Δασικές πυρκαγιές

Από RemoteSensing Wiki

Αναθεώρηση της 11:01, 9 Μαρτίου 2009

ΕΙΣΑΓΩΓΗ

Στην Ευρώπη εκδηλώνονται κάθε χρόνο περισσότερες από 50.000 δασικές πυρκαγιές, προκαλώντας ζημίες σε 500.000 εκτάρια δάσους και άλλων δασικών εκτάσεων, η πλειοψηφία εκ των οποίων στις Μεσογειακές χώρες όπου το κλίμα είναι θερμότερο και ξηρότερο (European Commision, 2002). Στην Ελλάδα εκδηλώνεται μεγάλος αριθμός δασικών πυρκαγιών κατά τη θερινή κυρίως περίοδο, μερικές από τις οποίες λαμβάνουν μεγάλες διαστάσεις και επιφέρουν σοβαρές καταστροφές. Το γεγονός αυτό λειτουργεί ως μοχλός πίεσης προς την πολιτεία αλλά και ως κίνητρο προς την επιστημονική κοινότητα ώστε να αναπτυχθούν νέες τεχνικές και μέθοδοι που θα οδηγήσουν στη βελτίωση του μηχανισμού πρόληψης και καταστολής των δασικών πυρκαγιών. Η τηλεπισκόπηση και τα ΓΣΠ (Γεωγραφικά Συστήματα Πληροφοριών) αποτελούν εργαλεία, τα οποία μπορούν να συμβάλλουν στην συγκέντρωση χωρικής πληροφορίας και στη δημιουργία ψηφιακών βάσεων δεδομένων επιχειρησιακής χρησιμότητας ανά πυροσβεστική υπηρεσία έτσι ώστε να εξασφαλίζεται η υποστήριξη λήψεως αποφάσεων κατά τη διαχείριση των δασικών πυρκαγιών. Αξίζει να αναφερθεί ότι η μεγάλη διαθεσιμότητα, στις μέρες μας, δορυφορικών δεδομένων πολύ υψηλής ανάλυσης (QuickBird, IKONOS, KOMPSAT 2, μεταξύ άλλων) διευκολύνει ακόμη περισσότερο μια τέτοια διαδικασία.

ΠΑΡΑΓΟΝΤΕΣ ΕΝΑΡΞΗΣ ΠΥΡΚΑΓΙΑΣ

Εκτός από την ανθρώπινη αμέλεια ή πρόθεση, ο κίνδυνος έναρξης αλλά και εξάπλωσης μιας δασικής πυρκαγιάς εξαρτάται από τους τρεις παρακάτω παράγοντες:

• ΜΕΤΕΩΡΟΛΟΓΙΚΟΙ ΠΑΡΑΓΟΝΤΕΣ (σχετική υγρασία, άνεμος και θερμοκρασία του αέρα)
• ΤΟΠΟΓΡΑΦΙΑ. Έντονο ανάγλυφο, ενισχύει την πιθανότητα έναρξης πυρκαγιάς.
• ΚΑΥΣΙΜΗ ΥΛΗ. Η καύσιμη ύλη αναφέρεται σε όλο το εύφλεκτο υλικό που

υπάρχει διαθέσιμο σε μια περιοχή (νεκρή και ζωντανή βιομάζα).

ΕΦΑΡΜΟΓΕΣ ΤΗΣ ΤΗΛΕΠΙΣΚΟΠΙΣΗΣ ΣΤΗΝ ΑΝΙΧΝΕΥΣΗ ΔΑΣΙΚΩΝ ΠΥΡΚΑΓΙΩΝ

ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ 1

Η πρώτη περίπτωση που εξετάζεται αφορά τον Καναδά και για την ανίχνευση δασικών πυρκαγιών χρησιμοποιήθηκαν δεδομένα δορυφoρικών εικόνων AVHRR(Advanced Very High Resolution Radiometer). Εκμεταλλεύεται τις πληροφορίες από τις μετρήσεις πολυδιαυλικών AVHRR εικόνων, για να καθορίσει τις θέσεις των πυρκαγιών στα δορυφορικά εικονοστοιχεία, περίπου 1 km2 κάτω από καθαρό ουρανό ή σε συνθήκες αραιού σύννεφου καπνού.

Εικόνα 1: Το διάγραμμα ροής του αλγόριθμου ανίχνευσης πυρκαγιάς για χρήση με δεδομένα AVHRR. Πηγή: Z. LI†, S. NADON and J. CIHLAR(1999) "Internationa l Journal of Remote Sensing ISSN 0143-1161 print/ISSN 1366-5901 online © 2000 Government of Canada".

Η περιοχή που εξετάστηκε ήταν εμβαδού 1 km2, ενώ η μελέτη ΄στηριζόταν στην ανίχνευση ψεύτικων κελιών πυρκαγιάς και αφαίρεσή τους στην συνέχεια. Καθημερινά λαμβάνονταν χάρτες πυρκαγιών, παρουσιάζοντας το μεγαλύτερο μέρος των ενεργών πυρκαγιών σε ολόκληρο τον Καναδά (εκτός από εκείνες που κρύβονταν από τα πυκνά σύννεφα). Αυτό επιτεύχθηκε αφού πρώτα δημιουργήθηκαν σύνθετα απεικονίσεων εικόνων AVHRR, που αποκτήθηκαν για ολόκληρο τον Καναδά για μια δεδομένη ημέρα και στην συνέχεια εφαρμόζοντας τον αλγόριθμο ανίχνευσης πυρκαγιάς (εικόνα 1).

Αλγόριθμος

Ο αλγόριθμος ανίχνευσης πυρκαγιάς, είναι βασισμένος στο πλαίσιο Kaufman και λοιποί. (1990) με τροποποιήσεις για τον αισθητήρα ΝΟΑΑ-14/AVHRR. Επιπλέον, εισάγονται νέες δοκιμές για να αντιμετωπίσουν τις πρόσθετες περιβαλλοντικές και συνθήκες καψίματος του βόρειου οικοσυστήματος. Ο αλγόριθμος αποτελείται από δύο σημαντικά βήματα:

• εντοπισμός των πιθανών πυρκαγιών και
• αφαίρεση των πυρκαγιών που δεν είναι στην ουσία πυρκαγιές (false fires).

Και τα δύο βήματα καλύπτουν τις δοκιμές κατώτατων ορίων. Όλες οι δοκιμές βελτιστοποιούνται για και να ανιχνεύσουν πραγματικές πυρκαγιές και να αφαιρέσουν όσο το δυνατόν περισσότερο «λάθος» πυρκαγιές. Ενώ η πλειοψηφία των δοκιμών προτάθηκε προηγουμένως, οι τιμές κατώτατων ορίων επιλέχτηκαν μετά από μια προσέγγιση δοκιμής-και-λάθους βασισμένη στο εκπαιδευτικό σύνολο δεδομένων πυρκαγιών. Οι αναλύσεις ιστογραμμάτων της θερμοκρασίας ανακλαστικότητας και φωτεινότητας που αντιστοιχεί στα καμένα και μη καμένα εικονοστοιχεία, αποδείχθηκαν ένα αποτελεσματικό μέσο απόκτησης βελτιστοποιημένων τιμών κατώτατων ορίων.

Προσδιορισμός υποθετικών κελιών πυρκαγιάς

Ακολουθώντας την πρωτοποριακή εργασία Flannigan και Vonder Haar (1986) στην αυτόματη ανίχνευση των πυρκαγιών με την χρήση δεδομένων AVHRR, πολυάριθμες έρευνες έχουν δρομολογηθεί. Οι περισσότερες έχουν υιοθετήσει μια δοκιμή κατώτατων ορίων βασισμένη στη θερμοκρασία φωτεινότητας του καναλιού 3 της AVHRR. Αυτό εντοπίζει όλες τις πιθανές πυρκαγιές που δεν κρύβονται από τα παχιά σύννεφα, με τον προσδιορισμό των θερμών σημείων, δηλ. εικονοστοιχεία με θερμοκρασία φωτεινότητας (Τ3) υψηλότερη από μια συγκεκριμένη τιμή. Σύμφωνα με το νόμο του Planck, το κανάλι 3 μιας AVHRR, με ένα κεντρικό μήκος κύματος περίπου 3.7 χιλ., λαμβάνει τη μέγιστη ενέργεια ακτινοβολίας από τα αντικείμενα που εκπέμπουν σε θερμοκρασίες περίπου 800 Κ. Αυτή η θερμοκρασία είναι κοντά στη θερμοκρασία για καιγόμενη βιομάζα (Kennedy και λοιποί,1994). Εντούτοις, δεδομένου ότι ο AVHRR αισθητήρας δεν ήταν σχεδιασμένος για ανίχνευση πυρκαγιάς, χάνει την ευαισθησία σε τέτοιες υψηλές θερμοκρασίες. Για AVHRR επί δορυφόρου ΝΟΑΑ-14, το κανάλι 3 εμποτίζεται σε Τ3 περίπου 320 Κ. Εντούτοις, αποδεικνύεται να είναι το πιο χρήσιμο κανάλι της εικόνας AVHRR, για ανίχνευση πυρκαγιάς, όσο η θερμοκρασία φωτεινότητας για τα περισσότερα μη καμένα εικονοστοιχεία σημαντικά χαμηλότερη. Στην πράξη, τα κατώτατα όρια κάτω από την θερμοκρασία κορεσμού χρησιμοποιούνται συχνά για δύο λόγους. Ο πρώτος λόγος είναι ότι οι δασικές πυρκαγιές έχουν ένα μεγάλο εύρος θερμοκρασιών καψίματος που κυμαίνεται από χαμηλότερα από 500K έως και υψηλότερα από 1000K και έχουν επίσης ένα μεταβλητό μέρος της επιφάνειας καψίματος μέσα σε ένα εικονοστοιχείο. Για να επιτρέψει την ανίχνευση όλων των πυρκαγιών, απαιτείται μια χαμηλότερη αξία κατώτατων ορίων(threshold). Δεύτερον, οι Setzer και Verstraete (1994) προσδιόρισαν ένα πρόβλημα σχεδίου εφαρμοσμένης μηχανικής στην επί του σκάφους επεξεργασία παραγόμενου σήματος του καναλιού 3 για τον ΝΟΑΑ-11. Διαπίστωσαν ότι στα σήματα που υπερβαίνουν πολύ το όριο κορεσμού ορίζονται τιμές κάτω από το όριο κορεσμού. Κατά συνέπεια, οι στόχοι που είναι εξαιρετικά καυτοί μπορούν να έχουν μια θερμοκρασία φωτεινότητας χαμηλότερη από 320 Κ. Μια θερμοκρασία φωτεινότητας Τ3 =315K επιλέχτηκε σε αυτήν την μελέτη. Αυτό το κατώτατο όριο συλλαμβάνει σχεδόν όλες τις πραγματικές πυρκαγιές στις καθαρές ή από αραιά σύννεφα καλυμμένες περιοχές, όπως επιβεβαιώνονται από την εκπαιδευτική βάση δεδομένων πυρκαγιών. Αφετέρου, οδηγεί επίσης μακριά σε πάρα πολλές ψεύτικες πυρκαγιές (εικονοστοιχεία). Αυτοί οι λανθασμένοι προσδιορισμοί, προέρχονται από τους περιορισμούς του καναλιού 3 όπως η επίδραση της ηλιακής θαμπάδας, ανακλαστικά εδάφη, την επικάλυψη εικονοστοιχείων, την υποβάθμιση αισθητήρων, κ.λπ. (Setzer και Malingreau 1996). Η ηλιακή θαμπάδα είναι το σοβαρότερο πρόβλημα που αντιμετωπίζεται στην ανάλυσή μας λόγω της παρουσίας πολλών λιμνών και ποταμών που κατανέμονται σε όλον τον Καναδά. Για δορυφόρο ΝΟΑΑ-11 που έχει τη γεωμετρία θέασης κοντά στο κύριο επίπεδο, το πρόβλημα μπορεί εύκολα να επιλυθεί με την αποφυγή των μετρήσεων που γίνονται σε μπροστινές διασκορπιζόμενες κατευθύνσεις (Λι και λοιποί. 1997). Για ΤΟΝ ΝΟΑΑ-14, εντούτοις, αυτή η απλή λύση δεν ισχύει πλέον, δεδομένου ότι το επίπεδο εξέτασής του είναι μακριά από το κύριο επίπεδο και επειδή επίσης ηλιακή θαμπάδα εμφανίζεται από την πλευρά των σύννεφων στην κατεύθυνση ανάδρομης διασποράς. Οι επόμενες δοκιμές εισάγονται έτσι για να αφαιρέσουν τα εικονοστοιχεία ψεύτικης πυρκαγιάς.

Αφαίρεση ψεύτικων πυρκαγιών

Ο Kaufman και λοιποί. (1990) παρουσίασε τρεις δοκιμές για να αποβάλει τις ψεύτικες πυρκαγιές. Υιοθετήσαμε αυτές τις δοκιμές αλλά συντονίσαμε τις τιμές κατώτατων ορίων. Η πρώτη χρησιμοποιεί τη διαφορά θερμοκρασίας φωτεινότητας μεταξύ του καναλιού 3 και του καναλιού 4 (Τ3 - Τ4) για να προσδιορίσει τα ψεύτικα εικονοστοιχεία πυρκαγιάς που προκαλούνται από ένα θερμό υπόβαθρο. Μερικοί τύποι επιφανειών (π.χ. τα γυμνά εδάφη) μπορεί να γίνει αρκετά θερμοί για να εμποτίσουν το κανάλι 3. Δεδομένου ότι το φασματικό παράθυρο του καναλιού 4 βρίσκεται στο ηλεκτρομαγνητικό φάσμα που έχει τη μέγιστη εκπομπή ακτινοβολίας για τις συνηθισμένες γήινες θερμοκρασίες, η διαφορά Τ3 - Τ4 συμβάλλει στη διάκριση αυτών των ψεύτικων εικονοστοιχείων πυρκαγιάς. Στην περίπτωση του καψίματος βιομάζας, το κανάλι 3 λαμβάνει πολύ περισσότερη ακτινοβόλο ενέργεια από ότι το κανάλι 4 και έτσι η τιμή του Τ3 - Τ4 είναι υψηλή (Kennedy και λοιποί. 1994, Dowty 1996). Για τα αρκτικά δάση, η τιμή κατώτατου ορίου για το Τ3 - Τ4 ορίστηκε στους 14οΚ. Όλα τα εικονοστοιχεία με τιμές Τ3 - Τ4 μικρότερες από τους 14οΚ θεωρούνται εικονοστοιχεία ψεύτικων πυρκαγιών που προκαλούνται από ένα θερμό υπόβαθρο. Η δεύτερη δοκιμή που χρησιμοποιεί το κανάλι 4 μόνο του, διαγράφει τις ψεύτικες πυρκαγιές που προκαλούνται από ιδιαίτερα ανακλαστικά σύννεφα. Η ακτινοβολία που μετριέται από το κανάλι 3 προέρχεται και από την ηλιακή ανάκλαση και από την επίγεια εκπομπή. Η ανάκλαση της ηλιακής ακτινοβολίας από τα σύννεφα, μπορεί να είναι αρκετά μεγάλη ώστε και να εμποτίσει επίσης το κανάλι 3. Δεδομένου ότι τα σύννεφα έχουν συνήθως ψυχρές κορυφές και έτσι χαμηλές θερμοκρασίες φωτεινότητας, αυτή η δοκιμή απορρίπτει χαρακτηρισμένα εικονοστοιχεία πυρκαγιάς με Τ4 μικρότερη από 260οΚ. Η τρίτη δοκιμή προορίζεται να αποβάλει τα περισσότερο γενικά φωτεινά αντικείμενα στην απεικόνιση, συμπεριλαμβάνοντας και τα σύννεφα και τα εικονοστοιχεία της επιφάνειας. Σημειώστε ότι τα πολύ θερμά σημεία πυρκαγιάς, έχουν σχετικά μικρή ανακλαστικότητα στο κανάλι 2 (R2), η οποία οφείλεται στην κατανάλωση τέφρας και βιομάζας (Kennedy και λοιποί.1994). Επομένως όλα τα εικονοστοιχεία με R2>0.22, θεωρούνται σαν ψεύτικα εικονοστοιχεία πυρκαγιάς. Μια πρόσθετη δοκιμή κατώτατων ορίων εισήχθη για να αποβάλει εικονοστοιχεία ψεύτικων πυρκαγιών που προκαλούνται από τα λεπτά σύννεφα θυσάνους. Σε μερικές περιπτώσεις, ένας συνδυασμός θερμού υποβάθρου και λεπτών σύννεφων μπορεί να εμποτίσει το κανάλι 3 και να αρνηθεί τη δεύτερη δοκιμή. Τα λεπτά θυσανώδη σύννεφα έχουν χαμηλό Τ4 και υψηλό Τ3 λόγω ανάκλασης, που οδηγεί σε μεγάλες τιμές του Τ3 και του Τ3 - Τ4. Η πρόσθετη δοκιμή κάνει χρήση της διαφοράς μεταξύ των δύο θερμικών καναλιών AVHRR, 4 και 5. Η διαφορά Τ4 – Τ5 , έχει χρησιμοποιηθεί για να προσδιορίσει λεπτούς θυσάνους σύννεφων, η οποία αναφέρεται συχνά ως διασπασμένη τεχνική παραθύρων(split window technique), (Inoue 1987). Αυτή η δοκιμή εφαρμόζεται σε συνδυασμό με μια χαλαρή δοκιμή χρησιμοποιώντας την διαφορά Τ3 - Τ4. Όλα τα καυτά σημεία με το Τ4 – Τ5> 4.1οK και το Τ3 - Τ4< 19οK αφαιρούνται σαν ψεύτικες πυρκαγιές (αυτά τα κατώτατα όρια έχουν καθιερωθεί χρησιμοποιώντας τη βάση δεδομένων πυρκαγιών που υπάρχει. Εκτός από τις ανωτέρω δοκιμές κατώτατων ορίων, γίνονται δύο πρόσθετες διαλογές. Η πρώτη σχεδιάζεται σύμφωνα με το στόχο μας που είναι η ανίχνευση δασικών πυρκαγιών. Στον Καναδά, οι δασικές πυρκαγιές είναι πολύ πιο εκτεταμένες και επίμονες από ότι άλλοι τύποι πυρκαγιών. Με τον περιορισμό στις δασικές πυρκαγιές, μπορούμε να αποτρέψουμε συγκεκριμένα προβλήματα. Στην πράξη, ένας μεγάλος αριθμός ψεύτικων πυρκαγιών που προκαλούνται από την ηλιακή λάμψη και την ανάκλαση του εδάφους, εμφανίζονται σε υδάτινες επιφάνειες, άγονα εδάφη, αγροτικές εκτάσεις και λιβάδια. Αυτή η δοκιμή προσφεύγει στη χρήση μιας κατηγοριοποίησης κάλυψης γης σε χωρική ανάλυση 1 χλμ που προέρχεται από τα δεδομένα AVHRR (Pokrant 1991). Περιλαμβάνει 10 χονδροειδείς κατηγορίες κάλυψης γης, δηλαδή, το νερό, δάση τεσσάρων τύπων (μικτά δάση, πλατύφυλλα δάση, δάση κωνοφόρων και κηπευτά δάση ), αρκτική/αλπική τούνδρα, τα άγονα εδάφη, το γεωργικές καλλιέργειες, τα λιβάδια και τις πόλεις. Στη δοκιμή εξετάζονται μόνο τα δασικά εικονοστοιχεία. σύμφωνα με τους Chuvieco και Martin (1994). Η δεύτερη διαλογή αποβάλλει όλα τα μεμονωμένα εικονοστοιχεία καυτών σημείων, δηλ. κανένα γειτονικό εικονοστοιχείο το οποίο να χαρακτηρίζεται ως πυρκαγιάς. Αντιμετωπίζει τα προβλήματα που προκαλούνται από τη μόλυνση υποκελιών. Λόγω της χονδροειδούς ανάλυσης (μικρή διακριτική ικανότητα) και της κατηγοριοποίησης κάλυψης γης, το κατιόν, ένα οριζόμενο ως δασικό εικονοστοιχείο μπορεί να περιέχει ένα μέρος υδάτινης επιφάνειας, όπως η άκρη μιας λίμνης, που αποδίδει το πρόβλημα της ηλιακής λάμψης. Αν και η γεωμετρία θέασης ενός ΝΟΑΑ-14 είναι μακριά από το κύριο επίπεδο, η ηλιακή λάμψη μπορεί παρόλα αυτά να παρατηρηθεί για μια τραχιά υδάτινη επιφάνεια. Επίσης, η ηλιακή λάμψη από τη πλευρά του σύννεφου, τείνει να επηρεάσει τα απομονωμένα εικονοστοιχεία, όπου η θέση του ήλιου, η γωνία θέασης του δορυφόρου και οι επιφανειακές συνθήκες σύννεφων συνδυάζονται στη σωστή γεωμετρία. Αυτή η διαλογή εκμεταλλεύεται το γεγονός ότι οι πυρκαγιές βορείων δασών, εκτείνονται συνήθως πολύ πιο πέρα από ένα μέγεθος εικονοστοιχείου 1 χλμ μιας AVHRR. Τα περισσότερα ενιαία-καθορισμένα καυτά σημεία αποδεικνύονται να είναι ψεύτικες πυρκαγιές. Εντούτοις, η διαλογή έχει μια δυσμενή επίδραση εξάλειψης μικρών και αρχικού σταδίου πυρκαγιών, οι οποίες εν τούτοις μπορούν να ανακτηθούν από την οπτική επιθεώρηση καπνών πυρκαγιάς. Το σχήμα 1 παρουσιάζει ένα διάγραμμα ροής του αλγόριθμου ανίχνευσης πυρκαγιών. Η αποδοτικότητα κάθε βήματος του αλγορίθμου παρουσιάζεται στον πίνακα 1 όπου υπολογίστηκε από 24 απεικονίσεις επιφανειών 1200 Χ 1200km γύρω από την περιοχή BOREAS κατά τη διάρκεια αντιπυρικής περιόδου έτους 1995. Για αυτό το εκπαιδευτικό σύνολο δεδομένων, οι πυρκαγιές προσδιορίστηκαν από την οπτική επιθεώρηση των καυτών σημείων και των λοφίων καπνού ελλείψει παχιών σύννεφων. Τα αποτελέσματα των δοκιμών δίνονται από άποψη του αριθμού των αληθινών πυρκαγιών (NTF) που διατηρούνται και του αριθμού των ψεύτικων πυρκαγιών που αφαιρέθηκαν σε κάθε δοκιμή. Να σημειωθεί ότι η αποτελεσματικότητα μιας καθορισμένης δοκιμής, μπορεί να εξαρτηθεί από την σειρά των δοκιμών. Προκύπτει από τον πίνακα 1 ότι μετά από την εφαρμογή όλων των δοκιμών, ο αλγόριθμος έχασε το 11% των αληθινών εικονοστοιχείων πυρκαγιάς και έσβησε το 99% των ψεύτικων εικονοστοιχείων πυρκαγιάς. Από άποψη γεγονότων πυρκαγιάς, το ποσοστό των πραγματικών πυρκαγιών που δεν εντοπίστηκαν, θα ήταν μικρότερο από αυτό που δίνεται στον πίνακα 1, αφού ένα γεγονός πυρκαγιάς αποτελείται συνήθως από ένα τμήμα εικονοστοιχείων πυρκαγιάς, για μια χρονική περίοδο. Η δοκιμή για την αφαίρεση μεμονωμένων εικονοστοιχείων πυρκαγιάς, προξένησε την απώλεια εντοπισμού αρκετών εικονοστοιχείων πραγματικής πυρκαγιάς, όμως απέβαλε έναν μεγάλο αριθμό ψεύτικων πυρκαγιών.

Εικόνα 2: Δασικές πυρκαγιές που ανιχνεύτηκαν στις 25 Ιουνίου 1995 στον Καναδά. Τα κόκκινα σημάδια είναι σημεία πυρκαγιάς τοποθετημένα πάνω σε ένα ψευδέγχρωμο σύνθετο εικόνας AVHRR (πράσινη η βλάστηση, πορτοκαλί ο καπνός και άσπρο για τα σύννεφα, ενώ μπλε για αραιά σύννεφα επιφάνειας). Πηγή: Z. LI†, S. NADON and J. CIHLAR(1999) "Internationa l Journal of Remote Sensing ISSN 0143-1161 print/ISSN 1366-5901 online © 2000 Government of Canada".

Και τα δύο βήματα καλύπτουν τις δοκιμές κατώτατων ορίων. Όλες οι δοκιμές βελτιστοποιούνται για και να ανιχνεύσουν πραγματικές πυρκαγιές και να αφαιρέσουν όσο το δυνατόν περισσότερο «λάθος» πυρκαγιές. Ενώ η πλειοψηφία των δοκιμών προτάθηκε προηγουμένως, οι τιμές κατώτατων ορίων επιλέχτηκαν μετά από μια προσέγγιση δοκιμής-και-λάθους βασισμένη στο εκπαιδευτικό σύνολο δεδομένων πυρκαγιών. Οι αναλύσεις ιστογραμμάτων της θερμοκρασίας ανακλαστικότητας και φωτεινότητας που αντιστοιχεί στα καμένα και μη καμένα εικονοστοιχεία, αποδείχθηκαν ένα αποτελεσματικό μέσο απόκτησης βελτιστοποιημένων τιμών κατώτατων ορίων. Το αποτέλεσμα απεικονίζεται στην εικόνα 2.

Εικόνα 3: Περιοχή μελέτης Πηγή: int. j. remote sensing, 2001, vol. 22, no. 12, 2265–2277 Forest . re analysis with remote sensing data.

ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ 2

Περίληψη

Σε αυτή τη μελέτη η ζημιά στη δασική επιφάνεια προκλήθηκε από μια μεγάλη πυρκαγιά που εκδηλώθηκε στο Μαρμαρά της Τουρκίας τον Ιούλιο του 1996 και αναλύθηκε με την χρήση δορυφορικών αισθητήρων εικόνων. Ψηφιακές μέθοδοι επεξεργασίας, όπως η ανάλυση των φασματικών υπογραφών, οι δείκτες βλάστησης και η πολυφασματική κατηγοριοποίηση, εφαρμόστηκαν στους αισθητήρες των δορυφορικών εικόνων, οι οποίες λήφθηκαν πριν και μετά την πυρκαγιά. Παράλληλα χρησιμοποιήθηκε ο συμβατικός αλγόριθμος κατηγοριοποίησης μέγιστης πιθανοφάνειας (maximum likelihood classification algorithm), ενώ μια αρχιτεκτονική πολυεπίπεδης προσωτροφοδότησης νευρωνικού δικτύου (multilayer feed-forward Neural network),χρησιμοποιήθηκε επίσης για σύγκριση και επικύρωση της αποτελεσματικότητάς της. Δημιουργήθηκε μια GIS βάση δεδομένων από τα ψηφιδωτά δεδομένα (δεδομένα δορυφορικού αισθητήρα), τα διανυσματικά δεδομένα (είδη δασών και τοπογραφικούς χάρτες), καθώς και πρόσθετα βοηθητικά δεδομένα (μετεωρολογικά δεδομένα). Τα ΓΣΠ χρησιμοποιούνται για να αναπτύξουν ένα πληροφοριακό σύστημα υποστήριξης και λήψης αποφάσεων, για την παρακολούθηση, καταγραφή και πρόβλεψη της δραστηριότητας των δασικών πυρκαγιών, με σκοπό την ενίσχυση της ικανότητας διαχείρισης των, από τις Δασικές Υπηρεσίες. Αυτή η μελέτη φέρνει στο φως τις ελλείψεις στην υπάρχουσα προσέγγιση στην διαχείριση δασικών πυρκαγιών, δίνοντας έμφαση στην ανάγκη για μια προηγμένη μέθοδο, στις ενότητες που ακολουθούν.

Περιοχή μελέτης

Η πυρκαγιά ξεκίνησε στις 27 Ιουλίου 1996 από το σημείο με συντεταγμένες (42°W 35°N–40°W 33°N), οι οποίες προσδιορίζουν τις νοτιοανατολικές ακτές της Τουρκίας (σχήμα 2). Η φωτιά επεκτάθηκε και σε γειτονικά δάση και έκαιγε για 4 ημέρες. Η τοπογραφία της περιοχής είναι διακοπτόμενη και απότομη , με κλίσεις μεγαλύτερες από 5-12%. Το υψόμετρο κυμαίνεται από 50 μέτρα και στις κορυφογραμμές έως 600 μέτρα. Η μέση θερμοκρασία του Αυγούστου είναι 42οΚελσίου , ενώ ο ετήσιος μέσος όρος βροχόπτωσης είναι 1257mm. Η περιοχή χαρακτηρίζεται ως δάσος Πεύκης με κυρίαρχο είδος την Τραχεία Πεύκη (Pinus Brutia).

Συλλογή δεδομένων

Αποτελεσματικά υποστηρικτικά συστήματα διαχείρισης , χρειάζονται για την καταγραφή και την πρόβλεψη της δραστηριότητας μιας πυρκαγιάς και για να ενισχύσουν την διαχείριση της πυρκαγιάς από τις αρμόδιες Υπηρεσίες. Για την ανάπτυξη και την χρήση ενός τέτοιου συστήματος, απαιτείται μια υπολογιστικά υπολογιστικό σύστημα πληροφορίας δασικών πυρκαγιών, υποστηριζόμενο από τηλεπισκοπικές πληροφορίες. Σε αυτή τη μελέτη τα δεδομένα εισαγωγής στο σύστημα, αποκτήθηκαν από τις παρακάτω πηγές:

i. Ψηφιδωτά δεδομένα: μια εικόνα Landsat TM (Thematic Mapper), λήφθηκε πριν από την πυρκαγιά (24 Ιουλίου 1996), και δύο εικόνες IRS-1C LISS (Linear Imaging Self-Scanner) και SPOT HRV (High Resolution Visible) πανχρωματική, οι οποίες λήφθηκαν μετά την πυρκαγιά (22 Αυγούστου 1996 και 15 Νοεμβρίου 1996, αντίστοιχα) και χρησιμοποιήθηκαν στην ανάλυση. Οι συνθήκες πριν την πυρκαγιά, αποτιμήθηκαν από την εικόνα Landsat TM, ενώ οι συνθήκες μετά την πυρκαγιά, καθώς και η χωρική έκταση της καμένης επιφάνειας αποτιμήθηκαν από τα δεδομένα IRS-1C LISS. Τα δεδομένα από την πανχρωματική εικόνα SPOT, χρησιμοποιήθηκαν μόνο για οπτική ανάλυση, λόγω της ευρέως φασματικής χωρικής ανάλυσης.

ii. Διανυσματικά δεδομένα: αυτά αποτελούντο από χαρτογραφικά δεδομένα. Οι 3 εθνικοί τοπογραφικοί χάρτες κλίμακας 1: 25000, οι οποίοι κάλυψαν την περιοχή μελέτης, ψηφιοποιήθηκαν με διαστήματα 50 μέτρων μεταξύ των ισοϋψών. Θεματικοί δασικοί χάρτες κλίμακας 1: 25000, παρήχθησαν από την αρμόδια δασική Υπηρεσία και οι οποίοι απεικόνιζαν τις επιφάνειες που είχαν καεί στο παρελθόν, οι οποίες ψηφιοποιήθηκαν. Σε αυτούς τους δασικούς χάρτες, οι καμένες περιοχές κατηγοριοποιήθηκαν σε 3 κλάσεις: παραγωγικές περιοχές, κατεστραμμένες περιοχές και μη δασικές περιοχές.

iii. Επικουρικά δεδομένα: μετεωρολογικά δεδομένα (μέση και μέγιστη ταχύτητα ανέμου, διεύθυνση ανέμου, μέση τιμή σχετικής υγρασίας %, μέση τιμή θερμοκρασίας αέρα ξηρού θερμομέτρου σε οC και συνολική βροχόπτωση), τα οποία λήφθηκαν από μετεωρολογικό σταθμό εγκατεστημένο στην περιοχή μελέτης. Τα δεδομένα συλλέκτηκαν τις ημερομηνίες απόκτησης των αντίστοιχων δορυφορικών δεδομένων, δηλαδή ανάμεσα στον Ιούλιο και τον Νοέμβριο 1996.

Εφαρμογή Υπάρχουν αρκετοί διαφορετικοί τρόποι ανίχνευσης κατεστραμμένων από πυρκαγιά δασικών επιφανειών χρησιμοποιώντας την ψηφιακή επεξεργασία εικόνας όπως ανάλυση της φασματικής υπογραφής, δείκτες βλάστησης και ταξινόμηση.

Ανάλυση φασματικής υπογραφής (spectral profile analysis)

Όλες οι οντότητες πάνω σε μια επιφάνεια, έχουν σχέδια φασματικής απόκρισης. Εάν αυτά τα σχέδια, ή τα φάσματα, είναι μοναδικά, τότε αυτές οι οντότητες και τα χαρακτηριστικά γνωρίσματά τους μπορούν να προσδιοριστούν σαφώς από τη φασματική πληροφορία τους, χρησιμοποιώντας τηλεπισκοπικά δεδομένα. Αν και μπορεί να μην είναι εφικτό να προσδιοριστούν μοναδικές υπογραφές για οντότητες με παρόμοια φασματικά χαρακτηριστικά (όπως μεταξύ μερικών τύπων βλάστησης), διακριτικά φασματικά σχέδια για περιοχές με βλάστηση σε σχέση με περιοχές χωρίς βλάστηση και επίσης η ύπαρξη της ασθενούς ή έντονης βλάστησης, μπορεί συχνά να αναγνωριστεί. Έχοντας αυτό υπόψη, επιλέχτηκαν αυθαίρετα τέσσερα ευπροσδιόριστα σημεία στις εικόνες και οι φασματικές τους υπογραφές ανάκλασης, εξήχθησαν από τις εικόνες πριν και μετά από την πυρκαγιά (σχήμα 3). Αυτά τα σημεία αξιολογήθηκαν και συγκρίθηκαν με την σχετική πληροφορία που περιέχετο στους δασικούς χάρτες.

Σχήμα 3: Φασματικές υπογραφές των 4 επιλεγμένων σημείων από την εικόνα LANDSAT TM

                  (a) πριν την πυρκαγιά και από την εικόνα IRS-1C (b), μετά την πυρκαγιά.

Δείκτες βλάστησης (vegetation indices)

Οι δείκτες αυτοί είναι ποσοτικά μέτρα, βασισμένα στις φασματικές ιδιότητες βλάστησης, οι οποίοι προσπαθούν να μετρήσουν τη βιομάζα ή το βλαστητικό σθένος. Η απλούστερη μορφή δείκτη βλάστησης είναι απλά τα κλάσμα μεταξύ δύο ψηφιακών τιμών από ανεξάρτητα φασματικά κανάλια. Υψηλές τιμές του δείκτη βλάστησης προσδιορίζουν τα εικονοστοιχεία που καλύπτονται από τα ουσιαστικής σημασίας ποσοστά της υγιούς βλάστησης (Campbell 1987). Οι δείκτες βλάστησης μπορούν να ταξινομηθούν σε δύο ευρείες κατηγορίες: δείκτες αναλογίας και ορθολογικούς δείκτες. Η πρώτη κατηγορία, που χρησιμοποιείται σε αυτήν την μελέτη, είναι βασισμένη στoυς λόγους των ψηφιακών τιμών του κόκκινου (R) και του εγγύς υπέρυθρου φασματικού καναλιού (NIR), που επιλέγονται λόγω της αντίστροφης σχέσης μεταξύ του συντελεστή ανάκλασης της βλάστησης σε αυτές τις περιοχές. Σε αυτήν την μελέτη εφαρμόστηκε, ο κανονικοποιημένος δείκτης διαφοράς βλάστησης NDVI (NDVI=NIR-R/NIR+R), η οποία είναι η πλέον συνηθέστερα χρησιμοποιούμενος λόγος μετασχηματισμού για τις μελέτες βλάστησης. Η ομαλοποίηση του δείκτη NDVI, μειώνει τις επιδράσεις των διακυμάνσεων που προκαλούνται από την τοπογραφία. Οι δυο δορυφορικές εικόνες που πάρθηκαν πριν και μετά την πυρκαγιά, συνταυτίστηκαν με μια διαδικασία ομαλής καταγραφής και δημιούργησαν τους λόγους:

IRS NIR/Landsat NIR και IRS NDVI/Landsat NDVI, για να αποτιμήσουν τις αλλαγές που προκύπτουν ανάμεσα στις δυο ημερομηνίες.

Ταξινόμηση (Classification)

Σε αυτήν την μελέτη, εφαρμόστηκαν 2 διαφορετικές μέθοδοι ταξινόμησης για να ταξινομήσουν. Τις κατεστραμμένες από πυρκαγιά δασικές περιοχές: η συμβατική ταξινόμηση (conventional classification) και η ταξινόμηση νευρωνικών δικτύων (neural network classification).

Συμβατική ταξινόμηση

Η διαδικασία ταξινόμησης αυτή, περιγράφεται ως ο προσδιορισμός του σχεδίου που συνδέεται με τη θέση κάθε εικονοστοιχείου στην εικόνα από άποψη χαρακτηριστικών των αντικειμένων ή των υλικών στο αντίστοιχο σημείο στη γήινη επιφάνεια (Mather 1987). Το πρόβλημα κατανομής των εικονοστοιχείων στην πλέον πιθανή κατηγορία τους μπορεί να προσεγγιστεί με έναν από τους δύο τρόπους: ο πρώτος, μια μη επιβλεπόμενη (unsupervised) ταξινόμηση, μπορεί να οριστεί ως ο προσδιορισμός των φυσικών ομάδων, ή δομών, μέσα στα πολυφασματικά δεδομένα, ενώ ο δεύτερος τρόπος , η επιβλεπόμενη (supervised) ταξινόμηση, μπορεί να οριστεί ανεπίσημα σαν η διαδικασία χρήσης δειγμάτων γνωστής ταυτότητος (Campbell 1987). Σε αυτήν την μελέτη, η μέθοδος ταξινόμησης, βασίστηκε σε έναν αλγόριθμο διαδραστικών επαναληπτικών αυτοοργανωμένων δεδομένων γνωστό σαν ISODATA (Iterative Self-Organizing DATA) και χρησιμοποιήθηκε για να καθορίσει τις αρχικές κατηγορίες. Οι προκύπτουσες κατηγορίες εξετάστηκαν φασματικά και χωρικά με τις επίγειες πληροφορίες και συγχωνεύθηκαν, χωρίστηκαν ή απορρίφθηκαν και αναταξινομήθηκαν ανάλογα με την περίπτωση. Τα στατιστικά από αυτές τις κατηγορίες χρησιμοποιήθηκαν στη συνέχεια, ως εισαγωγή σε μια ταξινόμηση μέγιστης πιθανοφάνειας, η οποία βασικά κατανέμει τα εικονοστοιχεία στην κατηγορία στην οποία έχουν την υψηλότερη πιθανότητα να ανήκουν. Αυτή η προσέγγιση υποθέτει ότι οι πραγματικές κλάσεις που πρέπει να διακριθούν, αντιπροσωπεύονται στα δεδομένα της εικόνας ως κανονικές κατανομές γύρω από τις μέσες τιμές της κλάσης. Η μορφή κάθε κανονικής κατανομής καθορίζεται από το μέσο όρο και τη διακύμανση/συνδιακύμανση της κλάσης. Η κατανομή των εικονοστοιχείων στις κλάσεις, περιλαμβάνει τη χρησιμοποίηση των στατιστικών κατανομής της κλάσης ως λειτουργία πυκνότητας πιθανότητας για την κλάση που σημειώνει την πιθανότητα μιας συγκεκριμένης τιμής εικονοστοιχείου που ανήκει στην κλάση (Swain και Davis 1978, Harrison και Jupp 1990).

Ταξινόμηση νευρωνικών δικτύων

Ένα νευρωνικό δίκτυο, εφαρμόστηκε πρόσφατα σε διάφορα προβλήματα ταξινόμησης εικόνων και είναι μια κατευθυνόμενη γραφική παράσταση που αποτελείται από νευρώνες ή κόμβους που διατάσσονται σε επίπεδα με συνδέσμους διασύνδεσης (Haykin 1994). Αυτές οι δομές αναπαριστούν ένα σύστημα που αποτελείται από πολλά απλά στοιχεία επεξεργασίας που λειτουργούν παράλληλα η λειτουργία των οποίων καθορίζεται από τη δομή των δικτύων, τη σύνδεση, τα βάρη και τη λειτουργία κόμβων (Hara και λοιποί. 1994). Τα κύρια χαρακτηριστικά των νευρωνικών δικτύων είναι:

	*έχουν μια εγγενή δυνατότητα να γενικεύουν,αυτά κάνουν πιο αδύνατες a priori υποθέσεις για τη στατιστική κατανομήτων κλάσεων στο σύνολο δεδομένων από ότι ένας παραμετρικός ταξινομητής Bayes και 
	*είναι σε θέση να διαμορφώνουν μη γραμμικά όρια απόφασης στο χώρο των
    οντοτήτων (Bock 1996).

Διάφορες αρχιτεκτονικές νευρωνικών δικτύων και αλγόριθμοι έχουν αναπτυχτεί και έχουν χρησιμοποιηθεί εκτενώς, π.χ. στην ταξινόμηση, στην πρόβλεψη και την μοντελοποίηση. Υπάρχουν δύο βασικοί τύποι αρχιτεκτονικής νευρωνικών δικτύων: η επιβλεπόμενη και η μη επιβλεπόμενη. Η επιβλεπόμενη μέθοδος, η οποία χρησιμοποιείται σε αυτήν την μελέτη, είναι μια διαδικασία που επιτυγχάνεται από την αναπαράσταση των δεδομένων εισαγωγής στο νευρωνικό δίκτυο και στη συνέχεια την υλοποίηση μιας σύγκρισης των πραγματικά γνωστών παραγόμενων αποτελεσμάτων με τα προβλεφθέντα. Η μη επιβλεπόμενη μέθοδος είναι μια διαδικασία όταν το δίκτυο είναι σε θέση να ανακαλύψει στατιστικές ομαλότητες στον χώρο εισαγωγής του και αυτόματα αναπτύσσει διαφορετικούς τρόπους συμπεριφοράς, για να αναπαραστήσει διαφορετικές κλάσεις δεδομένων εισαγωγής (O¨zkan and Sunar 1999, BerberogÏu and Curran 1998).

Αποτελέσματα

Από τη στιγμή που οι επηρεασμένες από την φωτιά επιφάνειες με βλάστηση έχουν υποστεί πίεση (stress), και είναι ανίκανα θρεπτικά περιβάλλοντα για την αύξηση των φυτών, οι φασματικές ιδιότητες αυτών των περιοχών, μετρημένες σε διάφορες χρονικές στιγμές χρόνου από τηλεπισκοπικά δεδομένα, θα επιτρέψουν στο καμένο τοπίο βλάστησης να προσδιοριστεί και αποτιμηθεί (Sunar και Taberner 1998). Όπως μπορεί κάποιος να δει στο σχήμα 3(a), μια καμπύλη χαρακτηριστικών ανάκλασης τοπίου για τα τέσσερα επιλεγμένα σημεία στην εικόνα Landsat TM παρουσιάζει σχετικά χαμηλές τιμές στις κόκκινες και μπλε περιοχές στο ορατό φάσμα με μια αιχμή στην πράσινο φασματικό κανάλι, λόγω της απορρόφησης του μπλε και του κόκκινου φωτός από την χλωροφύλλη και άλλες χρωστικές ουσίες, ενώ υπάρχει υψηλή ανάκλαση στην υπέρυθρη περιοχή λόγω της εσωτερικής δομής των φύλλων (Lillesand και Kiefer 1994). Εντούτοις, η καμπύλη έχει διαφορετικά χαρακτηριστικά στη IRS-1C εικόνα, λόγω του δάσους που καίγεται (σχήμα 3(b)). Οι διαφορές που παρατηρήθηκαν στις δυο αυτές γραφικές παραστάσεις το κατέστησαν ικανό να αναλύσει την καταστροφή της κάλυψης της βλάστησης λόγω της δασικής πυρκαγιάς και να ερμηνεύσει τα αποτελέσματα ταξινόμησης ακριβέστερα. Από τη στιγμή που η φωτιά αφαιρεί μεταβλητά ποσά πράσινης βιομάζας από μια περιοχή βλάστησης και το αφαιρούμενο ποσό εξαρτάται από τη δριμύτητα της φωτιάς, υπάρχει μια καλή συσχέτιση ανάμεσα στους δείκτες βλάστησης και την δριμύτητα της φωτιάς. Σε αυτήν την μελέτη, ο NDVI εφαρμόστηκε σε Landsat TM (πριν τη φωτιά, σχήμα 4(a)) και σε εικόνα IRS-1C (μετά την φωτιά, σχήμα 4(b)) και κλιμακώθηκε από 0-255 για την απεικόνιση της εικόνας. Όπως μπορεί να δει κάποιος στο σχήμα 4 (a), οι περιοχές με βλάστηση, παράγουν γενικά υψηλές τιμές λόγω της σχετικά υψηλής ανάκλασης του εγγύς υπέρυθρου καναλιού και της χαμηλής ορατής ανάκλασης, ενώ οι πολύ καμένες περιοχές (μαύρες) διακρίθηκαν εύκολα από τις άκαυτες περιοχές (άσπρες) στο σχήμα 4 (b). Ο βαθμός αλλαγής που έχει πραγματοποιηθεί μεταξύ των δύο ημερομηνιών στην περιοχή μελέτης μπορεί να σκιαγραφηθεί εύκολα στην εικόνα με τον λόγο IRS NIR/Landsat NIR (σχήμα 4(c)).

Σχήμα 4: Ο NDVI σε εικόνα LANDSAT TM (a), πριν την πυρκαγιά, σε εικόνα IRS-1C LISS

                  (b), ενώ η εικόνα (c) απεικονίζει τον λόγο IRS NIR/Landsat NIR.

Οι κλάσεις που λαμβάνονται από τις διαδικασίες ταξινόμησης και αντιστοιχούν στις καμένες δασικές περιοχές, προσδιορίστηκαν με την εξέτασή τους φασματικά και χωρικά (σχήμα 5(a)). Οι σημαντικότεροι τύποι εδαφικής κάλυψης απομονώθηκαν στην περιοχή μελέτης όπου:

1. καμένη δασική περιοχή 2. δασική περιοχή 3. αστικές περιοχές 4. γυμνά εδάφη 5. βραχώδεις περιοχές και 6. θάλασσα

Η ταξινομημένη εικόνα γενικώς συμφωνούσε με το θεματικό χάρτη που είχε δημιουργηθεί από την Κεντρική Δασική Υπηρεσία, αλλά διαπιστώθηκε ότι υπήρξαν μερικές διαφορές στις δασικές δομές στις νότιες και βόρειες περιοχές (σχήμα 5(a), 5 (b)). Αυτό ήταν ιδιαίτερα εμφανές στις νότιες περιοχές, όπου η σφριγηλή δασική δομή (που παρουσιάζεται με ροζ στο θεματικό χάρτη (σχήμα 5 (b)), είχε επηρεαστεί, απεικονισμένη με μια μείωση στην κάλυψη βλάστησης με το χρόνο (Ozkan το 1998).

  Σχήμα 5: (a) Ταξινομημένη εικόνα LANDSAT TM (αριστερά) και IRS-1C LISS (δεξιά), ενώ 
                     το σχήμα (b) απεικονίζει θεματικό χάρτη καμένων περιοχών που 
                     δημιουργήθηκε από την Κεντρική Δασική Υπηρεσία. Στο σχήμα (c)
                     απεικονίζονται διαφορές μεταξύ της ταξινομημένης IRS-1C εικόνας και του
                     θεματικού χάρτη. Οι κόκκινοι κύκλοι παρουσιάζουν άκαυτες μη δασικές 
                     περιοχές.

Ένα πολυστρωματικό προσωτροφοδοτούμενο αναγνωριστικό μοντέλο , που αποτελείται από ένα επίπεδο εισαγωγής, δύο κρυμμένα επίπεδα κόμβων επεξεργασίας και ενός παραγόμενου επιπέδου, εφαρμόστηκε σε δεδομένα εικόνας IRS-1C. Το δίκτυο εκπαιδεύθηκε με έναν οπισθοδρομικό αλγόριθμο περιλαμβάνοντας μια μπροστινή και μια αντίστροφη φάση μέσω της δομής των νευρικών δικτύων και μιας 0.4 ορμής εκμάθησης. Η αρχιτεκτονική δικτύων αποτελείται από δύο μονάδες εισαγωγής (IRS-1C εγγύς υπέρυθρο και κόκκινα κανάλια αντίστοιχα), πέντε πρώτες κρυμμένες μονάδες, 15 δεύτερες κρυμμένες μονάδες, και έξι παραγόμενες μονάδες που αναπαριστούν τις κατηγορίες κάλυψης γης. Το εκπαιδευτικό σύνολο δεδομένων που χρησιμοποιήθηκε, περιέλαβε 864 εικονοστοιχεία με διαφορετικό αριθμό εικονοστοιχείων ανά κατηγορία κάλυψης γης (259, 217, 57, 219, 50 και 67 εικονοστοιχεία για την καμένη δασική περιοχή, την δασική περιοχή, τις αστικές περιοχές, τα γυμνά εδάφη, τη βραχώδη περιοχή και τη θάλασσα, αντίστοιχα) και το δίκτυο ήταν εκπαιδευμένοι κύκλοι των 2000 με ένα ποσοστό εκμάθησης 0.3. Η λειτουργία μεταφοράς που χρησιμοποιήθηκε σε αυτήν την μελέτη ήταν σιγμοειδής. Το αποτέλεσμα της ταξινόμησης με νευρωνικά δίκτυα, της εικόνας IRS-1C, φαίνεται στο σχήμα 6.

Οι ταξινομημένες εικόνες IRS-1C εικόνες που έλαβαν κάθε μέθοδο ταξινόμησης, καταχωρήθηκαν σε προβολικό σύστημα εγκάρσιας μερκατορικής προβολής (UTM), για να ποσοτικοποιήσουν και να σκιαγραφήσουν τις καμένες περιοχές. Σύμφωνα με τα αρχεία της Κεντρικής Υπηρεσίας Δασών, η περιοχή που κάηκε ήταν 7094 εκτάρια, αυτή η επιφάνεια είναι πολύ υψηλότερη από αυτή που υπολογίστηκε και από τις δύο συμβατικές μεθόδους (6290 εκτάρια) και τον τεχνητό αλγόριθμο νευρωνικών δικτύων (6294 εκτάρια). Υπάρχουν τρεις κύριοι λόγοι για αυτήν την απόκλιση:

 Ο θεματικός χάρτης που δημιουργήθηκε από την Κεντρική Υπηρεσία Δασών σκιαγράφησε τις καμένες περιοχές χρησιμοποιώντας συμβατικές μεθόδους: τα όρια των καμένων δασικών περιοχών ήταν περίπου σκιαγραφημένα στα δασικά σχέδια, επιθεωρώντας τη ζημιά από το ελικόπτερο ή με επίγειους ελέγχους. Η έκταση της περιοχής υπολογίστηκε χρησιμοποιώντας μεθόδους οριζοντιογραφικής αποτύπωσης.

• Μερικές από τις μη δασικές περιοχές, που απεικονίζονται με κόκκινους κύκλους στην ταξινομημένη εικόνα του σχήματος 5 (c), δεν ήταν ταξινομημένες ως καμένες, αν και είχαν σημειωθεί ως καμένες στον θεματικό χάρτη. Θεωρείται ότι αυτό είναι ένα αποτέλεσμα της γενίκευσης του θεματικού χάρτη που προετοιμάζεται μετά από την πυρκαγιά.

• Η τηλεπισκόπηση επιτρέπει αντικειμενικότερες, οριστικές και αμερόληπτες αποφάσεις που λαμβάνονται από μια συνοπτική άποψη με ικανότητες να ανιχνευθεί και να ελεγχθεί η βιομάζα βλάστησης λεπτομερέστερα από τις κατά προσέγγιση επίγειες εκτιμήσεις.