הערך של נתונים היפרספקטרליים למיפוי צמחיית ביצות מקיר לקיר בנופים לא אחידים

מדוע מיפוי נופים מימיים חשוב

ביצות הן מהמערכות האקולוגיות הפוריות והמאוימות ביותר על פני כדור הארץ. הן מאחסנות פחמן, מרסנות שיטפונות ומספקות מחסה לצמחים ובעלי חיים נדירים — אך גם קשה להגיע אליהן וקשה עוד יותר למפות אותן בפירוט רגלי. המחקר הזה שואל שאלה מעשית שעומדת בפני מנהלי שמורות ושמרנים בכל מקום: האם באמת צריך טיסות היפרספקטרליות יקרות ומתקדמות כדי להבין את צמחיית הביצות, או שתמונות אוויריות זולות ונפוצות יותר יכולות להספיק?

מצליפים על מבוך של ביצות

החוקרים התרכזו בפארק הלאומי נארב בצפון‑מזרח פולין, אחד מאתרי הביצות הגדולים ביותר באירופה. כאן נהר מסתעף ברבים ובערוצים מרובים חוצה עמק שטוח מלא שדות קנה, ביצות סינג, מרעות לחות, פנגלים נמוכים, שיחי ערבה ויערות ריפריים. אזורים רבים קשים או בלתי נגישים ברגל, ובכל זאת הצומח משתנה ככל שחקלאות מסורתית פוחתת ורמות המים יורדות. כדי לעקוב אחרי שינויים אלה, הצוות שילב בוטניקה שטחית עם חישה מרחוק נשיאת‑מטוס על פני יותר מ‑300 קמ"ר.

מטוסים, לייזרים והרבה גוונים של אור

בקיץ 2020 אספו מטוסים שלוש אותות של נתונים מעל הפארק. חיישנים היפרספקטרליים הקליטו מאות פסי צבע צרים מאוד מאור נראה ועד לתת‑אינפרא‑אדום קצר, ותיארו הבדלים עדינים בכימיה של עלים ובלחות. סורק LiDAR ירה פולסי לייזר כדי למדוד את המבנה התלת־ממדי של הצמחייה, כגון גובה ומורכבות הכתר. מצלמת RGBN ברזולוציה גבוהה צילמה תמונות אדום, ירוק, כחול וקרוב‑אינפרא‑אדום ברזולוציית 10 סנטימטר, ומשם הקבוצה גם חישבה אינדקסי צמחייה ומדדי טקסטורה בקנה מידה דק שמתארים כיצד גוונים בפיקסלים משתנים בשכנות קטנות. בשטח, בוטנאים מיפו כמעט 2,000 מגרשי ייחוס, והבחינו ב‑30 כיתות צמחייה מפורטות שנעות ממים פתוחים ועד קהילות ביצתיות ויערות ספציפיות.

ללמד מחשב להכיר דפוסי צמחים

לאחר מכן המדענים אימנו מודל למידת מכונה (CatBoost) לחזות את סוג הצמחייה לכל מטר מרובע, ובדקו ארבעה שילובי נתונים. המערך העשיר ביותר שילב נתוני היפרספקטרל עם LiDAR; השני השתמש רק ב‑LiDAR; השלישי שילב LiDAR עם תמונות RGBN; והרביעי הוסיף שכבות טקסטורה לתערובת RGBN‑LiDAR. על ידי אימון ואימות חוזר של המודל על תתי־קבוצות שונות של מגרשי השטח, הם העריכו כמה פעמים זוהתה כל כיתה נכון. הם גם השוו עד כמה המפות שהתגלו דמויות זו לזו ולמפת צמחייה ידנית קיימת של הפארק, באמצעות גם סריקה חזותית וגם מדד חפיפה סטנדרטי.

מה מרוויחים ומה מאבדים בלי נתוני היפרספקטרל

מערך הנתונים המשולב היפרספקטרל‑וכוונטרי‑LiDAR הציג ביצועים הטובים ביותר, עם מיון נכון של כ‑82 אחוזים מהמיקומים סך‑הכל ותוצאות חזקות עבור קהילות רבות, בעיקר יערות, קני ביצה ועצי ערבה. שימוש ב‑LiDAR בלבד הוריד את הדיוק לכ־63 אחוזים, דבר שהסופרים מחשיבים כנמוך מדי לקבלת החלטות שימור. החלפת נתוני היפרספקטרל בתמונות RGBN שיפרה משמעותית לעומת LiDAR בלבד: הדיוק טיפס לכ־72–73 אחוזים, כאשר שכבות הטקסטורה הנוספות סיפקו רק דחיפה קטנה נוספת. עבור סוגי צמחייה מסוימים — כגון צמחי מים פתוחים, קנים מסוימים ופנגלים נמוכים — הגישה של RGBN‑עם‑טקסטורה התקרבה לביצועי נתוני היפרספקטרל. עבור אחרים, ובייחוד קהילות עשב גבוהות וחלק מבריכות סינג וסוגי שיחים, אובדן פרטי ההיפרספקטרום גרם לירידה ניכרת באמינות.

לראות יותר ממה שמפות שטח לבדן יכולות להראות

כאשר המפות החדשות מחישה מרחוק הושוו למפת הצמחייה המסורתית המבוססת על שטח שהייתה בשימוש בתוכנית הניהול של הפארק, ההבדלים היו בולטים. הנתונים האויריים גילו הרבה כתמים קטנים אך אקולוגית חשובים — כגון מרעות על גבעות מינרליות זעירות וחתיכות נדירות של צמחיית פנג — שהמפת שטח החמיצה או הכלילה ליחידות רחבות. החישה המרוחקת גם תפסה פסיפסים מורכבים שבהם קהילות ביצה שונות מתערבבות ברחבי המישרף. במקביל, חלק מסוגי הדשא העדינים שזוהו על‑ידי בוטנאים נותרו קשים להבדלה מתמונות לבדן, מה שמדגיש את הערך המתמשך של עבודת שטח מומחית.

מה זה אומר להגנה על ביצות

למנהלי ביצות מוגנות, המחקר נותן מסר מעודן. אם התקציבים מאפשרים, שילוב נתוני היפרספקטרל ו‑LiDAR מציע את המפות המקיפות המדויקות ביותר ותומך בצורה הטובה ביותר בניהול בית גידול מפורט. עם זאת, במקום שבו טיסות מתקדמות כאלה יקרות מדי, איחוי תמונות RGBN נגישות יותר עם LiDAR עדיין מניב מפות שימושיות ובעלות דיוק סביר עבור סוגי צמחייה רבים, במיוחד כשהן מועשרות במידע טקסטורלי. מעל לכל, העבודה מראה שחישה מרחוק אווירית — בין אם ברמה העליונה ובין אם צנועה יותר — יכולה להעשיר ולהשלים במידה רבה את מיפוי השטח המסורתי, ולחשוף את הצריחיות הדקה של צמחיית הביצות שתומכת במגוון הביולוגי ומנחה החלטות שימור חכמות יותר.

ציטוט: Jarocińska, A., Kopeć, D., Niedzielko, J. et al. Value of hyperspectral data for wall to wall wetland vegetation mapping in heterogeneous landscapes. Sci Rep 16, 13947 (2026). https://doi.org/10.1038/s41598-026-44275-0

מילות מפתח: מיפוי ביצות, חישה מרחוק, דימות היפרספקטרלי, LiDAR, מיון צמחייה