Σύγκριση των τηλεπισκοπικών και των καταγεγραμμένων βάσεων δεδομένων από καμένες περιοχές στην Μεσογειακή Ευρώπη

Από RemoteSensing Wiki

(Διαφορές μεταξύ αναθεωρήσεων)
Μετάβαση σε: πλοήγηση, αναζήτηση
Γραμμή 29: Γραμμή 29:
H βάση δεδομένων που παρέχεται από τον EFFIS συντάχθηκε από το Κοινό Ερευνητικό Κέντρο και τη Γενική Διεύθυνση για το Περιβάλλον της Κομισιόν, και αποτελεί την κύρια πηγή δεδομένων για δασικές φωτιές στην Ευρώπη. Από τον EFFIS αποκτήθηκαν μηνιαία δεδομένα καμένων περιοχών (BA) στο επίπεδο NUTS3 (Ονομασία των μονάδων για εδαφικά στατιστικά που αντιστοιχούν σε σύνολα δήμων ή επαρχίες) για την Πορτογαλία (1980-2015) , Ισπανία (1985-2014), Νότια Γαλλία (1985-2016), Ιταλία (1985-2015) και Ελλάδα (1983-2011). Η εικόνα 1 δείχνει τον μέσο όρο της κοινής περιόδου (1985-2011) για τα EFFIS δεδομένα στο επίπεδο NUTS3 και δηλώνει πως η χωρική μεταβλητότητα για την ετήσια ΒΑ είναι αρκετά υψηλή, με τις υψηλότερες τιμές να καταγράφονται στην Βορειοδυτική και δυτική Ιβηρική Χερσόνησο, καθώς και την Νότια Ιταλία και την Ελλάδα. Αν και κάποιες χώρες έχουν δεδομένα και μετά το 2011, η Ελλάδα έχει δεδομένα μόνο μέχρι αυτήν την χρονιά, έτσι προκειμένου να υπάρχει ένα ομοιογενές σύνολο, επιλέχθηκε μόνο η κοινή περίοδος 2001-2011 για την σύγκριση. H βάση της χωρικής ανάλυσης που τέθηκε σε αυτήν την ανάλυση είναι 0.25ο σε χρονικά διαστήματα ενός μήνα. Τα προϊόντα MODIS κατέβηκαν στην ονομαστική χωρική ανάλυση (500m) και στην συνέχεια συγκεντρώθηκαν στην ανάλυση 0.25ο ώστε να συγκριθούν με τα υπόλοιπα προϊόντα. Καθώς τα δεδομένα EFFIS επικεντρώνονται στην αναφορά των δασικών πυρκαγιών, εξαιρώντας τις φωτιές σε αγροτικές εκτάσεις ή σε εκτάσεις βοσκής, οι ερευνητές φίλτραραν τα δορυφορικά δεδομένα με βάση τις καλύψεις γης. Στην συνέχεια αναλύθηκε η ευαισθησία των αποτελεσμάτων του φιλτραρίσματος μέσω της σύγκρισης αφιλτράριστων και φιλτραρισμένων δεδομένων.  
H βάση δεδομένων που παρέχεται από τον EFFIS συντάχθηκε από το Κοινό Ερευνητικό Κέντρο και τη Γενική Διεύθυνση για το Περιβάλλον της Κομισιόν, και αποτελεί την κύρια πηγή δεδομένων για δασικές φωτιές στην Ευρώπη. Από τον EFFIS αποκτήθηκαν μηνιαία δεδομένα καμένων περιοχών (BA) στο επίπεδο NUTS3 (Ονομασία των μονάδων για εδαφικά στατιστικά που αντιστοιχούν σε σύνολα δήμων ή επαρχίες) για την Πορτογαλία (1980-2015) , Ισπανία (1985-2014), Νότια Γαλλία (1985-2016), Ιταλία (1985-2015) και Ελλάδα (1983-2011). Η εικόνα 1 δείχνει τον μέσο όρο της κοινής περιόδου (1985-2011) για τα EFFIS δεδομένα στο επίπεδο NUTS3 και δηλώνει πως η χωρική μεταβλητότητα για την ετήσια ΒΑ είναι αρκετά υψηλή, με τις υψηλότερες τιμές να καταγράφονται στην Βορειοδυτική και δυτική Ιβηρική Χερσόνησο, καθώς και την Νότια Ιταλία και την Ελλάδα. Αν και κάποιες χώρες έχουν δεδομένα και μετά το 2011, η Ελλάδα έχει δεδομένα μόνο μέχρι αυτήν την χρονιά, έτσι προκειμένου να υπάρχει ένα ομοιογενές σύνολο, επιλέχθηκε μόνο η κοινή περίοδος 2001-2011 για την σύγκριση. H βάση της χωρικής ανάλυσης που τέθηκε σε αυτήν την ανάλυση είναι 0.25ο σε χρονικά διαστήματα ενός μήνα. Τα προϊόντα MODIS κατέβηκαν στην ονομαστική χωρική ανάλυση (500m) και στην συνέχεια συγκεντρώθηκαν στην ανάλυση 0.25ο ώστε να συγκριθούν με τα υπόλοιπα προϊόντα. Καθώς τα δεδομένα EFFIS επικεντρώνονται στην αναφορά των δασικών πυρκαγιών, εξαιρώντας τις φωτιές σε αγροτικές εκτάσεις ή σε εκτάσεις βοσκής, οι ερευνητές φίλτραραν τα δορυφορικά δεδομένα με βάση τις καλύψεις γης. Στην συνέχεια αναλύθηκε η ευαισθησία των αποτελεσμάτων του φιλτραρίσματος μέσω της σύγκρισης αφιλτράριστων και φιλτραρισμένων δεδομένων.  
-
[[Αρχείο:β1.png|200px|thumb|left|Εικόνα 1: Ετήσιος μέσος όρος ποσοστού καμένων εδαφών στην Νότια Ευρώπη για τις περιόδους 1985-2011 (κλίμακα στα 1000)]]
+
[[ Αρχείο:Κείμενο2 3.jpg|200px|thumb|center|Εικόνα 1: Ανίχνευση κτιρίων και οδών από εικόνες τηλεπισκόπησης με βάση την προσαρμοστική πολυδιδασκαλία με πολλαπλούς εκπαιδευτές, χρησιμοποιώντας συγκεντρωτική γνώση.]]
Προκειμένου να αποκτηθεί μια πλήρης εικόνα των διαφορών που οφείλονται στην ανάλυση, μεταξύ διαφορετικών χωρικών εικόνων, ακολουθήθηκαν 2 διαφορετικές προσεγγίσεις. Αρχικά επιπρόσθετα στη βασική ανάλυση των 0.25ο, όλες οι βάσεις δεδομένων εξετάστηκαν επίσης στις αναλύσεις 0.5ο, 1ο, 1.5ο,2ο και 2.5ο. Aυτή η διαδικασία οδηγεί σε ομογενοποίηση των εκτιμήσεων ΒΑ από την EFFIS σε μικρότερες κλίμακες από αυτές των περιοχών NUTS3, ενώ τα δορυφορικά προϊόντα παρουσιάζουν φυσική μεταβλητότητα σε αυτήν την κλίμακα. Ως μια εναλλακτική προσέγγιση συγκρίθηκαν επίσης οι τιμές BA με την ταξινόμηση NUTS. Αυτό αφορά σε ιεραρχική μέθοδο διαχωρισμού της επικράτειας της Ευρώπης. Eιδικότερα έγινε σύγκριση των τιμών άνω NUTS3 (μικρές περιοχές), NUTS2 (ενδιάμεσες περιοχές) και NUTS1 περιοχές (σημαντικές κοινωνικό-οικονομικές περιοχές).  
Προκειμένου να αποκτηθεί μια πλήρης εικόνα των διαφορών που οφείλονται στην ανάλυση, μεταξύ διαφορετικών χωρικών εικόνων, ακολουθήθηκαν 2 διαφορετικές προσεγγίσεις. Αρχικά επιπρόσθετα στη βασική ανάλυση των 0.25ο, όλες οι βάσεις δεδομένων εξετάστηκαν επίσης στις αναλύσεις 0.5ο, 1ο, 1.5ο,2ο και 2.5ο. Aυτή η διαδικασία οδηγεί σε ομογενοποίηση των εκτιμήσεων ΒΑ από την EFFIS σε μικρότερες κλίμακες από αυτές των περιοχών NUTS3, ενώ τα δορυφορικά προϊόντα παρουσιάζουν φυσική μεταβλητότητα σε αυτήν την κλίμακα. Ως μια εναλλακτική προσέγγιση συγκρίθηκαν επίσης οι τιμές BA με την ταξινόμηση NUTS. Αυτό αφορά σε ιεραρχική μέθοδο διαχωρισμού της επικράτειας της Ευρώπης. Eιδικότερα έγινε σύγκριση των τιμών άνω NUTS3 (μικρές περιοχές), NUTS2 (ενδιάμεσες περιοχές) και NUTS1 περιοχές (σημαντικές κοινωνικό-οικονομικές περιοχές).  

Αναθεώρηση της 17:54, 14 Φεβρουαρίου 2024


Σύγκριση των τηλεπισκοπικών και των καταγεγραμμένων βάσεων δεδομένων από καμένες περιοχές στην Μεσογειακή Ευρώπη

A comparison of remotely-sensed and inventory datasets for burned area in Mediterranean Europe

Συγγραφείς: Marco Turco, Sixto Herrera, Etienne Tourigny, Emilio Chuvieco and Antonello Provenzale

Πηγή: [[1]]

Εισαγωγή

Ο όρος περιβάλλον είναι ένας όρος που χρησιμοποιείται ευρέως και σημαίνει διαφορετικά πράγματα σε κάθε άνθρωπο. H περιβαλλοντική διαχείριση είναι «η σχεδιασμένη δραστηριότητα με σκοπό τη διατήρηση και βελτίωση των περιβαλλοντικών πόρων που επηρεάζονται από τις ανθρώπινες δραστηριότητες (Environmental Management, 2012). Μπορεί επίσης να οριστεί ως η «βέλτιστη διαχείριση των περιορισμένων πόρων μεταξύ διαφορετικών πιθανών χρήσεων». Η χρήση τηλεπισκόπησης έχει καταστεί το πιο κοινό εργαλείο στην ανάλυση διαφορετικών τομέων στις περιβαλλοντικές επιστήμες. Το Γεωγραφικό Σύστημα Πληροφοριών (GIS) έχει αναδειχθεί σε ένα βασικό εργαλείο στην διατήρηση και διαχείρηση του περιβάλλοντος. To GIS είναι η βασική πλατφόρμα ανάλυσης για χωρικό σχεδιασμό ενώ σημαντικό ρόλο διαδραματίζει και η τηλεπισκόπηση. Η τηλεπισκόπηση (περιλαμβανόμενης της αεροφωτογραφίας) περιλαμβάνει βασικές πληροφορίες για την διαχείριση της χρήσης γης και άλλες μορφές χωρικού σχεδιασμού σε περιοχές που οι χάρτες δεν είναι διαθέσιμοι, όπως στις αναπτυσσόμενες χώρες (Βocco et al.,2001). Προκειμένου να κατανοηθεί η δυναμική των μοτίβων και των αλληλεπιδράσεων τους σε ετερογενή τοπία όπως οι αστικές περιοχές πρέπει να είναι κανείς σε θέση να ποσοτικοποιεί τα χωρικά μοτίβα των τοπίων και των αλλαγών τους (Wu et al.2000). Το GIS μπορεί να χρησιμοποιηθεί για την χωρική καταγραφή ενός τοπίου σε διαφορετικές χρονικές περιόδους (Stow 1993).

Abstract

O ποσοτικός υπολογισμός της αβεβαιότητας είναι ένα σημαντικό στοιχείο για την κατανόηση των αλλαγών σε κλιματικές και περιβαλλοντικές παραμέτρους όπως οι πυρκαγιές. Σε αυτήν την μελέτη συγκρίνονται τέσσερις τελευταίας τεχνολογίας δορυφορικές τεχνικές απεικόνισης των αποτελεσμάτων της φωτιάς με το επίγειο πλέγμα δεδομένων για την Μεσογειακή Ευρώπη (EFFIS) και αναλύονται οι στατιστικές διαφορές. Αυτά τα δεδομένα συγκρίνονται για χωρικές και χρονικές ομοιότητες σε διαφορετικά σύνολα προκειμένου να αναγνωριστεί μια κλίμακα στην οποία οι περισσότερες παρατηρήσεις παρέχουν ισοδύναμα αποτελέσματα. Ωστόσο οι εκτιμήσεις για τις καμένες περιοχές ποικίλουν σημαντικά μεταξύ των βάσεων δεδομένων. Το φιλτράρισμα των δορυφορικών εικόνων από φωτιές που βρίσκονται σε αστικές περιοχές καθώς και σε καλλιέργειες βελτιώνει σημαντικά την συμφωνία με τα EFFIS δεδομένα. Επιπλέον παρόλες τις διαφορές στον υπολογισμό των εκτάσεων, τα χωρικά πρότυπα είναι παρόμοια σε όλες τις βάσεις, με την χωρική συσχέτιση να αυξάνεται όσο η ανάλυση μειώνεται. Το κύριο συμπέρασμα της μελέτης είναι πως οι χρήστες πρέπει να εξετάζουν προσεκτικά τους περιορισμούς στα διαθέσιμα εργαλεία μελέτης των φωτιών μέσω δορυφόρων.

Εισαγωγή

Oι πυρκαγιές είναι συχνά καταστροφικές σε χώρες με πυκνή αλληλεπίδραση αστικών περιοχών και άγριας γης. Κάθε χρόνο, χιλιάδες άνθρωποι σε όλο τον κόσμο επηρεάζονται από τις φωτιές, με σημαντικές απώλειες ανθρώπινων ζωών και σημαντικές οικονομικές ζημιές. Επιπλέον τα ακραία καιρικά φαινόμενα αποτελούν παράγοντες που επηρεάζουν την σοβαρότητα των πυρκαγιών και την έκταση των καμένων εκτάσεων (Jolly et al.,2015,Turco et al.,2018b). Aξιόπιστες πληροφορίες για τις καμένες περιοχές (Burned Area, BA) είναι σημαντικές για την αναγνώριση των αλλαγών τόσο στην συχνότητα των πυρκαγιών, στο ρίσκο τους, αλλά και στην δημιουργία εργαλείων πρόβλεψης (Forkel et al.,2017, Chuvieco et al.,2014, Turco et a.,2018a). Σε αυτήν την κατεύθυνση η ανάπτυξη δορυφορικών εργαλείων για την μοντελοποίηση των πυρκαγιών αποτελούν στρατηγικό στόχο για εθνικά και πολυεθνικά προγράμματα. Αν και υπάρχουν αρκετές τέτοιες μελέτες οι εκτιμήσεις για την ΒΑ ποικίλουν αρκετά ανάμεσα σε διαφορετικά σετ δεδομένων (Mouillot et al.,2014). Υπάρχουν αρκετοί περιορισμοί σε αυτές τις αναλύσεις όπως: 1. Περίοδοι με μη διαθέσιμα δεδομένα ή δεδομένα κακής ποιότητας 2. Δυσκολίες στον υπολογισμό των καμένων περιοχών από τις μελέτες πεδίου 3. Αβεβαιότητες εξαιτίας των διαφορετικών πρωτοκόλλων αναφοράς πυρκαγιάς σε διαφορετικές χώρες ή/και αλλαγή των πρωτοκόλλων με τον καιρό 4. Πολιτικοποίηση των στατιστικών για τις καμένες περιοχές Στην Ευρώπη δυο μελέτες έχουν συγκρίνει την τηλεπισκόπηση με δεδομένα πεδίου ΒΑ σε εθνική κλίμακα (Loepfe et al.,2012;Vilar et al.,2015), βρίσκοντας υψηλή συσχέτιση μεταξύ του προϊόντος MODIS BA και των ευρωπαϊκών εθνικών στατιστικών με μικρή υποεκτίμηση των συνολικών καμένων περιοχών. Αυτή η μελέτη παρουσιάζει μια χωρικό-χρονική σύγκριση μεταξύ της βάσης δεδομένων εδάφους για τις καμένες περιοχές (ΒΑ) από το Ευρωπαϊκό Σύστημα Πληροφοριών για τις Δασικές Φωτιές (ΕFFIS) και τους υπολογισμούς καμένων περιοχών που αποκτήθηκαν από πολλές τελευταίας τεχνολογίας μεθόδους τηλεπισκόπησης (MODIS,GFED,GFED4s και FireCC152).

Μέθοδοι

H βάση δεδομένων που παρέχεται από τον EFFIS συντάχθηκε από το Κοινό Ερευνητικό Κέντρο και τη Γενική Διεύθυνση για το Περιβάλλον της Κομισιόν, και αποτελεί την κύρια πηγή δεδομένων για δασικές φωτιές στην Ευρώπη. Από τον EFFIS αποκτήθηκαν μηνιαία δεδομένα καμένων περιοχών (BA) στο επίπεδο NUTS3 (Ονομασία των μονάδων για εδαφικά στατιστικά που αντιστοιχούν σε σύνολα δήμων ή επαρχίες) για την Πορτογαλία (1980-2015) , Ισπανία (1985-2014), Νότια Γαλλία (1985-2016), Ιταλία (1985-2015) και Ελλάδα (1983-2011). Η εικόνα 1 δείχνει τον μέσο όρο της κοινής περιόδου (1985-2011) για τα EFFIS δεδομένα στο επίπεδο NUTS3 και δηλώνει πως η χωρική μεταβλητότητα για την ετήσια ΒΑ είναι αρκετά υψηλή, με τις υψηλότερες τιμές να καταγράφονται στην Βορειοδυτική και δυτική Ιβηρική Χερσόνησο, καθώς και την Νότια Ιταλία και την Ελλάδα. Αν και κάποιες χώρες έχουν δεδομένα και μετά το 2011, η Ελλάδα έχει δεδομένα μόνο μέχρι αυτήν την χρονιά, έτσι προκειμένου να υπάρχει ένα ομοιογενές σύνολο, επιλέχθηκε μόνο η κοινή περίοδος 2001-2011 για την σύγκριση. H βάση της χωρικής ανάλυσης που τέθηκε σε αυτήν την ανάλυση είναι 0.25ο σε χρονικά διαστήματα ενός μήνα. Τα προϊόντα MODIS κατέβηκαν στην ονομαστική χωρική ανάλυση (500m) και στην συνέχεια συγκεντρώθηκαν στην ανάλυση 0.25ο ώστε να συγκριθούν με τα υπόλοιπα προϊόντα. Καθώς τα δεδομένα EFFIS επικεντρώνονται στην αναφορά των δασικών πυρκαγιών, εξαιρώντας τις φωτιές σε αγροτικές εκτάσεις ή σε εκτάσεις βοσκής, οι ερευνητές φίλτραραν τα δορυφορικά δεδομένα με βάση τις καλύψεις γης. Στην συνέχεια αναλύθηκε η ευαισθησία των αποτελεσμάτων του φιλτραρίσματος μέσω της σύγκρισης αφιλτράριστων και φιλτραρισμένων δεδομένων.

Εικόνα 1: Ανίχνευση κτιρίων και οδών από εικόνες τηλεπισκόπησης με βάση την προσαρμοστική πολυδιδασκαλία με πολλαπλούς εκπαιδευτές, χρησιμοποιώντας συγκεντρωτική γνώση.

Προκειμένου να αποκτηθεί μια πλήρης εικόνα των διαφορών που οφείλονται στην ανάλυση, μεταξύ διαφορετικών χωρικών εικόνων, ακολουθήθηκαν 2 διαφορετικές προσεγγίσεις. Αρχικά επιπρόσθετα στη βασική ανάλυση των 0.25ο, όλες οι βάσεις δεδομένων εξετάστηκαν επίσης στις αναλύσεις 0.5ο, 1ο, 1.5ο,2ο και 2.5ο. Aυτή η διαδικασία οδηγεί σε ομογενοποίηση των εκτιμήσεων ΒΑ από την EFFIS σε μικρότερες κλίμακες από αυτές των περιοχών NUTS3, ενώ τα δορυφορικά προϊόντα παρουσιάζουν φυσική μεταβλητότητα σε αυτήν την κλίμακα. Ως μια εναλλακτική προσέγγιση συγκρίθηκαν επίσης οι τιμές BA με την ταξινόμηση NUTS. Αυτό αφορά σε ιεραρχική μέθοδο διαχωρισμού της επικράτειας της Ευρώπης. Eιδικότερα έγινε σύγκριση των τιμών άνω NUTS3 (μικρές περιοχές), NUTS2 (ενδιάμεσες περιοχές) και NUTS1 περιοχές (σημαντικές κοινωνικό-οικονομικές περιοχές). Προκειμένου να συγκριθούν τα χωρικά πρότυπα, εξετάστηκε η συμφωνία των μέσων τιμών (μέσος όρος της κοινής περιόδου 2001-2011) των ετήσιων ΒΑ για τα δεδομένα EFFIS αλλά και των δορυφορικών δεδομένων, χρησιμοποιώντας τη συσχέτιση, την τυπική απόκλιση και την ρίζα της μέσης τετραγωνικής απόκλισης.

  • Αποτελέσματα της ανάλυσης

Αρχικά εκτιμήθηκε η χωρική σταθερότητα ανάμεσα σε 5 βάσεις δεδομένων. H εικόνα 2 δείχνει την συνολική μηνιαία ΒΑ σε ολόκληρο τον τομέα. Διακρίνεται έντονη περιοδικότητα, με τις μεγαλύτερες τιμές να καταγράφονται τους καλοκαιρινούς μήνες, κάτι που είναι εμφανές σε όλες τις βάσεις δεδομένων. Ο πίνακας 2 υποδηλώνει ισχυρή συμφωνία σε όλες τις βάσεις δεδομένων σε αυτήν την μεγάλη χωρική κλίμακα, με τις συσχετίσεις να ποικίλουν από 0.92 σε 0.97. Αν και η χωρική συσχέτιση μεταξύ των σειρών BA είναι πολύ υψηλή, οι συνολικές ΒΑ τιμές που αναλύθηκαν με βάση την κοινή περίοδο 2001-2011 προσδιορίζουν τις διαφορές μεταξύ των διαφορετικών βάσεων δεδομένων (Πίνακας 2). Τα δεδομένα EFFIS υποδηλώνουν πως κατά μέσο όρο περίπου 3600 τετραγωνικά χιλιόμετρα καίγονται κάθε χρόνο. Οι βάσεις δεδομένων GFED4- nat δείχνουν χαμηλότερες τιμές (-39%) με μεγαλύτερη διασπορά 867-3597 και παρουσιάζουν μεγαλύτερη ταύτιση με τον EFFIS όταν λαμβάνονται υπόψιν τα αφιλιτράριστα δεδομένα. Καθώς φωτιές λαμβάνουν συχνά χώρα σε αγροτικές και άλλες εκτάσεις που χαρακτηρίζονται από την ανθρώπινη παρουσία, οι διαφορές μεταξύ EFFIS και GFED4-nat μπορεί να εξηγούνται από το γεγονός πως το πρώτο περιλαμβάνει μικρές φωτιές, ενώ το τελευταίο περιλαμβάνει μόνο φωτιές που αφορούν σε δασικές εκτάσεις ή άγριες περιοχές. (Randerson et al.,2012). Προκειμένου να αναγνωριστούν οι χωρικές κλίμακες όπου οι βάσεις δεδομένων παρουσιάζουν την μεγαλύτερη συμφωνία αρχικά οι ερευνητές επικεντρώθηκαν στις διαφορετικά χωρικά σύνολα δεδομένων και συνέκριναν μειούμενες αναλύσεις από 0.25ο σε 2.5ο. Ένα χαρακτηριστικό παράδειγμα αποτελεί η εικόνα 3 που δείχνει την συσχέτιση και τις διαφορές μεταξύ των δεδομένων FireCCI51 και EFFIS. Η συσχέτιση αυξάνεται όσο η ανάλυση μειώνεται, με μέσο όρο χωρικών τιμών ίσο με 0.56 στα 0.25ο και στα 0.73 στα 2.5ο. Σε αυτήν την αδρή ανάλυση, τα περισσότερα από τα pixels του τομέα παρουσιάζουν σημαντικές συσχετίσεις μεταξύ των 2 βάσεων δεδομένων.

Εικόνα 2: Μηνιαία καταγραφή των καμένων εκτάσεων στην Νότια Ευρώπη (σε km2) για κάθε βάση δεδομένων
Πίνακας 2: Χρονική συνάφεια των βάσεων δεδομένων για ολόκληρο τον τομέα EUMED.
Eικόνα 3: Συσχέτιση Pearson (αριστέρα) και MEr συγκρίνοντας το EFFIS και FireCCI51-nat στις αναλύσεις 0.25ο (a-b), 1.0o (c-d) και 2.5ο (e-f).

Ακολουθώντας την δεύτερη προσέγγιση που αναλύεται παραπάνω, η εικόνα 5 δείχνει τις συγκρίσεις μεταξύ των FireCCI51-nat και των EFFIS δεδομένων όσον αφορά στις περιοχές NUTS3, NUTS2 και NUTS1 και υποδηλώνει πως στην μεγαλύτερη κλίμακα συσσωμάτωσης (NUTS1), όλοι οι τομείς δείχνουν στατιστικά σημαντική συσχέτιση, με μέση χωρική τιμή 0.79 και διαφορά -30%. Είναι ενδιαφέρον πως τα αποτελέσματα είναι παρόμοια στην συσσωμάτωση δεδομένων τόσο στο NUTS2 όσο και στο NUTS3 επίπεδο.

Εικόνα 5: Συσχέτιση Pearson (αριστέρα) και MEr (δεξιά), συγκρίνοντας τα EFFIS και FireCCI51-nat σε επίπεδα NUTS3 (a-b), ΝUTS2 (e-d) και NUTS1 (e-f).

Λαμβάνοντας υπόψη όλες τις βάσεις δεδομένων και τις κατηγορίες NUTS (εικόνα 6) εξάγονται τρία κύρια συμπεράσματα. Πρώτον οι καλύτερες παράμετροι συσχέτισης λαμβάνονται από τις NUTS1 περιοχές, με μέσες χωρικές τιμές μεγαλύτερες από 0.7. Δεύτερον, οι συσχετίσεις είναι γενικά μεγαλύτερες αν λαμβάνονται υπόψιν οι βάσεις δεδομένων nat. Τρίτον σχετικά με τις διαφορές, αυτή η ανάλυση επιβεβαιώνει πως η υψηλότερη ομοιότητα μεταξύ των EFFIS και των βάσεων δεδομένων τηλεπισκόπησης αποκτώνται λαμβάνοντας υπόψιν τις “nat” εκδοχές των τελευταίων. Η εικόνα 7 δείχνει τις μέσες τιμές (για την κοινή περίοδο 2001-2011) της ετήσιας ΒΑ για τις βάσεις δεδομένων EFFIS και την FireCCI51. Αυτή η σύγκριση αποκαλύπτει την ομοιότητα μεταξύ των βάσεων δεδομένων, με χωρική συσχέτιση πάνω από 0.9 και η κεντρική ρίζα της μέσης τιμής τετραγωνικής απόκλισης λιγότερο από 0.4 για συσσωματώματα μεγαλύτερα από 1.0ο. Σε ανάλυση 0.25ο, η συμφωνία είναι χαμηλότερη, αλλά αρκετά καλή, με την χωρική συσχέτιση κοντά στο 0.7. Εδαφικά δεδομένα υψηλότερης ανάλυσης (προς το παρόν μη διαθέσιμο από την EFFIS για την περιοχή της Μεσογειακής Ευρώπης) χρειάζονται για να επαληθεύσουν τα προϊόντα δορυφορικής ανάλυσης σε μικρότερη κλίμακα.

Εικόνα 7: α) χωρικές κατανομές των ετήσιων καμένων εκτάσεων, σε μέσους όρους για την περίοδο 2001-2011 για α) την EFFIS, b) FireCCI51-nat δεδομένα σε ανάλυση 0.25ο, τα πανελ c) και d) είναι τα ίδια με τα a) και b) με ανάλυση 1ο και τα πάνελ e) και f) είναι τα ίδια με τα a) και b) με ανάλυση 2.5ο.

Τα διαγράμματα Taylor στην εικόνα 8 δείχνουν μια περίληψη των μετρήσεων για όλα τα δορυφορικά προϊόντα και τους τύπους συνόλων (πλέγματα ή NUTS). Tα διαγράμματα επιβεβαιώνουν πως γενικότερα η μεγαλύτερη συμφωνία σε χωρική κλίμακα αποκτάται με μικρότερη ανάλυση και η μεγαλύτερη συμφωνία με το EFFIS αποκτάται με τα πρoϊόντα MODIS-nat, GFED-nat και FireCC51-nat.

Εικόνα 8: Διαγράμματα Taylor συνοψίζει τις χωρικές ομοιότητες για το EFFIS με τον μέσο όρο των ετήσιων καμένων περιοχών για τα διαφορετικά δορυφορικά προϊόντα και a) αναλύσεις και b) σύνολα NUTS.

Συμπεράσματα

Σε αυτήν την εργασία εκτιμώνται βάσεις δεδομένων για καμμένες περιοχές (ΒΑ) στην Μεσογειακή Ευρώπη (FireCCI51, GFED4, GFED4s και MODIS) και συγκρίνονται με τα εδαφικά δεδομένα EFFIS. Αυτά τα αποτελέσματα γενικά δείχνουν καλή συμφωνία των δορυφορικών προϊόντων με τα δεδομένα EFFIS όσον αφορά στην χωρική συσχέτιση. Παρόλα αυτά ακόμα και σε αυτήν την κλίμακα, παρατηρήθηκε υψηλή μεροληψία για τα MODIS και GFED4s με υπερεκτίμηση σε σχέση με τα EFFIS κατά 25% και 56% αντίστοιχα. Μεγαλύτερη συμφωνία βρέθηκε αφαιρώντας τις αγροτικές περιοχές. Η χρονική συμφωνία μεταξύ των βάσεων δεδομένων μειώνεται σε πιο ευκρινείς κλίμακες, με αρκετά καλές μετρήσεις σε ανάλυση 1ο. Σε υψηλότερη ανάλυση η ανάλυση της βάσης δεδομένων EFFIS (που αρχικά παρέχεται στο επίπεδο NUTS3) μπορεί να δημιουργήσει αποκλίσεις σε σχέση με τους υπολογισμούς από τις δορυφορικές μετρήσεις. Στις συγκρίσεις των χωρικών προτύπων καμένων περιοχών μεταξύ των δορυφορικών προϊόντων και των δεδομένων από καμένες περιοχές EFFIS, λήφθηκε υπόψη ο μέσος όρος για την κοινή περίοδο 2001-2011, και τα αποτελέσματα της ανάλυσης υποδεικνύουν πως οι μεγαλύτερες αποκλίσεις βρέθηκαν όταν εξετάστηκαν χωρικά πρότυπα με ανάλυση 0.25ο. Από την άλλη, τα χωρικά πρότυπα γίνονται περισσότερο παρόμοια σε χαμηλότερες αναλύσεις, και οι βάσεις δεδομένων από δορυφορικά δεδομένα είναι γενικότερα σε καλή συμφωνία με τα δεδομένα EFFΙS. Γενικά, καλύτερη συμφωνία με τα δεδομένα EFFIS έχει αποκτηθεί με τα MODIS, GFED4 και FireCCI51. Ειδικότερα, η πλέον πρόσφατη βάση δεδομένων, FireCC151 έδειξε την μεγαλύτερη συμφωνία με τα EFFIS. Σε πρακτικές εφαρμογές οι χρήστες πρέπει να λαμβάνουν υπόψιν τους περιορισμούς των δορυφορικών προϊόντων (καθώς και άλλων βάσεων δεδομένων, μεταξύ των οποίων και τα EFFIS). Χωρίς κατάλληλες πληροφορίες εδάφους, υψηλής ανάλυσης, για τις καμένες εκτάσεις είναι ιδιαίτερα δύσκολο να καταγραφούν κατάλληλα και να επαληθευτούν τα πρότυπα των πυρκαγιών, καθώς και να αναλυθούν οι αιτίες που τις προκαλούν και οι επιδράσεις τους.

Προσωπικά εργαλεία