Ταξινόμηση της βλάστησης για την εκτίμηση του κινδύνου δασικής πυρκαγιάς χρησιμοποιώντας δορυφορικές εικόνες Landsat 8

'''Αντικέιμενο Εφαρμογής''': Ταξινόμηση της βλάστησης για την εκτίμηση του κινδύνου δασικής πυρκαγιάς χρησιμοποιώντας δορυφορικές εικόνες Landsat 8.

'''Πρωτότυπος τίτλος''': Classification of Vegetation to Estimate Forest Fire Danger Using Landsat 8 Images: Case Study

'''Συγγραφείς''': Ksenia S. Yankovich (1) Elena P. Yankovich (2) and Nikolay V. Baranovskiy (3)

(1)UFR Géographie, Histoire, Economie et Sociétés, University of Paris 7 (Paris Diderot University), Paris 75013, France

(2)School of Earth Sciences & Engineering, National Research Tomsk Polytechnic University, Tomsk 634050, Russia

(3)School of Energy & Power Engineering, National Research Tomsk Polytechnic University, Tomsk 634050, Russia

'''Πηγή''': https://www.hindawi.com/journals/mpe/2019/6296417/

'''Λέξεις κλειδιά''': Landsat8, Δασικές πυρκαγιές, Ταξινόμηση

*'''Εισαγωγή'''
Οι δασικές πυρκαγιές αποτελούν παγκόσμια απειλή για τα φυσικά συστήματα και
τον άνθρωπο. Κάθε χρόνο ο αριθμός των δασικών πυρκαγιών στον κόσμο
μεγαλώνει. Ο ανθρωπογενής αντίκτυπος στο δάσος αυξάνεται συνεχώς. Η χρήση δεδομένων δορυφορικών εικόνων για τον προσδιορισμό ή τον προσδιορισμό της πιθανότητας πυρκαγιών στα δάση είναι μια από τις καλύτερες δυνατές λύσεις. H παρακάτω μελέτη έχει ως αντικείμενο την εκτίμηση του κινδύνου δασικής πυρκαγιάς χρησιμοποιώντας δορυφορικές εικόνες Landsat 8.

*'''Περιοχή μελέτης''' 
Η μελέτη διεξήχθη στο δάσος Gilbirinskiy (περιοχή Ivolginskiy της Δημοκρατίας της Buryatia) σε προστατευόμενη φυσική περιοχή. Η περιοχή μελέτης βρίσκεται μεταξύ γεωγραφικών πλάτους 51 ° 35′50′′Β και 51 ° 46′40′′Β και γεωγραφικών μήκους 106 ° 42′00′′E και 107 ° 02′00′′E [ 33 ]. Αυτή η περιοχή βρίσκεται 55 χλμ. Νοτιοανατολικά της λίμνης Βαϊκάλης και ανήκει στο βόρειο άκρο των μεσαίων βουνών Selenga.
[[Αρχείο:NX_pyrkagies_2_2.png | thumb | right | Δορυφορική εικόνα σε φυσικά χρώματα πριν και μετά την ατμοσφαιρική διόρθωση, πηγή: https://www.hindawi.com/journals/mpe/2019/6296417/]]
*'''Τεχνική επεξεργασίας εικόνας'''
Η ραδιομετρική βαθμονόμηση ήταν το πρώτο σημαντικό βήμα στην επεξεργασία δεδομένων Landsat 8. Το σύνολο δεδομένων Landsat 8 αποτελείται από ομαλοποιημένες τιμές που ονομάζονται ψηφιακός αριθμός (DN) που αντιπροσωπεύει πολυφασματικά δεδομένα εικόνας. Επιλέχθηκε η μετατροπή των τιμών pixel DN σε ανακλαστικότητα Top of Atmosphere (TOA) για την επεξεργασία δεδομένων.
Η ατμοσφαιρική διόρθωση ήταν το επόμενο βήμα μετά τη ραδιομετρική βαθμονόμηση.
Υπάρχουν διάφοροι αλγόριθμοι για την εκτέλεση της ατμοσφαιρικής διόρθωσης όπως η τυπική απόλυτη διόρθωση, η τυπική σχετική διόρθωση και οι διορθώσεις βάσει συγκεκριμένων μοντέλων. Αυτή η έρευνα επικεντρώθηκε στη μέθοδο που χρησιμοποίησε το ατμοσφαιρικό μοντέλο. Η ατμοσφαιρική διόρθωση πραγματοποιήθηκε με το εργαλείο i.atcorr διαθέσιμο στο λογισμικό GRASS.
[[Αρχείο:NX_pyrkagies_2_3.png | thumb | right | Διάγραμμα ροής από αλγόριθμο ταξινόμησης εικόνας, πηγή:https://www.hindawi.com/journals/mpe/2019/6296417/]]
*'''Ταξινόμηση εικόνας''' 
Κατά τη διάρκεια της ταξινόμησης, διακρίθηκα οι πληροφοριακές τάξεις και οι φασματικές τάξεις . Οι κατηγορίες πληροφοριών είναι εκείνα τα αντικείμενα που πρέπει να αναγνωριστούν στην εικόνα: διάφοροι τύποι βλάστησης, επιφάνεια νερού, τύποι γης κ.λπ. Η φασματική τάξη είναι μια ομάδα pixel που έχουν περίπου την ίδια φωτεινότητα σε ένα συγκεκριμένο φάσμα φάσματος. Το καθήκον της ταξινόμησης είναι να συγκρίνει τις φασματικές τάξεις με τις πληροφορίες. Υπάρχουν δύο κύριες προσεγγίσεις για την ταξινόμηση, εποπτευόμενες (με εκπαίδευση) και μη εποπτευόμενες (χωρίς εκπαίδευση). Η ταξινόμηση με εκπαίδευση είναι η διαδικασία με την οποία η τιμή φωτεινότητας κάθε pixel συγκρίνεται με τα πρότυπα. Κάθε pixel ανήκει στην πιο κατάλληλη κατηγορία αντικειμένων. Η ταξινόμηση χωρίς εκπαίδευση είναι μια διαδικασία που χαρακτηρίζεται από την αυτόματη κατανομή των pixel εικόνας. Αυτή η μέθοδος βασίζεται σε ανάλυση της στατιστικής κατανομής φωτεινότητας των pixel. Σε αυτήν την μελέτη, χρησιμοποιήθηκε η μη εποπτευόμενη μέθοδος ταξινόμησης.

*'''Μέθοδοι για την εκτίμηση του κινδύνου δασικής πυρκαγιάς που προκαλείται από τύπους βλάστησης'''
Η πιθανότητα εμφάνισης δασικής πυρκαγιάς σε συνθήκες βλάστησης όταν το δασικό καύσιμο εκτίθεται σε ακτινοβολία ροής θερμότητας προσδιορίστηκε ως εξής για ένα συγκεκριμένο δασικό τρίμηνο:
 [[Αρχείο:NX_pyrkagies_2_1.png | thumb | center|]]
Όπου Pff  είναι η πιθανότητα εμφάνισης των δασικών πυρκαγιών που προκαλούνται από την κατάσταση των δασών, Nfs  είναι ο αριθμός των θέσεων κινδύνου πυρκαγιάς στο τρίμηνο, Nts είναι ο συνολικός αριθμός των θέσεων για το τρίμηνο, Sfs είναι η περιοχή που καταλαμβάνεται από κωνοφόρα βλάστηση στο τρίμηνο και το STS είναι η συνολική έκταση του δασικού τριμήνου.

*'''Συμπέρασμα''' 
Σε γενικές γραμμές, οι τύποι βλάστησης στο δάσος Gilbirinskiy αποκτήθηκαν με την ηλεκτρονική ταξινόμηση και την ερμηνεία δορυφορικής εικόνας χρησιμοποιώντας το λογισμικό ENVI, GRASS και ArcGIS. Η προτεινόμενη προσέγγιση επιτρέπει την εκτίμηση του εντοπισμού και της σύνθεσης της βλάστησης, καθώς και τον εντοπισμό των περιοχών με τον υψηλότερο κίνδυνο πυρκαγιάς. Επομένως, για τις περιοχές που χαρακτηρίζονται με υψηλό επίπεδο κινδύνου, συνιστάται η διεξαγωγή περαιτέρω λεπτομερών μελετών, οι οποίες θα πρέπει να περιλαμβάνουν τη μελέτη της περιοχής στο έδαφος και τη δημιουργία ζωνών αναφοράς.


 [[category:Αμμοδοχείο]]