 | 2019-06-29 | 59% | 0,60 | 16% | 36% | 41% | 7% | 0,18 | 19,30 | 19,8 | 9,7 | 28,6 | 34,5 |
| Landsat 8-9 | 2019-06-30 | 57% | 0,61 | 4% | 42% | 45% | 9% | 0,22 | 23,70 | 19,8 | 9,7 | 28,6 | 34,5 |
| Landsat 8-9 | 2019-08-24 | 65% | 0,64 | 5% | 40% | 40% | 15% | 0,23 | 19,40 | 19,8 | 9,7 | 28,6 | 34,5 |
| Sentinel-2 | 2019-08-26 | 64% | 0,60 | 16% | 43% | 37% | 4% | 0,15 | 22,90 | 19,8 | 9,7 | 28,6 | 34,5 |
| Sentinel-2 | 2020-06-06 | 66% | 0,63 | 11% | 30% | 45% | 14% | 0,22 | 17,90 | 18,6 | 9,3 | 29,3 | 54,6 |
| Sentinel-2 | 2020-07-01 | 66% | 0,63 | 13% | 30% | 50% | 7% | 0,20 | 20,20 | 18,6 | 9,3 | 29,3 | 54,6 |
| Landsat 8-9 | 2020-07-25 | 56% | 0,59 | 1% | 27% | 62% | 10% | 0,27 | 19,90 | 18,6 | 9,3 | 29,3 | 54,6 |
| Sentinel-2 | 2020-08-12 | 59% | 0,60 | 19% | 37% | 35% | 9% | 0,16 | 20,20 | 18,6 | 9,3 | 29,3 | 54,6 |
| Sentinel-2 | 2020-08-30 | 57% | 0,57 | 23% | 38% | 34% | 5% | 0,15 | 22,20 | 18,6 | 9,3 | 29,3 | 54,6 |
| Landsat 8-9 | 2020-09-04 | 62% | 0,63 | 8% | 41% | 35% | 16% | 0,22 | 15,60 | 18,6 | 9,3 | 29,3 | 54,6 |
| Sentinel-2 | 2021-06-18 | 63% | 0,62 | 14% | 30% | 43% | 13% | 0,22 | 22,50 | 18,9 | 8,0 | 25,1 | 50,0 |
| Landsat 8-9 | 2021-06-19 | 63% | 0,64 | 5% | 33% | 41% | 21% | 0,26 | 23,80 | 18,9 | 8,0 | 25,1 | 50,0 |
| Sentinel-2 | 2021-07-08 | 61% | 0,60 | 18% | 32% | 41% | 9% | 0,19 | 25,00 | 18,9 | 8,0 | 25,1 | 50,0 |
| Landsat 8-9 | 2021-07-28 | 56% | 0,61 | 0% | 24% | 55% | 21% | 0,29 | 23,60 | 18,9 | 8,0 | 25,1 | 50,0 |
| Landsat 8-9 | 2021-08-22 | 68% | 0,65 | 2% | 31% | 44% | 23% | 0,27 | 17,70 | 18,9 | 8,0 | 25,1 | 50,0 |
| Sentinel-2 | 2021-09-06 | 69% | 0,65 | 10% | 30% | 42% | 18% | 0,24 | 10,50 | 18,9 | 8,0 | 25,1 | 50,0 |
| Sentinel-2 | 2022-06-26 | 63% | 0,62 | 13% | 30% | 44% | 13% | 0,22 | 23,70 | 19,3 | 8,9 | 22,3 | 31,4 |
| Landsat 8-9 | 2022-06-30 | 61% | 0,62 | 3% | 39% | 49% | 9% | 0,24 | 27,70 | 19,3 | 8,9 | 22,3 | 31,4 |
| Sentinel-2 | 2022-07-21 | 64% | 0,62 | 13% | 32% | 47% | 8% | 0,21 | 22,80 | 19,3 | 8,9 | 22,3 | 31,4 |
| Landsat 8-9 | 2022-08-01 | 66% | 0,65 | 2% | 30% | 49% | 19% | 0,27 | 18,80 | 19,3 | 8,9 | 22,3 | 31,4 |
| Sentinel-2 | 2022-08-05 | 66% | 0,63 | 14% | 32% | 41% | 13% | 0,21 | 23,40 | 19,3 | 8,9 | 22,3 | 31,4 |
| Landsat 8-9 | 2022-08-25 | 65% | 0,64 | 3% | 36% | 47% | 14% | 0,25 | 23,80 | 19,3 | 8,9 | 22,3 | 31,4 |
| Landsat 8-9 | 2023-06-01 | 64% | 0,63 | 3% | 30% | 47% | 20% | 0,27 | 16,50 | 18,6 | 9,5 | 28,3 | 42,2 |
| Sentinel-2 | 2023-06-03 | 66% | 0,63 | 8% | 28% | 43% | 21% | 0,26 | 10,90 | 18,6 | 9,5 | 28,3 | 42,2 |
| Sentinel-2 | 2023-07-23 | 59% | 0,59 | 20% | 34% | 38% | 8% | 0,17 | 19,20 | 18,6 | 9,5 | 28,3 | 42,2 |
| Landsat 8-9 | 2023-08-12 | 66% | 0,65 | 5% | 35% | 40% | 20% | 0,25 | 18,10 | 18,6 | 9,5 | 28,3 | 42,2 |
| Sentinel-2 | 2023-08-12 | 65% | 0,62 | 14% | 35% | 42% | 9% | 0,19 | 18,10 | 18,6 | 9,5 | 28,3 | 42,2 |
| Sentinel-2 | 2023-09-06 | 68% | 0,64 | 12% | 32% | 43% | 13% | 0,22 | 16,40 | 18,6 | 9,5 | 28,3 | 42,2 |
Opracowanie własne.
Najwyższą średnią wartość wskaźnika NDVI zanotowano 5 czerwca 2010 r. oraz 20 czerwca 2013 r. – 0,67. Najniższy wynik zarejestrowano zaś 26 sierpnia 1992 r. – 0,49. Sumaryczna średnia wartość dla analizowanego okresu wyniosła 0,60. Wynik równy lub wyższy odnotowano dla 73 dni. Pozostałe 29 dni charakteryzowało się wartościami poniżej średniej. Najczęściej notowanymi pomiarami były wskazania na poziomie 0,62 – 17 razy oraz 0,60 – 16 razy. W przypadku wskaźnika udziału powierzchni zielonych (NDVI>=0,6) w mieście, najwyższe wskazania odnotowano w dniach: 27-06-1989, 10-07-1997 oraz 20-06-2013. Wartość obliczonego wskaźnika wynosiła wówczas 70%. Najmniejszym udziałem wskazanych powierzchni zielonych, na poziomie 29%, odznaczał się dzień 6 czerwca 1992 r. – zanotowano wówczas także najniższą średnią wartość NDVI (ryc. 4.). Średni udział terenów charakteryzujących się dobrą kondycją zieleni, w latach 1984 – 2023, wyniósł 59%. Wartość równą lub wyższą zanotowano dla 68 ze 102 zdjęć. Pozostałe zobrazowania cechowały się wynikami poniżej średniej. Najczęściej identyfikowanymi wartościami były wskazania na poziomie 66% (13 razy), 65% (11 razy) oraz 59% (10 razy). Dla każdego z analizowanych zdjęć określono również średnią wartość NDMI. Na poniższym wykresie (ryc. 3) możemy zauważyć wyraźną zależność między dwoma wskaźnikami. Korelacja dla średniej wartością NDVI i średniej wartości NDMI, wyniosła – 0,72. W przypadku zależności pomiędzy średnią wartością NDVI, a udziałem powierzchni zielonych (NDVI>=0,6), wartość współczynnika korelacji wyniósł – 0,94.
Ryc. 4. Zmiany wskaźnika NDVI oraz NDMI dla analizowanego okresu czasu z uwzględnieniem udziału powierzchni terenów zielonych o wskaźniku NDVI > 0,6 na obszarze Kielc. Opracowanie własne.
Dokonując analizy wskaźnika NDVI, należy pamiętać, że jego wartości uzależnione są od aktualnego okresu sezonu wegetacyjnego. Zmiany te wynikają przede wszystkim z wahań współczynnika odbicia roślin, który jest nieco inny na każdym etapie fenologicznym. Głównymi czynnikami wpływającymi na długość okresu wegetacyjnego są opady oraz temperatura powietrza11. W związku z powyższym dokonano oceny zależności pomiędzy warunkami pogodowymi, a indywidualnymi wskazaniami średniej wartości NDVI. W badaniu uwzględniono średnie opady atmosferyczne oraz temperaturę powietrza, zarówno w ujęciu rocznym jak i w miesiącach największej wegetacji (VI – VIII) (ryc. 5). Zestawienie powyższych danych wykazało dodatnie korelacje, świadczące o ich wzajemnej zależności. Największą zbieżność zarejestrowano dla średniej wartości NDVI oraz średniej sumy opadów w miesiącach letnich. Współczynnik korelacji Pearsona wyniósł w tym przypadku: 0,59. W przypadku rocznej sumy opadów korelacja była nieco niższa i wyniosła: 0,46. Jeśli chodzi o temperaturę powietrza bardziej istotne okazały się wskazania całoroczne. Wynik korelacji analizowanych parametrów wyniósł w tym przypadku: 0,54. Wskazania termometrów w okresie letnim wykazały znacznie niższą zależność z średnią wartością NDVI, czego wynikiem była korelacja na poziomie: 0,23.
Analizując wyniki dla pojedynczych zobrazowań satelitarnych, zauważyć można tylko zależności punktowe , co pozwala jedynie na ogólny opis zachodzących tendencji. Uśrednienie wartości do określonych przedziałów czasu umożliwia wyprowadzenie dokładniejszych wniosków. W związku z powyższym, w ramach niniejszej analizy wyodrębniono 8 następujących okresów: 1984 – 1989, 1990 – 1994, 1995 – 1999, 2000 – 2004, 2005 – 2009, 2010 – 2014, 2015 – 2019 oraz 2020 – 2023. Dane wynikowe dla powyższych interwałów czasowych zostały zaprezentowane w tab. 6.
Tab. 6. Wybrane wskaźniki oraz dane meteorologiczne dla analizowanych zobrazowań satelitarnych z misji Landsat 4 – 9 oraz Sentinel-2, dla wybranych okresów czasu.
| Przedziały czasowe | Liczba zdjęć | NDVI> 0.6 (%) | Średnia wartość NDVI | Średnia wartość NDMI | Średnia roczna temperatura [°C] | Średnia temperatura VI - VIII [°C] | Roczna suma opadów (dzień [mm]) | Suma opadów VI - VIII (dzień [mm]) |
|---|---|---|---|---|---|---|---|---|
| 1984 - 1989 | 9 | 57,35% | 0,59 | 0,22 | 7,28 | 16,16 | 23,22 | 39,50 |
| 1990 - 1994 | 7 | 49,88% | 0,56 | 0,20 | 7,98 | 17,18 | 29,48 | 38,08 |
| 1995 - 1999 | 11 | 57,33% | 0,60 | 0,22 | 7,42 | 17,24 | 26,72 | 43,94 |
| 2000 - 2004 | 9 | 62,46% | 0,62 | 0,22 | 8,25 | 17,78 | 32,68 | 53,53 |
| 2005 - 2009 | 11 | 54,83% | 0,59 | 0,19 | 8,30 | 17,86 | 26,64 | 36,76 |
| 2010 - 2014 | 14 | 63,38% | 0,63 | 0,24 | 8,20 | 18,08 | 30,55 | 54,23 |
| 2015 - 2019 | 17 | 61,09% | 0,62 | 0,20 | 9,12 | 19,00 | 27,14 | 35,28 |
| 2020 - 2023 | 24 | 63,29% | 0,62 | 0,22 | 8,93 | 18,85 | 26,25 | 44,55 |
| 1984-2023 | 102 | 58,70% | 0,60 | 0,21 | 8,18 | 17,77 | 27,83 | 43,23 |
Opracowanie własne.
Średnia wartość wskaźnika NDVI w latach 1984 – 2023 wyniosła: 0,6. W przypadku wskaźnika udziału terenów zielonych (NDVI >= 0,6), wynik ten szacował się na poziomie: 58,70%. Średnia wartość NDMI wyniosła: 0,21. Najwyższe oraz najniższe wskazania dla obydwóch współczynników zanotowano kolejno w okresach: 2010 – 2014 oraz 1990 – 1994. W przypadku średniej wartości NDVI, najwyższy, zanotowany wynik kształtował się na poziomie: 0,63. Najniższa wartość wyniosła natomiast: 0,56. Jeśli chodzi o udział powierzchni zielonych (NDVI>=0,6), wskazania te wyniosły następująco: 63,38% oraz 49,88%. Średnia wartość NDMI w latach 1990 – 1994 osiągnęła wartość: 0,20, natomiast w latach 2010-2014: 0,24. Przestrzenne zmiany wartości analizowanych wskaźników, w określonych przedziałach czasu, na terenie Kielc zostały przedstawione na rycinach: 6, 7 i 9.
1984 – 1989
1990 – 1994
1995 – 1999
2000 – 2004
1984 – 1989
1990 – 1994
1995 – 1999
2000 – 2004
2005 – 2009
2010 – 2014
2015 – 2019
2020 – 2023
2005 – 2009
2010 – 2014
2015 – 2019
2020 – 2023
Ryc. 6. Średnia wartość wskaźnika NDVI, dla poszczególnych przedziałów czasu, od 1984 r. do 2023 r, w Kielcach. Opracowanie własne.
Obliczone wartości indeksu wegetacji uszeregowano do następujących przedziałów: <= -0,2; -0,2 – 0; 0 – 0,2; 0,2 – 0,4; 0,4 – 0,6; 0,6 (ryc. 6). Wartość graniczna: 0,6, wskazuje na tereny zielone o dobrej kondycji. Wyniki mieszczące się w przedziale od: -0,2 do 0,2, sygnalizują o występowaniu obszarów zabudowanych, pól uprawnych lub skał. Pozostałe tereny biologicznie czynne, mieszczą się w przedziale od 0,2 do 0,613. Przestrzenna wizualizacja wyników badań wykazała niejednorodność kondycji szaty roślinnej miasta, w badanym okresie. Zauważyć można, że rozkład obszarów zielonych na zobrazowaniach dla okresu od 2000 do 2004 r. oraz od 2010 do 2023 r. był do siebie bardzo zbliżony. Świadczą o tym także obliczone wskaźniki NDVI. Powierzchnie zielone o dobrej kondycji, w ww. latach cechowały się bardziej rozległym zasięgiem, w porównaniu do pozostałych okresów. Były one także znacznie bardziej zwarte, zajmując większe, bardziej skoncentrowane obszary w powierzchni miasta. Zobrazowania dla lat 1984 – 1999 cechowały się mniejszym udziałem terenów zielonych, co przełożyło się także na ich większe rozdrobnienie. Oznacza to, że w badanych latach tereny zielone zajmowały mniejszą powierzchnię w porównaniu do okresów późniejszych, były one także bardziej rozproszone, mniej spójne i skupione jedynie w określonych obszarach. Wyjątek stanowił okres 2005 – 2009, który istotnie wyróżniał się pomiędzy przedziałami lat: 2000 – 2004 i 2010 – 2014, wykazując podobieństwa z obserwacjami charakterystycznymi dla okresu 1984 – 1999. Należy jednak pamiętać, że wskaźnik NDVI jest wskaźnikiem dynamicznymi, zależnym od czynników biotycznych i abiotycznych, które są bardziej wrażliwe w ekosystemach miejskich w porównaniu z innymi14. Wartość wskaźnika NDVI może być zatem zależna od intensywności okresu wegetacyjnego co wynika z ilości temperatur aktywnych oraz ilości opadów. Naukowcy wskazują, że mniej więcej od początku lat 80 obserwowany jest gwałtowny wzrost temperatury powietrza. Zjawisko to ma istotny wpływ na wydłużenie się okresu wegetacyjnego, co znajduje swoje odzwierciedlenie w uzyskanych wynikach NDVI15.Poza wpływem warunków atmosferycznych, kluczową rolę w kształtowaniu udziału terenów zielonych w strukturze przestrzennej miasta odgrywały także zmiany związane z rodzajem oraz sposobem użytkowania terenów. Według badań mających na celu analizę przeobrażeń struktury użytkowania gruntów rolnych w województwie świętokrzyskim, w regionie kieleckim, w latach 2002 – 2010, powierzchnia użytków rolnych w powierzchni gospodarstw, zmniejszyła się o ok. 20%16. Badania te nie obejmowały jednak obszarów miejskich, w związku z tym ciężko oszacować skalę zjawiska na terenie Kielc. Zmniejszenie udziału użytków rolnych nie jest jednak jednoznaczne ze spadkiem powierzchni terenów zielonych. Jest to często związane z transformacją w użytkowaniu terenów, gdzie tereny rolnicze mogą być przekształcane na tereny zabudowane lub inne formy użytkowania, niekoniecznie powodujące utratę zieleni. Istotny jest również fakt, że grunty rolne charakteryzują się zróżnicowanym indeksem NDVI w ciągu sezonu wegetacyjnego. Wartość tego wskaźnika jest zatem uzależniona jest od rodzaju upraw, nawożenia, czy nawet lokalnych warunków środowiskowych i klimatycznych. Dlatego redukcja obszarów rolniczych niekoniecznie prowadzi do utraty zieleni na danym obszarze. Spadek udziału rolnictwa wynikający z zachodzących na przełomie lat XX w. i XXI w. przemian gospodarczych, sprawił, że na użytkowane wcześniej grunty rolne zaczęła wchodzić stopniowa sukcesja roślin. Zjawisko to zaobserwować możn na ortofotomapach dla obszaru Kielc, porównując ze sobą zobrazowania pochodzące z 1982 r. oraz 2023 r. (ryc. 7). Na zademonstrowanym przykładzie, ilustrującym obszar w okolicach ul. Piekoszowskiej, zaobserwować można, że fragmenty terenów rolniczych, znajdujące się w bliskim sąsiedztwie zwartej struktury miejskiej, uległy przekształceniu poprzez zabudowę na cele mieszkalne, usługowe oraz handlowe – obecne osiedla Ślichowice I i Ślichowice II. W miarę postępującego rozwoju miasta i zapotrzebowania na nowe obszary pod zabudowę, część obszarów rolniczych w okolicach ul. Piekoszowskiej zostały zaadaptowane na cele mieszkalnictwa jednorodzinnego. Obserwuje się także wzrost udziału infrastruktury komunikacyjnej, co przejawiało się poprzez budowę nowych dróg lub modernizację i poszerzanie istniejących już arterii drogowych. Niemniej, jednak, pomimo zachodzących zmian, znaczna część obszarów, użytkowana dotychczas rolniczo, pozostała w dalszym ciągu niezagospodarowana. Doprowadziło to do zwiększenia powierzchni nieużytkowanych, określanych mianem nieużytków sztucznych. Zjawisko to jest dosyć powszechne w wielu obszarach miejskich i wynika często z braku spójnych strategii planowania przestrzennego i związanej z tym alokacji terenów na różne cele użytkowe17 W Kielcach można je zaobserwować w różnych częściach miasta. Przykładami mogą być: Niewachlów II, Zalesie, Zagórze, Górne, Zagórze Zastawie czy tereny położone wzdłuż ul. Batalionów Chłopskich oraz ul. Krakowskiej. Są to z reguły tereny peryferyjne, charakteryzujące się niegdyś dominacją pól uprawnych w krajobrazie miejskim. Wraz z upływem lat, brak nowych inwestycji oraz strategii doprowadził do wykształcenia się na tych obszarach nieużytków lub przekształcenia ich w tereny zabudowy jednorodzinnej. Przełożyło się to na wzrost udziału powierzchni zielonych w mieście, czego odzwierciedleniem są obliczone wartości wskaźnika NDVI => 0.6.
1984 – 1989
1990 – 1994
1995 – 1999
2000 – 2004
2005 – 2009
2010 – 2014
2015 – 2019
2020 – 2023
Ryc. 8. Średnia wartość wskaźnika NDMI, dla poszczególnych przedziałów czasu, od 1984 r. do 2023 r, w Kielcach. Opracowanie własne.
1984 – 1989
1990 – 1994
1995 – 1999
2000 – 2004
2005 – 2009
2010 – 2014
2015 – 2019
2020 – 2023
Ryc. 8. Średnia wartość wskaźnika NDMI, dla poszczególnych przedziałów czasu, od 1984 r. do 2023 r, w Kielcach. Opracowanie własne.
Z uwagi na fakt, że woda jest kluczowym składnikiem wszystkich roślin, niezbędnym do ich prawidłowego wzrostu i rozwoju, wizualizacji poddano także indeks NDMI. Wskaźnik ten został wykorzystany do oceny kluczowych procesów fizjologicznych roślin, w tym aktywności fotosyntetycznej. Wartości wynikowe uszeregowane zostały do 8 przedziałów: <=0; 0 – 0,1; 0,1 – 0,2; 0,2 – 0,3; 0,3 – 0,4; 0,4 – 0,5; 0,5 – 0,6; >=0,6. Zgodnie ze wskazaniami EOS, uzyskane wartości NDMI interpretować należy w następujący sposób12 : [-1 – -0,8] – goła gleba, [-0,8 – -0,6] – prawie brak osłony czaszy, [-0,6 – -0,4] – bardzo niskie pokrycie czaszy, [-0,4 – -0,2] – niskie pokrycie okapem, suche lub bardzo niskie pokrycie okapem, mokre [-0,2 – 0] – średnio-niskie pokrycie poszyciem, duży stres wodny lub niskie pokrycie poszyciem, niski stres wodny, [0 – 0,2] – średnie pokrycie przez korony, duży stres wodny lub średnio-niskie pokrycie koronami, niski stres wodny, [0,2 – 0,4] – średnio-wysokie pokrycie koronami, duży stres wodny lub średnie pokrycie koronami, niski stres wodny[0,4 – 0,6] – wysokie pokrycie korony, brak stresu wodnego, [0,6 – 0,8] – bardzo wysokie pokrycie korony, brak stresu wodnego, [0,8 – 1] – całkowite pokrycie baldachimu, brak stresu wodnego/zalegania wody. Stres wodny sygnalizowany jest przez wartości ujemne zbliżające się do -1, podczas gdy +1 może wskazywać na podmoknięcie . Każda wartość pośrednia będzie odpowiadać nieco innej sytuacji agronomicznej.
Ryc. 9. Skumulowany udział poszczególnych grup wskaźnika NDMI, dla poszczególnych przedziałów czasu, od 1984 r. do 2023 r., w Kielcach. Opracowanie własne.
Z uwagi na silną korelację pomiędzy wskaźnikami NDVI i NDMI, zaobserwować można tendencję wzrostową wartości wskaźnika wilgotności wraz ze wzrostem kondycji obszarów zielonych. Opisywaną zależność liniową doskonale obrazuje ryc. 10. Wzrost wartości NDMI w stosunku do NDVI został zaobserwowany we wszystkich analizowanych okresach. Współczynnik korelacji r (Pearsona), osiągnął największą wartość dla lat 1995-1999 tj. 0,9. Niewiele niższą wartość odnotowano w okresie 2000-2004 oraz 2005-2009, współczynnik korelacji wyniósł wówczas 0,85. Najniższą zależność analizowanych danych przejawiały lata: 2010-2014 (0,33) oraz 2020-2023 (0,48). W pozostałych okresach wartość współczynnika r prezentowała się następująco: 0,7 w latach 1985 – 1989, 0,63 dla lat 1990 – 1994 oraz 0,53 w okresie 2015-2019. Dla sześciu z badanych przedziałów czasu stwierdzono silną korelację dodatnią, wskazującą na liniową zależność wskaźnika NDMI i NDVI. Warto zwrócić uwagę także na wskazania indeksu wilgotności dla skrajnych wartości NDVI, które informują o wystąpieniu pewnych fluktuacji. Omawiane wahania dotyczą wskazań dla NDVI poniżej wartości: 0,2 oraz powyżej 0,85. Pierwsze z nich wskazują na tereny zurbanizowane, charakteryzujące się niejednolitym pokryciem terenu. Przekładać się to może na losowy rozkład wartości NDMI. W obu przypadkach, odstępstwa te stanowią jednak wartości marginalne, których udział w całym zbiorze danych wynosi mniej niż 1%. Rozkład ww. wartości determinowany jest najprawdopodobniej przez czynniki losowe, co utrudnia ich interpretację. Po oczyszczeniu zbioru statystycznego ze skrajnych wartości uzyskano sumaryczny współczynnik korelacji na poziomie: 0,84. Możemy zatem wnioskować, że wzrost wartości NDMI, współgra w poprawą stanu roślinności. Przekłada się to na wzrost wilgotności na analizowanym terenie, czego efektem jest zwiększony udział powierzchni zielonych o dobrej kondycji.
Ryc. 10. Analiza zależności pomiędzy średnią wartością NDVI, a średnią wartością NDMI, dla poszczególnych przedziałów czasu, od 1984 r. do 2023 r., w Kielcach. Opracowanie własne.
Podsumowanie
Analiza stanu terenów zielonych w Kielcach na przestrzeni ostatnich 30 lat, ujawniła istotne zmiany w kondycji roślinności oraz powierzchni obszarów zielonych w strukturze miasta. Odnotowano wyraźny wzrost terenów zielonych charakteryzujących się wysoką kondycją roślin. Przyrost ten wynikał głównie ze zmian użytkowania terenu na obszarze Kielc, co miało ścisły związek z zachodzącymi na przełomie lat XX w. i XXI w. przemianami gospodarczymi. Ich efektem była zmiana w użytkowaniu gruntów rolnych i ich przekształcenie na cele mieszkaniowe – zwłaszcza pod zabudowę jednorodzinną, usługowe oraz handlowe. W wielu przypadkach, znaczna część tych terenów pozostała niezagospodarowana, co doprowadziło do wykształcenia się na nich obszarów nieużytkowanych, określanych mianem nieużytków sztucznych. Zjawisko to zaobserwowane zostało w różnych częściach miasta tj. okolice Niewachlowa II, Zalesia, Zagórza Górnego, Zagórza Zastawie oraz obszarach położonych w sąsiedztwie ulic: Batalionów Chłopskich, Krakowskiej i Piekoszowskiej. Efektem omawianego procesu był wzrost udziału terenów zielonych (NDVI >=0,6) z ok. 54% w latach 1984 – 1999 do ok. 62% w latach 2010 – 2023. Ważną rolę w kształtowaniu wskaźnika NDVI na terenie miasta odgrywały także zachodzące zmiany klimatyczne. Gwałtowny wzrost temperatury powietrza, obserwowany od początku lat 80, przełożył się na istotny wzrost temperatur aktywnych, czego efektem było wydłużenie okresu wegetacyjnego. Ze względu na znaczną zmienność oraz podatność wskaźnika NDVI na wpływ czynników biotycznych i abiotycznych, precyzyjne określenie zakresu analizowanych zmian pozostaje trudne do oszacowania. Zakłada się, że wskaźnik dynamiki zmian pomiędzy okresem 2010 – 2023 a 1984 – 1999, mógł wynieść od 110% do 115%. Istotny wpływ na uzyskane rezultaty miały także panujące warunki atmosferyczne, czego potwierdzeniem jest silna korelacja wskaźnika NDVI z opadami atmosferycznymi (0,59) oraz panującą wówczas temperaturą powietrza (0,54). Niniejsza analiza potwierdziła także silną zależność pomiędzy wskaźnikiem NDVI a NDMI. Współczynnik r – Pearsona wyniósł w tym przypadku 0,72. Szczegółowa analiza wykazała, że wartość wskaźnika NDMI zwiększały się wraz ze wzrostem wskaźnika NDVI. Pomijając skrajne wyniki związane z wystąpieniem naturalnych fluktuacji, korelacja opisywanego zjawiska szacowała się na poziomie 0,84. Zaobserwowana zależność pomiędzy wzrostem wilgotności a poprawą stanu roślinności jest zgodna z założonymi oczekiwaniami. Wzrost wilgotności może prowadzić do poprawy procesu fotosyntezy oraz metabolizmu roślin, co przekłada się na większy udział biomasy i lepszą kondycję roślin. Fakt ten przejawia się z kolei w wyższych wartościach NDVI. Według różnych źródeł i analiz, udział terenów zielonych w Kielcach może się od siebie znacząco różnić, w zależności od definicji oraz przyjętej metodologii badań. Warto przypomnieć, że w niniejszej analizie, udział powierzchni terenów zielonych w Kielcach w latach 2020 – 2023 wyniósł: 63,29%. Raport opracowany przez Obserwatorium Polityki Miejskiej i Regionalnej IRMiR wskazuje na udział powierzchni terenów zielonych, w Kielcach, w latach 2018 – 2019 na poziomie: 66,8%18. Pomimo tożsamej metodologii badań, wynik uzyskany w ramach omawianych badań jest o ok. 3,5% niższy. Różnice te mogą wynikać z różnych okresów oraz zastosowanych zobrazowań satelitarnych. Większą rozbieżność w udziale powierzchni terenów zielonych w Kielcach zauważyć można, porównując uzyskane wyniki danych z wartościami podanymi przez GUS, zgodnie z którymi, wskaźnik ten w 2019 r., wynosił 23,82%19. Tak znacząca rozbieżność wynikała głównie z postrzegania samej definicji terenów zielonych. Według GUS, obszary te to głównie tereny urządzone, które posiadają infrastrukturę techniczną, takie jak parki, zieleńce, ogrody botaniczne czy cmentarze20. W przypadku niniejszej analizy, pod uwagę wzięto wszystkie obszary zielone charakteryzujące się wysoką kondycją roślin, na poziomie NDVI >= 0,6. Przyjęta metodologia wykazuje znaczną przewagę nad tradycyjnymi metodami monitorowania zieleni w mieście. Dzięki wykorzystaniu danych satelitarnych możliwe było dokładne zidentyfikowanie obszarów zielonych w mieście, eliminując przy tym subiektywne oceny i interpretacje. Analiza ta pozwoliła również zidentyfikować kluczowe okresy zmian w strukturze terenów zielonych w Kielcach, co może być przydatne dla planowania dalszego zagospodarowania przestrzennego miasta, zarządzania środowiskiem miejskim, wspierając przy tym cele zrównoważonego rozwoju i ochrony środowiska naturalnego.
Bibliografia
1 Ustawa z dnia 16 kwietnia 2004 r. o ochronie przyrody, Dz.U. 2004 nr 92 poz. 880.
2 Piątkowska K.: Zieleń i wypoczynek, Instytut Kształtowania Środowiska, Warszawa 1983.
3 Bartosiewicz A., Brzywczy-Kunińska Z.: Urządzanie i pielęgnacja terenów zieleni, Państwowe Wydawnictwo Szkolnictwa Zawodowego, Warszawa 1983.
4 Ustawa z dnia 14 grudnia 2012 r. o odpadach, Dz.U. 2013 poz. 21.
5https://www.usgs.gov/faqs/what-are-band-designations-landsat-satellites [dostęp 2024-01-06].
6 https://eos.com/find-satellite/sentinel-2/ [dostęp 2024-01-06].
7 Hogrefe K. R., Patil V. P., Ruthrauff D. R., Meixell B. W., Budde M. E., Hupp J. W., Ward D. H., 2017, Normalized difference vegetationindex as an estimator for abundance and quality of Avian Herbivore Forage in Arctic Alaska, Remote Sensing, 9(12), 1–21.
8 Rouse, J.W., Jr.,Haas R.H.,Schell J.A., Deering D.W.. Monitoring the vernal advancement and retrograda- tion (green wave effect) of natural vegetation. „Prog. Rep. RSC 1978-1, Remote Sensing Center, Texas A&M Univ., College Station, nr E73-106393, 93 (NTIS No. E73- 106393).”, 1973.
9 Wang J., Rich P. M., Price K. P., Kettle W. D., 2004, Relations between NDVI and tree productivity in the central Great Plains. International Journal of Remote Sensing, t. 25, nr 16, 3127–3138
10 Gamon J. A., Filed Ch. B., Goulden M. L., Griffin K. L., Hartely A. E., Joel G., Peňuelas J., Valentini R., 1995, Relationships between NDVI, canopy structure, and photosynthesis in three Californian vegetation types. Ecological Applications, t. 5, nr 1, 28–41.
11 Nasiłowska S. , Kubiak K., 2016, Zmienność wskaźników NDVI oraz NDMI na przykładzie analizy uprawy kukurydzy w Etiopii. Teledetekcja Środowiska, t. 55 (2016/2), s. 15-26,
12 https://eos.com/make-an-analysis/ndmi/ [dostęp 2023-12-31].
13 Ya’acob, Norsuzila & Azize, Aziean & Mahmon, Nur & Yusof, Azita & Azmi, Nor & Mustafa, Norfazira. (2014). Temporal Forest Change Detection and Forest Health Assessment using Remote Sensing. IOP Conference Series: Earth and Environmental Science. 19. 10.1088/1755-1315/19/1/012017.
14 Oleksandra Strashok, Monika Ziemiańska, Vitalii Strashok, Evaluation and Correlation of Sentinel-2 NDVI and NDMI in Kyiv (2017–2021). Journal of Ecological Engineering 2022, 23(9), 212–218. https://doi.org/10.12911/22998993/151884
15 Mager P., Kopeć M., 2010, Okres wegetacyjny w Polsce i w Europie w dobie obserwowanego ocieplenia, [w:] Klimat Polski na tle klimatu Europy. Zmiany i ich konsekwencje, E. Bednorz, L. Kolendowicz (red.), Bogucki Wydawnictwo Naukowe, Poznań, 49-63
16 Kamińska W., Mularczyk M. Suligowski R., Przeobrażenia struktury użytkowania gruntów rolnych w województwie świętokrzyskim w pierwszej dekadzie XXI w.,Komisja Krajobrazu Kulturowego Polskiego Towarzystwa Geograficznego, Prace Komisji Krajobrazu Kulturowego, 2019, nr 42 (2) s. 107 – 124
17 Luchter, B. Wpływ transformacji gospodarczej na zmiany u ̇zytkowania ziemi w strefie zewn ̨etrznej Krakowa. Zesz. Nauk. Akad. Ekon. Krak. 2003, 617, 177–191.
18 Łachowski W., Łęczek A., 2020, Tereny zielone w dużych miastach Polski. Analiza z wykorzystaniem Sentinel 2, Urban Development Issues, vol. 68(1), 77–90. https://doi.org/10.51733/udi.2020.68.07
19 https://bdl.stat.gov.pl/bdl/start [dostęp 2024-01-18]
20 https://stat.gov.pl/metainformacje/slownik-pojec/pojecia-stosowane-w-statystyce-publicznej/3198,pojecie.html?pdf=1 [dostęp 2024-01-18]
