Αξιολόγηση Δεδομένων Οπτικής Απομακρυσμένης Ανίχνευσης για Χαρτογράφηση Καμένων Περιοχών στο Νησί Θάσος, Ελλάδα

Από RemoteSensing Wiki

Evaluation of Optical Remote Sensing Data in Burned Areas Mapping of Thasos Island, Greece Mohamed Elhag, Nese Yimaz, Jarbou Bahrawi & Silvena Boteva

Πηγή: [1]

Λέξεις κλειδιά : Δασική πυρκαγιά · Μεσογειακό οικοσύστημα · Δείκτης κανονικοποιημένης διαφοράς βλάστησης · Ανάλυση κύριων συνιστωσών · Χρονολογική ανάλυση

ΠΕΡΙΛΗΨΗ Η μελέτη αφορά την αξιολόγηση των δεδομένων οπτικής απομακρυσμένης ανίχνευσης για τη χαρτογράφηση καμένων περιοχών στο νησί της Θάσου, Ελλάδα. Οι δασικές πυρκαγιές αποτελούν συχνό φαινόμενο στις μεσογειακές περιοχές και προκαλούν σημαντικές οικολογικές και οικονομικές ζημιές. Η ανάλυση πραγματοποιήθηκε χρησιμοποιώντας τον δορυφόρο Landsat-8 και την τεχνική Ανάλυσης Κύριων Συνιστωσών (PCA), σε συνδυασμό με τον Δείκτη Κανονικοποιημένης Διαφοράς Βλάστησης (NDVI), για την ακριβή εκτίμηση και χαρτογράφηση των καμένων περιοχών. Η μέθοδος πέτυχε υψηλή ακρίβεια (85%) στην καταγραφή των καμένων εκτάσεων, παρέχοντας αξιόπιστα αποτελέσματα για τις περιοχές που επηρεάστηκαν από τις πυρκαγιές.

ΕΙΣΑΓΩΓΗ

Οι δασικές πυρκαγιές στην Ελλάδα έχουν αυξηθεί σημαντικά τα τελευταία χρόνια, τόσο σε αριθμό όσο και σε έκταση. Από το 1984 μέχρι το 2016, οι πυρκαγιές αυξήθηκαν από 83 σε 206 περιστατικά ετησίως, προκαλώντας τεράστιες καταστροφές. Το πρόβλημα εντείνεται λόγω των κλιματικών συνθηκών και της εύφλεκτης βλάστησης σε περιοχές όπως η Κρήτη και η Θάσος. Η εκτίμηση των ζημιών από πυρκαγιές απαιτεί ακριβή και έγκαιρη χαρτογράφηση των καμένων περιοχών. Η απομακρυσμένη ανίχνευση, χρησιμοποιώντας δορυφορικές εικόνες και τεχνικές ανάλυσης όπως η PCA, προσφέρει μια αξιόπιστη μέθοδο για τη χαρτογράφηση και εκτίμηση των καμένων περιοχών, μειώνοντας την ανάγκη για χρονοβόρες επισκέψεις στο πεδίο και αεροφωτογραφίες.

2. Υλικά και Μέθοδοι

2.1 Περιγραφή Περιοχής Μελέτης

Η περιοχή της μελέτης βρίσκεται στο νησί Θάσος, το πιο βόρειο νησί της Ελλάδας, και ανήκει στην Περιφερειακή Ενότητα Καβάλας, Μακεδονία. Εκτείνεται από 24°30′ έως 24°48′ Ε και από 40°33′ έως 40°49′ Β. Η έκταση του νησιού είναι 399 τετραγωνικά χιλιόμετρα, ενώ η περίμετρός του είναι περίπου 102 χιλιόμετρα (Εικόνα 1). Το νησί έχει ηφαιστειακή προέλευση και καλύπτεται από ασβεστόλιθους και μάρμαρα που καλύπτουν την κρυσταλλική του βάση, κάνοντάς το σημαντική πηγή μάρμαρων (Elhag & Alshamsi, 2019). Η τοπογραφία του νησιού είναι ορεινή, με το υψηλότερο σημείο του να φτάνει τα 1217 μέτρα πάνω από την επιφάνεια της θάλασσας. Το κλίμα της Θάσου είναι τυπικό μεσογειακό, με καυτά, ξηρά και ηλιόλουστα καλοκαίρια και ψυχρούς χειμώνες (Elhag & Bahrawi, 2016a). Η Εθνική Υπηρεσία Δασών, Σταθμός Δασών Θάσου, τηρεί αρχεία πυρκαγιών. Σύμφωνα με αυτά τα αρχεία, οι μεγαλύτερες δασικές πυρκαγιές του αιώνα σημειώθηκαν το 1928 (1500 εκτάρια), το 1938 (1700 εκτάρια), το 1945 (700 εκτάρια), το 1984 (1669 εκτάρια), το 1985 (10.405 εκτάρια), το 1989 (8401 εκτάρια) και το 2000 (187 εκτάρια). Ωστόσο, κατά την περίοδο 2010-2020 παρατηρήθηκε εκρηκτική αύξηση στον αριθμό των πυρκαγιών και την έκταση που κάηκε. Στην πραγματικότητα, οι μεγαλύτερες πυρκαγιές της τελευταίας εκατονταετίας συνέβησαν κατά την εν λόγω περίοδο και οδήγησαν στην απώλεια περίπου 20.000 εκταρίων από τα δάση πεύκων (Pinus brutia και Pinus nigra) (Elhag & Boteva, 2020). Η περιοχή που επηρεάστηκε αποτέλεσε περισσότερα από τα μισά του μεγέθους του νησιού Θάσος.

Εικόνα 1. Η τοποθεσία Νήσος Θάσος στο Αιγαίο Πέλαγος, Ελλάδα

2.2 Δεδομένα Από Απομακρυσμένη Σάρωση (Remote Sensing)

Η γεωμορφολογία του νησιού, η μεγάλη έκταση των πυρκαγιών του 2016 και του 2018, οι τύποι κάλυψης γης, καθώς και η ύπαρξη υδάτινων σωμάτων καθιστούν την περιοχή της μελέτης ιδανική για τη χαρτογράφηση καμένων περιοχών (Sakellariou et al., 2019). Οι δύο πυρκαγιές που αναφέρονται συνέβησαν μεταξύ 2016 και 2018. Η πυρκαγιά του 2016 ήταν συνδυασμένη πυρκαγιά κώνου και επιφανειακή, που διήρκεσε 8 ημέρες, ενώ η πυρκαγιά του 2018 ήταν κυρίως πυρκαγιά κώνου, η οποία κατέστρεψε 11.870 εκτάρια διαφόρων τύπων γης (Sakellariou et al., 2019; Tampekis et al., 2015). Τα δεδομένα που χρησιμοποιήθηκαν για αυτή τη μελέτη περιλαμβάνουν δύο δορυφορικές εικόνες με λιγότερο από 5% κάλυψη σύννεφων, έναν τοπογραφικό χάρτη και τις επίσημες περιμέτρους των πυρκαγιών που δημοσιεύθηκαν από την Υπηρεσία Δασών και τον «Χάρτη Δρόμων και Ακτών» της Θάσου. Οι δύο δορυφορικές εικόνες αποκτήθηκαν από την πλατφόρμα Landsat-8, μία 6 ημέρες μετά την πρώτη πυρκαγιά (4 Αυγούστου 2016) και η άλλη μετά τη δεύτερη πυρκαγιά (24 Οκτωβρίου 2018). Η πλατφόρμα Landsat-8 παρέχει συνολικά 11 φασματικά κανάλια, από τα οποία 9 είναι γνωστά ως Οπτικός Απεικονιστής Χώρου (OLI) και 2 ως Θερμικός Ακτινοβολητής (TIRS). Τα κανάλια OLI (1-9) καταγράφουν δεδομένα στο Ορατό, Υπέρυθρο (NIR) και Εύρος Μικροκυμάτων (SWIR), με ανάλυση 30 μέτρων για τα περισσότερα κανάλια, εκτός από το κανάλι 8 (πανχρωματικό, ανάλυση 15 μέτρων) και το κανάλι 7 (SWIR, 60 μέτρα). Επίσης, τα κανάλια TIRS (10 και 11) έχουν ανάλυση 100 μέτρων και αντιπροσωπεύουν το Μακροκύμα Υπέρυθρο (LWIR).

2.3 Εννοιολογικό Πλαίσιο

Πριν από την ταξινόμηση εικόνας, απαιτείται προκατεργασία των δεδομένων που προκύπτουν από την απομακρυσμένη σάρωση. Οι δύο βασικές τεχνικές που χρησιμοποιούνται στην προκατεργασία είναι οι ακτινομετρικές και γεωμετρικές διορθώσεις. Τα ακτινομετρικά σφάλματα προκύπτουν από την ατμοσφαιρική απορρόφηση ή θόρυβο, που είναι αποτέλεσμα της διάσπασης και απορρόφησης του φωτός καθώς περνά μέσα από την ατμόσφαιρα της Γης (Boers et al., 1996), ενώ γεωμετρικές παραμορφώσεις συμβαίνουν επειδή η εικόνα αναπαριστά την καμπύλη επιφάνεια της Γης σε δύο διαστάσεις (Singh, 1989). Οι ακτινομετρικές διορθώσεις δεν πραγματοποιήθηκαν στη μελέτη αυτή, καθώς είναι απαραίτητες μόνο όταν στόχος είναι η ανίχνευση πολύ μικρών αλλαγών. Εξάλλου, πολλές μελέτες απομακρυσμένης σάρωσης που σχετίζονται με την κάλυψη γης παραβλέπουν το πρόβλημα των ατμοσφαιρικών διορθώσεων, καθώς τα σήματα από τα αντικείμενα που μελετώνται είναι αρκετά ισχυρά για να ανιχνευθούν παρά την ατμοσφαιρική απορρόφηση (Boers et al., 1996). Επιπλέον, λόγω περιορισμένου χρόνου δεν εφαρμόστηκαν αυτές οι τεχνικές. Επομένως, η παραδοχή ήταν ότι οι διαφορές στην ανακλαστικότητα οφείλονται σε αλλαγές στα χαρακτηριστικά και στην κάλυψη γης και όχι σε ακτινομετρικά σφάλματα. Συνεπώς, πραγματοποιήθηκε μόνο γεωμετρική διόρθωση. Για να αναλυθεί η ανίχνευση αλλαγών από τις δορυφορικές εικόνες, τα δεδομένα πρέπει να συγχρονιστούν και προτιμότερο να ευθυγραμμιστούν σε σύστημα προβολής χάρτη (Vogelmann et al., 2001).

2.4 Μέθοδοι Ανίχνευσης Αλλαγών

Για την ανίχνευση αλλαγών, εφαρμόστηκε η μέθοδος διαφορών δεικτών, η οποία υπολογίζει τις διαφορές μεταξύ των σχετικών δεικτών από δύο εικόνες σε διαφορετικούς χρόνους. Αυτή η μέθοδος επιτρέπει την αξιολόγηση των αλλαγών στη βλάστηση, στην κάλυψη γης ή σε άλλες παραμέτρους. Η μέθοδος διαφορών δεικτών παρέχει πληροφορίες για το πού υπήρξαν σημαντικές αλλαγές στην κάλυψη γης και διευκολύνει την παρακολούθηση των περιοχών που επηρεάστηκαν από καταστροφές ή άλλες περιβαλλοντικές αλλαγές. Για την εφαρμογή αυτής της τεχνικής, υπολογίστηκαν οι διαφορές μεταξύ των δεικτών NDVI (Normalized Difference Vegetation Index) για τις δύο χρονικές στιγμές. Το NDVI χρησιμοποιείται ευρέως για τη μέτρηση της πυκνότητας και της κατάστασης της βλάστησης, και η σύγκριση αυτών των δεικτών μπορεί να αποκαλύψει περιοχές όπου η βλάστηση έχει αλλάξει, είτε αυξάνοντας είτε μειώνοντας. Η ανάλυση αυτών των διαφορών συνδυάστηκε με την ταξινόμηση εικόνας για να εντοπιστούν περιοχές που υπήρξαν σημαντικές αλλαγές, όπως οι ζημιές από πυρκαγιές ή άλλες ανθρωπογενείς ή φυσικές επιρροές.

Εικόνα 2. Η εικόνα ταξινόμησης με Μέγιστη Πιθανότητα της περιοχής μελέτης που αποκτήθηκε το 2016 (πάνω) και το 2018 (κάτω)

2.5 Ανάλυση Αποτελεσμάτων

Η τελική ανάλυση ανίχνευσης αλλαγών περιλαμβάνει τη δημιουργία ενός χάρτη αλλαγών που υποδεικνύει τις περιοχές όπου παρατηρήθηκαν διαφορές μεταξύ των δύο χρονικών στιγμών. Τα αποτελέσματα αναλύθηκαν αξιολογώντας τόσο ποσοτικές όσο και ποιοτικές διαφορές στις κατηγορίες κάλυψης γης, λαμβάνοντας υπόψη παραμέτρους που σχετίζονται με τις κλιματικές και περιβαλλοντικές συνθήκες κατά την περίοδο παρατήρησης.

3. Εφαρμογές της Ανίχνευσης Αλλαγών με Τεχνικές Remote Sensing

Η ανίχνευση αλλαγών μέσω τεχνικών απομακρυσμένης σάρωσης (remote sensing) έχει πολλές εφαρμογές σε διάφορους τομείς, όπως η παρακολούθηση του περιβάλλοντος, η διαχείριση φυσικών πόρων και η αντίδραση σε φυσικές καταστροφές. Μέσω της χρήσης δορυφορικών εικόνων και άλλων δεδομένων remote sensing, είναι δυνατόν να παρακολουθούμε τις αλλαγές στη γη και να κατανοούμε τις επιπτώσεις των καταστροφών ή των μεταβολών στην κάλυψη γης.

3.1 Παρακολούθηση της Γης

Η ανίχνευση αλλαγών χρησιμοποιείται για τη συνεχιζόμενη παρακολούθηση περιοχών που υφίστανται επανειλημμένες μεταβολές. Αυτή η τεχνική επιτρέπει την αναγνώριση και καταγραφή περιοχών που επηρεάζονται από φυσικές καταστροφές όπως πλημμύρες, πυρκαγιές και σεισμούς. Επίσης, βοηθά στην αποτίμηση των ζημιών και της έκτασης των κατεστραμμένων περιοχών. Ένα άλλο πεδίο εφαρμογής είναι η παρακολούθηση της ανάπτυξης των πόλεων και η κατανόηση της μεταβολής των φυσικών οικοσυστημάτων, κάτι που είναι κρίσιμο για την ορθολογική διαχείριση της γης.

3.2 Διαχείριση Καταστροφών

Η τεχνική της ανίχνευσης αλλαγών μέσω remote sensing είναι ιδιαίτερα χρήσιμη για την έγκαιρη διάγνωση και διαχείριση φυσικών καταστροφών. Στην περίπτωση πυρκαγιών, για παράδειγμα, η ανίχνευση αλλαγών μπορεί να προσδιορίσει με ακρίβεια τις περιοχές που έχουν επηρεαστεί, επιτρέποντας στις αρμόδιες αρχές να αναλάβουν άμεση δράση για την αποκατάσταση των πληγεισών περιοχών. Αντίστοιχα, μετά από πλημμύρες, η ανίχνευση αλλαγών μέσω remote sensing μπορεί να προσφέρει πολύτιμα δεδομένα για την εκτίμηση της έκτασης της καταστροφής και της έντασης των ζημιών.

3.3 Χρησιμοποιούμενοι Δείκτες και Αλγόριθμοι

Η ανίχνευση αλλαγών πραγματοποιείται συχνά μέσω διάφορων δεικτών, οι οποίοι παρέχουν χρήσιμες πληροφορίες για την παρακολούθηση της γης και των φυσικών πόρων. Οι πιο συνηθισμένοι δείκτες περιλαμβάνουν:

i. NDVI (Normalized Difference Vegetation Index) : Χρησιμοποιείται για την παρακολούθηση της υγείας και της πυκνότητας της βλάστησης, ενώ η σύγκριση των τιμών του NDVI σε διαφορετικούς χρόνους επιτρέπει την ανίχνευση αλλαγών στη βλάστηση.

ii. EVI (Enhanced Vegetation Index) : Προσφέρει καλύτερη ακρίβεια σε περιοχές με έντονες αλλαγές στη χρήση γης ή στη βλάστηση.

iii. NDWI (Normalized Difference Water Index) : Χρησιμοποιείται για την παρακολούθηση των υδάτων και των υδάτινων σωμάτων.

iv. NDBI (Normalized Difference Built-up Index) : Χρησιμοποιείται για την ανίχνευση περιοχών αστικής ανάπτυξης.

Επιπλέον, αλγόριθμοι όπως η Ανάλυση Συνεκτικότητας και η Μονοδιάστατη Ανάλυση Κύριων Συνιστωσών (PCA) χρησιμοποιούνται για την απομόνωση και ανάλυση των περιοχών που παρουσίασαν σημαντικές αλλαγές στην κάλυψη γης. Αυτές οι μέθοδοι επιτρέπουν την εξαγωγή χρήσιμων πληροφοριών για τη διαχείριση φυσικών και ανθρωπογενών καταστάσεων, καθώς και για την παρακολούθηση των περιβαλλοντικών αλλαγών σε μεγάλη κλίμακα.

Εικόνα 3. Μετασχηματισμός PCA της τελευταίας αποκτηθείσας εικόνας Landsat (2018)

Εικόνα 4. Multi-temporal PCA της αποκτηθείσας εικόνας Landsat-8, Band-5 (2016)

Εικόνα 5. Οι καμένες περιοχές εμφανίζονται με πράσινο χρώμα στις temporal εικόνες Landsat

Εικόνα 6. Η χαρτογράφηση των καμένων περιοχών χρησιμοποιώντας NDVI από εικόνες Landsat-8

4. Αξιολόγηση Η ανίχνευση αλλαγών μέσω τεχνικών remote sensing αποτελεί ένα εξαιρετικά χρήσιμο εργαλείο για την παρακολούθηση της γης και την ανάλυση της δυναμικής του περιβάλλοντος. Αυτή η τεχνική βοηθά στην εκτίμηση των επιπτώσεων φυσικών και ανθρωπογενών καταστροφών, προσφέροντας δεδομένα που ενισχύουν τη διαχείριση φυσικών πόρων και τη χάραξη πολιτικών. Με την πρόοδο των τεχνολογιών remote sensing και την ανάπτυξη πιο προηγμένων αλγορίθμων ανάλυσης εικόνας, οι δυνατότητες για την παρακολούθηση περιβαλλοντικών αλλαγών και την έγκαιρη διάγνωση καταστροφών θα συνεχίσουν να βελτιώνονται. Αυτή η πρόοδος αναμένεται να συμβάλει στην ενίσχυση στρατηγικών αειφορίας και αποκατάστασης του περιβάλλοντος, βοηθώντας τις κοινότητες να ανταποκριθούν καλύτερα σε περιβαλλοντικές προκλήσεις.

5. Συμπεράσματα Οι δασικές πυρκαγιές αποτελούν φυσικό φαινόμενο των μεσογειακών οικοσυστημάτων και έχουν παίξει σημαντικό ρόλο στη διαμόρφωση των χαρακτηριστικών των δασών της Μεσογείου για χιλιάδες χρόνια. Ωστόσο, η συχνότητά τους έχει αυξηθεί τις τελευταίες δεκαετίες λόγω της ανθρώπινης παρέμβασης και της αστικοποίησης, προκαλώντας σοβαρές περιβαλλοντικές επιπτώσεις, όπως η διάβρωση του εδάφους και η επιδείνωση των επιπτώσεων της κλιματικής αλλαγής. Η χρήση δορυφορικών εικόνων υψηλής χωρικής ανάλυσης, όπως αυτές του Landsat-8, σε συνδυασμό με προηγμένες τεχνικές επεξεργασίας ψηφιακής εικόνας, επιτρέπει τη λεπτομερή και ακριβή ανίχνευση των καμένων περιοχών και την εκτίμηση της καμένης έκτασης. Τα αποτελέσματα της παρούσας έρευνας επιβεβαιώνουν την αποτελεσματικότητα των τεχνικών remote sensing για την παρακολούθηση των πυρκαγιών, ενώ η εφαρμογή της Ανάλυσης Κύριων Συνιστωσών (PCA) σε πολυχρονική βάση επιτρέπει την παρακολούθηση των καμένων περιοχών σε διάφορες χρονικές στιγμές. Τα κανάλια 4 και 5 του Landsat-8 αποδείχθηκαν ιδιαίτερα χρήσιμες για την αναγνώριση των καμένων περιοχών, ενώ ο δείκτης NDVI, αν και χρήσιμος, παρουσίασε κάποιες αδυναμίες, καθώς επηρεάζεται από σύννεφα και σκιές. Η χρησιμοποιούμενη μεθοδολογία προσέφερε ποσοστό ακριβείας 84,61% στην εκτίμηση της καμένης έκτασης, ενώ η πολυχρονική PCA βοήθησε στην απομόνωση των καμένων περιοχών των ετών 2016 και 2018, αν και υπήρξε κάποια υποεκτίμηση της καμένης περιοχής στο κέντρο του νησιού, λόγω της παρουσίας γυμνού βράχου. Για τη βελτίωση των αποτελεσμάτων, προτείνεται η χρήση άλλων μεθόδων ανάλυσης, όπως η Ημιτονοειδή Ιστογράμματα (HIS), καθώς και η ενσωμάτωση του καναλιού 7 του Landsat-8, που θα μπορούσε να ενισχύσει περαιτέρω την ανίχνευση των καμένων περιοχών.