Χαρτογράφηση καμένων περιοχών και της σοβαρότητας της πυρκαγιάς χρησιμοποιώντας αυτοοργανώμενο χάρτη και δεδομένα Sentinel-2

Από RemoteSensing Wiki

(Διαφορές μεταξύ αναθεωρήσεων)
Μετάβαση σε: πλοήγηση, αναζήτηση
(Νέα σελίδα με '[[Εικόνα: rs 5a.png| thumb | right | Εικόνα 1. Χρήση της γης όπως λήφθηκε από το χάρτη κάλυψης γης Corine, πηγή:h...')
Γραμμή 3: Γραμμή 3:
[[Εικόνα: rs 5c.png| thumb | right | Εικόνα 3. Τάξεις σοβαρότητας της πυρκαγιάς και μέση τιμή dNBR για τις τρεις καλύτερες SOM κατηγοριοποιήσεις που βρέθηκαν , πηγή:https://ieeexplore.ieee.org]]  
[[Εικόνα: rs 5c.png| thumb | right | Εικόνα 3. Τάξεις σοβαρότητας της πυρκαγιάς και μέση τιμή dNBR για τις τρεις καλύτερες SOM κατηγοριοποιήσεις που βρέθηκαν , πηγή:https://ieeexplore.ieee.org]]  
-
'''Χαρτογράφηση δυναμικής της φυτείας ζαχαρότευτλων στο Γκουανγκσί της Κίνας μέσω εικόνων χρονοσειρών Sentinel-1, Sentinel-2 και Landsat'''
+
 
'''Χαρτογράφηση καμένων περιοχών και της σοβαρότητας της πυρκαγιάς χρησιμοποιώντας αυτοοργανώμενο χάρτη και δεδομένα Sentinel-2'''  
'''Χαρτογράφηση καμένων περιοχών και της σοβαρότητας της πυρκαγιάς χρησιμοποιώντας αυτοοργανώμενο χάρτη και δεδομένα Sentinel-2'''  

Αναθεώρηση της 11:53, 15 Ιανουαρίου 2021

Εικόνα 1. Χρήση της γης όπως λήφθηκε από το χάρτη κάλυψης γης Corine, πηγή:https://ieeexplore.ieee.org
Εικόνα 2. , πηγή:https://ieeexplore.ieee.org
Εικόνα 3. Τάξεις σοβαρότητας της πυρκαγιάς και μέση τιμή dNBR για τις τρεις καλύτερες SOM κατηγοριοποιήσεις που βρέθηκαν , πηγή:https://ieeexplore.ieee.org


Χαρτογράφηση καμένων περιοχών και της σοβαρότητας της πυρκαγιάς χρησιμοποιώντας αυτοοργανώμενο χάρτη και δεδομένα Sentinel-2

Πρωτότυπος τίτλος: On the mapping of burned areas and burn severity using self-organizing map and Sentinel-2 data

Συγγραφείς: R. Lasaponara, A. M. Proto, A. Aromando, G. Cardettini, V. Varela, M. Danese

Πηγή: https://ieeexplore.ieee.org/document/8937715 Σκοπός

Η μελέτη αποσκοπεί στη χαρτογράφηση περιοχών που έχουν καεί καθώς και της σοβαρότητας της φωτιάς, μέσω μιας προσέγγισης που περιλαμβάνει τη χρήση φασματικών δεικτών Sentinel-2 και αυτοοργανώμενων χαρτών.

Εισαγωγή

Ένας από τους πιο σημαντικούς παράγοντες υποβάθμισης των δασών είναι οι πυρκαγιές, οι οποίες οδηγούν σε βαρυσήμαντες αλλαγές σε βλάστηση, πανίδα, έδαφος, ατμόσφαιρα, ενώ έχουν επιπτώσεις και στον οικονομικό τομέα. Στα πλαίσια προσπάθειας παρακολούθησης των πυρκαγιών από το διάστημα έχουν καταστεί διαθέσιμα αρκετά εργαλεία από τη NASA και ESA, καθώς και μέσα από το πρόγραμμα Copernicus. Η σοβαρότητα της φωτιάς συνιστά έναν ποιοτικό δείκτη των επιπτώσεων της φωτιάς στο οικοσύστημα και η χαρτογράφησή της συμβάλλει α) στην παρακολούθηση των επιπτώσεων, β) στην αξιολόγηση της μετα-πυρκαγιάς δυναμικής και γ) στην εκτίμηση της ικανότητας ανάκτησης της βλάστησης. Μέσω των τεχνολογιών Παρατηρήσεων Γης καθίσταται δυνατή η ανάπτυξη νέων λειτουργικών εφαρμογών συγκεκριμένα απευθυνόμενων στην ασφάλεια και τον κίνδυνο. Συγκεκριμένα, το πρόγραμμα Copernicus και οι αποστολές Sentinel (Sentinel-2) ενισχύουν την παρακολούθηση του κινδύνου και παρέχουν δωρεάν εξελιγμένα δορυφορικά δεδομένα, συμβάλλοντας έτσι στην παρακολούθηση των πυρκαγιών σε επίπεδο εκτίμησης κινδύνου και ποσοτικοποίησης καταστροφών.

Μεθοδολογική προσέγγιση

Στόχος είναι ο συνδυασμός της ανθρώπινης ικανότητας να ανακαλύπτει μοτίβα και της ικανότητας επεξεργασίας των υπολογιστών να αναλύουν και να εξάγουν μοτίβα σε μια τεράστια ποσότητα περίπλοκων δεδομένων. Στην προκειμένη, χρησιμοποιήθηκε αυτοοργανώμενος χάρτης (self-organizing map, SOM), ένα πολυπαραμετρικό εργαλείο για μείωση διαστάσεων και κατηγοριοποίησης.

Η μελέτη αφορά πυρκαγιά που συνέβη στα Χανιά Κρήτης, στην Ελλάδα τον Ιούλιο του 2018. Αναλύθηκαν εικόνες Sentinel-2. H κατηγοριοποίηση μέσω αυτοοργανώμενου χάρτη βασίστηκε στους εξής τρεις δείκτες:

• Δείκτης Βλάστησης Κανονικοποιημένης Διαφοράς (Normalized Difference Vegetation Index, NDVI)

• Κανονικοποιημένος δείκτης καμένης περιοχής (Normalized Burn Ratio, NBR)

• Δείκτης καμένης περιοχής (Burned Area Index for sentinel, BAIS)

και εκτελέστηκε με το λογισμικό V-analytics. Τελικά, χρησιμοποιήθηκαν τρία μεγέθη SOM (13x6, 11x5, 10x4).

Αποτελέσματα

• Τα χρώματα του SOM που προέκυψαν στα τρία διαφορετικά αποτελέσματα επέτρεψαν να οπτικοποιηθεί επιτυχώς το σύστημα κατηγοριοποίησης των καμένων περιοχών και της σοβαρότητας της φωτιάς. Αυτός είναι ένας τρόπος ομαδοποίησης των δεδομένων σύμφωνα με τις τιμές τους και την απόστασή τους στο χώρο. Τα καλύτερα αποτελέσματα λήφθηκαν με πλέγμα 13x6.

• Χρησιμοποιήθηκαν 6 ομάδες χαρακτηρισμού της σοβαρότητας της φωτιάς (επίπεδο μη καμένων περιοχών έως επίπεδο σοβαρότητας 6) Η φωτιά εξαπλώθηκε σε περιοχές με ανώμαλη τοπογραφία καίγοντας κυρίως λιβάδια και δασικές εκτάσεις και καταστρέφοντας καλλιέργειες και μελίσσια. Επιπλέον, διαπιστώθηκε ότι τα ποικίλα επίπεδα σοβαρότητας της πυρκαγιάς σχετίζονται με το εύρος θνησιμότητας και επιβίωσης φυτών και ζώων (υπέργεια και υπόγεια), καθώς και με την απώλεια οργανικού υλικού. Τα υψηλότερα επίπεδα εντοπίστηκαν κυρίως σε δασικές εκτάσεις με δασικούς θάμνους και σκληρόφυλλη βλάστηση. Τελικά, τα επίπεδα που χρησιμοποιήθηκαν για την κατηγοριοποίηση αποτελούν μια «βελτιστοποιημένη ταυτοποίηση» της σοβαρότητας της πυρκαγιάς βασιζόμενη στον Οργανισμό Γεωλογικών Ερευνών Η.Π.Α. (USGC). Η σύγκριση των δορυφορικών δεδομένων με τα ανεξάρτητα δεδομένα και την ανάλυση επιβεβαίωσαν ότι τα διαφορετικά επίπεδα στην πραγματικότητα αντιστοιχούν σε περιοχές που επηρεάστηκαν από την πυρκαγιά σε διαφορετικά επίπεδα. Είναι γεγονός άλλωστε ότι οι επιπτώσεις της φωτιάς αφενός μπορεί να είναι διαφορετικές ακόμα και σε ομογενείς περιοχές με παρόμοια φυτική κάλυψη και αφετέρου σχετίζονται με το υπόβαθρο της περιοχής (προηγούμενες δασικές παρεμβάσεις, πλαγιά, και άλλα) και τις μετεωρολογικές συνθήκες.

Συμπεράσματα

Η καινοτομία της συγκεκριμένης προσέγγισης είναι η αυτόματη ταυτοποίηση της σοβαρότητας της πυρκαγιάς μέσα από τρία βήματα: 1) υπολογισμός δεικτών NDVI, NBR και BAIS και η διαφορά τους από ανέφελες εικόνες πριν και μετά τη φωτιά, 2) χάρτες διαφορών αυτών των τριών δεικτών υπολογισμένων πριν και μετά τη φωτιά και 3) ανεξάρτητη κατηγοριοποίηση μέσω επεξεργασίας των διαφορετικών χαρτών χρησιμοποιώντας αυτοοργανώμενο χάρτη. Σημαντικό πλεονέκτημα αποτελεί ότι δεν υπάρχει ανάγκη χρήσης σταθερών τιμών ορίων.

Προσωπικά εργαλεία