ΔΠΜΣ "Περιβάλλον & Ανάπτυξη" (Μέτσοβο):Μάρη Λευκοθέα

Από RemoteSensing Wiki

Ανάκτηση δεδομένων δασικών πυρκαγιών στην Άπω Ανατολή με χρήση της Τηλεπισκόπησης και ανάλυση τους με προσομοίωση της καύσης βιομάζας και μεταβολών του κλίματος

Αντικείμενο εφαρμογής

Αντικείμενο της εφαρμογής είναι η δημιουργία μιας βάσης δεδομένων για τις δασικές πυρκαγιές σε μια περιοχή της Άπω Ανατολής στην Ασία χρησιμοποιώντας τηλεπισκοπικά δεδομένα από καταγραφές του AVHRR (Advanced Very High Resolution Radiometer).Ο αλγόριθμος χαρτογράφησης ουλών από πυρκαγιές χρησιμοποιεί μια τεχνική ανίχνευσης ενεργών πυρκαγιών ταυτόχρονα με την ανίχνευση απότομης μείωσης που απεικονίζεται στην χρονοσειρά του δείκτη NDVI (Normalized Difference Vegetation Index).

Στόχος της εφαρμογής

Στόχος της εφαρμογής είναι η βάση δεδομένων για τις δασικές πυρκαγιές αφού έχει αποθηκευτεί σε μορφή GIS (Γεωγραφικού Συστήματος Πληροφοριών) να χρησιμοποιηθεί για τρείς στόχους: α) για την προσομοίωση της καύσης της βιομάζας β) για την εκτίμηση βιοφυσικών δεικτών και γ)για τον συσχετισμό των μεταβολών του κλίματος με την εκδήλωση της πυρκαγιάς.

Είδη δορυφορικών ή αερομεταφερόμενων συστημάτων

Χρησιμοποιήθηκε ο δορυφόρος NOAA και το ραδιόμετρο AVHRR

Είδη δορυφόρων, δεκτών και καναλιών

Χρησιμοποιήθηκαν δεδομένα από το 1984 έως το 2001 τα οποία αρχειοθετήθηκαν σε μορφή 10-bit HRPT (High Resolution Picture Transmission). Επιλέχθηκαν για επεξεργασία οι εικόνες από τον Μάρτιο μέχρι τον Οκτώβριο γιατί α)του υπόλοιπους μήνες ή βλάστηση είναι ασθενής και δεν παρατηρούνται φωτιές και β)γιατί η ακρίβεια της αντανάκλασης είναι μειωμένη τους χειμερινούς μήνες λόγω της χαμηλής ηλιακής γωνίας.

Χρησιμότητα των δεκτών/καναλιών

Η επιλογή του ραδιόμετρου AVHRR ως βασικής πηγής δεδομένων οφείλεται στο γεγονός ότι είναι κατάλληλα για την χαρτογράφηση πυρκαγιών λόγω της υψηλής χρονικής ανάλυσης η οποία οδηγεί σε υψηλή χωρική ανάλυση. Ένας ακόμη λόγος είναι η εύκολη πρόσβαση στα δεδομένα.

Προεπεξεργασίες

Τα δεδομένα του AVHRR επεξεργάστηκαν με το λογισμικό PaNDA (Package for NOAA Data Analysis). Πραγματοποιήθηκε

• μετατροπή μορφής
• ραδιομετρική διόρθωση
• ατμοσφαιρική διόρθωση
• γεωμετρική διόρθωση

Ψηφιακές επεξεργασίες/αλγόριθμοι και αποτελέσματα

1) Δημιουργία βάσης δεδομένων για δασικές πυρκαγιές.

Ο αλγόριθμος χαρτογράφησης ουλών από πυρκαγιές αποτελείται από δύο μέρη. Στο πρώτο μέρος ανιχνεύονται οι ενεργές ζώνες καύσης της βιομάζας δεδομένου ότι δεν υπάρχουν σύννεφα. Στο δεύτερο μέρος ανιχνεύονται απότομες μειώσεις του δείκτη NDVI. Τα δύο παραπάνω μέρη ενώνονται, έτσι αν το pixel πληρεί και τις δύο προϋποθέσεις τότε σημειώνεται σαν ένα πραγματικά καμένο pixel (Real Burnt Pixel). Με αυτή την διαδικασία εντοπίστηκαν τα RBP για κάθε μήνα και τελικά προέκυψε η επιφάνεια καμένης έκτασης κάθε χρονιάς. Έγινε επιβεβαίωση των ευρημάτων με στοιχεία από πυρκαγιές που είχαν συμβεί καθώς και με δεδομένα του δορυφόρου Landsat για την χρονιά 1998. Η συμφωνία των δεδομένων κρίθηκε επαρκής. Η καμένη επιφάνεια για κάθε χρονιά παρουσιάζεται στον παρακάτω πίνακα.

Πίνακας 1.Ετήσια έκταση καμένης έκτασης σε Km²

2) Υπολογισμός καύσης βιομάζας

Προκείμενου να υπολογιστεί η ποσότητα βιομάζας που καταναλώθηκε κατά την διάρκεια μιας πυρκαγιάς χρησιμοποιήθηκε το μοντέλο Sim-Cycle (Ito - Oikawa,2002)

3) Υπολογισμός των βιοφυσικών δεικτών για μια καμένη έκταση

Ο δείκτης NDVI απεικονίζει της συνθήκες βλάστησης, μπορεί λοιπόν να χρησιμοποιηθεί για τον υπολογισμό των δεικτών LAI,FAPAR και ANPP οι οποίοι συνήθως υπολογίζονται με μεθόδους εδάφους. Ο δείκτης LAI είναι η συνολική επιφάνεια φύλλων ανά τετραγωνικό μέτρο, ο δείκτης FAPAR είναι ο λόγος της απορροφούμενης φωτοσυνθετικής ακτινοβολίας προς την εισερχόμενη φωτοσυνθετική ακτινοβολία και τέλος ο δείκτης ANPP είναι η ποσότητα της βιομάζας συσσωρευμένη στην βλάστηση. Με την χρήση της γραμμικής παλινδρόμησης βρέθηκε η εξίσωση που συνδέει τις παραπάνω μεταβλητές

4) Κλιματικές μεταβολές και εκδήλωση πυρκαγιάς

Τα δεδομένα που χρησιμοποιήθηκαν προήλθαν από την Ιαπωνική Μετεωρολογική Υπηρεσία και συγκεκριμένα από 14 σταθμούς που υπήρχαν στην εξεταζόμενη περιοχή όπως φαίνεται και στην παρακάτω εικόνα

Εικόνα 1:Η εξεταζόμενη περιοχή και η χωροθέτηση των 14 μετεωρολογικών σταθμών.

Αναγκαία είναι η εισαγωγή του όρου μεταβολή θερμοκρασίας και λόγος της κατακρήμνισης, ο πρώτος δείχνει την διαφορά σε βαθμούς Κελσίου μεταξύ της μηνιαίας μέσης θερμοκρασίας και της μακροπρόθεσμης μέσης θερμοκρασίας για κάθε μήνα, όσο υψηλότερη είναι η τιμή αυτή τόσο πιο θερμός είναι ο καιρός. Ο λόγος της κατακρήμνισης εκφράζει το ποσοστό της μέσης μηνιαίας κατακρήμνισης και του μακροπρόθεσμου μέσου όρου για κάθε μήνα, μία τιμή κάτω από το 100% δείχνει ένα πιο ξηρό μήνα ενώ μια τιμή πάνω από το 100% δείχνει ένα πιο υγρό μήνα. Προκειμένου να συγκριθούν τα παραπάνω με τις ετήσιες καμένες εκτάσεις χρησιμοποιήθηκε η ετήσια μεταβολή της θερμοκρασίας και η ετήσια μεταβολή της κατακρήμνισης. Η ετήσια μεταβολή της θερμοκρασίας είναι το άθροισμα των μηνιαίων μεταβολών, αν το άθροισμα είναι μεγαλύτερο από 0 τότε η χρονιά θα είναι πιο θερμή από τον μακροπρόθεσμο μέσο όρο. Η ετήσια κατακρήμνιση είναι ο μέσος όρος των μηνιαίων λόγων, αν η τιμή είναι μεγαλύτερη από 100% η χρονιά θα είναι πιο βροχερή. Όπως φαίνεται και από την παρακάτω εικόνα βρέθηκε ότι είναι πιο πιθανό να εκδηλωθεί μια πυρκαγιά όταν η μεταβολή της ετήσια κατακρήμνισης παίρνει τιμές από 65% έως 95%. Συμπεραίνεται ακόμη ότι η εκδήλωση μιας πυρκαγιάς σχετίζεται περισσότερο με την έλλειψη νερού παρά με την θερμοκρασία.

Εικόνα 2:Αριθμός καμένων pixel σε σχέση με την ετήσια μεταβολή της κατακρήμνισης και της θερμοκρασίας.

Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων

Έγινε περιγραφή της τεχνικής δημιουργίας βάσης δεδομένων για δασικές πυρκαγιές η οποία μπορεί να χρησιμοποιηθεί και σε άλλες περιοχές για την μακροπρόθεσμη χαρτογράφηση ουλών από πυρκαγιές. Τέλος αναδείχθηκε η χρησιμότητα αυτής της βάσης δεδομένων για άλλες πιθανές χρήσεις.

Αρχικό κείμενο: Jan KUÇERA and Yoshifumi YASUOKA "Retrieval of Forest Fire History in Far East Asia by Remote Sensing and Its Analysis with Biomass Burning Simulation and Climate Anomalies". Global Environmental Change in the Ocean and on Land, Eds., M. Shiyomi et al., pp. 411–424.