ΔΙΑΧΕΙΡΙΣΗ ΔΑΣΙΚΗΣ ΕΚΤΑΣΗΣ ΜΕΤΑ ΑΠΟ ΠΥΡΚΑΓΙΑ ΜΕ ΤΗ ΧΡΗΣΗ ΥΨΗΛΗΣ ΑΝΑΛΥΣΗΣ ΠΟΛΥΦΑΣΜΑΤΙΚΩΝ ΕΙΚΟΝΩΝ ΑΠΌ ΕΝΑΕΡΙΑ ΜΕΣΑ

[[Εικόνα:1β.png|thumb|Πίνακας 1. Συνολικά χαρακτηριστικά των πραγματοποιούμενων πτήσεων.]]

[[Εικόνα:2β.png|thumb|Σχήμα 1. Διαφορετικοί τύποι συνθηκών υγείας δέντρων που εξετάζονται σε αυτή τη μελέτη]]

[[Εικόνα:3β.png|thumb|Σχήμα 2. Ορθόφωτογραφία ψηφιδωτό ολόκληρης της περιοχής μελέτης. Τα έγχρωμα ορθογώνια αντιπροσωπεύουν τις διάφορες πτήσεις που εκτελούνται για διαφορετικούς σκοπούς. Οι αριθμοί αναφέρονται σε: (1) πράξεις καταγραφής, (2) δέντρα που δεν επηρεάστηκαν από τη φωτιά. και (3) αγροτικά πεδία. Οι γραμμές A-B και C-D αντιπροσωπεύουν τις γραμμές προφίλ που χρησιμοποιούνται σε αυτή τη μελέτη]]

[[Εικόνα:5β.png|thumb|Σχήμα 3. Χάρτης NDVI της περιοχής έρευνας (α) και ο ομαλοποιημένος τριών κατηγοριών NDVI χάρτης.]]

[[Εικόνα:6β.png|thumb|Σχήμα 4. Υψόμετρο (a και b) και ύψος (c και d) από δύο γραμμές προφίλ DSM και CHM των τριών πτήσεων RGB.]]

[[Εικόνα:8β.png|thumb|Πίνακας 2. Μέσες τιμές NDVI και ύψους για χαμηλές, μεσαίες και υψηλές κατηγορίες κλάδων δένδρων NDVI, σε κάθε πτήση που εκτελείται.]]

[[Εικόνα:7β.png|thumb|Σχήμα 5. Λεπτομέρειες σχετικά με τα ορθοφωτογραφικά μωσαϊκά και τα μοντέλα ύψους θόλων υπολογισμένα από τις εικόνες με βάση το UAV που αποκτήθηκαν σε διαφορετικά ύψη πτήσης σε ένα καμένο και σε ένα αναγεννημένο δέντρο.]]

[[Εικόνα:4β.png|thumb|Πίνακας 3. Αποτελέσματα από τον συντελεστή προσδιορισμού (R2) και το μέσο τετραγωνικό σφάλμα ρίζας (RMSE) για τις πτήσεις ύψους πτήσης 100 m και 60 m σε κάθε τύπο δέντρου και τη συνολική τιμή.]]

'''ΔΙΑΧΕΙΡΙΣΗ ΔΑΣΙΚΗΣ ΕΚΤΑΣΗΣ ΜΕΤΑ ΑΠΟ ΠΥΡΚΑΓΙΑ ΜΕ ΤΗ ΧΡΗΣΗ ΥΨΗΛΗΣ ΑΝΑΛΥΣΗΣ ΠΟΛΥΦΑΣΜΑΤΙΚΩΝ ΕΙΚΟΝΩΝ ΑΠΌ ΕΝΑΕΡΙΑ ΜΕΣΑ '''

L. Pádua 1,2, T. Adão 1,2, N. Guimarães 1, A. Sousa 1,2, E. Peres 1,2, J. J. Sousa 1.2

1 Τμήμα Μηχανικών, Σχολή Επιστημών και Τεχνολογίας, Πανεπιστήμιο Trás-os-Montes e Alto Douro, Vila Real, Πορτογαλία - (luispadua, telmoadao, nsguimaraes, amrs, eperes, jjsousa) @utad.pt

2 Κέντρο Ρομποτικής στη Βιομηχανία και τα Ευφυή Συστήματα (CRIIS), INESC Τεχνολογία και Επιστήμη (INESC-TEC), Πόρτο, Πορτογαλία
Επιτροπή VI, Ομάδα εργασίας VI / 4

'''Περίληψη''' 

Τα τελευταία χρόνια τα μη επανδρωμένα εναέρια οχήματα (UAV) έχουν χρησιμοποιηθεί σε διάφορες εφαρμογές και σε μελέτες έρευνας που σχετίζονται με την παρακολούθηση του περιβάλλοντος. Στα δασικά οικοσυστήματα, τα UAV μπορούν να χρησιμοποιηθούν με ακρίβεια συγκρίσιμη με τις παραδοσιακές μεθόδους για την ανάκτηση διαφορετικών δασικών ιδιοτήτων, για την παρακολούθηση των δασικών διαταραχών και για την υποστήριξη της καταγραφής καταστροφών σε σενάρια πυρκαγιάς και μετά τη φωτιά. Σύμφωνα με τη μελέτη, μια δασική περιοχή που επηρεάστηκε πρόσφατα από μια πυρκαγιά ερευνήθηκε χρησιμοποιώντας δύο UAVs με στόχο να αποκτήσουν πολυφασματικά δεδομένα και εικόνες RGB. Μέσω της ανάλυσης κατέστη δυνατό να ανιχνευθούν δέντρα, που ήταν σε θέση να επιβιώσουν από φωτιά. Συγκρίνοντας τα δεδομένα πεδίου και τις μετρήσεις που υπολογίστηκαν από τις εικόνες UAV, βρέθηκε θετικός συσχετισμός μεταξύ του καμένου ύψους και της υψηλής συσχέτισης για το ύψος των δένδρων. Η μέση τιμή NDVI που εξήχθη χρησιμοποιήθηκε για τη δημιουργία ενός χάρτη τριών κατηγοριών. Οι υψηλότερες τιμές NDVI εντοπίστηκαν κυρίως σε δέντρα που επιβίωσαν και τα οποία δεν είχαν πληγεί από τη φωτιά. Τα αποτελέσματα της μελέτης επιβεβαιώνουν την αποτελεσματικότητα των UAV ως ένα έγκαιρο, αποδοτικό και οικονομικά αποδοτικό εργαλείο συλλογής δεδομένων, βοηθώντας στο σχεδιασμό της δασικής διαχείρισης και στην παρακολούθηση της αποκατάστασης των δασών σε σενάρια μετά την πυρκαγιά

'''Λέξεις Κλειδιά''' 

Διαχείριση μετά από πυρκαγιά, αναγέννηση δασών, σοβαρότητα πυρκαγιάς, εναέρια μέσα , φωτογραμμετρική επεξεργασία, πολυφασματικές εικόνες, ψηφιακή επεξεργασία εικόνας


'''Εισαγωγή''' 

Οι πλατφόρμες τηλεπισκόπησης εμφανίζονται ως ένα ικανό εργαλείο για τη χαρτογράφηση των καμένων περιοχών, την αξιολόγηση χαρακτηριστικών ενεργών πυρκαγιών και τον χαρακτηρισμό των περιβαλλοντικών επιπτώσεων μετά την φωτιά και της αναγέννησης των δασών . Στη δασοκομία, οι UAV χρησιμοποιούνται για την εκτίμηση των δυσμενικών παραμέτρων, την ταξινόμηση των ειδών των δένδρων, την ανάλυση κενού, την παρακολούθηση της υγείας των δασών, την χαρτογράφηση των ασθενειών, την παρακολούθηση των δασικών πυρκαγιών και την παρακολούθηση μετά την πυρκαγιά). Τέτοιες εφαρμογές είναι δυνατές λόγω της ευελιξίας των UAV να υποστηρίζουν διάφορους αισθητήρες που επιτρέπουν την απόκτηση δεδομένων RGB, πολυφασματικής, θερμικής υπέρυθρης, υπερφασματικής και LiDAR που παρέχουν μεγαλύτερες χωρικές και χρονικές αναλύσεις από άλλες πλατφόρμες τηλεανίχνευσης. Η καταλληλόλητα της χρήσης πολυφασματικής απεικόνισης βασισμένης σε UAV αποδείχθηκε με την καταγραφή μιας μεγάλης καμένης περιοχής 3000 στρεμμάτων. Οι συγγραφείς κατέληξαν στο συμπέρασμα ότι τα αποκτηθέντα πολυφασματικά δεδομένα υψηλής ανάλυσης μπορούν να χρησιμοποιηθούν για τη λήψη αποφάσεων μετά την πυρκαγιά και για την ερμηνεία των μοτίβων εδάφους μικρής κλίμακας επίσης αποδείχθηκε ότι τα UAV χαμηλού κόστους μπορούν να βελτιώσουν την παρακολούθηση των δασών μετά από διαταραχές, ακόμη και όταν υπάρχει περιορισμός των πόρων. Επίσης δημιουργήθηκαν χάρτες σοβαρότητας πυρκαγιάς χρησιμοποιώντας δείκτες βλάστησης RGB βάσει UAV. Τέλος αξιολογήθηκε επίσης η δυναμική ανάκαμψης των δασών χρησιμοποιώντας ένα UAV σταθερής πτέρυγας για να δημιουργήσει ένα DSM που συγκρίθηκε με ένα ALS-DSM που αποκτήθηκε το 2008. Όπως αποδείχθηκε η παρακολούθηση μετά από πυρκαγιά των δασικών περιοχών με UAVs είναι ένα σημαντικό θέμα με μελέτες που διεξάγονται σε διάφορες περιοχές του κόσμου. Με αυτόν τον τρόπο, ο σκοπός αυτής της μελέτης είναι να αποδείξει την καταλληλόλητα των UAS να παρακολουθούν μια περιοχή που κάηκε πρόσφατα, χρησιμοποιώντας UAV σταθερού και πολλαπλού ρότορα με αισθητήρες RGB και πολυφασματικούς αισθητήρες, ώστε στη συνέχεια να αξιολογηθεί η αποκατάσταση της περιοχής και να αξιολογήσει η ακαταλληλότητα των αποκληθέντων δεδομένων. Συνεπώς στη έρευνα παρουσιάζεται η περιοχή μελέτης,  περιγράφονται οι πραγματοποιθείσες πτήσεις UAV, ο τύπο εικόνας που αποκτήθηκε οι μέθοδοι επεξεργασίας δεδομένων που χρησιμοποιήθηκαν σε αυτή τη μελέτη. Στην συνέχεια παρουσιάζονται και συζητούνται τα αποτελέσματα που ελήφθησαν και τέλος επισημαίνονται τα κύρια συμπεράσματα και ορισμένες μελλοντικές εξελίξεις.

'''Μέθοδος'''
 
'''Περιοχή Μελέτης'''
 
Η περιοχή μελέτης βρίσκεται στη βορειοανατολική περιοχή της Πορτογαλίας, στο δήμο Sabrosa Η περιοχή αυτή υπέστη έντονη πυρκαγιά τον Αύγουστο του 2017. Η υπολογιζόμενη καμένη έκταση είναι μεγαλύτερη από 200 εκτάρια, επηρεάζοντας κυρίως τις δασικές εκτάσεις του Pinus pinaster αλλά και τα σπίτια, τα κτίρια αποθήκευσης ξύλου, τις γεωργικές κατασκευές και τα οχήματα. 

'''Απόκτηση εικόνων από UAV'''

Δύο διαφορετικοί UAS χρησιμοποιήθηκαν σε αυτή τη μελέτη για να αποκτήσουν RGB πολυφασματικών εικόνων τον Ιούλιο του 2019. Ένα UAV σταθερής πτέρυγας και πολλαπλών στροφείων. Η επιλογή της σταθερής πτέρυγας θεωρήθηκε λόγω της εμβέλειας κάλυψης και της αυτονομίας της για μία πτήση ενώ των πολλαπλών στροφείων χρησιμοποιήθηκε για να ερευνήσει μικρότερες περιοχές και να αποκτήσει εικόνες υψηλής ανάλυσης. Η ραδιομετρική βαθμονόμηση πραγματοποιήθηκε χρησιμοποιώντας τον παρεχόμενο στόχο πριν από την πτήση.  Όσο για το Phantom 4 χρησιμοποιήθηκε η ενσωματωμένη RGB κάμερα 12,4 MP. Ο Πίνακας 1 συνοψίζει τις διάφορες πτήσεις που πραγματοποιήθηκαν. Συνολικά πραγματοποιήθηκαν τέσσερις πτήσεις. Η περιοχή που καλύφθηκε με το eBee ήταν 230 εκτάρια για την πτήση RGB και 160 εκτάρια για την πολυφασματική πτήση, ενώ οι δύο πτήσεις πραγματοποιήθηκαν με το Phantom 4 ήταν 52 ha και 26 ha για το ύψος πτήσης 100 m και 60 m, αντίστοιχα. 

'''Επεξεργασία δεδομένων'''

Οι εικόνες που λήφθηκαν στη συνέχεια υποβλήθηκαν σε φωτογραμμετρική επεξεργασία. Στο πλαίσιο αυτής της μελέτης δημιουργήθηκαν τα ακόλουθα αποτελέσματα: ορθοφωτογραφικά μωσαϊκά RGB, ψηφιακά μοντέλα επιφάνειας (DSM), ψηφιακά μοντέλα εδάφους (DTM) και δείκτες βλάστησης. Κάθε αποτέλεσμα χρησιμοποιείται με διαφορετικό σκοπό: τα ψηφιδωτά ορθοφωτογραφίας για οπτική επιθεώρηση της περιοχής μελέτης, το DSM να αποκτήσει το υψόμετρο των χαρακτηριστικών που υπάρχουν στο επίπεδο του εδάφους, το DTM για την εκτίμηση του υψομέτρου του εδάφους, αφαιρώντας το ύψος των χαρακτηριστικών που υπάρχουν στην περιοχή και οι δείκτες βλάστησης για τον υπολογισμό του κανονικοποιημένου δείκτη βλάστησης διαφοράς (NDVI). Επιπλέον, χρησιμοποιώντας το QGIS, ένα σύστημα γεωγραφικών πληροφοριών ανοιχτού κώδικα, δημιουργήθηκαν μοντέλα ύψους θόλου, παρέχοντας έτσι το ύψος των αντικειμένων πάνω από το επίπεδο εδάφους.
 
'''Ανάλυση δεδομένων'''

Οι τρεις πτήσεις RGB, που εκτελέστηκαν σε διαφορετικά ύψη πτήσης, είχαν ως αποτέλεσμα διαφορετικές εξόδους GSD. Δύο προφίλ υπολογίστηκαν και συγκρίθηκαν για να εκτιμηθούν οι εκτιμώμενες διαφορές ύψους στα παραγόμενα DSM και CHM. Επιπλέον, το ύψος των 35 δέντρων μετρήθηκε στο πεδίο σε δύο διαφορετικές περιοχές. Τα δέντρα ταξινομήθηκαν σε τρεις τύπους: (1) δεν επηρεάζονται από τα δέντρα της φωτιάς χωρίς / χαμηλά συμπτώματα που επηρεάζονται από τη φωτιά, παρουσιάζοντας ένα πλήρες θόλο, (2) μερικώς καμένα από τα πυρκαγιά - δέντρα που επηρεάστηκαν από τη φωτιά αλλά παρουσίασαν κάποιο φύλλωμα. και (3) καμένα από τη φωτιά - που αντιστοιχούν σε δέντρα που έχουν καεί πλήρως και δεν παρουσιάζουν συμπτώματα αποκατάστασης.Ένα οπτικό παράδειγμα αυτής της ταξινόμησης παρουσιάζεται στο σχήμα 1. Από τα 35 δέντρα που αναλύθηκαν, 13 ταξινομήθηκαν ως μη επηρεασμένα, 6 ως μερικώς επηρεασμένα και 16 ως καμένα. 

 
'''Αποτελέσματα και Συζήτηση'''

Όπως φαίνεται στο σχήμα 2, μερικά δέντρα στο μεσαίο τμήμα της περιοχής μελέτης αντιστέκονταν στη φωτιά, τα οποία βρίσκονται κυρίως σε παράκτια ζώνη. Παρατηρείται επίσης, από το σχήμα 2, ότι ορισμένες επιχειρήσεις υλοτόμησης πραγματοποιήθηκαν μετά από πυρκαγιά και ότι οι γεωργικές πρακτικές συνεχίστηκαν σε ορισμένα εδάφη Ο NDVI χρησιμοποιήθηκε για να εκτιμηθεί η σοβαρότητα της πυρκαγιάς και η αποκατάσταση της καμένης περιοχής. Συγκεκριμένα ταξινομήθηκε σε τρεις κατηγορίες: χαμηλή, θεωρώντας τιμές μικρότερες ή ίσες από 0,5. μέσου, θεωρώντας τιμές μεγαλύτερες από 0,5 και χαμηλότερες από 0,7. και υψηλή, για τιμές μεγαλύτερες από 0,7 . Αναλύοντας τον ομαλοποιημένο χάρτη NDVI τριών κατηγοριών για το σύνολο των 160 εκταρίων που καλύπτεται, παρατηρείται ότι το 45% της περιοχής χαρακτηρίστηκε ως χαμηλό , 34% ως μέσο και 21% ως υψηλό. 

Γραμμές προφίλ χρησιμοποιήθηκαν για την εκτίμηση της αναγέννησης της δασοκομίας μετά την πυρκαγιά χρησιμοποιώντας πολυετή δεδομένα.

Κατά τη διέλευση των τριών κατηγοριών NDVI με τους CHM κάθε πτήσης (Πίνακας 2) επιβεβαιώνεται ένας συσχετισμός σε όλες τις πτήσεις: η χαμηλότερη κλάση έχει μέσο ύψος 0,3 m. μια αύξηση του ύψους ελέγχεται στις μεσαίες και υψηλές κατηγορίες. και οι υψηλότερες τιμές μέσου ύψους επαληθεύονται σε πτήσεις με μεγαλύτερη χωρική ανάλυση.

Το ύψος των 35 δέντρων που μετρήθηκαν στο πεδίο επέτρεψε τη σύγκριση των παραγόμενων CHM των πτήσεων που διενεργήθηκαν στα 100 m και 60 m, το CHM της πτήσης που διενεργήθηκε σε ύψος 425 m απορρίφθηκε από την αξιολόγηση αυτή λόγω των ανεπαρκών αποτελεσμάτων που παρατηρήθηκαν στα καμένα δέντρα, όπως φαίνεται στην εικόνα 5.

Συνολικά, μπορεί να αναφερθεί ότι η πτήση που διεξάγεται σε ύψος 60 m περιγράφει καλύτερα το παρατηρούμενο ύψος δέντρου παρέχοντας υψηλότερες τιμές R2 και χαμηλότερες τιμές RMSE. Η καλύτερη συσχέτιση επιτεύχθηκε στα δέντρα που δεν επηρεάστηκαν από τη φωτιά. Όσον αφορά τα δέντρα που επηρεάστηκαν εν μέρει από τη φωτιά, αποκτήθηκε η χαμηλότερη τιμή συσχετισμού . Παρ 'όλα αυτά, αυτά τα αποτελέσματα συμφωνούν με μελέτες. 

'''Συμπεράσματα'''

Αυτή η μελέτη δείχνει την καταλληλόλητα των UAVs χρησιμοποιηθούν σε μελέτες για  περιοχές μετά από πυρκαγιά χρησιμοποιώντας RGB και πολυφασματικές εικόνες. Ενώ η απεικόνιση RGB επιτρέπει την οπτική εκτίμηση της περιοχής, η χρήση των δεικτών βλάστησης, όπως το NDVI, βοηθάει στο χαρακτηρισμό της αναγέννηση της βλάστησης στην περιοχή μελέτης. Επιπλέον, η φωτογραμμετρική επεξεργασία πτήσεων RGB χαμηλού υψομέτρου παρείχε λεπτομερέστερο 3D χαρακτηρισμό της περιοχής. Με αυτό τον τρόπο, το UAV αποτελεί το εργαλείο που βοηθά τους δασολόγους στην απόκτηση δεδομένων μετά την πυρκαγιά, μειώνοντας το κόστος και εξοικονομώντας χρόνο σε σύγκριση με τις παραδοσιακές επιτόπιες έρευνες.






 [[category:Δασοπονία, Δασική διαχείριση]]