Ongoing projects

Optical synergies  for spatiotemporal SENsing of Scalable ECOphysiological traits (SENSECO)

Vegetated ecosystems largely mediate terrestrial gas and energy exchange at the atmosphere-biospherepedosphere interface. The spatial and temporal acquisition of information on vegetation status, health and photosynthetic functioning is fundamental to model the dynamic response of vegetation to changing environmental conditions, necessary for climate change and food security studies. Satellite or airborne Earth Observation (EO) provides the opportunity to collect spatially continuous information of vegetation reflectance globally and at ecologically relevant scales. Optical EO is now advancing towards measuring a signal that is emitted by vegetation (sun-induced chlorophyll fluorescence: SIF). By flying in tandem with Sentinel-3 (S3), ESAs forthcoming FLEX mission will observe SIF, which can, in combination with reflectance, provide an indicator of actual photosynthetic activity. The FLEX-S3 multi-sensor concept exemplifies the synergistic use of multi-source data to capture scalable ecophysiological traits. This, in combination with other Copernicus missions will allow novel data analytical techniques to be realised. Then, by combining these data with proximal sensing from drones and flux towers it becomes possible to address critical open spatiotemporal scaling questions. The synergistic use, processing and interpretation of data from multiple optical instruments at multiple scales have matured to a stage where harmonization across Europe is now possible. This will be achieved by forming the network proposed in this Action and bringing together the Sentinel-2, S3 and FLEX passive EO communities. This Action will therefore develop and further the capabilities for the interpretation of multi-sensor and multi-scale optical measurements and develop common protocols for community use.

Projekt: Premia na Horyzoncie, Innowacje w danych geoprzestrzennych i 3D (Horyzont 2020), nr MNiSW 379067/PnH/2017. Termin realizacji: 2017-2021, kierownik projektu: dr hab. Bogdan Zagajewski, uczestnicy: dr Marlena Kycko, dr Edwin Raczko, mgr Aleksnadra Kępczyńska, mgr Urszula Nikitin, mgr Agnieszka Berlińska.

Projekt: „Weryfikacja innowacyjnej metody inwentaryzacji zwierzyny grubej z wykorzystaniem bezzałogowych statków powietrznych (BSP) oraz narzędzi teledetekcyjnych, w powiązaniu z szacowaniem szkód łowieckich w wielkoobszarowych uprawach rolnych

Konsorcjum: Taxus SI Sp. z o.o. (Lider), Muzeum i Instytut Zoologii PAN (partner), Uniwersytet Warszawski (partner)
Czas realizacji: 2017-2020

Celem niniejszego projektu jest weryfikacja innowacyjnej metody szacowania liczebności zwierzyny z wykorzystaniem bezzałogowych statków powietrznych (BSP) oraz kamer termowizyjnych. Metoda ta pozwoli na precyzyjne, efektywne i ekonomiczne monitorowanie populacji zwierzyny grubej. Jednocześnie w ramach projektu podjęta zostanie próba opracowania metody szacowania szkód w wielkopowierzchniowych uprawach rolnych. Dzięki zastosowaniu nowoczesnych technologii pozwoli ona na precyzyjne wyznaczenie na zdjęciach lotniczych obszaru objętego szkodami oraz na obiektywne określenie ich powierzchni z wykorzystaniem technik komputerowych.

Projekt realizowany będzie w 7 etapach przez okres 3 lat. Obszar badawczy obejmuje grunty nadleśnictw: Bierzwnik, Drawno, Głusko (RDLP Szczecin) – oraz – Tuczno (RDLP Piła), a także obszar Drawieńskiego Parku Narodowego. Łącznie obszar badawczy obejmuje 86 682 ha. Prace badawcze prowadzone są zarówno na obszarach leśnych, jak i na przyległych do lasów gruntach rolnych, które znajdują się w zasięgu terytorialnym wyżej wymienionych nadleśnictw i parku.

Finansowanie: Dyrekcja Generalna Lasów Państwowych

Improving Settlement and Road Network Design for Maps of Small Scales Using Artificial Intelligence and Graph Theory

[Optymalizacja redakcji osadnictwa oraz sieci dróg w skalach przeglądowych z wykorzystaniem sztucznej inteligencji oraz teorii grafów] (2021-2024):

Cartographic generalization is an essential element of map designing. According to the International Cartographic Association definition, generalization concerns the selection and simplification of geographic information relative to the map scale and/or purpose in order to present it at a smaller scale. In this project, we consider selection, which is the first and crucial task to undertake in generalization as first we need to make a decision which objects we will show on the map at a smaller scale.

The development of effective and consistent methodology for generalizing small scale maps has not gained enough attention so far, as most of the conducted research has focused on the acquisition of large-scale maps. Thus we are still a long way from a comprehensive and formalized methodology for small-scale generalization. The presented research aims to close this gap by proposing innovative methods of settlement and road network generalization in maps of small cartographic scales based on artificial intelligence elements (AI), specifically machine learning (ML) and graph theory (GT). Optimal and automatic generalization methods can improve and accelerate the map design process. It can be a response to the growing demand of the information society for current and available data and maps at various scales as it can significantly reduce map design costs.

In this research, the goal is not to achieve a complete reconstruction of the manual cartographer’s work but to automatically achieve the results that would be optimal, acceptable from the cartographic point of view and possibly nearest to the manual map design. The research hypothesis states that the use of machine learning (ML) and graph theory (GT) as a way of the formalization of expert cartographic knowledge taking into account the object features and spatial context can be an effective approach for the multi-aspect and optimal settlement and road network generalization methodology development.

Within the project, two general objectives are defined. First, this research aims to improve and automate settlement selection for representation at small cartographic scales using machine learning (ML) approaches. The second objective is to develop a consistent methodology for the automatic generalization and evaluation of road networks at small cartographic scales. The research scope concerns developing innovative methodology of settlement and road network selection from the source detail level corresponding to 1:250 000 scale to 1:500 000 target scale.

Finansed by: National Science Center Poland (Narodowe Centrum Nauki).


 logo Narodowego Centrum Nauki

Evaluation of cartographic presentation methods in the context of map perception and effectiveness of visual transmission [Ewaluacja metod prezentacji kartograficznej w kontekście percepcji mapy i efektywności przekazu informacji] (2017-2020)

In recent years new unusual methodological solutions have become popular, which previously were not comprehensively studied regarding their effectiveness and efficiency of communication. In order to assess effectiveness of maps, cartographers started to apply new research methods using advanced computer technologies. Comprehensive studies using these technologies of both traditional and new cartographic presentation methods seem to be indispensable. Development of consistent evaluation methodology of map types and cartographic presentation methods will be the methodical goal, and preparation of a base of good practices for people developing maps will be the application goal. Based on the results of the conducted research we will also verify if the newly developed methods which are beyond the cartographic canon, should be included in the cartographic presentation methods classification.

Finansed by: Narodowe Centrum Nauki.

Optimization of the legend design of a map as a component of a geovisualization tool in the context of effectiveness and information acquisition strategies [Optymalizacja redakcji legendy mapy jako elementu narzędzi geowizualizacji w kontekście efektywności i strategii pozyskiwania informacji] (2019-2023)


Nowadays, maps are frequently combined with other data displays. The example is an approach to geographic visualization (geovisualization) which is based on coordinated and multiple views (CMV). It integrates multiple visualizations (maps, tables, diagrams, and graphs) with different strengths and interactive capabilities. CMV tools show data in separate but dynamically linked views, and display data simultaneously in these views by means of interaction techniques. CMV tools are considered one of the dominant approaches in geovisualization, although they are associated with high cognitive load due to its high complexity.
The new context in which maps appear brings new challenges. Maps being a part of a CMV tool generate new challenges for the design of legend layouts, since visual logic, as well as the relationships between the themes and topics presented by the map and other views, have to be maintained. This growing complexity means that it is becoming more important to understand how legends are used in the process of solving problems with the help of maps integrated with other views in a CMV tool. The objective of the project is to determine the role of a legend design which explains a map applied in an interactive geovisualization tool. The scope of the research includes analysis of small-scale thematic maps perception in the context of legend design.
In order to achieve the stated goals, there will be conducted an empirical study with applied eye tracking and usability performance metrics. The participants will answer questions and solve given tasks using information that they have to read from the presented CMV tool with differently designed legends. Based on the eye movement recordings, there will be investigated how users work with the tool and whether they applied various strategies of information acquisition when working with the different legend layouts. Applying both usability performance metrics and eye tracking will enable an comprehensive insight to be gained on what users tend to look at, and why they do so.

Finansed by: logo Narodowego Centrum Nauki.


H2020-MSCA-RISE-2016: innoVation in geOspatiaL and 3D daTAVOLTA, H2020-MSCA-RISE-2016 Ref. GA No. 734687, UW No. 501-D119-60-0598139. Project leader: Fondazione Bruno Kessler (FBK): Dr Fabio Remondino; partners: Gottfried Wilhelm Leibniz Universitaet Hannover (LUH), Technische Universität Wien (TUW), University of Warsaw (UW), Delft University of Technology (TUD), Institut National de l’Information Géographique et Forestière (IGN), Ordnance Survey (OS), Institut Cartogràfic i Geològic de Catalunya (ICGC), Centrul National De Cartografie (CNC), Geodetski Zavod Celje, D.O.O. (GZC), Vermessung AVT ZT GmbH (AVT), Vexcel Imaging GMBH (VIG), Geoimaging LTD (GEO). The term of the project: 01.06.2017-31.05.2021.

Geodata are datasets that have a spatial, temporal and thematic aspect to describe phenomena and processes in time, space and topic. Geodata, or geospatial data, are nowadays collected and produced with various sensors and techniques which provide for images, 3D point clouds, thematic maps, etc.
Geodata are used in many Geosciences and for various applications such as urban planning, territorial management, damage assessment, environmental monitoring, 3D city modelling, renewable energy assessment, land registry, heritage documentation, etc. Despite a growing market, a large number of applications, a vast series of publications and various acquisition and processing techniques, there are still many unresolved research questions on the automation of processing procedures, and on how to make them more reliable, powerful and scale-invariant. Moreover, an efficient availability, access and use of geospatial data are often missing. This hinders the growth of new applications and societal welfares. Progress in provision of efficiently and effectively derived 3D geospatial information is thus the key to more comprehensive, faster and better exploitation of geodata, for the benefit of individuals and societies. Last but not least, new occupations are emerging in the geospatial industry which requires capacity building for developing new applications of geospatial technologies.

The VOLTA project, through secondments, training activities and networking, will facilitate knowledge exchange and career progresses in the geospatial field. The project will develop innovative solutions to:

  • automatically provide metric information from images,
  • fuse heterogeneous data coming from various sensors,
  • segment 2D and 3D geospatial data
  • process large geospatial datasets in the Cloud.

The project shares and exploits the complementary expertise of the partners to produce and transfer new skills and innovative solutions for mapping agencies and geospatial companies.


Finished projects

E-learning course on Time Series Analysis in Remote Sensing for Understanding Human-Environment Interactions (E-TRAINEE)

The project’s objective is to develop a comprehensive research-oriented open e-learning course on time series analysis in remote sensing for environmental monitoring beyond the existing partners’ curricula. The course offers a multidisciplinary approach connecting themes from computer science, geography, and environmental studies. It combines well established and latest technologies of remote sensing (satellite and UAV sensing, multispectral and hyperspectral sensing, 3D point clouds) and methods of artificial intelligence (machine and deep learning) in order to use these technological developments to understand environmental changes and interaction of human activities and environment. It shows how the same environmental phenomenon can be analysed from the perspective of different data sources, scales and time frequencies. Moreover, it increases students’ digital literacy in time series analysis in remote sensing, which comprises the improvement in methodological and practical data handling skills. The students also gain the skills for critical reflection and communication of complex data processing tasks, enabling them for transformative and interdisciplinary research missions.

The e-learning course consists of four modules. The first one provides a general overview on methods for time series analysis and the three others focus on specific processing steps connected to different types of data and their use in case studies on environmental monitoring:

  1. Methods of Time Series Analysis in Remote Sensing (leading partner: University of Innsbruck, IU)
  2. Satellite Multispectral Images Time Series Analysis (leading partner: University of Warsaw, WU)
  3. 3D/4D Geographic Point Cloud Time Series Analysis (leading partner: Heidelberg University, HU)
  4. Airborne Imaging Spectroscopy Time Series Analysis (leading partner: Charles University, CU)

Course and Data:

The e-learning course on Time Series Analysis in Remote Sensing for Understanding Human-Environment Interactions is available from the course website. It was developed as a GitHub project. Datasets used in the projects are hosted on Zenodo.

Coordinator: CU (Dr. Markéta Potůčková, Department of Applied Geoinformatics and Cartography)

Partner Organisations: HU (Prof. Dr. Bernhard Höfle, Institute of Geography), WU (Dr. Adriana Marcinkowska-Ochtyra, Chair of Geomatics and Information Systems), IU (Dr. Martin Rutzinger, Institute of Geography)

Project duration: 01.09.2020-31.08.2023

Towards sustainable development of natural environments based on continuous remote sensing monitoring

The project aims at collaborative multidisciplinary research in the field of remote sensing with applications to geography, plant biology and environmental sciences. Based on time series of remote sensing data innovative methods can be developed to monitor and analyse processes connected to changes of valuable mountainous environments (tundra, glaciers) and forest ecosystems in protected areas to provide information needed for their conservation and/or management. In the project UAV/aerial data collections together with satellite and in situ observations as well as processing methods including machine/deep learning algorithms are used.

The project is funded in the framework of 4EU+ Alliance Flagship 4: Biodiversity and Sustainable Developement. The collaborators are Charles University (CU), Heidelberg University (HU), Innsbruck University (IU) and University of Warsaw (UW). Pricipal Investigator is Dr Eng. Markéta Potůčková (Department of Applied Geoinformatics and Cartography, CU) and other core team members are Prof. Jana Albrechtová (CU), Dr. Lucie Kupková (CU), Dr. Lucie Červená (CU), Prof. Bernhard Höfle (HU), Dr. Katharina Anders (HU), Dr. Adriana Marcinkowska-Ochtyra (UW), Dr. Adrian Ochtyra (UW), Krzysztof Gryguc (UW), Dr. Martin Rutzinger (UI), Dr. Magnus Bremer (UI).

Project duration: 30.03.2021-31.12.2021

Monitoring mountainous vegetation – biodiversity variables related to remote sensing

The project aims at a joint multidisciplinary research on monitoring mountainous vegetation across Europe, especially alpine tundra, detecting its changes with respect to its biodiversity and formulating driving forces of these changes (e.g. management, climate change). The methods will cover analysis of time series of remote sensing data including machine/deep learning algorithms, plant physiology, plant ecology and meteorological-environmental conditions.

The proposed research covers topics highlighted in the 4EU+ mission like climate, biodiversity and in connection with remote sensing also big data and artificial intelligence.

The project is funded in the framework of 4EU+ Alliance Flagship 4: Biodiversity and Sustainable Developement. The collaborators are Charles University (CU), Heidelberg University (HU), Copenhagen University (KU), Milan University (UM) and University of Warsaw (UW). Pricipal Investigator is Dr Eng. Markéta Potůčková (Department of Applied Geoinformatics and Cartography, CU) and other core team members are Prof. Jana Albrechtová, Ph.D. (CU), Prof. Dr. Bernhard Höfle (HU), Dr. Alexander Prishchepov (KU), Prof. Marco Caccianinga (UM), Dr. Adriana Marcinkowska-Ochtyra (UW).

Project duration: 30.03.2020-15.12.2020

Opracowanie i dostarczenie kompleksowej Mapy Koron Drzew w wersji numerycznej dla obszaru Warszawy

Projekt realizowany dla Warszawy w konsorcjum z firmą MGGP Aero (lider), firmą Definity oraz Uniwersytetem Łódzkim.

Zespół UW: Adrian Ochtyra (kierownik), Krzysztof Gryguc, Mateusz Gładki, Adriana Marcinkowska-Ochtyra, Anna Jarocińska

Celem projektu było opracowanie numerycznej mapy koron drzew dla Warszawy na podstawie lotniczych zobrazowań hiperspektralnych i danych z lotniczego skaningu laserowego. Poszczególnym koronom drzew przypisane zostały informacje o przynależności taksonomicznej i kondycji zdrowotnej drzewa. Zadaniem zespołu UW było opracowanie map prezentujących stopień przebarwienia oraz stopień defoliacji w wyniku modelowania statystycznego wykorzystującego dane teledetekcyjne oraz terenowe pomiary botaniczne.

Czas trwania projektu: 26.07.2018-26.09.2020

Landcover monitoring with emphasis on vegetation
under the cli
matic pressure using multitemporal and multisource remote sensing data fusion

Climate change develops a pressure on natural ecosystems. Ecosystem continuous monitoring is, thus, the key for understanding their components and interrelations. Moreover, it indicates the intensity of climate and environmental changes and success rate of protective steps towards sustainable development and conservation of biodiversity. Rapid developments in remote sensing (RS) in the last decades have enabled the Earth observation in vast range of spatial, spectral and time scales. The era of “big data” and progress in artificial intelligence bring new possibilities and challenges in extracting information from RS data.

The project is funded in the framework of 4EU+ Alliance Flagship 4: Biodiversity and Sustainable Developement. The collaborators are Charles University (CU), Heidelberg University (HU), Copenhagen University (KU), and University of Warsaw (UW). Pricipal Investigator is Dr Eng. Markéta Potůčková (Department of Applied Geoinformatics and Cartography, CU) and other core team members are Prof. Jana Albrechtová, Ph.D. (CU), Prof. Dr. Bernhard Höfle (HU), Dr. Alexander Prishchepov (KU), Dr. Adriana Marcinkowska-Ochtyra (UW).

Joint research activities are developed towards i) exploitation and development of methodologies for multisource (multi-and hyperspectral, LiDAR) and multitemporal data fusion on different platforms (spaceborne, airborne, unmanned aircraft systems), ii) using multisource and multitemporal data for studying dynamics of selected ecosystems sensitive to climate and environmental changes (tundra, temperate and flood-plain forests) on different spatial scales (regional and plot-based), iii) retrieval of quantitative vegetation parameters from multisource and multitemporal data.

Project duration: 05.2019-12.2019


Opracowanie Mapy Koron Drzew w wersji numerycznej dla wskazanego obszaru Warszawy

Projekt realizowany dla Warszawy w konsorcjum z firmą MGGP Aero (lider) oraz Uniwersytetem Łódzkim.

Zespół UW: Adrian Ochtyra (kierownik), Anna Jarocińska, Adriana Marcinkowska-Ochtyra, Krzysztof Gryguc, Mateusz Gładki

Celem projektu było opracowanie numerycznej mapy koron drzew dla wybranego fragmentu Warszawy o powierzchni ok. 50 km2 (Mokotów i okolice) na podstawie lotniczych zobrazowań hiperspektralnych i danych z lotniczego skaningu laserowego. Poszczególnym koronom drzew przypisane zostały informacje o przynależności taksonomicznej i kondycji zdrowotnej drzewa. Zadaniem zespołu UW było opracowanie map prezentujących stopień przebarwienia oraz stopień defoliacji w wyniku modelowania statystycznego wykorzystującego dane teledetekcyjne oraz terenowe pomiary botaniczne.

Czas trwania projektu: 15.06.2018-5.04.2019

Projekt HabitARSInnowacyjne podejście wspierające monitoring nieleśnych siedlisk przyrodniczych Natura z wykorzystaniem metod teledetekcyjnych, nr NCBiR: BIOSTRATEG2/297915/3/NCBR/2016, nr UW: 192600/501/83(SPBN)-603681, współfinansowany ze środków Narodowego Centrum Badań i Rozwoju, w ramach programu „Środowisko naturalne, rolnictwo i leśnictwo” NCBiR BIOSTRATEG/Konkurs II.

Finansowanie Narodowe Centrum Badań i Rozwoju: 

Strona WWW

Kierownik projektu: Łukasz Sławik MGGP Aero
Zespół UW: Anna Jarocińska (kierownik), Aleksandra Kępczyńska, Adriana Marcinkowska-Ochtyra, Adrian Ochtyra, Bogdan Zagajewski, Anita Sabat (od 01.06.2016), Edwin Raczko (0d 01.03.2017), Marlena Kycko (od 01.04.2017).

Projekt realizuje opracowanie innowacyjnego podejścia wspierającego monitoring nieleśnych siedlisk przyrodniczych Natura 2000 z wykorzystaniem metod teledetekcyjnych poprzez:

  • opracowanie dla części kraju znajdującej się w kontynentalnym regionie biogeograficznym teledetekcyjnej metody identyfikacji wszystkich nieleśnych siedlisk przyrodniczych Natura wymagających rolniczego użytkowania;
  • identyfikację trzech głównych zagrożeń przesuszeniem sukcesją oraz wkraczaniem inwazyjnych i ekspansywnych gatunków roślin wpływających na stan ochrony i perspektywy zachowania badanych siedlisk przyrodniczych Natura 2000;
  • integrację opracowanych metodyk identyfikacji siedlisk i zagrożeń z obowiązującym systemem monitoringu siedlisk przyrodniczych Natura2000.

Proponowane w projekcie metody teledetekcyjne opierają się na danych pozyskiwanych z pułapu lotniczego. W wyniku podjętych w projekcie prac powstanie też prototyp konstrukcji integrującej jednoczesne działanie wielu sensorów teledetekcyjnych umieszczonych na pokładzie jednego samolotu. Dzięki platformie możliwe będzie zwiększenie efektywności pozyskiwania danych lotniczych służących analizom teledetekcyjnym a co za tym idzie obniżenie kosztów i ryzyka ich pozyskania oraz ograniczenie emisji CO2.

Pozyskane dane ALS dostarczą informacji o przestrzennej charakterystyce struktury roślin oraz ich wysokości. Dane hiperspektralne zostaną wykorzystane do opisania właściwości biofizycznych roślin i ich identyfikacji.

Planowane jest wykonanie nalotów trzy razy w sezonie wegetacyjnym i równoczesne wykonanie pomiarów terenowych. Jednocześnie z badaniami teledetekcyjnymi prowadzone będą badania botaniczne polegające na założeniu dużej próby punktów referencyjnych w różnych częściach kraju do klasyfikacji i walidacji wyników. Po wstępnym przetworzeniu danych lotniczych będą one połączone z charakterystykami naziemnymi (szczegóły).


Zastosowanie danych hiperspektralnych i sztucznych sieci neuronowych do klasyfikacji gatunków drzewiastych Karkonoskiego Parku Narodowego

Kierownik projektu: Edwin Raczko
Zespół: Edwin Raczko

Numer rejestracyjny projektu: 192600-501-59-239
Źródło finansowania: Projekty krajowe – Ministerstwo Nauki i Szkolnictwa Wyższego
Termin realizacji: 2013-2017

Projekt „Zastosowanie danych hiperspektralnych i sztucznych sieci neuronowych do klasyfikacji gatunków drzewiastych Karkonoskiego Parku Narodowego” skupia się na opracowaniu mapy drzewostanów KPN wykorzystując dane hiperspektralne APEX. Celem projektu jest opracowanie i przetestowanie algorytmu klasyfikacji gatunków i zbiorowisk leśnych obszarów górskich (Karkonoszy) bazując na hiperspektralnych obrazach lotniczych o bardzo dużej rozdzielczości spektralnej (312 kanałów) oraz przestrzennej (1,75 m) z wykorzystaniem nieparametrycznych metod klasyfikacji (symulatory sztucznych sieci neuronowych). Poszczególne zbiorowiska zostaną ocenione pod kątem stanu kondycyjnego. Opracowanie wydajnej i efektywnej metody zdalnej klasyfikacji gatunków i zbiorowisk drzewiastych ma zadanie opracowanie metody, która będzie mogła być zastosowana do satelitarnych danych hiperspektralnych z projektowanej misji satelitarnej EnMAP (2014 rok). Detektor satelitarny ma pozyskiwać dane w 220 kanałach spektralnych i bezpłatnie udostępniać je odbiorcom niekomercyjnym. Zastosowanie danych hiperspektralnych pozwoli na prowadzenie stałego monitoringu środowiska, gdyż bardzo wąskie zakresy widma elektromagnetycznego pozwalają na bardzo dokładną identyfikację roślinności oraz szczegółową ocenę kondycji.


Finansowanie Narodowe Centrum Badań i Rozwoju:

Projekt Ecosystem stress from the combined effects of winter climate change and air pollution – how do the impacts differ between biomes? (WICLAP), No: POL-NOR/198571/83/2013, 192600-501-55-09
Project Promoter:  Zbigniew Bochenek (Instytut Geodezji i Kartografii)
Management board: Zbigniew Bochenek, Dariusz Ziołkowski,  Jarle W. Bjerke, Hans Tømmervik, Dagrun Vikhamar-Schuler, Andrzej Klos;
University of Warsaw team: Bogdan Zagajewski (head), Martyna Wietecha (MSc. student), Adrian Ochtyra, Karolina Orłowska, Marlena Kycko, Adriana Marcinkowska-Ochtyra, Anna Jarocińska, Jakub Czos (BA student), Edwin Raczko, Anita Sabat (BA student), Paweł Bojanowski (BA student).

Source of funding: Polish-Norwegian Research Programme, National Centre for Research and Development
The term of the project: 01.12.2013-30.11.2016

Projekt realizowany w ramach program Polsko-Norweska współpraca badawcza wraz z czterema innymi instytucjami. Zmiany klimatu i zanieczyszczenia powietrza negatywnie wpływają na środowisko przyrodnicze Europy. Istotna jest możliwość prognozowaniu stresu, na jaki narażone jest środowisko. Monitorowanie takiego stresu możliwe jest przy użyciu danych wieloczasowych. Głównym celem projektu jest określenie związku między ostatnimi ociepleniami w czasie zimy a zanieczyszczeniami powietrza północnych ekosystemów europejskich. Wykorzystane zostaną dane z różnych źródeł (np. pomiary meteorologiczne, dane depozycji zanieczyszczeń, pomiary terenowe oraz dane satelitarne). Badania będą wykonywane na dwóch obszarach zróżnicowanych pod względem badanych parametrów: fragmencie Polski i Svalbardu. Uniwersytet Warszawski odpowiedzialny jest za wykonanie teledetekcyjnych pomiarów terenowych roślinności kilka razy w ciągu sezonu wegetacyjnego na obszarach badawczych (Karkonosze, Beskid Żywiecki, Puszcza Białowieska, Knyszyńska i Borecka) w Polsce (szczegóły).


Assessment of vegetation damages using remote sensing (AVeReS)

Head: Bogdan Zagajewski
Research team: Bogdan Zagajewski, Małgorzata Krówczyńska, Anna Jarocińska, Piotr Pabjanek, Adrian Ochtyra, Adriana Marcinkowska, Marlena Kycko, Ewa Wilk, Selamawit Zewdu Yetemegn

Source of funding: European Space Agency (ESA)
The term of the project: 01.03.2013-28.02.2015

Opis: Celem projektu AVeReS jest ocena potencjału obrazów satelitarnych do analizy i monitorowania stanu roślinności. Informacja o stanie roślinności jest potrzebna do skutecznego zarządzania zasobami naturalnymi i oceny skuteczności ochrony przyrody. Roślinność oceniana jest na podstawie informacji dotyczących barwników, struktury komórkowej i wigoru rośliny i wskaźników dedykowanych do analizy kondycji roślin. Opracowywany jest algorytm pozyskiwania informacji o stanie roślinności naturalnej na podstawie zintegrowanych pomiarów terenowych i satelitarnych. Badania prowadzone są na terenie Tatrzańskiego Parku Narodowego i Puszczy Białowieskiej. Do badania są wykorzystywane pomiary terenów i obrazy satelitarne Landsat i WorldView-2. W ramach badań terenowych pobrane zostały zmienne biofizyczne (np. powierzchnia projekcyjna liści) oraz krzywe odbicia spektralnego. Na podstawie archiwalnych o raz aktualnych obrazów satelitarnych obliczone są wskaźniki roślinności określające kondycję pokrywy roślinnej. Zmienne pobrane w terenie oraz wskaźniki roślinności wykorzystane są do klasyfikacji kondycji roślinności uwzględniającej specyfikę badanych zbiorowisk. Algorytm uwzględnia również informację o wielkości opadów. Metoda zostanie zweryfikowana na podstawie pomiarów terenowych i danych archiwalnych.




Teledetekcyjna ocena kondycji muraw wysokogórskich zagrożonych wydeptywaniem.

Kierownik projektu: Marlena Kycko
Zespół: –

Źródło finansowania:  projekt krajowy; Fundacja im. Anny Pasek
Termin realizacji [2012-2013]

Opis: Głównym celem projektu było określenie źródeł zmian w odbiciu promieniowania elektromagnetycznego od roślin narażonych na wydeptywanie i roślin referencyjnych muraw wysokogórskich w Tatrzańskim Parku Narodowym. Cel ten był realizowany na podstawie pomiarów spektrometrycznych z wykorzystaniem spektrometru ASD FieldSpec 3 oraz pomiarów bio-, radiometrycznych. Wynikiem pracy było ilościowe i jakościowe określenie stanu roślinności narażonej na wydeptywanie i odniesienie do roślinności referencyjnej. Stan ten był przeanalizowany poprzez teledetekcyjne wskaźniki roślinności, mierzące ogólny wigor, zawartość oraz strukturę chlorofilu, ilość światła wykorzystywanego w procesie fotosyntezy, zawartość wody, azotu, węgla, celulozy i ligniny oraz karotenoidów. Dodatkowo określono rzeczywistą odporność dominujących gatunków muraw wysokogórskich na ruch turystyczny, co pozwoliło przeanalizować rzeczywisty wpływ wydeptywania na murawy wysokogórskie poprzez zwiększający się ruch turystyczny w Tatrach Wysokich. Wykazanie zakresów widma elektromagnetycznego rejestrujących efekty wydeptywania pozwoli na zastosowanie obrazów hiperspektralnych w monitoringu roślinności górskiej, co jest jednym z celów PLK oraz TPN.

Kartowanie zbiorowisk roślinnych przy użyciu danych hiperspektralnych

Kierownik: Adriana Marcinkowska
Zespół: Bogdan Zagajewski

Źródło finansowania: (pozostałe krajowe) Fundacja im. Anny Pasek
Termin realizacji [2014 – 2015]

Opis: Celem projektu jest opracowanie algorytmu klasyfikacji wysokorozdzielczych hiperspektralnych danych Airborne Prism Experiment  (APEX) do klasyfikacji roślinności nieleśnej Karkonoskiego Parku Narodowego; określenie przydatności tych danych oraz metod Support Vector Machines i sztucznych sieci neuronowych fuzzy ARTMAP do identyfikacji roślinności Karkonoszy, jak również opracowanie mapy rozkładu dominujących zbiorowisk roślinnych. W projekcie wykorzystywane są zobrazowania ze skanera lotniczego APEX, pozyskane przez Niemiecką Agencję Kosmiczną oraz belgijską firmę VITO dla Karkonoszy, 10.09.2012. Obrazy składają się z 288 kanałów spektralnych, o rozdzielczości przestrzennej ok. 1,75 m. Materiałem referencyjnym jest mapa wektorowa roślinności nieleśnej polskiej części Parku, autorstwa B. Wojtunia i L. Żołnierza, obejmująca 49 wydzieleń. Metodyka zakłada wykonanie korekcji atmosferycznej obrazów w oprogramowaniu ATCOR-4, analizę jakości obrazów i wybór wzorców do klasyfikacji oraz weryfikacji, wykonanie klasyfikacji przy użyciu SVM oraz sztucznych sieci neuronowych, przeprowadzenie wstępnych analiz poklasyfikacyjnych, weryfikację terenową, a następnie wyznaczanie nowych poligonów weryfikacyjnych do klasyfikacji. Kolejno, wykonane zostaną analizy statystyczne na podstawie macierzy błędów, dokładności producenta i użytkownika oraz wskaźnika kappa, natomiast efektem będzie mapa zbiorowisk roślinnych Karkonoszy.


Hyperspectral Remote Sensing for Mountain Ecosystems (HyMountEcos) Projekt European Facility For Airborne Research Transnational Access (EUFAR TA). W projekcie uczestniczą polskie i czeskie instytucje naukowe, zobrazowanie lotnicze APEX wykonane jest przez Niemiecką Agencję Kosmiczną (DLR) oraz belgijskie VITO. Głównym celem projektu jest pozyskanie lotniczych, hiperspektralnych obrazów APEX polskiej i czeskiej części Karkonoszy, następnie na ich podstawie opracowanie algorytmów przetwarzania danych hiperspektralnych i ich aplikacji do badania środowiska Karkonoszy. Termin realizacji 2012.03-2013.12.31. Kierownik: dr hab. Bogdan Zagajewski (Uniwersytet Warszawski)


Formalizacja kartograficznej prezentacji danych ilościowych oraz jej implementacja w internetowym Atlasie kartograficznych metod prezentacji (projekt badawczy nr N N526 073838). Termin realizacji projektu: 2010-2012. Kierownik projektu: dr hab. JacekPasławski, prof. UW.  Zespół: dr Jolanta Korycka-Skorupa, mgr Tomasz Nowacki, dr Tomasz Opach. Atlas kartograficznych metod prezentacji  składa się z dwu części. Pierwsza część – teoretyczna – wprowadza użytkownika w ilościową prezentację kartograficzną. Historia metod, omówienie ich założeń, a także wskazanie postępowania „krok po kroku” opisującego etapy poprawnego wykonania mapy tematycznej. Istotnym fragmentem tej części jest syntetyczna charakterystyka pięciu form prezentacji potocznie zwanych metodami kartograficznymi. Odpowiednia znajomość cech każdej z nich jest podstawą trafnych decyzji w trakcie opracowania map.  Druga część to kryjąca się pod hasłem: MAPY  przeglądarka przykładów, która umożliwia użytkownikowi wyświetlenie graficznej prezentacji wybranych danych statystycznych.


Wyznaczenie obszarów znajdujących się pod rzeczywistą presją działalności rolniczej ze względu na zanieczyszczenie wód związkami azotu Projekt realizowany był na zlecenie Krajowego Zarządu Gospodarki Wodnej (KZGW), płatne ze środków Narodowego Funduszu Ochrony Środowiska i Gospodarki Wodnej, czas trwania: 3.06.2011 – 15.10.2011, kierownik projektu: prof. Jan R. Olędzki, wykonawcy: Edyta Woźniak, Sylwia Nasiłowska, Anna Jarocińska, Janusz Igras, Małgorzata Stolarska, Abdes Samed Bernoussi, Zbigniew Karaczun. Celem pracy jest oszacowanie wielkości presji azotu ze źródeł rolniczych na wody na poziomie zlewni oraz wyznaczenie obszarów, z których odpływ azotu ze źródeł rolniczych do tych wód należy ograniczyć, dla potrzeb realizacji wymogów wynikających z przepisów Unii Europejskiej (Ramowa Dyrektywa Wodna oraz Dyrektywa Azotanowa). Proponowany model pozwala na wyznaczenie ryzyka wystąpienia rzeczywistej presji działalności rolniczej ze względu na zanieczyszczenie wód związkami azotu na bazie dwóch składowych: naturalnej wrażliwości terenu oraz aktualnej presji produkcji rolniczej. Model presji rolniczej określa zagrożenie ze względu na dawkowanie azotu zawartego w nawozach mineralnych jak i organicznych pochodzących z produkcji zwierzęcej. Drugi model określający wrażliwość terenu na zanieczyszczenia związkami azotu został opracowany biorąc pod uwagę częstość dotarcia wody opadowej do wód gruntowych oraz prawdopodobieństwo wystąpienia spływu powierzchniowego i podpowierzchniowego do wód powierzchniowych. Ostateczny model ryzyka wystąpienia rzeczywistej presji działalności rolniczej ze względu na zanieczyszczenie wód związkami azotu, obliczono oddzielnie dla każdego roku, z okresu 2007 – 2010. Model ryzyka został dodatkowo wykonany z rozdzielnym wykorzystaniem modeli presji produkcji zwierzęcej i roślinnej w celu oddzielenia zagrożenia wynikającego z nawożenia nawozami mineralnymi i organicznymi. W celu sprawdzenia poprawności wypracowanego modelu porównano wyniki z pomiarami eutrofizacji ze względu na występujący azot azotanowy w rzekach Polski. Z analizy wyeliminowano te rzeki i te punkty które znajdowały się w bezpośrednim sąsiedztwie terenów zabudowanych oraz w strefie o dużej ilości emisji zanieczyszczeń komunalnych. Wyniki pokazują dokładność porównania na poziomie od 85.3% do 91,3% w zależności od doboru danych referencyjnych.


Model umożliwiający wyznaczenie zlewni o zwiększonym odpływie azotanów (estymację wielkości spływu azotanów) do wód powierzchniowych i podziemnych, z uwzględnieniem zmiennych środowiskowych. Projekt realizowany był na zlecenie Krajowego Zarządu Gospodarki Wodnej (KZGW), kierownik: prof. dr hab. Jan R. Olędzki, autorzy: Nasiłowska Sylwia, Woźniak Edyta, czas trwania: 25.04.2010 – 25.07.2010. Celem pracy było wyznaczenie obszarów o intensywnym spływie powierzchniowym i infiltracji związków azotu ze źródeł rolniczych, tj. znajdujące się pod presją zanieczyszczeń pochodzenia rolniczego w rozumieniu RDW (2000/60/WE) oraz dyrektywy azotanowej (91/676/EWG). W ramach pracy opracowano model dzięki któremu możliwe jest wyznaczenie obszarów, z których następują duże odpływy azotanów do wód powierzchniowych i podziemnych. Zostało zastosowane podejście interdyscyplinarne uwzględniające przestrzenne fluktuacje czynników naturalnych takich jak: przepuszczalność gleby, urozmaicenie rzeźby; oraz antropogenicznych: użytkowanie ziemi, nawożenie oraz lokalizacje punktów stanowiących źródła azotanów. Do realizacji pracy wykorzystano cyfrowe mapy tematyczne oraz dane statystyczne, które zostały opracowane i przeanalizowane przy użyciu innowacyjnych technik geoinformacyjnych (GIS). Takie podejście umożliwia całościową analizę przestrzenną i wieloczasową zjawiska. W celu wyznaczenia zlewni, które stanowią strefy zagrożenia skażeniem azotanami ze źródeł rolniczych skonstruowano model, który z jednej strony określa predyspozycję terenu na zanieczyszczenie, a z drugiej określa wpływ dawkowania nawozów i obecności hodowli przemysłowej zwierząt na zawartość azotanów w glebie.


Klasyfikacja obrazów hiperspektralnych za pomocą sztucznych sieci neuronowych. Grant obliczeniowy ICM nr G33-4. Kierownik tematu: dr Bogdan Zagajewski. Termin realizacji luty-maj 2008. W ramach tego projektu wykorzystany został komputer Tornado Cray X1e do przeprowadzenia klasyfikacji danych hiperspektralnych w symulatorze SNNS


Hyperspectral Imaging Network (Hyper-i-net) Projekt UE (Contract Number MRTN-CT-2006-035927). W projekcie uczestniczy 15 partnerów (UEX, DLR, FFI, ISBE, IST, KT, LIS, LPGN, NEO, RSL, SPECIM, UNIPV, UNIS, WUR, WURSEL). Głównym celem prac jest stworzenie europejskiej platformy rozwijającej techniki hiperspektralne w zakresie tworzenia nowych instrumentów i urządzeń, algorytmów przetwarzania danych hiperspektralnych i ich aplikacji. Termin realizacji 2007.02.01-2011.01.31. Kierownik dr Antonio Plaza (University of Extremadura, Spain)


Zastosowanie cyfrowych metod przetwarzania lotniczych obrazów hiperspektralnych w badaniach i kartografii roślinności projekt KBN nr rej. 5T12E 026 24. Kierownik tematu: dr Bogdan Zagajewski. Termin realizacji 2003-2005


Hyperspectral remote sensing for analysis and monitoring vegetation in mountain environments projekt w ramach 5PR EU „Human Potential. Improving Human Potential & the Socio-Economic knowledge base. Access to Research Infrastructures – Environment” nr HPRI-1999-00075, koordynowany przez DLR Oberpfaffenhofen oraz projektu CORDIS. Program ma na celu rozpowszechnianie nowoczesnych technik badawczych z zastosowaniem w badaniach środowiska. Niemiecka Agencja Kosmiczna DLR (Deutsche Forschungsanstalt für Luft- und Raumfahrt) wykonała zobrazowania hiperspektralne (z samolotu DLR Dornier Do-228) dwoma sensorami: DAIS7915 i ROSIS obszaru Tatr Wysokich oraz doliny Bystrzanki w Beskidzie Niskim. Numer polskiej części projektu: HySens PL05_02. Kierownik tematu: dr Anna Jakomulska/dr Bogdan Zagajewski. Termin realizacji 2002-2003


Hyperspectral remote sensing for analysis and monitoring of the heavy metals contaminated vegetation (Phragmitetum australis) udział w części poświęconej badaniom roślinności zanieczyszczonej metalami ciężkimi projektu HySens Hu01_02. Jest to autorski projekt Węgierskiego Instytutu Geologicznego (MAFI, kierownik projektu: dr Peter Kardevan), ITC (Holandia) oraz JRC (Włochy).

Analiza spektralnych właściwości roślinności naziemnymi systemami teledetekcyjnymi projekt KBN nr rej. 5T12E 031 23. Kierownik tematu: Prof. dr hab. Jan R. Olędzki. Termin realizacji 2002-2005

Multi-functional forestry and sustainable development. Forest Research Institute in Warsaw

Assessment of a possibility of the lead detection in grasses and soil using remote sensing techniques. Faculty of Geography and Biology, Warsaw University; Remote Sensing Department, Space Research Centre, Polish Academy of Sciences and Faculty of Agriculture, Warsaw Agriculture University

Wykorzystanie technik cyfrowych i materiałów analogowych w wielkoskalowym kartowaniu geomorfologicznymcelem prowadzonych prac było stworzenie algorytmu umożliwiającego kartowanie geomorfologiczne w oparciu o dane teledetekcyjne, badania terenowe i GIS.  Dr E. Wołk – Musiał i B. Zagajewski

Measurement of vegetation condition using remote sensing techniques. Inter-faculty Study Programme in Environmental Protection Warsaw University