Ποσοτικοποίηση των τάσεων της πυρκαγιάς με τη χρήση διαχρονικών εικόνων Landsat και της αυτο-οργανωμένης κρισιμότητας

Από RemoteSensing Wiki

Μετάβαση σε: πλοήγηση, αναζήτηση

Πρότυπος Τίτλος: Quantifying fire trends in boreal forests with Landsat time series and self-organised criticality

Συγγραφείς: Akiro Katoa, David Thaub, Andrew T. Hudakc, Garrett W. Meigsd, L. Monika Moskale

Πηγή

Πίνακας περιεχομένων

Εισαγωγή

Εικόνα 1. Χάρτης πυρκαγιών της περιοχής απο την Canadian Park Service

Τα τελευταία χρόνια με την επιρροή της κλιματικής αλλαγής παρατηρείται μια αύξηση των πυρκαγιών στα βόρεια δάση. Λόγω της δυσκολίας στην πρόσβαση αλλά και της σημαντικά μεγάλης έκτασης που καλύπτουν η τηλεπισκόπηση φαίνεται να αποτελεί μια ιδιαίτερα σημαντική αλλά και οικονομικά εφικτή μέθοδο παρακολούθησης των πυρκαγιών στις περιοχές αυτές. Επίσης λόγω των ιδιαίτερα σημαντικών αλλαγών που έχει επιφέρει η κλιματική αλλαγή είναι δύσκολο πλέον να λάβουμε σοβαρά υπόψιν στην διαχείριση των δασικών εκτάσεων το ιστορικό των πυρκαγιών, το οποίο περιγράφεται από την συχνότητα την ένταση και την έκταση τους, Γι αυτό το λόγο χρησιμοποιείται και η μέθοδος της αυτο-οργανωμένης κρισιμότητας. Προκειμένου να έχουμε πιο σαφή αποτελέσματα πρέπει να υπάρχει μια συνεχής καταγραφή σε βάθος χρόνου. Η καταγραφή αυτή μπορεί να επιτευχθεί με την χρήση διαχρονικών εικόνων Landsat μέσω των οποίων μπορούν να εντοπισθούν ξεκάθαρα οι τάσεις των πυρκαγιών. Παρόλα αυτά μέχρι πρόσφατα λόγω των περιορισμένων δεδομένων και της πολυπλοκότητας του αναγλύφου οι τάσεις των πυρκαγιών δεν προσδιορίζονταν με την βοήθεια της δορυφορικής παρατήρησης. Πέραν της δορυφορικής απεικόνισης υπάρχουν χάρτες φτιαγμένοι από τοπικές αρχές οι οποίοι ωστόσο μπορεί να παρουσιάζουν σφάλματα και να είναι βασισμένοι σε γενικευμένα μοντέλα πυρκαγιών. Έτσι κατασκευάζοντας με την βοήθεια της τηλεπισκόπησης χάρτες καμένων περιοχών φτιαγμένοι έχουμε στα χέρια μας ένα πολύ σημαντικό εργαλείο προκειμένου να κατανοήσουμε της περιβαλλοντικές μεταβλητές που επηρεάζουν τις πυρκαγιές όπως η τοπογραφία το κλίμα το οικοσύστημα μια περιοχής και να δημιουργήσουμε πιθανά σενάρια για μελλοντικές πυρκαγιές.

Σκοπός αυτής της μελέτης είναι:

  • Η απεικόνιση με την χρήση διαχρονικών εικόνων Landsat του εύρους και της συχνότητας των πυρκαγιών και η σύγκριση των αποτελεσμάτων με τους χάρτες πυρκαγιών της Canadian Park Service (Εικόνα 1)
  • Ο υπολογισμός και η ερμηνεία των γενικών τάσεων των πυρκαγιών με την βοήθεια της αυτο-οργανωμένης κρισιμότητας.

Περιοχή Μελέτης

Η περιοχή μελέτης είναι το Wood Buffalo National Park (WBNP) στον Καναδά. Το πάρκο αποτελεί καταφύγιο για πολλά είδη φυτών και ζώων και συνήθως οι πυρκαγιές προκαλούνται από κεραυνούς ωστόσο οι πυρκαγιές και κατά συνέπεια και οι καμένες εκτάσεις έχουν αυξηθεί τα τελευταία χρόνια. Το πάρκο αποτελεί προστατευόμενη περιοχή από το 1922 παράγοντας ο οποίος θα βοηθήσει ιδιαίτερα στην εφαρμογή της αυτο-οργανωμένης κρισιμότητας.

Μεθοδολογία

Εικόνα 2.Διάγραμμα δεικτών NDVI και NBR
Εικόνα 3. Η μέθοδος της αυτο-οργανωμένης κρισιμότητας SOC

Χρησιμοποιώντας διαχρονικές εικόνες Landsat στο Google Earth Engine δημιουργήθηκε ένας νέος υψηλής ανάλυσης χάρτης πυρκαγιών της περιοχής. Οι εικόνες που χρησιμοποιήθηκαν ήταν υψηλής ανάλυσης με λιγότερο από 10% νεφοκάλυψη ενώ όπου αυτό ήταν αναγκαίο εφαρμόστηκαν και διάφορες τεχνικές διόρθωσης των εικόνων προκειμένου να έχουμε το βέλτιστο επιθυμητό αποτέλεσμα. Εφαρμόζοντας σε αυτές τις διαχρονικές εικόνες διάφορους δείκτες κανονικοποιημένης διαφοράς όπως ο NDVI (περιοχές βλάστησης) και ο NBR (καμένες περιοχές) εντοπίστηκε και η ημερομηνία της πυρκαγιάς (Εικόνα 2). Οι εικόνες που αναλύθηκαν ήταν την περίοδο από 1 Ιουνίου μέχρι και 30 Σεπτεμβρίου 2015. Με την βοήθεια ενός αισθητήρα που είχε τοποθετηθεί στο πεδίο αναγνωρίστηκε η ακριβής ημερομηνία της πυρκαγιάς. Χρησιμοποιώντας την διαφορά του NBR στις δύο εικόνες πριν και μετά την πυρκαγιά υπολογίστηκαν οι δείκτες

  • dNBR= (NBRprefire- NBRpostfire)
  • RdNBR= dNBR/√(ABS(NBRprefire/1000))

Αυτή η διαδικασία πραγματοποιήθηκε για εικόνες από το 1986 μέχρι το 2016.Με την χρήση αυτών των δεικτών δημιουργήθηκαν κάποιες δυαδικές εικόνες στις οποίες οι καμένες περιοχές απεικονίζονται με 1 και αυτές που δεν άγγιξε η πυρκαγιά με 0. Εφαρμόζοντας στις εικόνες διάφορες πράξεις/φίλτρα αφαιρέθηκαν άλλες περιοχές όπως ποτάμια κτλ. Έπειτα έγινε μια εξομάλυνση του αναγλύφου και αποθηκεύτηκαν οι καμένες περιοχές σαν layer. Προκειμένου να πραγματοποιηθεί μια σύγκριση των αποτελεσμάτων με τους χάρτες της υπηρεσίας του πάρκου, οι οποίοι αποτελούνταν από πολύγωνα που απλά οριοθετούσαν την περιοχή της πυρκαγιάς χωρίς να λαμβάνουν υπόψιν περιοχές που δεν άγγιξε η πυρκαγιά εντός των ορίων, δημιουργήθηκαν τα αντίστοιχα πολύγονα στις εικόνες.


Αυτο-οργανωμένη κρισιμότητα

Για να κατανοηθεί η σχέση μεταξύ της έκτασης της πυρκαγιάς και της συχνότητας τέτοιων φαινομένων και να ελεγχθεί εάν και υπό ποιες προϋποθέσεις μπορεί να υπάρξει ισορροπία σε μια δασική περιοχή χρησιμοποιήθηκε η μέθοδος της αυτο-ογρανωμένης κρισιμότητας (Εικόνα 3). Έτσι από την κατανομή νόμου δύναμης προέκυψε η σχέση logp(x) = -a log(x) + c ( p(x): συνάρτηση πυκνότητας πιθανότητας, α: εκθέτης νόμου δύναμης, c: σταθερά )Μέσω της οποίας διαπιστώθηκε εν τέλη ότι για p < 0.05 δεν μπορεί ανακάμψει το οικοσύστημα.



Αποτελέσματα

Εικόνα 4. (Α)Περιοχή πυρκαγιάς (Β)Το κόκκινο περίγραμμα δείχνει την περιοχή όπως είναι αποτυπωμένη στον χάρτη της υπηρεσίας του πάρκου (C)Η ασπρόμαυρη εικόνα RdNBR όπου με μαύρο απεικονίζονται οι χαμηλές και με άσπρο οι υψηλές τιμές

Μετά από σύγκριση των χαρτών φάνηκε ότι ο δείκτης RdNBR εντόπιζε καλύτερα τις καμένες περιοχές από τον dNBR με ακρίβεια 93.3% ωστόσο το μέγεθος των περιοχών έπαιζε σημαντικό ρόλο καθώς παρατηρήθηκε επίσης ότι οι μικρότερες περιοχές απεικονίζονταν με μικρότερη ακρίβεια. Επίσης η απομάκρυνση του θορύβου των εικόνων βοηθούσε ιδιαίτερα στην αποφυγή πιθανών λαθών.

Για την μέθοδος της αυτο-οργανωμένης κρισιμότητας αυτό που παρατηρήθηκε ήταν ότι τα αποτελέσματα που προέκυπταν για του δορυφορικούς χάρτες έδειχναν ότι το δάσος μπορεί να επανέλθει από μόνο του από τις πυρκαγιές σε αντίθεση με τα αποτελέσματα από τους χάρτες της υπηρεσίας του πάρκου. Αυτό συμβαίνει κυρίως διότι παρόλο που τα όρια των πυρκαγιών είναι τα ίδια στους δορυφορικούς χάρτες αποτυπώνονται εντός των ορίων των πυρκαγιών και περιοχές που δεν επηρεάστηκαν (Εικόνα 4).





Συζήτηση

Εικόνα 5. Αριστερά διάγραμμα βασισμένο στους χάρτες της υπηρεσίας Δεξιά βασισμένο στους δορυφορικούς χάρτες

Η συγκεκριμένη μελέτη παρουσιάζει τα πλεονεκτήματα της απεικόνισης των καμένων περιοχών με την μέθοδο της τηλεπισκόπηση χρησιμοποιώντας διαχρονικές εικόνες Landsat στο Google Earth Engine χωρίς να χρειάζεται καμιά εκ των προτέρων γνώση προηγούμενων ημερομηνιών πυρκαγιών. Ενώ εποχιακά προβλήματα όπως η ύπαρξη φυλλοβόλων δέντρων ή ακόμα και χιονιού στην περιοχή μπορούν να αντιμετωπιστούν εύκολα λαμβάνοντας υπόψιν από τις διαφορές των φασματικών υπογραφών των καμένων δέντρων έναντι των φυλλοβόλων και από την άλλη με την χρήση θερμικού καναλιού για την απόρριψη των περιοχών με χιόνι.

Όσον αφορά την μέθοδο της αυτο-οργανωμένης κρισιμότητας αυτό που παρατηρήθηκε ήταν ότι οι διευρυμένες περιοχές που υπήρχαν στους χάρτες της υπηρεσίας του πάρκου επηρέαζαν αρνητικά τα αποτελέσματα πράγμα που σημαίνει ακόμη ότι δορυφορικές εικόνες με καλύτερη ανάλυση(Sentinel 2, RapidEye) θα μπορούσαν αν προσφέρουν ακόμα καλύτερα αποτελέσματα. Επίσης παρατηρήθηκε ότι με την χρήση εικόνων Landsat είναι εύκολα να προβλεφθεί μια πυρκαγιά λαμβάνοντας υπόψιν πιο πρόσφατο αρχείο λόγω της σταθερής κλίσης της καμπύλη (Εικόνα 5).

Συμπεράσματα

Η πολύ γρήγορη εξέλιξη της τηλεπισκόπησης προσφέρει την δυνατότητα να απεικονίσουμε τα όρια μιας πυρκαγιάς πολύ αποτελεσματικά βοηθώντας έτσι σημαντικά στην πρόβλεψη τέτοιων φαινομένων.

Προσωπικά εργαλεία