Simple item page
 

Teledetekcyjna ocena monokultur roślin torfowiskowych oraz ich fenotypu celem oceny udziału poszczególnych gatunków roślin w wartościach mierzonych

dc.abstract.enPeatlands are one of the world's most important ecosystems, but they are very challenging to study and understand. The remoteness of a majority of peatlands and difficult terrain make them challenging to study. Therefore, remote sensing is a welcomed help in monitoring and understanding the peatland vegetation. Although significant progress in remote sensing of peatlands has been made in the last years, new signals, like Sun-Induced Fluorescence (SIF), are getting more important and need to be incorporated into peatland monitoring. Despite few species can grow in the waterlogged, low pH, and low nutrient content conditions of peatlands, the spatial heterogeneity of vegetation is huge. In addition, the vegetation consists of two distinct layers: mosses and vascular plants, which have different morphology and physiology
dc.abstract.enhence reflectance and SIF emission properties differ. To understand the reactions of different plants to climatic variables, we first need to know their contribution to remotely sensed parameters throughout the year. The reflectance of various peatland inhabiting species and SIF of peatland communities have been examined, but the oneday studies are not enough for all-year-round monitoring. The best way to obtain information about the plants' physiology from reflectance and SIF is through modeling, particularly by radiative transfer models (RTMs) inversion. However, utilization of RTMs for mosses is very challenging, as RTMs are developed for vascular plants, which have different morphology and physiology. Thanks to the novel approach proposed in this project, the use, and reliability of Soil-Canopy Observation of Photosynthesis and Energy (SCOPE) and multi-layer SCOPE (mSCOPE) as well as empirical methods for peatland mosses can be tested for the first time. To develop and verify the models, data about different species and plant functional groups (PFGs) must be collected. Yet, the data about the SIF and reflectance-based vegetation indices (VIs) from single species or PFG canopy cannot be obtained from natural vegetation as there are not big enough patches of single species or PFG in nature. Therefore, a new approach, based on growing monocultures of individual species and plant functional groups (PFGs), is proposed in this research proposal to estimate the contribution of canopy level SIF and VIs of different PFGs to mixed vegetation signals and to obtain data for reliable verification of models. Additionally, chlorophyll content and leaf-level chlorophyll fluorescence-based parameters will be measured to correlate the physiological status of plants with remotely sensed signals (SIF and VIs). Thanks to this combination of techniques, we will be able to understand not only species' contribution to mixed vegetation canopy signals but also the dependency of each PFG's SIF and VIs on plant physiology. However, remotely sensed signals (SIF and VIs) measured from PFG monocultures may differ from the signals from the same PFG growing in the mixed canopy due to competition, shading, or different nutrient availability. To address this issue, we will make use of a very sophisticated automatic phenotyping platform, which makes it possible to measure reflectance and chlorophyll fluorescence and calculate VIs and photosynthetic parameters from single points as well as an average of whole vegetation. In this way, we will be able to measure VIs from PFGs grown in mixed vegetation and compare them with monocultures. To our best knowledge, this will be the first time when automatic phenotyping is used for peatland vegetation. Automatic ecosystem phenotyping, in general, is very unusual due to the large dimensions of plants in many ecosystems and the lack of suitable infrastructure. The advantage of peatland vegetation is that the plants are of small dimensions, and physiologically and morphologically very different species coexist in a small area. Therefore, it is a perfect model ecosystem for automatic ecosystem phenotyping, and the proposed research will contribute to the development of this technique and pioneer the methods for peatland vegetation automated phenotyping in controlled conditions.
dc.abstract.plTorfowiska stanowią jedne z najważniejszych ekosystemów lądowych ze względu na magazynowanie znacznych ilości węgla. Z uwagi na fakt, że tereny te są z reguły trudnodostępne ich badanie jest często dużym wyzwaniem. Dlatego też, teledetekcja jest narzędziem, które znacznie ułatwia monitorowanie oraz poznanie roślinności torfowiskowej. Chociaż w ostatnich latach poczyniono znaczne postępy w teledetekcji torfowisk, nowe sygnały, takie jak fluorescencja indukowana słońcem (SIF), stają się coraz ważniejsze i muszą być uwzględnione w monitorowaniu tych cennych ekosystemów. W przeciwieństwie do powszechnie stosowanych spektralnych wskaźników roślinności (VIs) opartych na współczynniku odbicia, SIF wykorzystuje światło emitowane przez rośliny do badania stanu fizjologicznego roślin. Dzięki temu metoda ta jest bardziej odpowiednia do oceny wpływu stresu na rośliny. Pomimo tego, że niewiele gatunków może funkcjonować na obszarach podmokłych o niskim odczynie pH i niskiej zawartości składników pokarmowych, przestrzenna zmienność i niejednorodność roślinności torfowiskowej jest ogromna. Ponadto, struktura roślinności torfowiskowej może być podzielona na dwie odrębne grupy: mchów oraz roślin naczyniowych, które mają zupełnie różną morfologię i fizjologię. Stąd rośliny te wykazują zupełnie inne właściwości spektralne i emisji SIF. Aby dogłębnie zrozumieć reakcje roślin na zmiany klimatu, niezbędne jest poznanie poszczególnych sygnałów teledetekcyjnych w przeciągu całego roku. Przeprowadzenia jednodniowych pomiarów reflektancji poszczególnych gatunków roślin torfowiskowych in-situ jest niewystarczające aby otrzymane wyniki przełożyć na pełen okres wegetacyjny. Najlepszym sposobem pozwalającym na uzyskanie informacji o fizjologii roślin na podstawie SIF jest inwersja modeli transferu promieniowania (RTM). W ten sposób możliwe jest modelowanie aktywność fotosyntetycznej, czy procesów związanych ze stresem na podstawie widma światła odbijanego przez rośliny. Jednak wykorzystanie RTM dla mchów, które są najważniejszą grupą roślinności torfotwórczej (GRT), jest bardzo trudne, ponieważ RTM opracowywane są dla roślin naczyniowych o zupełnie innej fizjologii i morfologii. Dzięki nowatorskiemu podejściu zaproponowanemu w tym projekcie po raz pierwszy możliwe będzie przetestowanie i wykorzystanie dwóch bardzo zaawansowanych modeli RTM: Soil-Canopy Observation of Photosynthesis and Energy (SCOPE) oraz wielowarstwowego modelu SCOPE (mSCOPE) dla mchów torfowiskowych. Aby ulepszyć i zweryfikować modele, niezbędnym jest dostarczenie danych o różnych gatunkach GRT. Jednak otrzymanie sygnału SIF oraz spektralnych wskaźników roślinności dla pojedynczych gatunków lub poziomu zwartej roślinności GRT jest niemożliwe ze względu na brak naturalnie dużych obszarów homogenicznej roślinności naczyniowej oraz połaci mchów torfotwórczych. Dlatego też, w niniejszym projekcie badawczym zaproponowano innowacyjne podejście oparte na hodowli monokultur poszczególnych gatunków roślin torfotwórczych naczyniowych i mchów, w celu oszacowania udziału sygnałów SIF i VIs w warunkach naturalnych, tak aby możliwa była wiarygodna weryfikacja ww. modeli. Dodatkowo mierzone będą zawartość chlorofilu i parametry fluorescencji chlorofilu na poziomie liści w celu korelacji stanu fizjologicznego roślin z sygnałami teledetekcyjnymi (SIF i VIs). Dzięki takiej kombinacji technik możliwe będzie zrozumienie nie tylko udziału sygnałów poszczególnych gatunków w mieszanych sygnałach otrzymywanych w naturalnych warunkach, ale także zależności SIF i VIs każdego gatunku rośliny torfotwórczej od stanu fizjologii roślin. Jednakże, sygnały SIF i VIs otrzymywane w warunkach in-situ mogą różnić się od sygnałów z tych samych roślin rosnących w monokulturze ze względu na brak występowania konkurencji, zacieniania, lub inną dostępność składników odżywczych. Aby rozwiązać ten problem, wykorzystana zostanie bardzo zaawansowana platforma automatycznego fenotypowania, która umożliwia pomiar reflektancji i fluorescencji chlorofilu oraz obliczenie wartości VIs i parametrów fotosyntezy z pojedynczych punktów, a także średniej dla całej badanej roślinności. W ten sposób możliwe będą pomiary sygnałów VIs z roślinności GRT uprawianych w uprawach mieszanych i porównanie ich z monokulturami. Zgodnie z naszą najlepszą wiedzą będzie to pierwszy przypadek zastosowania automatycznego fenotypowania roślinności torfowiskowej. Ogólnie rzecz biorąc, automatyczne fenotypowanie ekosystemów jest bardzo nietypowe ze względu na duże rozmiary roślin w wielu ekosystemach i brak odpowiedniej infrastruktury badawczej. Zaletą roślinności torfowiskowej jest to, że rośliny są niewielkich rozmiarów oraz fakt, że na niewielkim obszarze współistnieją gatunki o bardzo różnej fizjologii i morfologii. Dlatego, torfowisko jest idealnym ekosystemem modelowym do automatycznego fenotypowania. Proponowane badania przyczynią się do rozwoju zautomatyzowanego fenotypowania w kontrolowanych warunkach środowiskowych dla roślinności torfowiskowej.
dc.contributor.authorMichal Antala
dc.date.accessioned2025-06-30T14:39:27Z
dc.date.available2025-06-30T14:39:27Z
dc.date.issued2023
dc.identifier.projectUMO-2022/45/N/ST10/01654
dc.identifier.urihttps://sciencerep.up.poznan.pl/handle/item/3367
dc.pbn.affiliationenvironmental engineering, mining and energy
dc.subject.plchlorophyll fluorescence,
dc.subject.plecosystem phenotyping
dc.subject.plfenotypowanie ekosystemu
dc.subject.plfluorescencja chlorofilu
dc.subject.plfluorescencja chlorofilu,
dc.subject.plfluorescencja indukowana promieniowaniem słonecznym,
dc.subject.plpeatland vegetation,
dc.subject.plroślinność torfowiskowa,
dc.subject.plspectral vegetation indices
dc.subject.plspektralne wskaźniki roślinne,
dc.subject.plsun-induced fluorescence,
dc.titleTeledetekcyjna ocena monokultur roślin torfowiskowych oraz ich fenotypu celem oceny udziału poszczególnych gatunków roślin w wartościach mierzonych
dc.title.alternativeRemote sensing of peatland vegetation monoculture canopies and ecosystem phenotyping to estimate the contribution of species to mixed vegetation signals from multispecies areas
dc.typeProject
dspace.entity.typeProject
project.competition.namePRELUDIUM
project.endDate2025-01-19T00:00:00
project.startDate2023-01-20T00:00:00