Η χαρτογράφηση καλλιεργημένων περιοχών που υπέστησαν ζημιά από χαλάζι χρησιμοποιώντας πολυφασματικά δορυφορικά δεδομένα

Από RemoteSensing Wiki

Μετάβαση σε: πλοήγηση, αναζήτηση
Εικ. 1. FCC του συμβάντος πριν (α) και μετά (β) τη πτώση χαλαζιού από δορυφορικά δεδομένα εδάφους Landsat-8 με την περιοχή μελέτης να σημειώνεται στο ορθογώνιο. ΔNDVI στη γκρι εικόνα υπό κλίμακα (γ) εμφάνιση λωρίδων καταστροφής (I έως VI) στην περιοχή μελέτης. Πηγή: https://www.sciencedirect.com/science/article/pii/S1110982317300674
Εικ. 2. Μεθοδολογία που ακολουθήθηκε για ανάλυση δορυφορικών δεδομένων. Πηγή: https://www.sciencedirect.com/science/article/pii/S1110982317300674
Εικ. 3. NDVI διαφορά πριν και μετά της πτώσης χαλαζιού στις διαφορετικές καλλιέργειες. Πηγή: https://www.sciencedirect.com/science/article/pii/S1110982317300674
Εικ. 4. Μοντέλο για την εκτίμηση των αλλαγών στις τιμές NDVI λόγω καταιγίδας με χαλάζι (Α), επικύρωση μοντέλου (Β). Πηγή: https://www.sciencedirect.com/science/article/pii/S1110982317300674

Τίτλος:

Mapping hailstorm damaged crop area using multispectral satellite data

Συγγραφείς:

Mathyam Prabhakar, K.A. Gopinath, A.G.K. Reddy , M. Thirupathi, Ch. Srinivasa Rao

Πηγή:

Mathyam Prabhakar, K.A. Gopinath, A.G.K. Reddy , M. Thirupathi, Ch. Srinivasa Rao. Mapping hailstorm damaged crop area using multispectral satellite data, The Egyptian Journal of Remote Sensing and Space Science Vol. 22, April 2019, pp. 73-79 https://www.sciencedirect.com/science/article/pii/S1110982317300674

Εισαγωγή

Η καταιγίδα, ειδικά η καταιγίδα με χαλάζι είναι απρόβλεπτη και μπορεί να προκαλέσει σοβαρές ζημιές σε ακίνητα και γεωργικές καλλιέργειες (Wang et al., 2012). Ανάλυση της χωρικής κατανομής της συχνότητας χαλαζιού στην Ινδία για μια περίοδο 39 ετών (1972–2011) έδειξε ότι τα περισσότερα χρόνια τα γεγονότα ήταν τοπικά. Το έτος 2014, ωστόσο, η εμφάνισή του ήταν πολύ σοβαρή, σε παρατεταμένη διάρκεια και η οποία είναι άνευ προηγουμένου στα 80 χρόνια καταγεγραμμένης ιστορίας της Ινδίας (Rao et al., 2014). Περίπου 28 από τις 35 περιφέρειες στην πολιτεία Μαχαράστρα (Κεντρική Ινδία) επηρεάστηκαν σοβαρά από τις εποχιακές βροχές και τις βαριές χιονοθύελλες που προκάλεσαν εκτεταμένες ζημιές στις καλλιέργειες (Bal et al., 2014). Όταν συμβαίνει ένα χαλάζι, είναι σημαντικό να εκτιμηθεί η χωρική έκταση της ζημίας για να ληφθούν διορθωτικά μέτρα για να ελαχιστοποιηθεί η απώλεια των καλλιεργειών, των ζώων και να παρέχεται ανακούφιση και αποζημίωση στους πληγέντες αγρότες. Κατά τη διάρκεια του Φεβρουαρίου-Μαρτίου 2014, σε περίπου 18 εκατομμύρια εκτάρια καλλιέργειες στον τομέα της κηπουρικής στην πολιτεία Maharashtra υπέστη σοβαρές ζημιές λόγω καταιγίδων χαλάρωσης και πρόωρων βροχών και η αποζημίωση που καταβλήθηκε στους αγρότες από την κυβέρνηση της Maharashtra ήταν μόνο 154 εκατομμύρια USD, αν και εκτιμήθηκαν τα πραγματικά στοιχεία ήταν 1482 εκατομμύρια USD. Το επόμενο έτος, δηλαδή κατά τον Φεβρουάριο-Μάρτιο του 2015, πρωτοφανείς καταιγίδες χαλάζι και βροντές που σχετίζονται με ισχυρές βροχοπτώσεις και ισχυρούς ανέμους έπληξαν διάφορα μέρη της βόρειας Ινδίας (Ray et al., 2016). Η εκτιμώμενη ζημία των καλλιεργειών σε 14 πολιτείες ήταν περίπου 106,73 εκατομμύρια εκτάρια. Η διαδικασία απαρίθμησης της εκτίμησης των ζημιών στις καλλιέργειες και την αποζημίωση στους πληγέντες αγρότες σε πολλές περιπτώσεις ήταν δύσκολο έργο. Τα χαλασμένα χωράφια στις αγροτικές περιοχές μπορούν να γίνουν απρόσιτα. Ως αποτέλεσμα, η αποτελεσματικότητα παρακολούθησης και η ακρίβεια της αξιολόγησης από τους ανιχνευτές πεδίου είναι πάντοτε χαμηλή. Η τηλεπισκόπηση προσφέρει μια αποτελεσματική και μοναδική λεωφόρο για γρήγορες έρευνες φυσικών καταστροφών (Roy et al., 2010). Οι πολυφασματικές εικόνες από δορυφόρους με τηλεπισκόπηση, έχουν τη δυνατότητα να παρέχουν πολύτιμη βοήθεια κατά τη διάρκεια ερευνών ζημιών μετά από σοβαρά συμβάντα χαλαζιού (Jedlovec et al., 2006). Η ενσωμάτωση δεδομένων που εντοπίστηκαν εξ αποστάσεως στο Γεωγραφικό Σύστημα Πληροφοριών (GIS) για την εκτίμηση της βλάβης από χαλάζι έχει χρησιμοποιηθεί εκτενώς στις Ηνωμένες Πολιτείες (Jedlovec et al., 2006; Peters et al., 2000; Yuan et al., 2002), Αυστραλία (Chandler et al., 2002) και Κίνα (Zhao et al., 2012). Σε αυτή τη μελέτη, εξετάσαμε τη σκοπιμότητα χρήσης δορυφορικών δεδομένων για να αντιστοιχίσουμε τις ζημιές από τις καταιγίδες σε αρκετούς αγρούς και κηπευτικές καλλιέργειες.

Υλικά και μέθοδοι

Επιτόπια έρευνα και συλλογή δεδομένων

Μια σειρά από καταιγίδες με χαλάζι έπληξαν την κεντρική Ινδία κατά την περίοδο από τις 26 Φεβρουαρίου έως τις 15 Μαρτίου 2014. Τα γεγονότα με χαλάζι καταγράφηκαν σε 7 διαφορετικές ημέρες σε διάφορες τοποθεσίες στο Maharashtra. Το Pune επιλέχθηκε ως τοπογραφικό δείγμα για τη μελέτη. Η μέση ετήσια βροχόπτωση της περιοχής Solapur είναι 708 mm. Ο αέρας είναι γενικά ξηρός από Νοέμβριο έως Μάρτιο. Οι συνολικές βροχοπτώσεις κατά τη διάρκεια αυτής της περιόδου καταιγίδας (26 Φεβρουαρίου έως 15 Μαρτίου 2014) ήταν περίπου 85,8 mm στην περιοχή Solapur, η οποία είναι πολύ σπάνια και πολύ υψηλότερη (20 φορές) από τις κανονικές βροχοπτώσεις (4,2 mm) για την περίοδο. Οι επιτόπιες έρευνες πραγματοποιήθηκαν κατά τη διάρκεια της 16-19 Μαρτίου 2014 στην περιοχή που επλήγη από την καταιγίδα με χαλάζι για να εκτιμηθεί η ζημιά σε διάφορες καλλιέργειες και συλλέχθηκαν δεδομένα αλήθειας εδάφους χρησιμοποιώντας GPS (Trimble GeoXT). Οι σοβαρές απώλειες σε διάφορα χωράφια και κηπευτικές καλλιέργειες θα μπορούσαν να αποδοθούν στην επίδραση του χαλαζιού, σε συνδυασμό με τους ισχυρούς ανέμους και τις συνεχείς βροχές. Οι περισσότερες καλλιέργειες στην περιοχή της έρευνας ήταν σε στάδιο ωριμότητας ή συγκομιδής. Αν και οι περισσότερες καλλιέργειες στην περιοχή μελέτης υπέστησαν μερικώς ή εντελώς ζημιές, επιλέχθηκαν τρεις καλλιέργειες, δηλαδή σταφύλια, παπάγια και ζαχαροκάλαμο για να εξετάσουν κριτικά τη χωρική έκταση και το δυναμικό της τηλεπισκόπησης στην εκτίμηση ζημιών λόγω χαλαζιού.

Ανάλυση δορυφορικών δεδομένων

Χρησιμοποιήθηκαν δορυφορικά σύνολα δεδομένων Landsat-8 με ανάλυση 30 m (25 Φεβρουαρίου και 13 Μαρτίου 2014 για την εκδήλωση πριν και μετά, αντίστοιχα) χρησιμοποιήθηκαν για την χαρτογράφηση των ραβδώσεων που έχουν υποστεί ζημιά (Εικ. 1α & β). Τα δεδομένα LISS-IV από την IRS Resourcesat-2 συλλέχθηκαν ένα δεκαπενθήμερο πριν από την εκδήλωση (11 Φεβρουαρίου 2014) για να ταξινομήσουν διαφορετικές καλλιέργειες στο χαλάζι. Τα σύνολα δορυφορικών δεδομένων γεωαναφέρθηκαν χρησιμοποιώντας σημεία ελέγχου εδάφους (GCP) εφαρμόζοντας εξίσωση πολυωνυμίας δεύτερης τάξης. Η διαδικασία της ραδιομετρικής διόρθωσης περιελάμβανε μετατροπή των μετρημένων τιμών πολυφασματικής φωτεινότητας (DN) σε μονάδες ανάκλασης της κορυφής της ατμόσφαιρας (TOA). Αυτή η διαδικασία κανονικοποίησης είναι κρίσιμη κατά τη δημιουργία πολυχρονικών δεδομένων. Τα πακέτα λογισμικού ENVI 4.6 και Arc GIS 10.1 χρησιμοποιήθηκαν για την εκτέλεση επεξεργασίας εικόνας και χαρτογράφησης. Το NDVI (Normalized Difference Vegetation Index) είναι ο πιο συνηθισμένος δείκτης βλάστησης που χρησιμοποιείται στην τηλεπισκόπηση :

NDVI = (Near Infra Red-Red)/(Near Infra Red +Red )

Για να εκτιμηθεί η ζημιά από τη χαλάζι, αναπτύχθηκε ένα απλό μοντέλο γραμμικής παλινδρόμησης χρησιμοποιώντας τιμές NDVI πριν και μετά τη χαλάζι. Υιοθετήσαμε την προσέγγιση ΔNDVI (ΔNDVI = NDVIpre NDVIpost) για να διακρίνουμε τις αλλαγές στη βλάστηση με την πάροδο του χρόνου στην περιοχή μελέτης (Jedlovec et al., 2006; Peters et al., 2000; Yuan et al., 2002). Η ταξινόμηση των καλλιεργειών στα χαλάζι πραγματοποιήθηκε σε δεδομένα LISS-IV υιοθετώντας τη μέθοδο μέγιστης πιθανότητας με αναφορά στην αλήθεια του εδάφους. Η βλάστηση ταξινομήθηκε σε τέσσερις κατηγορίες, δηλαδή, σταφύλι-1 (νεαρά περιβόλια, <3 ετών), σταφύλι 2 (παλαιές οπωρώνες,> 3 ετών), παπάγια και ζαχαροκάλαμο, καθώς αυτές οι τάξεις ήταν φασματικά διακριτές στην δορυφορική εικόνα. Το διάγραμμα ροής που απεικονίζει τη μεθοδολογία που υιοθετήθηκε για την ανάλυση δεδομένων.

Αποτελέσματα και συζήτηση

Χρησιμοποιώντας τις τιμές ΔNDVI που επαληθεύτηκαν δεόντως με δεδομένα αλήθειας εδάφους, χαρτογραφήθηκαν έξι ραβδώσεις στην περιοχή μελέτης (Εικ. 1γ). Η ανάλυση δορυφορικών εικόνων ΔNDVI έδειξε ότι οι κατεστραμμένες περιοχές δεν ήταν συνεχείς, αλλά εμφανίστηκαν ως επιμήκεις και ακανόνιστες ραβδώσεις. Οι χωρικές ιδιότητες αυτών των ραβδώσεων έδειξαν σημαντική διακύμανση. Ωστόσο, δεν υπάρχει μεγάλη διακύμανση στο πλάτος των ραβδώσεων (3-8 km) σε σύγκριση με το μήκος τους. Η περιοχή που έχει υποστεί ζημιά αντικατοπτρίζει μόνο ζημιές στην καλλιέργεια, καθώς υπολογίστηκε με βάση τις αλλαγές στο NDVI, το οποίο είναι ιδιαίτερα ειδικό για τη βλάστηση. Η αλλαγή της τιμής NDVI μεταξύ του γεγονότος πριν και μετά το χαλάζι πάνω από 0,08 θεωρήθηκε ως πιθανή περιοχή που επηρεάστηκε. Αυτά τα κατώτατα όρια αποφασίστηκαν με βάση τα δεδομένα αλήθειας εδάφους που συλλέχθηκαν κατά τη διάρκεια των επιτόπιων ερευνών. Η χωροταξική κατάταξη των καλλιεργειών σε «άλλες» δεν ήταν δυνατή μέσω των συνόλων δεδομένων Landsat-8 και LISS-IV, καθώς οι περισσότερες από αυτές τις καλλιέργειες ήταν σε στάδιο ωριμότητας ή συγκομιδής κατά τη στιγμή της απόκτησης δεδομένων. Η φυσική γήρανση που προκαλείται από τις φυτικές ορμόνες προκαλεί αλλαγές στο χρώμα των φύλλων και το σθένος που οδηγεί σε αποβολή φύλλων και χαμηλότερο δείκτη εμβαδού φύλλων στα φυτά των φυτών στο στάδιο της ωριμότητας. Υπό τέτοιες συνθήκες, λόγω της κακής κάλυψης της βλάστησης, το έδαφος εκτίθεται με αποτέλεσμα τη μείωση της NDVI.

Συμπεράσματα

Αυτή η μελέτη διερεύνησε τη δυνατότητα χρήσης δορυφορικών δεδομένων Landsat-8 μεσαίας ανάλυσης για να εντοπίσει περιοχές που έχουν υποστεί ζημιά από χαλάζι και δεδομένα υψηλής ανάλυσης από το LISS-IV από το IRS Resourcesat-2 για να ταξινομήσουν τη βλάστηση στις περιοχές που έχουν υποστεί χαλάζι. Η εισαγωγή δεδομένων από πλατφόρμες τηλεπισκόπησης σε περίπτωση ακραίων καιρικών συνθηκών όχι μόνο θα βοηθήσουν στη βελτίωση των εκτιμήσεων απώλειας απόδοσης, αλλά και θα βοηθήσουν στη διευθέτηση απαιτήσεων για ασφάλιση καλλιέργειας. Θα πρέπει να καταβληθούν στο μέλλον συντονισμένες προσπάθειες για την απόκτηση υπερφασματικών δεδομένων από αερομεταφερόμενες πλατφόρμες ή μη επανδρωμένα αεροσκάφη (UAV) που θα βοηθήσουν στην προετοιμασία χαρτών υψηλής ανάλυσης σε σύντομο χρονικό διάστημα, θα καθοδηγήσουν τους επιτόπιους εντοπισμούς για τον εντοπισμό των κατεστραμμένων πεδίων, διαδικασία απαρίθμησης με μεγαλύτερη ακρίβεια και σε σύντομο χρονικό διάστημα.