Takáts Tünde–Mészáros János–Albert Gáspár–Pásztor László: A talajképző kőzet távérzékelésből származó adatokon alapuló digitális térképezése
|
szeptember 24.
2021
|
Farsang Andrea
|
A talajképző kőzet fontos elsődleges talajtulajdonság, amelynek térképezése kihívást jelentő feladat. Hazánkban a sekély földtani térképek nagy és közepes méretarányban sok esetben régiek vagy el sem készültek. Munkánk célja, hogy egy kiválasztott mintaterületen archív földtani térképek és távérzékelésből származó adatok felhasználásával digitális eszközökkel térképezzük a talajképző kőzetet.
A nagyfelbontású alapkőzet térkép elkészítésére egy régi szénbányászati területet, a Dorogi-medence térségét választottuk ki. A terület több mint 200 éves szénbányászati múlttal rendelkezik. A térségben az utolsó bányát 2003-ban számolták fel, azonban a területről készült legfrissebb nagy méretarányú földtani térképsorozat az 1960-as években készült.
A térképezéshez főként nyílt forrásból származó adatokat és programokat használtunk. Elsődleges geoinformatikai alkalmazásnak a Google Earth Enginet választottuk.
A talajképző kőzet gépi tanuláson alapuló térbeli becsléséhez elsődlegesen távérzékelésből származó adatokat (pl.: műhold felvételeket, SRTM) és alkalmaztunk. A predikció pontosítása érdekében egyéb környezeti kiegészítő adatokat is bevontunk a modellezésbe digitális talajtérképek (pl. különböző frakciók) formájában. Több műhold (Sentinel-2, Landsat 8, ASTER) felvételeinek az alkalmazhatóságát is vizsgáltuk. A műholdfelvételek adatait mind sávok, mind pedig spektrális indexek formájában alkalmaztuk. Elsősorban olyan spektrális indexeket kerestünk, amelyek jó indikátorai lehetnek a talajképző kőzet egyes kémiai tulajdonságainak (pl. SiO2, Fe2+, CO3), illetve különböző, a felszínt meghatározó indexeket (pl.: NDVI (Normalized Difference Vegetation Index), NBR (Normalized Burn Ratio), SCI (Soil Composition Index)). Ezeket kiegészítettük az SRTM-ből származó magasság adatokkal, és az abból levezethető morfometriai elemekkel (pl. lejtőszög, kitettség), valamint digitális talajtérképekkel (pl. agyag-, iszap-, szervesanyag tartalom). A meglévő nagy méretarányú geológiai térkép szelvények dezagregálása során 23 alapkőzet-típus különítettünk el, melyeket az osztályozás során használtunk fel. Ezeket a földtani térképeket százszor virtuálisan mintavételeztük random pontok generálásával, melyeket a talajképző kőzet becslése során mind tanításra, mind pedig tesztelésre használtunk. A becslést véletlen erdő (Random Forest) klasszifikációval végeztük, melynek prediktorai a fentebb említett forrásokból származó geomorfometriai jellemzők, geológiai indexek, illetve talajjellemzők voltak.
A predikciók pontosságának ellenőrzése során a 100 különböző kimenetelű becslés átlagos pontossága 0,68. A becslés pontosságának minimum értéke 0,62, míg maximum értéke 0,76 volt. Az eredményekből kiderült, hogy a legfontosabb változók a geológiai és topográfiai prediktorok voltak. Azonban a talaj agyag-, iszap- és szerves anyag tartalma is fontosnak bizonyult a becslés során a tesztelt spektrális változók széles palettájával szemben. Hogy tovább pontosítsuk az eredményeket, a becslést terepi mérésből származó adatokkal egészítjük ki.
