Τηλεπισκόπηση, τεχνητή νοημοσύνη και συστήματα γεωγραφικών πληροφοριών στην εκτίμηση κινδύνου πυρκαγιών

Από RemoteSensing Wiki

Τηλεπισκόπηση, τεχνητή νοημοσύνη και συστήματα γεωγραφικών πληροφοριών στην εκτίμηση κινδύνου πυρκαγιών

Αντικείμενο: Η συγκεκριμένη εργασία αναφέρεται στην εκτίμηση κινδύνου πυρκαγιών με χρήση Τηλεπισκόπησης, Τεχνητής Νοημοσύνης και Συστημάτων Γεωγραφικών Πληροφοριών. Σαν βασικό εργαλείο προληπτικού σχεδιασμού παρουσιάζονται τα αποτελέσματα της πρώτης προσπάθειας για την ανάπτυξη ενός ποσοτικού Ελληνικού Συστήματος Εκτίμησης Κινδύνου Πυρκαγιών, με περιοχή μελέτης το νησί της Λέσβου.

Στόχος: Στόχος αυτής της έρευνας είναι να αναπτύξει ένα νέο ποσοτικό σύστημα εκτίμησης κινδύνου πυρκαγιάς το οποίο θα βασίζεται σε παραμέτρους οι οποίοι θα μπορούν να προσδιοριστούν εύκολα και γρήγορα. Το σύστημα αυτό αναπτύσσεται στα πλαίσια του ευρωπαϊκού ερευνητικού προγράμματος AUTO-HAZARD PRO του Τμήματος Γεωγραφίας Πανεπιστημίου Αιγαίου και αποτελεί μια εξέλιξη του υπάρχοντος συστήματος (Εικόνα 1) το οποίο θα μπορεί να χρησιμοποιηθεί σε προ-κατασταλτικές ενέργειες (reference).

Εικόνα 1: Εξέλιξη του συστήματος εκτίμησης κινδύνου με πιλοτική εφαρμογή στη Ν. Λέσβο

Το κύριο αποτέλεσμα του συστήματος εκτίμησης κινδύνου είναι ο Δείκτης Πιθανότητας Εμφάνισης Πυρκαγιάς βασιζόμενος σε τρεις άλλους δείκτες: το Μετεωρολογικό Δείκτη Κινδύνου, το Βλαστητικό Δείκτη Κινδύνου και τον Κοινωνικο-Οικονομικό Δείκτη Κινδύνου.

Διαδικασία*: Η σχέση μεταξύ εμφάνισης της φωτιάς και των παραμέτρων-μεταβλητών που ενσωματώνονται στους παραπάνω δείκτες, μοντελοποιήθηκε με τη χρήση μεθόδων τεχνητής νοημοσύνης και συγκεκριμένα των νευρωνικών δικτύων. Η σύνθεση του τελικού δείκτη έγινε με μεθόδους πολυκριτηριακής ανάλυσης και συγκεκριμένα με τη Διαδικασία Αναλυτικής Ιεράρχησης (Analytic Hierarchy Process – AHP).

Εικόνα 2: Διάγραμμα Ροής Μεθοδολογίας

• Υπολογισμός πραγματικού Μετεωρολογικού Δείκτη Κινδύνου και κατά συνέπεια του πραγματικού Δείκτη Πιθανότητας Εμφάνισης Πυρκαγιάς, με βάση μετεωρολογικά δεδομένα τα οποία συλλέγονται από 4 αυτόματους τηλεμετρικούς μετεωρολογικούς σταθμούς. Για τη χωρική κατανομή των μετεωρολογικών συνθηκών χρησιμοποιήθηκε η μέθοδος των πολυγώνων Thiessen, ώστε να επιτευχθεί χωρική παρεμβολή των κλιματολογικών δεδομένων.

• Ο Βλαστητικός Δείκτης Κινδύνου αναφέρεται στην πιθανότητα εμφάνισης πυρκαγιάς λόγω της τοπογραφίας, του είδους της βλάστησης και της κατάστασής της. Για την δημιουργία της χωρικής επιφάνειας μοντέλων καύσιμης ύλης στη Λέσβο, χρησιμοποιήθηκαν οι χρήσεις γης CORINE οι οποίες αντιστοιχήθηκαν σε ένα από τα 13 μοντέλα καύσιμης ύλης του BEHAVE (Anderson, 1982). Έπειτα, υπολογίσθηκαν παράμετροι για κάθε μοντέλο, όπως η ταχύτητα διάδοσης, το μήκος της φλόγας κ.α., ώστε να προσδιορισθεί η ευφλεκτικότητα του καθενός για διάφορες τιμές κλίσεως του εδάφους.

• Ο Κοινωνικο-Οικονομικός Δείκτης Κινδύνου αναφέρεται στην επικινδυνότητα μιας περιοχής λόγω της ανθρώπινης παρουσίας. Η κύρια μέθοδος που χρησιμοποιείται για τη χαρτογράφηση του ανθρώπινου ρίσκου είναι ο συσχετισμός της χωρικής κατανομής της έναρξης των πυρκαγιών με την εγγύτητα σε ανθρώπινες δραστηριότητες. Στην Εικόνα 3 παρουσιάζονται οι παράμετροι του συστήματος που δεν μεταβάλλονται βραχυπρόθεσμα και βασίζονται, οι περισσότερες, στην ευκλείδεια απόσταση από ανθρωπογενείς δραστηριότητες. Στο σημείο αυτό γίνεται χρήση Τηλεπισκόπησης.

Εικόνα 3: Στατικές παράμετροι του συστήματος γραμμικά τεντωμένες στο διάστημα 0-1

• Για την εκπαίδευση των Νευρωνικών Δικτύων (ΝΝ) χρησιμοποιήθηκαν 420 πυρκαγιές οι οποίες εκδηλώθηκαν στο χρονικό διάστημα 1970-2001. Συλλέχθηκαν όλα τα ιστορικά τους δεδομένα και χαρτογραφήθηκαν με συνεντεύξεις των κατοίκων. Για τη σωστή εκπαίδευση, δημιουργήθηκαν τυχαία σημεία που προσομοίωναν τη μη εμφάνισης πυρκαγιάς για συγκεκριμένη χρονική στιγμή κατά το έτος 2003. Αφού ελέγχθηκε ότι δεν υπήρξε πυρκαγιά στα παραπάνω σημεία τη συγκεκριμένη χρονική στιγμή, συλλέχθηκαν οι μετεωρολογικές συνθήκες καθώς και οι υπόλοιποι παράμετροι για τις πυρκαγιές στο χρονικό διάστημα 1970-2001 (Εικόνα 4).

Εικόνα 4: Σημεία έναρξης δασικών πυρκαγιών στο χρονικό διάστημα 1970-2001 και σημεία μη εμφάνισης πυρκαγιών

Από το ιστορικό των πυρκαγιών, δημιουργήθηκαν δείγματα εκπαίδευσης και επαλήθευσης των νευρωνικών δικτύων για κάθε δείκτη (Πίνακας 1).

Πίνακας 1: Αριθμός πυρκαγιών δεδομένων εκπαίδευσης και επαλήθευσης για κάθε δείκτη (ΜΔΚ: Μετεωρολογικός Δείκτης Κινδύνου, ΒΔΚ: Βλαστητικός Δείκτης Κινδύνου, ΚΟΔΚ: Κοινωνικο-Οικονομικός Δείκτης Κινδύνου, Εκ.: Εκπαίδευση, Επ.: Επαλήθευση)

• Κατά τη Διαδικασία Αναλυτικής Ιεράρχησης ο Δείκτης Πιθανότητας Εμφάνισης Πυρκαγιάς (ΔΠΕΠ) υπολογίζεται με τη χρήση πολυκριτηριακής ανάλυσης των τριών επιμέρους δεικτών (κριτήρια), σύμφωνα με τη μέθοδο του σταθμισμένου μέσου.

*Σημείωση: Παραπάνω παρουσιάζεται όλη η διαδικασία της μελέτης επιγραμματικά, παρόλο που δε χρησιμοποιείται η Τηλεπισκόπηση σε όλα τα στάδιά της.

Είδη δορυφορικών ή αερομεταφερόμενων συστημάτων / δέκτες-κανάλια: Κύριες πηγές για τον καθορισμό των παραμέτρων που ενσωματώνονται στους παραπάνω δείκτες αποτελούν δορυφορικές εικόνες από τους δέκτες QuickBird και Landsat ETM καθώς και το μοντέλο πρόγνωσης καιρού SKIRON. Για τη χαρτογράφηση του οδικού δικτύου, των οικισμών και των αγροτικών περιοχών (Εικόνα 3) χρησιμοποιήθηκαν τηλεπισκοπικά δεδομένα υψηλής χωρικής διακριτικής ικανότητας από τον δέκτη QuickBird με μέγεθος pixel 2,8m. Περισσότερα από 20 σκηνικά παραλήφθηκαν (στα πλαίσια του προγράμματος AUTO-HAZARD PRO) κατά την διάρκεια των αντιπυρικών περιόδων 2002 και 2003 τα οποία καλύπτανε το νησί της Λέσβου. Αντίστοιχα, για να αντικατασταθούν οι περιοχές που είχαν νεφοκάλυψη χρησιμοποιήθηκε εικόνα Landsat ETM με μέγεθος pixel 30m στο πολυφασματικό και 15m στο παγχρωματικό. Από όλα τα κανάλια του Landsat ETM επιλέχθηκαν το μπλε, πράσινο, κόκκινο και κοντινό υπέρυθρο που έχουν την ίδια φασματική ζώνη με τα 4 κανάλια του QuickBird.

Προεπεξεργασίες / Ψηφιακές επεξεργασίες: Κατά το στάδιο της προεπεξεργασίας τα προαναφερθέντα σκηνικά διορθώθηκαν γεωμετρικά με τη βοήθεια χαρτών και GPS και έπειτα συνενώθηκαν σταδιακά σε ένα ενιαίο μωσαϊκό πραγματοποιώντας παράλληλα και ραδιομετρικές διορθώσεις προκειμένου να εξαλειφθούν οι διαφορές που υπήρχαν στα ιστογράμματά τους, κυρίως λόγω της διαφορετικής ημέρας και γωνίας λήψης. Επιπλέον, τα επιλεγμένα κανάλια του Landsat ETM συνενώθηκαν με το παγχρωματικό έτσι ώστε να προκύψει εικόνα με 4 φασματικές ζώνες και 15m γεωμετρική διαχωριστική ικανότητα.

Χρήση επιπρόσθετων χαρτών, βάσεων δεδομένων, GIS και γενικότερων στοιχείων: Η διαχείριση, σύνθεση και χωρική ανάλυση των παραμέτρων των δεικτών, ως θεματικών επιφανειών, πραγματοποιείται με τη χρήση Συστημάτων Γεωγραφικών Πληροφοριών.

Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων: Τα αποτελέσματα εκπαίδευσης και επαλήθευσης των νευρωνικών δικτύων δίνονται στον Πίνακα 2:

Πίνακας 2: Αποτελέσματα εκπαίδευσης και επαλήθευσης των νευρωνικών δικτύων

Παρατηρείται ότι τα ποσοστά σωστής ταξινόμησης πυρκαγιών με τον Κοινωνικοοικονομικό Δείκτη Κινδύνου (ΚΟΔΚ) είναι υψηλά. Κατά το δείκτη αυτό χρησιμοποιήθηκε η τηλεπισκόπηση, πράγμα που υποδηλώνει το σημαντικό της ρόλο στον καθορισμό του Δείκτη Πιθανότητας Εμφάνισης Πυρκαγιάς.

Τέλος, οι Δείκτες Πιθανότητας Εμφάνισης Πυρκαγιάς (ΔΠΕΠ) φαίνονται στην Εικόνα 5:

Εικόνα 5: ΔΠΕΠ στις ημερομηνίες 23/6/2003 και 27/8/2003

Πηγή: Βασιλάκος Χ., Καλαμποκίδης Κ., Χατζόπουλος Ι., Κάλλος Γ., Ματσίνος Ι. . Τηλεπισκόπηση, τεχνητή νοημοσύνη και συστήματα γεωγραφικών πληροφοριών στην εκτίμηση κινδύνου πυρκαγιών. Ευρωπαϊκό Ερευνητικό Πρόγραμμα AUTO-HAZARD PRO, Τμήμα Γεωγραφίας Πανεπιστημίου Αιγαίου