RemoteSensing Wiki - Συνεισφορές χρήστη [el]

Μπένου Χλόη

2023-02-08T18:39:26Z

Chloebenou:

[[Αξιολόγηση απειλών για τη διατήρηση της βιοποικιλότητας σε δασικά οικοσυστήματα χρησιμοποιώντας γεωχωρικές τεχνικές]]

[[Αξιολόγηση Οπτικών Δεδομένων Τηλεπισκόπησης σε Χαρτογράφηση Καμένων Περιοχών στο νησί της Θάσου]]

[[Αναγνώριση Δασικού Τύπου με την Ταξινόμηση Random Forest σε Συνδυασμό με Δεδομένα SPOT και Πολυχρονικά Δεδομένα SAR]]

[[category:ΔΠΜΣ "Περιβάλλον & Ανάπτυξη" (Αθήνα)]]

Μπένου Χλόη

2023-02-08T18:36:05Z

Chloebenou: Νέα σελίδα με '[[Αξιολόγηση απειλών για τη διατήρηση της βιοποικιλότητας σε δασικά οικοσυστήματα χρησιμοπο...'

Αναγνώριση Δασικού Τύπου με την Ταξινόμηση Random Forest σε Συνδυασμό με Δεδομένα SPOT και Πολυχρονικά Δεδομένα SAR

2023-02-08T18:31:29Z

Chloebenou: Νέα σελίδα με ''''Πρωτότυπος Τίτλος''': Forest Type Identification by Random Forest Classification Combined with SPOT and Multitemporal SAR Data. '''Συγγραφεί...'

'''Πρωτότυπος Τίτλος''': Forest Type Identification by Random Forest Classification Combined with SPOT and Multitemporal SAR Data.

'''Συγγραφείς''': Ying Y., Mingze L. & Yu F.

'''Δημοσιεύθηκε''': Journal of Forestry Research, 2018

'''Σύνδεσμος Πρότυπου Κειμένου''': https://doi.org/10.1007/s11676-017-0530-4 [https://doi.org/10.1007/s11676-017-0530-4 ]

'''Λέξεις κλειδιά''': ταξινόμηση random forest, δεδομένα τηλεπισκόπησης πολλαπλών πηγών, πόλωση, αποσύνθεση

[[Εικόνα:Benchl_p3_pic1.png| thumb| right|'''Εικόνα 1:''' Εικόνες SPOT (αριστερά) και SAR (δεξιά) της περιοχής μελέτης, πηγή: Ying ''et al.'' 2018.]]
[[Εικόνα:Benchl_p3_pic3.png| thumb| right|'''Εικόνα 2:''' Ταξινόμηση των δασικών τύπων του δασικού αγροκτήματος Pangu χρησιμοποιώντας δεδομένα SPOT, πηγή: Ying ''et al.'' 2018.]]
[[Εικόνα:Benchl_p3_pic4.png| thumb| right|'''Εικόνα 3:''' Ταξινόμηση των δασικών τύπων του δασικού αγροκτήματος Pangu χρησιμοποιώντας δεδομένα RADARSAT-2 Αυγούστου και SPOT, πηγή: Ying ''et al.'' 2018.]]
[[Εικόνα:Benchl_p3_pic5.png| thumb| right|'''Εικόνα 4:''' Ταξινόμηση των δασικών τύπων του δασικού αγροκτήματος Pangu χρησιμοποιώντας δεδομένα RADARSAT-2 Νοεμβρίου και SPOT, πηγή: Ying ''et al.'' 2018.]]
[[Εικόνα:Benchl_p3_pic6.png| thumb| right|'''Εικόνα 5:''' Ταξινόμηση των δασικών τύπων του δασικού αγροκτήματος Pangu χρησιμοποιώντας δεδομένα πολυφασικά δεδομένα RADARSAT-2 Αυγούστου και Νοεμβρίου, πηγή: Ying ''et al.'' 2018.]]

'''1. Εισαγωγή'''

Η ταξινόμηση των δασικών τύπων ενός οικοσυστήματος είναι ιδιαίτερα σημαντική στην έρευνα, σχετική με δασικούς πόρους, δασική δυναμική, δασική βιομάζα και εκτίμηση αποθήκευσης άνθρακα, με την τηλεπισκόπηση να αποτελεί βασικό εργαλείο για το σκοπό αυτό. Τα χωρικά δεδομένα που χρησιμοποιούνται για την ταξινόμηση των δασικών τύπων περιλαμβάνουν οπτικές εικόνες ΤΜ και SPOT, οι οποίες αποδίδουν δεδομένα με βάση την υφή και τα φασματικά χαρακτηριστικά τους. Ωστόσο, προκύπτουν συχνά λάθη, καθώς παράγοντες, όπως είναι οι καιρικές συνθήκες, επηρεάζουν τις εικόνες τηλεπισκόπησης, με αποτέλεσμα να περιπλέκεται η ταξινόμηση των δασικών τύπων. Η τηλεπισκόπηση με μικροκύματα αποτελεί ένα ικανό συμπλήρωμα της οπτικής τηλεπισκόπησης, καθώς οι απεικονίσεις που προκύπτουν παρουσιάζουν περισσότερες πληροφορίες, αφού μπορούν να είναι ημερήσιες ή νυχτερινές, χωρίς να επηρεάζονται από τα σύννεφα και τη βροχή. Επίσης, χρησιμοποιήθηκαν τα δεδομένα ραντάρ πόλωσης συνθετικού ανοίγματος (Polarization Synthetic Aperture Radar, PolSAR), τα οποία παράγουν πληροφορίες για τις φυσικές ιδιότητες και τους μηχανισμούς οπισθοσκέδασης και περιλαμβάνουν στοιχεία όπως, δεδομένα παρατήρησης, πίνακα σκέδασης, συνδιακύμανσης και συσχέτισης. Οι παράμετροι των πινάκων αυτών εφαρμόστηκαν στην ταξινόμηση και προέκυψαν μέσα από διαφορετικές μεθόδους πολωσιμετρικής διάσπασης. Χρησιμοποιήθηκε το κανάλι C για την ταξινόμηση των δασικών τύπων, ενώ για τη βελτίωση της διαφοροποίησης των τύπων χωρίς φύλλα χρησιμοποιήθηκαν πολωσιμετρικά στοιχεία, όπως HH, HV και VV. Ειδικότερα, στις εικόνες SAR (Synthetic Aperture Radar) η διαφοροποίηση μεταξύ δασικών και μη δασικών τύπων βλάστησης μπορεί να προσδιοριστεί εύκολα. Ωστόσο, στην περίπτωση όπου τα μέσα σκέδασης παρουσιάζουν παρόμοια απόκριση PolSAR, προκύπτουν ανεπαρκείς πληροφορίες για την ακριβή ταξινόμηση της εικόνας, μέσα από τους πίνακες σκέδασης, συνδιακύμανσης και συσχέτισης. Στη βελτίωση των αποτελεσμάτων συνεισφέρουν τα στοιχεία υφής SAR, όπως είναι για παράδειγμα η ταξινόμηση του εδάφους, στην οποία χρησιμοποιούνται τα στοιχεία PolSAR, σε συνδυασμό με την εφαρμογή των SAR. Η μεγαλύτερη ακρίβεια έχει επιτευχθεί μέσα από PolSAR διπλής εποχής, καθώς η εποχικότητα παίζει σημαντικό ρόλο στην ταξινόμηση της κάλυψης της γης από υγρότοπους, ανεξαρτήτως της χρησιμοποιούμενης εικόνας SAR, όπως και στην ταξινόμηση των δασών, με τη διαφοροποίηση φυλλοβόλων και αειθαλών ειδών.

Η τεχνολογική εξέλιξη της τηλεπισκόπησης παρέχει, πλέον, καλύτερη χωρική και χρονική ανάλυση των δεδομένων και συνεπώς, ακριβέστερη ταξινόμηση των δασικών τύπων, χάρη στις βελτιωμένες πλατφόρμες και αισθητήρες. Ο συνδυασμός των δεδομένων (ALOS PALSAR, TM, RADARSAT-2, SPOT, LiDAR κ.ά.) μπορεί να φτάσει σε βαθμό ακρίβειας ταξινόμησης μέχρι και 97%, όπως συνέβη σε μελέτη της ταξινόμησης των τύπων βλάστησης των Άλπεων. Τα χαρακτηριστικά, τα οποία ερευνώνται είναι οι δασικοί τύποι, η χρήση/κάλυψη γης, η ανακλαστικότητα της βλάστησης, το ύψος και ο μηχανισμός οπισθοσκέδασης, σύμφωνα με τα στοιχεία που προκύπτουν από πολυχρονικές, πολυαισθητήριες και πολυπολικές δορυφορικές εικόνες SAR. Επιπλέον, ο συνδυασμός της οπτικής τηλεπισκόπησης με τα δεδομένα τηλεπισκόπησης μικροκυμάτων μπορεί να προσφέρει συμπληρωματικές πληροφορίες στην αναγνώριση των δασικών τύπων και να βελτιώσει σημαντικά την ακρίβεια της ταξινόμησης. Στη συγκεκριμένη έρευνα συνδυάστηκαν τα πολυφασματικά δεδομένα του καναλιού C με οπτικές εικόνες SPOT5, με στόχο την ανάλυση των διαφορετικών τύπων δασών και των χαρακτηριστικών της πολωσιμετρικής τους σκέδασης, των φασματικών τους πληροφοριών και των χαρακτηριστικών φάσης τον Αύγουστο και τον Νοέμβριο του 2013. Επίσης, χρησιμοποιήθηκε η μέθοδος ταξινόμησης τυχαίου δάσους (random forest classification) για την ταξινόμηση των δασικών τύπων.

'''2. Μεθοδολογία'''

'''Περιοχή Μελέτης'''

Η δασική φάρμα Pangu ανήκει στην κομητεία Tahe, η οποία βρίσκεται στο βορειοδυτικό τμήμα της οροσειράς Daxing’an στο βορειότερο τμήμα της Κίνας (123°20’02’’-124°21’40’’Α και 52°16’38’’-52°47’4’’Β). Το αγρόκτημα καλύπτει 1120,7 km2 με υψόμετρο 800-1400 m. Το κλίμα είναι δροσερό ηπειρωτικό, με μέγιστες ετήσιες θερμοκρασίες -2,4 και 47,2°C. Οι ετήσιες βροχοπτώσεις κυμαίνονται από 300 έως 450 mm και προκύπτουν κυρίως τον Ιούλιο και τον Αύγουστο. Τα δάση καλύπτουν το 88% της συνολικής έκτασης με κυρίαρχα δασικά είδη τα εξής: ''Larix gmelinii, Pinus sylvestris, Betula platyphylla, Populus davidiana'' και ''Picea koraiensis''.

'''Πηγές τηλεπισκοπικών δεδομένων'''

Οι εικόνες που χρησιμοποιήθηκαν για την αναγνώριση των δασικών τύπων ήταν οι RADARSAT-2 και SPOT5, με το κανάλι C να έχει εύρος 3,75-7,5 cm και ανάλυση 12×8 m. Το SPOT5 περιελάμβανε τα πολυφασματικά κανάλια Β1 (0,49-0,61 μm), Β2 (0,49-0,61 μm) και Β3 (0,78-0,89 μm). Επίσης, επιλέχθηκαν στοιχεία από δεδομένα POLSAR, σχετικά με την περίοδο άνθησης και φυλλόπτωσης των φυτών (Αύγουστος 2013 και Νοέμβριος 2013 αντίστοιχα).

'''Προεπεξεργασία των δεδομένων'''

Η προεπεξεργασία των δεδομένων περιελάμβανε το φιλτράρισμα της εικόνας, τη διόρθωση του εδάφους, τη γεωμετρική διόρθωση και την καταγραφή πολυφασικών δεδομένων SAR και οπτικών δεδομένων εικόνας. Αρχικά, συγχωνεύτηκαν τα πανχρωματικά και πολυφασματικά SPOT5 δεδομένα και στη συνέχεια, πραγματοποιήθηκε ατμοσφαιρική διόρθωση, επεξεργασία και φιλτράρισμα των δεδομένων SAR, όπως και γεωμετρική και ορθογραφική διόρθωση. Ακολούθησε η επαναδειγματοληψία στην εικόνα SAR (2,5 m) με τη χρήση της μεθόδου του εγγύτερου γείτονα, με σκοπό να συνδυαστούν οι οπτικές εικόνες με τα δεδομένα της εικόνας SAR.

'''Μέθοδος ταξινόμησης'''

''Σύστημα ταξινόμησης''

Το σύστημα ταξινόμησης που αναπτύχθηκε, βασίστηκε στην παρούσα ταξινόμηση χρήσεων γης, στην έρευνα δασικών πόρων στις πόλεις και τους νομούς της Heilongjiang και στα δεδομένα τηλεπισκόπησης και απογραφής των δασικών πόρων. Οι δασικοί τύποι που κυριαρχούν στην περιοχή είναι τα κωνοφόρα δάση και μικτά δάση κωνοφόρων και πλατύφυλλων (B. platyphylla, P. sylvestris, L. gmelinii, και P. Koraiensis). Τα μικτά δάση δεν ταξινομήθηκαν, καθώς τα εικονοστοιχεία μπορεί να εμφανίζουν πανομοιότυπα χαρακτηριστικά, δεδομένου ότι η υψηλότερη χωρική ανάλυση των εικόνων SPOT5 και RADARSAT-2 ήταν 2,5 m.

''Ταξινόμηση Random Forest''

Η μέθοδος του Random Forest υλοποιεί τoν τυχαίo αλγόριθμο για ταξινόμηση μέσα από τα διαδοχικά δέντρα απόφασης, τα οποία παρέχουν τα αντίστοιχα αποτελέσματα της αρχικής πρόβλεψης. Για την επιλογή Ν δειγμάτων, η πιθανότητα κάθε μη επιλεγμένου δείγματος είναι (1-1/Ν)Ν και όταν ο Ν είναι αρκετά μεγάλος, τότε η πιθανότητα συγκίνει στο 0,368, δηλαδή το 37% των δειγμάτων δεν εμφανίζεται στο σύνολο της εκπαίδευσης για να συμμετάσχει στο μοντέλο εκπαίδευσης. Επίσης, το μέρος των στοιχείων που δεν εντάσσεται στο σύνολο των δειγμάτων (Out Of the Bag, OOB) χρησιμοποιείται για την αξιολόγηση της απόδοσης του μοντέλου. Για κάθε δέντρο απόφασης, παράγεται μια ποσότητα ΟΟΒ για την απόκτηση μιας αμερόληπτης εκτίμησης του σφάλματος ταξινόμησης, για να αποκτήσουν εκτιμήσεις της σημαντικότητας των μεταβλητών. Μεταβλητές με τιμές σημαντικότητας που υπερβαίνουν το 0,01 επιλέγονται για ταξινόμηση, η οποία μπορεί να εμφανίσει υψηλή ακρίβεια πρόβλεψης και ικανοποιητική ανοχή σε ακραίες τιμές και ‘θόρυβο’, επιλύοντας προβλήματα που προκύπτουν από την έλλειψη προηγούμενης γνώσης και περιορισμένων δεδομένων. Επιπλέον, αναλύει αποτελεσματικά την αλληλεπίδραση και τη μη γραμμική σχέση μεταξύ δεδομένων και χρησιμοποιείται για τον χειρισμό σημαντικών ή πολυδιάστατων δεδομένων.

''Εξαγωγή χαρακτηριστικών από δεδομένα RADARSAT-2 για ταξινόμηση''

Διάφορες μέθοδοι ταξινόμησης που χρησιμοποιούνται από την πλήρη πόλωση των δεδομένων SAR βασίζονται στη θεωρία της αποσύνθεσης. Τυπικά, οι μέθοδοι αποσύνθεσης στόχων περιλαμβάνουν συνεκτικές και ασυνεχείς αποσυνθέσεις πόλωσης. Το μέθοδος της ασυνεπούς αποσύνθεσης επιλέγεται για την αποσύνθεση των στόχων λόγω της πολυπλοκότητας των φυσικών στόχων. Χαρακτηριστικό γνώρισμα των δεδομένων RADARSAT-2 για την ταξινόμηση είναι ο διαχωρισμός τους σε τρεις κατηγορίες. Η πρώτη κατηγορία περιλαμβάνει τον πίνακα συνδιακύμανσης, έναν συνεκτικό πίνακα και τις ιδιοτιμές που λαμβάνονται απευθείας από τα αρχικά δεδομένα. Η δεύτερη κατηγορία βασίζεται σε διαφορετικές μεθόδους αποσύνθεσης και περιλαμβάνει διάφορες παραμέτρους αποσύνθεσης, ενώ ο τρίτος τύπος περιλαμβάνει το δείκτη ραντάρ για τη βλάστηση και τη συνολική ισχύ. Οι συνολικοί παράμετροι, οι οποίοι εξάγονται από κάθε εικόνα RADARSAT-2 είναι 47.

Η υπολογιστική πολυπλοκότητα αυξάνεται όταν χρησιμοποιούνται όλες οι παράμετροι πόλωσης για τον προσδιορισμό των δασικών τύπων. Οι παράμετροι αυτές είναι ιδιαίτερα σημαντικές, καθώς η αύξησή τους αυξάνει το ‘θόρυβο’ σε σημείο που δεν διακρίνονται οι δασικοί τύποι. Συνεπώς, πρέπει να προηγηθεί η εξάλειψη ορισμένων στοιχείων. Το μοντέλο Random Forest επιλέγει τις μεταβλητές ανάλογα με τη σημαντικότητά τους (η μεγάλη σημαντικότητα μειώνει την ικανότητα πρόβλεψης και αυξάνει τα σφάλματα στο μοντέλο), ενώ τα αρχικά δεδομένα ΟΟΒ επικυρώνουν το μοντέλο και αυξάνουν την ακρίβειά του. Η διαφορά ακρίβειας έγκειται από τον υπολογισμό των αρχικών δεδομένων ΟΟΒ και των νέων ΟΟΒ, με το επίπεδο του θορύβου να αντιπροσωπεύει τη σπουδαιότητα της αντίστοιχης μεταβλητής. Επιπλέον, μια αύξηση της σημασίας της μεταβλητής του μοντέλου μειώνει σημαντικά την ακρίβεια.

[[Εικόνα:Benchl_p3_pic2.png| thumb| right|'''Διάγραμμα 1:''' Διαχωρισμός των δειγμάτων εκπαίδευσης, πηγή: Ying ''et al.'' 2018.]]

'''Διαχωρισμός δειγμάτων'''

Η διαχωρισιμότητα ROI των δειγμάτων εκπαίδευσης διαφορετικών αντικειμένων κυμαίνεται από 0 έως 2 και παρουσιάζει βελτιωμένη διαχωρισιμότητα δειγμάτων όταν η τιμή είναι πιο κοντά στο 2. Σύμφωνα με τα δεδομένα απογραφής δασικών πόρων και τις εικόνες SPOT, τα δείγματα εκπαίδευσης διαφορετικών δασικών τύπων επιλέχθηκαν έτσι ώστε να είναι ομοιόμορφα κατανεμημένα σε εικόνες με εμφανή χαρακτηριστικά: 200 ομοιόμορφα δείγματα εκπαίδευσης για τα δάση B. platyphylla, P. sylvestris και L. gmelinii και 50 ομοιόμορφα δείγματα εκπαίδευσης για τα δάση P. koraiensis δάσος και μη δάσος.

'''3. Αποτελέσματα'''

'''Υπολογισμός διαχωρισιμότητας'''

Τα αποτελέσματα από το συνδυασμό των εικόνων RADARSAT και SPOT του Αυγούστου και του Νοεμβρίου έδειξαν τα εξής: 1) ανεπαρκής διαφοροποίηση του δάσους B. Platyphylla, καθώς η ανάπτυξη των δέντρων ήταν πιο πλούσια τον Αύγουστο με σχετικά παρόμοιο χαρακτηριστικό σκέδασης με αυτό των κωνοφόρων, 2) η διαχωριστικότητα των δειγμάτων εκπαίδευσης βελτιώθηκε, διότι ο αριθμός των φύλλων του δάσους πλατύφυλλων τον Νοέμβριο μειώθηκε και 3) τα χαρακτηριστικά σκέδασης και τα φασματικά χαρακτηριστικά του P. sylvestris, L. gmelinii, και P. koraiensis ήταν εύκολα διακριτέα, χωρίς τις επιδράσεις του δάσους πλατύφυλλων, σε αντίθεση με την περίπτωση που επιλέχθηκαν μόνο εικόνες SPOT. Ως εκ τούτου, προστέθηκαν μερικές παράμετροι της εικόνας SAR για την ταξινόμηση, με την υψηλότερη διαχωρισιμότητα των δειγμάτων εκπαίδευσης να παρατηρήθηκε όταν χρησιμοποιήθηκαν οι συνδυασμοί φασματικών και σκεδαστικών χαρακτηριστικών από εικόνες SPOT και RADARSAT τον Αύγουστο και το Νοέμβριο.

'''Αποτελέσματα ταξινόμησης και ανάλυση'''

Η ακρίβεια της ταξινόμησης των δασικών τύπων του δασικού αγροκτήματος Pangu αντιστοιχούσε στο 77%, με το δάσος B. Platyphylla να διακρίνεται με ακρίβεια σε σχέση με τα δάση κωνοφόρων. Όσον αφορά τα δάση κωνοφόρων, το L. gmelinii, P. koraiensis, και P. sylvestris, παρατηρήθηκε ένας βαθμός ανάμειξής τους, με αποτέλεσμα η ταξινόμηση με χρήση οπτικών εικόνων να μην είναι ικανοποιητικά ακριβής. Για αυτό το λόγο, προστέθηκαν εικόνες RADARSAT-2 για την ταυτοποίηση των δασικών τύπων, συμπληρωματικά με τις οπτικές εικόνες.
Από το συνδυασμό των εικόνων SPOT και RADARSAT-2 του Αυγούστου, η ακρίβεια του αποτελέσματος ταξινόμησης ήταν 80%, με το αποτέλεσμα να βελτιώθηκε εμφανώς μετά την προσθήκη αποσυντεθειμένων παραμέτρων από τις εικόνες RADARSAT-2. Ωστόσο, εξαιτίας των τυχαίων και πολύπλοκων χαρακτηριστικών σκέδασης της βλάστησης τον Αύγουστο, τα δεδομένα είναι περιορισμένα ως προς την ικανότητά τους να βελτιώσουν την ταξινόμηση των ανοικτών δασικών εκτάσεων του δάσους B. platyphylla και των μη δασικών εκτάσεων.

Από το συνδυασμό των εικόνων SPOT και RADARSAT-2 του Νοεμβρίου, η ακρίβεια του αποτελέσματος ταξινόμησης ήταν 85%, ανώτερο ποσοστό από την ακρίβεια ταξινόμησης της χρήσης των εικόνων SPOT και RADARSAT-2 του Αυγούστου. Ο Νοέμβριος είναι ο μήνας που πραγματοποιείται η πτώση των φύλλων στο δάσος B. Platyphylla, βοηθώντας τη διάκριση μεταξύ των L. gmelinii, P. koraiensis και P. sylvestris. Στην εικόνα 5, η ακρίβεια του αποτελέσματος ταξινόμησης ήταν 88%, με το συνδυασμό εικόνων SPOT και RADARSAT-2 από τον Αύγουστο και το Νοέμβριο, βελτιώνοντας τη συνολική ακρίβεια μέσα από το συνδυασμό των πολυφασικών χαρακτηριστικών παραμέτρων πόλωσης και των οπτικών εικόνων.

'''4. Συζήτηση'''

Η χρήση της μεθόδου ταξινόμησης Random Forest με βάση τα δεδομένα πόλωσης, τις φασματικές πληροφορίες και τα χαρακτηριστικά φάσης που αντανακλώνται από τα πολυφασικά μικροκύματα και τις οπτικές εικόνες, παρείχαν ακριβέστερη ταξινόμηση των δασών σε σχέση με οποιαδήποτε από τις μεμονωμένες μεθόδους. Η χρήση μόνο των φασματικών πληροφοριών από τις εικόνες SPOT5 μπέρδεψε τα δάση κωνοφόρων, εξαιτίας των σχετικά κοντινών φασματικών χαρακτηριστικών με ακρίβεια μόνο 77%, ενώ η προσθήκη των δεδομένων SAR πλήρους πόλωσης από Αύγουστο και Νοέμβριο αύξησαν τα επίπεδα ακρίβειας σε 80 και 85%, αντίστοιχα. Η μέγιστη συνολική ακρίβεια ήταν 88% με την εισαγωγή των πολυφασικών εικόνων RADARSAT-2.
Η πολυπλοκότητα του δάσους προκάλεσε δυσκολίες στην εξαγωγή χαρακτηριστικών μεταξύ διαφορετικών τύπων δασών. Καθότι για την ταξινόμηση των δασικών τύπων χρησιμοποιήθηκαν δεδομένα SAR πλήρους πόλωσης, μπορούν να προστεθούν δεδομένα υφής. Επίσης, αγνοήθηκαν οι πληροφορίες παρεμβολής από τις εικόνες RADARSAT-2. Ωστόσο, σε μελλοντικές μελέτες, τα αποτελέσματα της ταξινόμησης μπορούν να βελτιωθούν με τη χρήση των πληροφοριών παρεμβολής.

[[category:Αναγνώριση δασικών ειδών]]

Αρχείο:Benchl p3 pic6.png

2023-02-08T18:12:22Z

Chloebenou:

Αρχείο:Benchl p3 pic5.png

2023-02-08T18:12:05Z

Chloebenou:

Αρχείο:Benchl p3 pic4.png

2023-02-08T18:11:50Z

Chloebenou:

Αρχείο:Benchl p3 pic3.png

2023-02-08T18:11:32Z

Chloebenou:

Αρχείο:Benchl p3 pic2.png

2023-02-08T18:04:22Z

Chloebenou:

Αρχείο:Benchl p3 pic1.png

2023-02-08T18:04:07Z

Chloebenou:

Αξιολόγηση απειλών για τη διατήρηση της βιοποικιλότητας σε δασικά οικοσυστήματα χρησιμοποιώντας γεωχωρικές τεχνικές

2023-02-07T22:20:57Z

Chloebenou:

'''Πρωτότυπος Τίτλος''': Threat Evaluation for Biodiversity Conservation of Forest Ecosystems Using Geospatial Techniques: A case study of Odisha, India.

'''Συγγραφείς''': Reddy C.S., Khuroo A.A., Hari Krishna P., Saranya K.R.L., Jha C.S. & Dadhwal V.K.

'''Δημοσιεύθηκε''': Ecological Engineering, 2014

'''Σύνδεσμος Πρότυπου Κειμένου''': http://dx.doi.org/10.1016/j.ecoleng.2014.05.006 [http://dx.doi.org/10.1016/j.ecoleng.2014.05.006]

'''Λέξεις κλειδιά''': βιοποικιλότητα, δασικό οικοσύστημα, απειλή, διατήρηση, γεωχωρική

[[Εικόνα:Benchl_p2_Picture1.png| thumb| right|'''Εικόνα 1:''' Δασική κάλυψη της περιοχής της Οντίσα το 1935, 1975 και 2010 αντίστοιχα, πηγή: Reddy ''et al.'' 2014.]]
[[Εικόνα:Benchl_p2_Picture2.png| thumb| right|'''Εικόνα 2:''' Ταξινόμηση απειλούμενων οικοσυστημάτων βασισμένα στην αποψίλωση την περίοδο 1935-2010 και 1975-2010 αντίστοιχα, πηγή: Reddy ''et al.'' 2014.]]

[[Εικόνα:Benchl_p2_Picture3.png| thumb| right|'''Εικόνα 3:''' Η πυκνότητα της δασικής κομοστέγης της Οντίσα το 1975 και 2010 αντίστοιχα, πηγή: Reddy ''et al.'' 2014.]]
[[Εικόνα:Benchl_p2_eik4.png| thumb| right|'''Εικόνα 4:''' Ταξινόμηση των απειλούμενων οικοσυστημάτων, σύμφωνα με τους δείκτες της δασικής υποβάθμισης, πηγή: Reddy ''et al.'' 2014.]]

'''1. Εισαγωγή'''

Ο ρόλος των δασικών οικοσυστημάτων είναι ζωτικής σημασίας στη διατήρηση της βιοποικιλότητας, της οικολογίας αλλά και της παγκόσμιας οικονομίας. Ο υπερπληθυσμός, η έντονη ανθρώπινη δραστηριότητα και η αποψίλωση επιφέρουν αλλαγές, οι οποίες επηρεάζουν άμεσα τη βιοποικιλότητα και την κλιματική αλλαγή. Την περίοδο 2000-2012 εκτιμήθηκε ότι χάθηκαν 2,3 εκατομμύρια km2 δασικής έκτασης σε παγκόσμιο επίπεδο, με ένα σταθερό ρυθμό απώλειας κατά 0,6%. Σε εκατό (100) χρόνια ενδέχεται να έχουν χαθεί εξ ολοκλήρου τα τροπικά δάση, στην περίπτωση που ο ρυθμός παραμείνει σταθερός. Οι βασικότερες απειλές που αντιμετωπίζουν τα τροπικά δάση είναι η υποβάθμιση των δασικών οικοσυστημάτων, o κατακερματισμός των ενδιαιτημάτων, η βιολογική εισβολή ξενικών ειδών και οι δασικές πυρκαγιές, οι οποίες προκαλούνται, κυρίως, από την ανθρώπινη δραστηριότητα. Συνεπώς, είναι σημαντική η μελέτη ποικίλων ανθρώπινων παραγόντων για το σχεδιασμό κατάλληλης στρατηγικής και την αντιμετώπιση του προβλήματος. Παραδοσιακά, η διαχείριση των οικοσυστημάτων πραγματοποιείται μέσω της μελέτης πεδίου, δημιουργώντας προβλήματα, εξαιτίας των μεγάλων γεωγραφικών εκτάσεων και αντίστοιχα, του μεγάλου όγκου στοιχείων που έπρεπε να συλλεχθεί για την ολοκλήρωση της μελέτης. Σήμερα, η παρακολούθηση των οικοσυστημάτων, με τις εξελιγμένες τεχνικές τηλεπισκόπησης, αποτελεί πλέον «κλειδί» για τη διαχείριση και την προστασία τους, προσφέροντας μια μεγάλη και εύχρηστη βάση δεδομένων από τους δορυφόρους της ατμόσφαιρας. Παρότι η παγκόσμια επιστημονική γνώση για τα κινδυνεύοντα είδη των τροπικών οικοσυστημάτων είναι περιορισμένη, με το 56% των taxa να μην έχουν επαρκή στοιχεία, ωστόσο, η ολοκληρωμένη διαχείριση των κινδυνευόντων οικοσυστημάτων μπορεί να προσφέρει νέο υλικό, σε αντίθεση με τη διαχείριση σε επίπεδο ειδών, η οποία παρουσιάζει ελλείψεις, λόγω μικρής ταξονομικής κάλυψης. Συνεπώς, είναι σημαντική η αντιμετώπιση της απειλής των οικοσυστημάτων ως προτεραιότητα, με τη διεξαγωγή στοχευμένων μελετών στην προσπάθεια διατήρησης των οικοσυστημάτων. Η Ινδία έχει τροπικά δάση μεγάλης φυτοποικιλότητας τροπικών, υποτροπικών και εύκρατων τύπων, τα οποία απειλούνται όχι μόνο από την αστικοποίηση, τη βιομηχανοποίηση, την υπερβόσκηση, τις πυρκαγιές, την εισβολή ξενικών ειδών και την εξόρυξη, αλλά κυρίως από τις τοπικές μονοκαλλιέργειες, οι οποίες αυξάνονται ραγδαία εις βάρος της δασικής έκτασης. Για να χαρακτηριστεί ένα οικοσύστημα, δηλαδή το σύνολο των βιοτικών και αβιοτικών παραγόντων που αλληλεπιδρούν σε μια γεωγραφική έκταση, ως απειλούμενο, πρέπει να τηρούνται συγκεκριμένα ποσοτικά κριτήρια, όπως είναι ο βαθμός υποβάθμισης και η γεωγραφική του έκταση. Από το συνδυασμό των δύο προκύπτει η ποσοτικοποίηση της υποβάθμισης, η οποία είναι απαραίτητη για την επιτυχή διαχείριση των οικοσυστημάτων. Επομένως, κατά τη διαδικασία αξιολόγησης των απειλούμενων οικοσυστημάτων, στόχος είναι η επίλυση των κριτηρίων αυτών και η εκμηδένιση των ρίσκων που αντιμετωπίζουν. Η κόκκινη λίστα IUCN για τα απειλούμενα είδη (International Union for Conservation of Nature and Natural Resources) περιλαμβάνει χρήσιμες πληροφορίες σε επίπεδο είδους, οι οποίες μπορούν να εφαρμοστούν και σε επίπεδο οικοσυστήματος, με προσαρμογές, καθώς η απειλή των ειδών συνδέεται άμεσα με τα προβλήματα που παρουσιάζονται στο ενδιαίτημά τους (αναταραχές ως προς τη γεωγραφική εξάπλωση, την αφθονία και τις εποχικές μετακινήσεις). Σε αυτή την περίπτωση, αποτελεί μεγάλη βοήθεια η οριοθέτηση βιολογικών χαρακτηριστικών, μέσω της διαφοροποίησης για παράδειγμα, των τύπων βλάστησης, καθώς οπτικοποιούνται τα όρια των οικοσυστημάτων. Συνεπώς, η προτεραιότητα των μελετών μπορεί να αποκτήσει πιο στοχευμένα στοιχεία. Επίσης, τα χαρακτηριστικά που παρουσιάζουν τα απειλούμενα οικοσυστήματα, όπως είναι η μείωση της δασικής έκτασης, μπορούν να είναι είτε ποσοτικά, όπως η αποψίλωση, η οποία καταμετράται, είτε ποιοτικά, όπως η υποβάθμιση, η οποία περιλαμβάνει αλλαγές στη δομή, τη σύνθεση και τη λειτουργία των οικοσυστημάτων. Σχετικά με το ζήτημα της μείωσης των οικοσυστημάτων της Ινδίας, ως προς το μέγεθος ή την ποιότητά τους, δεν υπάρχουν επαρκή επιστημονικά στοιχεία. Ωστόσο, έχουν προκύψει αλλαγές στη δασική οικολογία της περιοχής. Στην παρούσα έρευνα συνδυάστηκαν οι μέθοδοι τηλεπισκόπησης (GIS) με τα στοιχεία του ενδιαιτήματος της Οντίσα, στην Ινδία, για την οριοθέτηση των απειλούμενων οικοσυστημάτων, χρησιμοποιώντας ως άξονες τα εξής πέντε προβλήματα: i) αποψίλωση, ii) δασική υποβάθμιση, iii) κατακερματισμός, iv) δασικές πυρκαγιές και v) βιολογική εισβολή ξενικών ειδών, τα οποία παρουσιάζονται στην περιοχή αυτή.

'''2. Περιοχή Μελέτης'''

Η περιοχή της Οντίσα, με συντεταγμένες από 81°24’ ως 87° 29’ Α και 17° 48’ ως 22° 34’ Β, βρίσκεται στην ανατολική ακτογραμμή της Ινδικής Χερσονήσου. Το συνολικό μέγεθος της περιοχής είναι 155.707 km2, ενώ το νοτιοανατολικό της μέρος καταλαμβάνει ακτή, μήκους 482 km. Περιλαμβάνει τρεις φυτογεωγραφικές ζώνες: Το ανατολικό Γκατς, το οροπέδιο του Νεκάν και οι παράκτιες πεδιάδες. Ως προς τη βλάστηση, υπάρχουν στην περιοχή τα τροπικά δάση, με κυρίαρχα τα πλατύφυλλα είδη (υγρά 75%, ξηρά 21%, ημιαειθαλή 3% και μαγκρόβια 0,6%), τα οποία καταλαμβάνουν το 7,1% της συνολικής δασικής κάλυψης της Ινδίας. Θεωρείται η πέμπτη σε κατάταξη περιοχή της Ινδίας, ως προς την καταγραφή της δασικής έκτασης, με συνολική δασική κάλυψη 48.903 km2, καλύπτοντας το 7,1% της συνολικής δασικής κάλυψης της Ινδίας. Επίσης, η περιοχή μελέτης παρουσιάζει μεγάλη ετερογένεια ενδιαιτημάτων, εξαιτίας των εδαφικών και υψομετρικών χαρακτηριστικών της, με τις υψηλότερες κορυφές να είναι οι εξής: Μαχεντραγκίρι (1500 m), Σινγκαράτζου (1515 m), Τουριακόντα (1599 m) και Ντεομάλι (1673 m). Επιπλέον, περιλαμβάνει τις δύο περιοχές Ραμσάρ της Ινδίας, τη λίμνη Τσιλίκα και τα μαγκρόβια της Μπιταρκανίκα, όπως και τρεις κύριους ποταμούς, τους Μαχανάντι, Μπραχμάνι και Μπαϊταρανί, ενώ ταυτόχρονα κατέχει το δεύτερο μεγαλύτερο ποσοστό σε φυλετικό πληθυσμό.

[[Εικόνα:Benchl_p2_sxima1.png| thumb| right|'''Σχήμα 1:''' Βήματα της μεθοδολογίας που χρησιμοποιήθηκε στη μελέτη, πηγή: Reddy ''et al.'' 2014.]]

[[Εικόνα:Benchl_p2_pinakas1.png| thumb| right|'''Πίνακας 1:''' Ποσοτικά κριτήρια για την αξιολόγηση της απειλής των δασικών οικοσυστημάτων στην Οντίσα, Ινδία, πηγή: Reddy ''et al.'' 2014.]]

'''3. Υλικά και Μεθοδολογία'''

'''''3.1. Επεξεργασία δορυφορικών δεδομένων'''''

Τα λογισμικά που χρησιμοποιήθηκαν στην έρευνα αυτή ήταν το ERDAS IMAGINE 11 και το ArcGIS, σύμφωνα με τα οποία, πραγματοποιήθηκε η επεξεργασία των εικόνων και αναλύθηκαν τα γεωγραφικά τους δεδομένα, αφού πρώτα διορθώθηκαν γεωμετρικά και ραδιομετρικά. Ακολουθήθηκε η επαναδειγματοληψία του εγγύτερου γείτονα (Nearest Neighbor resampling), με γεωαναφορά στο Παγκόσμιο Εγκάρσιο Μερκατορικό Σύστημα (UTM) και σύστημα συντεταγμένων WGS84, ανάλυση 80 m και κλίμακα 1:250.000 κατά την τεχνική της υβριδικής ταξινόμησης. Επίσης, λήφθηκαν τυχαία δείγματα από 1900 τοποθεσίες, τα οποία χρησιμοποιήθηκαν στην τελική σύγκριση με τους ταξινομημένους χάρτες, με σκοπό την ποσοτικοποίηση της συνολικής ακρίβειας (Kappa).

'''''3.2. Παράμετροι και κριτήρια'''''

Χρησιμοποιήθηκαν και τα πέντε προβλήματα (αποψίλωση, δασική υποβάθμιση, κατακερματισμό ενδιαιτημάτων, δασικές πυρκαγιές και βιολογική εισβολή ξενικών ειδών) που απειλούν τα οικοσυστήματα, ακολουθώντας τη σειρά των βημάτων που φαίνονται στο σχήμα 1. Το μέγεθος των δειγματοληπτικών επιφανειών, σύμφωνα με το οποίο μπορεί να είναι εμφανής η απειλή στο οικοσύστημα, καθορίστηκε να είναι 5 km × 5 km (25 km2 η καθεμία), ενώ τα ποσοτικά κριτήρια σχετικά με το ποσοστό της απειλής αναδείχθηκαν, όπως φαίνεται στον πίνακα 1. Τα ποσοστά αυτά αντιστοιχούν στα είδη του προβλήματος, δηλαδή στην ποσοστιαία μείωση δάσους, στην έκταση πυρκαγιών, στην εξάπλωση της προσβολής των ξενικών ειδών κλπ και αποτελούν καινοτομία στην επιστημονική γνώση, καθώς είναι η πρώτη φορά που καταγράφονται.

''3.2.1. Αποψίλωση Δασών''

Για τη δημιουργία χωρικών δεδομένων σχετικά με τη δασική κάλυψη των τελευταίων 75 ετών, χρησιμοποιήθηκαν τοπογραφικοί χάρτες της περιόδου 1924-1935, κλίμακας 1:250.000. Τέθηκε η έννοια της αποψίλωσης ως η αλλαγή της κάλυψης γης, με την εξάντληση της κάλυψης της κόμης των δέντρων σε λιγότερο από 10%. Επιπλέον, για τη σύγκριση των δεδομένων διαχωρίστηκαν δύο περίοδοι: η ιστορική μείωση (1935-2010) και η μακροπρόθεσμη μείωση (1975-2010). Στην πρώτη, η μείωση >90% της δασικής κάλυψης θεωρείται κρισίμως κινδυνεύον οικοσύστημα, >70% θεωρείται κινδυνεύον και >50% ευάλωτο. Αντίστοιχα, στη δεύτερη, όταν η μείωση της δασικής κάλυψης είναι >80% τότε θεωρείται κρισίμως κινδυνεύον, >50% κινδυνεύον και >30% ευάλωτο. Η ανάλυση βασίστηκε στα δεδομένα των δύο αυτών χρονικών πλαισίων, όπου παρουσιάζονται αλλαγές στον αριθμό και την κατανομή των απειλούμενων οικοσυστημάτων.

''3.2.2. Υποβάθμιση Δασών''

Ο ορισμός της υποβάθμισης των δασών αναφέρεται στις μεταβολές εντός της δασικής περιοχής, οι οποίες επηρεάζουν αρνητικά τη δομή ή τις λειτουργίες του δάσους. Η υποβάθμιση, σε σύγκριση με την αποψίλωση των δασών, μπορεί να είναι πιο εύκολα ανιχνεύσιμη σε μεγαλύτερο χρονικό διάστημα, σύμφωνα με ενδείξεις, όπως είναι οι εξής: η μείωση των πληθυσμών των ειδών, η επίδραση των εμπρησμών στο δασικό οικοσύστημα, η κάλυψη της κόμης των δέντρων, η πυκνότητα του δασικού αποθέματος, ο τεμαχισμός της περιοχής, η κυριαρχία των εισβλητικών ξενικών ειδών, η παρουσία πρωτοπόρων ειδών, η γονιμότητα των εδαφών και η σύνθεση των ειδών. Τα χωρικά δεδομένα που χρησιμοποιήθηκαν ήταν σχετικά με τη χαρτογράφηση της πυκνότητας της κόμης των δέντρων, σύμφωνα με την οποία, οριοθετήθηκαν τα πυκνά δάση (>40% της κομοστέγης του δάσους) και τα ανοιχτά δάση (10-40% της κομοστέγης του δάσους). Επίσης, με βάση τον πίνακα απροσδιοριστίας, οι αλλαγές που προέκυψαν από πυκνό προς ανοιχτό δάσος θεωρήθηκαν ως ένδειξη δασικής υποβάθμισης, γεγονός που αποτελεί επιζήμια επίδραση στην ποικιλότητα των ειδών.

''3.2.3. Κατακερματισμός''

Ο κατακερματισμός των ενδιαιτημάτων των δασικών οικοσυστημάτων αποτελεί μέρος της δασικής υποβάθμισης και αφορά την απώλεια μεγάλου ποσοστού του αρχικού ενδιαιτήματος, ειδικότερα στην περίπτωση σημαντικού τεμαχισμού του, όπου καταλήγει να χάνει ορισμένα από τα είδη που κατοικούν σε αυτό. Διακόπτεται, ουσιαστικά, το συνεχές τοπίο, το οποίο τελικά, περιλαμβάνει πολλές μικρές και ασύνδετες μεταξύ τους χωροψηφίδες. Ο κατακερματισμός στη συγκεκριμένη μελέτη διακρίνεται σύμφωνα με τον αριθμό των δασικών χωροψηφίδων, σε σύγκριση με τον αριθμό μη δασικών χωροψηφίδων της κάθε επιφάνειας.

''3.2.4. Δασικές Πυρκαγιές''

Η έκταση της ζημιάς που μπορεί να δημιουργήσει μια δασική πυρκαγιά εξαρτάται σημαντικά από την ένταση της φωτιάς και μπορεί να προσδιοριστεί, σύμφωνα με τους χάρτες των καμένων περιοχών. Στη μελέτη χρησιμοποιήθηκε η επιβλεπόμενη ταξινόμηση, ένα εμπειρικό εργαλείο μοντελοποίησης, το οποίο εξάγει τη στατιστική σχέση μεταξύ μεταβλητών εισόδου και πραγματικών παραμέτρων των ενδιαιτημάτων. Επιπλέον, χρησιμοποιήθηκε η μέγιστη πιθανοφάνεια για την εξαγωγή εικονοστοιχείων (pixels) της πυρκαγιάς.

''3.2.5. Εισβολή Ξενικών Ειδών''

Η εισβολή ξενικών ειδών θεωρείται ως η δεύτερη μεγαλύτερη απειλή για την τοπική βιοποικιλότητα. Για τον προσδιορισμό της εισβολής αυτής πραγματοποιήθηκε φυτοκοινωνιολογική μελέτη, με δειγματοληψία φυτικών ειδών σε 1800 σημεία, καλύπτοντας το 0,002% της συνολικής δασικής περιοχής. Σε κάθε σημείο δειγματοληψίας καταγράφηκαν τα επιστημονικά ονόματα των ειδών των δέντρων, θάμνων, ποών και αναρριχώμενων φυτών της περιοχής, συνδυάζοντας τα στοιχεία αυτά με την αφθονία των πληθυσμών των εισβλητικών ξενικών ειδών. Δόθηκε βάση στα δασικά οικοσυστήματα ανοιχτής δασοκάλυψης, καθώς τα εισβλητικά είδη προτιμούν το φως, κατηγοριοποιώντας, έτσι, τις απειλούμενες δασικές περιοχές.

'''''3.3. Σημεία προτεραιότητας διαχείρισης'''''

Ο συνδυασμός των απειλών που αναφέρθηκαν προηγουμένως είναι ιδιαίτερα χρήσιμος για τον καθορισμό συγκεκριμένων ζωνών υψηλής προτεραιότητας, ως προς τη διαχείρισή τους. Η προτεραιότητα αυτή διακρίνεται ανάλογα με το βαθμό απειλής που παρουσιάζει ο κάθε παράγοντας (αποψίλωση, υποβάθμιση δασών κλπ), με τις τιμές να ανέρχονται από 1 έως 4. Οι παράγοντες αυτοί είναι ισάξιοι μεταξύ τους και μπορούν να συνδυαστούν σε διάφορα επίπεδα και να ταξινομηθούν σε τρεις κατηγορίες: Τα σημεία προτεραιότητας-Ι, τα οποία κατέχουν την υψηλότερη τιμή απειλής, εύρους 15-20, τα σημεία προτεραιότητας-ΙΙ, με τιμές 12-14 και τα σημεία προτεραιότητας-ΙΙΙ με τιμές 9-11.

[[Εικόνα:Benchl_p2_Picture5.png| thumb| right|'''Εικόνα 5:''' Δασικός κατακερματισμός στην Οντίσα το 2010 (αριστερά) και η ταξινόμηση των απειλούμενων οικοσυστημάτων σύμφωνα με το δασικό κατακερματισμό (δεξιά), πηγή: Reddy ''et al.'' 2014.]]

[[Εικόνα:Benchl_p2_Picture6.png| thumb| right|'''Εικόνα 6:''' Δασικές πυρκαγιές στην Οντίσα το 2010 και 2011 αντίστοιχα, πηγή: Reddy ''et al.'' 2014.]]

[[Εικόνα:Benchl_p2_eik7.png| thumb| right|'''Εικόνα 7:''' Ταξινόμηση των απειλούμενων οικοσυστημάτων σύμφωνα με τις δασικές πυρκαγιές, πηγή: Reddy ''et al.'' 2014.]]

[[Εικόνα:Benchl_p2_eik8.png| thumb| right|'''Εικόνα 8:''' Ταξινόμηση των απειλούμενων οικοσυστημάτων σύμφωνα με την εισβολή των ξενικών ειδών, πηγή: Reddy ''et al.'' 2014.]]

'''4. Αποτελέσματα και Συζήτηση'''

Στα αποτελέσματα της συγκεκριμένης μελέτης ορίστηκαν τα όρια κάθε κριτηρίου, τα οποία αντικατοπτρίζουν τα διαφορετικά επίπεδα κινδύνου (ευάλωτο, κινδυνεύον κλπ). Σχετικά με την αποψίλωση των δασών, στην περιοχή της Οντίσα καταγράφηκε η δασική κάλυψη για τα έτη 1935, 1975 και 2012, με κάλυψη 81.786 km2 (52,5%), 56.661 km2 (36,4%) και 48.669 km2 (31,3%) αντίστοιχα. Η συνολική μείωση της δασικής έκτασης ανέρχεται στο 40.5%, ενώ ο μέσος ετήσιος ρυθμός μείωσής της, για τη χρονική περίοδο από το 1935 μέχρι το 2010, ανέρχεται σε 0,69%. Η ετήσια απώλεια δασικής έκτασης για την περίοδο 1975-2010 υπολογίστηκε ως 228 km2, με την ακρίβεια της ταξινόμησης να φτάνει το 94,1% και τιμή Kappa 0,91. Μετρήθηκαν, κατά την ιστορική μείωση (1935-2010), 677 εξαφανισμένα, 1279 κρισίμως κινδυνεύοντα, 1102 κινδυνεύοντα και 1190 ευάλωτα οικοσυστήματα, με τα περισσότερα στοιχεία να σχετίζονται με τη μετατροπή της δασικής κάλυψης σε γεωργική γη, ιδιαίτερα στις παράκτιες περιοχές. Αντίστοιχα, για τη μακροπρόθεσμη μείωση (1975-2010), καταγράφηκαν 154 εξαφανισμένα, 233 κρισίμως κινδυνεύοντα, 483 κινδυνεύοντα και 1011 ευάλωτα οικοσυστήματα. Η αποψίλωση αφορά περιοχές, οι οποίες έχουν πλούσια εδαφική γονιμότητα και ορυκτά αποθέματα, ενώ παράλληλα είναι έντονη η αστικοποίηση και η βιομηχανοποίησή τους. Η εξόρυξη αποτελεί τη βασική αιτία της αποψίλωσης της περιοχής, με τις προστατευόμενες περιοχές της Οντίσα, συγκεκριμένα το εθνικό πάρκο Σιμιλιπάλ να παρουσιάζει τη μικρότερη ή αμελητέα μεταβολή της δασικής έκτασης.

Ως προς τη δασική υποβάθμιση, δημιουργήθηκαν χάρτες πυκνότητας της κομοστέγης, με εμφανή μείωσή τους την περίοδο 1975-2010, από έκταση 29.880 km2 το 1975 σε 24.423 km2 το 2010, δηλαδή την απώλεια του 35,7%. Η μείωση αυτή μπορεί να οφείλεται στη μετακινούμενη καλλιέργεια, στην υλοτομία, την υπερβόσκηση, την εξόρυξη, τα λατομεία, την υπερβολική συλλογή καυσόξυλων και την εκμετάλλευση δασικών προϊόντων. 67 σημεία της περιοχής χαρακτηρίστηκαν ως κρισίμως κινδυνεύοντα, άμεσης ανάγκης προστασίας, αποκατάστασης και διαχείρισης. Οι προστατευόμενες περιοχές, ωστόσο, όπως το πάρκο Σιμιλιπάλ, το καταφύγιο άγριας ζωής Καρλαπάτ κ.ά. δεν παρουσίασαν αρνητικές επιδράσεις στη δασοκάλυψή τους.

Σχετικά με τον κατακερματισμό των οικοσυστημάτων, δημιουργήθηκαν τρεις κλάσεις χαμηλού, μέτριου και υψηλού κατακερματισμού για την περίοδο του 2010. Η ανάλυση ανέδειξε 103 περιοχές υψηλού κατακερματισμού, οι οποίες εντάχθηκαν στην κατηγορία κρισίμως κινδυνεύοντα οικοσυστήματα, με τις προστατευόμενες περιοχές του Σιμιλιπάλ, Καρλαπάτ κ.ά. να παρουσιάζουν χαμηλό τεμαχισμό. Είναι εμφανής η διαφορά μεταξύ των περιοχών στις οποίες η ανθρώπινη δραστηριότητα είναι περιορισμένη και εκείνων, οι οποίες υφίστανται έντονο δασικό κατακερματισμό και συνεπώς, υποβάθμιση και απαιτούν άμεσα ενέργειες διατήρησης του φυσικού πλούτου.

Όσον αφορά τις δασικές πυρκαγιές, υπολογίστηκε πως ετησίως καίγεται το 16% της δασικής έκτασης της περιοχής μελέτης, με τη συνολική καμένη έκταση να ανέρχεται στα 8.513 km2 το 2010 (17,5% της συνολικής δασικής έκτασης) και 7.424 km2 το 2011 (15,3%). Μετρήθηκαν 404 περιοχές που εντάχθηκαν στην κατηγορία κρισίμως κινδυνεύοντα οικοσυστήματα, με περισσότερο από το 80% να αποτελεί καμένη έκταση. Οι δασικές πυρκαγιές στην Οντίσα είναι διασκοπρισμένες σε ολόκληρη την έκταση, εκτός από τις περιοχές που παρουσιάζουν παράκτια βλάστηση.

Ως προς την εισβολή των ξενικών ειδών, το 1% εντάχθηκε στα κρισίμως κινδυνεύοντα οικοσυστήματα, τα οποία αντιμετωπίζουν σοβαρή απειλή από εισβλητικά είδη, όπως είναι τα ''Chromolaena odorata, Cassia tora, Hyptis suaveolens'' και ''Ageratum conyzoides''. Τα είδη αυτά είναι επιθετικά εισβλητικά και στη μελέτη βρέθηκε ότι καλύπτουν περισσότερο από το 80% των εισβλητικών πληθυσμών. Στα λιγότερο ανησυχητικά οικοσυστήματα κυριαρχούν τα ποώδη είδη: ''Elephantopus scaber, Rungia pectinata, Hemigraphis latebrosa, Desmodium triflorum'' και ''Canscora decussat.''

Στην ανάλυση για τα σημεία προτεραιότητας διαχείρισης πραγματοποιήθηκε ο συνδυασμός των πολλαπλών απειλών, με το 5,8% (326 περιοχές) της δασικής έκτασης να εμφανίζει υψηλό επίπεδο επικινδυνότητας οικοσυστήματος, το οποίο εντάχθηκε στην κατηγορία των σημείων προτεραιότητας-Ι. Ακολούθησε το 12,4% (694 περιοχές) στην κατηγορία των σημείων προτεραιότητας-ΙΙ και το 12,5% στην κατηγορία των σημείων προτεραιότητας-ΙΙΙ. Δόθηκε προτεραιότητα στις περιοχές μεγαλύτερης επικινδυνότητας, ειδικότερα ως προς την τοπική εξαφάνιση ορισμένων ειδών, θέτοντας το υπόβαθρο για άμεση εφαρμογή διαχειριστικών προγραμμάτων στα δασικά οικοσυστήματα.

Τα αποτελέσματα της συγκεκριμένης έρευνας αναδεικνύουν σημαντική απώλεια βιοποικιλότητας στα δασικά οικοσυστήματα της Οντίσα. Με βάση τα χωρικά δεδομένα που αναλύθηκαν, αναπτύχθηκαν ζώνες υψηλού βαθμού απειλής, ως προς την αξιολόγηση της διατήρησης των οικοσυστημάτων αυτών. Η παγκόσμια οριοθέτηση των οικοσυστημάτων είναι δύσκολο να συμβεί, καθώς οι αλληλεπιδράσεις μεταξύ των ειδών και οι οικολογικές διεργασίες μπορούν να προκύψουν σε διάφορες χωροχρονικές αναλύσεις. Ωστόσο, η μέχρι σήμερα έρευνα δείχνει ότι λιγότερες διεργασίες φαίνεται να αποτυπώνονται σε μικρή κλίμακα, σε αντίθεση με τη μεγάλη, σε επίπεδο τοπίου (πχ μέγεθος χωροψηφίδας 100 km × 100 km). Σχετικά με τη διαφοροποίηση των οικοσυστημάτων μεταξύ των περιόδων 1935-2010 και 1975-2010, φαίνεται ότι η μεταβολή των εκτάσεων ήταν μεγαλύτερη την πρώτη περίοδο, σε σύγκριση με τη δεύτερη, στην οποία οι μετασχηματισμένες περιοχές είναι σαφείς και αρκετά μικρές σε μέγεθος. Οι περιοχές αυτές βρίσκονται κοντά σε καλλιέργειες, ακτές και δασικούς λόφους. Επίσης, ο ρυθμός της αποψίλωσης μειώθηκε δραστικά τη δεύτερη περίοδο σε σχέση με την περίοδο 1935-1975, χάρη στην εφαρμογή μέτρων προστασίας. Οι δασικές πυρκαγιές στην Οντίσα, καθώς επηρεάζουν το επιφανειακό έδαφος, δεν μπορούν να αλλάξουν το είδος της κάλυψης γης μετά από ένα μόνο περιστατικό. Ωστόσο, δημιουργούν κενά στην κομοστέγη των δέντρων, γεγονός που επιτρέπει την είσοδο και ανάπτυξη των εισβλητικών ειδών.

Τα δεδομένα που προέκυψαν από την έρευνα αυτή θα είναι χρήσιμα σε μελέτες οικολογικής αξιολόγησης και σε στρατηγικές περιβαλλοντικού σχεδιασμού, καθώς δίνεται βάση στην αξιολόγηση των απειλούμενων οικοσυστημάτων που υφίστανται σοβαρές απειλές, άμεσα συνδεδεμένες με την περιβαλλοντική αλλαγή. Η κατανόηση των παραγόντων αυτών βοηθά σημαντικά στη διατήρηση της βιοποικιλότητας, με τις περιοχές σχετικά υψηλού κινδύνου εξαφάνισης να τίθενται σε προτεραιότητα για ολοκληρωμένα σχέδια διατήρησης. Η οικοσυστημική προσέγγιση φαίνεται να είναι περισσότερο αποτελεσματική και αποδοτική, συγκριτικά με την προσέγγιση μεμονωμένων ειδών. Επίσης, η ανάλυση Γεωγραφικών Συστημάτων Πληροφοριών (GIS) μπορεί να παρέχει ουσιώδη πληροφορία για την απώλεια της βιοποικιλότητας, τις οικολογικές διεργασίες και τη διαχείριση των οικοσυστημάτων, όπως και για την αξιολόγηση του βαθμού απειλής και την κατάταξη των απειλούμενων οικοσυστημάτων.

Τα συμπεράσματα που προκύπτουν σχετίζονται άμεσα με τα στοιχεία των δημιουργούμενων χαρτών, οι οποίοι παρουσιάζουν τα είδη των απειλών των οικοσυστημάτων: την αποψίλωση, τη δασική υποβάθμιση, τον κατακερματισμό, τις δασικές πυρκαγιές και τη βιολογική εισβολή ξενικών ειδών. Όλες οι κατηγορίες αυτές εμφάνισαν επαρκή στοιχεία για την τελική αξιολόγηση της απειλής, δίνοντας βάση στις αρνητικές επιπτώσεις που επιφέρουν στα οικοσυστήματα και τα είδη, τα οποία είναι πιθανό να απειλούνται περισσότερο. Συνεπώς, η εφαρμογή προγραμμάτων διατήρησης και διαχείρισης των οικοσυστημάτων προτεραιότητας Ι, ΙΙ και ΙΙΙ είναι ιδιαίτερα σημαντική, όπως και η καταγραφή των οικοσυστημάτων στην κόκκινη λίστα, με τη βοήθεια της τηλεπισκόπησης και των δεδομένων πεδίου. Στη συγκεκριμένη μελέτη ταξινομήθηκαν αντικειμενικά οι απειλές του οικοσυστήματος, γεγονός το οποίο μπορεί να αποτελέσει μια αφετηρία για τη χρήση γεωχωρικών τεχνικών, με στόχο την ανάπτυξη μιας βάσης δεδομένων για τα απειλούμενα οικοσυστήματα. Παρόμοιες μελέτες μπορούν να πραγματοποιηθούν και σε κλίμακα ηπείρου, παρέχοντας πληροφορίες για την αναβάθμιση της κατανόησης της απώλειας της βιοποικιλότητας σε επίπεδο οικοσυστήματος.

[[category:Εκτίμηση βιοπικοιλότητας]]

Αρχείο:Benchl p2 eik8.png

2023-02-07T22:20:05Z

Chloebenou:

Αξιολόγηση απειλών για τη διατήρηση της βιοποικιλότητας σε δασικά οικοσυστήματα χρησιμοποιώντας γεωχωρικές τεχνικές

2023-02-07T16:25:56Z

Chloebenou: Νέα σελίδα με ''''Πρωτότυπος Τίτλος''': Threat Evaluation for Biodiversity Conservation of Forest Ecosystems Using Geospatial Techniques: A case study of Odisha, India. ...'

Αρχείο:Benchl p2 eik7.png

2023-02-07T16:07:19Z

Chloebenou:

Αρχείο:Benchl p2 Picture6.png

2023-02-07T16:06:59Z

Chloebenou:

Αρχείο:Benchl p2 Picture5.png

2023-02-07T16:06:20Z

Chloebenou:

Αρχείο:Benchl p2 eik4.png

2023-02-07T16:04:48Z

Chloebenou:

Αρχείο:Benchl p2 Picture3.png

2023-02-07T16:04:13Z

Chloebenou:

Αρχείο:Benchl p2 Picture2.png

2023-02-07T16:00:11Z

Chloebenou:

Αρχείο:Benchl p2 Picture1.png

2023-02-07T15:58:46Z

Chloebenou:

Αρχείο:Benchl p2 pinakas1.png

2023-02-07T15:58:15Z

Chloebenou:

Αρχείο:Benchl p2 sxima1.png

2023-02-07T15:57:54Z

Chloebenou:

Αξιολόγηση Οπτικών Δεδομένων Τηλεπισκόπησης σε Χαρτογράφηση Καμένων Περιοχών στο νησί της Θάσου

2023-02-07T15:46:48Z

Chloebenou:

'''Πρωτότυπος Τίτλος''': Evaluation of Optical Remote Sensing Data in Burned Areas Mapping of Thasos Island, Greece.

'''Συγγραφείς''': Elhag Μ., Yimaz Ν., Bahrawi J. & Boteva S.

'''Δημοσιεύθηκε''': Earth Systems and Environment, 2020

'''Σύνδεσμος Πρότυπου Κειμένου''': https://doi.org/10.1007/s41748-020-00195-1 [https://doi.org/10.1007/s41748-020-00195-1]

'''Λέξεις κλειδιά''': δασικές πυρκαγιές, μεσογειακό οικοσύστημα, NDVI

[[Εικόνα:Benchl_p1_xartis1.png| thumb| right|'''Εικόνα 1:''' Καμένες περιοχές Θάσου με οπτική απόδοση μέσω του καναλιού 5 για το 2016 (αριστερά) σε μαύρο χρώμα και 6 για το 2018 (δεξιά) σε άσπρο, πηγή: Elhag ''et al.'' 2020.]]

[[Εικόνα:Benchl_p1_xartis2.png| thumb| right|'''Εικόνα 2:''' Καμένες περιοχές Θάσου συνδυάζοντας τους χάρτες της εικ. 1 (αριστερά) και η διαφοροποίηση του NDVI (δεξιά), πηγή: Elhag ''et al.'' 2020.]]

'''1. Εισαγωγή'''

Στην Ελλάδα, οι περισσότερες δασικές περιοχές αντιμετωπίζουν κάθε χρόνο προβλήματα δασικών πυρκαγιών. Τα τελευταία χρόνια παρατηρείται αύξηση του φαινομένου στη χώρα, με αποκορύφωμα το 2016, όπου σημειώθηκε ο μέγιστος αριθμός των 206 πυρκαγιών και η συνολική καμένη έκταση των 6938,8 ha. Αιτία είναι κυρίως ο εμπρησμός, με τις καλοκαιρινές καιρικές συνθήκες να ευνοούν την εξάπλωσή τους. Το κλίμα, (υψηλές θερμοκρασίες, χαμηλή υγρασία και μεγάλη ξηροθερμική περίοδος), όπως και τα εύφλεκτα φρύγανα ευνοούν σημαντικά την πρόκληση μιας πυρκαγιάς, με χαρακτηριστικό παράδειγμα το νησί της Κρήτης.
Η αξιολόγηση των δασικών πυρκαγιών έχει ως στόχο την πρόληψη και την καταστολή τους, δίνοντας βάση στη συγκομιδή της ξυλείας και τις οικολογικές επιπτώσεις της περιοχής. Ως εκ τούτου, η χαρτογράφηση αποτελεί ουσιώδες εργαλείο καταγραφής τους, χρησιμοποιώντας διάφορες τεχνικές τηλεπισκόπησης και μηχανισμούς ανίχνευσης των καμένων περιοχών (δείκτες βλάστησης NDVI, μοντέλα λογιστικής παλινδρόμησης, ανάλυση κύριου στοιχείου PCA). Στη συγκεκριμένη έρευνα λήφθηκαν πολυφασματικά δεδομένα από εικόνες Landsat-8 και αεροφωτογραφίες, εντοπίζοντας τις αλλαγές που παρουσιάστηκαν πριν και μετά τις πυρκαγιές. Επίσης, δόθηκε βάση στη διερεύνηση της αποτελεσματικότητας της PCA ως προς τη βελτίωση της χαρτογράφησης, στον καθορισμό του καταλληλότερου συνδυασμού καναλιών για τη χαρτογράφηση της καμένης περιοχής και στην εκτίμηση της ακρίβειας του χάρτη σε σχέση με τα επίσημα στοιχεία της Δασικής Υπηρεσίας.

'''2. Μεθοδολογία'''

Η περιοχή έρευνας ήταν το βορειότερο νησί της Ελλάδας, η Θάσος. Ανήκει στην περιφέρεια της Καβάλας στην Κεντρική Μακεδονία, με συντεταγμένες από 24°30’ έως 24°48’ Α και από 40°33’ έως 40°49’ Β. Η τοπογραφία της Θάσου χαρακτηρίζεται ως ορεινή, με μέγιστο υψόμετρο τα 1217 m. Το κλίμα είναι μεσογειακό, με υγρούς χειμώνες και ξηρά καλοκαίρια, ενώ το γεωλογικό υπόβαθρο περιλαμβάνει ασβεστόλιθο και μάρμαρο, ηφαιστειογενούς προέλευσης.
Ο μεγαλύτερος αριθμός των πυρκαγιών που προκλήθηκαν στη Θάσο προέκυψε τη δεκαετία 2010-2020, με σταθμό τις πυρκαγιές του 2016 και 2018, οι οποίες είχαν ως αποτέλεσμα την απώλεια περίπου 20.000 ha τραχείας και μαύρης πεύκης (Pinus brutia, Pinus nigra), δηλαδή έκταση μεγαλύτερη από το μισό μέγεθος του νησιού. Τα στοιχεία που προσκομίστηκαν για την έρευνα προήλθαν από δύο δορυφορικές εικόνες Landsat-8, με νεφοκάλυψη μικρότερη του 5%. Η πρώτη απεικόνιζε την περιοχή έξι ημέρες πριν την έξαρση της πρώτης πυρκαγιάς (4 Αυγούστου 2016), ενώ η δεύτερη μετά τη λήξη της δεύτερης πυρκαγιάς (24 Οκτωβρίου 2018). Τα οπτικά κανάλια των φωτογραφιών ήταν 11 και περιλάμβαναν το οπτικό, το εγγύς υπέρυθρο, το μέσο υπέρυθρο, το θερμικό υπέρυθρο και το πανχρωματικό. Η χωρική ανάλυση των εικόνων είχε εύρος από 15 m έως 100 m.
Στη συνέχεια, ακολούθησε η ταξινόμηση των εικονοστοιχείων (pixels) δύο εικόνων με σκοπό την αναγνώριση των διαφορετικών κλάσεων της κάλυψης γης (Land Cover) της περιοχής μελέτης. Χρησιμοποιήθηκε ο συνδυασμός καναλιών 4-3-2, ο οποίος αποδίδει την καταλληλότερη οπτική αντίθεση ανάμεσα στις κατηγορίες χρήσεων γης. Για την ταξινόμηση αυτή, έγινε χρήση του παραμετρικού αλγορίθμου, ο οποίος αποσκοπεί στην οριοθέτηση των περιοχών σε πολυδιάστατα δεδομένα μέσω της κατηγοριοποίησης των εικονοστοιχείων, σύμφωνα με την ακόλουθη εξίσωση πιθανοτήτων:

[[Εικόνα:Benchl_p1_exisosi1.png| thumb| left|]]

Όπου i: κλάση, x: n-διάστατα δεδομένα (όπου n είναι ο αριθμός των καναλιών), p(ωi): η πιθανότητα ότι η κλάση ωi εμφανίζεται στην εικόνα και θεωρείται το ίδιο για όλες τις κλάσεις, |Σi|: η ορίζουσα του πίνακα συνδιακύμανσης των δεδομένων στην κλάση ωi, Σi−1: ο αντίστροφος πίνακας, mi: μέσο διάνυσμα.
Η ακρίβεια των δύο ταξινομήσεων αξιολογήθηκε μέσω της σύγκρισης πινάκων σφαλμάτων και του συντελεστή Κάπα (Khat), συγκρίνοντας τα πραγματικά στοιχεία του πεδίου με τα αντίστοιχα αποτελέσματα της αυτοματοποιημένης ταξινόμησης. Η συνολική ακρίβεια υπολογίζεται με τη διαίρεση του συνολικού αριθμού των σωστά ταξινομημένων pixels δια το συνολικό αριθμό των pixels. Με αυτό τον τρόπο, διαφαίνεται εάν η κλάση στο χάρτη αντιστοιχεί σε πραγματικά περιβαλλοντικά δεδομένα. Για τον υπολογισμό της συνολικής ακρίβειας χρησιμοποιήθηκε η εξίσωση:

[[Εικόνα:Benchl_p1_exisosi2.png| thumb| left|]]

Όπου Caa: ένα στοιχείο στη θέση ath γραμμής και ath στήλης, Q και U: ο συνολικός αριθμός pixels και κλάσεων, αντίστοιχα.
Σύμφωνα με τη στατιστική μέθοδο της PCA, το κανάλι 5 θεωρήθηκε το καταλληλότερο για την ανίχνευση των καμένων περιοχών και για τις δύο φωτογραφίες και έγινε χρήση των αντίστοιχων PCA εξισώσεων με σκοπό την πολυχρονική ανάλυση και την ανάδειξη περισσότερων δεδομένων για τις δύο πυρκαγιές ξεχωριστά. Τα κανάλια 3, 4 και 7 ήταν επίσης χρήσιμα. Επιπλέον, δόθηκε βάση και στο δείκτη NDVI, για την περιγραφή της κάλυψης και της δυναμικής της βλάστησης. Ο συνδυασμός της PCA και του NDVI αποτέλεσαν το κύριο μέσο για τη χαρτογράφηση των καμένων πυρκαγιών της Θάσου.

[[Εικόνα:Benchl_p1_pinakas1.png| thumb| right|'''Πίνακας 1:''' Συνολική ακρίβεια και Συντελεστής Κάπα της εποπτευόμενης ταξινόμησης των χαρτών, πηγή: Elhag ''et al.'' 2020.]]
'''3. Αποτελέσματα'''

Κατά την ταξινόμηση των εικονοστοιχείων των δύο εικόνων δημιουργήθηκαν οχτώ κλάσεις για την καθεμία ξεχωριστά. Αυτές ήταν: ελαιώνες, φυσικά λιβάδια, περιοχές με αραιή βλάστηση, μικτά δάση, τοποθεσίες εξόρυξης ορυκτών, αστικές περιοχές, αλυκές και περιφερειακά υδάτινα σώματα (θάλασσα). Αντίστοιχα, η συνολική ακρίβεια της ταξινόμησης αυτής φαίνεται στον πίνακα 1, με τον συντελεστή Κάπα να κυμαίνεται στις τιμές 0,92 και 0,94.

Κατά την εφαρμογή της PCA και το συνδυασμό καναλιών και στοιχείων, υπολογίστηκε το ποσοστό των σωστά διαβαθμισμένων παρατηρήσεων ως προς τις καμένες περιοχές (καμένες, μη καμένες και σύνολο). Τα μοντέλα με την καλύτερη απόδοση εφαρμόστηκαν στα δορυφορικά δεδομένα για τη χαρτογράφηση των καμένων περιοχών. Επιπρόσθετα, ο δείκτης NDVI σε συνδυασμό με τα κανάλια 5 και 6 προσέφεραν περισσότερα στοιχεία για την πρώτη πυρκαγιά το 2016, εξαιτίας της διαφοροποίησης της βλάστησης μεταξύ των δύο πυρκαγιών. Στην εικόνα 1 η πυρκαγιά του 2016 εντοπίζεται με μαύρο χρώμα στο κανάλι 5, ενώ εκείνη του 2018 με άσπρο στο κανάλι 6.

Η διαφορά του NDVI μεταξύ των δύο εικόνων παρουσιάζεται στην Εικόνα 2, όπου με βάση τις τιμές της διαφορικής εικόνας NDVI και της οπτικής ερμηνείας, προκύπτουν τρεις κατηγορίες αλλαγών: η θετική αλλαγή, η μέτρια και η αρνητική. Σε αυτή την περίπτωση, προβάλλονται οι τάσεις της βλάστησης, όπου οι αρνητικές τιμές (μαύρο χρώμα) αντιστοιχούν στην παλινδρόμηση της βλάστησης (αρνητική αλλαγή), ενώ οι θετικές τιμές (λευκό χρώμα) αντιστοιχούν στην εξέλιξη της βλάστησης (θετική αλλαγή). Το συγκεκριμένο εργαλείο είναι ιδιαίτερα χρήσιμο στην πρόβλεψη της υποβάθμισης της βλάστησης μιας περιοχής. Επιπλέον, ο εντοπισμός καμένων περιοχών μπορεί να πραγματοποιηθεί ακριβέστερα στις υγρές περιόδους, καθώς παρουσιάζεται έντονη χρωματική αντίθεση και η φωτοερμηνεία γίνεται ευκολότερα.

Ακόμη, προέκυψαν προβλήματα κατά την ταξινόμηση των pixels, καθώς 11 από τα 128 pixels καμένης περιοχής κατηγοριοποιήθηκαν λανθασμένα ως καμένη περιοχή. Αντίστοιχα 20 pixels ταξινομήθηκαν λανθασμένα ως μη καμένη περιοχή, με τη συνολική ακρίβεια να κυμαίνεται στο 87,9%. Οι καμένες εκτάσεις, οι οποίες καλύπτουν τα λατομεία, δεν λήφθηκαν υπόψη στην εκτίμηση των δασικών πυρκαγιών, με σκοπό τη μεγαλύτερη ακρίβεια στα αποτελέσματα. Η βλάστηση φαίνεται να παρουσιάζει αρνητική αλλαγή, λόγω της ύπαρξης σκούρων αποχρώσεων του γκρι, υποδηλώνοντας εδαφική υποβάθμιση της περιοχής. Η αλλαγή της βλάστησης μιας περιοχής εξαιτίας των δασικών πυρκαγιών μπορεί να επιφέρει σημαντικές επιπτώσεις στη βιομάζα και τον πρωτογενή τομέα παραγωγής, συνεπώς η πρόβλεψη της υποβάθμισης αποτελεί ζωτικό εργαλείο για την αντιμετώπιση αυτών των προκλήσεων.

'''4. Συμπεράσματα'''

Οι δασικές πυρκαγιές αποτελούν θεμελιώδη μηχανισμό στην οικολογία των μεσογειακών οικοσυστημάτων, προσδίδοντας στα δάση τα βασικά χαρακτηριστικά της μεσογειακής λεκάνης. Ωστόσο, με την ανθρώπινη δραστηριότητα να έχει αυξηθεί δραστικά, ο αριθμός τους έχει αυξηθεί σε σημείο επικίνδυνο για την υποβάθμιση του εδάφους και της βιοποικιλότητας, όπως είναι το ζήτημα της διάβρωσης. Οι εικόνες υψηλής χωρικής ανάλυσης, που παρέχονται από δορυφόρους όπως είναι ο Landsat-8, μπορούν να παρουσιάσουν ιδιαίτερα ακριβή αποτελέσματα σχετικά με τις καμένες περιοχές στην επιφάνεια της γης. Μια εικόνα μπορεί να βελτιωθεί σημαντικά χρησιμοποιώντας στατιστικές μεθόδους, όπως η PCA, με αποτέλεσμα να είναι δυνατός ο εντοπισμός των καμένων εκτάσεων σε διάφορες χρονικές περιόδους. Τα κανάλια, τα οποία αποδείχθηκαν ως τα περισσότερο χρήσιμα ήταν το 4 και το 5, με το δείκτη NDVI να παίζει σημαντικό ρόλο στην καλύτερη οπτική αποσαφήνιση των χαρακτηριστικών της βλάστησης. Τέλος, η προσέγγιση της καμένης περιοχής φτάνει σε ποσοστό ακρίβειας 84,61%. Η μέθοδος της πολυχρονικής PCA διαχωρίζει τις δύο διαφορετικά καμένες εκτάσεις του 2016 και του 2018, αν και υποτιμά την καμένη περιοχή στη μέση του νησιού, καθώς είναι καλυμμένη από γυμνή γη.

[[category:Χαρτογράφηση καμένων εκτάσεων]]

Αξιολόγηση Οπτικών Δεδομένων Τηλεπισκόπησης σε Χαρτογράφηση Καμένων Περιοχών στο νησί της Θάσου

2023-02-07T15:46:22Z

Chloebenou:

'''Πρωτότυπος Τίτλος''': Evaluation of Optical Remote Sensing Data in Burned Areas Mapping of Thasos Island, Greece. , 4, 813–826.

'''Συγγραφείς''': Elhag Μ., Yimaz Ν., Bahrawi J. & Boteva S.

'''Δημοσιεύθηκε''': Earth Systems and Environment, 2020

'''Σύνδεσμος Πρότυπου Κειμένου''': https://doi.org/10.1007/s41748-020-00195-1 [https://doi.org/10.1007/s41748-020-00195-1]

'''Λέξεις κλειδιά''': Δασικές πυρκαγιές, Μεσογειακό οικοσύστημα, NDVI

[[Εικόνα:Benchl_p1_xartis1.png| thumb| right|'''Εικόνα 1:''' Καμένες περιοχές Θάσου με οπτική απόδοση μέσω του καναλιού 5 για το 2016 (αριστερά) σε μαύρο χρώμα και 6 για το 2018 (δεξιά) σε άσπρο, πηγή: Elhag ''et al.'' 2020.]]

[[Εικόνα:Benchl_p1_xartis2.png| thumb| right|'''Εικόνα 2:''' Καμένες περιοχές Θάσου συνδυάζοντας τους χάρτες της εικ. 1 (αριστερά) και η διαφοροποίηση του NDVI (δεξιά), πηγή: Elhag ''et al.'' 2020.]]

'''1. Εισαγωγή'''

Στην Ελλάδα, οι περισσότερες δασικές περιοχές αντιμετωπίζουν κάθε χρόνο προβλήματα δασικών πυρκαγιών. Τα τελευταία χρόνια παρατηρείται αύξηση του φαινομένου στη χώρα, με αποκορύφωμα το 2016, όπου σημειώθηκε ο μέγιστος αριθμός των 206 πυρκαγιών και η συνολική καμένη έκταση των 6938,8 ha. Αιτία είναι κυρίως ο εμπρησμός, με τις καλοκαιρινές καιρικές συνθήκες να ευνοούν την εξάπλωσή τους. Το κλίμα, (υψηλές θερμοκρασίες, χαμηλή υγρασία και μεγάλη ξηροθερμική περίοδος), όπως και τα εύφλεκτα φρύγανα ευνοούν σημαντικά την πρόκληση μιας πυρκαγιάς, με χαρακτηριστικό παράδειγμα το νησί της Κρήτης.
Η αξιολόγηση των δασικών πυρκαγιών έχει ως στόχο την πρόληψη και την καταστολή τους, δίνοντας βάση στη συγκομιδή της ξυλείας και τις οικολογικές επιπτώσεις της περιοχής. Ως εκ τούτου, η χαρτογράφηση αποτελεί ουσιώδες εργαλείο καταγραφής τους, χρησιμοποιώντας διάφορες τεχνικές τηλεπισκόπησης και μηχανισμούς ανίχνευσης των καμένων περιοχών (δείκτες βλάστησης NDVI, μοντέλα λογιστικής παλινδρόμησης, ανάλυση κύριου στοιχείου PCA). Στη συγκεκριμένη έρευνα λήφθηκαν πολυφασματικά δεδομένα από εικόνες Landsat-8 και αεροφωτογραφίες, εντοπίζοντας τις αλλαγές που παρουσιάστηκαν πριν και μετά τις πυρκαγιές. Επίσης, δόθηκε βάση στη διερεύνηση της αποτελεσματικότητας της PCA ως προς τη βελτίωση της χαρτογράφησης, στον καθορισμό του καταλληλότερου συνδυασμού καναλιών για τη χαρτογράφηση της καμένης περιοχής και στην εκτίμηση της ακρίβειας του χάρτη σε σχέση με τα επίσημα στοιχεία της Δασικής Υπηρεσίας.

'''2. Μεθοδολογία'''

Η περιοχή έρευνας ήταν το βορειότερο νησί της Ελλάδας, η Θάσος. Ανήκει στην περιφέρεια της Καβάλας στην Κεντρική Μακεδονία, με συντεταγμένες από 24°30’ έως 24°48’ Α και από 40°33’ έως 40°49’ Β. Η τοπογραφία της Θάσου χαρακτηρίζεται ως ορεινή, με μέγιστο υψόμετρο τα 1217 m. Το κλίμα είναι μεσογειακό, με υγρούς χειμώνες και ξηρά καλοκαίρια, ενώ το γεωλογικό υπόβαθρο περιλαμβάνει ασβεστόλιθο και μάρμαρο, ηφαιστειογενούς προέλευσης.
Ο μεγαλύτερος αριθμός των πυρκαγιών που προκλήθηκαν στη Θάσο προέκυψε τη δεκαετία 2010-2020, με σταθμό τις πυρκαγιές του 2016 και 2018, οι οποίες είχαν ως αποτέλεσμα την απώλεια περίπου 20.000 ha τραχείας και μαύρης πεύκης (Pinus brutia, Pinus nigra), δηλαδή έκταση μεγαλύτερη από το μισό μέγεθος του νησιού. Τα στοιχεία που προσκομίστηκαν για την έρευνα προήλθαν από δύο δορυφορικές εικόνες Landsat-8, με νεφοκάλυψη μικρότερη του 5%. Η πρώτη απεικόνιζε την περιοχή έξι ημέρες πριν την έξαρση της πρώτης πυρκαγιάς (4 Αυγούστου 2016), ενώ η δεύτερη μετά τη λήξη της δεύτερης πυρκαγιάς (24 Οκτωβρίου 2018). Τα οπτικά κανάλια των φωτογραφιών ήταν 11 και περιλάμβαναν το οπτικό, το εγγύς υπέρυθρο, το μέσο υπέρυθρο, το θερμικό υπέρυθρο και το πανχρωματικό. Η χωρική ανάλυση των εικόνων είχε εύρος από 15 m έως 100 m.
Στη συνέχεια, ακολούθησε η ταξινόμηση των εικονοστοιχείων (pixels) δύο εικόνων με σκοπό την αναγνώριση των διαφορετικών κλάσεων της κάλυψης γης (Land Cover) της περιοχής μελέτης. Χρησιμοποιήθηκε ο συνδυασμός καναλιών 4-3-2, ο οποίος αποδίδει την καταλληλότερη οπτική αντίθεση ανάμεσα στις κατηγορίες χρήσεων γης. Για την ταξινόμηση αυτή, έγινε χρήση του παραμετρικού αλγορίθμου, ο οποίος αποσκοπεί στην οριοθέτηση των περιοχών σε πολυδιάστατα δεδομένα μέσω της κατηγοριοποίησης των εικονοστοιχείων, σύμφωνα με την ακόλουθη εξίσωση πιθανοτήτων:

[[Εικόνα:Benchl_p1_exisosi1.png| thumb| left|]]

Όπου i: κλάση, x: n-διάστατα δεδομένα (όπου n είναι ο αριθμός των καναλιών), p(ωi): η πιθανότητα ότι η κλάση ωi εμφανίζεται στην εικόνα και θεωρείται το ίδιο για όλες τις κλάσεις, |Σi|: η ορίζουσα του πίνακα συνδιακύμανσης των δεδομένων στην κλάση ωi, Σi−1: ο αντίστροφος πίνακας, mi: μέσο διάνυσμα.
Η ακρίβεια των δύο ταξινομήσεων αξιολογήθηκε μέσω της σύγκρισης πινάκων σφαλμάτων και του συντελεστή Κάπα (Khat), συγκρίνοντας τα πραγματικά στοιχεία του πεδίου με τα αντίστοιχα αποτελέσματα της αυτοματοποιημένης ταξινόμησης. Η συνολική ακρίβεια υπολογίζεται με τη διαίρεση του συνολικού αριθμού των σωστά ταξινομημένων pixels δια το συνολικό αριθμό των pixels. Με αυτό τον τρόπο, διαφαίνεται εάν η κλάση στο χάρτη αντιστοιχεί σε πραγματικά περιβαλλοντικά δεδομένα. Για τον υπολογισμό της συνολικής ακρίβειας χρησιμοποιήθηκε η εξίσωση:

[[Εικόνα:Benchl_p1_exisosi2.png| thumb| left|]]

Όπου Caa: ένα στοιχείο στη θέση ath γραμμής και ath στήλης, Q και U: ο συνολικός αριθμός pixels και κλάσεων, αντίστοιχα.
Σύμφωνα με τη στατιστική μέθοδο της PCA, το κανάλι 5 θεωρήθηκε το καταλληλότερο για την ανίχνευση των καμένων περιοχών και για τις δύο φωτογραφίες και έγινε χρήση των αντίστοιχων PCA εξισώσεων με σκοπό την πολυχρονική ανάλυση και την ανάδειξη περισσότερων δεδομένων για τις δύο πυρκαγιές ξεχωριστά. Τα κανάλια 3, 4 και 7 ήταν επίσης χρήσιμα. Επιπλέον, δόθηκε βάση και στο δείκτη NDVI, για την περιγραφή της κάλυψης και της δυναμικής της βλάστησης. Ο συνδυασμός της PCA και του NDVI αποτέλεσαν το κύριο μέσο για τη χαρτογράφηση των καμένων πυρκαγιών της Θάσου.

[[Εικόνα:Benchl_p1_pinakas1.png| thumb| right|'''Πίνακας 1:''' Συνολική ακρίβεια και Συντελεστής Κάπα της εποπτευόμενης ταξινόμησης των χαρτών, πηγή: Elhag ''et al.'' 2020.]]
'''3. Αποτελέσματα'''

Κατά την ταξινόμηση των εικονοστοιχείων των δύο εικόνων δημιουργήθηκαν οχτώ κλάσεις για την καθεμία ξεχωριστά. Αυτές ήταν: ελαιώνες, φυσικά λιβάδια, περιοχές με αραιή βλάστηση, μικτά δάση, τοποθεσίες εξόρυξης ορυκτών, αστικές περιοχές, αλυκές και περιφερειακά υδάτινα σώματα (θάλασσα). Αντίστοιχα, η συνολική ακρίβεια της ταξινόμησης αυτής φαίνεται στον πίνακα 1, με τον συντελεστή Κάπα να κυμαίνεται στις τιμές 0,92 και 0,94.

Κατά την εφαρμογή της PCA και το συνδυασμό καναλιών και στοιχείων, υπολογίστηκε το ποσοστό των σωστά διαβαθμισμένων παρατηρήσεων ως προς τις καμένες περιοχές (καμένες, μη καμένες και σύνολο). Τα μοντέλα με την καλύτερη απόδοση εφαρμόστηκαν στα δορυφορικά δεδομένα για τη χαρτογράφηση των καμένων περιοχών. Επιπρόσθετα, ο δείκτης NDVI σε συνδυασμό με τα κανάλια 5 και 6 προσέφεραν περισσότερα στοιχεία για την πρώτη πυρκαγιά το 2016, εξαιτίας της διαφοροποίησης της βλάστησης μεταξύ των δύο πυρκαγιών. Στην εικόνα 1 η πυρκαγιά του 2016 εντοπίζεται με μαύρο χρώμα στο κανάλι 5, ενώ εκείνη του 2018 με άσπρο στο κανάλι 6.

Η διαφορά του NDVI μεταξύ των δύο εικόνων παρουσιάζεται στην Εικόνα 2, όπου με βάση τις τιμές της διαφορικής εικόνας NDVI και της οπτικής ερμηνείας, προκύπτουν τρεις κατηγορίες αλλαγών: η θετική αλλαγή, η μέτρια και η αρνητική. Σε αυτή την περίπτωση, προβάλλονται οι τάσεις της βλάστησης, όπου οι αρνητικές τιμές (μαύρο χρώμα) αντιστοιχούν στην παλινδρόμηση της βλάστησης (αρνητική αλλαγή), ενώ οι θετικές τιμές (λευκό χρώμα) αντιστοιχούν στην εξέλιξη της βλάστησης (θετική αλλαγή). Το συγκεκριμένο εργαλείο είναι ιδιαίτερα χρήσιμο στην πρόβλεψη της υποβάθμισης της βλάστησης μιας περιοχής. Επιπλέον, ο εντοπισμός καμένων περιοχών μπορεί να πραγματοποιηθεί ακριβέστερα στις υγρές περιόδους, καθώς παρουσιάζεται έντονη χρωματική αντίθεση και η φωτοερμηνεία γίνεται ευκολότερα.

Ακόμη, προέκυψαν προβλήματα κατά την ταξινόμηση των pixels, καθώς 11 από τα 128 pixels καμένης περιοχής κατηγοριοποιήθηκαν λανθασμένα ως καμένη περιοχή. Αντίστοιχα 20 pixels ταξινομήθηκαν λανθασμένα ως μη καμένη περιοχή, με τη συνολική ακρίβεια να κυμαίνεται στο 87,9%. Οι καμένες εκτάσεις, οι οποίες καλύπτουν τα λατομεία, δεν λήφθηκαν υπόψη στην εκτίμηση των δασικών πυρκαγιών, με σκοπό τη μεγαλύτερη ακρίβεια στα αποτελέσματα. Η βλάστηση φαίνεται να παρουσιάζει αρνητική αλλαγή, λόγω της ύπαρξης σκούρων αποχρώσεων του γκρι, υποδηλώνοντας εδαφική υποβάθμιση της περιοχής. Η αλλαγή της βλάστησης μιας περιοχής εξαιτίας των δασικών πυρκαγιών μπορεί να επιφέρει σημαντικές επιπτώσεις στη βιομάζα και τον πρωτογενή τομέα παραγωγής, συνεπώς η πρόβλεψη της υποβάθμισης αποτελεί ζωτικό εργαλείο για την αντιμετώπιση αυτών των προκλήσεων.

'''4. Συμπεράσματα'''

Οι δασικές πυρκαγιές αποτελούν θεμελιώδη μηχανισμό στην οικολογία των μεσογειακών οικοσυστημάτων, προσδίδοντας στα δάση τα βασικά χαρακτηριστικά της μεσογειακής λεκάνης. Ωστόσο, με την ανθρώπινη δραστηριότητα να έχει αυξηθεί δραστικά, ο αριθμός τους έχει αυξηθεί σε σημείο επικίνδυνο για την υποβάθμιση του εδάφους και της βιοποικιλότητας, όπως είναι το ζήτημα της διάβρωσης. Οι εικόνες υψηλής χωρικής ανάλυσης, που παρέχονται από δορυφόρους όπως είναι ο Landsat-8, μπορούν να παρουσιάσουν ιδιαίτερα ακριβή αποτελέσματα σχετικά με τις καμένες περιοχές στην επιφάνεια της γης. Μια εικόνα μπορεί να βελτιωθεί σημαντικά χρησιμοποιώντας στατιστικές μεθόδους, όπως η PCA, με αποτέλεσμα να είναι δυνατός ο εντοπισμός των καμένων εκτάσεων σε διάφορες χρονικές περιόδους. Τα κανάλια, τα οποία αποδείχθηκαν ως τα περισσότερο χρήσιμα ήταν το 4 και το 5, με το δείκτη NDVI να παίζει σημαντικό ρόλο στην καλύτερη οπτική αποσαφήνιση των χαρακτηριστικών της βλάστησης. Τέλος, η προσέγγιση της καμένης περιοχής φτάνει σε ποσοστό ακρίβειας 84,61%. Η μέθοδος της πολυχρονικής PCA διαχωρίζει τις δύο διαφορετικά καμένες εκτάσεις του 2016 και του 2018, αν και υποτιμά την καμένη περιοχή στη μέση του νησιού, καθώς είναι καλυμμένη από γυμνή γη.

[[category:Χαρτογράφηση καμένων εκτάσεων]]

Αξιολόγηση Οπτικών Δεδομένων Τηλεπισκόπησης σε Χαρτογράφηση Καμένων Περιοχών στο νησί της Θάσου

2023-02-07T15:41:48Z

Chloebenou:

'''Πρωτότυπος Τίτλος''': Evaluation of Optical Remote Sensing Data in Burned Areas Mapping of Thasos Island, Greece. , 4, 813–826.

'''Συγγραφείς''': Elhag Μ., Yimaz Ν., Bahrawi J. & Boteva S.

'''Δημοσιεύθηκε''': Earth Systems and Environment, 2020

'''Σύνδεσμος Πρότυπου Κειμένου''': https://doi.org/10.1007/s41748-020-00195-1 [https://doi.org/10.1007/s41748-020-00195-1]

'''Λέξεις κλειδιά''': Δασικές πυρκαγιές, Μεσογειακό οικοσύστημα, NDVI

[[Εικόνα:Benchl_p1_xartis1.png| thumb| right|'''Εικόνα 1:''' Καμένες περιοχές Θάσου με οπτική απόδοση μέσω του καναλιού 5 για το 2016 (αριστερά) σε μαύρο χρώμα και 6 για το 2018 (δεξιά) σε άσπρο, πηγή: Elhag ''et al.'' 2020.]]

[[Εικόνα:Benchl_p1_xartis2.png| thumb| right|'''Εικόνα 2:''' Καμένες περιοχές Θάσου συνδυάζοντας τους χάρτες της εικ. 1 (αριστερά) και η διαφοροποίηση του NDVI (δεξιά), πηγή: Elhag ''et al.'' 2020.]]

'''1. Εισαγωγή'''

Στην Ελλάδα, οι περισσότερες δασικές περιοχές αντιμετωπίζουν κάθε χρόνο προβλήματα δασικών πυρκαγιών. Τα τελευταία χρόνια παρατηρείται αύξηση του φαινομένου στη χώρα, με αποκορύφωμα το 2016, όπου σημειώθηκε ο μέγιστος αριθμός των 206 πυρκαγιών και η συνολική καμένη έκταση των 6938,8 ha. Αιτία είναι κυρίως ο εμπρησμός, με τις καλοκαιρινές καιρικές συνθήκες να ευνοούν την εξάπλωσή τους. Το κλίμα, (υψηλές θερμοκρασίες, χαμηλή υγρασία και μεγάλη ξηροθερμική περίοδος), όπως και τα εύφλεκτα φρύγανα ευνοούν σημαντικά την πρόκληση μιας πυρκαγιάς, με χαρακτηριστικό παράδειγμα το νησί της Κρήτης.
Η αξιολόγηση των δασικών πυρκαγιών έχει ως στόχο την πρόληψη και την καταστολή τους, δίνοντας βάση στη συγκομιδή της ξυλείας και τις οικολογικές επιπτώσεις της περιοχής. Ως εκ τούτου, η χαρτογράφηση αποτελεί ουσιώδες εργαλείο καταγραφής τους, χρησιμοποιώντας διάφορες τεχνικές τηλεπισκόπησης και μηχανισμούς ανίχνευσης των καμένων περιοχών (δείκτες βλάστησης NDVI, μοντέλα λογιστικής παλινδρόμησης, ανάλυση κύριου στοιχείου PCA). Στη συγκεκριμένη έρευνα λήφθηκαν πολυφασματικά δεδομένα από εικόνες Landsat-8 και αεροφωτογραφίες, εντοπίζοντας τις αλλαγές που παρουσιάστηκαν πριν και μετά τις πυρκαγιές. Επίσης, δόθηκε βάση στη διερεύνηση της αποτελεσματικότητας της PCA ως προς τη βελτίωση της χαρτογράφησης, στον καθορισμό του καταλληλότερου συνδυασμού καναλιών για τη χαρτογράφηση της καμένης περιοχής και στην εκτίμηση της ακρίβειας του χάρτη σε σχέση με τα επίσημα στοιχεία της Δασικής Υπηρεσίας.

'''2. Μεθοδολογία'''

Η περιοχή έρευνας ήταν το βορειότερο νησί της Ελλάδας, η Θάσος. Ανήκει στην περιφέρεια της Καβάλας στην Κεντρική Μακεδονία, με συντεταγμένες από 24°30’ έως 24°48’ Α και από 40°33’ έως 40°49’ Β. Η τοπογραφία της Θάσου χαρακτηρίζεται ως ορεινή, με μέγιστο υψόμετρο τα 1217 m. Το κλίμα είναι μεσογειακό, με υγρούς χειμώνες και ξηρά καλοκαίρια, ενώ το γεωλογικό υπόβαθρο περιλαμβάνει ασβεστόλιθο και μάρμαρο, ηφαιστειογενούς προέλευσης.
Ο μεγαλύτερος αριθμός των πυρκαγιών που προκλήθηκαν στη Θάσο προέκυψε τη δεκαετία 2010-2020, με σταθμό τις πυρκαγιές του 2016 και 2018, οι οποίες είχαν ως αποτέλεσμα την απώλεια περίπου 20.000 ha τραχείας και μαύρης πεύκης (Pinus brutia, Pinus nigra), δηλαδή έκταση μεγαλύτερη από το μισό μέγεθος του νησιού. Τα στοιχεία που προσκομίστηκαν για την έρευνα προήλθαν από δύο δορυφορικές εικόνες Landsat-8, με νεφοκάλυψη μικρότερη του 5%. Η πρώτη απεικόνιζε την περιοχή έξι ημέρες πριν την έξαρση της πρώτης πυρκαγιάς (4 Αυγούστου 2016), ενώ η δεύτερη μετά τη λήξη της δεύτερης πυρκαγιάς (24 Οκτωβρίου 2018). Τα οπτικά κανάλια των φωτογραφιών ήταν 11 και περιλάμβαναν το οπτικό, το εγγύς υπέρυθρο, το μέσο υπέρυθρο, το θερμικό υπέρυθρο και το πανχρωματικό. Η χωρική ανάλυση των εικόνων είχε εύρος από 15 m έως 100 m.
Στη συνέχεια, ακολούθησε η ταξινόμηση των εικονοστοιχείων (pixels) δύο εικόνων με σκοπό την αναγνώριση των διαφορετικών κλάσεων της κάλυψης γης (Land Cover) της περιοχής μελέτης. Χρησιμοποιήθηκε ο συνδυασμός καναλιών 4-3-2, ο οποίος αποδίδει την καταλληλότερη οπτική αντίθεση ανάμεσα στις κατηγορίες χρήσεων γης. Για την ταξινόμηση αυτή, έγινε χρήση του παραμετρικού αλγορίθμου, ο οποίος αποσκοπεί στην οριοθέτηση των περιοχών σε πολυδιάστατα δεδομένα μέσω της κατηγοριοποίησης των εικονοστοιχείων, σύμφωνα με την ακόλουθη εξίσωση πιθανοτήτων:

[[Εικόνα:Benchl_p1_exisosi1.png| thumb| left|]]

Όπου i: κλάση, x: n-διάστατα δεδομένα (όπου n είναι ο αριθμός των καναλιών), p(ωi): η πιθανότητα ότι η κλάση ωi εμφανίζεται στην εικόνα και θεωρείται το ίδιο για όλες τις κλάσεις, |Σi|: η ορίζουσα του πίνακα συνδιακύμανσης των δεδομένων στην κλάση ωi, Σi−1: ο αντίστροφος πίνακας, mi: μέσο διάνυσμα.
Η ακρίβεια των δύο ταξινομήσεων αξιολογήθηκε μέσω της σύγκρισης πινάκων σφαλμάτων και του συντελεστή Κάπα (Khat), συγκρίνοντας τα πραγματικά στοιχεία του πεδίου με τα αντίστοιχα αποτελέσματα της αυτοματοποιημένης ταξινόμησης. Η συνολική ακρίβεια υπολογίζεται με τη διαίρεση του συνολικού αριθμού των σωστά ταξινομημένων pixels δια το συνολικό αριθμό των pixels. Με αυτό τον τρόπο, διαφαίνεται εάν η κλάση στο χάρτη αντιστοιχεί σε πραγματικά περιβαλλοντικά δεδομένα. Για τον υπολογισμό της συνολικής ακρίβειας χρησιμοποιήθηκε η εξίσωση:

[[Εικόνα:Benchl_p1_exisosi2.png| thumb| left|]]

Όπου Caa: ένα στοιχείο στη θέση ath γραμμής και ath στήλης, Q και U: ο συνολικός αριθμός pixels και κλάσεων, αντίστοιχα.
Σύμφωνα με τη στατιστική μέθοδο της PCA, το κανάλι 5 θεωρήθηκε το καταλληλότερο για την ανίχνευση των καμένων περιοχών και για τις δύο φωτογραφίες και έγινε χρήση των αντίστοιχων PCA εξισώσεων με σκοπό την πολυχρονική ανάλυση και την ανάδειξη περισσότερων δεδομένων για τις δύο πυρκαγιές ξεχωριστά. Τα κανάλια 3, 4 και 7 ήταν επίσης χρήσιμα. Επιπλέον, δόθηκε βάση και στο δείκτη NDVI, για την περιγραφή της κάλυψης και της δυναμικής της βλάστησης. Ο συνδυασμός της PCA και του NDVI αποτέλεσαν το κύριο μέσο για τη χαρτογράφηση των καμένων πυρκαγιών της Θάσου.

'''3. Αποτελέσματα'''

Κατά την ταξινόμηση των εικονοστοιχείων των δύο εικόνων δημιουργήθηκαν οχτώ κλάσεις για την καθεμία ξεχωριστά. Αυτές ήταν: ελαιώνες, φυσικά λιβάδια, περιοχές με αραιή βλάστηση, μικτά δάση, τοποθεσίες εξόρυξης ορυκτών, αστικές περιοχές, αλυκές και περιφερειακά υδάτινα σώματα (θάλασσα). Αντίστοιχα, η συνολική ακρίβεια της ταξινόμησης αυτής φαίνεται στον ακόλουθο πίνακα, με τον συντελεστή Κάπα να κυμαίνεται στις τιμές 0,92 και 0,94:

'''Πίνακας 1'''. Συνολική ακρίβεια και Συντελεστής Κάπα της εποπτευόμενης ταξινόμησης των χαρτών.

[[Εικόνα:Benchl_p1_pinakas1.png| thumb| left|]]

Κατά την εφαρμογή της PCA και το συνδυασμό καναλιών και στοιχείων, υπολογίστηκε το ποσοστό των σωστά διαβαθμισμένων παρατηρήσεων ως προς τις καμένες περιοχές (καμένες, μη καμένες και σύνολο). Τα μοντέλα με την καλύτερη απόδοση εφαρμόστηκαν στα δορυφορικά δεδομένα για τη χαρτογράφηση των καμένων περιοχών. Επιπρόσθετα, ο δείκτης NDVI σε συνδυασμό με τα κανάλια 5 και 6 προσέφεραν περισσότερα στοιχεία για την πρώτη πυρκαγιά το 2016, εξαιτίας της διαφοροποίησης της βλάστησης μεταξύ των δύο πυρκαγιών. Στην εικόνα 1 η πυρκαγιά του 2016 εντοπίζεται με μαύρο χρώμα στο κανάλι 5, ενώ εκείνη του 2018 με άσπρο στο κανάλι 6.

Η διαφορά του NDVI μεταξύ των δύο εικόνων παρουσιάζεται στην Εικόνα 2, όπου με βάση τις τιμές της διαφορικής εικόνας NDVI και της οπτικής ερμηνείας, προκύπτουν τρεις κατηγορίες αλλαγών: η θετική αλλαγή, η μέτρια και η αρνητική. Σε αυτή την περίπτωση, προβάλλονται οι τάσεις της βλάστησης, όπου οι αρνητικές τιμές (μαύρο χρώμα) αντιστοιχούν στην παλινδρόμηση της βλάστησης (αρνητική αλλαγή), ενώ οι θετικές τιμές (λευκό χρώμα) αντιστοιχούν στην εξέλιξη της βλάστησης (θετική αλλαγή). Το συγκεκριμένο εργαλείο είναι ιδιαίτερα χρήσιμο στην πρόβλεψη της υποβάθμισης της βλάστησης μιας περιοχής. Επιπλέον, ο εντοπισμός καμένων περιοχών μπορεί να πραγματοποιηθεί ακριβέστερα στις υγρές περιόδους, καθώς παρουσιάζεται έντονη χρωματική αντίθεση και η φωτοερμηνεία γίνεται ευκολότερα.

Ακόμη, προέκυψαν προβλήματα κατά την ταξινόμηση των pixels, καθώς 11 από τα 128 pixels καμένης περιοχής κατηγοριοποιήθηκαν λανθασμένα ως καμένη περιοχή. Αντίστοιχα 20 pixels ταξινομήθηκαν λανθασμένα ως μη καμένη περιοχή, με τη συνολική ακρίβεια να κυμαίνεται στο 87,9%. Οι καμένες εκτάσεις, οι οποίες καλύπτουν τα λατομεία, δεν λήφθηκαν υπόψη στην εκτίμηση των δασικών πυρκαγιών, με σκοπό τη μεγαλύτερη ακρίβεια στα αποτελέσματα. Η βλάστηση φαίνεται να παρουσιάζει αρνητική αλλαγή, λόγω της ύπαρξης σκούρων αποχρώσεων του γκρι, υποδηλώνοντας εδαφική υποβάθμιση της περιοχής. Η αλλαγή της βλάστησης μιας περιοχής εξαιτίας των δασικών πυρκαγιών μπορεί να επιφέρει σημαντικές επιπτώσεις στη βιομάζα και τον πρωτογενή τομέα παραγωγής, συνεπώς η πρόβλεψη της υποβάθμισης αποτελεί ζωτικό εργαλείο για την αντιμετώπιση αυτών των προκλήσεων.

'''4. Συμπεράσματα'''

Οι δασικές πυρκαγιές αποτελούν θεμελιώδη μηχανισμό στην οικολογία των μεσογειακών οικοσυστημάτων, προσδίδοντας στα δάση τα βασικά χαρακτηριστικά της μεσογειακής λεκάνης. Ωστόσο, με την ανθρώπινη δραστηριότητα να έχει αυξηθεί δραστικά, ο αριθμός τους έχει αυξηθεί σε σημείο επικίνδυνο για την υποβάθμιση του εδάφους και της βιοποικιλότητας, όπως είναι το ζήτημα της διάβρωσης. Οι εικόνες υψηλής χωρικής ανάλυσης, που παρέχονται από δορυφόρους όπως είναι ο Landsat-8, μπορούν να παρουσιάσουν ιδιαίτερα ακριβή αποτελέσματα σχετικά με τις καμένες περιοχές στην επιφάνεια της γης. Μια εικόνα μπορεί να βελτιωθεί σημαντικά χρησιμοποιώντας στατιστικές μεθόδους, όπως η PCA, με αποτέλεσμα να είναι δυνατός ο εντοπισμός των καμένων εκτάσεων σε διάφορες χρονικές περιόδους. Τα κανάλια, τα οποία αποδείχθηκαν ως τα περισσότερο χρήσιμα ήταν το 4 και το 5, με το δείκτη NDVI να παίζει σημαντικό ρόλο στην καλύτερη οπτική αποσαφήνιση των χαρακτηριστικών της βλάστησης. Τέλος, η προσέγγιση της καμένης περιοχής φτάνει σε ποσοστό ακρίβειας 84,61%. Η μέθοδος της πολυχρονικής PCA διαχωρίζει τις δύο διαφορετικά καμένες εκτάσεις του 2016 και του 2018, αν και υποτιμά την καμένη περιοχή στη μέση του νησιού, καθώς είναι καλυμμένη από γυμνή γη.

[[category:Χαρτογράφηση καμένων εκτάσεων]]

Αξιολόγηση Οπτικών Δεδομένων Τηλεπισκόπησης σε Χαρτογράφηση Καμένων Περιοχών στο νησί της Θάσου

2023-02-07T15:40:29Z

Chloebenou:

'''Πρωτότυπος Τίτλος''': Evaluation of Optical Remote Sensing Data in Burned Areas Mapping of Thasos Island, Greece. , 4, 813–826.

'''Συγγραφείς''': Elhag Μ., Yimaz Ν., Bahrawi J. & Boteva S.

'''Δημοσιεύθηκε''': Earth Systems and Environment, 2020

'''Σύνδεσμος Πρότυπου Κειμένου''': https://doi.org/10.1007/s41748-020-00195-1 [https://doi.org/10.1007/s41748-020-00195-1]

'''Λέξεις κλειδιά''': Δασικές πυρκαγιές, Μεσογειακό οικοσύστημα, NDVI

[[Εικόνα:Benchl_p1_xartis1.png| thumb| right|'''Εικόνα 1:''' Καμένες περιοχές Θάσου με οπτική απόδοση μέσω του καναλιού 5 για το 2016 (αριστερά) σε μαύρο χρώμα και 6 για το 2018 (δεξιά) σε άσπρο, πηγή: Elhag ''et al.'' 2020.]]

[[Εικόνα:Benchl_p1_xartis2.png| thumb| right|'''Εικόνα 2:''' Καμένες περιοχές Θάσου συνδυάζοντας τους χάρτες της εικ. 1 (αριστερά) και η διαφοροποίηση του NDVI (δεξιά), πηγή: Elhag ''et al.'' 2020.]]

'''1. Εισαγωγή'''

Στην Ελλάδα, οι περισσότερες δασικές περιοχές αντιμετωπίζουν κάθε χρόνο προβλήματα δασικών πυρκαγιών. Τα τελευταία χρόνια παρατηρείται αύξηση του φαινομένου στη χώρα, με αποκορύφωμα το 2016, όπου σημειώθηκε ο μέγιστος αριθμός των 206 πυρκαγιών και η συνολική καμένη έκταση των 6938,8 ha. Αιτία είναι κυρίως ο εμπρησμός, με τις καλοκαιρινές καιρικές συνθήκες να ευνοούν την εξάπλωσή τους. Το κλίμα, (υψηλές θερμοκρασίες, χαμηλή υγρασία και μεγάλη ξηροθερμική περίοδος), όπως και τα εύφλεκτα φρύγανα ευνοούν σημαντικά την πρόκληση μιας πυρκαγιάς, με χαρακτηριστικό παράδειγμα το νησί της Κρήτης.
Η αξιολόγηση των δασικών πυρκαγιών έχει ως στόχο την πρόληψη και την καταστολή τους, δίνοντας βάση στη συγκομιδή της ξυλείας και τις οικολογικές επιπτώσεις της περιοχής. Ως εκ τούτου, η χαρτογράφηση αποτελεί ουσιώδες εργαλείο καταγραφής τους, χρησιμοποιώντας διάφορες τεχνικές τηλεπισκόπησης και μηχανισμούς ανίχνευσης των καμένων περιοχών (δείκτες βλάστησης NDVI, μοντέλα λογιστικής παλινδρόμησης, ανάλυση κύριου στοιχείου PCA). Στη συγκεκριμένη έρευνα λήφθηκαν πολυφασματικά δεδομένα από εικόνες Landsat-8 και αεροφωτογραφίες, εντοπίζοντας τις αλλαγές που παρουσιάστηκαν πριν και μετά τις πυρκαγιές. Επίσης, δόθηκε βάση στη διερεύνηση της αποτελεσματικότητας της PCA ως προς τη βελτίωση της χαρτογράφησης, στον καθορισμό του καταλληλότερου συνδυασμού καναλιών για τη χαρτογράφηση της καμένης περιοχής και στην εκτίμηση της ακρίβειας του χάρτη σε σχέση με τα επίσημα στοιχεία της Δασικής Υπηρεσίας.

'''2. Μεθοδολογία'''

Η περιοχή έρευνας ήταν το βορειότερο νησί της Ελλάδας, η Θάσος. Ανήκει στην περιφέρεια της Καβάλας στην Κεντρική Μακεδονία, με συντεταγμένες από 24°30’ έως 24°48’ Α και από 40°33’ έως 40°49’ Β. Η τοπογραφία της Θάσου χαρακτηρίζεται ως ορεινή, με μέγιστο υψόμετρο τα 1217 m. Το κλίμα είναι μεσογειακό, με υγρούς χειμώνες και ξηρά καλοκαίρια, ενώ το γεωλογικό υπόβαθρο περιλαμβάνει ασβεστόλιθο και μάρμαρο, ηφαιστειογενούς προέλευσης.
Ο μεγαλύτερος αριθμός των πυρκαγιών που προκλήθηκαν στη Θάσο προέκυψε τη δεκαετία 2010-2020, με σταθμό τις πυρκαγιές του 2016 και 2018, οι οποίες είχαν ως αποτέλεσμα την απώλεια περίπου 20.000 ha τραχείας και μαύρης πεύκης (Pinus brutia, Pinus nigra), δηλαδή έκταση μεγαλύτερη από το μισό μέγεθος του νησιού. Τα στοιχεία που προσκομίστηκαν για την έρευνα προήλθαν από δύο δορυφορικές εικόνες Landsat-8, με νεφοκάλυψη μικρότερη του 5%. Η πρώτη απεικόνιζε την περιοχή έξι ημέρες πριν την έξαρση της πρώτης πυρκαγιάς (4 Αυγούστου 2016), ενώ η δεύτερη μετά τη λήξη της δεύτερης πυρκαγιάς (24 Οκτωβρίου 2018). Τα οπτικά κανάλια των φωτογραφιών ήταν 11 και περιλάμβαναν το οπτικό, το εγγύς υπέρυθρο, το μέσο υπέρυθρο, το θερμικό υπέρυθρο και το πανχρωματικό. Η χωρική ανάλυση των εικόνων είχε εύρος από 15 m έως 100 m.
Στη συνέχεια, ακολούθησε η ταξινόμηση των εικονοστοιχείων (pixels) δύο εικόνων με σκοπό την αναγνώριση των διαφορετικών κλάσεων της κάλυψης γης (Land Cover) της περιοχής μελέτης. Χρησιμοποιήθηκε ο συνδυασμός καναλιών 4-3-2, ο οποίος αποδίδει την καταλληλότερη οπτική αντίθεση ανάμεσα στις κατηγορίες χρήσεων γης. Για την ταξινόμηση αυτή, έγινε χρήση του παραμετρικού αλγορίθμου, ο οποίος αποσκοπεί στην οριοθέτηση των περιοχών σε πολυδιάστατα δεδομένα μέσω της κατηγοριοποίησης των εικονοστοιχείων, σύμφωνα με την ακόλουθη εξίσωση πιθανοτήτων:

[[Εικόνα:Benchl_p1_exisosi1.png| thumb| left|]]

Όπου i: κλάση, x: n-διάστατα δεδομένα (όπου n είναι ο αριθμός των καναλιών), p(ωi): η πιθανότητα ότι η κλάση ωi εμφανίζεται στην εικόνα και θεωρείται το ίδιο για όλες τις κλάσεις, |Σi|: η ορίζουσα του πίνακα συνδιακύμανσης των δεδομένων στην κλάση ωi, Σi−1: ο αντίστροφος πίνακας, mi: μέσο διάνυσμα.
Η ακρίβεια των δύο ταξινομήσεων αξιολογήθηκε μέσω της σύγκρισης πινάκων σφαλμάτων και του συντελεστή Κάπα (Khat), συγκρίνοντας τα πραγματικά στοιχεία του πεδίου με τα αντίστοιχα αποτελέσματα της αυτοματοποιημένης ταξινόμησης. Η συνολική ακρίβεια υπολογίζεται με τη διαίρεση του συνολικού αριθμού των σωστά ταξινομημένων pixels δια το συνολικό αριθμό των pixels. Με αυτό τον τρόπο, διαφαίνεται εάν η κλάση στο χάρτη αντιστοιχεί σε πραγματικά περιβαλλοντικά δεδομένα. Για τον υπολογισμό της συνολικής ακρίβειας χρησιμοποιήθηκε η εξίσωση:

[[Benchl_p1_exisosi2.png]]

Όπου Caa: ένα στοιχείο στη θέση ath γραμμής και ath στήλης, Q και U: ο συνολικός αριθμός pixels και κλάσεων, αντίστοιχα.
Σύμφωνα με τη στατιστική μέθοδο της PCA, το κανάλι 5 θεωρήθηκε το καταλληλότερο για την ανίχνευση των καμένων περιοχών και για τις δύο φωτογραφίες και έγινε χρήση των αντίστοιχων PCA εξισώσεων με σκοπό την πολυχρονική ανάλυση και την ανάδειξη περισσότερων δεδομένων για τις δύο πυρκαγιές ξεχωριστά. Τα κανάλια 3, 4 και 7 ήταν επίσης χρήσιμα. Επιπλέον, δόθηκε βάση και στο δείκτη NDVI, για την περιγραφή της κάλυψης και της δυναμικής της βλάστησης. Ο συνδυασμός της PCA και του NDVI αποτέλεσαν το κύριο μέσο για τη χαρτογράφηση των καμένων πυρκαγιών της Θάσου.

'''3. Αποτελέσματα'''

Κατά την ταξινόμηση των εικονοστοιχείων των δύο εικόνων δημιουργήθηκαν οχτώ κλάσεις για την καθεμία ξεχωριστά. Αυτές ήταν: ελαιώνες, φυσικά λιβάδια, περιοχές με αραιή βλάστηση, μικτά δάση, τοποθεσίες εξόρυξης ορυκτών, αστικές περιοχές, αλυκές και περιφερειακά υδάτινα σώματα (θάλασσα). Αντίστοιχα, η συνολική ακρίβεια της ταξινόμησης αυτής φαίνεται στον ακόλουθο πίνακα, με τον συντελεστή Κάπα να κυμαίνεται στις τιμές 0,92 και 0,94:

'''Πίνακας 1'''. Συνολική ακρίβεια και Συντελεστής Κάπα της εποπτευόμενης ταξινόμησης των χαρτών.

[[Benchl_p1_pinakas1.png]]

Κατά την εφαρμογή της PCA και το συνδυασμό καναλιών και στοιχείων, υπολογίστηκε το ποσοστό των σωστά διαβαθμισμένων παρατηρήσεων ως προς τις καμένες περιοχές (καμένες, μη καμένες και σύνολο). Τα μοντέλα με την καλύτερη απόδοση εφαρμόστηκαν στα δορυφορικά δεδομένα για τη χαρτογράφηση των καμένων περιοχών. Επιπρόσθετα, ο δείκτης NDVI σε συνδυασμό με τα κανάλια 5 και 6 προσέφεραν περισσότερα στοιχεία για την πρώτη πυρκαγιά το 2016, εξαιτίας της διαφοροποίησης της βλάστησης μεταξύ των δύο πυρκαγιών. Στην εικόνα 1 η πυρκαγιά του 2016 εντοπίζεται με μαύρο χρώμα στο κανάλι 5, ενώ εκείνη του 2018 με άσπρο στο κανάλι 6.

Η διαφορά του NDVI μεταξύ των δύο εικόνων παρουσιάζεται στην Εικόνα 2, όπου με βάση τις τιμές της διαφορικής εικόνας NDVI και της οπτικής ερμηνείας, προκύπτουν τρεις κατηγορίες αλλαγών: η θετική αλλαγή, η μέτρια και η αρνητική. Σε αυτή την περίπτωση, προβάλλονται οι τάσεις της βλάστησης, όπου οι αρνητικές τιμές (μαύρο χρώμα) αντιστοιχούν στην παλινδρόμηση της βλάστησης (αρνητική αλλαγή), ενώ οι θετικές τιμές (λευκό χρώμα) αντιστοιχούν στην εξέλιξη της βλάστησης (θετική αλλαγή). Το συγκεκριμένο εργαλείο είναι ιδιαίτερα χρήσιμο στην πρόβλεψη της υποβάθμισης της βλάστησης μιας περιοχής. Επιπλέον, ο εντοπισμός καμένων περιοχών μπορεί να πραγματοποιηθεί ακριβέστερα στις υγρές περιόδους, καθώς παρουσιάζεται έντονη χρωματική αντίθεση και η φωτοερμηνεία γίνεται ευκολότερα.

Ακόμη, προέκυψαν προβλήματα κατά την ταξινόμηση των pixels, καθώς 11 από τα 128 pixels καμένης περιοχής κατηγοριοποιήθηκαν λανθασμένα ως καμένη περιοχή. Αντίστοιχα 20 pixels ταξινομήθηκαν λανθασμένα ως μη καμένη περιοχή, με τη συνολική ακρίβεια να κυμαίνεται στο 87,9%. Οι καμένες εκτάσεις, οι οποίες καλύπτουν τα λατομεία, δεν λήφθηκαν υπόψη στην εκτίμηση των δασικών πυρκαγιών, με σκοπό τη μεγαλύτερη ακρίβεια στα αποτελέσματα. Η βλάστηση φαίνεται να παρουσιάζει αρνητική αλλαγή, λόγω της ύπαρξης σκούρων αποχρώσεων του γκρι, υποδηλώνοντας εδαφική υποβάθμιση της περιοχής. Η αλλαγή της βλάστησης μιας περιοχής εξαιτίας των δασικών πυρκαγιών μπορεί να επιφέρει σημαντικές επιπτώσεις στη βιομάζα και τον πρωτογενή τομέα παραγωγής, συνεπώς η πρόβλεψη της υποβάθμισης αποτελεί ζωτικό εργαλείο για την αντιμετώπιση αυτών των προκλήσεων.

'''4. Συμπεράσματα'''

Οι δασικές πυρκαγιές αποτελούν θεμελιώδη μηχανισμό στην οικολογία των μεσογειακών οικοσυστημάτων, προσδίδοντας στα δάση τα βασικά χαρακτηριστικά της μεσογειακής λεκάνης. Ωστόσο, με την ανθρώπινη δραστηριότητα να έχει αυξηθεί δραστικά, ο αριθμός τους έχει αυξηθεί σε σημείο επικίνδυνο για την υποβάθμιση του εδάφους και της βιοποικιλότητας, όπως είναι το ζήτημα της διάβρωσης. Οι εικόνες υψηλής χωρικής ανάλυσης, που παρέχονται από δορυφόρους όπως είναι ο Landsat-8, μπορούν να παρουσιάσουν ιδιαίτερα ακριβή αποτελέσματα σχετικά με τις καμένες περιοχές στην επιφάνεια της γης. Μια εικόνα μπορεί να βελτιωθεί σημαντικά χρησιμοποιώντας στατιστικές μεθόδους, όπως η PCA, με αποτέλεσμα να είναι δυνατός ο εντοπισμός των καμένων εκτάσεων σε διάφορες χρονικές περιόδους. Τα κανάλια, τα οποία αποδείχθηκαν ως τα περισσότερο χρήσιμα ήταν το 4 και το 5, με το δείκτη NDVI να παίζει σημαντικό ρόλο στην καλύτερη οπτική αποσαφήνιση των χαρακτηριστικών της βλάστησης. Τέλος, η προσέγγιση της καμένης περιοχής φτάνει σε ποσοστό ακρίβειας 84,61%. Η μέθοδος της πολυχρονικής PCA διαχωρίζει τις δύο διαφορετικά καμένες εκτάσεις του 2016 και του 2018, αν και υποτιμά την καμένη περιοχή στη μέση του νησιού, καθώς είναι καλυμμένη από γυμνή γη.

[[category:Χαρτογράφηση καμένων εκτάσεων]]

Αξιολόγηση Οπτικών Δεδομένων Τηλεπισκόπησης σε Χαρτογράφηση Καμένων Περιοχών στο νησί της Θάσου

2023-02-07T15:30:48Z

Chloebenou:

'''Πηγή''': Elhag, Μ., Yimaz, Ν., Bahrawi, J. & Boteva, S. (2020) Evaluation of Optical Remote Sensing Data in Burned Areas Mapping of Thasos Island, Greece. Earth Systems and Environment, 4, 813–826. https://doi.org/10.1007/s41748-020-00195-1

'''Λέξεις κλειδιά''': Δασικές πυρκαγιές, Μεσογειακό οικοσύστημα, NDVI

'''1. Εισαγωγή'''

Στην Ελλάδα, οι περισσότερες δασικές περιοχές αντιμετωπίζουν κάθε χρόνο προβλήματα δασικών πυρκαγιών. Τα τελευταία χρόνια παρατηρείται αύξηση του φαινομένου στη χώρα, με αποκορύφωμα το 2016, όπου σημειώθηκε ο μέγιστος αριθμός των 206 πυρκαγιών και η συνολική καμένη έκταση των 6938,8 ha. Αιτία είναι κυρίως ο εμπρησμός, με τις καλοκαιρινές καιρικές συνθήκες να ευνοούν την εξάπλωσή τους. Το κλίμα, (υψηλές θερμοκρασίες, χαμηλή υγρασία και μεγάλη ξηροθερμική περίοδος), όπως και τα εύφλεκτα φρύγανα ευνοούν σημαντικά την πρόκληση μιας πυρκαγιάς, με χαρακτηριστικό παράδειγμα το νησί της Κρήτης.
Η αξιολόγηση των δασικών πυρκαγιών έχει ως στόχο την πρόληψη και την καταστολή τους, δίνοντας βάση στη συγκομιδή της ξυλείας και τις οικολογικές επιπτώσεις της περιοχής. Ως εκ τούτου, η χαρτογράφηση αποτελεί ουσιώδες εργαλείο καταγραφής τους, χρησιμοποιώντας διάφορες τεχνικές τηλεπισκόπησης και μηχανισμούς ανίχνευσης των καμένων περιοχών (δείκτες βλάστησης NDVI, μοντέλα λογιστικής παλινδρόμησης, ανάλυση κύριου στοιχείου PCA). Στη συγκεκριμένη έρευνα λήφθηκαν πολυφασματικά δεδομένα από εικόνες Landsat-8 και αεροφωτογραφίες, εντοπίζοντας τις αλλαγές που παρουσιάστηκαν πριν και μετά τις πυρκαγιές. Επίσης, δόθηκε βάση στη διερεύνηση της αποτελεσματικότητας της PCA ως προς τη βελτίωση της χαρτογράφησης, στον καθορισμό του καταλληλότερου συνδυασμού καναλιών για τη χαρτογράφηση της καμένης περιοχής και στην εκτίμηση της ακρίβειας του χάρτη σε σχέση με τα επίσημα στοιχεία της Δασικής Υπηρεσίας.
[[Εικόνα:Benchl_p1_xartis1.png| thumb| right|'''Εικόνα 1:''' Καμένες περιοχές Θάσου με οπτική απόδοση μέσω του καναλιού 5 για το 2016 (αριστερά) σε μαύρο χρώμα και 6 για το 2018 (δεξιά) σε άσπρο, πηγή: Elhag ''et al.'' 2020.]]

[[Εικόνα:Benchl_p1_xartis2.png| thumb| right|'''Εικόνα 2:''' Καμένες περιοχές Θάσου συνδυάζοντας τους χάρτες της εικ. 1 (αριστερά) και η διαφοροποίηση του NDVI (δεξιά), πηγή: Elhag ''et al.'' 2020.]]

'''2. Μεθοδολογία'''

Η περιοχή έρευνας ήταν το βορειότερο νησί της Ελλάδας, η Θάσος. Ανήκει στην περιφέρεια της Καβάλας στην Κεντρική Μακεδονία, με συντεταγμένες από 24°30’ έως 24°48’ Α και από 40°33’ έως 40°49’ Β. Η τοπογραφία της Θάσου χαρακτηρίζεται ως ορεινή, με μέγιστο υψόμετρο τα 1217 m. Το κλίμα είναι μεσογειακό, με υγρούς χειμώνες και ξηρά καλοκαίρια, ενώ το γεωλογικό υπόβαθρο περιλαμβάνει ασβεστόλιθο και μάρμαρο, ηφαιστειογενούς προέλευσης.
Ο μεγαλύτερος αριθμός των πυρκαγιών που προκλήθηκαν στη Θάσο προέκυψε τη δεκαετία 2010-2020, με σταθμό τις πυρκαγιές του 2016 και 2018, οι οποίες είχαν ως αποτέλεσμα την απώλεια περίπου 20.000 ha τραχείας και μαύρης πεύκης (Pinus brutia, Pinus nigra), δηλαδή έκταση μεγαλύτερη από το μισό μέγεθος του νησιού. Τα στοιχεία που προσκομίστηκαν για την έρευνα προήλθαν από δύο δορυφορικές εικόνες Landsat-8, με νεφοκάλυψη μικρότερη του 5%. Η πρώτη απεικόνιζε την περιοχή έξι ημέρες πριν την έξαρση της πρώτης πυρκαγιάς (4 Αυγούστου 2016), ενώ η δεύτερη μετά τη λήξη της δεύτερης πυρκαγιάς (24 Οκτωβρίου 2018). Τα οπτικά κανάλια των φωτογραφιών ήταν 11 και περιλάμβαναν το οπτικό, το εγγύς υπέρυθρο, το μέσο υπέρυθρο, το θερμικό υπέρυθρο και το πανχρωματικό. Η χωρική ανάλυση των εικόνων είχε εύρος από 15 m έως 100 m.
Στη συνέχεια, ακολούθησε η ταξινόμηση των εικονοστοιχείων (pixels) δύο εικόνων με σκοπό την αναγνώριση των διαφορετικών κλάσεων της κάλυψης γης (Land Cover) της περιοχής μελέτης. Χρησιμοποιήθηκε ο συνδυασμός καναλιών 4-3-2, ο οποίος αποδίδει την καταλληλότερη οπτική αντίθεση ανάμεσα στις κατηγορίες χρήσεων γης. Για την ταξινόμηση αυτή, έγινε χρήση του παραμετρικού αλγορίθμου, ο οποίος αποσκοπεί στην οριοθέτηση των περιοχών σε πολυδιάστατα δεδομένα μέσω της κατηγοριοποίησης των εικονοστοιχείων, σύμφωνα με την ακόλουθη εξίσωση πιθανοτήτων:

[[Benchl_p1_exisosi1.png]]

Όπου i: κλάση, x: n-διάστατα δεδομένα (όπου n είναι ο αριθμός των καναλιών), p(ωi): η πιθανότητα ότι η κλάση ωi εμφανίζεται στην εικόνα και θεωρείται το ίδιο για όλες τις κλάσεις, |Σi|: η ορίζουσα του πίνακα συνδιακύμανσης των δεδομένων στην κλάση ωi, Σi−1: ο αντίστροφος πίνακας, mi: μέσο διάνυσμα.
Η ακρίβεια των δύο ταξινομήσεων αξιολογήθηκε μέσω της σύγκρισης πινάκων σφαλμάτων και του συντελεστή Κάπα (Khat), συγκρίνοντας τα πραγματικά στοιχεία του πεδίου με τα αντίστοιχα αποτελέσματα της αυτοματοποιημένης ταξινόμησης. Η συνολική ακρίβεια υπολογίζεται με τη διαίρεση του συνολικού αριθμού των σωστά ταξινομημένων pixels δια το συνολικό αριθμό των pixels. Με αυτό τον τρόπο, διαφαίνεται εάν η κλάση στο χάρτη αντιστοιχεί σε πραγματικά περιβαλλοντικά δεδομένα. Για τον υπολογισμό της συνολικής ακρίβειας χρησιμοποιήθηκε η εξίσωση:

[[Benchl_p1_exisosi2.png]]

Όπου Caa: ένα στοιχείο στη θέση ath γραμμής και ath στήλης, Q και U: ο συνολικός αριθμός pixels και κλάσεων, αντίστοιχα.
Σύμφωνα με τη στατιστική μέθοδο της PCA, το κανάλι 5 θεωρήθηκε το καταλληλότερο για την ανίχνευση των καμένων περιοχών και για τις δύο φωτογραφίες και έγινε χρήση των αντίστοιχων PCA εξισώσεων με σκοπό την πολυχρονική ανάλυση και την ανάδειξη περισσότερων δεδομένων για τις δύο πυρκαγιές ξεχωριστά. Τα κανάλια 3, 4 και 7 ήταν επίσης χρήσιμα. Επιπλέον, δόθηκε βάση και στο δείκτη NDVI, για την περιγραφή της κάλυψης και της δυναμικής της βλάστησης. Ο συνδυασμός της PCA και του NDVI αποτέλεσαν το κύριο μέσο για τη χαρτογράφηση των καμένων πυρκαγιών της Θάσου.

'''3. Αποτελέσματα'''

Κατά την ταξινόμηση των εικονοστοιχείων των δύο εικόνων δημιουργήθηκαν οχτώ κλάσεις για την καθεμία ξεχωριστά. Αυτές ήταν: ελαιώνες, φυσικά λιβάδια, περιοχές με αραιή βλάστηση, μικτά δάση, τοποθεσίες εξόρυξης ορυκτών, αστικές περιοχές, αλυκές και περιφερειακά υδάτινα σώματα (θάλασσα). Αντίστοιχα, η συνολική ακρίβεια της ταξινόμησης αυτής φαίνεται στον ακόλουθο πίνακα, με τον συντελεστή Κάπα να κυμαίνεται στις τιμές 0,92 και 0,94:

'''Πίνακας 1'''. Συνολική ακρίβεια και Συντελεστής Κάπα της εποπτευόμενης ταξινόμησης των χαρτών.

[[Benchl_p1_pinakas1.png]]

Κατά την εφαρμογή της PCA και το συνδυασμό καναλιών και στοιχείων, υπολογίστηκε το ποσοστό των σωστά διαβαθμισμένων παρατηρήσεων ως προς τις καμένες περιοχές (καμένες, μη καμένες και σύνολο). Τα μοντέλα με την καλύτερη απόδοση εφαρμόστηκαν στα δορυφορικά δεδομένα για τη χαρτογράφηση των καμένων περιοχών. Επιπρόσθετα, ο δείκτης NDVI σε συνδυασμό με τα κανάλια 5 και 6 προσέφεραν περισσότερα στοιχεία για την πρώτη πυρκαγιά το 2016, εξαιτίας της διαφοροποίησης της βλάστησης μεταξύ των δύο πυρκαγιών. Στην εικόνα 1 η πυρκαγιά του 2016 εντοπίζεται με μαύρο χρώμα στο κανάλι 5, ενώ εκείνη του 2018 με άσπρο στο κανάλι 6.

Η διαφορά του NDVI μεταξύ των δύο εικόνων παρουσιάζεται στην Εικόνα 2, όπου με βάση τις τιμές της διαφορικής εικόνας NDVI και της οπτικής ερμηνείας, προκύπτουν τρεις κατηγορίες αλλαγών: η θετική αλλαγή, η μέτρια και η αρνητική. Σε αυτή την περίπτωση, προβάλλονται οι τάσεις της βλάστησης, όπου οι αρνητικές τιμές (μαύρο χρώμα) αντιστοιχούν στην παλινδρόμηση της βλάστησης (αρνητική αλλαγή), ενώ οι θετικές τιμές (λευκό χρώμα) αντιστοιχούν στην εξέλιξη της βλάστησης (θετική αλλαγή). Το συγκεκριμένο εργαλείο είναι ιδιαίτερα χρήσιμο στην πρόβλεψη της υποβάθμισης της βλάστησης μιας περιοχής. Επιπλέον, ο εντοπισμός καμένων περιοχών μπορεί να πραγματοποιηθεί ακριβέστερα στις υγρές περιόδους, καθώς παρουσιάζεται έντονη χρωματική αντίθεση και η φωτοερμηνεία γίνεται ευκολότερα.

Ακόμη, προέκυψαν προβλήματα κατά την ταξινόμηση των pixels, καθώς 11 από τα 128 pixels καμένης περιοχής κατηγοριοποιήθηκαν λανθασμένα ως καμένη περιοχή. Αντίστοιχα 20 pixels ταξινομήθηκαν λανθασμένα ως μη καμένη περιοχή, με τη συνολική ακρίβεια να κυμαίνεται στο 87,9%. Οι καμένες εκτάσεις, οι οποίες καλύπτουν τα λατομεία, δεν λήφθηκαν υπόψη στην εκτίμηση των δασικών πυρκαγιών, με σκοπό τη μεγαλύτερη ακρίβεια στα αποτελέσματα. Η βλάστηση φαίνεται να παρουσιάζει αρνητική αλλαγή, λόγω της ύπαρξης σκούρων αποχρώσεων του γκρι, υποδηλώνοντας εδαφική υποβάθμιση της περιοχής. Η αλλαγή της βλάστησης μιας περιοχής εξαιτίας των δασικών πυρκαγιών μπορεί να επιφέρει σημαντικές επιπτώσεις στη βιομάζα και τον πρωτογενή τομέα παραγωγής, συνεπώς η πρόβλεψη της υποβάθμισης αποτελεί ζωτικό εργαλείο για την αντιμετώπιση αυτών των προκλήσεων.

'''4. Συμπεράσματα'''

Οι δασικές πυρκαγιές αποτελούν θεμελιώδη μηχανισμό στην οικολογία των μεσογειακών οικοσυστημάτων, προσδίδοντας στα δάση τα βασικά χαρακτηριστικά της μεσογειακής λεκάνης. Ωστόσο, με την ανθρώπινη δραστηριότητα να έχει αυξηθεί δραστικά, ο αριθμός τους έχει αυξηθεί σε σημείο επικίνδυνο για την υποβάθμιση του εδάφους και της βιοποικιλότητας, όπως είναι το ζήτημα της διάβρωσης. Οι εικόνες υψηλής χωρικής ανάλυσης, που παρέχονται από δορυφόρους όπως είναι ο Landsat-8, μπορούν να παρουσιάσουν ιδιαίτερα ακριβή αποτελέσματα σχετικά με τις καμένες περιοχές στην επιφάνεια της γης. Μια εικόνα μπορεί να βελτιωθεί σημαντικά χρησιμοποιώντας στατιστικές μεθόδους, όπως η PCA, με αποτέλεσμα να είναι δυνατός ο εντοπισμός των καμένων εκτάσεων σε διάφορες χρονικές περιόδους. Τα κανάλια, τα οποία αποδείχθηκαν ως τα περισσότερο χρήσιμα ήταν το 4 και το 5, με το δείκτη NDVI να παίζει σημαντικό ρόλο στην καλύτερη οπτική αποσαφήνιση των χαρακτηριστικών της βλάστησης. Τέλος, η προσέγγιση της καμένης περιοχής φτάνει σε ποσοστό ακρίβειας 84,61%. Η μέθοδος της πολυχρονικής PCA διαχωρίζει τις δύο διαφορετικά καμένες εκτάσεις του 2016 και του 2018, αν και υποτιμά την καμένη περιοχή στη μέση του νησιού, καθώς είναι καλυμμένη από γυμνή γη.

[[category:Χαρτογράφηση καμένων εκτάσεων]]

Αξιολόγηση Οπτικών Δεδομένων Τηλεπισκόπησης σε Χαρτογράφηση Καμένων Περιοχών στο νησί της Θάσου

2023-02-07T15:29:29Z

Chloebenou:

'''Πηγή''': Elhag, Μ., Yimaz, Ν., Bahrawi, J. & Boteva, S. (2020) Evaluation of Optical Remote Sensing Data in Burned Areas Mapping of Thasos Island, Greece. Earth Systems and Environment, 4, 813–826. https://doi.org/10.1007/s41748-020-00195-1

'''Λέξεις κλειδιά''': Δασικές πυρκαγιές, Μεσογειακό οικοσύστημα, NDVI

'''1. Εισαγωγή'''

Στην Ελλάδα, οι περισσότερες δασικές περιοχές αντιμετωπίζουν κάθε χρόνο προβλήματα δασικών πυρκαγιών. Τα τελευταία χρόνια παρατηρείται αύξηση του φαινομένου στη χώρα, με αποκορύφωμα το 2016, όπου σημειώθηκε ο μέγιστος αριθμός των 206 πυρκαγιών και η συνολική καμένη έκταση των 6938,8 ha. Αιτία είναι κυρίως ο εμπρησμός, με τις καλοκαιρινές καιρικές συνθήκες να ευνοούν την εξάπλωσή τους. Το κλίμα, (υψηλές θερμοκρασίες, χαμηλή υγρασία και μεγάλη ξηροθερμική περίοδος), όπως και τα εύφλεκτα φρύγανα ευνοούν σημαντικά την πρόκληση μιας πυρκαγιάς, με χαρακτηριστικό παράδειγμα το νησί της Κρήτης.
Η αξιολόγηση των δασικών πυρκαγιών έχει ως στόχο την πρόληψη και την καταστολή τους, δίνοντας βάση στη συγκομιδή της ξυλείας και τις οικολογικές επιπτώσεις της περιοχής. Ως εκ τούτου, η χαρτογράφηση αποτελεί ουσιώδες εργαλείο καταγραφής τους, χρησιμοποιώντας διάφορες τεχνικές τηλεπισκόπησης και μηχανισμούς ανίχνευσης των καμένων περιοχών (δείκτες βλάστησης NDVI, μοντέλα λογιστικής παλινδρόμησης, ανάλυση κύριου στοιχείου PCA). Στη συγκεκριμένη έρευνα λήφθηκαν πολυφασματικά δεδομένα από εικόνες Landsat-8 και αεροφωτογραφίες, εντοπίζοντας τις αλλαγές που παρουσιάστηκαν πριν και μετά τις πυρκαγιές. Επίσης, δόθηκε βάση στη διερεύνηση της αποτελεσματικότητας της PCA ως προς τη βελτίωση της χαρτογράφησης, στον καθορισμό του καταλληλότερου συνδυασμού καναλιών για τη χαρτογράφηση της καμένης περιοχής και στην εκτίμηση της ακρίβειας του χάρτη σε σχέση με τα επίσημα στοιχεία της Δασικής Υπηρεσίας.

'''2. Μεθοδολογία'''

Η περιοχή έρευνας ήταν το βορειότερο νησί της Ελλάδας, η Θάσος. Ανήκει στην περιφέρεια της Καβάλας στην Κεντρική Μακεδονία, με συντεταγμένες από 24°30’ έως 24°48’ Α και από 40°33’ έως 40°49’ Β. Η τοπογραφία της Θάσου χαρακτηρίζεται ως ορεινή, με μέγιστο υψόμετρο τα 1217 m. Το κλίμα είναι μεσογειακό, με υγρούς χειμώνες και ξηρά καλοκαίρια, ενώ το γεωλογικό υπόβαθρο περιλαμβάνει ασβεστόλιθο και μάρμαρο, ηφαιστειογενούς προέλευσης.
Ο μεγαλύτερος αριθμός των πυρκαγιών που προκλήθηκαν στη Θάσο προέκυψε τη δεκαετία 2010-2020, με σταθμό τις πυρκαγιές του 2016 και 2018, οι οποίες είχαν ως αποτέλεσμα την απώλεια περίπου 20.000 ha τραχείας και μαύρης πεύκης (Pinus brutia, Pinus nigra), δηλαδή έκταση μεγαλύτερη από το μισό μέγεθος του νησιού. Τα στοιχεία που προσκομίστηκαν για την έρευνα προήλθαν από δύο δορυφορικές εικόνες Landsat-8, με νεφοκάλυψη μικρότερη του 5%. Η πρώτη απεικόνιζε την περιοχή έξι ημέρες πριν την έξαρση της πρώτης πυρκαγιάς (4 Αυγούστου 2016), ενώ η δεύτερη μετά τη λήξη της δεύτερης πυρκαγιάς (24 Οκτωβρίου 2018). Τα οπτικά κανάλια των φωτογραφιών ήταν 11 και περιλάμβαναν το οπτικό, το εγγύς υπέρυθρο, το μέσο υπέρυθρο, το θερμικό υπέρυθρο και το πανχρωματικό. Η χωρική ανάλυση των εικόνων είχε εύρος από 15 m έως 100 m.
Στη συνέχεια, ακολούθησε η ταξινόμηση των εικονοστοιχείων (pixels) δύο εικόνων με σκοπό την αναγνώριση των διαφορετικών κλάσεων της κάλυψης γης (Land Cover) της περιοχής μελέτης. Χρησιμοποιήθηκε ο συνδυασμός καναλιών 4-3-2, ο οποίος αποδίδει την καταλληλότερη οπτική αντίθεση ανάμεσα στις κατηγορίες χρήσεων γης. Για την ταξινόμηση αυτή, έγινε χρήση του παραμετρικού αλγορίθμου, ο οποίος αποσκοπεί στην οριοθέτηση των περιοχών σε πολυδιάστατα δεδομένα μέσω της κατηγοριοποίησης των εικονοστοιχείων, σύμφωνα με την ακόλουθη εξίσωση πιθανοτήτων:

[[Benchl_p1_exisosi1.png]]

Όπου i: κλάση, x: n-διάστατα δεδομένα (όπου n είναι ο αριθμός των καναλιών), p(ωi): η πιθανότητα ότι η κλάση ωi εμφανίζεται στην εικόνα και θεωρείται το ίδιο για όλες τις κλάσεις, |Σi|: η ορίζουσα του πίνακα συνδιακύμανσης των δεδομένων στην κλάση ωi, Σi−1: ο αντίστροφος πίνακας, mi: μέσο διάνυσμα.
Η ακρίβεια των δύο ταξινομήσεων αξιολογήθηκε μέσω της σύγκρισης πινάκων σφαλμάτων και του συντελεστή Κάπα (Khat), συγκρίνοντας τα πραγματικά στοιχεία του πεδίου με τα αντίστοιχα αποτελέσματα της αυτοματοποιημένης ταξινόμησης. Η συνολική ακρίβεια υπολογίζεται με τη διαίρεση του συνολικού αριθμού των σωστά ταξινομημένων pixels δια το συνολικό αριθμό των pixels. Με αυτό τον τρόπο, διαφαίνεται εάν η κλάση στο χάρτη αντιστοιχεί σε πραγματικά περιβαλλοντικά δεδομένα. Για τον υπολογισμό της συνολικής ακρίβειας χρησιμοποιήθηκε η εξίσωση:

[[Benchl_p1_exisosi2.png]]

Όπου Caa: ένα στοιχείο στη θέση ath γραμμής και ath στήλης, Q και U: ο συνολικός αριθμός pixels και κλάσεων, αντίστοιχα.
Σύμφωνα με τη στατιστική μέθοδο της PCA, το κανάλι 5 θεωρήθηκε το καταλληλότερο για την ανίχνευση των καμένων περιοχών και για τις δύο φωτογραφίες και έγινε χρήση των αντίστοιχων PCA εξισώσεων με σκοπό την πολυχρονική ανάλυση και την ανάδειξη περισσότερων δεδομένων για τις δύο πυρκαγιές ξεχωριστά. Τα κανάλια 3, 4 και 7 ήταν επίσης χρήσιμα. Επιπλέον, δόθηκε βάση και στο δείκτη NDVI, για την περιγραφή της κάλυψης και της δυναμικής της βλάστησης. Ο συνδυασμός της PCA και του NDVI αποτέλεσαν το κύριο μέσο για τη χαρτογράφηση των καμένων πυρκαγιών της Θάσου.

'''3. Αποτελέσματα'''

Κατά την ταξινόμηση των εικονοστοιχείων των δύο εικόνων δημιουργήθηκαν οχτώ κλάσεις για την καθεμία ξεχωριστά. Αυτές ήταν: ελαιώνες, φυσικά λιβάδια, περιοχές με αραιή βλάστηση, μικτά δάση, τοποθεσίες εξόρυξης ορυκτών, αστικές περιοχές, αλυκές και περιφερειακά υδάτινα σώματα (θάλασσα). Αντίστοιχα, η συνολική ακρίβεια της ταξινόμησης αυτής φαίνεται στον ακόλουθο πίνακα, με τον συντελεστή Κάπα να κυμαίνεται στις τιμές 0,92 και 0,94:

'''Πίνακας 1'''. Συνολική ακρίβεια και Συντελεστής Κάπα της εποπτευόμενης ταξινόμησης των χαρτών.

[[Benchl_p1_pinakas1.png]]

Κατά την εφαρμογή της PCA και το συνδυασμό καναλιών και στοιχείων, υπολογίστηκε το ποσοστό των σωστά διαβαθμισμένων παρατηρήσεων ως προς τις καμένες περιοχές (καμένες, μη καμένες και σύνολο). Τα μοντέλα με την καλύτερη απόδοση εφαρμόστηκαν στα δορυφορικά δεδομένα για τη χαρτογράφηση των καμένων περιοχών. Επιπρόσθετα, ο δείκτης NDVI σε συνδυασμό με τα κανάλια 5 και 6 προσέφεραν περισσότερα στοιχεία για την πρώτη πυρκαγιά το 2016, εξαιτίας της διαφοροποίησης της βλάστησης μεταξύ των δύο πυρκαγιών. Στην εικόνα 1 η πυρκαγιά του 2016 εντοπίζεται με μαύρο χρώμα στο κανάλι 5, ενώ εκείνη του 2018 με άσπρο στο κανάλι 6.
[[Εικόνα:Benchl_p1_xartis1.png| thumb| right|'''Εικόνα 1:''' Καμένες περιοχές Θάσου με οπτική απόδοση μέσω του καναλιού 5 για το 2016 (αριστερά) σε μαύρο χρώμα και 6 για το 2018 (δεξιά) σε άσπρο, πηγή: Elhag ''et al.'' 2020.]]

Η διαφορά του NDVI μεταξύ των δύο εικόνων παρουσιάζεται στην Εικόνα 2, όπου με βάση τις τιμές της διαφορικής εικόνας NDVI και της οπτικής ερμηνείας, προκύπτουν τρεις κατηγορίες αλλαγών: η θετική αλλαγή, η μέτρια και η αρνητική. Σε αυτή την περίπτωση, προβάλλονται οι τάσεις της βλάστησης, όπου οι αρνητικές τιμές (μαύρο χρώμα) αντιστοιχούν στην παλινδρόμηση της βλάστησης (αρνητική αλλαγή), ενώ οι θετικές τιμές (λευκό χρώμα) αντιστοιχούν στην εξέλιξη της βλάστησης (θετική αλλαγή). Το συγκεκριμένο εργαλείο είναι ιδιαίτερα χρήσιμο στην πρόβλεψη της υποβάθμισης της βλάστησης μιας περιοχής. Επιπλέον, ο εντοπισμός καμένων περιοχών μπορεί να πραγματοποιηθεί ακριβέστερα στις υγρές περιόδους, καθώς παρουσιάζεται έντονη χρωματική αντίθεση και η φωτοερμηνεία γίνεται ευκολότερα.
[[Εικόνα:Benchl_p1_xartis2.png| thumb| right|'''Εικόνα 2:''' Καμένες περιοχές Θάσου συνδυάζοντας τους χάρτες της εικ. 1 (αριστερά) και η διαφοροποίηση του NDVI (δεξιά), πηγή: Elhag ''et al.'' 2020.]]

Ακόμη, προέκυψαν προβλήματα κατά την ταξινόμηση των pixels, καθώς 11 από τα 128 pixels καμένης περιοχής κατηγοριοποιήθηκαν λανθασμένα ως καμένη περιοχή. Αντίστοιχα 20 pixels ταξινομήθηκαν λανθασμένα ως μη καμένη περιοχή, με τη συνολική ακρίβεια να κυμαίνεται στο 87,9%. Οι καμένες εκτάσεις, οι οποίες καλύπτουν τα λατομεία, δεν λήφθηκαν υπόψη στην εκτίμηση των δασικών πυρκαγιών, με σκοπό τη μεγαλύτερη ακρίβεια στα αποτελέσματα. Η βλάστηση φαίνεται να παρουσιάζει αρνητική αλλαγή, λόγω της ύπαρξης σκούρων αποχρώσεων του γκρι, υποδηλώνοντας εδαφική υποβάθμιση της περιοχής. Η αλλαγή της βλάστησης μιας περιοχής εξαιτίας των δασικών πυρκαγιών μπορεί να επιφέρει σημαντικές επιπτώσεις στη βιομάζα και τον πρωτογενή τομέα παραγωγής, συνεπώς η πρόβλεψη της υποβάθμισης αποτελεί ζωτικό εργαλείο για την αντιμετώπιση αυτών των προκλήσεων.

'''4. Συμπεράσματα'''

Οι δασικές πυρκαγιές αποτελούν θεμελιώδη μηχανισμό στην οικολογία των μεσογειακών οικοσυστημάτων, προσδίδοντας στα δάση τα βασικά χαρακτηριστικά της μεσογειακής λεκάνης. Ωστόσο, με την ανθρώπινη δραστηριότητα να έχει αυξηθεί δραστικά, ο αριθμός τους έχει αυξηθεί σε σημείο επικίνδυνο για την υποβάθμιση του εδάφους και της βιοποικιλότητας, όπως είναι το ζήτημα της διάβρωσης. Οι εικόνες υψηλής χωρικής ανάλυσης, που παρέχονται από δορυφόρους όπως είναι ο Landsat-8, μπορούν να παρουσιάσουν ιδιαίτερα ακριβή αποτελέσματα σχετικά με τις καμένες περιοχές στην επιφάνεια της γης. Μια εικόνα μπορεί να βελτιωθεί σημαντικά χρησιμοποιώντας στατιστικές μεθόδους, όπως η PCA, με αποτέλεσμα να είναι δυνατός ο εντοπισμός των καμένων εκτάσεων σε διάφορες χρονικές περιόδους. Τα κανάλια, τα οποία αποδείχθηκαν ως τα περισσότερο χρήσιμα ήταν το 4 και το 5, με το δείκτη NDVI να παίζει σημαντικό ρόλο στην καλύτερη οπτική αποσαφήνιση των χαρακτηριστικών της βλάστησης. Τέλος, η προσέγγιση της καμένης περιοχής φτάνει σε ποσοστό ακρίβειας 84,61%. Η μέθοδος της πολυχρονικής PCA διαχωρίζει τις δύο διαφορετικά καμένες εκτάσεις του 2016 και του 2018, αν και υποτιμά την καμένη περιοχή στη μέση του νησιού, καθώς είναι καλυμμένη από γυμνή γη.

[[category:Χαρτογράφηση καμένων εκτάσεων]]

Αξιολόγηση Οπτικών Δεδομένων Τηλεπισκόπησης σε Χαρτογράφηση Καμένων Περιοχών στο νησί της Θάσου

2023-02-07T15:28:01Z

Chloebenou:

'''Πηγή''': Elhag, Μ., Yimaz, Ν., Bahrawi, J. & Boteva, S. (2020) Evaluation of Optical Remote Sensing Data in Burned Areas Mapping of Thasos Island, Greece. Earth Systems and Environment, 4, 813–826. https://doi.org/10.1007/s41748-020-00195-1

'''Λέξεις κλειδιά''': Δασικές πυρκαγιές, Μεσογειακό οικοσύστημα, NDVI

'''1. Εισαγωγή'''

Στην Ελλάδα, οι περισσότερες δασικές περιοχές αντιμετωπίζουν κάθε χρόνο προβλήματα δασικών πυρκαγιών. Τα τελευταία χρόνια παρατηρείται αύξηση του φαινομένου στη χώρα, με αποκορύφωμα το 2016, όπου σημειώθηκε ο μέγιστος αριθμός των 206 πυρκαγιών και η συνολική καμένη έκταση των 6938,8 ha. Αιτία είναι κυρίως ο εμπρησμός, με τις καλοκαιρινές καιρικές συνθήκες να ευνοούν την εξάπλωσή τους. Το κλίμα, (υψηλές θερμοκρασίες, χαμηλή υγρασία και μεγάλη ξηροθερμική περίοδος), όπως και τα εύφλεκτα φρύγανα ευνοούν σημαντικά την πρόκληση μιας πυρκαγιάς, με χαρακτηριστικό παράδειγμα το νησί της Κρήτης.
Η αξιολόγηση των δασικών πυρκαγιών έχει ως στόχο την πρόληψη και την καταστολή τους, δίνοντας βάση στη συγκομιδή της ξυλείας και τις οικολογικές επιπτώσεις της περιοχής. Ως εκ τούτου, η χαρτογράφηση αποτελεί ουσιώδες εργαλείο καταγραφής τους, χρησιμοποιώντας διάφορες τεχνικές τηλεπισκόπησης και μηχανισμούς ανίχνευσης των καμένων περιοχών (δείκτες βλάστησης NDVI, μοντέλα λογιστικής παλινδρόμησης, ανάλυση κύριου στοιχείου PCA). Στη συγκεκριμένη έρευνα λήφθηκαν πολυφασματικά δεδομένα από εικόνες Landsat-8 και αεροφωτογραφίες, εντοπίζοντας τις αλλαγές που παρουσιάστηκαν πριν και μετά τις πυρκαγιές. Επίσης, δόθηκε βάση στη διερεύνηση της αποτελεσματικότητας της PCA ως προς τη βελτίωση της χαρτογράφησης, στον καθορισμό του καταλληλότερου συνδυασμού καναλιών για τη χαρτογράφηση της καμένης περιοχής και στην εκτίμηση της ακρίβειας του χάρτη σε σχέση με τα επίσημα στοιχεία της Δασικής Υπηρεσίας.

'''2. Μεθοδολογία'''

Η περιοχή έρευνας ήταν το βορειότερο νησί της Ελλάδας, η Θάσος. Ανήκει στην περιφέρεια της Καβάλας στην Κεντρική Μακεδονία, με συντεταγμένες από 24°30’ έως 24°48’ Α και από 40°33’ έως 40°49’ Β. Η τοπογραφία της Θάσου χαρακτηρίζεται ως ορεινή, με μέγιστο υψόμετρο τα 1217 m. Το κλίμα είναι μεσογειακό, με υγρούς χειμώνες και ξηρά καλοκαίρια, ενώ το γεωλογικό υπόβαθρο περιλαμβάνει ασβεστόλιθο και μάρμαρο, ηφαιστειογενούς προέλευσης.
Ο μεγαλύτερος αριθμός των πυρκαγιών που προκλήθηκαν στη Θάσο προέκυψε τη δεκαετία 2010-2020, με σταθμό τις πυρκαγιές του 2016 και 2018, οι οποίες είχαν ως αποτέλεσμα την απώλεια περίπου 20.000 ha τραχείας και μαύρης πεύκης (Pinus brutia, Pinus nigra), δηλαδή έκταση μεγαλύτερη από το μισό μέγεθος του νησιού. Τα στοιχεία που προσκομίστηκαν για την έρευνα προήλθαν από δύο δορυφορικές εικόνες Landsat-8, με νεφοκάλυψη μικρότερη του 5%. Η πρώτη απεικόνιζε την περιοχή έξι ημέρες πριν την έξαρση της πρώτης πυρκαγιάς (4 Αυγούστου 2016), ενώ η δεύτερη μετά τη λήξη της δεύτερης πυρκαγιάς (24 Οκτωβρίου 2018). Τα οπτικά κανάλια των φωτογραφιών ήταν 11 και περιλάμβαναν το οπτικό, το εγγύς υπέρυθρο, το μέσο υπέρυθρο, το θερμικό υπέρυθρο και το πανχρωματικό. Η χωρική ανάλυση των εικόνων είχε εύρος από 15 m έως 100 m.
Στη συνέχεια, ακολούθησε η ταξινόμηση των εικονοστοιχείων (pixels) δύο εικόνων με σκοπό την αναγνώριση των διαφορετικών κλάσεων της κάλυψης γης (Land Cover) της περιοχής μελέτης. Χρησιμοποιήθηκε ο συνδυασμός καναλιών 4-3-2, ο οποίος αποδίδει την καταλληλότερη οπτική αντίθεση ανάμεσα στις κατηγορίες χρήσεων γης. Για την ταξινόμηση αυτή, έγινε χρήση του παραμετρικού αλγορίθμου, ο οποίος αποσκοπεί στην οριοθέτηση των περιοχών σε πολυδιάστατα δεδομένα μέσω της κατηγοριοποίησης των εικονοστοιχείων, σύμφωνα με την ακόλουθη εξίσωση πιθανοτήτων:

[[Benchl_p1_exisosi1.png]]

Όπου i: κλάση, x: n-διάστατα δεδομένα (όπου n είναι ο αριθμός των καναλιών), p(ωi): η πιθανότητα ότι η κλάση ωi εμφανίζεται στην εικόνα και θεωρείται το ίδιο για όλες τις κλάσεις, |Σi|: η ορίζουσα του πίνακα συνδιακύμανσης των δεδομένων στην κλάση ωi, Σi−1: ο αντίστροφος πίνακας, mi: μέσο διάνυσμα.
Η ακρίβεια των δύο ταξινομήσεων αξιολογήθηκε μέσω της σύγκρισης πινάκων σφαλμάτων και του συντελεστή Κάπα (Khat), συγκρίνοντας τα πραγματικά στοιχεία του πεδίου με τα αντίστοιχα αποτελέσματα της αυτοματοποιημένης ταξινόμησης. Η συνολική ακρίβεια υπολογίζεται με τη διαίρεση του συνολικού αριθμού των σωστά ταξινομημένων pixels δια το συνολικό αριθμό των pixels. Με αυτό τον τρόπο, διαφαίνεται εάν η κλάση στο χάρτη αντιστοιχεί σε πραγματικά περιβαλλοντικά δεδομένα. Για τον υπολογισμό της συνολικής ακρίβειας χρησιμοποιήθηκε η εξίσωση:

[[Benchl_p1_exisosi2.png]]

Όπου Caa: ένα στοιχείο στη θέση ath γραμμής και ath στήλης, Q και U: ο συνολικός αριθμός pixels και κλάσεων, αντίστοιχα.
Σύμφωνα με τη στατιστική μέθοδο της PCA, το κανάλι 5 θεωρήθηκε το καταλληλότερο για την ανίχνευση των καμένων περιοχών και για τις δύο φωτογραφίες και έγινε χρήση των αντίστοιχων PCA εξισώσεων με σκοπό την πολυχρονική ανάλυση και την ανάδειξη περισσότερων δεδομένων για τις δύο πυρκαγιές ξεχωριστά. Τα κανάλια 3, 4 και 7 ήταν επίσης χρήσιμα. Επιπλέον, δόθηκε βάση και στο δείκτη NDVI, για την περιγραφή της κάλυψης και της δυναμικής της βλάστησης. Ο συνδυασμός της PCA και του NDVI αποτέλεσαν το κύριο μέσο για τη χαρτογράφηση των καμένων πυρκαγιών της Θάσου.

'''3. Αποτελέσματα'''

Κατά την ταξινόμηση των εικονοστοιχείων των δύο εικόνων δημιουργήθηκαν οχτώ κλάσεις για την καθεμία ξεχωριστά. Αυτές ήταν: ελαιώνες, φυσικά λιβάδια, περιοχές με αραιή βλάστηση, μικτά δάση, τοποθεσίες εξόρυξης ορυκτών, αστικές περιοχές, αλυκές και περιφερειακά υδάτινα σώματα (θάλασσα). Αντίστοιχα, η συνολική ακρίβεια της ταξινόμησης αυτής φαίνεται στον ακόλουθο πίνακα, με τον συντελεστή Κάπα να κυμαίνεται στις τιμές 0,92 και 0,94:

'''Πίνακας 1'''. Συνολική ακρίβεια και Συντελεστής Κάπα της εποπτευόμενης ταξινόμησης των χαρτών.

[[Benchl_p1_pinakas1.png]]

Κατά την εφαρμογή της PCA και το συνδυασμό καναλιών και στοιχείων, υπολογίστηκε το ποσοστό των σωστά διαβαθμισμένων παρατηρήσεων ως προς τις καμένες περιοχές (καμένες, μη καμένες και σύνολο). Τα μοντέλα με την καλύτερη απόδοση εφαρμόστηκαν στα δορυφορικά δεδομένα για τη χαρτογράφηση των καμένων περιοχών. Επιπρόσθετα, ο δείκτης NDVI σε συνδυασμό με τα κανάλια 5 και 6 προσέφεραν περισσότερα στοιχεία για την πρώτη πυρκαγιά το 2016, εξαιτίας της διαφοροποίησης της βλάστησης μεταξύ των δύο πυρκαγιών. Στην εικόνα 1 η πυρκαγιά του 2016 εντοπίζεται με μαύρο χρώμα στο κανάλι 5, ενώ εκείνη του 2018 με άσπρο στο κανάλι 6.
[[Εικόνα:Benchl_p1_xartis1.png| thumb| right|'''Εικόνα 1:''' Καμένες περιοχές Θάσου με οπτική απόδοση μέσω του καναλιού 5 για το 2016 (αριστερά) σε μαύρο χρώμα και 6 για το 2018 (δεξιά) σε άσπρο, πηγή: Elhag ''et al.'' 2020.]]

Η διαφορά του NDVI μεταξύ των δύο εικόνων παρουσιάζεται στην Εικόνα 2, όπου με βάση τις τιμές της διαφορικής εικόνας NDVI και της οπτικής ερμηνείας, προκύπτουν τρεις κατηγορίες αλλαγών: η θετική αλλαγή, η μέτρια και η αρνητική. Σε αυτή την περίπτωση, προβάλλονται οι τάσεις της βλάστησης, όπου οι αρνητικές τιμές (μαύρο χρώμα) αντιστοιχούν στην παλινδρόμηση της βλάστησης (αρνητική αλλαγή), ενώ οι θετικές τιμές (λευκό χρώμα) αντιστοιχούν στην εξέλιξη της βλάστησης (θετική αλλαγή). Το συγκεκριμένο εργαλείο είναι ιδιαίτερα χρήσιμο στην πρόβλεψη της υποβάθμισης της βλάστησης μιας περιοχής. Επιπλέον, ο εντοπισμός καμένων περιοχών μπορεί να πραγματοποιηθεί ακριβέστερα στις υγρές περιόδους, καθώς παρουσιάζεται έντονη χρωματική αντίθεση και η φωτοερμηνεία γίνεται ευκολότερα.

[['''Εικόνα 2'''. Benchl_p1_xartis2.png| thumb | right | Καμένες περιοχές Θάσου συνδυάζοντας τους χάρτες της εικ. 1 (αριστερά) και η διαφοροποίηση του NDVI (δεξιά), πηγή: Elhag ''et al.'' 2020. ] ]

Ακόμη, προέκυψαν προβλήματα κατά την ταξινόμηση των pixels, καθώς 11 από τα 128 pixels καμένης περιοχής κατηγοριοποιήθηκαν λανθασμένα ως καμένη περιοχή. Αντίστοιχα 20 pixels ταξινομήθηκαν λανθασμένα ως μη καμένη περιοχή, με τη συνολική ακρίβεια να κυμαίνεται στο 87,9%. Οι καμένες εκτάσεις, οι οποίες καλύπτουν τα λατομεία, δεν λήφθηκαν υπόψη στην εκτίμηση των δασικών πυρκαγιών, με σκοπό τη μεγαλύτερη ακρίβεια στα αποτελέσματα. Η βλάστηση φαίνεται να παρουσιάζει αρνητική αλλαγή, λόγω της ύπαρξης σκούρων αποχρώσεων του γκρι, υποδηλώνοντας εδαφική υποβάθμιση της περιοχής. Η αλλαγή της βλάστησης μιας περιοχής εξαιτίας των δασικών πυρκαγιών μπορεί να επιφέρει σημαντικές επιπτώσεις στη βιομάζα και τον πρωτογενή τομέα παραγωγής, συνεπώς η πρόβλεψη της υποβάθμισης αποτελεί ζωτικό εργαλείο για την αντιμετώπιση αυτών των προκλήσεων.

'''4. Συμπεράσματα'''

Οι δασικές πυρκαγιές αποτελούν θεμελιώδη μηχανισμό στην οικολογία των μεσογειακών οικοσυστημάτων, προσδίδοντας στα δάση τα βασικά χαρακτηριστικά της μεσογειακής λεκάνης. Ωστόσο, με την ανθρώπινη δραστηριότητα να έχει αυξηθεί δραστικά, ο αριθμός τους έχει αυξηθεί σε σημείο επικίνδυνο για την υποβάθμιση του εδάφους και της βιοποικιλότητας, όπως είναι το ζήτημα της διάβρωσης. Οι εικόνες υψηλής χωρικής ανάλυσης, που παρέχονται από δορυφόρους όπως είναι ο Landsat-8, μπορούν να παρουσιάσουν ιδιαίτερα ακριβή αποτελέσματα σχετικά με τις καμένες περιοχές στην επιφάνεια της γης. Μια εικόνα μπορεί να βελτιωθεί σημαντικά χρησιμοποιώντας στατιστικές μεθόδους, όπως η PCA, με αποτέλεσμα να είναι δυνατός ο εντοπισμός των καμένων εκτάσεων σε διάφορες χρονικές περιόδους. Τα κανάλια, τα οποία αποδείχθηκαν ως τα περισσότερο χρήσιμα ήταν το 4 και το 5, με το δείκτη NDVI να παίζει σημαντικό ρόλο στην καλύτερη οπτική αποσαφήνιση των χαρακτηριστικών της βλάστησης. Τέλος, η προσέγγιση της καμένης περιοχής φτάνει σε ποσοστό ακρίβειας 84,61%. Η μέθοδος της πολυχρονικής PCA διαχωρίζει τις δύο διαφορετικά καμένες εκτάσεις του 2016 και του 2018, αν και υποτιμά την καμένη περιοχή στη μέση του νησιού, καθώς είναι καλυμμένη από γυμνή γη.

[[category:Χαρτογράφηση καμένων εκτάσεων]]

Αξιολόγηση Οπτικών Δεδομένων Τηλεπισκόπησης σε Χαρτογράφηση Καμένων Περιοχών στο νησί της Θάσου

2023-02-07T14:49:23Z

Chloebenou:

'''Πηγή''': Elhag, Μ., Yimaz, Ν., Bahrawi, J. & Boteva, S. (2020) Evaluation of Optical Remote Sensing Data in Burned Areas Mapping of Thasos Island, Greece. Earth Systems and Environment, 4, 813–826. https://doi.org/10.1007/s41748-020-00195-1

'''Λέξεις κλειδιά''': Δασικές πυρκαγιές, Μεσογειακό οικοσύστημα, NDVI

'''1. Εισαγωγή'''

Στην Ελλάδα, οι περισσότερες δασικές περιοχές αντιμετωπίζουν κάθε χρόνο προβλήματα δασικών πυρκαγιών. Τα τελευταία χρόνια παρατηρείται αύξηση του φαινομένου στη χώρα, με αποκορύφωμα το 2016, όπου σημειώθηκε ο μέγιστος αριθμός των 206 πυρκαγιών και η συνολική καμένη έκταση των 6938,8 ha. Αιτία είναι κυρίως ο εμπρησμός, με τις καλοκαιρινές καιρικές συνθήκες να ευνοούν την εξάπλωσή τους. Το κλίμα, (υψηλές θερμοκρασίες, χαμηλή υγρασία και μεγάλη ξηροθερμική περίοδος), όπως και τα εύφλεκτα φρύγανα ευνοούν σημαντικά την πρόκληση μιας πυρκαγιάς, με χαρακτηριστικό παράδειγμα το νησί της Κρήτης.
Η αξιολόγηση των δασικών πυρκαγιών έχει ως στόχο την πρόληψη και την καταστολή τους, δίνοντας βάση στη συγκομιδή της ξυλείας και τις οικολογικές επιπτώσεις της περιοχής. Ως εκ τούτου, η χαρτογράφηση αποτελεί ουσιώδες εργαλείο καταγραφής τους, χρησιμοποιώντας διάφορες τεχνικές τηλεπισκόπησης και μηχανισμούς ανίχνευσης των καμένων περιοχών (δείκτες βλάστησης NDVI, μοντέλα λογιστικής παλινδρόμησης, ανάλυση κύριου στοιχείου PCA). Στη συγκεκριμένη έρευνα λήφθηκαν πολυφασματικά δεδομένα από εικόνες Landsat-8 και αεροφωτογραφίες, εντοπίζοντας τις αλλαγές που παρουσιάστηκαν πριν και μετά τις πυρκαγιές. Επίσης, δόθηκε βάση στη διερεύνηση της αποτελεσματικότητας της PCA ως προς τη βελτίωση της χαρτογράφησης, στον καθορισμό του καταλληλότερου συνδυασμού καναλιών για τη χαρτογράφηση της καμένης περιοχής και στην εκτίμηση της ακρίβειας του χάρτη σε σχέση με τα επίσημα στοιχεία της Δασικής Υπηρεσίας.

'''2. Μεθοδολογία'''

Η περιοχή έρευνας ήταν το βορειότερο νησί της Ελλάδας, η Θάσος. Ανήκει στην περιφέρεια της Καβάλας στην Κεντρική Μακεδονία, με συντεταγμένες από 24°30’ έως 24°48’ Α και από 40°33’ έως 40°49’ Β. Η τοπογραφία της Θάσου χαρακτηρίζεται ως ορεινή, με μέγιστο υψόμετρο τα 1217 m. Το κλίμα είναι μεσογειακό, με υγρούς χειμώνες και ξηρά καλοκαίρια, ενώ το γεωλογικό υπόβαθρο περιλαμβάνει ασβεστόλιθο και μάρμαρο, ηφαιστειογενούς προέλευσης.
Ο μεγαλύτερος αριθμός των πυρκαγιών που προκλήθηκαν στη Θάσο προέκυψε τη δεκαετία 2010-2020, με σταθμό τις πυρκαγιές του 2016 και 2018, οι οποίες είχαν ως αποτέλεσμα την απώλεια περίπου 20.000 ha τραχείας και μαύρης πεύκης (Pinus brutia, Pinus nigra), δηλαδή έκταση μεγαλύτερη από το μισό μέγεθος του νησιού. Τα στοιχεία που προσκομίστηκαν για την έρευνα προήλθαν από δύο δορυφορικές εικόνες Landsat-8, με νεφοκάλυψη μικρότερη του 5%. Η πρώτη απεικόνιζε την περιοχή έξι ημέρες πριν την έξαρση της πρώτης πυρκαγιάς (4 Αυγούστου 2016), ενώ η δεύτερη μετά τη λήξη της δεύτερης πυρκαγιάς (24 Οκτωβρίου 2018). Τα οπτικά κανάλια των φωτογραφιών ήταν 11 και περιλάμβαναν το οπτικό, το εγγύς υπέρυθρο, το μέσο υπέρυθρο, το θερμικό υπέρυθρο και το πανχρωματικό. Η χωρική ανάλυση των εικόνων είχε εύρος από 15 m έως 100 m.
Στη συνέχεια, ακολούθησε η ταξινόμηση των εικονοστοιχείων (pixels) δύο εικόνων με σκοπό την αναγνώριση των διαφορετικών κλάσεων της κάλυψης γης (Land Cover) της περιοχής μελέτης. Χρησιμοποιήθηκε ο συνδυασμός καναλιών 4-3-2, ο οποίος αποδίδει την καταλληλότερη οπτική αντίθεση ανάμεσα στις κατηγορίες χρήσεων γης. Για την ταξινόμηση αυτή, έγινε χρήση του παραμετρικού αλγορίθμου, ο οποίος αποσκοπεί στην οριοθέτηση των περιοχών σε πολυδιάστατα δεδομένα μέσω της κατηγοριοποίησης των εικονοστοιχείων, σύμφωνα με την ακόλουθη εξίσωση πιθανοτήτων:

[[Benchl_p1_exisosi1.png]]

Όπου i: κλάση, x: n-διάστατα δεδομένα (όπου n είναι ο αριθμός των καναλιών), p(ωi): η πιθανότητα ότι η κλάση ωi εμφανίζεται στην εικόνα και θεωρείται το ίδιο για όλες τις κλάσεις, |Σi|: η ορίζουσα του πίνακα συνδιακύμανσης των δεδομένων στην κλάση ωi, Σi−1: ο αντίστροφος πίνακας, mi: μέσο διάνυσμα.
Η ακρίβεια των δύο ταξινομήσεων αξιολογήθηκε μέσω της σύγκρισης πινάκων σφαλμάτων και του συντελεστή Κάπα (Khat), συγκρίνοντας τα πραγματικά στοιχεία του πεδίου με τα αντίστοιχα αποτελέσματα της αυτοματοποιημένης ταξινόμησης. Η συνολική ακρίβεια υπολογίζεται με τη διαίρεση του συνολικού αριθμού των σωστά ταξινομημένων pixels δια το συνολικό αριθμό των pixels. Με αυτό τον τρόπο, διαφαίνεται εάν η κλάση στο χάρτη αντιστοιχεί σε πραγματικά περιβαλλοντικά δεδομένα. Για τον υπολογισμό της συνολικής ακρίβειας χρησιμοποιήθηκε η εξίσωση:

[[Benchl_p1_exisosi2.png]]

Όπου Caa: ένα στοιχείο στη θέση ath γραμμής και ath στήλης, Q και U: ο συνολικός αριθμός pixels και κλάσεων, αντίστοιχα.
Σύμφωνα με τη στατιστική μέθοδο της PCA, το κανάλι 5 θεωρήθηκε το καταλληλότερο για την ανίχνευση των καμένων περιοχών και για τις δύο φωτογραφίες και έγινε χρήση των αντίστοιχων PCA εξισώσεων με σκοπό την πολυχρονική ανάλυση και την ανάδειξη περισσότερων δεδομένων για τις δύο πυρκαγιές ξεχωριστά. Τα κανάλια 3, 4 και 7 ήταν επίσης χρήσιμα. Επιπλέον, δόθηκε βάση και στο δείκτη NDVI, για την περιγραφή της κάλυψης και της δυναμικής της βλάστησης. Ο συνδυασμός της PCA και του NDVI αποτέλεσαν το κύριο μέσο για τη χαρτογράφηση των καμένων πυρκαγιών της Θάσου.

'''3. Αποτελέσματα'''

Κατά την ταξινόμηση των εικονοστοιχείων των δύο εικόνων δημιουργήθηκαν οχτώ κλάσεις για την καθεμία ξεχωριστά. Αυτές ήταν: ελαιώνες, φυσικά λιβάδια, περιοχές με αραιή βλάστηση, μικτά δάση, τοποθεσίες εξόρυξης ορυκτών, αστικές περιοχές, αλυκές και περιφερειακά υδάτινα σώματα (θάλασσα). Αντίστοιχα, η συνολική ακρίβεια της ταξινόμησης αυτής φαίνεται στον ακόλουθο πίνακα, με τον συντελεστή Κάπα να κυμαίνεται στις τιμές 0,92 και 0,94:

'''Πίνακας 1'''. Συνολική ακρίβεια και Συντελεστής Κάπα της εποπτευόμενης ταξινόμησης των χαρτών.

[[Benchl_p1_pinakas1.png]]

Κατά την εφαρμογή της PCA και το συνδυασμό καναλιών και στοιχείων, υπολογίστηκε το ποσοστό των σωστά διαβαθμισμένων παρατηρήσεων ως προς τις καμένες περιοχές (καμένες, μη καμένες και σύνολο). Τα μοντέλα με την καλύτερη απόδοση εφαρμόστηκαν στα δορυφορικά δεδομένα για τη χαρτογράφηση των καμένων περιοχών. Επιπρόσθετα, ο δείκτης NDVI σε συνδυασμό με τα κανάλια 5 και 6 προσέφεραν περισσότερα στοιχεία για την πρώτη πυρκαγιά το 2016, εξαιτίας της διαφοροποίησης της βλάστησης μεταξύ των δύο πυρκαγιών. Στην εικόνα 1 η πυρκαγιά του 2016 εντοπίζεται με μαύρο χρώμα στο κανάλι 5, ενώ εκείνη του 2018 με άσπρο στο κανάλι 6.

[['''Εικόνα 1'''. Benchl_p1_xartis1.png| thumb | right | Καμένες περιοχές Θάσου με οπτική απόδοση μέσω του καναλιού 5 για το 2016 (αριστερά) σε μαύρο χρώμα και 6 για το 2018 (δεξιά) σε άσπρο, πηγή: Elhag ''et al.'' 2020. ] ]

Η διαφορά του NDVI μεταξύ των δύο εικόνων παρουσιάζεται στην Εικόνα 2, όπου με βάση τις τιμές της διαφορικής εικόνας NDVI και της οπτικής ερμηνείας, προκύπτουν τρεις κατηγορίες αλλαγών: η θετική αλλαγή, η μέτρια και η αρνητική. Σε αυτή την περίπτωση, προβάλλονται οι τάσεις της βλάστησης, όπου οι αρνητικές τιμές (μαύρο χρώμα) αντιστοιχούν στην παλινδρόμηση της βλάστησης (αρνητική αλλαγή), ενώ οι θετικές τιμές (λευκό χρώμα) αντιστοιχούν στην εξέλιξη της βλάστησης (θετική αλλαγή). Το συγκεκριμένο εργαλείο είναι ιδιαίτερα χρήσιμο στην πρόβλεψη της υποβάθμισης της βλάστησης μιας περιοχής. Επιπλέον, ο εντοπισμός καμένων περιοχών μπορεί να πραγματοποιηθεί ακριβέστερα στις υγρές περιόδους, καθώς παρουσιάζεται έντονη χρωματική αντίθεση και η φωτοερμηνεία γίνεται ευκολότερα.

[['''Εικόνα 2'''. Benchl_p1_xartis2.png| thumb | right | Καμένες περιοχές Θάσου συνδυάζοντας τους χάρτες της εικ. 1 (αριστερά) και η διαφοροποίηση του NDVI (δεξιά), πηγή: Elhag ''et al.'' 2020. ] ]

Ακόμη, προέκυψαν προβλήματα κατά την ταξινόμηση των pixels, καθώς 11 από τα 128 pixels καμένης περιοχής κατηγοριοποιήθηκαν λανθασμένα ως καμένη περιοχή. Αντίστοιχα 20 pixels ταξινομήθηκαν λανθασμένα ως μη καμένη περιοχή, με τη συνολική ακρίβεια να κυμαίνεται στο 87,9%. Οι καμένες εκτάσεις, οι οποίες καλύπτουν τα λατομεία, δεν λήφθηκαν υπόψη στην εκτίμηση των δασικών πυρκαγιών, με σκοπό τη μεγαλύτερη ακρίβεια στα αποτελέσματα. Η βλάστηση φαίνεται να παρουσιάζει αρνητική αλλαγή, λόγω της ύπαρξης σκούρων αποχρώσεων του γκρι, υποδηλώνοντας εδαφική υποβάθμιση της περιοχής. Η αλλαγή της βλάστησης μιας περιοχής εξαιτίας των δασικών πυρκαγιών μπορεί να επιφέρει σημαντικές επιπτώσεις στη βιομάζα και τον πρωτογενή τομέα παραγωγής, συνεπώς η πρόβλεψη της υποβάθμισης αποτελεί ζωτικό εργαλείο για την αντιμετώπιση αυτών των προκλήσεων.

'''4. Συμπεράσματα'''

Οι δασικές πυρκαγιές αποτελούν θεμελιώδη μηχανισμό στην οικολογία των μεσογειακών οικοσυστημάτων, προσδίδοντας στα δάση τα βασικά χαρακτηριστικά της μεσογειακής λεκάνης. Ωστόσο, με την ανθρώπινη δραστηριότητα να έχει αυξηθεί δραστικά, ο αριθμός τους έχει αυξηθεί σε σημείο επικίνδυνο για την υποβάθμιση του εδάφους και της βιοποικιλότητας, όπως είναι το ζήτημα της διάβρωσης. Οι εικόνες υψηλής χωρικής ανάλυσης, που παρέχονται από δορυφόρους όπως είναι ο Landsat-8, μπορούν να παρουσιάσουν ιδιαίτερα ακριβή αποτελέσματα σχετικά με τις καμένες περιοχές στην επιφάνεια της γης. Μια εικόνα μπορεί να βελτιωθεί σημαντικά χρησιμοποιώντας στατιστικές μεθόδους, όπως η PCA, με αποτέλεσμα να είναι δυνατός ο εντοπισμός των καμένων εκτάσεων σε διάφορες χρονικές περιόδους. Τα κανάλια, τα οποία αποδείχθηκαν ως τα περισσότερο χρήσιμα ήταν το 4 και το 5, με το δείκτη NDVI να παίζει σημαντικό ρόλο στην καλύτερη οπτική αποσαφήνιση των χαρακτηριστικών της βλάστησης. Τέλος, η προσέγγιση της καμένης περιοχής φτάνει σε ποσοστό ακρίβειας 84,61%. Η μέθοδος της πολυχρονικής PCA διαχωρίζει τις δύο διαφορετικά καμένες εκτάσεις του 2016 και του 2018, αν και υποτιμά την καμένη περιοχή στη μέση του νησιού, καθώς είναι καλυμμένη από γυμνή γη.

[[category:Χαρτογράφηση καμένων εκτάσεων]]

Αξιολόγηση Οπτικών Δεδομένων Τηλεπισκόπησης σε Χαρτογράφηση Καμένων Περιοχών στο νησί της Θάσου

2023-02-07T14:48:10Z

Chloebenou:

'''Πηγή''': Elhag, Μ., Yimaz, Ν., Bahrawi, J. & Boteva, S. (2020) Evaluation of Optical Remote Sensing Data in Burned Areas Mapping of Thasos Island, Greece. Earth Systems and Environment, 4, 813–826. https://doi.org/10.1007/s41748-020-00195-1

'''Λέξεις κλειδιά''': Δασικές πυρκαγιές, Μεσογειακό οικοσύστημα, NDVI

'''1. Εισαγωγή'''

Στην Ελλάδα, οι περισσότερες δασικές περιοχές αντιμετωπίζουν κάθε χρόνο προβλήματα δασικών πυρκαγιών. Τα τελευταία χρόνια παρατηρείται αύξηση του φαινομένου στη χώρα, με αποκορύφωμα το 2016, όπου σημειώθηκε ο μέγιστος αριθμός των 206 πυρκαγιών και η συνολική καμένη έκταση των 6938,8 ha. Αιτία είναι κυρίως ο εμπρησμός, με τις καλοκαιρινές καιρικές συνθήκες να ευνοούν την εξάπλωσή τους. Το κλίμα, (υψηλές θερμοκρασίες, χαμηλή υγρασία και μεγάλη ξηροθερμική περίοδος), όπως και τα εύφλεκτα φρύγανα ευνοούν σημαντικά την πρόκληση μιας πυρκαγιάς, με χαρακτηριστικό παράδειγμα το νησί της Κρήτης.
Η αξιολόγηση των δασικών πυρκαγιών έχει ως στόχο την πρόληψη και την καταστολή τους, δίνοντας βάση στη συγκομιδή της ξυλείας και τις οικολογικές επιπτώσεις της περιοχής. Ως εκ τούτου, η χαρτογράφηση αποτελεί ουσιώδες εργαλείο καταγραφής τους, χρησιμοποιώντας διάφορες τεχνικές τηλεπισκόπησης και μηχανισμούς ανίχνευσης των καμένων περιοχών (δείκτες βλάστησης NDVI, μοντέλα λογιστικής παλινδρόμησης, ανάλυση κύριου στοιχείου PCA). Στη συγκεκριμένη έρευνα λήφθηκαν πολυφασματικά δεδομένα από εικόνες Landsat-8 και αεροφωτογραφίες, εντοπίζοντας τις αλλαγές που παρουσιάστηκαν πριν και μετά τις πυρκαγιές. Επίσης, δόθηκε βάση στη διερεύνηση της αποτελεσματικότητας της PCA ως προς τη βελτίωση της χαρτογράφησης, στον καθορισμό του καταλληλότερου συνδυασμού καναλιών για τη χαρτογράφηση της καμένης περιοχής και στην εκτίμηση της ακρίβειας του χάρτη σε σχέση με τα επίσημα στοιχεία της Δασικής Υπηρεσίας.

'''2. Μεθοδολογία'''

Η περιοχή έρευνας ήταν το βορειότερο νησί της Ελλάδας, η Θάσος. Ανήκει στην περιφέρεια της Καβάλας στην Κεντρική Μακεδονία, με συντεταγμένες από 24°30’ έως 24°48’ Α και από 40°33’ έως 40°49’ Β. Η τοπογραφία της Θάσου χαρακτηρίζεται ως ορεινή, με μέγιστο υψόμετρο τα 1217 m. Το κλίμα είναι μεσογειακό, με υγρούς χειμώνες και ξηρά καλοκαίρια, ενώ το γεωλογικό υπόβαθρο περιλαμβάνει ασβεστόλιθο και μάρμαρο, ηφαιστειογενούς προέλευσης.
Ο μεγαλύτερος αριθμός των πυρκαγιών που προκλήθηκαν στη Θάσο προέκυψε τη δεκαετία 2010-2020, με σταθμό τις πυρκαγιές του 2016 και 2018, οι οποίες είχαν ως αποτέλεσμα την απώλεια περίπου 20.000 ha τραχείας και μαύρης πεύκης (Pinus brutia, Pinus nigra), δηλαδή έκταση μεγαλύτερη από το μισό μέγεθος του νησιού. Τα στοιχεία που προσκομίστηκαν για την έρευνα προήλθαν από δύο δορυφορικές εικόνες Landsat-8, με νεφοκάλυψη μικρότερη του 5%. Η πρώτη απεικόνιζε την περιοχή έξι ημέρες πριν την έξαρση της πρώτης πυρκαγιάς (4 Αυγούστου 2016), ενώ η δεύτερη μετά τη λήξη της δεύτερης πυρκαγιάς (24 Οκτωβρίου 2018). Τα οπτικά κανάλια των φωτογραφιών ήταν 11 και περιλάμβαναν το οπτικό, το εγγύς υπέρυθρο, το μέσο υπέρυθρο, το θερμικό υπέρυθρο και το πανχρωματικό. Η χωρική ανάλυση των εικόνων είχε εύρος από 15 m έως 100 m.
Στη συνέχεια, ακολούθησε η ταξινόμηση των εικονοστοιχείων (pixels) δύο εικόνων με σκοπό την αναγνώριση των διαφορετικών κλάσεων της κάλυψης γης (Land Cover) της περιοχής μελέτης. Χρησιμοποιήθηκε ο συνδυασμός καναλιών 4-3-2, ο οποίος αποδίδει την καταλληλότερη οπτική αντίθεση ανάμεσα στις κατηγορίες χρήσεων γης. Για την ταξινόμηση αυτή, έγινε χρήση του παραμετρικού αλγορίθμου, ο οποίος αποσκοπεί στην οριοθέτηση των περιοχών σε πολυδιάστατα δεδομένα μέσω της κατηγοριοποίησης των εικονοστοιχείων, σύμφωνα με την ακόλουθη εξίσωση πιθανοτήτων:

[[Benchl_p1_exisosi1.png]]

Όπου i: κλάση, x: n-διάστατα δεδομένα (όπου n είναι ο αριθμός των καναλιών), p(ωi): η πιθανότητα ότι η κλάση ωi εμφανίζεται στην εικόνα και θεωρείται το ίδιο για όλες τις κλάσεις, |Σi|: η ορίζουσα του πίνακα συνδιακύμανσης των δεδομένων στην κλάση ωi, Σi−1: ο αντίστροφος πίνακας, mi: μέσο διάνυσμα.
Η ακρίβεια των δύο ταξινομήσεων αξιολογήθηκε μέσω της σύγκρισης πινάκων σφαλμάτων και του συντελεστή Κάπα (Khat), συγκρίνοντας τα πραγματικά στοιχεία του πεδίου με τα αντίστοιχα αποτελέσματα της αυτοματοποιημένης ταξινόμησης. Η συνολική ακρίβεια υπολογίζεται με τη διαίρεση του συνολικού αριθμού των σωστά ταξινομημένων pixels δια το συνολικό αριθμό των pixels. Με αυτό τον τρόπο, διαφαίνεται εάν η κλάση στο χάρτη αντιστοιχεί σε πραγματικά περιβαλλοντικά δεδομένα. Για τον υπολογισμό της συνολικής ακρίβειας χρησιμοποιήθηκε η εξίσωση:

[[Benchl_p1_exisosi2.png]]

Όπου Caa: ένα στοιχείο στη θέση ath γραμμής και ath στήλης, Q και U: ο συνολικός αριθμός pixels και κλάσεων, αντίστοιχα.
Σύμφωνα με τη στατιστική μέθοδο της PCA, το κανάλι 5 θεωρήθηκε το καταλληλότερο για την ανίχνευση των καμένων περιοχών και για τις δύο φωτογραφίες και έγινε χρήση των αντίστοιχων PCA εξισώσεων με σκοπό την πολυχρονική ανάλυση και την ανάδειξη περισσότερων δεδομένων για τις δύο πυρκαγιές ξεχωριστά. Τα κανάλια 3, 4 και 7 ήταν επίσης χρήσιμα. Επιπλέον, δόθηκε βάση και στο δείκτη NDVI, για την περιγραφή της κάλυψης και της δυναμικής της βλάστησης. Ο συνδυασμός της PCA και του NDVI αποτέλεσαν το κύριο μέσο για τη χαρτογράφηση των καμένων πυρκαγιών της Θάσου.

'''3. Αποτελέσματα'''

Κατά την ταξινόμηση των εικονοστοιχείων των δύο εικόνων δημιουργήθηκαν οχτώ κλάσεις για την καθεμία ξεχωριστά. Αυτές ήταν: ελαιώνες, φυσικά λιβάδια, περιοχές με αραιή βλάστηση, μικτά δάση, τοποθεσίες εξόρυξης ορυκτών, αστικές περιοχές, αλυκές και περιφερειακά υδάτινα σώματα (θάλασσα). Αντίστοιχα, η συνολική ακρίβεια της ταξινόμησης αυτής φαίνεται στον ακόλουθο πίνακα, με τον συντελεστή Κάπα να κυμαίνεται στις τιμές 0,92 και 0,94:

'''Πίνακας 1'''. Συνολική ακρίβεια και Συντελεστής Κάπα της εποπτευόμενης ταξινόμησης των χαρτών.
[[Benchl_p1_pinakas1.png]]

Κατά την εφαρμογή της PCA και το συνδυασμό καναλιών και στοιχείων, υπολογίστηκε το ποσοστό των σωστά διαβαθμισμένων παρατηρήσεων ως προς τις καμένες περιοχές (καμένες, μη καμένες και σύνολο). Τα μοντέλα με την καλύτερη απόδοση εφαρμόστηκαν στα δορυφορικά δεδομένα για τη χαρτογράφηση των καμένων περιοχών. Επιπρόσθετα, ο δείκτης NDVI σε συνδυασμό με τα κανάλια 5 και 6 προσέφεραν περισσότερα στοιχεία για την πρώτη πυρκαγιά το 2016, εξαιτίας της διαφοροποίησης της βλάστησης μεταξύ των δύο πυρκαγιών. Στην εικόνα 1 η πυρκαγιά του 2016 εντοπίζεται με μαύρο χρώμα στο κανάλι 5, ενώ εκείνη του 2018 με άσπρο στο κανάλι 6.

[['''Εικόνα 1'''. Benchl_p1_xartis1.png| thumb | right | Καμένες περιοχές Θάσου με οπτική απόδοση μέσω του καναλιού 5 για το 2016 (αριστερά) σε μαύρο χρώμα και 6 για το 2018 (δεξιά) σε άσπρο, πηγή: Elhag ''et al.'' 2020. ] ]

Η διαφορά του NDVI μεταξύ των δύο εικόνων παρουσιάζεται στην Εικόνα 2, όπου με βάση τις τιμές της διαφορικής εικόνας NDVI και της οπτικής ερμηνείας, προκύπτουν τρεις κατηγορίες αλλαγών: η θετική αλλαγή, η μέτρια και η αρνητική. Σε αυτή την περίπτωση, προβάλλονται οι τάσεις της βλάστησης, όπου οι αρνητικές τιμές (μαύρο χρώμα) αντιστοιχούν στην παλινδρόμηση της βλάστησης (αρνητική αλλαγή), ενώ οι θετικές τιμές (λευκό χρώμα) αντιστοιχούν στην εξέλιξη της βλάστησης (θετική αλλαγή). Το συγκεκριμένο εργαλείο είναι ιδιαίτερα χρήσιμο στην πρόβλεψη της υποβάθμισης της βλάστησης μιας περιοχής. Επιπλέον, ο εντοπισμός καμένων περιοχών μπορεί να πραγματοποιηθεί ακριβέστερα στις υγρές περιόδους, καθώς παρουσιάζεται έντονη χρωματική αντίθεση και η φωτοερμηνεία γίνεται ευκολότερα.

[['''Εικόνα 2'''. Benchl_p1_xartis2.png| thumb | right | Καμένες περιοχές Θάσου συνδυάζοντας τους χάρτες της εικ. 1 (αριστερά) και η διαφοροποίηση του NDVI (δεξιά), πηγή: Elhag ''et al.'' 2020. ] ]

Ακόμη, προέκυψαν προβλήματα κατά την ταξινόμηση των pixels, καθώς 11 από τα 128 pixels καμένης περιοχής κατηγοριοποιήθηκαν λανθασμένα ως καμένη περιοχή. Αντίστοιχα 20 pixels ταξινομήθηκαν λανθασμένα ως μη καμένη περιοχή, με τη συνολική ακρίβεια να κυμαίνεται στο 87,9%. Οι καμένες εκτάσεις, οι οποίες καλύπτουν τα λατομεία, δεν λήφθηκαν υπόψη στην εκτίμηση των δασικών πυρκαγιών, με σκοπό τη μεγαλύτερη ακρίβεια στα αποτελέσματα. Η βλάστηση φαίνεται να παρουσιάζει αρνητική αλλαγή, λόγω της ύπαρξης σκούρων αποχρώσεων του γκρι, υποδηλώνοντας εδαφική υποβάθμιση της περιοχής. Η αλλαγή της βλάστησης μιας περιοχής εξαιτίας των δασικών πυρκαγιών μπορεί να επιφέρει σημαντικές επιπτώσεις στη βιομάζα και τον πρωτογενή τομέα παραγωγής, συνεπώς η πρόβλεψη της υποβάθμισης αποτελεί ζωτικό εργαλείο για την αντιμετώπιση αυτών των προκλήσεων.

'''4. Συμπεράσματα'''

Οι δασικές πυρκαγιές αποτελούν θεμελιώδη μηχανισμό στην οικολογία των μεσογειακών οικοσυστημάτων, προσδίδοντας στα δάση τα βασικά χαρακτηριστικά της μεσογειακής λεκάνης. Ωστόσο, με την ανθρώπινη δραστηριότητα να έχει αυξηθεί δραστικά, ο αριθμός τους έχει αυξηθεί σε σημείο επικίνδυνο για την υποβάθμιση του εδάφους και της βιοποικιλότητας, όπως είναι το ζήτημα της διάβρωσης. Οι εικόνες υψηλής χωρικής ανάλυσης, που παρέχονται από δορυφόρους όπως είναι ο Landsat-8, μπορούν να παρουσιάσουν ιδιαίτερα ακριβή αποτελέσματα σχετικά με τις καμένες περιοχές στην επιφάνεια της γης. Μια εικόνα μπορεί να βελτιωθεί σημαντικά χρησιμοποιώντας στατιστικές μεθόδους, όπως η PCA, με αποτέλεσμα να είναι δυνατός ο εντοπισμός των καμένων εκτάσεων σε διάφορες χρονικές περιόδους. Τα κανάλια, τα οποία αποδείχθηκαν ως τα περισσότερο χρήσιμα ήταν το 4 και το 5, με το δείκτη NDVI να παίζει σημαντικό ρόλο στην καλύτερη οπτική αποσαφήνιση των χαρακτηριστικών της βλάστησης. Τέλος, η προσέγγιση της καμένης περιοχής φτάνει σε ποσοστό ακρίβειας 84,61%. Η μέθοδος της πολυχρονικής PCA διαχωρίζει τις δύο διαφορετικά καμένες εκτάσεις του 2016 και του 2018, αν και υποτιμά την καμένη περιοχή στη μέση του νησιού, καθώς είναι καλυμμένη από γυμνή γη.

[[category:Χαρτογράφηση καμένων εκτάσεων]]

Αξιολόγηση Οπτικών Δεδομένων Τηλεπισκόπησης σε Χαρτογράφηση Καμένων Περιοχών στο νησί της Θάσου

2023-02-07T14:41:03Z

Chloebenou:

Αξιολόγηση Οπτικών Δεδομένων Τηλεπισκόπησης σε Χαρτογράφηση Καμένων Περιοχών στο νησί της Θάσου

2023-02-07T14:33:28Z

Chloebenou: Νέα σελίδα με ' '''Πηγή''': Elhag, Μ., Yimaz, Ν., Bahrawi, J. & Boteva, S. (2020) Evaluation of Optical Remote Sensing Data in Burned Areas Mapping of Thasos Island, Greece. Earth ...'

Αρχείο:Benchl p1 xartis2.png

2023-02-07T14:15:33Z

Chloebenou:

Αρχείο:Benchl p1 xartis1.png

2023-02-07T14:15:12Z

Chloebenou:

Αρχείο:Benchl p1 pinakas1.png

2023-02-07T14:14:52Z

Chloebenou:

Αρχείο:Benchl p1 exisosi2.png

2023-02-07T14:14:35Z

Chloebenou:

Αρχείο:Benchl p1 exisosi1.png

2023-02-07T14:13:34Z

Chloebenou: