Ανάλυση πυρκαγίων με χρήση της τηλεπισκόπησης
Από RemoteSensing Wiki
| Γραμμή 37: | Γραμμή 37: | ||
[[Εικόνα:a1p3.jpg | thumb| right|Eικόνα 3:Φασματικές υπόγραφες 4 σημείων (a) πριν τη φωτιά (b) μετά τη φωτιά.]]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. Στο σχήμα 3b παρατηρείται διαφορά στις υπογραφές λόγο της φωτιάς καθώς έχει απομακρυνθεί βιομάζα. | [[Εικόνα:a1p3.jpg | thumb| right|Eικόνα 3:Φασματικές υπόγραφες 4 σημείων (a) πριν τη φωτιά (b) μετά τη φωτιά.]]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. Στο σχήμα 3b παρατηρείται διαφορά στις υπογραφές λόγο της φωτιάς καθώς έχει απομακρυνθεί βιομάζα. | ||
| + | [[Εικόνα:a1p4.jpg | thumb| left|Eικόνα 4:NDVI εικόνα (a) Landsat TM (b)IRS-1C LISS (c) Λόγος IRS NIR/Landsat NIR.]] | ||
| + | |||
| + | 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. | ||
Αναθεώρηση της 22:38, 7 Φεβρουαρίου 2011
Ανάλυση πυρκαγίων με χρήση της τηλεπισκόπησης
Forest re 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
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
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.
