Authors:
Réka Döbröntey Magyar Agrár- és Élettudományi Egyetem, Talajtani Tanszék, Gödöllő, Magyarország

Search for other papers by Réka Döbröntey in
Current site
Google Scholar
PubMed
Close
,
János Grósz Magyar Agrár- és Élettudományi Egyetem, Talajtani Tanszék, Gödöllő, Magyarország

Search for other papers by János Grósz in
Current site
Google Scholar
PubMed
Close
,
Judit Rita Keleti Magyar Agrár- és Élettudományi Egyetem, Talajtani Tanszék, Gödöllő, Magyarország

Search for other papers by Judit Rita Keleti in
Current site
Google Scholar
PubMed
Close
,
Tamás Szegi Magyar Agrár- és Élettudományi Egyetem, Talajtani Tanszék, Gödöllő, Magyarország

Search for other papers by Tamás Szegi in
Current site
Google Scholar
PubMed
Close
,
Márta Fuchs Magyar Agrár- és Élettudományi Egyetem, Talajtani Tanszék, Gödöllő, Magyarország

Search for other papers by Márta Fuchs in
Current site
Google Scholar
PubMed
Close
,
Erika Michéli Magyar Agrár- és Élettudományi Egyetem, Talajtani Tanszék, Gödöllő, Magyarország

Search for other papers by Erika Michéli in
Current site
Google Scholar
PubMed
Close
, and
Ádám Csorba Magyar Agrár- és Élettudományi Egyetem, Talajtani Tanszék, Gödöllő, Magyarország

Search for other papers by Ádám Csorba in
Current site
Google Scholar
PubMed
Close
Open access

A vizes élőhelyek a vízi és a szárazföldi ökoszisztémák között elhelyezkedő, igen változatos, és általában nehezen lehatárolható területek. Kiemelt jelentőségük annak köszönhető, hogy bár csak a globális szárazföldi területek mintegy 6–7%-át borítják, kulcsfontosságú szerepet játszanak az éghajlat szabályozásában, a vizes ökoszisztémák biodiverzitásának és hidrológiai viszonyainak fenntartásában, valamint számos további ökológiai és társadalmi funkciót is szolgáltatnak, beleértve az árvízvédelmi, víztisztítási, szén-dioxid-tárolási, élőhelytámogatási és kulturális, rekreációs előnyöket. A vizes élőhelyek azonban mind természetes, mind antropogén hatások következtében térben és időben is dinamikusan változnak, ezért védelmük és megfigyelésük napjainkra igen fontos kutatási területté nőtte ki magát. A műholdas távérzékelés nagyobb területek egyidejű megfigyelését teszi lehetővé, azonban érzékeny a felhőzetre és a légköri hatásokra, bizonytalanságot okozva ezzel az eredményekben. A hagyományos monitoring technológiák mellett a pilóta nélküli légi járművek térnyerése egyre kifejezettebb, köszönhetően rugalmasságának, hatékonyságának és alacsony költségének, miközben nagy térbeli és időbeli felbontású, szisztematikus adatszolgáltatásra képes. Tanulmányunk a pilóta nélküli légi járművek alkalmazási lehetőségeibe nyújt betekintést a vizes élőhelyek felmérésében, valamint áttekinti és összehasonlítja az egyéb távérzékelés technológiák alkalmazhatóságát ezen területek megfigyelésében. Célja, hogy elősegítse a dróntechnológia további terjedését és széles körű alkalmazását a vizes élőhelyek monitorozásában.

Wetlands are highly diverse transitional territories situated between aquatic and terrestrial ecosystems, characterized by fuzzy boundaries resulted in difficulties in their mapping. While covering only 6% of the Earth's surface, wetlands play a key role in regulating climate change, maintaining biodiversity and controlling hydrological conditions of these special ecosystems. They also provide several ecological and social functions as well, including flood control, water purification, carbon storage, habitat support and cultural, recreational benefits. However, wetlands show great temporal and spatial variability due to natural and human impacts, thus their protection and monitoring has become a significant area of research in the past decades. Remote sensing by satellite allows simultaneous monitoring of large areas, but is sensitive to cloud cover and atmospheric influences, creating uncertainty in the results. In addition to traditional monitoring technologies, the application of unmanned aerial vehicles becomes more pronounced, thanks to their flexibility, efficiency and low cost, while being able to provide systematic data with high spatial and temporal resolution. This paper provides an insight into the potential applications of unmanned aerial vehicles in wetland surveys, and reviews and compares the applicability of other remote sensing technologies for monitoring of these areas. It aims to promote the further spread and widespread use of drone technology in wetland monitoring.

Abstract

A vizes élőhelyek a vízi és a szárazföldi ökoszisztémák között elhelyezkedő, igen változatos, és általában nehezen lehatárolható területek. Kiemelt jelentőségük annak köszönhető, hogy bár csak a globális szárazföldi területek mintegy 6–7%-át borítják, kulcsfontosságú szerepet játszanak az éghajlat szabályozásában, a vizes ökoszisztémák biodiverzitásának és hidrológiai viszonyainak fenntartásában, valamint számos további ökológiai és társadalmi funkciót is szolgáltatnak, beleértve az árvízvédelmi, víztisztítási, szén-dioxid-tárolási, élőhelytámogatási és kulturális, rekreációs előnyöket. A vizes élőhelyek azonban mind természetes, mind antropogén hatások következtében térben és időben is dinamikusan változnak, ezért védelmük és megfigyelésük napjainkra igen fontos kutatási területté nőtte ki magát. A műholdas távérzékelés nagyobb területek egyidejű megfigyelését teszi lehetővé, azonban érzékeny a felhőzetre és a légköri hatásokra, bizonytalanságot okozva ezzel az eredményekben. A hagyományos monitoring technológiák mellett a pilóta nélküli légi járművek térnyerése egyre kifejezettebb, köszönhetően rugalmasságának, hatékonyságának és alacsony költségének, miközben nagy térbeli és időbeli felbontású, szisztematikus adatszolgáltatásra képes. Tanulmányunk a pilóta nélküli légi járművek alkalmazási lehetőségeibe nyújt betekintést a vizes élőhelyek felmérésében, valamint áttekinti és összehasonlítja az egyéb távérzékelés technológiák alkalmazhatóságát ezen területek megfigyelésében. Célja, hogy elősegítse a dróntechnológia további terjedését és széles körű alkalmazását a vizes élőhelyek monitorozásában.

Bevezetés

A vizes élőhelyek értékes természetes ökoszisztémák, amelyek környezetvédelmi szempontból nagy jelentőségűek, a világ legveszélyeztetettebb élőhelyei közé tartoznak (LU et al., 2022; LIU et al., 2021; COWARDIN et al., 1985; GOZLAN et al., 2019). A vizes élőhelyekre a nemzetközi irodalomban általános kifejezés a wetland, amely a szó szoros értelmében vizenyős területet jelent (PADISÁK, 2005). A Ramsari Egyezmény, hivatalos nevén „Egyezmény a nemzetközi jelentőségű vizes élőhelyekről, mint a vízimadarak élőhelyéről” szerint vizes élőhelynek, azaz „wetland” -nek nevezzük azokat a területeket, ahol a víz határozza meg elsődlegesen a környezetet, illetve a hozzá tartozó növény- és állatvilágot. Ezeken a területeken a talajvíz szintje általában a felszínhez közel van, vagy a talaj időszakosan vagy állandóan vízzel telített, vagy borított. Az egyezmény széleskörű megközelítést alkalmaz a vonatkozó vizes élőhelyek meghatározásakor. Eszerint vizes élőhelyek a következők: „mocsár, láp, tőzegláp, vagy egyéb vízi élőhelyek, melyek lehetnek természetesek, mesterségesek, ideiglenesek, és állandóak, folyó- vagy állóvizek, édesvizűek, avagy félsósak, sósak, ideértve azon tengeri területeket, melyek mélysége apálykor nem haladja meg a hat métert” (THE RAMSAR CONVENTION MANUAL, 1997).

TARDY (2007) szerint vizes élőhelynek kell tekinteni azokat a víztereket, ahol a felületarányos vízmélység átlagosan nem haladja meg a 2 métert (középvízállás esetén). A vizes élőhely szegély jellegűnek tekintendő abban az esetben, ha a felületarányos vízmélység 2 méternél nagyobb. Ilyenkor állóvizek esetében a meder, vízfolyások esetében pedig a partszegély felületének csak azt a részét lehet a vizes élőhelyekhez sorolni, melynek legalább egyharmad részét hínár, illetve mocsári növényzet borítja (állóvizek esetén), valamint tipikus partszegélyi növénytársulások (égeresek, bokorfüzesek, mocsári növényzet) jellemzik (vízfolyások esetén) (TARDY, 2007). A vizes élőhelyek osztályozásánál nemzetközi szinten általában öt csoport különíthető el: (1) tengeri élőhelyek (partvidéki vizes élőhelyek tengerparti lagúnákkal, továbbá sziklás partok és korallszirtek); (2) deltákhoz kapcsolódó élőhelyek (delták, árapály mocsarak, és mangrove mocsarak); (3) tavi élőhelyek (tavakhoz kapcsolódó vizes élőhelyek); (4) folyó menti élőhelyek (vízfolyások mentén); és (5) mocsári élőhelyek (mocsarak, lápok és náddal borított fertők) (COWARDIN et al., 1985).

A vizes élőhelyek eltérő típusba tartozó ökológiai foltokat fognak össze, így alkotnak komplexeket. Átmenetet, úgynevezett ökotont képeznek a vízi és szárazföldi élőhelyek között (MITSCH & GOSSELINK, 2015; GATEBE & KING, 2016). A szegélyeken kialakult vizes élőhelyek fajai a szomszédos szárazföldi és vízi társulásból is származnak, ezzel kiemelkedő fajsűrűséget eredményezve. Számos ritka maradványfaj is él itt, illetve kiindulási pontot biztosít a fajok elterjedéséhez, így az ilyen helyek gyakran kitüntetettek mind természetvédelmi, mind pedig ökológiai szempontból (DÉVAI et al., 2001). A vizes élőhelyek emellett védelmet biztosítanak az árvizekkel, viharokkal szemben, a mezőgazdasági és ipari hulladékok szűrése révén javítják a vízminőséget, és feltöltik a víztartó rétegeket (KLEMAS, 2011).

Mivel a vizes élőhelyek a világ egyik legfontosabb ökoszisztémái közé tartoznak, sérülékenységük szükségessé teszi a változások folyamatos nyomon követését és feltérképezését (DAI et al., 2020; MINASNY et al., 2019). DÖMSÖDI (1986) a vizes élőhelyek közül a lápok jelentőségét hangsúlyozza, hiszen a tájak és talajok természeti egyensúlyában megnyilvánuló környezetvédelmi szerepük meghatározó. A vizes élőhelyek, köztük a lápok kiterjedésére igen változatos térképi és irodalmi adat áll rendelkezésre, azonban a klímaváltozás okán az erre vonatkozó megbízható adatigény jelentős (MICHÉLI et al., 2017). Mára a távérzékelés a vizes élőhelyek feltérképezésének és nyomon követésének alapvető adatforrásává vált. Mivel a vizes élőhelyek dinamikus ökoszisztémák, besorolásuk számos különböző paramétertől függ. Tekintettel azonban összetett szerkezetükre, a vizes élőhelyek osztályozása kihívást jelent, ami néha több szenzorból álló távérzékelési technikák alkalmazását teszi szükségessé (KAPLAN & AVDAN, 2018; YANG et al., 2020; THAMAGA et al., 2021; TMUŠI´ et al., 2020). A növénytakaró spektrális, térbeli és időbeli változékonysága miatt továbbra is kihívást jelent a feltérképezésük. Jelenleg nincs olyan műholdkonstelláció, amely optimalizálná a vizes élőhelyek feltérképezéséhez szükséges spektrális, térbeli és időbeli felbontást a helyszíni felmérések alapján megkülönböztetett élőhelyeknek megfelelően (ALVAREZ-VANHARD et al., 2020). A pilóta nélküli légi járművek (Unmanned Aerial Vehicle – UAV) hozzájárulhatnak a vizes élőhelyek biomasszájának és termelékenységének hatékonyabb feltérképezéséhez és nyomon követéséhez. Az UAV-k költséghatékony, rugalmas megközelítést kínálnak, és képesek az ökoszisztéma-változások megfelelő azonosításához és méréséhez szükséges finomabb térbeli és időbeli felbontást biztosítani (WHITEHEAD et al., 2014), valamint nagy potenciált mutattak a különböző vegetációs osztályok és fajok megkülönböztetésében és feltérképezésében is (MANFREDA et al., 2018; PÁSZTOR et al., 2023).

E tanulmány célja, hogy áttekintse és röviden összefoglalja a vizes élőhelyek feltérképezésében alkalmazható távérzékelési technikákat, különös tekintettel a pilóta nélküli légi járművek alkalmazására a monitoring területén. Valamint, hogy feltárja az egyes módszerek előnyeit és hátrányait, párhuzamba állítva a drónos megoldásokkal.

Távérzékelési módszerek alkalmazásának lehetőségei

A távérzékelés hatalmas mennyiségű információt képes szolgáltatni a földfelszínről, folyamatosan növekvő térbeli, időbeli és spektrális felbontással (SZATMÁRI et al., 2020). Éppen ezért a távérzékelési technikák az elmúlt évtizedekben sikeres eszköznek bizonyultak a vizes élőhelyek feltérképezésében és megfigyelésében is (THAKUR et al., 2017; KAPLAN & AVDAN, 2018; CZAJKOWSKI et al., 2007; PÁSZTOR et. al., 2023). A vizes élőhelyek jelenlegi kiterjedésének távérzékeléssel történő meghatározása nagyon értékes eszköz lehet a különböző vizes ökoszisztémák jelentőségének becsléséhez (BUBIER et al., 1997; TANÁCS et al., 2019). A távérzékelési technológia különösen értékes a vizes élőhelyek feltérképezéséhez, ahol a távoli fekvés, a kiterjedés vagy a vizes élőhelyek rendkívül dinamikus jellege miatt a helyszíni mérések nem kivitelezhetőek. A műholdas érzékelők különösen nagy időbeli felbontású szinoptikus képet tudnak készíteni a tájról, és így hatékonyak a vizes élőhely-komplexumok feltérképezésében. Az optikai érzékelők, mint például a Landsat sorozat, a Worldview-2 és a Rapid-Eye, a vizes élőhelyek térképezésének leggyakoribb érzékelői közé tartoznak (ADELI et al., 2020). Számos tanulmány számolt be a vizes élőhelyek optikai érzékelőkkel történő térképezésének sikeréről, például ASLAM és munkatársai (2023) vizes élőhelyek dinamikájának feltérképezéséhez különböző módszereket és többek között a Sentinel-2, MODIS, Quick Bird, Aster DEM és ANN adatbázisokat használtak. GXOKWE és munkatársai (2020) pedig a Landsat Thematic Mapper (TM), Landsat Enhanced Thematic Mapper Plus (ETM+), Landsat Operational Land Imager (OLI), Moderate Resolution Imaging Spectroradiometer (MODIS), Landsat Multispectral Scanner System (MSS), a Sentinel-1 és az Advanced Land Observing Satellite-1-The Phased Array type L-band Synthetic Aperture Radar (ALOSPALSAR) adatbázisokat használták munkájuk során. A felhőzet korlátozza az optikai érzékelők adatgyűjtési képességét, ráadásul rövid hullámhosszuk miatt viszonylag kevéssé képesek áthatolni a növényzeten (ADELI et al., 2020). A pilóta nélküli légi járművek (UAV-k) a hagyományos platformok mellett megfelelő alternatívát kínálnak a nagy felbontású távérzékelési adatok gyűjtésére, alacsonyabb költségek és a működésükre jellemző nagyfokú rugalmasság mellett, ezen kívül olyan fejlett konstrukciókkal rendelkeznek, amelyek hasznos terhet és integrált repülésirányító rendszereket hordoznak, így félig vagy teljesen autonóm módon képesek repülni (KLEMAS, 2015). Az UAV-k különböző feladatok végrehajtására alkalmazhatók, mivel könnyen működtethetők és távolról irányíthatók. Az UAV-k által nyújtott szolgáltatások különösen olyan területeken vehetők igénybe eredményesen, amelyek más eszközökkel nehezen hozzáférhetők. Az UAV-rendszer magában foglal egy fedélzeti platformot, érzékelőket és egy repülésvezérlő platformot. A repülésvezérlő rendszerek és a navigációs rendszerek a kulcsfontosságú technológiák az UAV autonóm repülésének megvalósításához és a kijelölt feladat sikeres elvégzéséhez (FENG et al., 2021). A hagyományos pilóta nélküli légijárműveket eredetileg nem távérzékelési célokra tervezték, és számos távérzékelő eszközt nem kifejezetten UAV-khoz terveztek, aminek következtében az integráció a kezdeti szakaszokban nehézkes volt. Az érzékelők optimalizálásával, a távvezérlési technológia teljesítményének javulásával, a távérzékelő berendezések kompatibilitásának növekedésével, a távérzékelési adatok vételi és feldolgozási képességeinek növekedésével, valamint az UAV-platformok és érzékelők integrálódásával azonban fokozatosan új lehetőségeket rejtő távérzékelési alkalmazások kifejlesztése vált lehetővé (YANG et al., 2022).

A távérzékelők alkalmazás és hullámhossz (IR (infrared) – infravörös; VIS (visible) – látható; NIR (near infrared) – közeli infravörös; TIR (thermal infrared) – termális infravörös) vagy aktív/passzív üzemmód szerint osztályozhatók. Az alkalmazási osztályok között vannak a képalkotók, amelyek kétdimenziós képeket készítenek, és szárazföldi vagy óceáni jellemzők feltérképezésére használhatók. A radiométerek néhány meghatározott sávban pontosan mérik a sugárzási energiát, míg a spektrométerek az energia egy spektrális kontinuumban vagy több spektrális sávban történő eloszlását adják meg. A reflektancia értékeiből felépülő spektrum az adott felszíni objektumra, illetve annak állapotára jellemző, így közvetett módon, a visszaverődés alapján információt kapunk a földfelszínről is (VISCARRA ROSSEL et al., 2006; 2010). A profilalkotók, mint például a radar és a LiDAR (Light Detection and Ranging), a domborzati elemek távolságát mérik, lehetővé téve egy terület topográfiájának vagy batimetriájának meghatározását. A radar és a LiDAR elsősorban ''aktív'' eszközök, mivel saját impulzus energiát szolgáltatnak. A legtöbb más érzékelő "passzív", mivel a Nap vagy a Föld által biztosított elektromágneses energiát használja (KLEMAS, 2012) (1. táblázat).

1. táblázat

Távérzékelésben használt szenzorok osztályozása

Osztályozás

alkalmazás szerinta
Osztályozás

hullámhossz szerintb
Osztályozás

üzemmód szerintc
Képalkotók (leképezők)VISAktív
  FotográfiaiNIR  LiDAR
  MultispektrálisTIR  Radar
  RadarMikrohullám  Szonár
  Side-scan szonárHanghullámPasszív
RadiométerekSzeizmikus hullám  VIS
Spektrométerek  IR
Profilalkotók  Mikrohullám
  LiDAR, radar, szonár

A LiDAR, a hiperspektrális és radarképek, valamint különböző vegetációs indexek kombinálásával nemcsak egyes vizes élőhelyi fajok megkülönböztetésére van lehetőség, hanem a vizes élőhelyek növényzetének biokémiai és biofizikai paramétereinek, például a víztartalom, a biomassza és a levélfelület-index becslésében is előrelépés érhető el (ADAM et al., 2010). A pilóta nélküli, távirányítású repülőgépek vagy drónok különösen hasznos, biztonságos és kevésbé költséges módot kínálnak többek között a nehezen megközelíthető területek tanulmányozására is (LYU et al., 2022). Ezek a pilóta nélküli légijárművek különféle mérőeszközöket hordozhatnak, a radartól kezdve a LiDAR-on át az infravörös érzékelőkig és a kémiai elemző eszközökig (KLEMAS, 2012).

A vizsgált területről felülnézeti kép rögzíthető légi felvételezés segítségével, melyen a talajfelszín fedett, vagy fedetlen állapotban látszik. Színárnyalatok alapján könnyedén lehatárolhatók az egyes talajfoltok, amennyiben a felvételeken közvetlenül látható a csupasz talajfelszín. A növényzet azonban eltérő mértékben takarhatja a talajfelszínt, mely esetben a különböző talajfoltok direkt lehatárolása nehézségekbe ütközik. Mindemellett a növényzet fejlődése jelentős mértékben összefügg a talajviszonyokkal, tehát a jellemző vegetáció alapján következtethetünk a talajviszonyokra is (PÁSZTOR & TAKÁCS, 2014; PÁSZTOR et al., 2020). Közvetett módon tehát lehatárolhatók az eltérő talajfoltok a növényzettel borított területeken is, a vegetáció fejlettségi állapotát figyelembe véve (TÓTH & KERTÉSZ, 1996). Az UAV-k képesek hatékonyan kiegészíteni a környezeti távérzékelés jelenlegi megfigyelési hiányosságait, és a vizes élőhelyek feltérképezéséhez, a vízkészletek állapotának előrejelzéséhez, az ökoszisztémák megfigyeléséhez, a természeti katasztrófák előrejelzéséhez és a kárfelméréshez szükséges kulcsfontosságú információkat szolgáltatni. Az UAV-k kibővítik a logisztikai szempontból kihívást jelentő területeken végzett felmérések elvégzésének lehetőségét (KLEMAS, 2015; DRONOVA et al., 2021).

Kihívások és jövőbeli kilátások a vizes élőhelyek távérzékeléssel történő vizsgálatában

A műholdas és légi távérzékelés hozzájárult a vizes élőhelyek heterogén és dinamikus természetének feltérképezéséhez és megfigyeléséhez (KLEMAS, 2008). A műholdas távérzékelés ismétlődő lefedettsége által elért nagy időbeli gyakoriság következetes, globális, hosszú távú adatarchívumokat eredményezett, amelyek felhasználhatók a vizes élőhelyek időbeli változásainak kimutatására (DOUGHTY, 2019). A különböző vizes élőhely osztályok térbeli eloszlása időben változhat, ez pedig a multi- és hiperspektrális műholdfelvételek – mint például a Landsat, Sentinel, MODIS, SPOT és RapidEye – segítségével nyomon követhető (THAMAGA et al., 2021). Figyelembe véve azonban a különböző vizes élőhelyi osztályok közötti összemosódást, a közepes felbontású optikai műholdképek, például a Landsatfelvételek használata nagy nehézségekbe ütközhet (OZESMI & BAUER, 2002).

A vizes élőhelyek hosszú távú tendenciáinak és rövid távú változásainak azonosításához távérzékelt képsorozatok elemzésére van szükség. A multispektrális felvételek idősorozatainak felvétele és elemzése azonban nehéz feladat, a képeket hasonló környezeti feltételek mellett (pl. azonos évszak és napszak) és azonos vagy hasonló spektrális sávokban kell felvenni (KLEMAS, 2011), a vizes élőhelyek biomasszájának multispektrális felvételekből történő becslésével kapcsolatban pedig számos korlátozás és kihívás merül fel (GALLANT, 2015). Ezek közé tartoznak a műholdképek térbeli, időbeli és radiometrikus felbontásának kompromisszumai, amelyek elfedhetik a finom léptékben lejátszódó, ökológiailag releváns mintázatokat és folyamatokat. A környezeti gradiensek és a szoros ökotonok megnehezíthetik a vizes élőhelyek számos jellemzőjének megkülönböztetését a közepes felbontású (10–30 m) képek alapján (ZOMER et al., 2009). A műholdas platformokkal szemben a repülőeszközökkel végrehajtott műveletek előnye, hogy nagyobb felbontású adatokat szolgáltatnak; hasonlóképpen programozhatók az optimális árapály- és időjárási feltételek melletti adatgyűjtésre (CHUST et al., 2008). Ezen kívül azonban a vizes élőhelyek növényzetének spektrális jellemzőit az alatta lévő talaj, a víz és a nem fotoszintetizáló növényzet által kibocsátott reflexió befolyásolja, valamint a növényi szövetek víztartalma és a növénytakaró szerkezete is módosíthatja. A biomasszára irányuló becslések az optikai távérzékelésben gyakran használnak spektrális információt vegetációs indexek formájában. A vegetációs indexek a biomasszára érzékeny látható és közeli infravörös hullámhosszokon belüli reflexiót foglalják össze, miközben a talaj és a légköri interferencia okozta eltéréseket is figyelembe veszik. A biomassza becslésének alapját a helyszíni biomasszamérések és a vegetációs indexek közötti korreláció adja (DOUGHTY, 2019). KLEMAS (2011) szerint a növényzet zavaró hatása a spektrális lenyomatokban azzal orvosolható, hogy a spektrális információt egyetlen indexre korlátozzuk, a multispektrális képeket minden egyes időpontra vonatkozóan egyetlen indexmezőre redukálva, ily módon a probléma egyetlen változó idősorainak elemzésére egyszerűsödik, a képek minden egyes pixelére vonatkozóan (KLEMAS, 2011). A leggyakrabban használt index a normalizált differenciált vegetációs index (Normalized Difference Vegetation Index, NDVI), amelyet a vörös és a közeli infravörös fényvisszaverődések különbségének és ezek összegének hányadosaként fejeznek ki. Ez a két spektrális sáv képviseli a zöld növények leginkább kimutatható spektrális jellemzőit (YOUNG & WANG, 2001).

A vizes élőhelyek légi úton történő feltérképezésénél a korlátozott térbeli és spektrális felbontás még mindig problémát jelenthet, ami a képelemzés során túl sok vegyes tulajdonsággal rendelkező pixelt eredményezhet. A költségek mellett egy másik probléma a képfeldolgozási eljárások összetettsége, amelyek szükségesek ahhoz, hogy a hiperspektrális vagy fuzionált multiszenzoros adatok felhasználhatók legyenek a vizes élőhelyek növényzetének vagy más jellemzőinek automatikus osztályozására (CHABRILLAT el al., 2002; TAMÁS & LÉNÁRT, 2006). A hiperspektrális képadatok nagy mennyisége speciális szoftvercsomagok használatát, nagy adattárolást és hosszabb feldolgozási időt tesz szükségessé (KLEMAS, 2012).

Az UAV-k szélesebb körű alkalmazásának még mindig vannak technikai és jogi akadályai. Az UAV-k üzemeltetése előtt álló egyik legnehezebb kihívás e rendszerek nem elkülönített légtérbe való beillesztése. Ez a pilóta nélküli légi járművekre vonatkozó szigorú biztonsági követelményekből fakad (PEREIRA et al., 2009; LT., 1995).

Összefoglalás

A vizes élőhelyek ökoszisztémái szélsőségesen eltérő területi kiterjedésűek, nagyfokú térbeli és időbeli változékonyságot mutatnak. Bár ma már nagy térbeli felbontású műholdas adatok is rendelkezésre állnak, a vizes élőhelyek kutatására és kezelésére szolgáló számos alkalmazáshoz gyakran szükség van arra, hogy biofizikai jellemzőiket nagy tér- és időbeli felbontásban nyomon lehessen követni, amit főként a légijárműveken és más fedélzeti platformokon elhelyezett aktív és passzív távérzékelők biztosítanak (KLEMAS, 2012).

Az új műholdkonstellációk, mint például a Sentinel-2, nagy időbeli frekvenciát és spektrális gazdagságot biztosítanak, de térbeli felbontásuk továbbra is túl alacsony ahhoz, hogy hatékonyan meg lehessen különböztetni a kicsi vagy foltszerűen megjelenő élőhelytípusokat (RAPINEL et al., 2019). A közelmúlt béli technológiai fejlődés széles körben elérhetővé tette az UAV-kat, amelyek új, páratlan tulajdonságokkal rendelkező, alacsony költségű távérzékelési adatforrást biztosítanak (ANDERSON & GASTON, 2013). Annak ellenére, hogy a könnyű UAV-k nem képesek nagy területeket lefedni, képesek nagyon nagy térbeli felbontású multispektrális adatokat szolgáltatni centiméteres és deciméteres térbeli felbontással, ami tiszta pixeleknek felel meg (KANEKO & NOHARA, 2014). Az UAV-alapú képalkotás nem fogja teljes mértékben helyettesíteni a műholdak által készített felvételek használatát a regionális és globális értékelésekhez, de nagymértékben hozzá fog járulni a kis és közepes léptékű helyi adatkezeléshez (LIBRÁN-EMBID et al., 2020).

Összeférhetetlenségi nyilatkozat

Michéli Erika a szerkesztőbizottság tagja. A kéziratot a bizottság egy másik tagja kezelte, ő a bírálat folyamatában semmilyen formában nem vett részt.

Irodalom

  • ADAM, E.; MUTANGA, O., RUGEGE, D., 2010. Multispectral and hyperspectral remote sensing for identification and mapping of wetland vegetation: a review. Wetlands Ecology and Management. 18. 281296.

    • Search Google Scholar
    • Export Citation
  • ADELI, S., SALEHI, B., MAHDIANPARI, M., QUACKENBUSH, L., J., BRISCO, B., TAMIMINIA, H., SHAW, S., 2020. Wetland Monitoring Using SAR Data: A Meta-Analysis and Comprehensive Review. Remote Sensing. 12. (14) 2190.

    • Search Google Scholar
    • Export Citation
  • ALVAREZ-VANHARD, E., HOUET, T., MONY, C., LECOQ, L., CORPETTI, T., 2020. Can UAVs fill the gap between in situ surveys and satellites for habitat mapping? Remote Sensing of Environment. 243. 111780

    • Search Google Scholar
    • Export Citation
  • ANDERSON, K., GASTON, K., J., 2013. Lightweight unmanned aerial vehicles will revolutionize spatial ecology. Frontiers in Ecology and the Environment. 11. (3) 138146.

    • Search Google Scholar
    • Export Citation
  • ASLAM, R., W., SHU, H., JAVID, K., PERVAIZ, S., MUSTAFA, F., RAZA, D., AHMED, B., QUDDOOS, A., AL-AHMADI, S., HATAMLEH, W., A., 2023. Wetland Identification through Remote Sensing: Insights into Wetness, Greenness, Turbidity, Temperature, and Changing Landscapes. Big Data Research. 35. 100416.

    • Search Google Scholar
    • Export Citation
  • BUBIER, J., L., ROCK, B., N., CRILL, P., M., 1997. Spectral reflectance measurements of boreal wetland and forest mosses. Journal of Geophysical Research. 102. (D24) 483494.

    • Search Google Scholar
    • Export Citation
  • CHABRILLAT, S., GOETZ, A., F., H., KROSLEY, L., OLSEN, H., W., 2002. Use of hyperspectral images in the identification and mapping of expansive clay soils and the role of spatial resolution. Remote Sensing of Environment. 82. 431445.

    • Search Google Scholar
    • Export Citation
  • CHUST, G., GALPARSORO, I., BORJA, Á., FRANCO, J., URIARTE, A., 2008. Coastal and estuarine habitat mapping, using LIDAR height and intensity and multi-spectral imagery. Estuarine. Coastal and Shelf Science. 78. (4). 633643.

    • Search Google Scholar
    • Export Citation
  • COWARDIN, L., M., CARTER, V., GOLET, F. C., LAROE, E. T., 1985. Classification of Wetlands and Deep Water Habitats of the United States. U.S. Fish and Wildlife Service, Washington D.C.

    • Search Google Scholar
    • Export Citation
  • CZAJKOWSKI, K., TORBICK, N., LAWRENCE, P., 2007. Application and assessment of a giscience model for jurisdictional wetlands identification in Northwestern Ohio. In Wetland and Water Resource Modeling and Assessment: A Watershed Perspective. CRC Press, Boca Raton, FL, USA. pp. 212.

    • Search Google Scholar
    • Export Citation
  • DAI, X., YANG, G., LIU, D., WAN, R., 2020. Vegetation Carbon Sequestration Mapping in Herbaceous Wetlands by Using a MODIS EVI Time-Series Data Set: A Case in Poyang Lake Wetland, China. Remote Sensing. 12. (18) 3000.

    • Search Google Scholar
    • Export Citation
  • DÉVAI, G., NAGY, S., WITTNER, I., ARADI, C., CSABAI, Z., TÓTH, A., 2001. A vízi és a vizes élőhelyek sajátosságai és tipológiája. In: BŐHM A., SZABÓ M. (szerk.) Vizes élőhelyek: a természeti és a társadalmi környezet kapcsolata. ELTE Természettudományi Kar; SZIE Környezetgazdálkodási Intézet; KöM Természetvédelmi Hivatal, Budapest. pp. 1174.

    • Search Google Scholar
    • Export Citation
  • DOUGHTY, C., L., CAVANAUGH, K., C., 2019. Mapping Coastal Wetland Biomass from High Resolution Unmanned Aerial Vehicle (UAV) Imagery. Remote Sensing. 11. (5) 540.

    • Search Google Scholar
    • Export Citation
  • DÖMSÖDI J., 1986. Változások a tőzeglápokon. Talajjavító-Nyersanyagkutatási és Tervező Iroda, Budapest. pp. 127150.

  • DRONOVA, I., KISLIK, C., DINH, Z., KELLY, M., 2021. A Review of Unoccupied Aerial Vehicle Use in Wetland Applications: Emerging Opportunities in Approach, Technology, and Data. Drones. 5. (2) 45.

    • Search Google Scholar
    • Export Citation
  • FENG, L., CHEN, S., ZHANG, C., ZHANG, Y., HE, Y., 2021. A comprehensive review on recent applications of unmanned aerial vehicle remote sensing with various sensors for high-throughput plant phenotyping. Computers and Electronics in Agriculture. 182. 106033.

    • Search Google Scholar
    • Export Citation
  • GALLANT, A. L., 2015. The challenges of remote monitoring of wetlands. Remote Sensing. 7. 1093810950.

  • GATEBE, C., K., KING, M., D., 2016. Airborne spectral BRDF of various surface types (ocean, vegetation, snow, desert, wetlands, cloud decks, smoke layers) for remote sensing applications. Remote Sensing of Environment. 179. 131148.

    • Search Google Scholar
    • Export Citation
  • GOZLAN, R., E., KARIMOV, B., K., ZADEREEV, E., KUZNETSOVA, D., BRUCET, S., 2019. Status, trends, and future dynamics of freshwater ecosystems in Europe and Central Asia. Inland Waters. 9. (1) 7894.

    • Search Google Scholar
    • Export Citation
  • GXOKWE, S., DUBE, T., MAZVIMAVI, D., 2020. Multispectral Remote Sensing of Wetlands in Semi-Arid and Arid Areas: A Review on Applications, Challenges and Possible Future Research Directions. Remote Sensing. 12. (24) 4190.

    • Search Google Scholar
    • Export Citation
  • KANEKO, K., NOHARA, S., 2014. Review of effective vegetation mapping using the UAV (unmanned aerial vehicle) method. Journal of Geographic Information System. 6. 733742.

    • Search Google Scholar
    • Export Citation
  • KAPLAN, G., AVDAN, U., 2018. Monthly Analysis of Wetlands Dynamics Using Remote Sensing Data. International Journal of Geo-Information. 7. 411.

    • Search Google Scholar
    • Export Citation
  • KLEMAS, V., V., 2008. Remote Sensing of Coastal Ecosystems and Environments. 2008 IEEE/OES US/EU-Baltic International Symposium.

  • KLEMAS, V., V., 2011. Remote Sensing of Wetlands: Case Studies Comparing Practical Techniques. Journal of Coastal Research. 27. (3) 418427.

    • Search Google Scholar
    • Export Citation
  • KLEMAS, V., V., 2012. Airborne Remote Sensing of Coastal Features and Processes: An Overview. Journal of Coastal Research. 29. (2) 239255.

    • Search Google Scholar
    • Export Citation
  • KLEMAS, V., V., 2015. Coastal and Environmental Remote Sensing from Unmanned Aerial Vehicles: An Overview. Journal of Coastal Research. 31. (5) 12601267.

    • Search Google Scholar
    • Export Citation
  • LIBRÁN-EMBID, F., KLAUS, F., TSCHARNTKE, T., GRASS, I., 2020. Unmanned aerial vehicles for biodiversity-friendly agriculturallandscapes – A systematic review. Science of The Total Environment. 732. 139204.

    • Search Google Scholar
    • Export Citation
  • LIU, Y., JIN, R., ZHU, W., 2021. Conversion of Natural Wetland to Farmland in the Tumen River Basin: Human and Environmental Factors. Remote Sensing. 13. (17) 3498.

    • Search Google Scholar
    • Export Citation
  • LT., 1995. évi XCVII. törvény a légiközlekedésről.

  • LU, L., LUO, J., XIN, Y., DUAN, H., SUN, Z., QIU, Y., XIAO, Q., 2022. How can UAV contribute in satellite-based Phragmites australis aboveground biomass estimating? International Journal of Applied Earth Observation and Geoinformation. 114. 103024.

    • Search Google Scholar
    • Export Citation
  • LYU, X., LI, X., DANG, D., DOU, H., WANG, K., LOU, A., 2022. Unmanned Aerial Vehicle (UAV) Remote Sensing in Grassland Ecosystem Monitoring: A Systematic Review. Remote Sensing. 14. (5) 1096.

    • Search Google Scholar
    • Export Citation
  • MANFREDA, S.; MCCABE, M.; MILLER, P., LUCAS, R., PAJUELO, V., M., MALLINIS, G., BEN DOR, E., HELMAN, D., ESTES, L., CIRAOLO, G., 2018. On the Use of Unmanned Aerial Systems for Environmental Monitoring. Remote Sensing. 10. 641.

    • Search Google Scholar
    • Export Citation
  • MICHÉLI, E., FUCHS, M., TÓTH, J., A., CSORBA, Á., SZEGI, T., 2017. Javaslat a hazai láptalajok osztályozásának megújítására. Agrokémia és Talajtan. 66. (1). 183199.

    • Search Google Scholar
    • Export Citation
  • MINASNY, B., BERGLUND, Ö., CONNOLLY, J., HEDLEY, C., DE VRIESE, F., GIMONA, A., KEMPEN, G., KIDD, D., LILJA, H., MALONE, B., MCBRATNEY, A., ROUDIER, P., O'ROURKE, S., RUDIYANTO, PADARIAN, J., POGGIO, L., TEN CATEN, A., THOMPSON, D., TUVE, C., WIDYATMANTI, W., 2019. Digital mapping of peatlands – A critical review. Earth-Science Reviews. 196. 102870.

    • Search Google Scholar
    • Export Citation
  • MITSCH, W., J., GOSSELINK, J., G., 2015. Wetlands, 5th ed.. Wiley: Hoboken, NJ, USA. pp. 155204.

  • OZESMI, S. L.; BAUER, M. E., 2002. Satellite remote sensing of wetlands. Wetlands Ecology Management. 10. 381402.

  • PADISÁK, J., 2005. Általános limnológia. ELTE Eötvös Kiadó, Budapest.

  • PÁSZTOR, L., LABORCZI, A., TAKÁCS, K., ILLÉS, G., SZABÓ, J., SZATMÁRI, G., 2020. Progress in the elaboration of GSM conform DSM products and their functional utilization in Hungary. Geoderma Regional. 21. e00269.

    • Search Google Scholar
    • Export Citation
  • PÁSZTOR, L., TAKÁCS, K., 2014. Távérzékelés a talajtérképezésben. Agrokémia és Talajtan. 63. (2) 353370.

  • PÁSZTOR, L., TAKÁCS, K., MÉSZÁROS, J., SZATMÁRI, G., ÁRVAI, M., TÓTH, T., BARNA, G., KOÓS, S., KOVÁCS, Z., A., LÁSZLÓ, P., BALOG, K., 2023. Indirect Prediction of Salt Affected Soil Indicator Properties through Habitat Types of a Natural Saline Grassland Using Unmanned Aerial Vehicle Imagery. Land. 12. (8) 1516.

    • Search Google Scholar
    • Export Citation
  • PEREIRA, E., BENCATEL, R., CORREIRA, J., FELIX, L., GONCALVES, G., MORGANO, J., SOUSA, J., 2009. Unmanned air vehicles for coastal and environmental research. In: DA SILVA, C., P. (ed.) Proceedings of the ICS, Journal of Coastal Research. Special Issue. 6. pp. 15571561.

    • Search Google Scholar
    • Export Citation
  • RAPINEL, S., MONY, C., LECOQ, L., CLÉMENT, B., THOMAS, A., HUBERT-MOY, L., 2019. Evaluation of Sentinel-2 time-series for mapping floodplain grassland plant communities. Remote Sensing of Environment. 223. 115129.

    • Search Google Scholar
    • Export Citation
  • SZATMÁRI, G., BAKACSI, Z., LABORCZI, A., PETRIK, O., PATAKI, R., TÓTH, T., PÁSZTOR, L., 2020. Elaborating Hungarian Segment of the Global Map of Salt-Affected Soils (GSSmap): National Contribution to an International Initiative. Remote Sensing. 12. (24) 4073.

    • Search Google Scholar
    • Export Citation
  • TAMÁS, J., LÉNÁRT, C., 2006. Analysis of a small agricultural watershed using remote sensing techniques. International Journal of Remote Sensing. 27. (17) 37273738.

    • Search Google Scholar
    • Export Citation
  • TANÁCS, E., BELÉNYESI, M., LEHOCZKI, R., PATAKI, R., PETRIK, O., STANDOVÁR, T., PÁSZTOR, L., LABORCZI, A., SZATMÁRI, G., MOLNÁR, ZS., BEDE-FAZEKAS, Á., KISNÉ FODOR, L., VARGA, I., ZSEMBERY, Z., MAUCHA, G., 2019. Országos, nagyfelbontású ökoszisztéma-alaptérkép: módszertan, validáció és felhasználási lehetőségek. Természetvédelmi Közlemények. 25. 3458.

    • Search Google Scholar
    • Export Citation
  • TARDY, J. (szerk.), 2007. A magyarországi vadvizek világa. Alexandra, Pécs.

  • THAKUR, J., K., SINGH, S., K., EKANTHALU, V., S., 2017. Integrating remote sensing, geographic information systems and global positioning system techniques with hydrological modeling. Applied Waterer Science. 7. 15951608.

    • Search Google Scholar
    • Export Citation
  • THAMAGA, K., H., DUBE, T., SHOKO, C., 2021. Advances in satellite remote sensing of the wetland ecosystems in Sub-Saharan Africa. Geocarto International. 37. (20) 58915913.

    • Search Google Scholar
    • Export Citation
  • THE RAMSAR CONVENTION MANUAL: a Guide to the Convention on Wetlands (Ramsar, Iran, 1971), 1997. 2nd ed. Ramsar Convention Bureau, Gland, Switzerland.

    • Search Google Scholar
    • Export Citation
  • TMUŠI´, G., MANFREDA, S., AASEN, H., JAMES, M., R., GONÇALVES, G., BEN-DOR, E., BROOK, A., POLINOVA, M., ARRANZ, J., J., MÉSZÁROS, J., ZHUANG, R., JOHANSEN, K., MALBETEAU, Y., PEDROSO DE LIMA, I., DAVIDS, C., HERBAN, S., MCCABE, M., F., 2020. Current Practices in UAS-based Environmental Monitoring. Remote Sensing. 12. (6) 1001.

    • Search Google Scholar
    • Export Citation
  • TÓTH, T., KERTÉSZ, M., 1996. Application of soil-vegetation correlation to optimal resolution mapping of solonetzic rangeland. Arid Soil Research and Rehabilitation. 10. 112.

    • Search Google Scholar
    • Export Citation
  • VISCARRA ROSSEL, R., A., WALVOORT, D., J., J., MCBRATNEY, A., B., JANIK, L., J., SKJEMSTAD, J., O., 2006. Visible, near infrared, mid infrared or combined diffuse reflectance spectroscopy for simultaneous assessment of various soil properties. Geoderma. 131. 5975.

    • Search Google Scholar
    • Export Citation
  • VISCARRA ROSSEL, R., A., MCBRATNEY, A., B., MINASNY, B. (eds.), 2010. Proximal Soil Sensing. Springer, Dordrecht.

  • WHITEHEAD, K., HUGENHOLTZ, C., H., MYSHAK, S., BROWN, O., LECLAIR, A., TAMMINGA, A., BARCHYN, T., E., MOORMAN, B., EATON, B., 2014. Remote sensing of the environment with small unmanned aircraft systems (UASs), part 1: A review of progress and challenges. Journal of Unmanned Vehicle Systems. 2. 86102.

    • Search Google Scholar
    • Export Citation
  • YANG, Z., YU, X., DEDMAN, S., ROSSO, M., ZHU, J., YANG, J., XIA, Y., TIAN, Y., ZHANG, G., WANG, J., 2022. UAV remote sensing applications in marine monitoring: Knowledge visualization and review. Science of The Total Environment. 838. 155939.

    • Search Google Scholar
    • Export Citation
  • YOUNG, S., S., WANG, C., Y., 2001. Land-cover change analysis of China using global-scale Pathfinder AVHRR Landcover (PAL) data, 1982-92. International Journal of Remote Sensing. 22. 14571477.

    • Search Google Scholar
    • Export Citation
  • ZOMER, R.J., TRABUCCO, A., USTIN, S., L., 2009. Building spectral libraries for wetlands land cover classification and hyperspectral remote sensing. Journal of Environmental Management. 90. 21702177.

    • Search Google Scholar
    • Export Citation
  • ADAM, E.; MUTANGA, O., RUGEGE, D., 2010. Multispectral and hyperspectral remote sensing for identification and mapping of wetland vegetation: a review. Wetlands Ecology and Management. 18. 281296.

    • Search Google Scholar
    • Export Citation
  • ADELI, S., SALEHI, B., MAHDIANPARI, M., QUACKENBUSH, L., J., BRISCO, B., TAMIMINIA, H., SHAW, S., 2020. Wetland Monitoring Using SAR Data: A Meta-Analysis and Comprehensive Review. Remote Sensing. 12. (14) 2190.

    • Search Google Scholar
    • Export Citation
  • ALVAREZ-VANHARD, E., HOUET, T., MONY, C., LECOQ, L., CORPETTI, T., 2020. Can UAVs fill the gap between in situ surveys and satellites for habitat mapping? Remote Sensing of Environment. 243. 111780

    • Search Google Scholar
    • Export Citation
  • ANDERSON, K., GASTON, K., J., 2013. Lightweight unmanned aerial vehicles will revolutionize spatial ecology. Frontiers in Ecology and the Environment. 11. (3) 138146.

    • Search Google Scholar
    • Export Citation
  • ASLAM, R., W., SHU, H., JAVID, K., PERVAIZ, S., MUSTAFA, F., RAZA, D., AHMED, B., QUDDOOS, A., AL-AHMADI, S., HATAMLEH, W., A., 2023. Wetland Identification through Remote Sensing: Insights into Wetness, Greenness, Turbidity, Temperature, and Changing Landscapes. Big Data Research. 35. 100416.

    • Search Google Scholar
    • Export Citation
  • BUBIER, J., L., ROCK, B., N., CRILL, P., M., 1997. Spectral reflectance measurements of boreal wetland and forest mosses. Journal of Geophysical Research. 102. (D24) 483494.

    • Search Google Scholar
    • Export Citation
  • CHABRILLAT, S., GOETZ, A., F., H., KROSLEY, L., OLSEN, H., W., 2002. Use of hyperspectral images in the identification and mapping of expansive clay soils and the role of spatial resolution. Remote Sensing of Environment. 82. 431445.

    • Search Google Scholar
    • Export Citation
  • CHUST, G., GALPARSORO, I., BORJA, Á., FRANCO, J., URIARTE, A., 2008. Coastal and estuarine habitat mapping, using LIDAR height and intensity and multi-spectral imagery. Estuarine. Coastal and Shelf Science. 78. (4). 633643.

    • Search Google Scholar
    • Export Citation
  • COWARDIN, L., M., CARTER, V., GOLET, F. C., LAROE, E. T., 1985. Classification of Wetlands and Deep Water Habitats of the United States. U.S. Fish and Wildlife Service, Washington D.C.

    • Search Google Scholar
    • Export Citation
  • CZAJKOWSKI, K., TORBICK, N., LAWRENCE, P., 2007. Application and assessment of a giscience model for jurisdictional wetlands identification in Northwestern Ohio. In Wetland and Water Resource Modeling and Assessment: A Watershed Perspective. CRC Press, Boca Raton, FL, USA. pp. 212.

    • Search Google Scholar
    • Export Citation
  • DAI, X., YANG, G., LIU, D., WAN, R., 2020. Vegetation Carbon Sequestration Mapping in Herbaceous Wetlands by Using a MODIS EVI Time-Series Data Set: A Case in Poyang Lake Wetland, China. Remote Sensing. 12. (18) 3000.

    • Search Google Scholar
    • Export Citation
  • DÉVAI, G., NAGY, S., WITTNER, I., ARADI, C., CSABAI, Z., TÓTH, A., 2001. A vízi és a vizes élőhelyek sajátosságai és tipológiája. In: BŐHM A., SZABÓ M. (szerk.) Vizes élőhelyek: a természeti és a társadalmi környezet kapcsolata. ELTE Természettudományi Kar; SZIE Környezetgazdálkodási Intézet; KöM Természetvédelmi Hivatal, Budapest. pp. 1174.

    • Search Google Scholar
    • Export Citation
  • DOUGHTY, C., L., CAVANAUGH, K., C., 2019. Mapping Coastal Wetland Biomass from High Resolution Unmanned Aerial Vehicle (UAV) Imagery. Remote Sensing. 11. (5) 540.

    • Search Google Scholar
    • Export Citation
  • DÖMSÖDI J., 1986. Változások a tőzeglápokon. Talajjavító-Nyersanyagkutatási és Tervező Iroda, Budapest. pp. 127150.

  • DRONOVA, I., KISLIK, C., DINH, Z., KELLY, M., 2021. A Review of Unoccupied Aerial Vehicle Use in Wetland Applications: Emerging Opportunities in Approach, Technology, and Data. Drones. 5. (2) 45.

    • Search Google Scholar
    • Export Citation
  • FENG, L., CHEN, S., ZHANG, C., ZHANG, Y., HE, Y., 2021. A comprehensive review on recent applications of unmanned aerial vehicle remote sensing with various sensors for high-throughput plant phenotyping. Computers and Electronics in Agriculture. 182. 106033.

    • Search Google Scholar
    • Export Citation
  • GALLANT, A. L., 2015. The challenges of remote monitoring of wetlands. Remote Sensing. 7. 1093810950.

  • GATEBE, C., K., KING, M., D., 2016. Airborne spectral BRDF of various surface types (ocean, vegetation, snow, desert, wetlands, cloud decks, smoke layers) for remote sensing applications. Remote Sensing of Environment. 179. 131148.

    • Search Google Scholar
    • Export Citation
  • GOZLAN, R., E., KARIMOV, B., K., ZADEREEV, E., KUZNETSOVA, D., BRUCET, S., 2019. Status, trends, and future dynamics of freshwater ecosystems in Europe and Central Asia. Inland Waters. 9. (1) 7894.

    • Search Google Scholar
    • Export Citation
  • GXOKWE, S., DUBE, T., MAZVIMAVI, D., 2020. Multispectral Remote Sensing of Wetlands in Semi-Arid and Arid Areas: A Review on Applications, Challenges and Possible Future Research Directions. Remote Sensing. 12. (24) 4190.

    • Search Google Scholar
    • Export Citation
  • KANEKO, K., NOHARA, S., 2014. Review of effective vegetation mapping using the UAV (unmanned aerial vehicle) method. Journal of Geographic Information System. 6. 733742.

    • Search Google Scholar
    • Export Citation
  • KAPLAN, G., AVDAN, U., 2018. Monthly Analysis of Wetlands Dynamics Using Remote Sensing Data. International Journal of Geo-Information. 7. 411.

    • Search Google Scholar
    • Export Citation
  • KLEMAS, V., V., 2008. Remote Sensing of Coastal Ecosystems and Environments. 2008 IEEE/OES US/EU-Baltic International Symposium.

  • KLEMAS, V., V., 2011. Remote Sensing of Wetlands: Case Studies Comparing Practical Techniques. Journal of Coastal Research. 27. (3) 418427.

    • Search Google Scholar
    • Export Citation
  • KLEMAS, V., V., 2012. Airborne Remote Sensing of Coastal Features and Processes: An Overview. Journal of Coastal Research. 29. (2) 239255.

    • Search Google Scholar
    • Export Citation
  • KLEMAS, V., V., 2015. Coastal and Environmental Remote Sensing from Unmanned Aerial Vehicles: An Overview. Journal of Coastal Research. 31. (5) 12601267.

    • Search Google Scholar
    • Export Citation
  • LIBRÁN-EMBID, F., KLAUS, F., TSCHARNTKE, T., GRASS, I., 2020. Unmanned aerial vehicles for biodiversity-friendly agriculturallandscapes – A systematic review. Science of The Total Environment. 732. 139204.

    • Search Google Scholar
    • Export Citation
  • LIU, Y., JIN, R., ZHU, W., 2021. Conversion of Natural Wetland to Farmland in the Tumen River Basin: Human and Environmental Factors. Remote Sensing. 13. (17) 3498.

    • Search Google Scholar
    • Export Citation
  • LT., 1995. évi XCVII. törvény a légiközlekedésről.

  • LU, L., LUO, J., XIN, Y., DUAN, H., SUN, Z., QIU, Y., XIAO, Q., 2022. How can UAV contribute in satellite-based Phragmites australis aboveground biomass estimating? International Journal of Applied Earth Observation and Geoinformation. 114. 103024.

    • Search Google Scholar
    • Export Citation
  • LYU, X., LI, X., DANG, D., DOU, H., WANG, K., LOU, A., 2022. Unmanned Aerial Vehicle (UAV) Remote Sensing in Grassland Ecosystem Monitoring: A Systematic Review. Remote Sensing. 14. (5) 1096.

    • Search Google Scholar
    • Export Citation
  • MANFREDA, S.; MCCABE, M.; MILLER, P., LUCAS, R., PAJUELO, V., M., MALLINIS, G., BEN DOR, E., HELMAN, D., ESTES, L., CIRAOLO, G., 2018. On the Use of Unmanned Aerial Systems for Environmental Monitoring. Remote Sensing. 10. 641.

    • Search Google Scholar
    • Export Citation
  • MICHÉLI, E., FUCHS, M., TÓTH, J., A., CSORBA, Á., SZEGI, T., 2017. Javaslat a hazai láptalajok osztályozásának megújítására. Agrokémia és Talajtan. 66. (1). 183199.

    • Search Google Scholar
    • Export Citation
  • MINASNY, B., BERGLUND, Ö., CONNOLLY, J., HEDLEY, C., DE VRIESE, F., GIMONA, A., KEMPEN, G., KIDD, D., LILJA, H., MALONE, B., MCBRATNEY, A., ROUDIER, P., O'ROURKE, S., RUDIYANTO, PADARIAN, J., POGGIO, L., TEN CATEN, A., THOMPSON, D., TUVE, C., WIDYATMANTI, W., 2019. Digital mapping of peatlands – A critical review. Earth-Science Reviews. 196. 102870.

    • Search Google Scholar
    • Export Citation
  • MITSCH, W., J., GOSSELINK, J., G., 2015. Wetlands, 5th ed.. Wiley: Hoboken, NJ, USA. pp. 155204.

  • OZESMI, S. L.; BAUER, M. E., 2002. Satellite remote sensing of wetlands. Wetlands Ecology Management. 10. 381402.

  • PADISÁK, J., 2005. Általános limnológia. ELTE Eötvös Kiadó, Budapest.

  • PÁSZTOR, L., LABORCZI, A., TAKÁCS, K., ILLÉS, G., SZABÓ, J., SZATMÁRI, G., 2020. Progress in the elaboration of GSM conform DSM products and their functional utilization in Hungary. Geoderma Regional. 21. e00269.

    • Search Google Scholar
    • Export Citation
  • PÁSZTOR, L., TAKÁCS, K., 2014. Távérzékelés a talajtérképezésben. Agrokémia és Talajtan. 63. (2) 353370.

  • PÁSZTOR, L., TAKÁCS, K., MÉSZÁROS, J., SZATMÁRI, G., ÁRVAI, M., TÓTH, T., BARNA, G., KOÓS, S., KOVÁCS, Z., A., LÁSZLÓ, P., BALOG, K., 2023. Indirect Prediction of Salt Affected Soil Indicator Properties through Habitat Types of a Natural Saline Grassland Using Unmanned Aerial Vehicle Imagery. Land. 12. (8) 1516.

    • Search Google Scholar
    • Export Citation
  • PEREIRA, E., BENCATEL, R., CORREIRA, J., FELIX, L., GONCALVES, G., MORGANO, J., SOUSA, J., 2009. Unmanned air vehicles for coastal and environmental research. In: DA SILVA, C., P. (ed.) Proceedings of the ICS, Journal of Coastal Research. Special Issue. 6. pp. 15571561.

    • Search Google Scholar
    • Export Citation
  • RAPINEL, S., MONY, C., LECOQ, L., CLÉMENT, B., THOMAS, A., HUBERT-MOY, L., 2019. Evaluation of Sentinel-2 time-series for mapping floodplain grassland plant communities. Remote Sensing of Environment. 223. 115129.

    • Search Google Scholar
    • Export Citation
  • SZATMÁRI, G., BAKACSI, Z., LABORCZI, A., PETRIK, O., PATAKI, R., TÓTH, T., PÁSZTOR, L., 2020. Elaborating Hungarian Segment of the Global Map of Salt-Affected Soils (GSSmap): National Contribution to an International Initiative. Remote Sensing. 12. (24) 4073.

    • Search Google Scholar
    • Export Citation
  • TAMÁS, J., LÉNÁRT, C., 2006. Analysis of a small agricultural watershed using remote sensing techniques. International Journal of Remote Sensing. 27. (17) 37273738.

    • Search Google Scholar
    • Export Citation
  • TANÁCS, E., BELÉNYESI, M., LEHOCZKI, R., PATAKI, R., PETRIK, O., STANDOVÁR, T., PÁSZTOR, L., LABORCZI, A., SZATMÁRI, G., MOLNÁR, ZS., BEDE-FAZEKAS, Á., KISNÉ FODOR, L., VARGA, I., ZSEMBERY, Z., MAUCHA, G., 2019. Országos, nagyfelbontású ökoszisztéma-alaptérkép: módszertan, validáció és felhasználási lehetőségek. Természetvédelmi Közlemények. 25. 3458.

    • Search Google Scholar
    • Export Citation
  • TARDY, J. (szerk.), 2007. A magyarországi vadvizek világa. Alexandra, Pécs.

  • THAKUR, J., K., SINGH, S., K., EKANTHALU, V., S., 2017. Integrating remote sensing, geographic information systems and global positioning system techniques with hydrological modeling. Applied Waterer Science. 7. 15951608.

    • Search Google Scholar
    • Export Citation
  • THAMAGA, K., H., DUBE, T., SHOKO, C., 2021. Advances in satellite remote sensing of the wetland ecosystems in Sub-Saharan Africa. Geocarto International. 37. (20) 58915913.

    • Search Google Scholar
    • Export Citation
  • THE RAMSAR CONVENTION MANUAL: a Guide to the Convention on Wetlands (Ramsar, Iran, 1971), 1997. 2nd ed. Ramsar Convention Bureau, Gland, Switzerland.

    • Search Google Scholar
    • Export Citation
  • TMUŠI´, G., MANFREDA, S., AASEN, H., JAMES, M., R., GONÇALVES, G., BEN-DOR, E., BROOK, A., POLINOVA, M., ARRANZ, J., J., MÉSZÁROS, J., ZHUANG, R., JOHANSEN, K., MALBETEAU, Y., PEDROSO DE LIMA, I., DAVIDS, C., HERBAN, S., MCCABE, M., F., 2020. Current Practices in UAS-based Environmental Monitoring. Remote Sensing. 12. (6) 1001.

    • Search Google Scholar
    • Export Citation
  • TÓTH, T., KERTÉSZ, M., 1996. Application of soil-vegetation correlation to optimal resolution mapping of solonetzic rangeland. Arid Soil Research and Rehabilitation. 10. 112.

    • Search Google Scholar
    • Export Citation
  • VISCARRA ROSSEL, R., A., WALVOORT, D., J., J., MCBRATNEY, A., B., JANIK, L., J., SKJEMSTAD, J., O., 2006. Visible, near infrared, mid infrared or combined diffuse reflectance spectroscopy for simultaneous assessment of various soil properties. Geoderma. 131. 5975.

    • Search Google Scholar
    • Export Citation
  • VISCARRA ROSSEL, R., A., MCBRATNEY, A., B., MINASNY, B. (eds.), 2010. Proximal Soil Sensing. Springer, Dordrecht.

  • WHITEHEAD, K., HUGENHOLTZ, C., H., MYSHAK, S., BROWN, O., LECLAIR, A., TAMMINGA, A., BARCHYN, T., E., MOORMAN, B., EATON, B., 2014. Remote sensing of the environment with small unmanned aircraft systems (UASs), part 1: A review of progress and challenges. Journal of Unmanned Vehicle Systems. 2. 86102.

    • Search Google Scholar
    • Export Citation
  • YANG, Z., YU, X., DEDMAN, S., ROSSO, M., ZHU, J., YANG, J., XIA, Y., TIAN, Y., ZHANG, G., WANG, J., 2022. UAV remote sensing applications in marine monitoring: Knowledge visualization and review. Science of The Total Environment. 838. 155939.

    • Search Google Scholar
    • Export Citation
  • YOUNG, S., S., WANG, C., Y., 2001. Land-cover change analysis of China using global-scale Pathfinder AVHRR Landcover (PAL) data, 1982-92. International Journal of Remote Sensing. 22. 14571477.

    • Search Google Scholar
    • Export Citation
  • ZOMER, R.J., TRABUCCO, A., USTIN, S., L., 2009. Building spectral libraries for wetlands land cover classification and hyperspectral remote sensing. Journal of Environmental Management. 90. 21702177.

    • Search Google Scholar
    • Export Citation
  • Collapse
  • Expand

Senior editors

Editor(s)-in-Chief: Szili-Kovács, Tibor

Technical Editor(s): Vass, Csaba

Section Editors

  • Filep, Tibor (Csillagászati és Földtudományi Központ, Földrajztudományi Intézet, Budapest) - soil chemistry, soil pollution
  • Makó, András (Agrártudományi Kutatóközpont, Talajtani Intézet, Budapest) - soil physics
  • Pásztor, László (Agrártudományi Kutatóközpont, Talajtani Intézet, Budapest) - soil mapping, spatial and spectral modelling
  • Ragályi, Péter (Agrártudományi Kutatóközpont, Talajtani Intézet, Budapest) - agrochemistry and plant nutrition
  • Rajkai, Kálmán (Agrártudományi Kutatóközpont, Talajtani Intézet, Budapest) - soil water flow modelling
  • Szili-Kovács Tibor (Agrártudományi Kutatóközpont, Talajtani Intézet, Budapest) - soil biology and biochemistry

Editorial Board

  • Bidló, András (Soproni Egyetem, Erdőmérnöki Kar, Környezet- és Földtudományi Intézet, Sopron)
  • Blaskó, Lajos (Debreceni Egyetem, Agrár Kutatóintézetek és Tangazdaság, Karcagi Kutatóintézet, Karcag)
  • Buzás, István (Magyar Agrár- és Élettudományi Egyetem, Georgikon Campus, Keszthely)
  • Dobos, Endre (Miskolci Egyetem, Természetföldrajz-Környezettan Tanszék, Miskolc)
  • Fodor, Nándor (Agrártudományi Kutatóközpont, Mezőgazdasági Intézet, Martonvásár)
  • Győri, Zoltán (Debreceni Egyetem, Mezőgazdaság-, Élelmiszertudományi és Környezetgazdálkodási Kar, Debrecen)
  • Imréné Takács Tünde (Agrártudományi Kutatóközpont, Talajtani Intézet, Budapest)
  • Jolánkai, Márton (Magyar Agrár- és Élettudományi Egyetem, Növénytermesztési-tudományok Intézet, Gödöllő)
  • Kátai, János (Debreceni Egyetem, Mezőgazdaság-, Élelmiszertudományi és Környezetgazdálkodási Kar, Debrecen)
  • Lehoczky, Éva (Magyar Agrár- és Élettudományi Egyetem, Környezettudományi Intézet, Gödöllő)
  • Michéli, Erika (Magyar Agrár- és Élettudományi Egyetem, Környezettudományi Intézet, Gödöllő)
  • Rékási, Márk (Agrártudományi Kutatóközpont, Talajtani Intézet, Budapest)
  • Schmidt, Rezső (Széchenyi István Egyetem, Mezőgazdaság- és Élelmiszertudományi Kar, Mosonmagyaróvár)
  • Tamás, János (Debreceni Egyetem, Mezőgazdaság-, Élelmiszertudományi és Környezetgazdálkodási Kar, Debrecen)
  • Tóth, Gergely (Agrártudományi Kutatóközpont, Talajtani Intézet, Budapest)
  • Tóth, Tibor (Agrártudományi Kutatóközpont, Talajtani Intézet, Budapest)
  • Tóth, Zoltán (Magyar Agrár- és Élettudományi Egyetem, Georgikon Campus, Keszthely)

International Editorial Board

  • Blum, Winfried E. H. (Institute for Soil Research, University of Natural Resources and Life Sciences (BOKU), Wien, Austria)
  • Hofman, Georges (Department of Soil Management, Ghent University, Gent, Belgium)
  • Horn, Rainer (Institute of Plant Nutrition and Soil Science, Christian Albrechts University, Kiel, Germany)
  • Inubushi, Kazuyuki (Graduate School of Horticulture, Chiba University, Japan)
  • Kätterer, Thomas (Swedish University of Agricultural Sciences (SLU), Sweden)
  • Lichner, Ljubomir (Institute of Hydrology, Slovak Academy of Sciences, Bratislava, Slovak Republic)
  • Nemes, Attila (Norwegian Institute of Bioeconomy Research, Ås, Norway)
  • Pachepsky, Yakov (Environmental Microbial and Food Safety Lab USDA, Beltsville, MD, USA)
  • Simota, Catalin Cristian (The Academy of Agricultural and Forestry Sciences, Bucharest, Romania)
  • Stolte, Jannes (Norwegian Institute of Bioeconomy Research, Ås, Norway)
  • Wendroth, Ole (Department of Plant and Soil Sciences, College of Agriculture, Food and Environment, University of Kentucky, USA)

Szili-Kovács, Tibor
ATK Talajtani Intézet
Herman Ottó út 15., H-1022 Budapest, Hungary
Phone: (+36 1) 212 2265
Fax: (+36 1) 485 5217
E-mail: editorial.agrokemia@atk.hu

Indexing and Abstracting Services:

  • CAB Abstracts
  • CABELLS Journalytics
  • CABI
  • EMBiology
  • Global Health
  • SCOPUS

2022  
Web of Science  
Total Cites
WoS
not indexed
Journal Impact Factor not indexed
Rank by Impact Factor

not indexed

Impact Factor
without
Journal Self Cites
not indexed
5 Year
Impact Factor
not indexed
Journal Citation Indicator not indexed
Rank by Journal Citation Indicator

not indexed

Scimago  
Scimago
H-index
10
Scimago
Journal Rank
0.151
Scimago Quartile Score

Agronomy and Crop Science (Q4)
Soil Science (Q4)

Scopus  
Scopus
Cite Score
0.6
Scopus
CIte Score Rank
Agronomy and Crop Science 335/376 (11th PCTL)
Soil Science 134/147 (9th PCTL)
Scopus
SNIP
0.263

2021  
Web of Science  
Total Cites
WoS
not indexed
Journal Impact Factor not indexed
Rank by Impact Factor

not indexed

Impact Factor
without
Journal Self Cites
not indexed
5 Year
Impact Factor
not indexed
Journal Citation Indicator not indexed
Rank by Journal Citation Indicator

not indexed

Scimago  
Scimago
H-index
10
Scimago
Journal Rank
0,138
Scimago Quartile Score Agronomy and Crop Science (Q4)
Soil Science (Q4)
Scopus  
Scopus
Cite Score
0,8
Scopus
CIte Score Rank
Agronomy and Crop Science 290/370 (Q4)
Soil Science 118/145 (Q4)
Scopus
SNIP
0,077

2020  
Scimago
H-index
9
Scimago
Journal Rank
0,179
Scimago
Quartile Score
Agronomy and Crop Science Q4
Soil Science Q4
Scopus
Cite Score
48/73=0,7
Scopus
Cite Score Rank
Agronomy and Crop Science 278/347 (Q4)
Soil Science 108/135 (Q4)
Scopus
SNIP
0,18
Scopus
Cites
48
Scopus
Documents
6
Days from submission to acceptance 130
Days from acceptance to publication 152
Acceptance
Rate
65%

 

2019  
Scimago
H-index
9
Scimago
Journal Rank
0,204
Scimago
Quartile Score
Agronomy and Crop Science Q4
Soil Science Q4
Scopus
Cite Score
49/88=0,6
Scopus
Cite Score Rank
Agronomy and Crop Science 276/334 (Q4)
Soil Science 104/126 (Q4)
Scopus
SNIP
0,423
Scopus
Cites
96
Scopus
Documents
27
Acceptance
Rate
91%

 

Agrokémia és Talajtan
Publication Model Hybrid
Submission Fee none
Article Processing Charge 900 EUR/article
Printed Color Illustrations 40 EUR (or 10 000 HUF) + VAT / piece
Regional discounts on country of the funding agency World Bank Lower-middle-income economies: 50%
World Bank Low-income economies: 100%
Further Discounts Editorial Board / Advisory Board members: 50%
Corresponding authors, affiliated to an EISZ member institution subscribing to the journal package of Akadémiai Kiadó: 100%
Subscription fee 2023 Online subsscription: 150 EUR / 198 USD
Print + online subscription: 170 EUR / 236 USD
Subscription Information Online subscribers are entitled access to all back issues published by Akadémiai Kiadó for each title for the duration of the subscription, as well as Online First content for the subscribed content.
Purchase per Title Individual articles are sold on the displayed price.

Agrokémia és Talajtan
Language Hungarian, English
Size B5
Year of
Foundation
1951
Volumes
per Year
1
Issues
per Year
2
Founder Magyar Tudományos Akadémia  
Founder's
Address
H-1051 Budapest, Hungary, Széchenyi István tér 9.
Publisher Akadémiai Kiadó
Publisher's
Address
H-1117 Budapest, Hungary 1516 Budapest, PO Box 245.
Responsible
Publisher
Chief Executive Officer, Akadémiai Kiadó
ISSN 0002-1873 (Print)
ISSN 1588-2713 (Online)

Monthly Content Usage

Abstract Views Full Text Views PDF Downloads
Nov 2023 0 0 0
Dec 2023 0 0 0
Jan 2024 0 0 0
Feb 2024 0 0 0
Mar 2024 0 124 41
Apr 2024 0 190 12
May 2024 0 0 0