Ανάλυση πυρκαγιών με χρήση της τηλεπισκόπησης

Από RemoteSensing Wiki

Αναθεώρηση της 21:08, 9 Φεβρουαρίου 2011 (εμφάνιση κώδικα) Yannis.sakel (Συζήτηση | Συνεισφορές/Προσθήκες) (New page: '''Ανάλυση πυρκαγίων με χρήση της τηλεπισκόπησης''' '''Forest Ž fire analysis with remote sensing data''' '''F. SUNAR - Istanbul Technical Univer...) ← Προηγούμενη επεξεργασία		Παρούσα αναθεώρηση της 21:10, 9 Φεβρουαρίου 2011 (εμφάνιση κώδικα) Yannis.sakel (Συζήτηση | Συνεισφορές/Προσθήκες)
Γραμμή 1:		Γραμμή 1:
-	'''Ανάλυση πυρκαγίων με χρήση της τηλεπισκόπησης'''	+	'''Ανάλυση πυρκαγιών με χρήση της τηλεπισκόπησης'''
	'''Forest Ž fire analysis with remote sensing data'''		'''Forest Ž fire analysis with remote sensing data'''

---

Παρούσα αναθεώρηση της 21:10, 9 Φεβρουαρίου 2011

Ανάλυση πυρκαγιών με χρήση της τηλεπισκόπησης

Forest Ž fire analysis with remote sensing data

F. SUNAR - Istanbul Technical University, Civil Engineering Faculty, Remote Sensing Division, Maslak 80626, Istanbul/Turkey and C. O¨ ZKAN - Erciyes University, Geodesy and Photogrammetry Engineering Department,Kayseri/Turkey

1. Εισαγωγή

Οι πυρκαγιές προκαλούνται είτε φυσικά είτε από την ανθρώπινη δραστηριότητα, και επιδρούν στο περιβάλλον και στην ανθρώπινη υγεία. Η Τουρκία είναι μια από τις χώρες της μεσογείου που επηρεάζονται περισσότερο (Εικόνα 1). Το 97% των πυρκαγιών οφείλονται στον άνθρωπο και το 3% σε φυσικά φαινόμενα.Οι πληροφορίες που απαιτούνται για τη διαχείριση των πυρκαγιών περιλαμβάνουν την χαρτογράφηση επικινδυνότητας, εντοπισμός, εκτίμηση ζημιών και προγραμματισμός αποκατάστασης. Για τη σωστή διαχείριση χρειάζεται η συνεργασία μεθόδων τηλεπισκόπησης και των γεωγραφικών συστημάτων πληροφοριών (GIS). Για την ακριβής εκτίμηση των ζημιών απαραίτητη είναι και η επίγεια καταγραφή της κατάστασης. Σημαντική είναι και η καταγραφή της περιοχής πριν την πυρκαγία ώστε να ληφθούν μέτρα για την πρόληψη διάβρωσης το εδάφους σε πρόσφατα καμένες περιοχές.

2. Περιοχή μελέτης

Η πυρκαγιά εκτυλίχτηκε στις δασικές περιοχές της Mugla, Marmaris, Cetibeli στις νότιες τουρκικές ακτές (Εικόνα 2). Ως αρχή είχε το βόρειο τμήμα της περιοχής στις 27 Ιουλίου 1996 και επεκτάθηκε προς το δάσος Marmaris και διήρκησε 4 μέρες. Η τοπογραφία της περιοχής περιλαμβάνει απότομες πλαγίες με κλίση μεγαλύτερη από 5-12%. Υψομετρικές διαφορές ποικίλουν από 50 μέτρα έως μέγιστο τα 600 μέτρα. Η μέση θερμοκρασία τον Αύγουστο είναι 42oC και το μέσο ετήσιο ύψος βροχής 1257 mm. Το δάσος αποτελείται κυρίως από κόκκινα πεύκα.

3. Συλλογή δεδομένων

Σε αυτή τη μελέτη εισήχθησαν τα εξής δεδομένα: Raster δεδομένα: Μια φωτογραφία από τον Landsat TM (Thematic Mapper) πριν τη φωτιά (24/7/96) και δυο μετά παγχρωματικές IRS-1C LISS (Linera Imaging Self Scanner) και SPOT HRV (High Resolution Visible). Vector δεδομένα: 3 τοπογραφικούς χάρτες (1:25000 κλίμακα) όπου οι καμένες περιοχές κατηγοριοποιήθηκαν σε αποψιλωμένες, μερικώς παραγωγικές και παραγωγικές. Βοηθητικά δεδομένα: μετεωρολογικά δεδομένα από μετεωρολογικούς σταθμούς ης περιοχής.

4. Εφαρμογή

1. Ανάλυση φασματικής υπογραφής. Όλα τα εδαφικά χαρακτηριστικά έχουν συγκεκριμένη φασματική υπογραφή. Εάν αυτή είναι μοναδική τότε μπορούν εύκολα να αναγνωριστούν. Μερικές φορές είναι δύσκολο να ξεχωρίσουμε αντικείμενα με παρόμοιες φασματικές υπογραφές. Έτσι μπορούμε να διαλέξουμε 4 διακριτά σημεία και να δημιουργήσουμε το πριν και μετά την πυρκαγιά διάγραμμα φασματικής αντανάκλασης. 2. Δείκτες βλάστησης. Η πιο απλή απεικόνιση της βλάστησης γίνεται με τον λόγο των ψηφιακών τιμών των φασματικών καναλιών. Χρησιμοποιώντας τις ψηφιακές τιμές του κόκκινου και του εγγύς υπέρυθρου καναλιού και εφαρμόζοντας τον λόγο NDVI =(NIR-R)/(NIR+R) απεικονίζεται με ακρίβεια η βλάστηση. Εφαρμόζοντας αυτή τη μέθοδο στην πριν και μετά την πυρκαγιά φωτογραφία εκτιμούνται οι διαφορές. 3. Σε αυτή τη μελέτη χρησιμοποιήθηκαν επίσης μέθοδοι ταξινόμησης. Μια συμβατική και μια νευρωτικών δικτύων. Στη συμβατική ταξινόμηση εφαρμόστηκε ο αλγόριθμος Iterative Self Organizing DATA. Οι τελικές κλάσεις εξεταστήκαν φασματικά και με εδαφικές πληροφορίες και έπειτα συγχωνεύτηκαν διαχωρίστηκαν η απορρίφτηκαν και επαναταξινομήθηκαν. Οι κλάσεις δημιουργήθηκαν με βάση την κανονική κατανομή γύρω από μια μέση τιμή της κάθε κλάσης.

5. Αποτελέσματα

Στην Εικόνα 3a παρουσιάζονται οι φασματικές υπογραφές όπου παρατηρούνται σχετικά χαμηλές τιμές στις κόκκινες και μπλε περιοχές στο ορατό φάσμα με μια αιχμή στην πράσινη φασματική ζώνη λόγω της απορρόφησης του μπλε και του κόκκινου φωτός από τη χλωροφύλλη και άλλες χρωστικές ουσίες, ενώ υπάρχουν υψηλές στην υπέρυθρη περιοχή λόγω της εσωτερικής δομής φύλλων. Σtην Εικόνα 3b παρατηρείται διαφορά στις υπογραφές λόγο της φωτιάς καθώς έχει απομακρυνθεί βιομάζα.

Εφαρμόζοντας τον λόγο NDVI στις δύο εικόνες του LANDSAT TN (πριν τη φωτιά εικόνα 4a) και στην IRS-1C (μετά τη φωτιά εικόνα 4b) και με κλίμακα από 0 έως 255 φαίνεται ότι οι περιοχές με βλάστηση έχουν υψηλή αντανάκλαση στο εγγύς υπέρυθρο και μικρή στο ορατό ενώ οι καμένες περιοχές απεικονίζονται μαύρες και εύκολα διαχωρίζονται από αυτές με βλάστηση. Στην εικόνα 4c βαθμός αλλαγής που έχει πραγματοποιηθεί μεταξύ των δύο ημερομηνιών στην περιοχή μελέτης μπορεί να σκιαγραφηθεί εύκολα με τον λόγο IRS NIR/Landsat NIR.

Από την ταξινόμηση προκύπτει ότι οι σημαντικότεροι τύποι επίγειας κάλυψης που απομονώθηκαν στην περιοχή μελέτης ήταν (i) καμένη δασική περιοχή (ii) δασική περιοχή (iii) αστικές περιοχές (iv) γυμνό χώμα (β) βραχώδης περιοχή, και (vi) θάλασσα. (Εικόνα 5a). Η εικόνα της ταξινόμησης έχει κάποιες διαφορές από της θεματική εικόνα της δασικής υπηρεσίας (Εικόνα 5b). Σύμφωνα με την δασική υπηρεσία η περιοχή που κάηκε ήταν 7094 εκτάρια, αυτό είναι πολύ υψηλότερο από αυτό που υπολογίζεται και από την μέθοδο ταξινόμησης (6290 εκτάρια). Αυτές οι διαφορές ενδεχομένως να οφείλονται στο ότι η δασική υπηρεσία καθόρισε τα όρια των καμένων περιοχών κατά προσέγγιση με ελικόπτερο η με επί τόπου παρατήρηση. Επειδή ορισμένες αποψιλωμένες περιοχές (Εικόνα 5c) καταχωρήθηκαν στις καμένες. Η τηλεπισκόπηση επιτρέπει αντικειμενικότερες και ακριβέστερες δυνατότητες να ανιχνευθεί και να ελεγχθεί η βιομάζα βλάστησης από τις κατά προσέγγιση επίγειες εκτιμήσεις.