A távérzékeléses gyeptérképezés titkai

Fókuszban az Európai Unió állandó gyepterületei

Az Európai Unió állandó gyepterületeinek térképi nyilvántartásával, és ennek Magyarország területére vonatkozó feladataival a Lechner Tudásközpont Földmegfigyelési Operatív Központ főosztálya foglalkozik, karöltve a Nemzeti Földügyi Központtal. A projekt hátteréről és céljáról, a gyepterületek lehatárolásának kihívásairól, a távérzékelési módszerekről és a gépi tanításról dr. Mikus Gábor főosztályvezetővel, dr. Kristóf Dániel űrtávérzékelési osztályvezetővel, dr. Belényesi Márta távérzékelési vezető szakértővel és Pacskó Vivien távérzékelési szakértővel beszélgettünk.

A Lechner Tudásközpont műholdas távérzékelési szakembereinek egyik kiemelt projektje a gyeptérképezés. Mi ennek a feladatnak a háttere?

A távérzékeléses gyeptérképezés esetünkben az állandó gyepek térképi nyilvántartásának fontos kiinduló adata. A vonatkozó jogszabály szerint állandónak a legalább 5 éve meglévő gyep számít. Ezeknek a gyepeknek a megőrzése a Közös Agrárpolitika (KAP) „Zöldítés” programjának egyik fontos eleme 2013 óta (1307/2013/EU). 2023-tól a Zöldítés integrálódik az ún. „Feltételesség” (vagy „Kondicionalitás”) programba (2021/2115/EU), a gyepekre vonatkozó előírásokkal együtt.

Az állandó gyepeket a Mezőgazdasági Parcella Azonosító Rendszerben (MePAR) – ami az európai uniós mezőgazdasági támogatások kifizetéséhez, nyomon követéséhez kapcsolódó nyilvántartási, adminisztrációs rendszer – külön tematikus fedvény formájában nyilván is kell tartani, és ennek a kialakításához nyújtunk mi segítséget.

A gyep ebben az esetben, ezek szerint nem egy kert vagy egy focipálya gyepét jelenti.

Itt kimondottan a mezőgazdasági gyepterületekről, leginkább legelőkről, kaszálókról, egynyári takarmánynövények termesztésére használt területekről van szó.

gyep-01
Valósszínes Sentinel–2 mozaikon fehérrel jelölve láthatóak a strátumhatárok
A vonatkozó jogszabály szerint (2021/2115/EU): „állandó gyepterület és állandó legelő” (a továbbiakban együttesen: állandó gyepterület): gyep vagy egyéb egynyári takarmánynövény természetes (vetés nélküli) vagy művelés útján (vetéssel) történő termesztésére használt, a mezőgazdasági üzem vetésforgójában legalább öt éve nem szereplő földterület, valamint, amennyiben a tagállamok úgy döntenek, olyan földterület, amelyet legalább öt éve nem szántottak fel, nem műveltek meg, vagy nem vetettek be újra különböző típusú gyeppel vagy egyéb egynyári takarmánynövénnyel. E földterület otthont adhat egyéb, legeltetés céljára alkalmas fajoknak is, például cserjéknek vagy fáknak, továbbá, amennyiben a tagállamok úgy döntenek, egyéb, takarmányként szolgáló fajoknak, például cserjéknek vagy fáknak, feltéve, hogy a gyep és az egyéb egynyári takarmánynövények túlsúlyban maradnak.”

Az is nagyon fontos szempont egyébként, hogy a térképezett gyepterületek közül melyek esnek védelem alá. Az állandó gyepterületek közül azok, amelyek „Natura 2000” területekre esnek, fokozott védettséget élveznek. Ezeket a gyepterületeket környezeti szempontból érzékeny gyepeknek nevezzük. Ez egy külön támogatási jogcím is egyben, így ezeket a gyepeket külön is nyilván kell tartani. A MePAR kezelésével, fenntartásával, frissítésével a Nemzeti Földügyi Központ (NFK) foglalkozik, a támogatási rendszert pedig a Magyar Államkincstár működteti. A Lechner Tudásközpont 2017-től az NFK-val évente kötött szerződés keretében támogatja a munkát távérzékelési módszerekkel, például az állandó gyepterületek lehatárolását illetően.

gyep-02

Hogyan került bele a Lechner Tudásközpont ebbe a projektbe? 

A Lechnerben nagyon sok olyan adat összefut, amit referenciaadatként lehet használni, vagyis tudjuk, hogy egyes területeken milyen növényzet, milyen mezőgazdasági kultúra van, ezen kívül sokféle távérzékelt adattal eleve dolgoztunk, sokféle távérzékeléses elemzést végzünk, ebben nagy jártassággal és jó módszertani alapokkal rendelkezünk. Ezen felül az informatikai hátterünk is nagyon erős. Tehát elég jó adottságaink voltak a feladathoz számítástechnikai és adat oldalról is. Mivel azonban túl sok élőmunkát nem tudunk erre fordítani, nincs száz munkatársunk, aki ezzel tudna foglalkozni, az az ötletünk támadt, hogy próbáljuk meg automatizálni, és valamilyen gépi tanítási vagy mesterséges intelligencia módszerrel megmondani, hogy hol vannak gyepterületek. Tehát, amikor megkaptuk ezt a felkérést, elkezdtünk egy módszertani fejlesztést, körülnéztünk a szakirodalomban, konferenciákon, hogy mi az a megoldás, amely a számunkra alkalmas lesz.

gyep-03

Mi lett a megoldás?

Gyorsan sikerült egy nagyon megbízható és igen robosztus módszert találni, ez pedig a Random Forest nevű gépi tanítási módszer. Elkezdtük tesztelni és kiderült, hogy nagyon szuper, a korábbi osztályozási módszereinkhez képest sokkal jobb eredményeket adott, ráadásul jóval könnyebben automatizálható. Rájöttünk arra is, hogy ha gyepterületeket akarunk lehatárolni, akkor először is elő kell állítanunk egy szinte teljes, „faltól-falig” növénytérképet az egész országra vonatkozóan, ami tartalmazza a mezőgazdasági kultúrákat, az erdőket, a vizeket. Ugyanis a gyepes területek jó lehatárolásához az is fontos, hogy azokat a kategóriákat, amelyek a gyepekkel keveredhetnének, találjuk meg és különítsük el. A munkához kellett az is, hogy legyenek egész éves űrfelvétel-idősoraink, mivel az egyes növénykultúrák különbözőképpen viselkednek az év folyamán. A gyepek például egészen más ciklust mutatnak egy éven belül, mint a kukorica, a búza vagy egy erdő. 2016-tól kezdett adatokat szolgáltatni az Európai Űrügynökség Sentinel műholdcsaládja, ami biztosítja azt, hogy körülbelül heti gyakorisággal a rendelkezésünkre állnak űrfelvételek gyakorlatilag bármilyen területről. A felhőzet néha akadályozhat minket, de azt mindenképpen elmondhatjuk, hogy sokkal jobb most az űrfelvétel-ellátottságunk, mint ezelőtt 7–8 évvel.

gyep-04

Mi is ez a Random Forest módszer?

A módszert egy Leo Breiman nevű amerikai statisztikus találta ki, 2001-ben volt az első publikációja. Annyira jól sikerült, hogy viharos gyorsasággal kezdett terjedni, azóta nagyon sok mindenhez használják. A legújabb módszerek számára is ez a „golden standard”, tehát ehhez képest mérik, hogy hogyan teljesítenek, és még mindig csak maximum néhány százalékkal tudják felülmúlni általában. Nyilván ehhez az is kell, hogy elég jó legyen a referenciaadatok halmaza. Ha valaki jól el van látva referenciaadatokkal, mint ahogy mi is, akkor ez a módszer rendkívül stabilan, megbízhatóan és hatékonyan működik. Akkor lehetnek gondok, ha esetleg hirtelen nem lehet hozzáférni ezekhez az adatokhoz, ekkor már fejlettebb módszerek kellenek, a neurális hálók, a mesterséges intelligencia felé kell fordulni. 

A Random Forest egy úgynevezett együttes (ensemble) vagy kombinált osztályozó (classifier combination) módszer. Egy együttes módszer alaposztályozók — jelen esetben döntési fák — halmazát hozza létre, majd úgy végez osztályozást, hogy többségi szavazást tart az egyes osztályozó elemek között [Breiman, L.: Random Forests. Machine Learning 45, 5–32 (2001)]. Az osztályozó felépítésében fontos az egyes alaposztályozók bemeneti jellemzőinek megválasztása, ami történhet automatikusan, vagy szakterületi szakértők ajánlása alapján. A Random Forest erőssége általánosságban, hogy egymástól eltérő jellegű és skálájú adatokat is hatékonyan kezel együtt, nem érzékeny a tanulóadatok eloszlására, valamint kisebb torzításokat, zajokat is tolerál. Mint a legtöbb osztályozó algoritmus, a Random Forest is érzékeny azonban a referenciaadatok minőségére, így az eredmények pontossága nem haladhatja meg a bemenő adat pontosságát. Maga az algoritmus több nyílt forráskódú környezetben, például R-ben és Pythonban is implementálva van, így a paraméterek megválasztása után automatizálható módon is futtatható.

gyep-05

A referenciaadatok fontossága már többször előkerült.

Az ilyen rendszerekben mindig az a kulcs, hogy milyen referenciaadatokat tudunk használni, amit a rendszer tanítására, majd az eredmények tesztelésére be tudunk vetni. Az NFK-tól is nagyszámú referenciaadatot kapunk a feladataink elvégzéséhez. Itt az a lényeg, hogy vannak olyan területek, ahol tudjuk, hogy mi van, és szeretnénk kiterjeszteni ezt a tudást a teljes területre. Az országot úgynevezett strátumokra osztjuk fel, ezek alapvetően agro-ökológiai zónák. Egy-egy ilyen strátumon belül nagyjából homogénnek tekinthető a tájhasználat, hasonló méretűek a parcellák, hasonló növényeket termesztenek. Ilyenből országosan 35 darab van. A feldolgozásainkat általában ezekre az egységekre indítjuk el, illetve ennek megfelelően optimalizáljuk. 

Fontos megemlíteni azt is, hogy az elemzéseink évről-évre egységes módszertan szerint, megismételhető módon készülnek. Ez biztosítja az adatok összehasonlíthatóságát, illetve megteremti a hosszabb időtávot felölelő vizsgálatok alapját. Emellett ebben a feladatban is igen lényeges a kollégáink szakértelme, hiszen az automatikus futtatások eredményét vizuálisan ellenőrizzük és indokolt esetben megtesszük a szükséges korrekciókat. Alapelvünk és egyben a megbízóink elvárása, hogy az automatikus módszerekkel született térképek nem kerülhetnek ki a kezünk közül emberi minőség-biztosítás nélkül.

Fotók: Terepi felmérések Tóth László tájegységvezető (Bükki Nemzeti Park Igazgatóság) közreműködésével