ΧΑΡΤΟΓΡΑΦΗΣΗ ΚΑΙ ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΚΑΜΕΝΩΝ ΕΚΤΑΣΕΩΝ ΜΕ ΤΗ ΧΡΗΣΗ ΧΡΟΝΟΣΕΙΡΩΝ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ. ΘΩΜΑΣ ΚΑΤΑΓΗΣ Διπλωματούχος Δασολόγος

Transcript

1 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΓΕΩΠΟΝΙΑΣ, ΔΑΣΟΛΟΓΙΑΣ ΚΑΙ ΦΥΣΙΚΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΤΜΗΜΑ ΔΑΣΟΛΟΓΙΑΣ ΚΑΙ ΦΥΣΙΚΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΧΑΡΤΟΓΡΑΦΗΣΗ ΚΑΙ ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΚΑΜΕΝΩΝ ΕΚΤΑΣΕΩΝ ΜΕ ΤΗ ΧΡΗΣΗ ΧΡΟΝΟΣΕΙΡΩΝ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ ΔΙΔΑΚΤΟΡΙΚΗ ΔΙΑΤΡΙΒΗ ΘΩΜΑΣ ΚΑΤΑΓΗΣ Διπλωματούχος Δασολόγος ΘΕΣΣΑΛΟΝΙΚΗ 2017

2 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΓΕΩΠΟΝΙΑΣ, ΔΑΣΟΛΟΓΙΑΣ ΚΑΙ ΦΥΣΙΚΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΤΜΗΜΑ ΔΑΣΟΛΟΓΙΑΣ ΚΑΙ ΦΥΣΙΚΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΧΑΡΤΟΓΡΑΦΗΣΗ ΚΑΙ ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΚΑΜΕΝΩΝ ΕΚΤΑΣΕΩΝ ΜΕ ΤΗ ΧΡΗΣΗ ΧΡΟΝΟΣΕΙΡΩΝ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ ΔΙΔΑΚΤΟΡΙΚΗ ΔΙΑΤΡΙΒΗ ΘΩΜΑΣ ΚΑΤΑΓΗΣ Διπλωματούχος Δασολόγος Υποβλήθηκε στο Τμήμα Δασολογίας και Φυσικού Περιβάλλοντος Εργαστήριο Δασικής Διαχειριστικής και Τηλεπισκόπησης Εξεταστική Επιτροπή Ιωάννης Γήτας, Αν. Καθηγητής Μιχάλης Καρτέρης, Ομ. Καθηγητής Μαρία Τσακίρη-Στρατή, Ομ. Καθηγήτρια Αλέξανδρος Δημητρακόπουλος, Καθηγητής Πέτρος Πατιάς, Καθηγητής Θωμάς Αλεξανδρίδης, Επ. Καθηγητής Γεώργιος Μαλλίνης, Επ. Καθηγητής Επιβλέπων Μέλος Τριμελούς Συμβουλευτικής Επιτροπής Μέλος Τριμελούς Συμβουλευτικής Επιτροπής Μέλος Εξεταστικής Επιτροπής Μέλος Εξεταστικής Επιτροπής Μέλος Εξεταστικής Επιτροπής Μέλος Εξεταστικής Επιτροπής

3 Ευχαριστίες Η ολοκλήρωση αυτής της διδακτορικής διατριβής αποτελεί το τέλος μίας μακροχρόνιας ερευνητικής διαδρομής στη διάρκεια της οποίας αποκτήθηκε πολύτιμη εμπειρία και γνώση, ενώ ευελπιστώ να αποτελέσει ταυτόχρονα την αρχή νέων προσπαθειών και προκλήσεων. Θα ήθελα έτσι να αναφερθώ σε ένα σύνολο ανθρώπων που συνέβαλαν άμεσα ή έμμεσα στην ολοκλήρωση αυτής της διαδρομής. Αρχικά, θα ήθελα να εκφράσω την ευγνωμοσύνη μου στον επιβλέποντα καθηγητή μου Ιωάννη Γήτα για την ευκαιρία που μου έδωσε και την εμπιστοσύνη που μου έδειξε ώστε να ξεκινήσει αυτή η ερευνητική διαδρομή. Τον ευχαριστώ για την καθοδήγησή του και τις πολύτιμες συμβουλές του καθ όλη τη διάρκεια εκπόνησης της διατριβής μου, καθώς και για τις διορθώσεις και εύστοχες παρατηρήσεις του στο κείμενο της διατριβής. Θα ήθελα επίσης να ευχαριστήσω τα υπόλοιπα µέλη τις τριμελούς συμβουλευτικής επιτροπής, Ομότιμο Καθηγητή Μιχάλη Καρτέρη και Ομότιμη Καθηγήτρια Μαρία Τσακίρη-Στρατή, για την υποστήριξή τους και τις παρατηρήσεις τους που συνέβαλλαν στο τελικό αποτέλεσμα. Είμαι ευγνώμων και στα υπόλοιπα μέλη της εξεταστικής επιτροπής για τις συμβουλές τους. Θα ήθελα να ευχαριστήσω θερμά όλους τους συναδέλφους μου στο εργαστήριο Δασικής Διαχειριστικής και Τηλεπισκόπησης για την άψογη συνεργασία που έχουμε όλα αυτά τα χρόνια, αλλά και για το ευχάριστο κλίμα κατά τη διάρκεια της υλοποίησης των εργασιών της διατριβής μου. Ιδιαίτερες ευχαριστίες θα ήθελα να εκφράσω προς την Χαρά Μηνάκου και την Αναστασία Πολυχρονάκη για τη μακροχρόνια συνεργασία και ευχάριστη συντροφιά από τα πρώτα μου βήματα στο εργαστήριο. Θέλω επίσης να ευχαριστήσω τους Sander Veraverbeke και George Mitri για τις πολύ χρήσιμες προτάσεις τους στη διεκπεραίωση της έρευνας και την άψογη συνεργασία που είχαμε στη συγγραφή και δημοσίευση των εργασιών. Ευχαριστώ όλους τους φίλους μου, ξενιτεμένους και μη, για τη γενικότερη υποστήριξη, βοήθεια και συντροφιά τους όλα αυτά τα χρόνια. Οφείλω ευγνωμοσύνη στους γονείς μου και τον αδερφό μου για τη διαρκή και ανιδιοτελή υποστήριξη και ενθάρρυνση που πάντα μου προσέφεραν. Τέλος, την ειλικρινή μου αγάπη και ευγνωμοσύνη στη σύζυγό μου Ειρήνη για την αμέριστη συμπαράσταση και υπομονή της κατά τη διάρκεια εκπόνησης της διατριβής μου και διότι αποτελεί και θα αποτελεί διαρκής πηγή έμπνευσης σε όλες μου τις προσπάθειες. Θωμάς Καταγής i

4 Περίληψη Οι δασικές πυρκαγιές συνιστούν ένα ιδιαίτερα περίπλοκο ζήτημα για την περιοχή της Μεσογείου καθώς από τη μία διαδραματίζουν φυσικό ρόλο στη διαδοχή της βλάστησης, από την άλλη όμως αποτελούν μία απρόβλεπτη και άμεση απειλή για τις ανθρώπινες ζωές και μία από τις καταστροφικότερες διαταραχές για τα οικοσυστήματα. Η αντιμετώπισή τους προϋποθέτει αφενός την ύπαρξη ολοκληρωμένων σχεδίων και πολιτικών διαχείρισης και αφετέρου τη διαθεσιμότητα έγκαιρων και αξιόπιστων στατιστικών και πληροφοριών σχετικά με τα καθεστώτα πυρκαγιών. Πολύτιμο αρωγό σε αυτές τις ενέργειες αποτελεί η χρήση νέων τεχνολογιών και πηγών δεδομένων. Είναι γεγονός πως η αξιοποίηση των δορυφορικών συστημάτων παρατήρησης γης τις τελευταίες δεκαετίες έχει συμβάλει σε αρκετά μεγάλο βαθμό σε μία πιο ολοκληρωμένη προσέγγιση διαχείρισης των πυρκαγιών σε τοπική, εθνική και παγκόσμια κλίμακα. Τα δεδομένα και οι τεχνικές δορυφορικής τηλεπισκόπησης αποτελούν πλέον βασικό εργαλείο σε μεγάλο αριθμό ανάλογων ερευνητικών εργασιών και επιχειρησιακών εφαρμογών, ενώ η χρήση τους προωθείται από διεθνείς οργανισμούς και πρωτοβουλίες. Επίσης, η διαθεσιμότητα μεγάλων αρχείων δορυφορικών εικόνων σε συνδυασμό με την ταχεία ανάπτυξη προηγμένων τεχνολογιών για τη χωρο-χρονική ανάλυση μεγάλου όγκου δεδομένων προωθούν νέες προσεγγίσεις στη διαχείριση των δασικών πυρκαγιών. Σε αυτό το πλαίσιο, η παρούσα διατριβή πραγματεύεται τη χρησιμότητα και την αξιοποίηση οπτικών δορυφορικών δεδομένων με διαφορετική χωρική και χρονική διακριτική ικανότητα για την αποτίμηση των άμεσων και μακροχρόνιων επιπτώσεων των πυρκαγιών σε Μεσογειακά οικοσυστήματα. Στην έρευνα συνδυάζεται η ανάπτυξη αυτοματοποιημένων τεχνικών χωρικής και χρονικής κατάτμησης χρονοσειρών εικόνων, με την χωρική ανάλυση γεωγραφικών δεδομένων και δεδομένων πεδίου για την χαρτογράφηση καμένων εκτάσεων και την παρακολούθηση της μεταπυρικής ανάκαμψης της βλάστησης. Το πρώτο μέρος της έρευνας επικεντρώθηκε στην αξιοποίηση των δεδομένων υψηλής χωρικής ευκρίνειας Landsat, μέσω αυτοματοποιημένων μεθόδων χωρικής κατάτμησης εικόνων, για τη διαχρονική χαρτογράφηση πυρκαγιών. Ειδικότερα, διερευνήθηκε η δυνατότητα της αντικειμενοστραφούς προσέγγισης (OBIA) να αξιοποιεί ιστορικά και σύγχρονα δεδομένα Landsat που έχουν συλλεχθεί από διαφορετικούς αισθητήρες για την παραγωγή διαχρονικών χαρτών καμένων εκτάσεων. Επιπλέον, πραγματοποιήθηκε εκτίμηση της ακρίβειας των παραγόμενων χαρτών λαμβάνοντας υπόψη πρόσθετα στατιστικά μέτρα ποσοτικής και χωρικής ασυμφωνίας. Στη συνέχεια προτείνεται μία μεθοδολογική προσέγγιση για τη χρονική κατάτμηση χρονοσειρών δορυφορικών οπτικών δεδομένων χαμηλής ευκρίνειας με σκοπό τον εντοπισμό και χαρτογράφηση ii

5 πυρκαγιών και την εκτίμηση της μεταπυρικής ανάκαμψης της βλάστησης. Έτσι, μέθοδοι ανάλυσης τάσης χρονοσειρών συνδυάστηκαν με πυκνές χρονοσειρές δεικτών βλάστησης MODIS και SPOT- VGT, ενώ παράλληλα εξετάστηκαν παράμετροι όπως το διαφορετικό εύρος της χρονολογικής σειράς αλλά και το χρονικό βήμα των δεδομένων. Πιο συγκεκριμένα, εφαρμόστηκε στατιστική αποσύνθεση και ερμηνεία των χρονοσειρών των δεικτών βλάστησης λαμβάνοντας υπόψη τη διαχρονική και φασματική διάσταση των χωρικών μεταβολών που συντελούνται στην περιοχή μελέτης. Επιπλέον, με την αξιοποίηση ολόκληρου του εύρους των χρονοσειρών κατέστη δυνατή η περαιτέρω ανάλυση και ο χαρακτηρισμός των σταδιακών μεταβολών, δηλαδή της πορείας ανάκαμψης της βλάστησης μετά την πυρκαγιά, ως συνάρτηση του χρόνου και περιβαλλοντικών και τοπογραφικών παραμέτρων. Με βάση την αξιολόγηση των αποτελεσμάτων με δεδομένα πεδίου και με δορυφορικά δεδομένα υψηλότερης ευκρίνειας, η συνολική προσέγγιση αποδείχτηκε αποτελεσματική στην εκτίμηση της χωρο-χρονικής διακύμανσης της βλάστησης και ειδικά σε εκτεταμένες χωρικά πυρόπληκτες περιοχές. Συνοψίζοντας, η συνέργεια μεταξύ διαφορετικών τύπων δορυφορικών δεδομένων και αυτοματοποιημένων μεθόδων ανάλυσης χρονοσειρών ενδείκνυται για την αποτίμηση των επιπτώσεων των πυρκαγιών βραχυπρόθεσμα και μακροπρόθεσμα, παρά τους όποιους περιορισμούς εξαιτίας της χαμηλότερης χωρικής ευκρίνειας. iii

6 Abstract Forest fires constitute a complex issue in the Mediterranean region since they may be a natural phenomenon affecting vegetation succession, but on the other hand they are considered an imminent and unpredictable threat to human lives and a major disturbance for natural ecosystems. Fire prevention and management requires development of integrated pre-fire plans and related policies as well as availability of timely and reliable information on fire regimes. New technologies and data sources are considered as valuable components of such operations. Indeed, the use of satellite Earth Observation systems over the past decades has significantly contributed towards a more integrated approach in fire management at local, national and global scale. Remote sensing data and techniques now constitute a key tool in many research studies and operational applications so that their use is promoted by international organizations and initiatives. In addition, the availability of large archives of satellite images in combination with the rapid development of advanced technologies related to spatio-temporal data analysis encourage new approaches in fire-related studies. In this context, the present thesis focuses on the use and exploitation of optical satellite data with different spatial and temporal resolution for the estimation of direct and long-term effects of fires in Mediterranean ecosystems. This research describes the development of automated techniques for spatial and temporal segmentation of time series of satellite imagery combined with spatial analysis of geographical and field survey datasets for mapping and monitoring of burned areas. The first part of the research focused on the use of high spatial resolution Landsat data, by means of semi-automated image segmentation procedures, for multi-temporal mapping of burned areas. In particular, the potential of object-oriented image analysis (OBIA) to analyze archived and newly acquired Landsat images, collected from different sensors, for burned area mapping was investigated. Moreover, assessment of the accuracy of the generated maps was conducted by taking into account additional statistical measures of quantity and spatial disagreement. Then, a methodological approach was proposed regarding the temporal segmentation of low resolution optical satellite data time series aiming at the identification and mapping of burned areas and the assessment of post-fire vegetation recovery. Thus, trend analysis methods were combined with dense time series of MODIS and SPOT-VGT vegetation indices, while examining the effect of parameters such as the different length of time series and the specific time step. More specifically, statistical decomposition and interpretation of time series of vegetation indices was performed, thus taking into account the temporal and spectral dimension of spatial variations that occurred in the study area. iv

7 Moreover, exploitation of the entire time series facilitated the analysis and characterization of gradual changes, meaning the vegetation recovery rate after the fire, as a function of time and environmental and topographic parameters. Based on the evaluation of the results with the use of field and higher resolution satellite reference data, the overall approach was proven quite effective in assessing the spatio-temporal variation of vegetation, and especially in large-scale fire-affected areas. To summarize, the synergy between different types of satellite data and semi-automated time series analysis methods consists a valuable tool for assessing the short- and long-term impacts of forest fires, despite any restrictions that arise due to the effect of lower spatial resolution. v

8 Περιεχόμενα Ευχαριστίες... i Περίληψη... ii Abstract... iv Περιεχόμενα... vi Κατάλογος Εικόνων... ix Κατάλογος Πινάκων... xiii ΕΙΣΑΓΩΓΗ...1 ΒΙΒΛΙΟΓΡΑΦΙΑ... 7 Η ΣΥΜΒΟΛΗ ΤΗΣ ΔΟΡΥΦΟΡΙΚΗΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΣΤΗΝ ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΤΩΝ ΑΛΛΑΓΩΝ ΣΤΑ ΜΕΣΟΓΕΙΑΚΑ ΟΙΚΟΣΥΣΤΗΜΑΤΑ ΜΕΤΑ ΑΠΟ ΠΥΡΚΑΓΙΑ ΔΑΣΙΚΕΣ ΠΥΡΚΑΓΙΕΣ ΣΤΟ ΜΕΣΟΓΕΙΑΚΟ ΟΙΚΟΣΥΣΤΗΜΑ Το πρόβλημα των δασικών πυρκαγιών στην Ελλάδα ΔΟΡΥΦΟΡΙΚΗ ΤΗΛΕΠΙΣΚΟΠΗΣΗ ΚΑΙ ΔΑΣΙΚΕΣ ΠΥΡΚΑΓΙΕΣ Επισκόπηση μεθόδων και εφαρμογών Αντικειμενοστραφής μέθοδος ανάλυσης εικόνων (OBIA) ΑΝΑΛΥΣΗ ΧΡΟΝΟΣΕΙΡΩΝ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ ΓΙΑ ΤΗΝ ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΤΩΝ ΑΛΛΑΓΩΝ ΣΤΑ ΦΥΣΙΚΑ ΟΙΚΟΣΥΣΤΗΜΑΤΑ Βασικές έννοιες και χαρακτηριστικά των χρονοσειρών Τεχνικές ανάλυσης τάσης χρονοσειρών δορυφορικών δεδομένων Ο αλγόριθμος BFAST (Breaks for Additive Seasonal and Trend) ΣΥΝΟΨΗ ΚΕΦΑΛΑΙΟΥ ΒΙΒΛΙΟΓΡΑΦΙΑ ΠΕΡΙΟΧΕΣ ΜΕΛΕΤΗΣ ΚΑΙ ΔΕΔΟΜΕΝΑ ΠΕΡΙΟΧΕΣ ΜΕΛΕΤΗΣ ΔΟΡΥΦΟΡΙΚΑ ΔΕΔΟΜΕΝΑ Εικόνες LANDSAT Εικόνες Terra/MODIS Εικόνες SPOT VEGETATION ΒΟΗΘΗΤΙΚΑ ΔΕΔΟΜΕΝΑ ΒΙΒΛΙΟΓΡΑΦΙΑ ΔΗΜΙΟΥΡΓΙΑ ΠΥΡΙΚΟΥ ΙΣΤΟΡΙΚΟΥ ΜΕ ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΗ ΑΝΑΛΥΣΗ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ LANDSAT ΤΡΙΩΝ ΓΕΝΕΩΝ vi

9 4.1 ΕΙΣΑΓΩΓΗ ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ ΚΑΙ ΔΕΔΟΜΕΝΑ ΜΕΘΟΔΟΛΟΓΙΑ Προ-επεξεργασία δεδομένων Ανάπτυξη του GEOBIA μοντέλου ταξινόμησης Εκτίμηση της ακρίβειας των παραγόμενων χαρτών καμένων εκτάσεων ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ ΣΥΜΠΕΡΑΣΜΑΤΑ ΒΙΒΛΙΟΓΡΑΦΙΑ ΑΝΑΛΥΣΗ ΧΡΟΝΟΣΕΙΡΩΝ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ ΧΑΜΗΛΗΣ ΧΩΡΙΚΗΣ ΕΥΚΡΙΝΕΙΑΣ ΜΕ ΤΗ ΜΕΘΟΔΟ BFAST ΓΙΑ ΤΗ ΧΑΡΤΟΓΡΑΦΗΣΗ ΚΑΜΕΝΩΝ ΕΚΤΑΣΕΩΝ ΣΕ ΜΕΣΟΓΕΙΑΚΟ ΟΙΚΟΣΥΣΤΗΜΑ ΕΙΣΑΓΩΓΗ ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ ΚΑΙ ΔΕΔΟΜΕΝΑ ΜΕΘΟΔΟΛΟΓΙΑ Προ-επεξεργασία χρονοσειρών Η μέθοδος BFAST (Breaks for Additive Seasonal and Trend) Ανάλυση των χρονοσειρών NDVI Εκτίμηση ακρίβειας των χαρτών καμένων εκτάσεων ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ Ανίχνευση των αλλαγών Εκτίμηση ακρίβειας των αποτελεσμάτων ΣΥΜΠΕΡΑΣΜΑΤΑ ΒΙΒΛΙΟΓΡΑΦΙΑ ΕΚΤΙΜΗΣΗ ΤΗΣ ΜΕΤΑΠΥΡΙΚΗΣ ΣΥΜΠΕΡΙΦΟΡΑΣ ΤΗΣ ΒΛΑΣΤΗΣΗΣ ΜΕ ΤΗ ΧΡΗΣΗ ΧΡΟΝΟΣΕΙΡΩΝ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ ΕΙΣΑΓΩΓΗ ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ ΚΑΙ ΔΕΔΟΜΕΝΑ ΜΕΘΟΔΟΛΟΓΙΑ Προ-επεξεργασία δεδομένων Εκτίμηση του μεγέθους των αλλαγών Εκτίμηση της δυναμικής της βλάστησης μετά την πυρκαγιά Μοντελοποίηση της μεταπυρικής δυναμικής της βλάστησης Εκτίμηση της αξιοπιστίας των μετρήσεων του ρυθμού ανάκαμψης της βλάστησης ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ Χαρτογράφηση του μεγέθους των αλλαγών Μεταπυρική δυναμική της βλάστησης Επίδραση παραγόντων στο ρυθμό ανάκαμψης της βλάστησης Εκτίμηση ακρίβειας vii

10 6.5 ΣΥΜΠΕΡΑΣΜΑΤΑ ΒΙΒΛΙΟΓΡΑΦΙΑ ΣΥΜΠΕΡΑΣΜΑΤΑ ΓΕΝΙΚΑ ΣΥΜΠΕΡΑΣΜΑΤΑ ΣΥΜΠΕΡΑΣΜΑΤΑ ΣΕ ΣΧΕΣΗ ΜΕ ΤΟΥΣ ΕΠΙΜΕΡΟΥΣ ΣΤΟΧΟΥΣ ΜΕΛΛΟΝΤΙΚΗ ΕΡΕΥΝΑ Παράρτημα viii

11 Κατάλογος Εικόνων Εικόνα 2.1. Συνολική έκταση καμένων περιοχών ανά έτος για τις πέντε ευρωπαϊκές χώρες της Μεσογείου (Πορτογαλία, Ισπανία, Ιταλία, Γαλλία και Ελλάδα) (πάνω) και ετήσιος αριθμός των πυρκαγιών (κάτω) για την περίοδο (Πηγή: Forest Fires Report No.15) Εικόνα 2.2. Καμένες γεωργικές και δασικές εκτάσεις για την περίοδο (Πηγή: Δασικές πυρκαγιές Ελλάδας , WWF 2011). Στο διάγραμμα ο αριθμός των πυρκαγιών (Πηγή: Στοιχεία Δασικής Υπηρεσίας και Πυροσβεστικού Σώματος) Εικόνα 2.3. Αναπαράσταση του ιεραρχικού δικτύου αντικειμένων (Πηγή: ecognition Developer 8.7) Εικόνα 2.4. Παραδείγματα κατάτμησης (αριστερά) και ταξινόμησης (δεξιά) δορυφορικής εικόνας (Πηγή: ecognition User Guide 2004) Εικόνα 2.5. Παράδειγμα αποσύνθεσης χρονοσειράς (data) του δείκτη βλάστησης NDVI στις τρείς κύριες συνιστώσες της τάσης (trend), εποχικότητας (seasonal) και θορύβου (remainder) Εικόνα 2.6. Γραφική αναπαράσταση των κυρίων συνιστωσών που υπολογίζονται από την εφαρμογή του αλγόριθμου BFAST. Τα αρχικά δεδομένα Yt προέρχονται από χρονοσειρά του δείκτη βλάστησης EVI (Enhanced Vegetation Index) Εικόνα 3.1. Η περιοχή μελέτης της Θάσου και οι δορυφορικές εικόνες Landsat που χρησιμοποιήθηκαν για τη χαρτογράφηση των πυρκαγιών Εικόνα 3.2. Η περιοχή μελέτης της Πελοποννήσου και οι βασικές κατηγορίες βλάστησης των πυρόπληκτων περιοχών Εικόνα 3.3. Οι δορυφορικές εικόνες Landsat-5 TM (σε ψευδοέγχρωμο σύνθετο RGB 4,3,2) με ημερομηνίες λήψης (αριστερά, πριν την πυρκαγιά) και (δεξιά, μετά την πυρκαγιά) Εικόνα 3.4. Περιοχές της Πελοποννήσου μετά την πυρκαγιά όπως αποτυπώθηκαν από τις MOD09Q1 MODIS (αριστερά) και VGT D-10 δορυφορικές εικόνες (δεξιά) Εικόνα 4.1. Η περιοχή μελέτης της Θάσου και οι εικόνες Landsat που χρησιμοποιήθηκαν για τη χαρτογράφηση των πυρκαγιών Εικόνα 4.2. Διάγραμμα ροής (flowchart) των εργασιών που πραγματοποιήθηκαν για την ανάπτυξη του αντικειμενοστραφούς μοντέλου ταξινόμησης με την εικόνα ΤΜ Εικόνα 4.3. Ταξινόμηση των αντικειμένων στο 2ο επίπεδο ως «burned» (με κίτρινο), «not burned» (με πράσινο), και «water» (με μπλε) για τις εικόνες MSS (a) και OLI (b) της Θάσου. Παρουσιάζονται επίσης οι συναρτήσεις συμμετοχής των ratios NIR (c) και SWIR (d) για την ταξινόμηση ως «burned» στο 2ο επίπεδο για την εικόνα OLI Εικόνα 4.4. Οι χάρτες καμένης έκτασης (σε άσπρο), της περιοχής μελέτης μετά την εφαρμογή του μοντέλου ταξινόμησης. Οι περίμετροι των πυρκαγιών από τη δασική υπηρεσία παρουσιάζονται με τη μαύρη γραμμή ix

12 Εικόνα 4.5. Τα μέτρα ακρίβειας quantity and allocation disagreement για τις πυρκαγιές του 1984, 1989 και Τα μέτρα εκφράζονται ως ποσοστά των καμένων και μη καμένων κατηγοριών Εικόνα 5.1. Η περιοχή μελέτης της Πελοποννήσου και οι καμένες εκτάσεις του 2007 όπως αποτυπώθηκαν από τη δορυφορική εικόνα DMC (Disaster Monitoring Constellation) Εικόνα 5.2. Το αποτέλεσμα της εξομάλυνσης χρονοσειράς NDVI τυχαίου εικονοστοιχείου. Με μπλε απεικονίζεται η αρχική χρονοσειρά και με κόκκινο χρώμα η προσαρμοσμένη, μετά την εφαρμογή του φίλτρου Savitzky Golay. Είναι φανερή η αφαίρεση των «ακραίων» τιμών (outliers και spikes) Εικόνα 5.3. α) Θεματικός χάρτης χαμηλής ευκρίνειας (διαγραμμισμένος) και θεματικός χάρτης υψηλής ευκρίνειας (γκρι), οι οποίοι καλύπτουν την ίδια έκταση. Το συστηματικό σφάλμα (low-resolution bias) εισάγεται καθώς όπως φαίνεται τα περισσότερα εικονοστοιχεία του χάρτη χαμηλής ευκρίνειας καλύπτουν περισσότερες από μία κατηγορίες. β) Γραφική απεικόνιση του ορίου Pareto. Η καμπύλη Pareto (διακεκομμένη) χωρίζει το δισδιάστατο χώρο σφαλμάτων Oe/Ce σε δύο περιοχές, εφικτές και ανέφικτες. Το σημείο Α αντιπροσωπεύει την ακρίβεια χάρτη χαμηλής ευκρίνειας με τα στατιστικά ακρίβειας (Oe A, Ce A). Στην περιοχή μεταξύ του Α και της καμπύλη τα σφάλματα παράλειψης/ανάθεσης είναι μικρότερα των Oe A και Ce A, ενώ στη μεγάλη περιοχή πάνω από το Α τα σφάλματα είναι μεγαλύτερα από τα Oe A και Ce A. Η περιοχή κάτω από την καμπύλη (τετραγωνισμένη) περικλείει τις μη εφικτές ακρίβειες της ταξινόμησης. (Πηγή: Boschetti et al. 2004) Εικόνα 5.4. Οι περίμετροι των καμένων εκτάσεων του 2007 όπως προέκυψαν από την ανάλυση των MODIS (με πράσινο) και VGT (με κόκκινο) χρονοσειρών NDVI Εικόνα 5.5. Γραφική απεικόνιση της προσαρμογής των NDVI χρονοσειρών από τον αλγόριθμο BFAST στις συνιστώσες τάσης (Y t), εποχικότητας (S t) και θορύβου (e t). Οι γραφικές παραστάσεις αντιστοιχούν σε μεμονωμένα pixel MODIS εντός πευκοδάσους (a) και θαμνώδους έκτασης (b) και σε pixel VGT εντός δάσους πλατύφυλλων (c) και αγροτικής έκτασης (d). Οι διακεκομμένες γραμμές υποδεικνύουν τα σημεία αλλαγών Εικόνα 5.6. Το όριο Pareto και η συνάρτηση κόστους χρήστη όπως υπολογίστηκαν για τα δύο πλέγματα καννάβου χωρικής ευκρίνειας 250m (a) και 1 km (b) με τη χρήση του DMC χάρτη αναφοράς. Οι «υποβαθμισμένοι» χωρικά χάρτες αναφοράς δείχνουν το ποσοστό καμένης έκτασης που καλύπτεται από κάθε κελί 250 x 250-m (c) και 1 x 1-km (d). Παρουσιάζεται επίσης η σύγκριση της ακρίβειας των δύο χαρτογραφήσεων με βάση την Ευκλείδεια απόσταση μεταξύ των σφαλμάτων παράλειψης και ανάθεσης (Α, Β) με τα βέλτιστα κατά Pareto σημεία (P 1, P 2) (e) Εικόνα 6.1. Η περιοχή μελέτης της Πελοποννήσου όπως απεικονίζεται στη δορυφορική εικόνα Landsat-5 TM (σε ψευδοέγχρωμο σύνθετο RGB 7,5,4) με ημερομηνία λήψης 28/09/2007. Με κόκκινο χρώμα διακρίνονται οι καμένες εκτάσεις, ενώ απεικονίζονται και οι τοποθεσίες δειγματοληψίας στο πεδίο (Σεπτέμβριος 2010) Εικόνα 6.2. Γραφική απεικόνιση χρονοσειρών εικονοστοιχείων MODIS NDVI ( ). Ο ρυθμός ανάκαμψης της βλάστησης υπολογίζεται από την κλίση της ευθείας τάσης x

13 (trendline) β (συμπαγής γραμμή) για το διάστημα 09/2007 (86) 12/2015 (276). Με διακεκομμένες γραμμές η χρονοσειρά και η αντίστοιχη ευθεία τάσης μη καμένου γειτονικού εικονοστοιχείου με παρόμοια χαρακτηριστικά (είδος βλάστησης, υψόμετρο, κλπ.) Εικόνα 6.3. Χωρική απεικόνιση του μεγέθους των αλλαγών εξαιτίας των πυρκαγιών, όπως χαρτογραφήθηκε από την εφαρμογή του BFAST αλγόριθμου στη χρονοσειρά MODIS EVI για ολόκληρη την περιοχή μελέτης (αριστερά). Δεξιά παρουσιάζεται σε μεγαλύτερη κλίμακα περιοχή του Ν. Ηλείας με το μέγεθος αλλαγής κατά NDVI Εικόνα 6.4. Η μέση τιμή και τυπική απόκλιση του μεγέθους (Magnitude) αλλαγής ανά κατηγορία κάλυψης γης Εικόνα 6.5. Τα διαγράμματα διασποράς και η γραμμική σχέση μεταξύ του μεγέθους αλλαγής από τους δείκτες NDVI (α) και EVI (β) και του δείκτη dnbr Εικόνα 6.6. Χάρτες του ρυθμού ανάκαμψης (ΡΑ β) της βλάστησης οκτώ χρόνια μετά τις πυρκαγιές για τις περιοχές της Αρκαδίας, Μεσσηνίας (αριστερά) και Ηλείας (δεξιά). Οι τιμές έχουν πολλαπλασιαστεί επί Εικόνα 6.7. Οι ετήσιες τιμές του αριθμητικού μέσου του συντελεστή διακύμανσης (median COV) ανά κατηγορία κάλυψης γης από το 2005 έως το Οι μέγιστες τιμές παρουσιάζονται κατά τη διάρκεια των πυρκαγιών (2007) Εικόνα 6.8. Η χρήση των standardized coefficients υποδεικνύει το βαθμό επίδρασης της κάθε μεταβλητής στο ρυθμό ανάκαμψης της βλάστησης. Η μέτρηση των coefficients γίνεται σε μονάδες τυπικής απόκλισης. Εδώ παρουσιάζονται τα αποτελέσματα του μοντέλου πολλαπλής παλινδρόμησης για την Αρκαδία με εξαρτημένη μεταβλητή τον EVI ΡΑ β Εικόνα 6.9. Τα αποτελέσματα της προσαρμογής των μοντέλων πολυωνυμικής παλινδρόμησης 2ου βαθμού για: το ρυθμό ανάκαμψης NDVI ΡΑ β κλάσμα κάλυψης βλάστησης (αριστερά) και το ρυθμό ανάκαμψης EVI ΡΑ β κλάσμα κάλυψης βλάστησης (δεξιά) Εικόνα Εκτίμηση του συντελεστή παλινδρόμησης R 2 ανά εικονοστοιχείο μεταξύ των χρονοσειρών NDVI~dNBR ( ) για την περιοχή της Αρκαδίας. Υψηλότερες τιμές του R 2 φανερώνουν καλύτερη συσχέτιση μεταξύ των δύο χρονοσειρών. Η παλινδρόμηση πραγματοποιήθηκε μεταξύ 16 συνολικά εικόνων (8+8) Παράρτημα Εικόνα A.1. Διάγραμμα ροής των βασικών βημάτων επεξεργασίας των χρονοσειρών MODIS και VGT. Εδώ παρουσιάζονται τα βήματα που ακολουθήθηκαν σύμφωνα με τις εργασίες του Κεφαλαίου 5, όπου επεξεργάστηκαν τα 8ήμερα προϊόντα επιφανειακής ανάκλασης MODIS (MOD09Q1) και τα 10ήμερα προϊόντα ανάκλασης VGT D-10. Παρόμοια επεξεργάστηκαν και τα προϊόντα των δεικτών βλάστησης NDVI και EVI του MODIS (MOD13Q1) Εικόνα A.2. Χωρική απεικόνιση του μεγέθους των αλλαγών εξαιτίας των πυρκαγιών, όπως χαρτογραφήθηκε από την εφαρμογή του BFAST αλγόριθμου στη χρονοσειρά MODIS NDVI για ολόκληρη την περιοχή μελέτης xi

14 Εικόνα A.3. Ο χάρτης του NDVI ρυθμού ανάκαμψης (ΡΑ β) της βλάστησης οκτώ χρόνια μετά τις πυρκαγιές για την περιοχή της Πελοποννήσου Εικόνα A.4. Ο χάρτης του ΕVI ρυθμού ανάκαμψης (ΡΑ β) της βλάστησης οκτώ χρόνια μετά τις πυρκαγιές για την περιοχή της Πελοποννήσου Εικόνα A.5. Εκτίμηση του συντελεστή παλινδρόμησης R 2 ανά εικονοστοιχείο μεταξύ των χρονοσειρών ΕVI~dNBR ( ) για την περιοχή της Αρκαδίας. Υψηλότερες τιμές του R 2 φανερώνουν καλύτερη συσχέτιση μεταξύ των δύο χρονοσειρών Εικόνα A.6. Εκτίμηση του συντελεστή παλινδρόμησης R 2 ανά εικονοστοιχείο μεταξύ των χρονοσειρών NDVI~dNBR ( ) για την περιοχή της Αρκαδίας. Υψηλότερες τιμές του R 2 φανερώνουν καλύτερη συσχέτιση μεταξύ των δύο χρονοσειρών Εικόνα A.7. Φωτογραφίες δειγματοληπτικών επιφανειών σε θαμνώδεις εκτάσεις στην Πελοπόννησο με υψηλό (A), μεσαίο (B) και χαμηλό (C) ποσοστό ανάκαμψης (Veraverbeke et al. 2012) xii

15 Κατάλογος Πινάκων Πίνακας 2.1. Ενδεικτικές μελέτες και τεχνικές ανάλυσης χρονοσειρών δορυφορικών εικόνων για την παρακολούθηση διαταραχών στα οικοσυστήματα. Συμπεριλαμβάνονται εργασίες όπου το αίτιο διαταραχής διαφέρει των πυρκαγιών Πίνακας 3.1. Τα χαρακτηριστικά των δορυφόρων Landsat (Πηγή: USGS Fact Sheet ) Πίνακας 3.2. Η λίστα των εικόνων Landsat που χρησιμοποιήθηκαν στη διατριβή. Με έντονη διαγράμμιση οι ημερομηνίες λήψης των εικόνων αμέσως μετά τις πυρκαγιές Πίνακας 3.3. Τα επίπεδα φασματικής και ποιοτικής πληροφορίας (Science Data Sets) που περιλαμβάνονται στα προϊόντα MOD09Q1 και MOD13Q1 του MODIS Πίνακας 3.4. Τα χαρακτηριστικά του αισθητήρα SPOT-VEGETATION Πίνακας 3.5. Λίστα των βοηθητικών δεδομένων που χρησιμοποιήθηκαν για την υλοποίηση των εργασιών της διατριβής Πίνακας 4.1. Περιγραφή των εικόνων Landsat της Θάσου (Path: 183, Row: 32) που χρησιμοποιήθηκαν στην εργασία. Αναφέρονται επίσης η εκτιμώμενη έκταση και η ημερομηνία εκδήλωσης κάθε πυρκαγιάς Πίνακας 4.2. Τα αποτελέσματα της εκτίμησης ακρίβειας όλων των χαρτών, όπως προέκυψαν από τη μήτρα σφαλμάτων. Εμφανίζονται η ολική ακρίβεια (OA), τα σφάλματα παράλειψης (Oe) και ανάθεσης (Ce), καθώς και το μέγεθος των εκτάσεων που χαρτογραφήθηκαν από το GEOBIA μοντέλο Πίνακας 5.1. Η μήτρα σφαλμάτων ταξινόμησης και οι εκτιμήσεις των μέτρων πιθανότητας ανίχνευσης (probability of detection P d) και πιθανότητας εσφαλμένης ανίχνευσης (probability of false alarm P f ) για τις δύο χαρτογραφήσεις. Τα αριθμητικά στατιστικά της μήτρας εκφράζονται σε τετραγωνικά χιλιόμετρα (km 2 ) Πίνακας 6.1. Τα στοιχεία των εικόνων Landsat (Path: 184, Row: 34) με χωρική ευκρίνεια 30 μ. που χρησιμοποιήθηκαν στην ανάλυση. Με έντονη διαγράμμιση σημειώνεται η εικόνα που λήφθηκε αμέσως μετά τις πυρκαγιές του 2007 στην Πελοπόννησο Πίνακας 6.2. Περιγραφικά στατιστικά του ΡΑ β για την περίοδο Σεπ Σεπ στις καμένες περιοχές ανά κατηγορία κάλυψης γης. Οι τιμές έχουν πολλαπλασιαστεί επί Πίνακας 6.3. Η επίδραση των παραγόντων (ανεξάρτητες μεταβλητές) στην NDVI δυναμική της βλάστησης (εξαρτημένη μεταβλητή), όπως εκτιμήθηκε από τα μοντέλα παλινδρόμησης. Σε παρένθεση τα αντίστοιχα αποτελέσματα της EVI δυναμικής. Ο συντελεστής adjr 2, ο οποίος λαμβάνει υπόψη την ερμηνευτική αξία της κάθε μεταβλητής, εκφράζει το ποσοστό διακύμανσης της δυναμικής της βλάστησης που ερμηνεύεται από κάθε μοντέλο, ενώ παρουσιάζεται και το μέσο σφάλμα RMSE. Η απουσία συμβόλου σημαίνει ότι η μεταβλητή δεν επηρεάζει την εξαρτημένη μεταβλητή xiii

16 xiv

17 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ ΕΙΣΑΓΩΓΗ Ο φυσικός ρόλος των δασικών πυρκαγιών σε Μεσογειακού τύπου οικοσυστήματα σχετίζεται άμεσα με την εξελικτική διαδοχή της βλάστησης καθιστώντας τις πυρκαγιές ως σημαντική οικολογική διεργασία, η οποία επηρεάζει διαχρονικά τη δομή και λειτουργία του οικοσυστήματος (Trabaud et al. 1993; Di Pasquale et al. 2004). Παρά την «ιδιόρρυθμη» αυτή σχέση που έχουν αναπτύξει οι μεσογειακές φυτοκοινωνίες με το φαινόμενο των πυρκαγιών, οι τελευταίες αποτελούν άμεση απειλή για τις ανθρώπινη ζωή και μία από τις σημαντικότερες διαταραχές των φυσικών οικοσυστημάτων σε παγκόσμια κλίμακα. Εξαιτίας μάλιστα της αύξησης της συχνότητας και της δριμύτητάς τους τα τελευταία χρόνια (Röder et al. 2008), και ειδικά στη λεκάνη της Μεσογείου, οι αρνητικές τους επιδράσεις, οικονομικές, οικολογικές και κοινωνικές, έχουν πολλαπλασιαστεί. Τα φαινόμενα έντονης διάβρωσης των εδαφών, η υποβάθμιση της παραγωγικότητας των δασικών οικοσυστημάτων, η αλλοίωση της αισθητικής του τοπίου, οι μεταβολές στο μικροκλίμα, οι αλλαγές στη μορφή και σύνθεση της βλάστησης συνθέτουν ένα σύνολο βραχυπρόθεσμων και μακροχρόνιων επιπτώσεων που χαρακτηρίζουν ουσιαστικά το μέγεθος της καταστροφικότητας των πυρκαγιών (Pérez-Cabello et al. 2006; Pausas et al. 2008; Ξανθόπουλος 2012). Κύριοι παράγοντες του μεγάλου αριθμού των πυρκαγιών τις τελευταίες δεκαετίες στην ευρύτερη περιοχή της Μεσογείου (Schmuck et al. 2015) θεωρούνται οι αλλαγές στις χρήσεις γης εξαιτίας των ανθρωπίνων παρεμβάσεων, καθώς και οι απότομες και ενίοτε απρόβλεπτες πολλές φορές κλιματικές διακυμάνσεις (Caldararo 2002; Dimitrakopoulos et al. 2011; Pausas and Fernández-Muñoz 2012). Ως επακόλουθο, παρά την 1

18 Εισαγωγή προσαρμοστικότητα πολλών ειδών στη φωτιά, ιδίως της σκληρόφυλλης θαμνώδους βλάστησης, ελλοχεύει ο κίνδυνος της αναστολής της φυσικής διαδοχής και φυσικής αναγέννησης των μεσογειακών δασικών ειδών και ιδιαίτερα σε περιπτώσεις πολλαπλών συνεχόμενων συμβάντων (Ferran et al. 2005). Η αντιμετώπιση και η διαχείριση των δασικών πυρκαγιών συνιστά ένα περίπλοκο ζήτημα καθώς επηρεάζεται από σημαντικό αριθμό περιβαλλοντικών, οικολογικών, οικονομικών, κοινωνικών και πολιτικών παραγόντων, οι οποίοι αλληλεπιδρούν μεταξύ τους (Ξανθόπουλος 2012). Ως εκ τούτου, η ενίσχυση των υπαρχόντων και ο σχεδιασμός νέων πολιτικών και στρατηγικών σχεδίων πρόληψης πυρκαγιών για την αποτελεσματικότερη προστασία των οικοσυστημάτων θεωρείται απαραίτητη. Πρωτίστως όμως απαιτείται η έγκαιρη συλλογή και διαθεσιμότητα πληροφοριών και αξιόπιστων στατιστικών σχετικών με την έκταση των πυρόπληκτων περιοχών, τις άμεσες επιπτώσεις της πυρκαγιάς και την μακροχρόνια δυναμική της βλάστησης στο μεταπυρικό περιβάλλον (Lentile et al. 2006; Gitas et al. 2012). Η δορυφορική τηλεπισκόπηση αποτελεί πλέον ένα κοινά αποδεκτό και αξιόπιστο εργαλείο που χρησιμοποιείται σε όλα τα στάδια της διαχείρισης των δασικών πυρκαγιών, τόσο σε μικρές όσο και σε μεγαλύτερες κλίμακες, καθώς δύναται να παρέχει έγκαιρα εικόνες με υψηλή συχνότητα κάλυψης μεγάλων τμημάτων της επιφάνειας της γης (Chuvieco et al. 2005). Είναι γεγονός ότι τις τελευταίες δεκαετίες έχει αυξηθεί σημαντικά ο αριθμός των εργασιών που βασίζονται στη χρήση οπτικών δορυφορικών εικόνων για τον εντοπισμό και χαρτογράφηση των καμένων εκτάσεων (Barbosa et al. 1999; Koutsias and Karteris 2000; Mitri and Gitas 2004; Chuvieco et al. 2008), καθώς και για τη διαχρονική παρακολούθηση των επιπτώσεων στα πυρόπληκτα οικοσυστήματα (Díaz-Delgado et al. 2003; Veraverbeke et al. 2012; Leon et al. 2012; Di Mauro et al. 2014). Ουσιαστικά, η διαθεσιμότητα των δορυφορικών δεδομένων τα τελευταία τριάντα χρόνια τουλάχιστον αποτέλεσε τη βάση για την παραγωγή ανανεωμένης και αξιόπιστης πληροφορίας για τα καθεστώτα πυρκαγιών και ιδιαίτερα σε περιοχές όπου οι διαθέσιμες πληροφορίες ήταν ελάχιστες (Lentile et al. 2006). Η σπουδαιότητα της χρήσης των δορυφορικών δεδομένων αναδεικνύεται από το γεγονός ότι η λεπτομερής χαρτογράφηση ιστορικών και πρόσφατων πυρκαγιών αποτελεί βασικό βήμα για τη δημιουργία του πυρικού ιστορικού μίας περιοχής, διαδικασία η οποία σχετίζεται με την κατανόηση των αιτιών έναρξης της πυρκαγιάς, την πιθανή επίδραση των κλιματικής αλλαγής (Chuvieco et al. 2

19 ΚΕΦΑΛΑΙΟ ), την παρακολούθηση της μεταπυρικής διαδοχής της βλάστησης (Röder et al. 2008) και τη λήψη μέτρων αποκατάστασης (Lentile et al. 2006). Οπτικά δεδομένα χαμηλής και πολύ χαμηλής χωρικής διακριτικής ικανότητας 1, όπως εικόνες MODIS (Moderate Resolution Imaging Spectroradiometer), SPOT-VEGETATION και AVHRR (Advanced Very High Resolution Radiometer), έχουν εκτενώς χρησιμοποιηθεί για την αυτοματοποιημένη και ημι-αυτοματοποιημένη χαρτογράφηση καμένων εκτάσεων (Barbosa et al. 1999; Justice et al. 2002; Roy et al. 2008; Tansey et al. 2008; Dubinin et al. 2010; Chuvieco et al. 2016). Αντίθετα, οι ημι-αυτοματοποιημένες μέθοδοι χαρτογράφησης με δεδομένα μέσης και υψηλής ευκρίνειας είναι σαφώς λιγότερες, από τις οποίες πολλές έχουν αναπτυχθεί σχετικά πρόσφατα εξαιτίας της μεγαλύτερης διαθεσιμότητας εικόνων από το Πρόγραμμα Landsat κυρίως (Bastarrika et al. 2011; Oliveira et al. 2012; Koutsias et al. 2013; Sedano et al. 2013). Έμφαση πρέπει να δοθεί στο γεγονός ότι, με την πρόσφατη εκτόξευση της διαστημικής αποστολής Sentinel-2 εξασφαλίζεται η συνέχεια σε δεδομένα παρατήρησης γης με υψηλή χωρική διακριτική ικανότητα (<20 μ.) και συχνότητα λήψης. Θα πρέπει να αναφερθεί ότι, τα τελευταία χρόνια, προωθούνται πρωτοβουλίες σε εθνικό, ευρωπαϊκό και παγκόσμιο επίπεδο που αποσκοπούν στην εδραίωση διεθνών προδιαγραφών σχετικών τόσο με τις μεθοδολογίες παραγωγής όσο και με την ακρίβεια των παραγόμενων χαρτογραφικών προϊόντων που μπορούν να είναι χρήσιμα στη διαχείριση των δασικών πυρκαγιών. Η παραγωγή τέτοιων προϊόντων όπως οι χάρτες καύσιμης ύλης και οι χάρτες καμένων εκτάσεων στηρίζεται στην ανάλυση δορυφορικών δεδομένων και την αξιοποίηση υπαρχόντων βοηθητικών πληροφοριών. Σε εθνικό επίπεδο αξίζει να αναφερθεί η προσπάθεια του έργου Εθνικό Παρατηρητήριο Δασικών Πυρκαγιών (ΕπαΔαΠ) που στοχεύει στη δημιουργία υπηρεσιών, σχετικών με την πρόληψη και την εκτίμηση των επιπτώσεων των δασικών πυρκαγιών, με βάση μεθόδους ανάλυσης δορυφορικών δεδομένων (Tompoulidou et al. 2016). Σε διεθνές επίπεδο αναφέρονται ενδεικτικά το σύστημα EFFIS (European Forest Fire Information System) (San-Miguel-Ayanz et al. 2013) της Γενικής Διεύθυνσης Κοινό Κέντρο Ερευνών της Ευρωπαϊκής Ένωσης (DG Joint Research Centre - JRC), η πολύ πρόσφατη πρωτοβουλία Global Wildfire Information System (GWIS) η οποία εντάσσεται στο Global Earth 1 Ως δεδομένα χαμηλής χωρικής διακριτικής ικανότητας θεωρούμε αυτά με ανάλυση < 100 μ. Πολύ χαμηλής χωρικής διακριτικής ικανότητας μπορούμε να θεωρήσουμε τα δεδομένα με ανάλυση < 500 μ. Η διάκριση των ορίων είναι υποκειμενική και εξαρτάται από τους σκοπούς της μελέτης. Για παράδειγμα, ανάλυση μικρότερη των 30 μ. μπορεί να θεωρηθεί επίσης ως χαμηλή. 3

20 Εισαγωγή Observation System of Systems (GEOSS) και συντονίζεται από το JRC, οι προσπάθειες της ομάδας GOFC-GOLD Fire Monitoring & Mapping Implementation Team που λειτουργεί κάτω από την ομπρέλα του FAO-GTOS (Global Terrestrial Observing System) και το πρόγραμμα ναυαρχίδα του Ευρωπαϊκού Οργανισμού Διαστήματος (ESA) Fire Climate Change Initiative (Chuvieco et al. 2016). Οι περισσότερες από τις παραπάνω πρωτοβουλίες εντάσσονται στο διεθνές δίκτυο GEO (Group on Earth Observation), το οποίο έχει σαν αντικείμενο την παρατήρηση της Γης με διαφορετικά συστήματα συμπεριλαμβανομένης και της τηλεπισκόπησης. Παρά τον πραγματικά υψηλό αριθμό εργασιών και εφαρμογών στο αντικείμενο της χαρτογράφησης των καμένων εκτάσεων, εξακολουθούν να υπάρχουν περιορισμοί και δυσκολίες στη χρήση των οπτικών δεδομένων. Αν εξαιρέσουμε την εγγενή αδυναμία των παθητικών δορυφορικών συστημάτων να καταγράψουν την ανακλώμενη ακτινοβολία παρουσία συννέφων, δυσκολίες προκύπτουν κυρίως από τη φασματική σύγχυση μεταξύ διάφορων κατηγοριών κάλυψης γης κατά την ταξινόμηση των εικονοστοιχείων των εικόνων (Mitri and Gitas 2004). Πρόσφατες σχετικά μελέτες φανέρωσαν πως η σύγχυση μεταξύ καμένων επιφανειών με σκιαζόμενες ή υδάτινες επιφάνειες μπορούν να ελαχιστοποιηθούν με την εφαρμογή της αντικειμενοστραφούς προσέγγισης (ΟΒΙΑ) στην ανάλυση εικόνων διαφορετικής χωρικής ευκρίνειας και να επιτευχθούν παράλληλα υψηλές ακρίβειες χαρτογράφησης (Mitri and Gitas 2004; Gitas et al. 2008; Polychronaki and Gitas 2012). Η ραγδαία άνοδος στον αριθμό των OBIA εφαρμογών σε ένα ευρύ φάσμα επιστημονικών τομέων, συμπεριλαμβανομένων των πυρκαγιών, συνέβη από το 2000 και έπειτα, ενώ αρχικά η κύρια πηγή δεδομένων ήταν οι εικόνες πολύ υψηλής χωρικής ευκρίνειας (VHR) (Blaschke 2010). Ωστόσο, η χρησιμότητα αυτοματοποιημένων OBIA τεχνικών σε συνδυασμό με εικόνες Landsat για τη δημιουργία ή και ανασύσταση του πυρικού ιστορικού σε Μεσογειακά οικοσυστήματα δεν έχει ερευνηθεί εκτενώς. Η ύπαρξη πλέον ολοένα και μεγαλύτερων αρχείων εικόνων τόσο χαμηλής (AVHRR, MODIS, SPOT-VGT) όσο και υψηλής χωρικής ευκρίνειας (Landsat) έχει οδηγήσει επίσης στη σταδιακή αύξηση μεθόδων και τεχνικών για τη μακροχρόνια παρακολούθηση και πρόβλεψη των αλλαγών στα φυσικά οικοσυστήματα. Πράγματι, πυκνές και συνεχείς χρονοσειρές παρατηρήσεων της επιφάνειας της γης προσφέρουν τη δυνατότητα της δημιουργίας ενός διαχρονικού-φασματικού προφίλ (temporal profile ή trajectory) μίας περιοχής. Βασικό πλεονέκτημα αυτής της προσέγγισης είναι ότι διευκολύνεται αφενός η διάκριση μεταξύ των εποχικών διακυμάνσεων και άλλων μεταβολών και αφετέρου η 4

21 ΚΕΦΑΛΑΙΟ 1 εύρεση τόσο των απότομων όσο και των σταδιακών πραγματικών μεταβολών. Ως επακόλουθο, σημαντικός αριθμός εργασιών διερεύνησης των άμεσων και μακροχρόνιων επιπτώσεων των πυρκαγιών έχει βασιστεί σε προηγμένες τεχνικές ανάλυσης πυκνών χρονοσειρών διαφορετικών τύπων δορυφορικών δεδομένων, όπου η φασματική πληροφορία δεικτών βλάστησης, όπως ο NDVI (Normalized Difference Vegetation Index), συνδυάζεται με στατιστικές τεχνικές και με αυτοματοποιημένους αλλά πιο περίπλοκους αλγόριθμους (Díaz-Delgado et al. 2003; Goetz et al. 2006; Casady et al. 2010; Veraverbeke et al. 2010; Storey et al. 2016). Όσον αφορά στην εκτίμηση των επιπτώσεων των πυρκαγιών σε τοπικό επίπεδο υπάρχει πάντα η δυνατότητα πραγματοποίησης εκτενών εργασιών στο πεδίο. Αντίθετα, σε φαινόμενα μεγάλων σε έκταση, και αριθμό ενίοτε, πυρκαγιών η εξέταση τόσο των άμεσων επιπτώσεων όσο και της μακροπρόθεσμης μεταπυρικής δυναμικής της βλάστησης παραμένουν απαιτητικές διαδικασίες που απαιτούν χρόνο και κόστος (Gouveia et al. 2010). Εξαιτίας μάλιστα της μεγάλης φυσιογραφικής ετερογένειας των Μεσογειακών οικοσυστημάτων και των έντονων τοπογραφικών και κλιματικών διαφοροποιήσεων, υφίστανται αρκετοί περιορισμοί στη γενίκευση σχετικών μεθοδολογιών και ακολούθως των ερευνητικών συμπερασμάτων από τοπικές εφαρμογές. Κύριος σκοπός της διδακτορικής έρευνας είναι η ανάπτυξη μία μεθοδολογικής προσέγγισης για την αποτίμηση των άμεσων και μακροχρόνιων επιπτώσεων των πυρκαγιών διερευνώντας τη χρησιμότητα χρονοσειρών δορυφορικών δεδομένων με διαφορετική χωρική και χρονική διακριτική ικανότητα. Στην έρευνα συνδυάζεται η ανάπτυξη αυτοματοποιημένων τεχνικών χωρικής και χρονικής κατάτμησης χρονοσειρών εικόνων, με τη χωρική ανάλυση γεωγραφικών δεδομένων και δεδομένων πεδίου για την χαρτογράφηση καμένων εκτάσεων και την παρακολούθηση της μεταπυρικής ανάκαμψης της βλάστησης σε Μεσογειακά οικοσυστήματα. Οι επιμέρους στόχοι της παρούσας διατριβής είναι οι εξής: i. Η διερεύνηση της δυνατότητας της OBIA τεχνικής να αξιοποιεί ιστορικά και σύγχρονα δεδομένα Landsat που έχουν συλλεχθεί από διαφορετικούς αισθητήρες για την παραγωγή διαχρονικών χαρτών καμένων εκτάσεων. ii. Η διερεύνηση της δυνατότητας χαρτογράφησης καμένων εκτάσεων με τη χρήση μεθόδου ανάλυσης τάσης χρονοσειρών δορυφορικών εικόνων χαμηλής χωρικής και υψηλής χρονικής διακριτικής ικανότητας. Πραγματοποιήθηκε 5

22 Εισαγωγή παραμετροποίηση και εφαρμογή της μεθόδου BFAST σε χρονοσειρές εικόνων Terra/MODIS και SPOT-VGT για τον εντοπισμό των αλλαγών που οφείλονται στις πυρκαγιές του 2007 στην Πελοπόννησο. Επίσης, εκτιμήθηκε η επίδραση της χαμηλής χωρικής διακριτικής ικανότητας των δεδομένων στην ακρίβεια των τελικών χαρτογραφικών προϊόντων. iii. Η εκτίμηση της διαχρονικής συμπεριφοράς της βλάστησης μετά τις μεγάλες πυρκαγιές του 2007 στην Πελοπόννησο με τη συνδυαστική χρήση προηγμένης μεθόδου ανάλυσης πυκνών χρονοσειρών δεικτών βλάστησης (NDVI, EVI) Terra/MODIS και στατιστικών μέτρων. Επιπλέον, εξετάζεται η επίδραση περιβαλλοντικών και τοπογραφικών παραμέτρων στην χωρο-χρονική διακύμανση του ρυθμού ανάκαμψης της βλάστησης, ενώ εκτιμάται παράλληλα η αξιοπιστία των αποτελεσμάτων ανάλυσης των MODIS δεδομένων με τη χρήση χρονοσειράς εικόνων Landsat και δεδομένων πεδίου. Οι εργασίες που σχετίζονται με κάθε ένα από τους επιμέρους στόχους παρουσιάζονται σε διαφορετικά κεφάλαια με τις εργασίες των δύο πρώτων στόχων να έχουν δημοσιευθεί ως άρθρα σε διεθνή επιστημονικά περιοδικά. Η συγκεκριμένη διατριβή αποτελείται από επτά ξεχωριστά κεφάλαια. Στο Κεφάλαιο 2 περιλαμβάνονται πληροφορίες για το ζήτημα των πυρκαγιών στην περιοχή της Μεσογείου και στην Ελλάδα και παρουσιάζεται η συμβολή της δορυφορικής τηλεπισκόπησης στη διαχείριση των δασικών πυρκαγιών. Στις ενότητες του κεφαλαίου πραγματοποιείται επισκόπηση των μεθόδων και δορυφορικών δεδομένων που χρησιμοποιούνται για την χαρτογράφηση καμένων περιοχών και για την παρακολούθηση της επανεμφάνισης της βλάστησης μετά από πυρκαγιά. Έμφαση δίνεται στην χρήση των χρονοσειρών και αντίστοιχων τεχνικών ανάλυσης για την παρακολούθηση των μεταβολών στα οικοσυστήματα, ενώ τέλος περιγράφονται τα βασικά χαρακτηριστικά της αντικειμενοστραφούς μεθόδου ανάλυσης δορυφορικών εικόνων. Στο Κεφάλαιο 3 παρουσιάζονται οι περιοχές μελέτης που επιλέχτηκαν για την πραγματοποίηση της έρευνας καθώς και τα δορυφορικά και βοηθητικά δεδομένα που χρησιμοποιήθηκαν συνολικά. 6

23 ΚΕΦΑΛΑΙΟ 1 Το Κεφάλαιο 4 περιγράφει την ανάπτυξη αντικειμενοστραφούς μοντέλου ταξινόμησης για τη χαρτογράφηση παλαιών και πρόσφατων πυρκαγιών στο νησί της Θάσου. Δορυφορικές εικόνες από διαφορετικούς αισθητήρες Landsat χρησιμοποιήθηκαν για την ανάπτυξη και εφαρμογή του μοντέλου καθώς και για την εκτίμηση της ακρίβειας των τελικών χαρτογραφικών προϊόντων. Στο Κεφάλαιο 5 διερευνάται η δυνατότητα χαρτογράφησης των καμένων εκτάσεων της Πελοποννήσου το 2007 με τη χρήση μεθόδου ανάλυσης τάσης χρονοσειρών. Πιο συγκεκριμένα, πραγματοποιήθηκε παραμετροποίηση και εφαρμογή του αλγόριθμου BFAST για την ανάλυση χρονοσειρών NDVI των αισθητήρων MODIS και SPOT-VGT και τον εντοπισμό στατιστικών αλλαγών σε αυτές. Το Κεφάλαιο 6 ασχολείται την εκτίμηση της μεταπυρικής συμπεριφοράς της βλάστησης μετά τις πυρκαγιές του 2007 στην Πελοπόννησο, ενώ εξετάζεται παράλληλα και η επίδραση περιβαλλοντικών και τοπογραφικών παραγόντων στο ρυθμό ανάκαμψης της βλάστησης. Από την εφαρμογή τεχνικών αποσύνθεσης χρονοσειρών δεικτών βλάστησης MODIS και στατιστικών μέτρων προέκυψαν χρήσιμα συμπεράσματα σχετικά με τη χωρο-χρονική δυναμική διαφορετικών κατηγοριών βλάστησης οκτώ χρόνια μετά τις πυρκαγιές. Τέλος, το Κεφάλαιο 7 περιλαμβάνει τα γενικά και ειδικά συμπεράσματα των εργασιών που πραγματοποιήθηκαν καθώς και τις μελλοντικές προοπτικές αυτής της έρευνας. ΒΙΒΛΙΟΓΡΑΦΙΑ Barbosa PM, Grégoire JM, Pereira JMC (1999) An algorithm for extracting burned areas from time series of AVHRR GAC data applied at a continental scale. Remote Sensing of Environment 69, doi: /s (99) Bastarrika A, Chuvieco E, Martín MP (2011) Mapping burned areas from landsat TM/ETM+ data with a two-phase algorithm: Balancing omission and commission errors. Remote Sensing of Environment 115, doi: /j.rse Blaschke T (2010) Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing 65, doi: /j.isprsjprs Caldararo N (2002) Human ecological intervention and the role of forest fires in human ecology. Science of The Total Environment 292, doi: Casady GM, van Leeuwen WJD, Marsh SE (2010) Evaluating Post-wildfire Vegetation Regeneration as a Response to Multiple Environmental Determinants. Environmental Modeling and Assessment 15, doi: /s x. 7

24 Εισαγωγή Chuvieco E, Ventura G, Martín MP, Gómez I (2005) Assessment of multitemporal compositing techniques of MODIS and AVHRR images for burned land mapping. Remote Sensing of Environment 94, doi: /j.rse Chuvieco E, Yue C, Heil A, Mouillot F, Alonso-Canas I, Padilla M, Pereira JM, Oom D, Tansey K (2016) A new global burned area product for climate assessment of fire impacts. Global Ecology and Biogeography 25, doi: /geb Díaz-Delgado R, Lloret F, Pons X (2003) Influence of fire severity on plant regeneration by means of remote sensing imagery. International Journal of Remote Sensing 24, doi: / Dimitrakopoulos AP, Vlahou M, Anagnostopoulou CG, Mitsopoulos ID (2011) Impact of drought on wildland fires in Greece: Implications of climatic change? Climatic Change 109, doi: /s Dubinin M, Potapov P, Lushchekina A, Radeloff VC (2010) Reconstructing long time series of burned areas in arid grasslands of southern Russia by satellite remote sensing. Remote Sensing of Environment 114, doi: /j.rse Ferran A, Delitti W, Vallejo VR (2005) Effects of fire recurrence in Quercus coccifera L. shrublands of the Valencia Region (Spain): II. Plant and soil nutrients. Plant Ecology 177, doi: /s y. Gitas I, Mitri G, Veraverbeke S, Polychronaki A (2012) Advances in remote sensing of post-fire vegetation recovery monitoring a review. Remote Sensing of Biomass Principles and Applications Gitas IZ, Polychronaki A, Katagis T, Mallinis G (2008) Contribution of remote sensing to disaster management activities: A case study of the large fires in the Peloponnese, Greece. Int. J. Remote Sens. 29, Goetz SJ, Fiske GJ, Bunn AG (2006) Using satellite time-series data sets to analyze fire disturbance and forest recovery across Canada. Remote Sensing of Environment 101, doi: /j.rse Gouveia C, DaCamara CC, Trigo RM (2010) Post-fire vegetation recovery in Portugal based on spot/vegetation data. Natural Hazards and Earth System Science 10, doi: /nhess Justice CO, Giglio L, Korontzi S, Owens J, Morisette JT, Roy D, Descloitres J, Alleaume S, Petitcolin F, Kaufman Y (2002) The MODIS fire products. Remote Sensing of Environment 83, doi: /s (02) Koutsias N, Karteris M (2000) Burned area mapping using logistic regression modeling of a single post-fire Landsat-5 Thematic Mapper image. International Journal of Remote Sensing 21, doi: / Koutsias N, Pleniou M, Mallinis G, Nioti F, Sifakis NI (2013) A rule-based semi-automatic method to map burned areas: exploring the USGS historical Landsat archives to reconstruct recent fire history. International Journal of Remote Sensing 34, doi: / Lentile LB, Holden ZA, Smith AMS, Falkowski MJ, Hudak AT, Morgan P, Lewis SA, Gessler PE, Benson NC (2006) Remote sensing techniques to assess active fire characteristics and post-fire effects. International Journal of Wildland Fire 15, doi: Leon JRR, van Leeuwen WJD, Casady GM (2012) Using MODIS-NDVI for the Modeling of Post- Wildfire Vegetation Response as a Function of Environmental Conditions and Pre-Fire Restoration Treatments. Remote Sensing 4, doi: /rs Di Mauro B, Fava F, Busetto L, Crosta GF, Colombo R (2014) Post-fire resilience in the Alpine 8

25 ΚΕΦΑΛΑΙΟ 1 region estimated from MODIS satellite multispectral data. International Journal of Applied Earth Observation and Geoinformation 32, doi: /j.jag Mitri GH, Gitas IZ (2004) A semi-automated object-oriented model for burned area mapping in the Mediterranean region using Landsat-TM imagery. International Journal of Wildland Fire 13, doi: /wf Oliveira SLJ, Pereira JMC, Carreiras JMB (2012) Fire frequency analysis in Portugal ( ), using Landsat-based burnt area maps. International Journal of Wildland Fire 21, 48. doi: /wf Di Pasquale G, Di Martino P, Mazzoleni S (2004). Forest History in the Mediterranean Region. In Recent Dynamics of the Mediterranean Vegetation and Landscape (Ed G di Pasquale, Mulligan, M., Di Martino, P., Rego, F.) (John Wiley & Sons, Ltd). Pausas J, Fernández-Muñoz S (2012) Fire regime changes in the Western Mediterranean Basin: from fuel-limited to drought-driven fire regime. Climatic Change 110, doi: /s Pausas JG, Llovet J, Rodrigo A, Vallejo R (2008) Are wildfires a disaster in the Mediterranean basin? A review. International Journal of Wildland Fire 17, doi: Pérez-Cabello F, de la Riva Fernández J, Montorio Llovería R, García-Martín A (2006) Mapping erosion-sensitive areas after wildfires using fieldwork, remote sensing, and geographic information systems techniques on a regional scale. Journal of Geophysical Research: Biogeosciences 111, G04S10. doi: /2005jg Polychronaki A, Gitas IZ (2012) Burned Area Mapping in Greece Using SPOT-4 HRVIR Images and Object-Based Image Analysis. Remote Sensing 4, Röder A, Hill J, Duguy B, Alloza JA, Vallejo R (2008) Using long time series of Landsat data to monitor fire events and post-fire dynamics and identify driving factors. A case study in the Ayora region (eastern Spain). Remote Sensing of Environment 112, doi: Roy DP, Boschetti L, Justice CO, Ju J (2008) The collection 5 MODIS burned area product - Global evaluation by comparison with the MODIS active fire product. Remote Sensing of Environment 112, doi: /j.rse San-Miguel-Ayanz J, Moreno JM, Camia A (2013) Analysis of large fires in European Mediterranean landscapes: Lessons learned and perspectives. Forest Ecology and Management 294, doi: /j.foreco Schmuck G, San-Miguel-Ayanz J, Durrant T, Boca R, Libertà G, Petroliagkis T, Di Leo M, Rodrigues D, Boccacci F, Schulte E (2015) Forest fires in Europe, Middle East and North Africa doi: /1082. Sedano F, Kempeneers P, Miguel JS, Strobl P, Vogt P (2013) Towards a pan-european burnt scar mapping methodology based on single date medium resolution optical remote sensing data. International Journal of Applied Earth Observation and Geoinformation 20, doi: /j.jag Storey EA, Stow DA, O Leary JF (2016) Assessing postfire recovery of chamise chaparral using multi-temporal spectral vegetation index trajectories derived from Landsat imagery. Remote Sensing of Environment 183, doi: /j.rse Tansey K, Grégoire JM, Defourny P, Leigh R, Pekel JF, van Bogaert E, Bartholomé E (2008) A new, global, multi-annual ( ) burnt area product at 1 km resolution. Geophysical Research Letters 35, 1 6. doi: /2007gl Tompoulidou M, Stefanidou, A, Grigoriadis D, Dragozi E, Stavrakoudis D, & Gitas I.Z (2016) 9

26 Εισαγωγή National fuel type mapping methodology using geographic object based image analysis and landsat 8 oli imagery. Paper presented at the GEOBIA 2016 : Solutions and Synergies, September, 2016, University of Twente Faculty of Geo-Information and Earth Observation (ITC). Trabaud L, Christensen NL, Gill AM (1993). Historical Biogeography of fire in temperate and Mediterranen ecosystems. In Fire in the Environment: the Ecological, Atmospheric and Climatic Importance of Vegetation Fires (Ed PJ Crutzen and JG Goldammer), pp (John Wiley & Sons, New York) Veraverbeke S, Gitas I, Katagis T, Polychronaki A, Somers B, Goossens R (2012) Assessing postfire vegetation recovery using red-near infrared vegetation indices: Accounting for background and vegetation variability. ISPRS Journal of Photogrammetry and Remote Sensing 68, Veraverbeke S, Lhermitte S, Verstraeten WW, Goossens R (2010) The temporal dimension of differenced Normalized Burn Ratio (dnbr) fire/burn severity studies: The case of the large 2007 Peloponnese wildfires in Greece. Remote Sensing of Environment 114, doi: /j.rse Ξανθόπουλος Γ (2012) Το φαινόμενο της δασικής πυρκαγιάς ως πρόβλημα: χαρακτηριστικά, προσεγγίσεις αντιμετώπισης και συνολική διαχείριση. Το δάσος Μια ολοκληρωμένη προσέγγιση. (Ed ΓΚ Α.Χ. Παπαγεωργίου, Γ. Καρέτσος) pp (WWF, Hellas: Αθήνα 10

27 ΚΕΦΑΛΑΙΟ 2 Η ΣΥΜΒΟΛΗ ΤΗΣ ΔΟΡΥΦΟΡΙΚΗΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΣΤΗΝ ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΤΩΝ ΑΛΛΑΓΩΝ ΣΤΑ ΜΕΣΟΓΕΙΑΚΑ ΟΙΚΟΣΥΣΤΗΜΑΤΑ ΜΕΤΑ ΑΠΟ ΠΥΡΚΑΓΙΑ Η ΣΥΜΒΟΛΗ ΤΗΣ ΔΟΡΥΦΟΡΙΚΗΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ ΣΤΗΝ ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΤΩΝ ΑΛΛΑΓΩΝ ΣΤΑ ΜΕΣΟΓΕΙΑΚΑ ΟΙΚΟΣΥΣΤΗΜΑΤΑ ΜΕΤΑ ΑΠΟ ΠΥΡΚΑΓΙΑ Στο κεφάλαιο αυτό πραγματοποιείται μία γενική επισκόπηση των ζητημάτων και στόχων που πραγματεύεται η παρούσα διατριβή με αναφορές στη διεθνή βιβλιογραφία. Καταγράφονται οι βασικές έννοιες, ορισμοί και τεχνικές που αποτέλεσαν τη βάση για τη διερεύνηση των συγκεκριμένων στόχων που τέθηκαν. Πιο συγκεκριμένα, παρουσιάζεται συνοπτικά το ζήτημα των δασικών πυρκαγιών στο Μεσογειακό οικοσύστημα και περιγράφονται παραδοσιακές μέθοδοι χαρτογράφησης και παρακολούθησης των καμένων περιοχών. Ειδική αναφορά γίνεται στα χαρακτηριστικά των χρονολογικών σειρών καθώς και σε αντίστοιχες εργασίες ανάλυσης χρονοσειρών για την παρακολούθηση των διαταραχών των οικοσυστημάτων, με έμφαση στα τελευταία δεκαπέντε χρόνια περίπου. Τέλος, περιγράφονται η μέθοδος της αντικειμενοστραφούς ανάλυσης εικόνων (OBIA), και το μοντέλο ανάλυσης χρονοσειρών σε συνιστώσες, που αποτέλεσαν τα βασικά εργαλεία της έρευνας. Ειδικότερα ζητήματα και πληροφορίες που σχετίζονται με τους επιμέρους στόχους της διατριβής παρουσιάζονται και στα επόμενα βασικά κεφάλαια. 2.1 ΔΑΣΙΚΕΣ ΠΥΡΚΑΓΙΕΣ ΣΤΟ ΜΕΣΟΓΕΙΑΚΟ ΟΙΚΟΣΥΣΤΗΜΑ Κοινό χαρακτηριστικό των περιοχών της γης που χαρακτηρίζονται ως Μεσογειακού τύπου οικοσυστήματα αποτελούν οι όμοιες κλιματικές συνθήκες. Σε αυτά τα οικοσυστήματα ο μεγάλος όγκος των βροχοπτώσεων συμβαίνει κατά τη χειμερινή περίοδο 11

28 Βιβλιογραφική ανασκόπηση από μεσαίων γεωγραφικών πλατών κυκλώνες, ενώ χαρακτηρίζονται από μια θερμή και ξηρή περίοδο το καλοκαίρι και μια δροσερή και υγρή περίοδο το χειμώνα. Οι συνθήκες αυτές μπορούν να θεωρηθούν ως μια μετάβαση από ξηρό τροπικό κλίμα σε εύκρατο. Αυτός ο ορισμός αποτελεί τη βάση αυτού που ονομάζεται μεσογειακό κλίμα (Joffre and Rambal 2002). Τα μεσογειακού τύπου οικοσυστήματα απαντώνται στην κεντρική Χιλή, στη Ν. Αφρική, στη νότια Αυστραλία, την Καλιφόρνια και στη λεκάνη της Μεσογείου. Η τελευταία αποτελεί μάλιστα και τη μεγαλύτερη σε έκταση περιοχή. Οι κλιματικές συνθήκες που επικρατούν σε συνδυασμό με τις έντονες ιδιομορφίες του ανάγλυφου, την ποικιλομορφία της βλάστησης, αλλά και τις μακροχρόνιες (ιστορικές) ανθρώπινες επεμβάσεις καθιστούν τα μεσογειακά οικοσυστήματα ως ιδιαίτερα επιρρεπή στις δασικές πυρκαγιές. Στις περιοχές της Μεσογείου η φωτιά αποτελεί φυσικό φαινόμενο αλλά και ταυτόχρονα παράγοντα εξελικτικής διαδικασίας από αρχαιοτάτων χρόνων (Carrión et al. 2003; Bond and Keeley 2005). Ως αποτέλεσμα, οι φυτοκοινωνίες έχουν προσαρμοστεί κατάλληλα και είναι ιδιαίτερα ανθεκτικές σε συνθήκες ξηρασίας, όπως τα διάφορα αειθαλή είδη και σκληρόφυλλοι θάμνοι (Di Pasquale et al. 2004). Σε αυτό το πλαίσιο, οι πυρκαγιές θα έπρεπε να θεωρούνται ως μέρος των φυσικών διεργασιών και όχι ως οικολογική καταστροφή. Ωστόσο, στις μέρες μας οι πυρκαγιές αποτελούν μια από τις μεγαλύτερες διαταραχές του δασικού οικοσυστήματος, δεδομένου της συχνότητάς τους σε ετήσια βάση, αλλά και λόγω της έντονης αυξητικής τους τάσης τις τελευταίες δεκαετίες (Pausas et al. 2008; Dimitrakopoulos et al. 2011). Ένας από του κυριότερους παράγοντες της ανοδική τάσης του αριθμού των πυρκαγιών τις τελευταίες δεκαετίες στην ευρύτερη περιοχή της Μεσογείου είναι οι αλλαγές στις χρήσης γης (Pausas and Fernández-Muñoz 2012). Σύμφωνα με τoν Chuvieco (1999), οι ανθρώπινες δραστηριότητες και επεμβάσεις κατά τη διάρκεια του 19 ου αιώνα συντέλεσαν στην εγκατάλειψη γαιών και στην αύξηση των πιέσεων λόγω τουρισμού με αποτέλεσμα τις αλλαγές στα καθεστώτα πυρκαγιών (Caldararo 2002). Τα τελευταία χρόνια έχει παρατηρηθεί επίσης αναδάσωση πρώην αγροτικών εκτάσεων, καθώς και μετακίνηση πληθυσμών σε αγροτικές περιοχές, αυξάνοντας τον κίνδυνο έναρξης πυρκαγιών (Pausas 2004). Παρά τις ανθρώπινες επεμβάσεις, οι οποίες ούτως ή άλλως διαμόρφωναν το Μεσογειακό τοπίο ιστορικά, καταλυτικό ρόλο στο πρόβλημα των πυρκαγιών διαδραματίζουν οι κλιματικές αλλαγές. Τα θερμότερα και ξηρότερα καλοκαίρια κατά τη διάρκεια των 12

29 ΚΕΦΑΛΑΙΟ 2 τελευταίων πέντε δεκαετιών σε συνδυασμό με απότομες διαφοροποιήσεις του ύψους των κατακρημνισμάτων (Piervitali and Colacino 2003) που σχετίζονται με ακραία φαινόμενα ξηρασίας, έχουν επιδράσει καταλυτικά στην αύξηση του αριθμού, της έκτασης και της δριμύτητας των πυρκαγιών. Ουσιαστικά, τα παραπάνω συμβάλλουν τόσο στη συσσώρευση, όσο και στη μείωση της υγρασίας της καύσιμης ύλης, με επακόλουθο την αύξηση του κινδύνου έναρξης πυρκαγιάς (Piñol et al. 1998). Εικόνα 2.1. Συνολική έκταση καμένων περιοχών ανά έτος για τις πέντε ευρωπαϊκές χώρες της Μεσογείου (Πορτογαλία, Ισπανία, Ιταλία, Γαλλία και Ελλάδα) (πάνω) και ετήσιος αριθμός των πυρκαγιών (κάτω) για την περίοδο (Πηγή: Forest Fires Report No.15 ). Η καταστροφικότητα των πυρκαγιών καθορίζεται σε μεγάλο βαθμό από τις συνέπειες σε ανθρώπινες ζωές πρωτίστως και στη συνέχεια από καταστροφές σε περιουσίες, υποδομές, κλπ. Όσον αφορά στις οικολογικές συνέπειες, το μέγεθος και η συχνότητα των πυρκαγιών επηρεάζουν τον φυσικό κύκλο της διαδοχής της βλάστησης, το βιογεωχημικό κύκλο Jesús San-Miguel-Ayanz, Tracy Durrant, Roberto Boca, Giorgio Libertà, Francesco Boccacci, Margherita Di Leo, Jorge López Pérez, Ernst Schulte; Forest Fires in Europe, Middle East and North Africa 2015; EUR EN; doi: /

30 Βιβλιογραφική ανασκόπηση (Capitanio and Carcaillet 2008), προκαλούν φαινόμενα διάβρωσης των εδαφών και οδηγούν σε σημαντική υποβάθμιση της παραγωγικότητας των δασικών οικοσυστημάτων (Pérez-Cabello et al. 2006; Ξανθόπουλος 2012). Ο αριθμός των πυρκαγιών και στατιστικά σχετικά με το συνολικό μέγεθος των καμένων εκτάσεων για τις χώρες της Μεσογείου καταγράφονται συστηματικά ως επίσημα στοιχεία από το Κοινό Ερευνητικό Κέντρο (Joint Research Center JRC) της Ευρωπαϊκής Επιτροπής (Εικόνα 2.1). Η αύξηση του αριθμού των συμβάντων είναι εμφανής κατά τη διάρκεια της δεκαετίας του Το πρόβλημα των δασικών πυρκαγιών στην Ελλάδα Η εξέταση των στατιστικών στοιχείων που αφορούν τον αριθμό των πυρκαγιών και τις καμένες εκτάσεις τις τελευταίες δεκαετίες φανερώνουν το μέγεθος του προβλήματος για την Ελλάδα (Εικόνα 2.2). Πιο συγκεκριμένα, ο αριθμός των δασικών πυρκαγιών ήταν σχετικά σταθερός ανά έτος μέχρι και το 1979, ενώ για την περίοδο σχεδόν υπερδιπλασιάστηκε. Τις τελευταίες τρεις δεκαετίες μάλιστα και οι καμένες εκτάσεις σχεδόν τριπλασιάστηκαν σε σχέση με τις δεκαετίες του 60 και του 70 (Δημητρακόπουλος 2009). Σύμφωνα επίσης με τον απολογισμό για την περίοδο , οι συνολικές καμένες εκτάσεις αντιστοιχούν στο 10,3% της συνολικής έκτασης της χώρας με το 80% των πυρκαγιών να χαρακτηρίζονται ως δασικές (Τσαγκάρη et al. 2011). Αποκορύφωμα της καταστροφικότητας του φαινομένου αποτέλεσαν οι μεγάλες πυρκαγιές του 2007, με την Πελοπόννησο να πλήττεται ιδιαίτερα βαριά με ανθρώπινες απώλειες και πάνω από στρέμματα καμένων εκτάσεων. Το πρόβλημα στη χώρα μας διογκώνεται αν λάβουμε υπόψη, εκτός από τα κλιματικά χαρακτηριστικά και τους εύφλεκτους τύπους δασικής βλάστησης, τα εξής (Δημητρακόπουλος 2009): Την αύξηση των εμπρησμών κατά την περίοδο , οι οποίοι προκαλούν καταστροφή δυσανάλογα μεγάλων εκτάσεων σε σχέση με άλλα γνωστά αίτια (φυσικά αίτια, αμέλεια, καύση αγρών, κλπ.). Την απουσία ολοκληρωμένου συστήματος πρόγνωσης κινδύνου έναρξης πυρκαγιών. Την απουσία ολοκληρωμένων αντιπυρικών σχεδίων για τις δασικές εκτάσεις σε επίπεδο νομού. Τις δυσανάλογες δαπάνες για καταστολή έναντι της πρόληψης. 14

31 ΚΕΦΑΛΑΙΟ 2 Εικόνα 2.2. Καμένες γεωργικές και δασικές εκτάσεις για την περίοδο (Πηγή: Δασικές πυρκαγιές Ελλάδας , WWF 2011). Στο διάγραμμα ο αριθμός των πυρκαγιών (Πηγή: Στοιχεία Δασικής Υπηρεσίας και Πυροσβεστικού Σώματος). Με βάση τα παραπάνω γίνεται αντιληπτό ότι το ζήτημα των δασικών πυρκαγιών είναι ιδιαίτερα περίπλοκο, καθώς σχετίζεται με τη διαχρονική υποβάθμιση των χερσαίων οικοσυστημάτων αλλά και την βιώσιμη ανάπτυξη ολόκληρων περιοχών. Απαιτείται λοιπόν ολοκληρωμένος σχεδιασμός και χάραξη ενιαίας στρατηγικής σε όλα τα επίπεδα στα θέματα της δασοπροστασίας και διαχείρισης των δασικών πυρκαγιών με σκοπό το μετριασμό των τεράστιων περιβαλλοντικών και οικονομικών επιπτώσεων. 2.2 ΔΟΡΥΦΟΡΙΚΗ ΤΗΛΕΠΙΣΚΟΠΗΣΗ ΚΑΙ ΔΑΣΙΚΕΣ ΠΥΡΚΑΓΙΕΣ Σε τοπικό επίπεδο για συμβάντα μικρών σχετικά εκτάσεων συνήθως πραγματοποιείται εκτίμηση των επιπτώσεων των πυρκαγιών μέσω εκτενών εργασιών στο πεδίο ή και μέσω αεροφωτογραφιών, πρακτικές οι οποίες εφαρμόζονται παραδοσιακά από τις τοπικές δασικές υπηρεσίες. Βέβαια, ακόμα και σε μικρής έκτασης φαινόμενα η ακριβής αποτύπωση παραμένει ένα ζήτημα, καθώς οι εντός των ορίων άκαυτες νησίδες δεν καταγράφονται στο σύνολό τους. Αντίθετα, σε περιπτώσεις μεγάλων σε έκταση, αλλά και ενίοτε και σε αριθμό 15

32 Βιβλιογραφική ανασκόπηση ταυτόχρονα, πυρκαγιών η εξέταση τόσο των άμεσων όσο και μακροχρόνιων επιπτώσεων αποτελεί μία χρονοβόρα και δαπανηρή διαδικασία με βάση τις παραδοσιακές προσεγγίσεις. Τα δεδομένα και οι τεχνικές δορυφορικής τηλεπισκόπησης αποτελούν πλέον ένα ευρέως διαδεδομένο και αξιόπιστο εργαλείο, που χρησιμοποιείται μαζί με εργασίες πεδίου συνήθως, για την εκτίμηση των επιπτώσεων των πυρκαγιών και τη διαχρονική παρακολούθηση των πληγέντων οικοσυστημάτων, τόσο σε μεγάλες όσο και σε μικρότερες κλίμακες (Chuvieco et al. 2005; Lentile et al. 2006). Έρευνες και εφαρμογές δορυφορικής τηλεπισκόπησης πραγματοποιούνται πλέον σε όλα τα βασικά στάδια της διαχείρισης των δασικών πυρκαγιών, από την χαρτογράφηση των δασικών καυσίμων και του κινδύνου έναρξης πυρκαγιών (Chuvieco et al. 2002), την χαρτογράφηση των περιμέτρων των πληγέντων περιοχών (Gitas et al. 2008), ως και τη μακροχρόνια παρακολούθηση της διαδοχής της βλάστησης (Roder et al. 2008). Κύρια πλεονεκτήματα της δορυφορικής προσέγγισης αποτελούν η δυνατότητα απόκτησης μεμονωμένων εικόνων ή και χρονοσειρών δεδομένων χωρίς κόστος, και η μεγάλη χωρική κάλυψη που προσφέρουν. Ουσιαστικά, τα δορυφορικά δεδομένα αποτελούν μία βασική πηγή πληροφορίας των διαδικασιών και αλλαγών που συντελούνται στην επιφάνεια της γης τα τελευταία 40 χρόνια τουλάχιστον. Η φασματική συμπεριφορά των καμένων εκτάσεων διαφέρει ανάλογα με το οικοσύστημα, τη δριμύτητα του φαινομένου και τη χρονική διάρκεια από τη στιγμή του συμβάντος μέχρι τη λήψη της φασματικής πληροφορίας. Αμέσως μετά την πυρκαγιά η εναπόθεση της στάχτης είναι αυτή που καθορίζει το φασματικό σήμα της καμένης επιφάνειας για σύντομο όμως χρονικό διάστημα. Έπειτα, η φασματική συμπεριφορά καθορίζεται από την απομάκρυνση και τη διαχρονική εξέλιξη της βλάστησης στο μεταπυρικό περιβάλλον (Chuvieco 1999). Γενικά, το κοντινό (NIR) και μέσο υπέρυθρο (SWIR) τμήμα του ηλεκτρομαγνητικού φάσματος θεωρούνται καταλληλότερα για τη διάκριση των καμένων εκτάσεων, ειδικά όταν λαμβάνονται ταυτόχρονα υπόψη (Koutsias and Karteris 2000), σε σχέση με το δισδιάστατο χώρο του κοντινού υπέρυθρου με το κόκκινο τμήμα (NIR/R) (Pereira 1999). Πιο συγκεκριμένα, στο κοντινό υπέρυθρο παρατηρείται μείωση της ανακλαστικότητας μετά την πυρκαγιά λόγω της καταστροφής της δομής του φύλλου, ενώ παράλληλα παρατηρείται αύξηση της ανακλαστικότητας στο μέσο υπέρυθρο. Το ορατό τμήμα δεν παρέχει ουσιαστική πληροφορία για τη διάκριση καμένων εκτάσεων. 16

33 ΚΕΦΑΛΑΙΟ 2 Στην υποενότητα που ακολουθεί παρουσιάζονται οι αισθητήρες και οι κύριες τεχνικές που χρησιμοποιούνται στις μελέτες των επιπτώσεων των πυρκαγιών. Εξαιτίας της διαθεσιμότητας πλέον πληθώρας δορυφορικών δεδομένων και προϊόντων, αλλά και προηγμένων τεχνικών ανάλυσης, πολλές εργασίες εστιάζουν ταυτόχρονα στον εντοπισμό των καμένων εκτάσεων και την βραχυπρόθεσμη ή μακροπρόθεσμη παρακολούθηση της ανάκαμψης του οικοσυστήματος. Σε πολλές επίσης εργασίες η επίτευξη των στόχων επιτυγχάνεται με τη συνέργεια δεδομένων διαφορετικών χαρακτηριστικών (χωρική, χρονική, ραδιομετρική διακριτική ικανότητα). Ως αποτέλεσμα, πραγματοποιείται μία βασική κατηγοριοποίηση χωρίς όμως να θέτονται αυστηρά όρια διάκρισης. Στα κεφάλαια που ακολουθούν πραγματοποιείται επίσης κατηγοριοποίηση τεχνικών και προσεγγίσεων σύμφωνα με τους εκάστοτε στόχους που έχουν τεθεί Επισκόπηση μεθόδων και εφαρμογών Τα δορυφορικά οπτικά δεδομένα έχουν χρησιμοποιείται εκτενώς για την ανίχνευση/χαρτογράφηση καμένων εκτάσεων αλλά και για τη δημιουργία του πυρικού ιστορικού τόσο σε τοπικό/περιφερειακό/εθνικό (Chuvieco and Congalton 1988; Duncan et al. 2009) όσο και σε παγκόσμιο επίπεδο (Barbosa et al. 1999; Roy et al. 2008). Δεδομένα μέσης και χαμηλής χωρικής διακριτικής ικανότητας που έχουν χρησιμοποιηθεί προέρχονται από αισθητήρες και συστήματα όπως οι AVHRR (Advanced Very High Resolution Radiometer) (Pereira 1999; Fraser et al. 2000; Chuvieco et al. 2005), SPOT VEGETATION (Stroppiana et al. 2002; Bartalev et al. 2007), Along Track Scanning Radiometer (ATSR) (Eva and Lambin 1998) και MODIS (Moderate Resolution Imaging Spectroradiometer) (Loboda et al. 2007; Giglio et al. 2009). Πρόσφατες προσπάθειες (μετά το 2000) δημιουργίας παγκόσμιου πυρικού ιστορικού έχουν βασιστεί κυρίως στη χρήση δεδομένων MODIS (Justice et al. 2002; Roy et al. 2008) και SPOT VEGETATION (Tansey et al. 2008), ενώ απόπειρες δημιουργίας πιο εκτεταμένου χρονικά ιστορικού έχουν βασιστεί σε δεδομένα AVHRR (Carmona-Moreno et al. 2005; Chuvieco et al. 2008). Παρά τους εγγενείς περιορισμούς του συγκεκριμένου τύπου απεικονιστών που οφείλονται στη χαμηλή χωρική διακριτική τους ικανότητα (Csiszar et al. 2005), παραμένουν εντούτοις η πρωταρχική πηγή δεδομένων για την παραγωγή αρχείου ιστορικού πυρκαγιών σε παγκόσμια κλίμακα. Δεδομένα υψηλή χωρικής ευκρίνειας, που έχουν χρησιμοποιηθεί στην οριοθέτηση και χαρτογράφηση καμένων εκτάσεων, προέρχονται κυρίως από τους δορυφόρους Landsat (30-17

34 Βιβλιογραφική ανασκόπηση 80 μ.) (Koutsias and Karteris 2000; Bastarrika et al. 2011; Oliveira et al. 2012), ενώ εικόνες IKONOS πολύ υψηλής ευκρίνειας (4 μ.) έχουν επίσης αναλυθεί (Mitri and Gitas 2006; Dragozi et al. 2014). Ειδικότερα, χρονοσειρές εικόνων του αρχείου Landsat, σε συνδυασμό με νέες λήψεις μπορούν να χρησιμοποιηθούν και για την επανασύσταση του πυρικού ιστορικού σε τοπικό και περιφερειακό επίπεδο, αλλά και σε παγκόσμια κλίμακα προφέροντας το πλεονέκτημα της υψηλότερης χωρικής ευκρίνειας και ακρίβειας των τελικών προϊόντων. Εκτός από την πληθώρα των διαφορετικών τύπων δορυφορικών δεδομένων, ένας μεγάλος αριθμός τεχνικών και μεθόδων έχει αναπτυχθεί για την ανίχνευση και χαρτογράφηση καμένων εκτάσεων, όπως: η εύρεση της διαφοράς μεταξύ δεικτών βλάστησης (vegetation index differencing) (Chuvieco, Martín, et al. 2002; Loboda et al. 2007), η Ανάλυση Κυρίων Συνιστωσών (Principal Component Analysis PCA) (Maingi and Henry 2007), η ανάλυση φασματικής μίξης (Spectral Mixture Analysis SMA) (Quintano et al. 2006), η λογιστική παλινδρόμηση (logistic regression) (Koutsias and Karteris 2000), η επιβλεπόμενη ταξινόμηση (Chuvieco and Congalton 1988), οι αλγόριθμοι σύνθεσης χρονοσειρών εικόνων (multitemporal image compositing) (Chuvieco et al. 2005), η αντικειμενοστραφής μέθοδος ταξινόμησης (Gitas et al. 2004; Polychronaki and Gitas 2012), τα νευρωνικά δίκτυα (Neural Networks) (Al-Rawi et al. 2001), οι Μηχανές Διανυσμάτων Υποστήριξης (Support Vector Machines SVM) (Cao et al. 2009), Οπτικά δορυφορικά δεδομένα χρησιμοποιούνται ευρέως για την παρακολούθηση της επανεμφάνισης της βλάστησης μετά από πυρκαγιά και αρκετές τεχνικές ανάλυσης δορυφορικών εικόνων έχουν εφαρμοστεί. Κάποιες εργασίες βασίζονται στην εκτίμηση των βραχυπρόθεσμων επιπτώσεων (άμεσων ή έως πέντε χρόνια συνήθως), ενώ άλλες επικεντρώνονται στην εκτίμηση των μακροπρόθεσμων επιπτώσεων. Έτσι, ο αριθμός των εικόνων που χρησιμοποιείται διαφέρει κατά περίπτωση ανάλογα με τους στόχους της έρευνας, τη διαθεσιμότητα των δεδομένων και τα χαρακτηριστικά του οικοσυστήματος. Η 18

35 ΚΕΦΑΛΑΙΟ 2 πλειοψηφία των μεθόδων βασίζεται στη χρήση φασματικών δεικτών βλάστησης. Οι πιο σημαντικές παραδοσιακές μέθοδοι είναι οι εξής: η χρήση δεικτών βλάστησης (VIs) με τον NDVI να είναι ο πιο χρησιμοποιημένος δείκτης (Díaz-Delgado et al. 2003; Clemente et al. 2009; Veraverbeke et al. 2011; Hope et al. 2012; Nioti et al. 2015), ανάλυση φασματικής μίξης (Spectral Mixture Analysis (SMA) (Riaño et al. 2002; Röder et al. 2008; Solans Vila and Barbosa 2010; Veraverbeke and Hook 2013), ταξινόμηση δορυφορικών εικόνων (Jakubauskas et al. 1990; Stueve et al. 2009; Mitri and Gitas 2012), στατιστική ανάλυση του προφίλ πυκνών χρονοσειρών (Telesca and Lasaponara 2006; Lhermitte et al. 2011; Leon et al. 2012). Η συγκεκριμένη προσέγγιση αναλύεται εκτενέστερα σε επόμενη υποενότητα, όπως επίσης και στα Κεφάλαια 5 και 6. Εκτός από τα οπτικά δεδομένα, τα τελευταία χρόνια χρησιμοποιούνται δεδομένα και από αισθητήρες radar, τα οποία δεν επηρεάζονται από την ύπαρξη σύννεφων ενώ ορισμένα μήκη κύματος διαπερνούν τις κόμες των δένδρων (Richards 2009). Πιο συγκεκριμένα, τα δεδομένα ραντάρ συνθετικού διαφράγματος (SAR) έχουν χρησιμοποιηθεί για την χαρτογράφηση των καμένων εκτάσεων, την εκτίμηση των ζημιών και την επανεμφάνιση της βλάστησης (Polychronaki et al. 2014; Stroppiana et al. 2015). Οι αντίστοιχες εφαρμογές όμως είναι σαφώς λιγότερες σε σχέση με τα οπτικά δεδομένα Αντικειμενοστραφής μέθοδος ανάλυσης εικόνων (OBIA) Η πλειοψηφία της παραγόμενης έρευνας, των προϊόντων και αναπτυγμένων υπηρεσιών στο πεδίο των πυρκαγιών βασίζονται στην φασματική πληροφορία που εξάγεται από την ανάλυση των εικονοστοιχείων (pixel-based analysis) και τη χρήση των αντίστοιχων μεθόδων. Τα τελευταία χρόνια όμως, προηγμένες μέθοδοι αντικειμενοστραφούς ανάλυσης εικόνας (object-oriented image analysis ΟΒΙΑ) χρησιμοποιούνται για την εξαγωγή επιπλέον πληροφορίας από αντικείμενα (objects), όπως σχήμα (shape), υφή (texture) και τοπογραφικά χαρακτηριστικά (Blaschke 2010). Αυτές ενσωματώνονται στον χώρο των χαρακτηριστικών (feature space) της επιβλεπόμενης ταξινόμησης και στην ιεραρχική δομή της ομάδας κανόνων (ruleset) της. Όσον αφορά στην χαρτογράφηση των 19

36 Βιβλιογραφική ανασκόπηση καμένων εκτάσεων, η αντικειμενοστραφής ανάλυση δορυφορικών εικόνων, χαμηλής έως πολύ υψηλής (Very High Resolution VHR) χωρικής διακριτικής ικανότητας, έχει εφαρμοστεί με ικανοποιητικά αποτελέσματα ταξινόμησης (Mitri and Gitas 2006; Polychronaki and Gitas 2010). Εικόνα 2.3. Αναπαράσταση του ιεραρχικού δικτύου αντικειμένων (Πηγή: ecognition Developer 8.7). Η χρήση πληροφοριών συνάφειας στην OBIA διευκολύνει το διαχωρισμό διαφορετικών κατηγοριών κάλυψης γης, όπου συχνά υπάρχει πρόβλημα σύγχυσης στην ταξινόμηση με pixel-based μεθόδους. Κύριοι τύποι σύγχυσης που απαντώνται είναι οι εξής (Mitri and Gitas 2004): φασματική επικάλυψη μεταξύ ελαφρώς καμένων περιοχών και άλλων κατηγοριών χωρίς βλάστηση, ιδίως υδάτινες επιφάνειες, αστικές περιοχές και γυμνό έδαφος (Pereira and Setzer 1993; Siljestrom and Moreno 1995); φασματική επικάλυψη μεταξύ καμένων και σκιαζόμενων (μη καμένων) περιοχών (Pereira et al. 1997); φασματική επικάλυψη μεταξύ καμένων και μη-καμένων δασωμένων περιοχών (Chuvieco and Congalton 1988). Η αντικειμενοστραφής ανάλυση εισήγαγε την έννοια της κατάτμησης της εικόνας σε αντικείμενα ή τμήματα (segments). Η εξέλιξη της τεχνολογίας στον τομέα των ηλεκτρονικών υπολογιστών (υλικά και λογισμικά), σε συνδυασμό με την αδυναμία των 20

37 ΚΕΦΑΛΑΙΟ 2 μεθόδων που βασίζονται στην ανάλυση εικονοστοιχείων σε κάποιες εφαρμογές, κίνησε το ενδιαφέρον των ερευνητών να ασχοληθούν με την αντικειμενοστραφή ανάλυση. Το γεγονός αυτό συντέλεσε στην ραγδαία εξάπλωση της αντικειμενοστραφούς ανάλυσης της εικόνας, ιδιαίτερα μετά το 2000, ενώ αρχικά οι εφαρμογές επικεντρώθηκαν σε δεδομένα πολύ υψηλής χωρικής ευκρίνειας (Blaschke 2010). Βασικές έννοιες της αντικειμενοστραφούς προσέγγισης Η αντικειμενοστραφής ανάλυση εικόνας βασίζεται στη ορθή κατάτμηση των αντικειμένων ενδιαφέροντος της εικόνας, έναντι του γενικού της περιεχομένου. Τα τμήματα που προκύπτουν από την κατάτμηση ονομάζονται αντικείμενα εικόνας (image objects). Η αντικειμενοστραφής ανάλυση εικόνας είναι περισσότερο κοντά στην λειτουργία της ανθρώπινης όρασης από την ανάλυση ανά εικονοστοιχείο. Μελέτες που ασχολούνται με μεθόδους ταξινόμησης έδειξαν ότι με την αντικειμενοστραφή ανάλυση επιτυγχάνεται μεγαλύτερη ακρίβεια στη ταξινόμηση, καθώς και λεπτομερέστερη διάκριση κλάσεων (Yuan and Bauer 2006). Οι τεχνικές της αντικειμενοστραφούς ταξινόμησης αναπαριστούν καλύτερα την πραγματικότητα εισάγοντας και έννοιες σχέσεων μεταξύ των αντικειμένων της εικόνας. Δημιουργείται έτσι ένα ιεραρχικό δίκτυο (hierarchical network) αντικειμένων (Εικόνα 2.3), το οποίο καθορίζει καθαρά την σχέση του κάθε αντικειμένου με τα γειτονικά του, τα υπό-αντικείμενα που το αποτελούν, καθώς και τα υπέρ-αντικείμενα που το περικλείουν (Benz et al. 2004). Αυτό επιτρέπει την ακριβή ανάλυση οποιουδήποτε τμήματος της εικόνας, καθώς καθίσταται πλέον δυνατή η αναπαράσταση της πληροφορίας σε διαφορετικά επίπεδα κλίμακας, τα οποία ορίζονται πλέον από τα επίπεδα των αντικειμένων (object layers). Tο ιεραρχικό δίκτυο είναι τοπολογικά ορισμένο, δηλαδή, το σύνορο ενός υπέρ-αντικείμενου είναι σύμφωνο με τα σύνορα των υπό-αντικειμένων του (ecognition User Guide 2004). Το ιεραρχικό δίκτυο των αντικειμένων εικόνας προσφέρει μία σειρά από δυνατότητες: Κατατμήσεις σε διαφορετικές κλίμακες μπορούν να δημιουργούνται ταυτόχρονα και να κατατάσσονται σε σχέση η μία με την άλλη. Διαφορετικά ιεραρχικά επίπεδα μπορούν να κατατμηθούν με διαφορετικά δεδομένα. Ένα ανώτερο επίπεδο, για παράδειγμα, μπορεί να δημιουργηθεί με βάση θεματικές πληροφορίες κτηματολογίου, ενώ ένα κατώτερο επίπεδο μπορεί να κατατμηθεί με τη χρήση δεδομένων τηλεπισκόπησης. 21

38 Βιβλιογραφική ανασκόπηση Το σχήμα των αντικειμένων της εικόνας μπορεί να διορθωθεί με μια ομαδοποίηση των υπό-αντικειμένων Η ανάλυση των αντικειμένων της εικόνας στηρίζεται σε υπό- ή υπέρ-αντικείμενα. Εικόνα 2.4. Παραδείγματα κατάτμησης (αριστερά) και ταξινόμησης (δεξιά) δορυφορικής εικόνας (Πηγή: ecognition User Guide 2004). Τα βασικά στάδια που ακολουθούνται κατά την αντικειμενοστραφή ανάλυση της εικόνας είναι η κατάτμηση και η ταξινόμηση (Εικόνα 2.4). Το πρώτο βήμα που πραγματοποιείται είναι η κατάτμηση της εικόνας, δηλαδή η υποδιαίρεσή της συνεχείς ομάδες εικονοστοιχείων που ονομάζονται πρωταρχικά τμήματα αντικειμένων (image object primitives). Στην ιδανική περίπτωση, τα τμήματα αυτά αντιστοιχούν σε πραγματικά αντικείμενα ενδιαφέροντος της περιοχής μελέτης. Κατά τη διαδικασία της πολυφασματικής κατάτμησης γίνεται συνάθροιση των γειτονικά εφαπτόμενων εικονοστοιχείων σε αντικείμενα, λαμβάνοντας υπόψη τόσο φασματικά όσο και γεωμετρικά χαρακτηριστικά, μέσα από μια διαδικασία ομαδοποίησης με αλληλουχίες ζευγών (pairwise). Μέσω αυτής της προσέγγισης τα αντικείμενα που δημιουργούνται έχουν πέρα από κοινές φασματικές ιδιότητες, γεωμετρικά κοινά χαρακτηριστικά όπως σχήμα, μέγεθος, υφή και δομή. Το μέγεθος των αντικειμένων που προκύπτουν κατά την κατάτμηση της εικόνας καθορίζεται από το χρήστη, και εξαρτάται από την κλίμακα του αντικειμένου προς χαρτογράφηση, της χωρικής ετερογένειας του τοπίου, και της χωρικής ανάλυσης της εικόνας. Μετά την διαδικασία της κατάτμησης η εικόνα υποδιαιρείται σε ξεχωριστά τμήματα επεξεργασίας. Σημαντικό ρόλο παίζουν επίσης και οι παράμετροι της κατάτμησης που συνθέτουν το κριτήριο ομοιογένειας (χρώμα, σχήμα) και της κλίμακας. 22

39 ΚΕΦΑΛΑΙΟ 2 Η ταξινόμηση είναι η διαδικασία κατά την οποία όλα τα αντικείμενα της εικόνας αντιστοιχίζονται με τις καθορισμένες από τον χρήστη κλάσεις. Κατά την αντιστοίχηση του αντικειμένου, αυτό συνδέεται με το ιεραρχικό δίκτυο των κλάσεων που έχει δημιουργήσει ο χρήστης. Η κάθε κλάση περιέχει τα δικά της διακριτικά χαρακτηριστικά (features) που την περιγράφουν, τα οποία περνάει στα αντικείμενα που την αποτελούν. Κληρονομεί τα διακριτικά χαρακτηριστικά των γονικών της κλάσεων (parent classes), και κληροδοτεί τα δικά της στις κλάσεις-παιδιά της (child classes) αντίστοιχα. Η ιεραρχική αντικειμενοστραφής δομή αποτελεί τη βάση για την ταξινόμηση της εικόνας. Η αντιστοίχηση των αντικειμένων στις κλάσεις γίνεται βάσει της ασαφούς λογικής. Η ασαφής λογική εισάγει την μαθηματική έκφραση της ποσοτικοποίησης μιας αβέβαιης κατάστασης, όπου η βασική ιδέα είναι η αντικατάσταση των δύο απολύτως λογικών δηλώσεων «ναι» και «όχι» από το συνεχές διάστημα [0... 1]. Το 0 σημαίνει «ακριβώς όχι» και το 1 σημαίνει «ακριβώς ναι». Όλες οι τιμές μεταξύ 0 και 1 αντιπροσωπεύουν μια περισσότερο ή λιγότερο σίγουρη κατάσταση του «ναι» και «όχι». Τα ασαφή συστήματα ταξινόμησης είναι κατάλληλα για το χειρισμό της ασάφειας κατά την εξαγωγή πληροφοριών στην τηλεπισκόπηση. Σε κλάσεις όπου ο χαρακτηρισμός τους είτε φασματικά είτε οικολογικά είναι δύσκολος, η ασαφής ταξινόμηση απομακρύνει την ανάγκη για απόλυτο διαχωρισμό και χαρακτηρισμό των ορίων των κλάσεων αυτών 2.3 ΑΝΑΛΥΣΗ ΧΡΟΝΟΣΕΙΡΩΝ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ ΓΙΑ ΤΗΝ ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΤΩΝ ΑΛΛΑΓΩΝ ΣΤΑ ΦΥΣΙΚΑ ΟΙΚΟΣΥΣΤΗΜΑΤΑ Βασικές έννοιες και χαρακτηριστικά των χρονοσειρών Το σύνολο των δεδομένων που συλλέγονται σε σταθερά χρονικά διαστήματα (μέρα, μήνας, έτος, κλπ) και εκφράζουν την εξέλιξη των τιμών μίας μεταβλητής Y ονομάζεται χρονοσειρά ή χρονολογική σειρά (time series). Τα σταθερά διαστήματα αποτελούν το χρονικό βήμα ή χρόνο δειγματοληψίας (sampling time). Έτσι, μία χρονοσειρά της μεταβλητής Y θα ορίζεται από τις τιμές Υt, Υt+1,..Υn για τις αντίστοιχες στιγμές t=1,2, n. Παραδείγματα χρονοσειρών αποτελούν οι ημερήσιες μετεωρολογικές προβλέψεις (θερμοκρασίας, π.χ.), οι οικονομικές χρονοσειρές (ημερήσιες τιμές μετοχής), οι μετρήσεις βιοφυσικών παραμέτρων (μηνιαίες τιμές δείκτη φυλλικής επιφάνειας) κ.α. Η ανάλυση χρονοσειρών (time series analysis) αποσκοπεί στην εύρεση εκείνων των χαρακτηριστικών που συμβάλουν στην κατανόηση της ιστορικής συμπεριφοράς μιας 23

40 Βιβλιογραφική ανασκόπηση μεταβλητής και επιτρέπουν την πρόβλεψη μελλοντικών τιμών της. Κύριος στόχος της ανάλυσης είναι η επιλογή και προσαρμογή ενός κατάλληλου μοντέλου που να προσεγγίζει ικανοποιητικά τα δεδομένα, καθώς και η χρησιμοποίηση του μοντέλου για πρόβλεψη. Οι ποσοτικές μέθοδοι πρόβλεψης χωρίζονται σε δύο κατηγορίες: στις αιτιοκρατικές (causal) ή οικονομετρικές (econometric) μεθόδους και στις μεθόδους προεκβολής (extrapolation) ή χρονοσειρών. Οι αιτιοκρατικές μέθοδοι επιχειρούν να εξηγήσουν τη συμπεριφορά μιας μεταβλητής συσχετίζοντάς την με άλλες, ενώ στις μεθόδους χρονοσειρών η πρόβλεψη των μελλοντικών τιμών μιας μεταβλητής στηρίζεται αποκλειστικά σε ιστορικές τιμές της ίδιας μεταβλητής. Εικόνα 2.5. Παράδειγμα αποσύνθεσης χρονοσειράς (data) του δείκτη βλάστησης NDVI στις τρείς κύριες συνιστώσες της τάσης (trend), εποχικότητας (seasonal) και θορύβου (remainder). Κύρια χαρακτηριστικά των χρονοσειρών θεωρούνται τα εξής (Koehler 2001): Στασιμότητα (Stationarity): Οι στατιστικές ιδιότητες (μέση τιμή, διακύμανση, αυτοσυσχέτιση) της χρονοσειράς δε μεταβάλλονται με το χρόνο (Box et al. 1994). Αιτιοκρατία (determinism) και στοχαστικότητα (stochasticity): Όταν η τάση σε μια χρονοσειρά περιγράφεται από μία γνωστή συνάρτηση του χρόνου, ονομάζεται καθοριστική τάση (deterministic). Αντίθετα, όταν η τάση σε μια χρονοσειρά παρουσιάζει αργές μεταβολές με το χρόνο αλλά όχι με καθοριστικό τρόπο, τότε ονομάζεται στοχαστική. Γραμμικότητα (linearity) και μη-γραμμικότητα (nonlinearity): Η γραμμικότητα εκφράζει την εξέλιξη της χρονοσειράς ως γραμμικό συνδυασμό των προηγούμενων παρατηρήσεων αυτής. 24

41 ΚΕΦΑΛΑΙΟ 2 Κύριες κατηγορίες μεθόδων πρόβλεψης των μελλοντικών τιμών μίας μεταβλητής κατά την ανάλυση χρονοσειρών θεωρούνται οι: α) μέθοδοι εξομάλυνσης, β) αποσύνθεση χρονοσειρών (times series decomposition), γ) ανάλυση ARIMA (Autoregressive Integrated Moving Average). Η αποσύνθεση των χρονοσειρών εφαρμόζεται συνήθως σε μη-στάσιμες χρονοσειρές, οι οποίες παρουσιάζουν τάση ή/και περιοδικότητα. Η τάση εκφράζει τη μακροχρόνια συμπεριφορά μίας μεταβλητής, δηλαδή την αύξηση ή μείωση των τιμών της με σταθερό ρυθμό. Η περιοδικότητα ή εποχικότητα εκφράζει την παρόμοια συμπεριφορά μίας μεταβλητής για συγκεκριμένες περιόδους διαδοχικών ετών. Συνεπώς, με τη μέθοδο της αποσύνθεσης η πραγματοποίηση προβλέψεων επιτυγχάνεται με τη διάσπαση ή ανάλυση της χρονοσειράς σε τρεις κύριες συνιστώσες (Cleveland et al. 1990) (Εικόνα 2.5). Ένα μαθηματικό μοντέλο που χρησιμοποιείται για την αναπαράσταση μία χρονοσειράς με τάση και εποχικότητα είναι το προσθετικό (additive). Στο προσθετικό μοντέλο, οι πραγματικές τιμές της χρονοσειράς προκύπτουν από το άθροισμα των επιμέρους συνιστωσών: της συνιστώσας τάσης, της συνιστώσας εποχικότητας της συνιστώσας θορύβου. Η τάση είναι συνήθως γραμμική ή εκθετική. Ανάλογα με το σκοπό της έρευνας και την πληροφορία που θέλουμε να εξάγουμε, μπορούμε να επικεντρωθούμε στην ανάλυση συγκεκριμένης συνιστώσας με ταυτόχρονη απαλοιφή των υπολοίπων Τεχνικές ανάλυσης τάσης χρονοσειρών δορυφορικών δεδομένων Η ύπαρξη πυκνών και συνεχών χρονοσειρών παρατηρήσεων (εικόνων) της επιφάνειας της γης προσφέρει τη δυνατότητα δημιουργίας ενός διαχρονικού-φασματικού προφίλ (temporal profile ή trajectory) μίας περιοχής, διευκολύνοντας αφενός τη διάκριση μεταξύ των εποχικών διακυμάνσεων και άλλων αλλαγών και αφετέρου την εύρεση τόσο των απότομων όσο και των σταδιακών πραγματικών αλλαγών. Δορυφορικά συστήματα με πολύ υψηλή χρονική διακριτική ικανότητα, όπως ο NOAA, Terra/Aqua MODIS, SPOT VGT, αποτελούν τη βασική πηγή δεδομένων για την παρακολούθηση των αλλαγών της βλάστησης, ιδιαίτερα σε εθνικό και παγκόσμιο επίπεδο. Μειονέκτημα αυτών των δεδομένων αποτελεί η χαμηλή χωρική ευκρίνεια των δεδομένων που παρέχουν. Εντούτοις, τα τελευταία δέκα χρόνια έχει αυξηθεί ο αριθμός μελετών που βασίζονται σε πυκνές χρονοσειρές, και όχι σε ένα μικρό αριθμό μόνο, εικόνων υψηλής ευκρίνειας των δορυφόρων Landsat, παρόλο που η χρονική τους ευκρίνεια είναι περιορισμένη (16 ημέρες) (Kennedy et al. 2007). 25

42 Βιβλιογραφική ανασκόπηση Μέθοδοι ανάλυσης πυκνών χρονοσειρών συνδυάζουν συνήθως δείκτες βλάστησης με κοινές στατιστικές τεχνικές ή με αυτοματοποιημένους αλλά πιο περίπλοκους αλγόριθμους. Η εξέλιξη της τεχνολογίας στον τομέα των ηλεκτρονικών υπολογιστών συνέβαλε τα μέγιστα προς αυτή την κατεύθυνση, με τις εφαρμογές να καλύπτουν ένα ευρύ ερευνητικό φάσμα στον τομέα της παρακολούθησης των οικοσυστημάτων. Στον Πίνακα 2.1 παρουσιάζονται επιλεγμένες εργασίες και μέθοδοι ανάλυσης του διαχρονικού προφίλ χρονοσειρών. Θεωρήσαμε σκόπιμο να παρουσιάσουμε εργασίες οι οποίες δεν επικεντρώνονται μόνο στον τομέα των πυρκαγιών. Αυτό διότι οι προτεινόμενες τεχνικές μπορούν υπό προϋποθέσεις να εφαρμοστούν για την παρακολούθηση των διαταραχών και σταδιακών μεταβολών (υποβάθμιση, αναγέννηση) των δασικών οικοσυστημάτων σε διαφορετικές κλίμακες και γεωγραφικές περιοχές, ανεξάρτητα από το είδος της διαταραχής, (ασθένειες, υλοτομίες, πυρκαγιές, κλπ.). Επίσης, κριτήρια για την επιλογή των εργασιών αποτέλεσε η χρησιμοποίηση μεγάλου αριθμού παρατηρήσεων καθώς και η καινοτομία τους ανεξάρτητα από το μέγεθος της χρονοσειράς. Επιχειρώντας μία κατηγοριοποίηση των τεχνικών θα μπορούσαμε να τις χωρίσουμε σε αυτές που στηρίζονται στην εύρεση αποκλίσεων από μία σταθερή κατάσταση και σε αυτές που βασίζονται στην ανάλυση ολόκληρης της χρονοσειράς μέσω της κατάτμησής της σε στατιστικά σημαντικά χρονικά τμήματα (trend segments). Στην πρώτη περίπτωση, συνήθως χρησιμοποιούνται ετήσιες ή διετείς παρατηρήσεις των αισθητήρων Landsat με σταθερές ημερομηνίες μεταξύ των ετών, ώστε να ελαχιστοποιούνται οι εποχικές διαφοροποιήσεις και να διευκολύνεται η ανίχνευση των απότομων διαταραχών (Kennedy et al. 2010; Sulla- Menashe et al. 2014). Αντίθετα, οι τεχνικές ανάλυσης τάσης, μέσω της αποσύνθεσης της χρονοσειράς σε συνιστώσες, επιτυγχάνουν την προσαρμογή εποχικών μοντέλων με τη χρήση πολλαπλών παρατηρήσεων μέσα στο έτος (Verbesselt et al. 2010; Jong et al. 2012). Αναφορικά με τις εργασίες διερεύνησης της μεταπυρικής συμπεριφοράς της βλάστησης, πολλές τεχνικές βασίζονται στη σύγκριση της ανάκαμψης της βλάστησης μίας καμένης επιφάνειας με μία μη καμένη επιφάνεια αναφοράς, εντός της ίδιας εικόνας (Díaz-Delgado et al. 2003; Idris et al. 2005; van Leeuwen et al. 2010). Συγκρίνοντας έτσι δύο επιφάνειες με όμοια χαρακτηριστικά επιτυγχάνεται η ελαχιστοποίηση των εποχικών διαφοροποιήσεων. Η επιλογή των επιφανειών ή εικονοστοιχείων αναφοράς (control plot selection) πραγματοποιείται με την εφαρμογή μέτρων ομοιότητας χρονοσειρών (time series similarity measures), για την περίοδο πριν την πυρκαγιά, μεταξύ της καμένης και της γειτονικής μη καμένης επιφάνειας (Veraverbeke et al. 2010; Lhermitte et al. 2011). 26

43 ΚΕΦΑΛΑΙΟ 2 Πίνακας 2.1. Ενδεικτικές μελέτες και τεχνικές ανάλυσης χρονοσειρών δορυφορικών εικόνων για την παρακολούθηση διαταραχών στα οικοσυστήματα. Συμπεριλαμβάνονται εργασίες όπου το αίτιο διαταραχής διαφέρει των πυρκαγιών. Sensor/Resolution Ecosystem Method/Index Disturbance/ Research Reference MODIS (500 m) Boreal NDVI, NDSWIR Post-fire monitoring Cuevas-González et al ETM+ (30m) Tropical BFAST seasonal-trend model; NDVI Forest disturbanceregrowth monitoring DeVries et al MSS (80 m), TM (40 m) Mediterranean Control plot selection; NDVI Post-fire monitoring Díaz-Delgado et al MODIS (250 m) Alpine Statistical analysis; NDVI, EVI Post-fire monitoring Di Mauro et al AVHRR (8 km) African continent Least-square polynomial models; NDVI Monitoring of vegetation seasonality Jönsson and Eklundh 2004 AVHRR (8 km) Boreal Control areas; NDVI Post-fire monitoring Goetz et al VGT (1 km) Mediterranean Regression; NDVI Post-fire monitoring Gouveia et al MODIS (250 m) Mediterranean Control plot selection; NDVI Post-fire monitoring Hope et al TM (30 m) Temperate Trajectory based fitting algorithm; SWIR Generic forest disturbance detection Kennedy et al MODIS (250 m) Temperate Regression, CART; NDVI Post-fire monitoring Leon et al VGT (1 km) Savannah Control plot selection; NDVI Post-fire monitoring Lhermitte et al TM, ETM, OLI (30 m) Mediterranean Statistical analysis of recovery metrics; various VIs Post-fire monitoring Storey et al VGT (1 km) Mediterranean Detrended fluctuation; NDVI Post-fire monitoring Telesca and Lasaponara 2006 MODIS (250 m) Temperate Regression, Phenological metrics; NDVI Post-fire monitoring van Leeuwen 2008 MODIS (500 m) Mediterranean Control plot selection; dnbr Fire/Burn severity Veraverbeke et al MODIS (250 m) Temperate BFAST seasonal-trend model; NDVI Harvest/drought monitoring Verbesselt et al TM (30 m) Mediterranean Regression; NDVI Post-fire monitoring Viedma et al TM, ETM+ (30m) Temperate Analysis of spectraltemporal trajectories; NDVI, NBR Fire/harvest mapping and regrowth monitoring Zhao et al

44 Βιβλιογραφική ανασκόπηση Ο αλγόριθμος BFAST (Breaks for Additive Seasonal and Trend) Η θεωρία της εκτίμησης πολλαπλών σημείων διάσπασης σε μοντέλα παλινδρόμησης χρονολογικών σειρών εισάχθηκε από τους Bai and Perron (1998). Μελέτες εκτίμησης σημείων διάσπασης είχαν προηγουμένως εφαρμοστεί κυρίως στον κλάδο της οικονομετρίας προτείνοντας την προσαρμογή γραμμικών μοντέλων με δομικά σημεία διάσπασης (Zeileis et al. 2003). Οι Haywood and Randal (2008) εισήγαγαν μία επαναληπτική μέθοδο εκτίμησης σημείων διάσπασης, όπου προτείναν την αποσύνθεση των χρονοσειρών σε ένα τμηματικό γραμμικό μοντέλο τάσης και ένα συνεχές εποχικό πρότυπο. Με αυτό τον τρόπο επιτράπηκε μία πιο ευέλικτη διαδικασία εντοπισμού δομικών αλλαγών, όπου δεν απαιτείται η ταυτόχρονη προσαρμογή των συνιστωσών ούτε η χρονική σύμπτωση εποχικών αλλαγών και αλλαγών τάσης. Εικόνα 2.6. Γραφική αναπαράσταση των κυρίων συνιστωσών που υπολογίζονται από την εφαρμογή του αλγόριθμου BFAST. Τα αρχικά δεδομένα Y t προέρχονται από χρονοσειρά του δείκτη βλάστησης EVI (Enhanced Vegetation Index). Η μέθοδος κατάτμησης χρονοσειρών (time series segmentation) BFAST, που προτάθηκε από τους Verbesselt et al. (2010), αποτελεί βελτίωση της μεθόδου ανίχνευσης δομικών αλλαγών των Haywood and Randal (2008). Ο αλγόριθμος BFAST συνδυάζει την ανάλυση ή αποσύνθεση των χρονοσειρών στις συνιστώσες τάσης, εποχικότητας και θορύβου με μεθόδους ανίχνευσης σταδιακών και απότομων δομικών αλλαγών που συντελούνται εντός των συνιστωσών τάσης και εποχικότητας (Εικόνα 2.6). Αποτελεί ένα προσθετικό μοντέλο ανάλυσης, το οποίο προσαρμόζει επαναληπτικά ένα τμηματικό γραμμικό μοντέλο τάσης και περιοδικότητας, σύμφωνα με τη γενική συνάρτηση: 28

45 ΚΕΦΑΛΑΙΟ 2 Yt = Tt + St + et, t=1,,n (1) όπου Yt είναι η τιμή της μεταβλητής (EVI) τη χρονική στιγμή t, Tt η συνιστώσα τάσης, St η συνιστώσα εποχικότητας και et η συνιστώσα θορύβου για τη χρονοσειρά 1, n. Η μη-παραμετρική μέθοδος ανάλυσης τάσης εποχικότητας (season trend decomposition, STL) (Cleveland et al. 1990) χρησιμοποιείται για τον υπολογισμό της συνιστώσας εποχικότητας σηματοδοτώντας την έναρξη της επαναληπτικής διαδικασίας. Αρχικά, υπολογίζεται ο βέλτιστος αριθμός σημείων διάσπασης (break points) m στην απαλλαγμένη από περιοδικότητα (Yt - St) χρονοσειρά μέσω της ελαχιστοποίησης του Μπεϋζιανού κριτηρίου πληροφορίας (Bayesian Information Criterion BIC) (Zeileis et al. 2003). Για να επιτευχθεί ο παραπάνω υπολογισμός όμως, εξετάζεται προηγουμένως η παρουσία πιθανών σημείων διάσπασης με την εφαρμογή ενός ελαχίστων τετραγώνων (ordinary least-squares ή OLS) τεστ κινούμενων αθροισμάτων (moving sums MOSUM). Αν εντοπιστούν στατιστικά σημαντικές αλλαγές, τότε ο αριθμός των σημείων διάσπασης υπολογίζεται από το κριτήριο BIC και καθορίζονται τα διαστήματα εμπιστοσύνης για τη χρονική στιγμή κάθε σημείου. Έπειτα, η συνιστώσα τάσης υπολογίζεται για κάθε χρονικό διάστημα ή τμήμα (segment) j με τη χρήση μία ειδικής περίπτωσης μη-γραμμικής παλινδρόμησης (Venables and Ripley 2002) και εκφράζεται ως τμηματικό γραμμικό μοντέλο της μορφής: Τt = αj + βj *t, tj-1<t tj και j=1,,m+1 (2) όπου οι παράμετροι αj και βj χρησιμοποιούνται αντίστοιχα για τον υπολογισμό του μεγέθους της απότομης αλλαγής και της κλίσης της ευθείας της παλινδρόμησης για κάθε τμήμα j. Τα σημεία διάσπασης (break points) m καθορίζουν ουσιαστικά τον αριθμό και τoν χρόνο των αλλαγών στην συνιστώσα τάσης και χωρίζουν την χρονοσειρά σε m+1 τμήματα. Το μέγεθος της απότομης αλλαγής M σε ένα σημείο διάσπασης υπολογίζεται από τη διαφορά της τάσης Tt στα χρονικά σημεία tj-1 και tj ώστε να ισχύει: Μ = (αj-1 aj) + (βj-1 βj)t (3) και η κλίση της σταδιακής αλλαγής (ευθείας) πριν και μετά το σημείο διάσπασης να είναι βj-1 και βj, αντίστοιχα. Αυτή η τεχνική αποτελεί μία απλή μεν αλλά αξιόπιστη προσέγγιση για το χαρακτηρισμό των αλλαγών σε χρονοσειρές. Τα τμηματικά γραμμικά μοντέλα 29

46 Βιβλιογραφική ανασκόπηση χρησιμοποιούνται συχνά ως προσεγγίσεις σε πολύπλοκα φαινόμενα για την εξαγωγή βασικών χαρακτηριστικών των δεδομένων. Με παρόμοιο τρόπο, στο εποχικό μοντέλο προσδιορίζονται τα σημεία διάσπασης, αλλά αυτά δε συμπίπτουν απαραίτητα με τα αντίστοιχα που εντοπίζονται στη συνιστώσα τάσης. Τα απαλλαγμένα από την τάση (Yt - Τt) δεδομένα χρησιμοποιούνται για την αναπροσαρμογή της περιοδικής συνιστώσας με την εφαρμογή ενός αρμονικού μοντέλου. Η διαδικασία προσαρμογής ολοκληρώνεται όταν ο αριθμός και η θέση των σημείων δεν αλλάζει μεταξύ των συνεχόμενων επαναλήψεων. 2.4 ΣΥΝΟΨΗ ΚΕΦΑΛΑΙΟΥ Το κεφάλαιο αυτό μπορεί να συνοψιστεί ως εξής: Οι δασικές πυρκαγιές εξακολουθούν να αποτελούν έναν από τα σημαντικότερα προβλήματα που απειλούν τα δάση της χώρας μας ενώ μακροπρόθεσμα την βιώσιμη ανάπτυξη ολόκληρων περιοχών. Η διαχείριση των πυρκαγιών αποτελεί ένα ιδιαίτερα πολύπλοκο ζήτημα καθώς εξαρτάται από σημαντικό αριθμό οικολογικών, οικονομικών και πολιτικών παραγόντων. Η αύξηση του αριθμού και της δριμύτητας των πυρκαγιών τις τελευταίες δεκαετίες στην ευρύτερη περιοχή της Μεσογείου οφείλεται τόσο στις ανθρώπινες παρεμβάσεις όσο και στις απότομες κλιματικές διακυμάνσεις που προκαλούν έντονα φαινόμενα ξηρασίας της βλάστησης. Η μείωση της υγρασίας της καύσιμης ύλης αποτελεί καθοριστικό παράγοντα στην αύξηση του κινδύνου έναρξης φωτιάς. Ο αριθμός των μελετών και εφαρμογών στη χαρτογράφηση και παρακολούθηση καμένων εκτάσεων με τη χρήση δορυφορικών οπτικών δεδομένων παρουσιάζει σημαντική αύξηση τις τελευταίες δύο τουλάχιστον δεκαετίες. Προηγμένες μέθοδοι χαρτογράφησης καμένων εκτάσεων βασίζονται στη αντικειμενοστραφή προσέγγιση (OBIA) ανάλυσης δορυφορικών εικόνων. Η δημιουργία πυρικού ιστορικού σε Μεσογειακό οικοσύστημα με την χρήση της ΟΒΙΑ δεν έχει εκτενώς ερευνηθεί. Από τα μέσα της προηγούμενης δεκαετίας έχει παρατηρηθεί αύξηση στη χρήση πυκνών χρονοσειρών δορυφορικών δεδομένων, χαμηλής και υψηλής χωρικής ευκρίνειας, για την παρακολούθηση των διαχρονικών αλλαγών στα φυσικά 30

47 ΚΕΦΑΛΑΙΟ 2 οικοσυστήματα. Αντίστοιχη είναι η αύξηση στις προτεινόμενες μεθόδους στατιστικής ανάλυσης των χρονοσειρών. Η επεξεργασία και ανάλυση πυκνών χρονοσειρών επιτρέπει τον ευκολότερο διαχωρισμό μεταξύ φαινολογικών διακυμάνσεων και πραγματικών μεταβολών. Η μέθοδος ανάλυσης τάσης χρονοσειρών BFAST αποτελεί μία πρόσφατη προσέγγιση στην ανίχνευση δομικών αλλαγών στις χρονοσειρές. Η εφαρμογή και προσαρμογή αυτής στην μελέτη των επιπτώσεων των πυρκαγιών σε μεσογειακό οικοσύστημα αποτελεί νέο αντικείμενο έρευνας. ΒΙΒΛΙΟΓΡΑΦΙΑ Al-Rawi KR, Casanova JL, Calle A (2001) Burned area mapping system and fire detection system, based on neural networks and NOAA-AVHRR imagery. International Journal of Remote Sensing 22, doi: / Bai J, Perron P (1998) Estimating and Testing Linear Models with Multiple Structural Changes. Econometrica 66, doi: / Barbosa PM, Grégoire JM, Pereira JMC (1999) An algorithm for extracting burned areas from time series of AVHRR GAC data applied at a continental scale. Remote Sensing of Environment 69, doi: /s (99) Bartalev S a., Egorov V a., Loupian E a., Uvarov I a. (2007) Multi-year circumpolar assessment of the area burnt in boreal ecosystems using SPOT-VEGETATION. International Journal of Remote Sensing 28, doi: / Bastarrika A, Chuvieco E, Martín MP (2011) Mapping burned areas from landsat TM/ETM+ data with a two-phase algorithm: Balancing omission and commission errors. Remote Sensing of Environment 115, doi: /j.rse Benz UC, Hofmann P, Willhauck G, Lingenfelder I, Heynen M (2004) Multi-resolution, objectoriented fuzzy analysis of remote sensing data for GIS-ready information. ISPRS Journal of Photogrammetry and Remote Sensing 58, doi: /j.isprsjprs Blaschke T (2010) Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing 65, doi: /j.isprsjprs Bond, W. and Keeley, J. (2005). Fire as a global herbivore : the ecology and evolution of flammable ecosystems. TRENDS in Ecology and Evolution, 20, Box GEP, Jenkins GM, Reinsel GC (1994) Time Series Analysis - Forecasting and Control. Prentice Hall New Jersey 1994 SFB 373, doi: /j.ijforecast Caldararo N (2002) Human ecological intervention and the role of forest fires in human ecology. Science of The Total Environment 292, doi: Cao X, Chen J, Matsushita B, Imura H, Wang L (2009) An automatic method for burn scar mapping using support vector machines. Int J Remote Sens 30, doi: / Capitanio R, Carcaillet C (2008) Post-fire Mediterranean vegetation dynamics and diversity: A 31

48 Βιβλιογραφική ανασκόπηση discussion of succession models. Forest Ecology and Management 255, doi: /j.foreco Carmona-Moreno C, Belward A, Malingreau J-P, Hartley A, Garcia-Alegre M, Antonovskiy M, Buchshtaber V, Pivovarov V (2005) Characterizing interannual variations in global fire calendar using data from Earth observing satellites. Global Change Biology 11, doi: /j x. Carrión JS, Sanchez-Gomez P, Mota JF, Yll R, Chain C (2003) Holocene vegetation dynamics, fire and grazing in the Sierra de Gador, southern Spain. The Holocene 13, doi: / hl662rp Chuvieco E, Congalton RG (1988) Mapping and inventory of forest fires from digital processing of tm data. Geocarto International 3, doi: / Chuvieco E (Ed.) (1999) Remote sensing of large wildfires in the European Mediterranean Basin. Berlin: Springer. Chuvieco E, Englefield P, Trishchenko AP, Luo Y (2008) Generation of long time series of burn area maps of the boreal forest from NOAA AVHRR composite data. Remote Sensing of Environment 112, doi: /j.rse Chuvieco E, Martín MP, Palacios A (2002) Assessment of different spectral indices in the red-nearinfrared spectral domain for burned land discrimination. International Journal of Remote Sensing 23, doi: / Chuvieco E, Riaño D, Aguado I, Cocero D (2002) Estimation of fuel moisture content from multitemporal analysis of Landsat Thematic Mapper reflectance data: Applications in fire danger assessment. International Journal of Remote Sensing 23, doi: / Chuvieco E, Ventura G, Martín MP, Gómez I (2005) Assessment of multitemporal compositing techniques of MODIS and AVHRR images for burned land mapping. Remote Sensing of Environment 94, doi: /j.rse Clemente RH, Navarro Cerrillo RM, Gitas IZ (2009) Monitoring post-fire regeneration in Mediterranean ecosystems by employing multitemporal satellite imagery. International Journal of Wildland Fire 18, doi: /wf Chuvieco E (2009). Global Impacts of Fire. In Earth Observation of Wildland Fires in Mediterranean Ecosystems (Ed E Chuvieco) (Springer-Verlag Berlin Heidelberg). Cleveland RB, Cleveland WS, McRae JE, Terpenning I (1990) STL: A seasonal-trend decomposition procedure based on loess. J. Off. Stat. 6, doi:citeulike-article-id: Csiszar I, Denis L, Giglio L, Justice CO, Hewson J (2005) Global fire activity from two years of MODIS data. International Journal of Wildland Fire 14, 117. doi: /wf Cuevas-González M, Gerard F, Balzter H, Riaño D (2009) Analysing forest recovery after wildfire disturbance in boreal Siberia using remotely sensed vegetation indices. Global Change Biology 15, DeVries B, Decuyper M, Verbesselt J, Zeileis A, Herold M, Joseph S (2015) Tracking disturbanceregrowth dynamics in tropical forests using structural change detection and Landsat time series. Remote Sensing of Environment 169, doi: /j.rse Díaz-Delgado R, Lloret F, Pons X (2003) Influence of fire severity on plant regeneration by means of remote sensing imagery. International Journal of Remote Sensing 24, doi: / Dimitrakopoulos AP, Vlahou M, Anagnostopoulou CG, Mitsopoulos ID (2011) Impact of drought on wildland fires in Greece: Implications of climatic change? Climatic Change 109,

49 ΚΕΦΑΛΑΙΟ 2 doi: /s Di Pasquale G, Di Martino P, Mazzoleni S (2004). Forest History in the Mediterranean Region. In Recent Dynamics of the Mediterranean Vegetation and Landscape (Ed G di Pasquale, Mulligan, M., Di Martino, P., Rego, F.) (John Wiley & Sons, Ltd) Dragozi E, Gitas I, Stavrakoudis D, Theocharis J (2014) Burned Area Mapping Using Support Vector Machines and the FuzCoC Feature Selection Method on VHR IKONOS Imagery. Remote Sensing 6, doi: /rs Duncan BW, Shao G, Adrian FW (2009) Delineating a managed fire regime and exploring its relationship to the natural fire regime in East Central Florida, USA: A remote sensing and GIS approach. Forest Ecology and Management 258, doi: Eva H, Lambin EF (1998) Burnt area mapping in Central Africa using ATSR data. International Journal of Remote Sensing 19, doi: / Fraser RH, Li Z, Cihlar J (2000) Hotspot and NDVI Differencing Synergy (HANDS): A New Technique for Burned Area Mapping over Boreal Forest. Remote Sensing of Environment 74, doi: Giglio L, Loboda T, Roy DP, Quayle B, Justice CO (2009) An active-fire based burned area mapping algorithm for the MODIS sensor. Remote Sensing of Environment 113, doi: /j.rse Gitas IZ, Mitri GH, Ventura G (2004) Object-based image classification for burned area mapping of Creus Cape, Spain, using NOAA-AVHRR imagery. Remote Sensing of Environment 92, doi: /j.rse Gitas IZ, Polychronaki A, Katagis T, Mallinis G (2008) Contribution of remote sensing to disaster management activities: A case study of the large fires in the Peloponnese, Greece. International Journal of Remote Sensing 29, doi: / Goetz SJ, Fiske GJ, Bunn AG (2006) Using satellite time-series data sets to analyze fire disturbance and forest recovery across Canada. Remote Sensing of Environment 101, doi: /j.rse Haywood J, Randal J (2008) Trending seasonal data with multiple structural breaks. NZ visitor arrivals and the minimal effects of 9/11. Research report 08/10, Victoria University of Wellington, New Zealand. URL Main/ResearchReportSeries/mscs08-10.pdf Hope A, Albers N, Bart R (2012) Characterizing post-fire recovery of fynbos vegetation in the Western Cape Region of South Africa using MODIS data. International Journal of Remote Sensing 33, doi: / Idris MH, Kuraji K, Suzuki M (2005) Evaluating vegetation recovery following large-scale forest fires in Borneo and northeastern China using multi-temporal NOAA/AVHRR images. Journal of Forest Research 10, doi: /s y. Jakubauskas ME, Lulla KP, Mausel PW (1990) Assessment of vegetation change in a fire-altered forest landscape. Photogrammetric Engineering and Remote Sensing 56, Joffre R, Rambal S (2002). Mediterranean Ecosystems. ENCYCLOPEDIA OF LIFE SCIENCES. Jong R, Verbesselt J, Schaepman ME, Bruin S (2012) Trend changes in global greening and browning: contribution of short-term trends to longer-term change. Global Change Biology 18, doi: /j x. Jönsson P, Eklundh L (2004) TIMESAT--a program for analyzing time-series of satellite sensor data. Computers & Geosciences 30, doi:doi: /j.cageo Justice CO, Giglio L, Korontzi S, Owens J, Morisette JT, Roy D, Descloitres J, Alleaume S, 33

50 Βιβλιογραφική ανασκόπηση Petitcolin F, Kaufman Y (2002) The MODIS fire products. Remote Sensing of Environment 83, doi: /s (02) Kennedy RE, Cohen WB, Schroeder TA (2007) Trajectory-based change detection for automated characterization of forest disturbance dynamics. Remote Sensing of Environment 110, doi: /j.rse Kennedy RE, Yang Z, Cohen WB (2010) Detecting trends in forest disturbance and recovery using yearly Landsat time series: 1. LandTrendr Temporal segmentation algorithms. Remote Sensing of Environment 114, doi: /j.rse Koehler AB (2001) Time Series Analysis and Forecasting with Applications of SAS and SPSS: Robert Yaffee and Monnie McGee (contributor), (2000) San Diego: Academic Press. 496 pages. ISBN Hardback: 29.95, $ Int. J. Forecast. 17, doi: /s (01) Koutsias N, Karteris M (2000) Burned area mapping using logistic regression modeling of a single post-fire Landsat-5 Thematic Mapper image. International Journal of Remote Sensing 21, doi: / van Leeuwen WJD (2008) Monitoring the Effects of Forest Restoration Treatments on Post-Fire Vegetation Recovery with MODIS Multitemporal Data. Sensors 8, doi: /s van Leeuwen WJD, Casady GM, Neary DG, Bautista S, Alloza J a, Carmel Y, Wittenberg L, Malkinson D, Orr BJ (2010) Monitoring post-wildfire vegetation response with remotely sensed time-series data in Spain, USA and Israel. International Journal of Wildland Fire 19, doi: Lentile LB, Holden ZA, Smith AMS, Falkowski MJ, Hudak AT, Morgan P, Lewis SA, Gessler PE, Benson NC (2006) Remote sensing techniques to assess active fire characteristics and post-fire effects. International Journal of Wildland Fire 15, doi: Leon JRR, van Leeuwen WJD, Casady GM (2012) Using MODIS-NDVI for the Modeling of Post- Wildfire Vegetation Response as a Function of Environmental Conditions and Pre-Fire Restoration Treatments. Remote Sensing 4, doi: /rs Lhermitte S, Verbesselt J, Verstraeten WW, Veraverbeke S, Coppin P (2011) Assessing intra-annual vegetation regrowth after fire using the pixel based regeneration index. ISPRS Journal of Photogrammetry and Remote Sensing 66, doi: /j.isprsjprs Loboda T, O Neal KJ, Csiszar I (2007) Regionally adaptable dnbr-based algorithm for burned area mapping from MODIS data. Remote Sensing of Environment 109, doi: /j.rse Maingi JK, Henry MC (2007) Factors influencing wildlife occurrence and distribution in eastern Kentucky, USA. International Journal of Wildland Fire 16, doi: /wf Di Mauro B, Fava F, Busetto L, Crosta GF, Colombo R (2014) Post-fire resilience in the Alpine region estimated from MODIS satellite multispectral data. International Journal of Applied Earth Observation and Geoinformation 32, doi: /j.jag Mitri GH, Gitas IZ (2004) A semi-automated object-oriented model for burned area mapping in the Mediterranean region using Landsat-TM imagery. International Journal of Wildland Fire 13, doi: /wf Mitri GH, Gitas IZ (2006) Fire type mapping using object - based classification of Ikonos imagery. International Journal of Wildland Fire 15, doi: /wf Mitri GH, Gitas IZ (2012) Mapping post-fire forest regeneration and vegetation recovery using a combination of very high spatial resolution and hyperspectral satellite imagery. International Journal of Applied Earth Observation and Geoinformation 20,

51 ΚΕΦΑΛΑΙΟ 2 doi: /j.jag Nioti F, Xystrakis F, Koutsias N, Dimopoulos P (2015) A Remote Sensing and GIS Approach to Study the Long-Term Vegetation Recovery of a Fire-Affected Pine Forest in Southern Greece. Remote Sensing 7, doi: /rs Oliveira SLJ, Pereira JMC, Carreiras JMB (2012) Fire frequency analysis in Portugal ( ), using Landsat-based burnt area maps. International Journal of Wildland Fire 21, 48. doi: /wf Pausas JG (2004) Changes in fire and climate in the eastern Iberian Peninsula (Mediterranean Basin). Climatic Change 63, doi: /b:clim c. Pausas J, Fernández-Muñoz S (2012) Fire regime changes in the Western Mediterranean Basin: from fuel-limited to drought-driven fire regime. Climatic Change 110, doi: /s Pausas JG, Llovet J, Rodrigo A, Vallejo R (2008) Are wildfires a disaster in the Mediterranean basin? A review. International Journal of Wildland Fire 17, doi: Pereira JMC (1999) A comparative evaluation of NOAA/AVHRR vegetation indexes for burned surface detection and mapping. IEEE Transactions on Geoscience and Remote Sensing 37, doi: / Pereira JMC, Chuvieco E, Beaudoin a, Desbois N (1997) Remote sensing of burned areas: a review. Pereira MC, Setzer A (1993) Spectral characteristics of fire scars in Landsat-5 TM images of Amazonia. International Journal of Remote Sensing 14, doi: / Pérez-Cabello F, de la Riva Fernández J, Montorio Llovería R, García-Martín A (2006) Mapping erosion-sensitive areas after wildfires using fieldwork, remote sensing, and geographic information systems techniques on a regional scale. Journal of Geophysical Research: Biogeosciences 111, G04S10. doi: /2005jg Piervitali E, Colacino M (2003). Precipitation Scenarios in the Central-Western Mediterranean Basin. In In: Bolle, H. J. (ed.), Mediterranean Climate Variability and Trends, Springer, Berlin (Ed), pp. pp Piñol J, Terradas J, Lloret F (1998). Climate Warming, Wildfire Hazard, and Wildfire Occurrence in Coastal Eastern Spain. Climatic Change, 38, Polychronaki A, Gitas I (2010) The development of an operational procedure for burned-area mapping using object-based classification and ASTER imagery. International Journal of Remote Sensing 31, doi: / Polychronaki A, Gitas IZ (2012) Burned Area Mapping in Greece Using SPOT-4 HRVIR Images and Object-Based Image Analysis. Remote Sensing 4, Polychronaki A, Gitas IZ, Minchella A (2014) Monitoring post-fire vegetation recovery in the Mediterranean using SPOT and ERS imagery. International Journal of Wildland Fire 23, doi: /wf Quintano C, Fernández Manso a., Fernández Manso O, Shimabukuro YE (2006) Mapping burned areas in Mediterranean countries using spectral mixture analysis from a uni temporal perspective. International Journal of Remote Sensing 27, doi: / Riaño D, Chuvieco E, Ustin S, Zomer R, Dennison P, Roberts D, Salas J (2002) Assessment of vegetation regeneration after fire through multitemporal analysis of AVIRIS images in the Santa Monica Mountains. Remote Sensing of Environment 79, doi: /s

52 Βιβλιογραφική ανασκόπηση 4257(01) Richards JA (2009) Remote Sensing with Imaging Radar. Media 361. doi: / Roder A, Hill J, Duguy B, Alloza JA, Vallejo R (2008) Using long time series of Landsat data to monitor fire events and post-fire dynamics and identify driving factors. A case study in the Ayora region (eastern Spain). Remote Sensing of Environment 112, doi: /j.rse Röder A, Hill J, Duguy B, Alloza JA, Vallejo R (2008) Using long time series of Landsat data to monitor fire events and post-fire dynamics and identify driving factors. A case study in the Ayora region (eastern Spain). Remote Sensing of Environment 112, doi: Roy DP, Boschetti L, Justice CO, Ju J (2008) The collection 5 MODIS burned area product - Global evaluation by comparison with the MODIS active fire product. Remote Sensing of Environment 112, doi: /j.rse Siljestrom P, Moreno A (1995) Monitoring burnt areas by principal components analysis of multitemporal TM data. International Journal of Remote Sensing 16, doi: / Solans Vila JP, Barbosa P (2010) Post-fire vegetation regrowth detection in the Deiva Marina region (Liguria-Italy) using Landsat TM and ETM+ data. Ecological Modelling 221, doi: /j.ecolmodel Storey EA, Stow DA, O Leary JF (2016) Assessing postfire recovery of chamise chaparral using multi-temporal spectral vegetation index trajectories derived from Landsat imagery. Remote Sensing of Environment 183, doi: /j.rse Stroppiana D, Azar R, Calò F, Pepe A, Imperatore P, Boschetti M, Silva JMN, Brivio PA, Lanari R (2015) Integration of optical and SAR data for burned area mapping in Mediterranean regions. Remote Sensing 7, doi: /rs Stroppiana D, Pinnock S, Pereira JMC, Grégoire J-M (2002) Radiometric analysis of SPOT- VEGETATION images for burnt area detection in Northern Australia. Remote Sensing of Environment 82, doi: /s (02) Stueve KM, Cerney DL, Rochefort RM, Kurth LL (2009) Post-fire tree establishment patterns at the alpine treeline ecotone: Mount rainier national park, Washington, USA. Journal of Vegetation Science 20, doi: /j x. Sulla-Menashe D, Kennedy RE, Yang Z, Braaten J, Krankina ON, Friedl MA (2014) Detecting forest disturbance in the Pacific Northwest from MODIS time series using temporal segmentation. Remote Sensing of Environment 151, doi: /j.rse Tansey K, Grégoire JM, Defourny P, Leigh R, Pekel JF, van Bogaert E, Bartholomé E (2008) A new, global, multi-annual ( ) burnt area product at 1 km resolution. Geophysical Research Letters 35, 1 6. doi: /2007gl Telesca L, Lasaponara R (2006) Pre- and post-fire behavioral trends revealed in satellite NDVI time series. Geophys Res Lett 33, L doi: /2006gl Venables WN, Ripley BD (2002) Modern Applied Statistics with S. Issues of Accuracy and Scale 868. doi: /tech.2003.s33. Veraverbeke S, Hook SJ (2013) Evaluating spectral indices and spectral mixture analysis for assessing fire severity, combustion completeness and carbon emissions. International Journal of Wildland Fire 22, doi: /wf Veraverbeke S, Lhermitte S, Verstraeten WW, Goossens R (2010) The temporal dimension of differenced Normalized Burn Ratio (dnbr) fire/burn severity studies: The case of the large

53 ΚΕΦΑΛΑΙΟ 2 Peloponnese wildfires in Greece. Remote Sensing of Environment 114, doi: /j.rse Veraverbeke S, Lhermitte S, Verstraeten WW, Goossens R (2011) Evaluation of pre/post-fire differenced spectral indices for assessing burn severity in a Mediterranean environment with Landsat Thematic Mapper. International Journal of Remote Sensing 32, doi: / Verbesselt J, Hyndman R, Newnham G, Culvenor D (2010) Detecting trend and seasonal changes in satellite image time series. Remote Sensing of Environment 114, doi: /j.rse Viedma O, Meliá J, Segarra D, Garcia-Haro J (1997) Modeling rates of ecosystem recovery after fires by using landsat TM data. Remote Sensing of Environment 61, doi: /s (97) Yuan F, Bauer ME (2006) Mapping impervious surface area using high resolution imagery: a comparison of object-based and per pixel classification. ASPRS 2006 Annual Conference 8p. Zeileis A, Kleiber C, Walter K, Hornik K (2003) Testing and dating of structural changes in practice. Computational Statistics and Data Analysis 44, doi: /s (03) Zhao F, Meng R, Huang C, Zhao M, Zhao F, Gong P, Yu L, Zhu Z (2016) Long-Term Post- Disturbance Forest Recovery in the Greater Yellowstone Ecosystem Analyzed Using Landsat Time Series Stack. Remote Sensing 8, 898. doi: /rs Δημητρακόπουλος Α. (2009) Δασικές Πυρκαγιές. Αριστοτέλειο πανεπιστήμιο Θεσσαλονίκης. Ξανθόπουλος Γ (2012) Το φαινόμενο της δασικής πυρκαγιάς ως πρόβλημα: χαρακτηριστικά, προσεγγίσεις αντιμετώπισης και συνολική διαχείριση. Το δάσος Μια ολοκληρωμένη προσέγγιση. (Ed ΓΚ Α.Χ. Παπαγεωργίου, Γ. Καρέτσος) pp (WWF, Hellas: Αθήνα) Τσαγκάρη Κ., Γ. Καρέτσος και Ν. Προύτσος, Δασικές πυρκαγιές Ελλάδας, Έκδ. WWF Ελλάς και ΕΘΙΑΓΕ-ΙΜΔΟ & ΤΔΠ, σελ

54 Βιβλιογραφική ανασκόπηση 38

55 ΠΕΡΙΟΧΕΣ ΜΕΛΕΤΗΣ ΚΑΙ ΔΕΔΟΜΕΝΑ ΠΕΡΙΟΧΕΣ ΜΕΛΕΤΗΣ ΚΑΙ ΔΕΔΟΜΕΝΑ ΚΕΦΑΛΑΙΟ ΠΕΡΙΟΧΕΣ ΜΕΛΕΤΗΣ Οι περιοχές μελέτης που επιλέχτηκαν για τη διερεύνηση των στόχων της διατριβής ήταν το γεωγραφικό διαμέρισμα της Πελοποννήσου και το νησί της Θάσου. Η έρευνα επικεντρώθηκε στις μεγάλες πυρκαγιές της Πελοποννήσου κατά τη διάρκεια του καλοκαιριού του 2007 και σε πυρκαγιές που συνέβησαν στο νησί της Θάσου κατά τη διάρκεια των καλοκαιριών του 1984, 1989 και To νησί της Θάσου αποτελεί το βορειότερο νησί στην Ελλάδα και εκτείνεται από ως ανατολικά, και από ως βόρεια (Εικόνα 3.1). Η έκτασή του είναι ίση περίπου με 400 τ.χμ., ενώ το υψόμετρο κυμαίνεται από το επίπεδο της θάλασσας μέχρι 1217 μ. Η Pinus brutia είναι το κυρίαρχο είδος δέντρων σε χαμηλότερα υψόμετρα (0 έως 800 μ.), ενώ η Pinus nigra φύεται σε υψηλότερα υψόμετρα. Άλλα είδη της μεσογειακής βλάστησης είναι η μακκία και τα φρύγανα (μια χαμηλή βλάστηση της περιοχής της Μεσογείου που αποτελείται κατά κύριο λόγο από δερματώδεις πλατύφυλλους αειθαλείς θάμνους ή μικρά δένδρα). Το κλίμα της Θάσου θεωρείται ήπιο με δροσερά καλοκαίρια και μέτριους χειμώνες. Η μέση ετήσια θερμοκρασία είναι 17.2 ο C και η μέση θερμοκρασία θέρους αγγίζει τους 23 ο C. Τα μέσα ετήσια κατακρημνίσματα είναι mm, με το 65% να συμβαίνει μεταξύ των μηνών Σεπτεμβρίου και Απριλίου. Η ξηροθερμική περίοδος αρχίζει το Μάιο και διαρκεί τέσσερις με πέντε μήνες, μέχρι μέσα Σεπτεμβρίου, με τον Αύγουστο και Ιούλιο να είναι οι ξηρότεροι και θερμότεροι μήνες, αντίστοιχα. Σχεδόν το 50% της επιφάνειας του 39

56 Περιοχές μελέτης και δεδομένα εδάφους είναι καλυμμένο από ρηχά εδάφη (5-10 εκ.) εξαιτίας των απότομων κλίσεων και των επαναλαμβανόμενων πυρκαγιών. Εικόνα 3.1. Η περιοχή μελέτης της Θάσου και οι δορυφορικές εικόνες Landsat που χρησιμοποιήθηκαν για τη χαρτογράφηση των πυρκαγιών. Το νησί της Θάσου έχει υποστεί μεγάλες καταστροφές από δασικές πυρκαγιές στο μεγαλύτερο τμήμα του τα τελευταία τριάντα χρόνια. Από το 1984 έως το 2000, σχεδόν το 70% της συνολικής έκτασης του νησιού επηρεάστηκε από έξι διαφορετικές πυρκαγιές. Πριν τη μεγάλη δασική πυρκαγιά του 1984, τα δάση και οι δασικές εκτάσεις κάλυπταν το 47,5% του νησιού, καθιστώντας αυτές ως την κύριο τύπο κάλυψης γης. Μετά τις πυρκαγιές των ετών 1984 και 1985 τα δάση και οι δασικές εκτάσεις μειώθηκαν στο 37,95% (Makedos 1987). 40

57 ΚΕΦΑΛΑΙΟ 3 Εικόνα 3.2. Η περιοχή μελέτης της Πελοποννήσου και οι βασικές κατηγορίες βλάστησης των πυρόπληκτων περιοχών. Η δεύτερη περιοχή μελέτης είναι το γεωγραφικό διαμέρισμα της Πελοποννήσου στη Νότια Ελλάδα ( N, E), και καλύπτει μία έκταση τ.χμ. (Εικόνα 3.2). Το υψόμετρο κυμαίνεται από το επίπεδο της θάλασσας ως τα 2400 μ. με το κλίμα να χαρακτηρίζεται ως τυπικό Μεσογειακό με ζεστά και ξηρά καλοκαίρια και ήπιους χειμώνες. Στο δυτικό τμήμα επικρατεί ο θαλάσσιος μεσογειακός τύπος κλίματος με υψηλή ετήσια βροχόπτωση, ενώ στο ανατολικό τμήμα επικρατεί το χερσαίο μεσογειακό κλίμα με λιγοστές βροχές. Η Πελοπόννησος παρουσιάζει μεγάλη ποικιλομορφία στο ανάγλυφο του εδάφους, ενώ σε συνδυασμό με τους διάφορους γεωλογικούς σχηματισμούς και τύπους εδαφών αναγνωρίζεται επίσης σημαντικός αριθμός ζωνών βλάστησης. Η ορεινή ενδοχώρα αποτελείται από ρηχά και τραχιά εδάφη με ασβεστολιθικούς σχηματισμούς να καλύπτουν 41

58 Περιοχές μελέτης και δεδομένα το μεγαλύτερο τμήμα της (Higgins and Higgins 1996). Τα κυρίαρχα κωνοφόρα είδη είναι η μαύρη (Pinus nigra) και η χαλέπιος πεύκη (Pinus halepensis) ενώ στα πλατύφυλλα είδη κυριαρχεί η δρυς (Quercus sp.). Στις πεδινές περιοχές η βλάστηση αποτελείται κυρίως από θαμνώδεις εκτάσεις (φρύγανα και σκληρόφυλλη ή μακκία βλάστηση) και αγροτικές καλλιέργειες. Η κύρια κάλυψη γης πάνω από τα όρια των ορεινών μεσογειακών χορτολίβαδων είναι οι βραχώδεις σχηματισμοί. Το καλοκαίρι του 2007, μετά από μία ιδιαίτερα ξηρή κλιματολογικά περίοδο που προηγήθηκε, εκδηλώθηκαν μεγάλες πυρκαγιές σε μεγάλες εκτάσεις της Πελοποννήσου που διήρκησαν από το τέλος Ιουλίου έως και το τέλος Αυγούστου. Το αποτέλεσμα ήταν ιδιαίτερα καταστροφικό με ανθρώπινες απώλειες, ζημιές σε ιδιοκτησίες και καταστροφή περισσότερο από εκταρίων φυσικής και αγροτικής βλάστησης (Gitas et al. 2008). Το 57% περίπου της συνολικής καμένης έκτασης αντιστοιχεί σε θαμνώδεις εκτάσεις, ενώ το 23% περίπου σε δάση και δασικές εκτάσεις. 3.2 ΔΟΡΥΦΟΡΙΚΑ ΔΕΔΟΜΕΝΑ Τα δορυφορικά δεδομένα που χρησιμοποιήθηκαν στη διατριβή διακρίνονται σε δύο βασικές κατηγορίες: δεδομένα με υψηλή χωρική διακριτική ικανότητα και δεδομένα με υψηλή χρονική διακριτική ικανότητα. Η χρησιμοποίηση αυτών επέτρεψε τη διερεύνηση των στόχων εξετάζοντας τόσο τη χωρική όσο και τη χρονική διάσταση των συμβάντων στις περιοχές μελέτης. Τα υψηλής χωρικής ευκρίνειας δεδομένα προέρχονται από τους αισθητήρες των δορυφόρων Landsat, ενώ τα χαμηλής χωρικής και υψηλής χρονικής ευκρίνειας προέρχονται από τα συστήματα Terra/MODIS και SPOT VEGETATION. Λεπτομέρειες για τις δορυφορικές εικόνες και για τους συγκεκριμένους δορυφόρους και αισθητήρες παρουσιάζονται στις επόμενες υποενότητες Εικόνες LANDSAT Από την έναρξη (1972) του Προγράμματος Landsat, αναρίθμητα ερευνητικά έργα και επιχειρησιακές εφαρμογές που σχετίζονται με τη διαχείριση χρήσεων γης, αλλά και με τη διαχείριση πυρκαγιών, έχουν βασιστεί στη χρήση εικόνων από τους τρεις βασικούς αισθητήρες που φιλοξενούνται στους δορυφόρους Landsat. Αυτοί είναι ο πολυφασματικός σαρωτής MSS (Multispectral Scanner), ο θεματικός χαρτογράφος TM (Thematic Mapper) και ο ενισχυμένος θεματικός χαρτογράφος ETM (Enhanced Thematic Mapper). Με την πιο πρόσφατη λειτουργία του Landsat-8 και του αισθητήρα OLI (Operational Land Imager) στο 42

59 ΚΕΦΑΛΑΙΟ 3 πλαίσιο του Landsat Data Continuity Mission (LDCM) (Irons et al. 2012), εξασφαλίζεται πλέον η αδιάλειπτη και ελεύθερη πρόσβαση στα δεδομένα Landsat για τα επόμενα χρόνια. Η χρονική διακριτική ικανότητα των Landsat δορυφόρων είναι 16 ημέρες, η χωρική ευκρίνεια είναι 30 μ. στο ορατό και υπέρυθρο τμήμα του φάσματος και η περιοχή σάρωσης στο έδαφος ισούται με 185 επί 185 τ.χμ. περίπου (Lillesand and Kiefer 2008). Τα χαρακτηριστικά των αισθητήρων παρουσιάζονται στην Πίνακα 3.1. Πίνακας 3.1. Τα χαρακτηριστικά των δορυφόρων Landsat (Πηγή: USGS Fact Sheet ). Πίνακας 3.2. Η λίστα των εικόνων Landsat που χρησιμοποιήθηκαν στη διατριβή. Με έντονη διαγράμμιση οι ημερομηνίες λήψης των εικόνων αμέσως μετά τις πυρκαγιές. Δορυφόρος Χωρική διακριτική ικανότητα Ημερομηνία λήψης Landsat-5 MSS 60 m Landsat-5 MSS 60 m Landsat-4 TM 30 m Landsat-4 TM 30 m Landsat-8 OLI 30 m Landsat-8 OLI 30 m Landsat-5 TM 30 m Landsat-5 TM 30 m Landsat-5 TM 30 m Landsat-5 TM 30 m Landsat-5 TM 30 m Landsat-5 TM 30 m Landsat-7 ΕTM 30 m Landsat-8 OLI 30 m Landsat-8 OLI 30 m Landsat-8 OLI 30 m Path/Row Περιοχή μελέτης 183/32 Θάσος 184/34 Πελοπόννησος 43

60 Περιοχές μελέτης και δεδομένα Τα στοιχεία των εικόνων Landsat που χρησιμοποιήθηκαν στις επιμέρους εργασίες της διατριβής παρουσιάζονται στον Πίνακα 3.2. Για την περίπτωση της Θάσου χρησιμοποιήθηκαν ζεύγη εικόνων πριν και μετά από κάθε πυρκαγιά (Εικόνα 3.1), ενώ για την Πελοπόννησο χρησιμοποιήθηκε μία εικόνα για κάθε έτος από το 2006 ως και το 2015 (Εικόνα 3.3). Στην ανάλυση δεν λήφθηκε υπόψη η πληροφορία των θερμικών (thermal) και παγχρωματικών (panchromatic) διαύλων. Συνολικά, επεξεργάστηκαν εικόνες από όλες τις κατηγορίες αισθητήρων. Εικόνα 3.3. Οι δορυφορικές εικόνες Landsat-5 TM (σε ψευδοέγχρωμο σύνθετο RGB 4,3,2) με ημερομηνίες λήψης (αριστερά, πριν την πυρκαγιά) και (δεξιά, μετά την πυρκαγιά) Εικόνες Terra/MODIS Ο αισθητήρας Moderate Resolution Imaging Spectroradiometer (MODIS) αποτελεί βασικό εργαλείο των δορυφόρων Terra και Aqua του συστήματος παρατήρησης γης (EOS) της NASA. O Terra εκτοξεύθηκε το Δεκέμβριο του 1999 και συνεχίζει τις λειτουργίες του έχοντας ξεπεράσει το αρχικά υπολογισμένο στα έξι χρόνια όριο ζωής του. Η τροχιά του είναι ηλιοσύγχρονη με εύρος κάλυψης τροχιάς στα 2330 χμ. Ο MODIS καταγράφει την ανακλώμενη ακτινοβολία της επιφάνειας της γης σε 36 φασματικούς διαύλους με συχνότητα διέλευσης μία με δύο ημέρες. Οι δύο πρώτοι δίαυλοι στο κόκκινο (RED) και υπέρυθρο (NIR) τμήμα του φάσματος καταγράφουν πληροφορίες με χωρική διακριτική ικανότητα στα 250 μ., οι επόμενοι πέντε δίαυλοι στα 500 μ. και οι υπόλοιποι στα 1000 μ. Επιπλέον, ο MODIS (Terra και Aqua) παρέχει ένα μεγάλο αριθμό επεξεργασμένων 44

61 ΚΕΦΑΛΑΙΟ 3 προϊόντων με βάση τις μετρήσεις του για την επιφάνεια της γης αλλά και για τους ωκεανούς και την ατμόσφαιρα. Για την επίτευξη των στόχων της διατριβής χρησιμοποιήθηκαν δύο διαφορετικά προϊόντα του Terra/MODIS (τα επίπεδα των πληροφοριών κάθε προϊόντος περιγράφονται στον Πίνακα 3.3) για την περιοχή της Πελοποννήσου: Τα level-3 προϊόντα MOD09Q1 (Εικόνα 3.4), τα οποία αντιστοιχούν σε οκταήμερες συνθέσεις ανάκλασης της επιφάνειας της γης με χωρική διακριτική ικανότητα 250 μ. Αυτά παρέχουν εκτιμήσεις της επιφανειακής ανάκλασης στο κόκκινο και υπέρυθρο τμήμα του φάσματος, μετά την απομάκρυνση ατμοσφαιρικών επιδράσεων (διάχυση, αερολύματα, κλπ.) (Vermote 2015). Αποκτήθηκαν συνολικά 322 εικόνες (46 ανά έτος) για την περίοδο 1 η Ιανουαρίου Δεκεμβρίου Τα level-3 προϊόντα MOD13Q1, τα οποία παρέχουν εκτιμήσεις των δεικτών βλάστησης NDVI και EVI με χρονικό βήμα 16 ημερών και χωρική διακριτική ικανότητα 250 μ. Τα MOD13Q1 προκύπτουν από την επεξεργασία διαδοχικών οκταήμερων προϊόντων επιφανειακής ανάκλασης (Didan 2015). Αποκτήθηκαν συνολικά 273 εικόνες (23 ανά έτος) για την περίοδο 1 η Ιανουαρίου Δεκεμβρίου Πίνακας 3.3. Τα επίπεδα φασματικής και ποιοτικής πληροφορίας (Science Data Sets) που περιλαμβάνονται στα προϊόντα MOD09Q1 και MOD13Q1 του MODIS. Διακριτική ικανότητα Πληροφορία Χωρική Χρονική Ραδιομετρική MOD09Q1 1: RED ( nm) day 16-bit 2: NIR ( nm) day 16-bit 3: Band quality QC day 16-bit MOD13Q1 1: NDVI day 16-bit 2: EVI day 16-bit 3: RED ( nm) day 16-bit 4: NIR ( nm) day 16-bit 5: BLUE ( nm) day 16-bit 6: MIR ( nm) day 16-bit 7: VI quality day 16-bit 8: Pixel reliability day 8-bit 45

62 Περιοχές μελέτης και δεδομένα Εικόνες SPOT VEGETATION Ο αισθητήρας VEGETATION (VGT) βρίσκεται στους δορυφόρους SPOT (Satellite Pour l Observation de la Terre) 4 και 5, οι οποίοι τέθηκαν σε λειτουργία το 1998 και 2002 αντίστοιχα, ενώ ακολουθούν ηλιοσύγχρονη τροχιά. Υπάρχουν ουσιαστικά δύο αισθητήρες VGT 1 και VGT 2 στους SPOT 4 και 5 αντίστοιχα, οι οποίοι συλλέγουν δεδομένα ανάκλασης της επιφάνειας της γης σε καθημερινή βάση με χωρική διακριτική ικανότητα 1.15 χλμ. και εύρος κάλυψης τροχιάς 2250 χλμ. Οι μετρήσεις του έχουν αποδειχθεί χρήσιμες για την παρακολούθηση της βλάστησης σε παγκόσμια κλίμακα. Πίνακας 3.4. Τα χαρακτηριστικά του αισθητήρα SPOT-VEGETATION Δίαυλοι Φασματικό εύρος (μm) Χωρική διακριτική ικανότητα Ραδιομετρική διακριτική ικανότητα (Β0) Blue km 8-bit (Β2) Red km 8-bit (Β3) NIR km 8-bit (B4) SWIR km 8-bit Εικόνα 3.4. Περιοχές της Πελοποννήσου μετά την πυρκαγιά όπως αποτυπώθηκαν από τις MOD09Q1 MODIS (αριστερά) και VGT D-10 δορυφορικές εικόνες (δεξιά). Ο αισθητήρας καταγράφει την ανακλώμενη ακτινοβολία σε τέσσερις φασματικούς διαύλους στο μπλε, ερυθρό, υπέρυθρο και μέσο υπέρυθρο τμήμα του φάσματος (Πίνακας 3.4). Τα προϊόντα του VGT περιλαμβάνουν καθημερινές και δεκαήμερες συνθέσεις τόσο της επιφανειακής ανάκλασης όσο και του δείκτη NDVI (S1, S10). Τα προϊόντα που επιλέχθηκαν ήταν τα VGT D-10 (Εικόνα 3.4) για την περίοδο 1 η Ιανουαρίου

63 ΚΕΦΑΛΑΙΟ 3 Δεκεμβρίου 2010, με αποτέλεσμα την απόκτηση συνολικά 252 εικόνων δεκαημέρου (36 ανά έτος), οι οποίες στην αρχική τους μορφή καλύπτουν γεωγραφικά ολόκληρη την Ευρώπη. Τα D-10, καθώς βασίζονται σε Συνάρτηση Δι-διευθυνσιακής Κατανομής Ακτινοβολίας (BRDF Bidirectional Reflectance Distribution Function), έχουν διορθωθεί ραδιομετρικά για BRDF επιδράσεις και παράγονται με βάση προηγμένο αλγόριθμο σύνθεσης, ο οποίος ελαχιστοποιεί τις διακυμάνσεις του θορύβου σε σύγκριση με τυπικές μεθόδους σύνθεσης της μέγιστης τιμής (maximum-value compositing MVC) (Duchemin et al. 2000). 3.3 ΒΟΗΘΗΤΙΚΑ ΔΕΔΟΜΕΝΑ Εκτός από τις δορυφορικές εικόνες που χρησιμοποιήθηκαν για την κύρια ανάλυση, επιπλέον δεδομένα γεωγραφικά, δορυφορικά καθώς και δεδομένα πεδίου ήταν απαραίτητα κατά τη διάρκεια υλοποίησης των εργασιών της διατριβής. Η συμβολή αυτών περιγράφεται πιο αναλυτικά στα κεφάλαια που ακολουθούν. Συνοπτικά, τα βοηθητικά δεδομένα που χρησιμοποιήθηκαν στα διάφορα στάδια των αναλύσεων παρουσιάζονται στον παρακάτω Πίνακα. Πίνακας 3.5. Λίστα των βοηθητικών δεδομένων που χρησιμοποιήθηκαν για την υλοποίηση των εργασιών της διατριβής. Δεδομένα Περίμετροι πυρκαγιών (δασαρχεία) Μορφή αρχείων Χωρική ανάλυση / Κλίμακα Πολυγωνικό (.shp) Περιοχή μελέτης Τοπογραφικός χάρτης Ψηφιδωτό (raster) 1:50000 Θάσος Ψηφιακό υψομετρικό μοντέλο (DEM) Ψηφιδωτό (raster) 10 μ. Περίμετρος πυρκαγιάς (DMC) Πολυγωνικό (.shp) 32 μ. Ψηφιακό υψομετρικό μοντέλο (DEM) Χάρτης χρήσεων/κάλυψης γης του 2007 (Εικόνα 3.2) Ψηφιδωτό (raster) 30 μ. Πολυγωνικό (.shp) 30 μ. Πελοπόννησος Δεδομένα πεδίου Πολυγωνικό (.shp) 47

64 Περιοχές μελέτης και δεδομένα ΒΙΒΛΙΟΓΡΑΦΙΑ Didan K (2015) MOD13Q1 MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN Grid V006. NASA EOSDIS Land Processes DAAC. Retrieved from Duchemin B, Maisongrande P, Dedieu G, Leroy M (2000) A 10-days compositing method accounting for bidirectional effects. In Geoscience and Remote Sensing Symposium Proceedings. IGARSS IEEE 2000 International 5 pp Gitas IZ, Polychronaki A, Katagis T, Mallinis G (2008) Contribution of remote sensing to disaster management activities: A case study of the large fires in the Peloponnese, Greece. Int. J. Remote Sens. 29, Higgins M and Higgins R (1996). A geological companion to Greece and the Aegean (Cornell: Cornell University Press), pp Irons JR, Dwyer JL, Barsi JA (2012) The next Landsat satellite: The Landsat Data Continuity Mission. Remote Sensing of Environment 122, doi: /j.rse Lillesand TM, Kiefer RW (2008) Remote sensing and image interpretation. Makedos I (1987) The Pinus Brutia Forest of Thasos. In Pinus Halepensis and Pinus Brutia Forests (Ecology, Management and Development); Papanastasis, V., Ed.; Hellenic Association of Foresters: Chalkida, Greece. Vermote E (2015) MOD09Q1 MODIS/Terra Surface Reflectance 8-Day L3 Global 250m SIN Grid V006. NASA EOSDIS Land Processes DAAC. Retrieved from 48

65 ΔΗΜΙΟΥΡΓΙΑ ΠΥΡΙΚΟΥ ΙΣΤΟΡΙΚΟΥ ΜΕ ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΗ ΑΝΑΛΥΣΗ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ LANDSAT ΤΡΙΩΝ ΓΕΝΕΩΝ ΔΗΜΙΟΥΡΓΙΑ ΠΥΡΙΚΟΥ ΙΣΤΟΡΙΚΟΥ ΜΕ ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΗ ΑΝΑΛΥΣΗ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ LANDSAT ΤΡΙΩΝ ΓΕΝΕΩΝ ΚΕΦΑΛΑΙΟ 4 Στο παρόν κεφάλαιο διερευνάται η δυνατότητα αξιοποίησης των εικόνων αρχείου αλλά και νεότερων λήψεων από τους δορυφόρους Landsat για τη χαρτογράφηση καμένων εκτάσεων σε Μεσογειακό οικοσύστημα. Μέσω της αντικειμενοστραφούς προσέγγισης ανάλυσης εικόνων αναπτύχθηκε μοντέλο ταξινόμησης με σκοπό την παραγωγή χαρτών καμένων εκτάσεων (παλαιότερων και πρόσφατων) υψηλής ακρίβειας και τη δημιουργία ενός πρόσφατου σχετικά πυρικού ιστορικού. Επιπλέον, περιγράφονται οι διαδικασίες εκτίμησης της χωρικής ακρίβειας των παραγόμενων χαρτών. Το σύνολο των εργασιών που περιγράφονται στο κεφάλαιο έχει δημοσιευθεί ως επιστημονικό άρθρο στο διεθνές περιοδικό Remote Sensing ΜDPI με τον τίτλο: An Object-Based Approach for Fire History Reconstruction by Using Three Generations of Landsat Sensors. 4.1 ΕΙΣΑΓΩΓΗ Οι δασικές πυρκαγιές θεωρούνται ως ένας από τους κύριους παράγοντες που επηρεάζουν τη φυσική διαδοχή της βλάστησης, τον βιογεωχημικό κύκλο και τον κύκλο του άνθρακα σε παγκόσμιο επίπεδο (Kutiel and Inbar 1993; Capitanio and Carcaillet 2008). Επιπλέον, Katagis T, Gitas I, Mitri G (2014) An Object-Based Approach for Fire History Reconstruction by Using Three Generations of Landsat Sensors. Remote Sensing 6, doi: /rs

66 Χαρτογράφηση πυρκαγιών με OBIA αποτελούν παράγοντα που εν δυνάμει μπορεί να οδηγήσει σε απώλεια βιοποικιλότητας, διάβρωση των εδαφών και γενικότερα σε διεργασίες υποβάθμισης (Pérez-Cabello et al. 2006; Pausas et al. 2008). Η κατανόηση της συμπεριφοράς και της αλληλεπίδρασης των πυρκαγιών με τα διάφορα οικοσυστήματα θεωρείται ουσιαστική για την ανάλυση των χωρικών και χρονικών μοτίβων της συχνότητας του φαινομένου, καθώς και για τη μελέτη των αλλαγών που συντελούνται στις λειτουργίες των οικοσυστημάτων (Díaz-Delgado et al. 2004; Turner 2010). Ενώ ιστορικά τα καθεστώτα πυρκαγιών έχουν υποστεί αλλαγές εξαιτίας κυρίως των ανθρωπογενών παρεμβάσεων και πρακτικών (Caldararo 2002), τα τελευταία χρόνια κλιματικές και περιβαλλοντικές αλλαγές φέρονται να επιδρούν αρνητικά τόσο στη συχνότητα εμφάνισης των πυρκαγιών, όσο και στη φυσική διαδοχή (Pausas and Fernández-Muñoz 2012; Moreno et al. 2014). Αυτές οι διαρκείς και εξελισσόμενες αλληλεπιδράσεις και επιπτώσεις των πυρκαγιών στο χώρο και το χρόνο αποτελούν αυτό που αναφέρεται στη βιβλιογραφία και ως ιστορικό πυρκαγιών (Pyne 1984). Η συλλογή αξιόπιστων στατιστικών πυρκαγιών και η δημιουργία διαχρονικών χαρτών καμένων εκτάσεων αποτελούν σημαντικές εργασίες κατά τη δημιουργία του πυρικού ιστορικού μίας περιοχής (Díaz-Delgado et al. 2004; Chuvieco et al. 2008). Η λεπτομερής και ακριβής επανασύσταση του πυρικού ιστορικού σχετίζεται, ανάμεσα σε άλλα, με τα εξής: την παρακολούθηση της μακροχρόνιας μεταπυρικής φυσικής διαδοχής της βλάστησης (Röder et al. 2008), την κατανόηση των αιτιών έναρξης της πυρκαγιάς (Loepfe et al. 2011), τη διερεύνηση των πιθανών αλληλεπιδράσεων μεταξύ της κλιματικής αλλαγής και της συχνότητας εμφάνισης των πυρκαγιών (Chuvieco et al. 2008), τη διατήρηση και διαχείριση της βιοποικιλότητας (Bengtsson et al. 2000), και τον καθορισμό του αντιπυρικού σχεδιασμού και λοιπών πολιτικών διαχείρισης πυρκαγιών (Lentile et al. 2006). Ωστόσο, η αξιοπιστία των στατιστικών που σχετίζονται με πυρκαγιές διαφέρει ανάλογα με τη χωρική χρονική κλίμακα που εξετάζεται το φαινόμενο κάθε φορά, τη μέθοδο συλλογής των πληροφοριών, και τον οργανισμό ή υπηρεσία που εξάγει τα στατιστικά (Csiszar et al. 2005). Με δεδομένη την αύξηση του αριθμού των ακραίων δασικών πυρκαγιών τις τελευταίες δεκαετίες σε πολλές περιοχές του κόσμου, και ειδικότερα στη λεκάνη της Μεσογείου (Röder et al. 2008), η εξαγωγή λεπτομερών και έγκαιρων σχετικών 50

67 ΚΕΦΑΛΑΙΟ 4 πληροφοριών θεωρείται πλέον εξαιρετικά σημαντική τόσο για εθνικούς όσο και διεθνείς οργανισμούς και υπηρεσίες (π.χ. Δασικές Υπηρεσίες, EUROSTAT, EFFIS/JRC, FAO). Η δορυφορική τηλεπισκόπηση χρησιμοποιείται ευρέως για την επανασύσταση του πυρικού ιστορικού τόσο σε τοπικό/περιφερειακό/εθνικό (Chuvieco and Congalton 1988; Duncan et al. 2009) όσο και σε παγκόσμιο επίπεδο (Barbosa et al. 1999; Roy et al. 2008). Πιο συγκεκριμένα, η πιο πρόσφατη (μετά το 2000) επανασύσταση παγκόσμιου πυρικού ιστορικού έχει βασιστεί κυρίως στη χρήση δεδομένων MODIS (Justice et al. 2002; Roy et al. 2008) και SPOT VEGETATION (Tansey et al. 2008), ενώ απόπειρες δημιουργίας μεγαλύτερων χρονικά ιστορικών έχουν βασιστεί σε δεδομένα AVHRR (Carmona-Moreno et al. 2005; Chuvieco et al. 2008). Παρά τους εγγενείς περιορισμούς του συγκεκριμένου τύπου απεικονιστών που οφείλονται στη χαμηλή χωρική διακριτική τους ικανότητα (Csiszar et al. 2005), παραμένουν εντούτοις η πρωταρχική πηγή δεδομένων για την παραγωγή αρχείου ιστορικού πυρκαγιών σε παγκόσμια κλίμακα. Σε τοπικό/περιφερειακό επίπεδο όπου απαιτείται πιο λεπτομερής πληροφορία, τα δορυφορικά δεδομένα υψηλότερης χωρικής ανάλυσης αποτελούν μία εναλλακτική και συχνά τη μόνη διαθέσιμη πηγή πληροφοριών για την επανασύσταση του πρόσφατου, και σε ορισμένες περιπτώσεις του παλαιότερου πυρικού ιστορικού μίας περιοχής. Με ένα μεγαλύτερο των 40 χρόνων αρχείο πολυφασματικών εικόνων μέσης υψηλής χωρικής ανάλυσης (30-80 μ.) που καλύπτουν τη γη και διατίθενται πλέον χωρίς κόστος, οι δορυφόροι Landsat έχουν συνεισφέρει σημαντικά στη διαχείριση των γήινων οικοσυστημάτων (Xie et al. 2008). Από την έναρξη (1972) και έπειτα του Προγράμματος Landsat, αναρίθμητα ερευνητικά έργα και επιχειρησιακές εφαρμογές που σχετίζονται με τη διαχείριση χρήσεων γης, αλλά και με τη διαχείριση πυρκαγιών, έχουν βασιστεί στη χρήση εικόνων από τους τρεις βασικούς αισθητήρες που φιλοξενούνται στους δορυφόρους Landsat, ήτοι ο Multispectral Scanner (MSS), ο Thematic Mapper (ΤΜ) και ο Enhanced Thematic Mapper (ETM+) (Salvador et al. 2000; Lentile et al. 2006; Duncan et al. 2009). Με την πιο πρόσφατη λειτουργία του Landsat-8 ως μέρος του Landsat Data Continuity Mission (LDCM) (Irons et al. 2012), εξασφαλίζεται πλέον η αδιάλειπτη και ελεύθερη πρόσβαση στα δεδομένα Landsat για τα επόμενα χρόνια. Ως επακόλουθο, οι χρονοσειρές εικόνων του αρχείου Landsat, αλλά και αυτές από τις νέες λήψεις μπορούν κάλλιστα να χρησιμοποιηθούν για την επανασύσταση του πυρικού ιστορικού σε τοπικό και περιφερειακό επίπεδο, αλλά και σε παγκόσμια κλίμακα προφέροντας το πλεονέκτημα της υψηλότερης χωρικής ανάλυσης. 51

68 Χαρτογράφηση πυρκαγιών με OBIA Απαραίτητες προϋποθέσεις για την εκ νέου δημιουργία του πυρικού ιστορικού μιας περιοχής αποτελούν η ανίχνευση των αποτυπωμάτων των πυρκαγιών και η ακριβής χαρτογράφηση της καμένης έκτασης. Εκτός από την πληθώρα των διαφορετικών τύπων δορυφορικών δεδομένων, ένας μεγάλος αριθμός τεχνικών και μεθόδων έχει αναπτυχθεί για την ανίχνευση και χαρτογράφηση καμένων εκτάσεων, όπως: η εύρεση της διαφοράς μεταξύ δεικτών βλάστησης (vegetation index differencing) (Chuvieco et al. 2002; Loboda et al. 2007), η Ανάλυση Κυρίων Συνιστωσών (Principal Component Analysis PCA) (Maingi and Henry 2007), η ανάλυση φασματικής μίξης (Spectral Mixture Analysis SMA) (Quintano et al. 2006), η λογιστική παλινδρόμηση (logistic regression) (Koutsias and Karteris 2000), η επιβλεπόμενη ταξινόμηση (Chuvieco and Congalton 1988), και η σύνθεση διαχρονικών εικόνων (multitemporal image compositing) (Chuvieco et al. 2005). Προηγμένες μέθοδοι ανάλυσης εικόνας, όπως τα νευρωνικά δίκτυα (Neural Networks) (Al- Rawi et al. 2001) και οι Μηχανές Διανυσμάτων Υποστήριξης (Support Vector Machines SVM) (Cao et al. 2009), έχουν επίσης χρησιμοποιηθεί. Σύμφωνα με τους Katagis et al. (2014), η επιλογή της κατάλληλης ή βέλτιστης μεθόδου εξαρτάται σε μεγάλο βαθμό από το σκοπό της έρευνας, τη διαθεσιμότητα των δεδομένων και τα χαρακτηριστικά του εκάστοτε οικοσυστήματος. Υπάρχουσες αυτόματες ή ημι-αυτόματες τεχνικές για την χαρτογράφηση καμένων εκτάσεων βασίζονται κυρίως σε δεδομένα χαμηλής χωρικής και υψηλής χρονικής ευκρίνειας, όπως οι εικόνες AVHRR και MODIS (Barbosa et al. 1999; Roy et al. 2008; Bastarrika et al. 2011). Αντίθετα, οι ημι-αυτόματες τεχνικές που χρησιμοποιούν δεδομένα μέσης-υψηλής ανάλυσης είναι σαφώς λιγότερες και βασίζονται σε εικόνες Landsat (Gitas et al. 2004; Röder et al. 2008; Oliveira et al. 2012). Η πλειοψηφία της παραγόμενης έρευνας, των προϊόντων και αναπτυγμένων υπηρεσιών έως τώρα βασίζονται στην φασματική πληροφορία που εξάγεται από την ανάλυση των εικονοστοιχείων (pixel-based analysis) και τη χρήση των αντίστοιχων μεθόδων. Τα τελευταία χρόνια όμως, αντικειμενοστραφείς μέθοδοι ανάλυσης εικόνας χρησιμοποιούνται για την εξαγωγή επιπλέον πληροφορίας από αντικείμενα (objects), όπως σχήμα (shape), υφή (texture) και τοπογραφικά χαρακτηριστικά (Benz et al. 2004; Blaschke 2010). Η μέθοδος ανάλυσης εικόνας Geographic Object-Based Image Analysis (GEOBIA) (μέχρι πρόσφατα χρησιμοποιούνταν ο όρος ΟΒΙΑ) στοχεύει στην ανάπτυξη αυτόματων αλγόριθμων για την κατάτμηση δορυφορικών εικόνων υψηλής χωρικής ανάλυσης σε αντικείμενα ή τμήματα (segments) και για την εκτίμηση των χαρακτηριστικών τους στην αντίστοιχη κλίμακα (scale) ενδιαφέροντος (Hay et al. 2005). Οι Mitri and Gitas (2004) 52

69 ΚΕΦΑΛΑΙΟ 4 έχουν προτείνει μία ημι-αυτόματη μέθοδο GEOBIA με τη χρήση εικόνων Landsat TM για τη χαρτογράφηση καμένων εκτάσεων στην περιοχή της Μεσογείου. Η αντικειμενοστραφής ανάλυση δορυφορικών εικόνων, χαμηλής έως πολύ υψηλής (Very High Resolution VHR) χωρικής ανάλυσης, έχει εφαρμοστεί με επιτυχία για την παραγωγή χαρτών καμένων εκτάσεων υψηλής ακρίβειας (Gitas et al. 2004; Mitri and Gitas 2006; Polychronaki and Gitas 2012). Τα αποτελέσματα των παραπάνω εργασιών φανέρωσαν επίσης ότι η επιτεύχθηκε σημαντική μείωση της σύγχυσης μεταξύ καμένων εκτάσεων και άλλων χρήσεων/καλύψεων γης. Με βάση τα ανωτέρω, αξίζει να διερευνηθεί η δυνατότητα της προηγμένης μεθόδου GEOBIA για τη δημιουργία χρονοσειρών χαρτών καμένων εκτάσεων με τη χρήση ιστορικών αλλά και νέων λήψεων των δορυφόρων Landsat. Ο σκοπός της παρούσης εργασίας είναι η ανάπτυξη ενός αντικειμενοστραφούς μοντέλου ταξινόμησης που θα ενσωματώνει απρόσκοπτα οποιοδήποτε τύπο δεδομένων Landsat για την εκ νέου δημιουργία του πρόσφατου πυρικού ιστορικού (30 χρόνων) σε ένα τυπικό Μεσογειακό περιβάλλον. Δεδομένα από τους αισθητήρες Multispectral Scanner (MSS), Thematic Mapper (TM), και τον Operational Land Imager (OLI) του Landsat-8 αποκτήθηκαν και επεξεργάστηκαν γι αυτό το σκοπό. Οι επιμέρους στόχοι ήταν οι εξής: η ανάπτυξη ενός αντικειμενοστραφούς μοντέλου ταξινόμησης για τη λεπτομερή χαρτογράφηση καμένων εκτάσεων με την χρήση εικόνας Landsat TM σε περιοχή της Ελλάδας, για την οποία είναι διαθέσιμη η επίσημη περίμετρος της έκτασης από την αντίστοιχη Δασική Υπηρεσία; η διερεύνηση της μεταφερσιμότητας της διαδικασίας που αναπτύχθηκε μέσω της εφαρμογής αυτής σε εικόνες MSS και OLI και ο έλεγχος της δυνατότητάς της να εφαρμοστεί επιχειρησιακά για την επανασύσταση του πυρικού ιστορικού της περιοχής μελέτης. 4.2 ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ ΚΑΙ ΔΕΔΟΜΕΝΑ Ως περιοχή μελέτης επιλέχτηκε το νησί της Θάσου, που αποτελεί το βορειότερο νησί στην Ελλάδα, και εκτείνεται από ως ανατολικά, και από ως βόρεια (Εικόνα 4.1). Η έκτασή του είναι ίση περίπου με 400 τ.χλμ., ενώ το υψόμετρο κυμαίνεται από το επίπεδο της θάλασσας μέχρι 1217μ. Η Pinus brutia είναι το κυρίαρχο είδος δέντρων σε χαμηλότερα υψόμετρα (0 έως 800 μ.), ενώ η Pinus nigra φύεται σε 53

70 Χαρτογράφηση πυρκαγιών με OBIA υψηλότερα υψόμετρα. Άλλα είδη της μεσογειακής βλάστησης είναι η μακκία και τα φρύγανα (μια χαμηλή βλάστηση της περιοχής της Μεσογείου που αποτελείται κατά κύριο λόγο από δερματώδεις πλατύφυλλους αειθαλείς θάμνους ή μικρά δένδρα). Η ξηροθερμική περίοδος αρχίζει το Μάιο και διαρκεί τέσσερις με πέντε μήνες, μέχρι μέσα Σεπτεμβρίου, με τον Αύγουστο και Ιούλιο να είναι οι ξηρότεροι και θερμότεροι μήνες, αντίστοιχα. Εικόνα 4.1. Η περιοχή μελέτης της Θάσου και οι εικόνες Landsat που χρησιμοποιήθηκαν για τη χαρτογράφηση των πυρκαγιών. Το νησί της Θάσου έχει υποστεί μεγάλες καταστροφές από δασικές πυρκαγιές στο μεγαλύτερο τμήμα του τα τελευταία τριάντα χρόνια. Από το 1984 έως το 2000, σχεδόν το 70% της συνολικής έκτασης του νησιού επηρεάστηκε από έξι διαφορετικές πυρκαγιές. Πριν τη μεγάλη δασική πυρκαγιά του 1984, τα δάση και οι δασικές εκτάσεις κάλυπταν το 47,5% του νησιού, καθιστώντας αυτές ως την κύριο τύπο κάλυψης γης. Μετά τις πυρκαγιές των ετών 1984 και 1985 τα δάση και οι δασικές εκτάσεις μειώθηκαν στο 37,95% (Makedos 1987). Η παρούσα εργασία επικεντρώνεται στις πυρκαγιές που σημειώθηκαν κατά τη διάρκεια των καλοκαιριών του 1984, 1989 και Τρεις εικόνες Landsat χρησιμοποιήθηκαν συνολικά, οι οποίες ελήφθησαν χρονικά σχεδόν αμέσως μετά τις φωτιές στην περιοχή μελέτης. Πιο συγκεκριμένα, αποκτήθηκαν 54

71 ΚΕΦΑΛΑΙΟ 4 τρεις εικόνες MSS, TM, και OLI με ημερομηνία λήψης 4 Αυγούστου 1984, 19 Σεπτεμβρίου 1989 και 20 Αυγούστου 2013, αντίστοιχα (Πίνακας 4.1) μέσω της διαδικτυακής υπηρεσίας Earth Explorer της Γεωλογικής Υπηρεσίας των Η.Π.Α. ( Πίνακας 4.1. Περιγραφή των εικόνων Landsat της Θάσου (Path: 183, Row: 32) που χρησιμοποιήθηκαν στην εργασία. Αναφέρονται επίσης η εκτιμώμενη έκταση και η ημερομηνία εκδήλωσης κάθε πυρκαγιάς. Landsat Data Spatial Resolution Acquisition Date Landsat 5 MSS 60 m Landsat 5 MSS (pre) 60 m Landsat-4 TM 30 m Landsat-4 TM (pre) 30 m Landsat-8 OLI 30 m Landsat-8 OLI (pre) 30 m Date of Fire Event Area (ha) Επιπλέον, τρεις δορυφορικές εικόνες Landsat πριν από κάθε πυρκαγιά αποκτήθηκαν ώστε να βοηθήσουν στην εκτίμηση της ακρίβειας των παραγόμενων χαρτών, όπως περιγράφεται στα επόμενα τμήματα του κεφαλαίου. Τέλος, τα βοηθητικά δεδομένα που χρησιμοποιήθηκαν για την προ-επεξεργασία των εικόνων και για την εκτίμηση της ακρίβειας των αποτελεσμάτων των ταξινομήσεων ήταν τα εξής: οι διαθέσιμοι από τη Δασική Υπηρεσία του νησιού επίσημοι περίμετροι των πυρκαγιών, δεδομένα πεδίου, όπου διαθέσιμα, ένας τοπογραφικός χάρτης 1:50000, και ένα ψηφιακό υψομετρικό μοντέλο (Digital Elevation Model DEM) της Θάσου με χωρική ανάλυση εικονοστοιχείου 10μ. 4.3 ΜΕΘΟΔΟΛΟΓΙΑ Η μεθοδολογία που ακολουθήθηκε περιγράφεται λεπτομερώς στα επόμενα μέρη του κειμένου. Τα βασικά βήματα περιλαμβάνουν την προ-επεξεργασία και ετοιμασία των δορυφορικών δεδομένων για την ανάλυση, την ανάπτυξη του μοντέλου ταξινόμησης με τη χρήση της εικόνας ΤΜ, την εφαρμογή του μοντέλου στις υπόλοιπες εικόνες και τέλος την εκτίμηση της ακρίβειας των παραγόμενων χαρτών. 55

72 Χαρτογράφηση πυρκαγιών με OBIA Προ-επεξεργασία δεδομένων Η προ-επεξεργασία των ψηφιακών δεδομένων αφορά εκείνες τις ποσοτικές προκαταρκτικές διεργασίες, οι οποίες σκοπεύουν στη διόρθωση ή απομάκρυνση σφαλμάτων που υπάρχουν στα δεδομένα και πραγματοποιούνται πριν αυτά χρησιμοποιηθούν για περαιτέρω ανάλυση (Mather 2004). Η προ-επεξεργασία περιλάμβανε αρχικά την ραδιομετρική και ατμοσφαιρική διόρθωση όλων των εικόνων. Το πρώτο βήμα ήταν η μετατροπή των τιμών των εικονοστοιχείων (DN) σε τιμές ανάκλασης (Top of Atmosphere reflectance). Η ύπαρξη μετα-δεδομένων (metadata) για κάθε εικόνα διευκόλυνε αυτή την διαδικασία μέσω του λογισμικού ENVI 5.0, το οποίο διαθέτει εξειδικευμένο εργαλείο (Landsat Calibration) για τον αυτόματο υπολογισμό των τιμών ανακλαστικότητας. Το επόμενο βήμα ήταν η ατμοσφαιρική διόρθωση με σκοπό την απομάκρυνση των σφαλμάτων που οφείλονται στην επίδραση της ατμόσφαιρας και τα οποία υποβαθμίζουν σημαντικά την ποιότητα των εικόνων. Εδώ εφαρμόστηκε η τεχνική Dark Object Subtraction (DOS), που αποτελεί μία από τις απλούστερες και ευρέως χρησιμοποιούμενες τεχνικές απόλυτης ατμοσφαιρικής διόρθωσης (Chávez 1996; Song et al. 2001). Η ατμοσφαιρική διόρθωση εφαρμόστηκε για την βελτίωση του αποτελέσματος της ταξινόμησης και κρίθηκε απαραίτητη δεδομένου ότι η διαδικασίες ταξινόμησης θα έπρεπε να εφαρμοστούν σε διαφορετικές εικόνες οι οποίες αποκτήθηκαν κάτω από διαφορετικές ατμοσφαιρικές συνθήκες. Στη συνέχεια πραγματοποιήθηκε αποκοπή των εικόνων στα όρια του νησιού και στη συνέχεια οι νέες εικόνες (subsets) ορθο-διορθώθηκαν γεωμετρικά, εφαρμόζοντας bilinear interpolation, με τη χρήση του DEM και του τοπογραφικού χάρτη ως εικόνα αναφοράς. Με τη γεωμετρική διόρθωση επιτυγχάνεται η εύρεση της ακριβούς γεωγραφικής θέσης των εικονοστοιχείων (pixels) και η εξάλειψη των γεωμετρικών παραμορφώσεων της εικόνας. Το μέσο τετραγωνικό σφάλμα (Root Mean Square Error), που σχετίζεται με τα εδαφικά σημεία ελέγχου (ground control points-gcps) που επιλέχθηκαν για τη διόρθωση, δεν υπερέβη τα 0,5 pixels για κάθε εικόνα Ανάπτυξη του GEOBIA μοντέλου ταξινόμησης Το αντικειμενοστραφές μοντέλο ταξινόμησης αναπτύχθηκε με τη χρήση της εικόνας Landsat TM του 1989 και του λογισμικού ecognition Developer 8. Η εικόνα του 1989 επιλέχθηκε για τη δημιουργία του μοντέλου καθώς υπήρχαν διαθέσιμα για τη συγκεκριμένη πυρκαγιά ακριβή δεδομένα αναφοράς. Η μεταφερσιμότητα του μοντέλου ελέγχθηκε με τις 56

73 ΚΕΦΑΛΑΙΟ 4 εικόνες MSS του 1984 και OLI του 2013 διαδοχικά. Η αντικειμενοστραφής ανάλυση περιλάμβανε δύο βασικά βήματα, την κατάτμηση (segmentation) και την ταξινόμηση (classification) της εικόνας, όπου τα αντικείμενα που σχηματίζονται ταξινομούνται με βάση τα κατάλληλα επιλεγμένα χαρακτηριστικά τους (object features). Κατά τη διαδικασία της ανάπτυξης, πραγματοποιήθηκαν οι κατάλληλες αλλαγές και παραμετροποιήσεις στο αρχικό μοντέλο (Mitri and Gitas 2004), έτσι ώστε να διευκολυνθεί η ενσωμάτωση στον αλγόριθμο της πληροφορίας των άλλων εικόνων Landsat κατά την εφαρμογή του στις καμένες εκτάσεις του 1984 και Τα βασικά βήματα που ακολουθήθηκαν περιγράφονται στο διάγραμμα ροής εργασιών (Εικόνα 4.2). Εικόνα 4.2. Διάγραμμα ροής (flowchart) των εργασιών που πραγματοποιήθηκαν για την ανάπτυξη του αντικειμενοστραφούς μοντέλου ταξινόμησης με την εικόνα ΤΜ. Η προσέγγιση κατά τη διαδικασία του πρώτου βήματος ανάπτυξης του μοντέλου ήταν να δημιουργηθούν τρία επίπεδα κατάτμησης με διαφορετικές κλίμακες (scales) ακολουθώντας τη μέθοδο bottom-up, όπου το χαμηλότερο επίπεδο περιλαμβάνει τα μικρότερης κλίμακας αντικείμενα (objects). Τα αντικείμενα της εικόνας που προέκυψαν χρησίμευσαν ως φορείς πληροφοριών και δομικά στοιχεία για περαιτέρω ταξινόμηση και τις επακόλουθες διαδικασίες κατάτμησης. H φασματική πληροφορία του υπέρυθρου διαύλου (NIR) χρησιμοποιήθηκε για την αρχική κατάτμηση. Τα αποτελέσματα της 57

74 Χαρτογράφηση πυρκαγιών με OBIA πολυφασματικής κατάτμησης (multi-resolution segmentation) χρησιμοποιήθηκαν για το σχηματισμό ενός ιεραρχικού δικτύου αντικειμένων, το οποίο περιλάμβανε πληροφορία ταυτόχρονα σε διαφορετικές χωρικές αναλύσεις. Κατ αυτόν τον τρόπο, τα μικρότερα αντικείμενα στο πρώτο επίπεδο και τα μεγαλύτερα στο τρίτο επίπεδο παρείχαν την απαραίτητη πληροφορία για την τελική ταξινόμηση των αντικειμένων στο δεύτερο επίπεδο. Διαφορετικές παράμετροι έπρεπε να ρυθμιστούν έτσι ώστε να επιτευχθεί η δημιουργία των βέλτιστων αντικειμένων, με βάση την ομοιογένειά τους. Αυτές ήταν η παράμετρος της κλίμακας (χωρίς μονάδα μέτρησης), τα βάρη για κάθε δίαυλο και το κριτήριο της ομοιογένειας. Η κλίμακα είναι ένας αφηρημένος όρος που καθορίζει το άνω όριο για μία επιτρεπόμενη μεταβολή της ετερογένειας στη διαδικασία της κατάτμησης (όσο μικρότερη η τιμή το μικρότερο μέγεθος του αντικειμένου). Τα βάρη καθορίζουν το βαθμό στον οποίο οι πληροφορίες που παρέχονται από κάθε δίαυλο χρησιμοποιούνται κατά τη διαδικασία της δημιουργίας των αντικειμένων (κυμαίνεται από 0 έως 1). Όσον αφορά στο κριτήριο ομοιογένειας, αυτό αποτελείται από ένα συνδυασμό κριτήριων χρώματος (ψηφιακή τιμή των αντικειμένων) και σχήματος (ορίζει την ομοιογένεια υφής των αντικειμένων). Θεωρώντας την πολυφασματική κατάτμηση ως μία διαδικασία βελτιστοποίησης, ο στόχος ήταν να επιτευχθεί η ελάχιστη δυνατή ετερογένεια στα αντικείμενα που θα προέκυπταν. Συνεπώς, για να δημιουργηθεί το κατάλληλο μέγεθος των αντικειμένων της εικόνας ακολουθήθηκε ουσιαστικά μια trial-and-error επαναληπτική διαδικασία για την επιλογή των κατάλληλων παραμέτρων: βάρος δόθηκε στο NIR δίαυλο, η κλίμακα ορίστηκε στο 10, και στο κριτήριο χρώματος δόθηκε μέγιστο βάρος. Το επόμενο βήμα της μεθοδολογίας περιλάμβανε την ταξινόμηση των αντικειμένων που δημιουργήθηκαν στα διάφορα επίπεδα (κλίμακες). Η ταξινόμηση βασίστηκε στην ασαφή λογική (fuzzy logic), όπου κάθε κλάση περιέχει μία περιγραφή αυτής και κάθε περιγραφή αποτελείται από έναν αριθμό ασαφών διατυπώσεων. Προσδιορίζονται λοιπόν οι συναρτήσεις συμμετοχής (membership functions) για κάθε χαρακτηριστικό (object feature) των αντικειμένων σε κάθε κλάση και τελικά αυτά ταξινομούνται με κανόνες ασαφούς λογικής. Έτσι, για κάθε κλάση ορίστηκε ένας κανόνας, ο οποίος μπορεί να αποτελείται ένα μόνο χαρακτηριστικό του αντικειμένου ή μπορεί να αποτελείται από ένα συνδυασμό διαφόρων χαρακτηριστικών που πρέπει να πληρούνται για ένα αντικείμενο να ταξινομηθεί σε μια κλάση. 58

75 ΚΕΦΑΛΑΙΟ 4 Εικόνα 4.3. Ταξινόμηση των αντικειμένων στο 2ο επίπεδο ως «burned» (με κίτρινο), «not burned» (με πράσινο), και «water» (με μπλε) για τις εικόνες MSS (a) και OLI (b) της Θάσου. Παρουσιάζονται επίσης οι συναρτήσεις συμμετοχής των ratios NIR (c) και SWIR (d) για την ταξινόμηση ως «burned» στο 2ο επίπεδο για την εικόνα OLI. Στο πρώτο επίπεδο κατάτμησης πραγματοποιήθηκε ταξινόμηση των αντικειμένων στις κλάσεις «burned (l1)», «unburned vegetation», «urban/bare», και «water», ήτοι καμένα, μη καμένη βλάστηση, άγονα/γυμνά, και νερό. Στο τρίτο επίπεδο έγινε ταξινόμηση στις κλάσεις «not burned» (μη καμένα), «burned (l3)», και «water». Η τελική ταξινόμηση στο δεύτερο επίπεδο βασίστηκε στην πληροφορία των αντικειμένων που χαρακτηρίστηκαν ως καμένα στα υπόλοιπα επίπεδα. Μέσω αυτού του ιεραρχικού δικτύου κάθε αντικείμενο «γνωρίζει» τα υπο- και ανω-αντικείμενά του, επιτρέποντας έτσι μία πιο ακριβής κατάταξή του στην τελική κλάση. Τα κύρια χαρακτηριστικά που επιλέχθηκαν στη διαδικασία ήταν η μέση τιμή (mean value) και το κλάσμα (ratio) των διαύλων NIR ( μm) και SWIR2 ( μm) της TM εικόνας. Η μέση τιμή c L του διαύλου ορίζεται ως η μέση ένταση c Li (τιμές εικονοστοιχείων) όλων των εικονοστοιχείων του διαύλου που σχηματίζουν ένα αντικείμενο, ενώ το κλάσμα r L ορίζεται ως ο λόγος της μέση τιμής του διαύλου L ενός 59

76 Χαρτογράφηση πυρκαγιών με OBIA αντικειμένου c LO προς το άθροισμα των μέσων τιμών όλων των διαύλων του αντικειμένου c LSO [51]: c 1 n L c Li n i 1 (1) c LO rl (2) c LSO Το μοντέλο που αναπτύχθηκε εφαρμόστηκε στη συνέχεια στις εικόνες MSS και OLI με τις παραμέτρους της κατάτμησης και τη δομή των κλάσεων ταξινόμησης να μην τροποποιούνται, παρά τη διαφορετική χωρική ανάλυση της εικόνας Landsat-5 MSS (60μ.) (Εικόνα 4.3). Τροποποιήσεις όμως έγιναν στο σύνολο των κανόνων (ruleset) κατά τη χαρτογράφηση της πυρκαγιάς του 1984, διότι ο αισθητήρας MSS δε διαθέτει δίαυλο στο κοντινό υπέρυθρο φάσμα (SWIR) και η ανάλυση βασίστηκε στα χαρακτηριστικά mean value και ratio των NIR ( μm) και RED ( μm) διαύλων. Στην ταξινόμηση με την εικόνα Landsat-8 (OLI) το μοντέλο εφαρμόστηκε επίσης μετά από κατάλληλη προσαρμογή των τιμών των χαρακτηριστικών mean value και ratio των NIR ( μm) και SWIR2 ( μm) στις συναρτήσεις συμμετοχής Εκτίμηση της ακρίβειας των παραγόμενων χαρτών καμένων εκτάσεων Για την εκτίμηση της αξιοπιστίας της αντικειμενοστραφούς μεθόδου ταξινόμησης που αναπτύχθηκε για τη χαρτογράφηση των καμένων εκτάσεων με ακρίβεια, υπολογίστηκε η μήτρα σφαλμάτων ταξινόμησης (confusion matrix) για κάθε μία από τις τρεις χαρτογραφήσεις. Η μήτρα σφαλμάτων αποτελεί ένα από τα πιο διαδεδομένα και απλά μέτρα εκτίμησης της ακρίβειας θεματικών χαρτών, καθώς εκτιμά το ποσοστό των ορθά ταξινομημένων περιπτώσεων με άμεσο τρόπο (Congalton 1991). Εκτός από την ολική ακρίβεια (Overall Accuracy OA) και τα σφάλματα παράλειψης (Omission Errors Oe) και ανάθεσης (Commission Errors Ce), με βάση τη μήτρα σφαλμάτων υπολογίστηκαν επιπρόσθετα και δύο στατιστικά μέτρα ακρίβειας; τα quantity και allocation disagreement (Pontius et al. 2008, 2011). Πρόκειται ουσιαστικά για δύο μέτρα τα οποία αναφέρονται στην ποσοτική και χωρική ασυμφωνία που προκύπτει κατά τη διαδικασία σύγκρισης του παραγόμενου χάρτη με το χάρτη αναφοράς. 60

77 ΚΕΦΑΛΑΙΟ 4 Πιο συγκεκριμένα, quantity disagreement προκύπτει όταν ο αριθμός των ταξινομημένων εικονοστοιχείων κάθε κατηγορίας ή κλάσης διαφέρει στους δύο χάρτες. Αντίστοιχα, allocation disagreement προκύπτει όταν υπάρχει ασυμφωνία στη χωρική τοποθέτηση των εικονοστοιχείων κάθε κλάσης. Οι Pontius and Millones (2011) κατέληξαν στο συμπέρασμα ότι τα συγκεκριμένα στατιστικά μέτρα είναι καταλληλότερα για τη σύνοψη της μήτρας σφαλμάτων σε εφαρμογές τηλεπισκόπησης, έχοντας προηγουμένως αναλύσει μια σειρά από δείκτες συμφωνίας Κ (Kappa indices) σε επιλεγμένες δημοσιευμένες εργασίες. Τα μέτρα αυτά υπολογίζονται με βάση τις παρακάτω μαθηματικές εξισώσεις, όπου Q και A είναι η ολική ποσοτική και χωρική ασυμφωνία όλων των κατηγοριών J, αντίστοιχα, qg η ποσοτική ασυμφωνία για μία τυχαία κατηγορία g, ag η χωρική ασυμφωνία της κατηγορίας g, και p το ποσοστό κάθε κατηγορίας στη μήτρα σφαλμάτων (Pontius and Millones 2011): q g Q J i 1 p J q g g 1 ig 2 J j 1 p gj (3) (4) a g 2min J i 1 A p ig J a g g 1 2 p gg, J j 1 p gj p gg (5) (6) Η διαδικασία εκτίμησης της ακρίβειας (accuracy assessment) βασίστηκε στη μέθοδο της τυχαίας δειγματοληψίας, όπου κάθε εικονοστοιχείο, το οποίο αποτελεί και το δείγμα (sampling unit), έχει τις ίδιες πιθανότητες να συμπεριληφθεί στη δειγματοληψία, ανεξάρτητα από τον παραγόμενο χάρτη της ταξινόμησης. Συνολικά 150 εικονοστοιχεία επιλέχθηκαν από κάθε ταξινομημένη εικόνα και συγκρίθηκαν με τα δεδομένα αναφοράς. Ο αριθμός των δειγμάτων θεωρήθηκε ως στατιστικά σημαντικός, όπως προτείνει ο Czaplewski (2003), με την προϋπόθεση να έχουμε επιθυμητή ακρίβεια τουλάχιστον 90% με μέγιστο επιτρεπόμενο σφάλμα 5%. Ιδανικά, τα αποτελέσματα της αντικειμενοστραφούς ταξινόμησης θα έπρεπε να εκτιμηθούν με τη χρήση αντικειμένων (περιοχών) ως δειγμάτων, έτσι ώστε να μειωθούν εγγενή σφάλματα των σημειακών (point-based) μεθόδων, όπως τα γεωμετρικά σφάλματα αν και στη βιβλιογραφία δεν υπάρχει μία κοινά αποδεκτή μέθοδος. 61

78 Χαρτογράφηση πυρκαγιών με OBIA Εντούτοις, η επιλογή ή εύρεση αξιόπιστων αντικειμένων αναφοράς παραμένει μία δύσκολη διαδικασία αν λάβουμε υπόψη ότι: α) οι εργασίες πεδίου που διεξάχθηκαν μετά τις πυρκαγιές δεν βασίστηκαν σε οποιοδήποτε αντικειμενοστραφή σχεδιασμό, και β) η φωτοερμηνεία όλων των εικόνων δε θα μπορούσε να εξασφαλίσει την εξαγωγή ομοιογενών δειγμάτων αναφοράς, και ειδικότερα για την εικόνα MSS με χωρική ανάλυση 60 μ. Θα πρέπει να σημειωθεί ότι οι επίσημες περίμετροι των πυρκαγιών δεν περικλείουν νησίδες ζωντανής βλάστησης εντός των πολυγώνων. Στις περισσότερες περιπτώσεις δε, οι χάρτες αναφοράς που παρέχονται από τις τοπικές δασικές υπηρεσίες βασίζονται σε αδρομερείς εκτιμήσεις που μπορεί εύκολα να οδηγήσουν σε υποεκτιμήσεις ή υπερεκτιμήσεις των εκτάσεων που κάηκαν, γεγονός που επηρεάζει και τις διαδικασίες εκτίμησης ακρίβειας (Key 2006). Προκειμένου να επιτευχθεί η δημιουργία πιο αξιόπιστων δεδομένων αναφοράς, υπολογίστηκαν αρχικά ο κανονικοποιημένος δείκτης καύσεως NBR (Νormalized Βurn Ratio) και ο κανονικοποιημένος δείκτης βλάστησης NDVI (Normalized Difference Vegetation Index) για τις εικόνες Landsat πριν και μετά τις πυρκαγιές. Στη συνέχεια, υπολογίστηκαν οι δείκτες dnbr (Key and Benson 2006) και dndvi (Chafer et al. 2004) από τη διαφορά των δεικτών πριν και μετά την πυρκαγιά (prefire postfire), καθώς αυτοί επιτρέπουν τον ευκολότερο διαχωρισμό μεταξύ της καμένης και μη βλάστησης. Ο υπολογισμός των δεικτών διαφοράς εφαρμόστηκε μόνο για το βήμα της εκτίμησης της ακρίβειας και δεν λήφθηκαν υπόψη στη δημιουργία του μοντέλου: NBR NIR SWIR NIR SWIR (7) NDVI NIR RED NIR RED (8) dnbr NBR pre NBR post dndvi NDVI pre NDVI post (9) (10) 4.4 ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ Η εκτίμηση της αξιοπιστίας του GEOBIA μοντέλου ταξινόμησης που αναπτύχθηκε για τη χαρτογράφηση των καμένων εκτάσεων και την ανασύσταση του πρόσφατου πυρικού ιστορικού της Θάσου, πραγματοποιήθηκε με τη σύγκριση των αποτελεσμάτων της ταξινόμησης με τα δεδομένα αναφοράς (Εικόνα 4.4). Αρχικά, εκτιμήθηκε η ακρίβεια του χάρτη για την πυρκαγιά του Τα περιγραφικά στατιστικά της μήτρας σφαλμάτων 62

79 ΚΕΦΑΛΑΙΟ 4 παρουσιάζονται στον Πίνακα 4.2. Το αντικειμενοστραφές μοντέλο ταξινόμησης είχε ως αποτέλεσμα την επιτυχή χαρτογράφηση με υψηλή ολική ακρίβεια (OA=95.33%). Τα σφάλματα παράλειψης και ανάθεσης ήταν αρκετά χαμηλά (Oe=4.81%, Ce=3.66%), με μόνο τρία pixels να έχουν ταξινομηθεί εσφαλμένα ως μη καμένα σε σύνολο 83 που εκτιμήθηκαν ως καμένα. Εικόνα 4.4. Οι χάρτες καμένης έκτασης (σε άσπρο), της περιοχής μελέτης μετά την εφαρμογή του μοντέλου ταξινόμησης. Οι περίμετροι των πυρκαγιών από τη δασική υπηρεσία παρουσιάζονται με τη μαύρη γραμμή. Αναφορικά με τη δυνατότητα του μοντέλου να χαρτογραφήσει και τις υπόλοιπες πυρκαγιές, υψηλές ακρίβειες επιτεύχθηκαν επίσης τόσο για την πυρκαγιά του 1984, όσο και για αυτή του Στη χαρτογράφηση της πυρκαγιάς του 1984 ο αριθμός των εσφαλμένα ταξινομημένων pixels ήταν υψηλότερος σε σχέση με τους άλλους δύο χάρτες, με αποτέλεσμα υψηλό σφάλμα παράλειψης (Oe=8.00%). Αυτό μπορεί να αποδοθεί στη χαμηλή χωρική ανάλυση της εικόνας MSS που χρησιμοποιήθηκε για την ταξινόμηση. Υψηλό σχετικά σφάλμα παράλειψης (Oe=6.01%) παρατηρήθηκε και στην καμένη έκταση του 2013, όπου φαίνεται ότι εσφαλμένα ταξινομήθηκε έκταση ως μη καμένη. Σε όλους τους παραγόμενους χάρτες οι περιπτώσεις παράλειψης οφείλονται σε εκτάσεις αραιής βλάστησης που εν μέρει μόνο επηρεάστηκαν από το φαινόμενο και δεν ταξινομήθηκαν επιτυχώς από το μοντέλο. Εντούτοις, τα σφάλματα ήταν μικρά σε όλες τις χαρτογραφημένες 63

80 Χαρτογράφηση πυρκαγιών με OBIA εκτάσεις και οποιαδήποτε σύγχυση μεταξύ καμένων εκτάσεων, σκιών και αστικών περιοχών μειώθηκε στο ελάχιστο. Πίνακας 4.2. Τα αποτελέσματα της εκτίμησης ακρίβειας όλων των χαρτών, όπως προέκυψαν από τη μήτρα σφαλμάτων. Εμφανίζονται η ολική ακρίβεια (OA), τα σφάλματα παράλειψης (Oe) και ανάθεσης (Ce), καθώς και το μέγεθος των εκτάσεων που χαρτογραφήθηκαν από το GEOBIA μοντέλο. Classified Reference Burned Unburned OA (%) Oe (%) Ce (%) Area (ha) 1984 Burned Unburned 5 84 Total Burned Unburned 4 64 Total Burned Unburned 4 83 Total Εκτός από τα αποτελέσματα που παρουσιάζονται στη μήτρα σφαλμάτων, υπολογίστηκαν επίσης τα μέτρα quantity και allocation disagreement. Αυτά συνιστούν ένα επιπλέον εργαλείο ελέγχου της συμφωνίας ή μη μεταξύ δύο χαρτών και ποσοτικοποιούν τις οποιεσδήποτε διαφορές που προκύπτουν από τη μη ταύτιση του αριθμού και της τοποθεσίας των pixels μιας κατηγορίας. Τα αποτελέσματα αυτής της εκτίμησης παρουσιάζονται στην Εικόνα 4.5 και περιγράφονται ως ποσοστά ασυμφωνίας για τις καμένες και μη εκτάσεις. Η ολική ακρίβεια ή ποσοστό συμφωνίας μπορεί να υπολογιστεί εάν το συνολικό ποσοστό ασυμφωνίας αφαιρεθεί από τη μονάδα (1). Το υψηλότερο ποσοστό ασυμφωνίας βρέθηκε για την πυρκαγιά του 1984 (6%), ενώ ποσοστά 5% και 3% προέκυψαν για τις πυρκαγιές του 1989 και 2013, αντίστοιχα. Η ποσοτική ασυμφωνία είναι ίση με 1% για τους χάρτες του 1984 και 1989, το οποίο αντιστοιχεί σε λιγότερο από 20% του συνολικού ποσοστού ασυμφωνίας. Αντίθετα, για το χάρτη του 2013, παρατηρούμε την ποσοτική ασυμφωνία διπλάσια (2%) και υπεύθυνη για άνω του 50% του συνολικού σφάλματος τα νούμερα αυτά παραμένουν όμως χαμηλά. Τα συγκεκριμένα αποτελέσματα φανερώνουν ότι ο αριθμός των pixels που προβλέφθηκαν για κάθε κατηγορία δε διαφέρουν σημαντικά από τον αριθμό των pixels αναφοράς. Ακόμα και στην περίπτωση που η ποσοτική διαφορά 64

81 ΚΕΦΑΛΑΙΟ 4 μηδενιζόταν, το οποίο θα σήμαινε ότι ο αριθμός μεταξύ των εκτιμώμενων και πραγματικών αλλαγών θα ήταν ίσος, ασυμφωνία θα εξακολουθούσε να υφίσταται εξαιτίας της εσφαλμένης ταξινόμησης των pixels από τον ταξινομητή. Συνεπώς, τα παραπάνω στατιστικά μέτρα εμφανίζονται να αποδίδουν με έναν πιο άμεσο και κατανοητό τρόπο τα αποτελέσματα της μήτρας σφαλμάτων, αλλά και την πηγή των σφαλμάτων. Η συνδυαστική χρήση φασματικής και εννοιολογικής πληροφορίας κατά την εφαρμογή της αντικειμενοστραφούς προσέγγισης συντέλεσε στη σημαντική μείωση σφαλμάτων που οφείλονται στη σύγχυση μεταξύ καμένων περιοχών και λοιπών κατηγοριών κάλυψης γης. Επιπρόσθετα, αποφεύχθηκε o θόρυβος «salt-and-pepper» που εμφανίζεται σε pixel-based τεχνικές ταξινόμησης και επηρεάζει αρνητικά την εκτίμηση ακρίβειας του τελικού χάρτη. Τα πλεονεκτήματα της εφαρμογής ασαφούς αντικειμενοστραφούς ταξινόμησης σε εικόνες Landsat για τη χαρτογράφηση καμένων εκτάσεων έχουν ήδη αναφερθεί εκτενώς από τους Mitri and Gitas (2004). Στη συγκεκριμένη δημοσίευση, ένα από τα βασικά συμπεράσματα ήταν ότι η εσφαλμένα ταξινομημένη έκταση στην εφαρμογή της αντικειμενοστραφούς ταξινόμησης ήταν σαφώς μικρότερη συνολικά σε σχέση με το αντίστοιχο αποτέλεσμα της pixel-based προσέγγισης. Εικόνα 4.5. Τα μέτρα ακρίβειας quantity and allocation disagreement για τις πυρκαγιές του 1984, 1989 και Τα μέτρα εκφράζονται ως ποσοστά των καμένων και μη καμένων κατηγοριών. Η επίτευξη όμως ενός αποτελέσματος υψηλής ακρίβειας και αξιοπιστίας απαιτεί πρώτιστα τη δημιουργία όσο το δυνατόν πιο ομοιογενών τμημάτων κατάτμησης (segments). Αυτό συνήθως αποτελεί μία επίπονη διαδικασία, καθώς ενίοτε η χωρική ευκρίνεια των εικονοστοιχείων και τα τοπογραφικά χαρακτηριστικά μίας περιοχής 65

82 Χαρτογράφηση πυρκαγιών με OBIA συνδράμουν αρνητικά στην επίτευξη της επιθυμητής ομοιογένειας. Η διάκριση ομοιογενών τμημάτων και η συνολική κατάτμηση διευκολύνεται σαφώς σε μία εικόνα με μέγεθος pixel 1 μ., αλλά αυτό δε συμβαίνει στα 30 μ. και χαμηλότερες αναλύσεις. Δεν πρέπει να αγνοήσουμε το γεγονός ότι συγκεκριμένα πλεονεκτήματα της GEOBIA ήταν εμφανή σε εφαρμογές με εικόνες πολύ υψηλής ευκρίνειας (VHR), πριν τις εφαρμογές σε εικόνες Landsat και δεδομένα μέσης ή χαμηλότερης ευκρίνειας (Blaschke 2010). Στην παρούσα εργασία, η σχετικά ομοιογενής έκταση των πυρόπληκτων επιφανειών διευκόλυνε τις διαδικασίες κατάτμησης και τελικής ταξινόμησης, γεγονός που έχει αναφερθεί και σε παρόμοια μελέτη (Polychronaki and Gitas 2012). Αξίζει επίσης να δοθεί έμφαση στο γεγονός ότι τα χαρακτηριστικά που επιλέχθηκαν για την ταξινόμηση των καμένων εκτάσεων περιορίστηκαν, αν μπορούμε να το εκφράσουμε με αυτόν τον τρόπο, στη μέση τιμή και το κλάσμα των φασματικών διαύλων των εικόνων. Δε χρησιμοποιήθηκαν επιπλέον μετασχηματισμοί εικόνας στη διαδικασία της ταξινόμησης, όπως δείκτες βλάστησης, για την επίτευξη των υψηλής ακρίβειας τελικών χαρτών. Αυτό δε σημαίνει φυσικά ότι η επιπρόσθετη πληροφορία δε θα διευκόλυνε τις εργασίες. Αποδεικνύεται εντούτοις, ότι η μεθοδολογία που ακολουθήθηκε δύναται να παράγει αξιόπιστα αποτελέσματα με την ενσωμάτωση χωρικής και βασικής φασματικής πληροφορίας, μέσω ημι-αυτόματων λειτουργιών. Επιπλέον, η διαδικασία εφαρμογής του μοντέλου στις υπόλοιπες εικόνες Landsat δεν απαίτησε χρονοβόρες ή επίπονες παραμετροποιήσεις, επομένως εκτενείς χρονοσειρές θα μπορούσαν να αναλυθούν μέσω εργασιών μειωμένης πολυπλοκότητας. Το υπάρχον πλάνο λήψης εικόνων από τον Landsat-8 εξασφαλίζει ότι τουλάχιστον δύο εικόνες το μήνα (συχνότητα 16 ημερών) θα είναι διαθέσιμες για μία περιοχή, επομένως θα είναι η δυνατή η επιλογή υψηλής ποιότητας εικόνων για επιχειρησιακή χρήση σε εφαρμογές άμεσης χαρτογράφησης πυρόπληκτων περιοχών και εκτίμησης των συνεπειών. Όπως είναι φυσικό, στην περιοχή της Μεσογείου η επιλογή των καταλληλότερων εικόνων ευνοείται από τη μεγαλύτερη διαθεσιμότητα δεδομένων χωρίς ή με ελάχιστη νεφοκάλυψη, σε αντίθεση με περιοχές σε βορειότερα γεωγραφικά πλάτη, για παράδειγμα. Παρά τις όποιες χωρικές και χρονικές ασυνέχειες που υπάρχουν στο αρχείο εικόνων Landsat εξαιτίας διάφορων παροδικών τεχνικών προβλημάτων ή οριστική διακοπή λειτουργιών των αισθητήρων, οι χρονοσειρές Landsat παραμένουν η μεγαλύτερη πηγή, προς το παρόν, δεδομένων μέσης υψηλής ευκρίνειας για την ανασύσταση του πυρικού ιστορικού μίας περιοχής. 66

83 ΚΕΦΑΛΑΙΟ ΣΥΜΠΕΡΑΣΜΑΤΑ Το κύριο συμπέρασμα, μέσω της ενδεικτικής εφαρμογής που παρουσιάστηκε στην παρούσα μελέτη, είναι ότι η αντικειμενοστραφής διαδικασία που αναπτύχθηκε έχει τη δυνατότητα να παράγει χάρτες καμένης έκτασης υψηλής ακρίβειας, ανεξάρτητα από το συγκεκριμένο τύπο δεδομένων Landsat και συνεπώς καθιστά δυνατή τη σύσταση του πρόσφατου πυρικού ιστορικού (40 χρόνων) μίας περιοχής της Μεσογείου σε τοπικό, περιφερειακό, αλλά και εθνικό επίπεδο. Πιο συγκεκριμένα, με την εφαρμογή της διαδικασίας της OBIA ταξινόμησης που αναπτύχθηκε χαρτογραφήθηκαν αποτελεσματικά οι καμένες εκτάσεις (πάνω από 94% OA) στο νησί της Θάσου με τη χρήση εικόνων MSS, ΤΜ και OLI για τρεις διαφορετικές ημερομηνίες. Τα επιπρόσθετα στατιστικά μέτρα συμφωνίας που υπολογίστηκαν μεταξύ των παραγόμενων χαρτών και των χαρτών αναφοράς, φανέρωσαν τη «χωρική ασυμφωνία» ως την κύρια πηγή σφάλματος στην ταξινόμηση. Αυτή η χωρική ασυμφωνία εμφανίζεται όταν ο ταξινομητής «προβλέπει» καμένες ή μη περιοχές σε λάθος τοποθεσίες στο χάρτη, και αυτές οι προβλέψεις εκφράζονται έπειτα ως σφάλματα παράλειψης και ανάθεσης. Επίσης, από την εφαρμογή της προτεινόμενης OBIA μεθοδολογίας διαπιστώθηκε η μείωση φαινομένων σύγχυσης μεταξύ καμένων περιοχών και λοιπών εκτάσεων κάλυψης γης. Η ημι-αυτοματοποιημένη OBIA μέθοδος, ενσωματώνοντας βασική φασματική πληροφορία μέσω της χρήσης μέσων τιμών και κλασμάτων των φασματικών διαύλων των τριών αισθητήρων, αποδείχθηκε ότι μπορεί να εφαρμοστεί χωρίς να απαιτούνται χρονοβόρες και επίπονες τεχνικές προσαρμογές στα διαφορετικά χωρικά και φασματικά χαρακτηριστικά των διαφορετικών εικόνων. Αυτό αποτελεί και ένα βασικό πλεονέκτημα της μεθόδου σε σύγκριση με πολλαπλών βημάτων πολύπλοκες εφαρμογές σε παρόμοιες μελέτες. Ως μελλοντική εργασία, και λογικό επακόλουθο της συγκεκριμένης μελέτης, θα είναι η χρήση μίας εκτενέστερης χρονοσειράς εικόνων Landsat με στόχο τη διερεύνηση της δυνατότητας της μεθόδου ως επιχειρησιακού εργαλείου ανασύστασης του πυρικού ιστορικού σε διαφορετικές περιοχές της Μεσογείου. 67

84 Χαρτογράφηση πυρκαγιών με OBIA ΒΙΒΛΙΟΓΡΑΦΙΑ Al-Rawi KR, Casanova JL, Calle A (2001) Burned area mapping system and fire detection system, based on neural networks and NOAA-AVHRR imagery. International Journal of Remote Sensing 22, doi: / Barbosa PM, Grégoire JM, Pereira JMC (1999) An algorithm for extracting burned areas from time series of AVHRR GAC data applied at a continental scale. Remote Sensing of Environment 69, doi: /s (99) Bastarrika A, Chuvieco E, Martin MP (2011) Automatic burned land mapping from MODIS time series images: Assessment in Mediterranean ecosystems. IEEE Transactions on Geoscience and Remote Sensing 49, Bengtsson J, Nilsson SG, Franc A, Menozzi P (2000) Biodiversity, disturbances, ecosystem function and management of European forests. Forest Ecology and Management 132, doi: Benz UC, Hofmann P, Willhauck G, Lingenfelder I, Heynen M (2004) Multi-resolution, objectoriented fuzzy analysis of remote sensing data for GIS-ready information. ISPRS Journal of Photogrammetry and Remote Sensing 58, doi: /j.isprsjprs Blaschke T (2010) Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing 65, doi: /j.isprsjprs Caldararo N (2002) Human ecological intervention and the role of forest fires in human ecology. Science of The Total Environment 292, doi: Cao X, Chen J, Matsushita B, Imura H, Wang L (2009) An automatic method for burn scar mapping using support vector machines. Int J Remote Sens 30, doi: / Capitanio R, Carcaillet C (2008) Post-fire Mediterranean vegetation dynamics and diversity: A discussion of succession models. Forest Ecology and Management 255, doi: Carmona-Moreno C, Belward A, Malingreau J-P, Hartley A, Garcia-Alegre M, Antonovskiy M, Buchshtaber V, Pivovarov V (2005) Characterizing interannual variations in global fire calendar using data from Earth observing satellites. Global Change Biology 11, doi: /j x. Chafer CJ, Noonan M, Macnaught E (2004) The post-fire measurement of fire severity and intensity in the Christmas 2001 Sydney wildfires. International Journal of Wildland Fire 13, doi: /wf Chávez PSJ (1996) Image-based atmospheric corrections - revisited and improved. Photogrammetric Engineering and Remote Sensing 62, Chuvieco E, Congalton RG (1988) Mapping and inventory of forest fires from digital processing of tm data. Geocarto International 3, doi: / Chuvieco E, Englefield P, Trishchenko AP, Luo Y (2008) Generation of long time series of burn area maps of the boreal forest from NOAA AVHRR composite data. Remote Sensing of Environment 112, doi: /j.rse Chuvieco E, Martín MP, Palacios A (2002) Assessment of different spectral indices in the red-nearinfrared spectral domain for burned land discrimination. International Journal of Remote Sensing 23, doi: / Chuvieco E, Ventura G, Martín MP, Gómez I (2005) Assessment of multitemporal compositing 68

85 ΚΕΦΑΛΑΙΟ 4 techniques of MODIS and AVHRR images for burned land mapping. Remote Sensing of Environment 94, doi: /j.rse Csiszar I, Denis L, Giglio L, Justice CO, Hewson J (2005) Global fire activity from two years of MODIS data. International Journal of Wildland Fire 14, 117. doi: /wf Congalton RG (1991) A review of assessing the accuracy of classifications of remotely sensed data. Remote sensing of environment 1991, 37 (1), Czaplewski RL (2003) Statistical Design and Methodological Considerations for the Accuracy Assessment of Maps of Forest Condition. In Remote Sensing of Forest Environments: Concepts and Case Studies; Wulder, M.A., Franklin, S.E., Eds.; Kluwer Academic: Boston, MA, USA,; pp Díaz-Delgado R, Lloret F, Pons X (2004) Statistical analysis of fire frequency models for Catalonia (NE Spain, ) based on fire scar maps from Landsat MSS data. International Journal of Wildland Fire 13, doi: /wf Duncan BW, Shao G, Adrian FW (2009) Delineating a managed fire regime and exploring its relationship to the natural fire regime in East Central Florida, USA: A remote sensing and GIS approach. Forest Ecology and Management 258, doi: Gitas IZ, Mitri GH, Ventura G (2004) Object-based image classification for burned area mapping of Creus Cape, Spain, using NOAA-AVHRR imagery. Remote Sensing of Environment 92, doi: /j.rse Hay GJ, Castilla G, Wulder MA, Ruiz JR (2005) An automated object-based approach for the multiscale image segmentation of forest scenes. International Journal of Applied Earth Observation and Geoinformation 7, doi: Irons JR, Dwyer JL, Barsi JA (2012) The next Landsat satellite: The Landsat Data Continuity Mission. Remote Sensing of Environment 122, doi: /j.rse Justice CO, Giglio L, Korontzi S, Owens J, Morisette JT, Roy D, Descloitres J, Alleaume S, Petitcolin F, Kaufman Y (2002) The MODIS fire products. Remote Sensing of Environment 83, doi: /s (02) Katagis T, Gitas IZ, Toukiloglou P, Veraverbeke S, Goossens R (2014) Trend analysis of mediumand coarse-resolution time series image data for burned area mapping in a Mediterranean ecosystem. International Journal of Wildland Fire 23, doi: /wf Key CH (2006) Ecological and sampling constraints on defining landscape fire severity. Fire Ecol 2, Key CH, Benson NC (2006) Landscape Assessment: Ground measure of severity, the Composite Burn Index; and Remote sensing of severity, the Normalized Burn Ratio. Koutsias N, Karteris M (2000) Burned area mapping using logistic regression modeling of a single post-fire Landsat-5 Thematic Mapper image. International Journal of Remote Sensing 21, doi: / Kutiel P, Inbar M (1993) Fire impacts on soil nutrients and soil erosion in a Mediterranean pine forest plantation. CATENA 20, doi: Lentile LB, Holden ZA, Smith AMS, Falkowski MJ, Hudak AT, Morgan P, Lewis SA, Gessler PE, Benson NC (2006) Remote sensing techniques to assess active fire characteristics and post-fire effects. International Journal of Wildland Fire 15, doi: Loboda T, O Neal KJ, Csiszar I (2007) Regionally adaptable dnbr-based algorithm for burned area mapping from MODIS data. Remote Sensing of Environment 109, doi: /j.rse

86 Χαρτογράφηση πυρκαγιών με OBIA Loepfe L, Lloret F, Román-Cuesta RM (2011) Comparison of burnt area estimates derived from satellite products and national statistics in Europe. International Journal of Remote Sensing 33, doi: / Maingi JK, Henry MC (2007) Factors influencing wildlife occurrence and distribution in eastern Kentucky, USA. International Journal of Wildland Fire 16, doi: /wf Makedos I (1987) The Pinus Brutia Forest of Thasos. In Pinus Halepensis and Pinus Brutia Forests (Ecology, Management and Development); Papanastasis, V., Ed.; Hellenic Association of Foresters: Chalkida, Greece. Mitri GH, Gitas IZ (2004) A semi-automated object-oriented model for burned area mapping in the Mediterranean region using Landsat-TM imagery. International Journal of Wildland Fire 13, doi: /wf Mitri GH, Gitas IZ (2006) Fire type mapping using object - based classification of Ikonos imagery. International Journal of Wildland Fire 15, doi: /wf Moreno MV, Conedera M, Chuvieco E, Pezzatti GB (2014) Fire regime changes and major driving forces in Spain from 1968 to Environmental Science & Policy 37, doi: Oliveira SLJ, Pereira JMC, Carreiras JMB (2012) Fire frequency analysis in Portugal ( ), using Landsat-based burnt area maps. International Journal of Wildland Fire 21, 48. doi: /wf Pausas J, Fernández-Muñoz S (2012) Fire regime changes in the Western Mediterranean Basin: from fuel-limited to drought-driven fire regime. Climatic Change 110, doi: /s Pausas JG, Llovet J, Rodrigo A, Vallejo R (2008) Are wildfires a disaster in the Mediterranean basin? A review. International Journal of Wildland Fire 17, doi: Pérez-Cabello F, de la Riva Fernández J, Montorio Llovería R, García-Martín A (2006) Mapping erosion-sensitive areas after wildfires using fieldwork, remote sensing, and geographic information systems techniques on a regional scale. Journal of Geophysical Research: Biogeosciences 111, G04S10. doi: /2005jg Polychronaki A, Gitas IZ (2012) Burned Area Mapping in Greece Using SPOT-4 HRVIR Images and Object-Based Image Analysis. Remote Sensing 4, Pontius RG, Boersma W, Castella JC, Clarke K, Nijs T, Dietzel C, Duan Z, Fotsing E, Goldstein N, Kok K, Koomen E, Lippitt CD, McConnell W, Mohd Sood A, Pijanowski B, Pithadia S, Sweeney S, Trung TN, Veldkamp AT, Verburg PH (2008) Comparing the input, output, and validation maps for several models of land change. Annals of Regional Science 42, doi: /s Pontius RG, Millones M, Pontius, Robert, Gilmore J, Millones M, Pontius RG, Millones M (2011) Death to Kappa: birth of quantity disagreement and allocation disagreement for accuracy assessment. International Journal of Remote Sensing 32, doi: / Pyne SJ (1984) Introduction to Wildland Fire: Fire Management in the United States; John Wiley & Sons Inc.: New York, NY, USA. Quintano C, Fernández Manso a., Fernández Manso O, Shimabukuro YE (2006) Mapping burned areas in Mediterranean countries using spectral mixture analysis from a uni temporal perspective. International Journal of Remote Sensing 27, doi: / Röder A, Hill J, Duguy B, Alloza JA, Vallejo R (2008) Using long time series of Landsat data to monitor fire events and post-fire dynamics and identify driving factors. A case study in the Ayora 70

87 ΚΕΦΑΛΑΙΟ 4 region (eastern Spain). Remote Sensing of Environment 112, doi: Roy DP, Boschetti L, Justice CO, Ju J (2008) The collection 5 MODIS burned area product - Global evaluation by comparison with the MODIS active fire product. Remote Sensing of Environment 112, doi: /j.rse Salvador R, Valeriano J, Pons X, Diaz-Delgado R (2000) A semi-automatic methodology to detect fire scars in shrubs and evergreen forests with Landsat MSS time series. International Journal of Remote Sensing 21, doi: / Song C, Woodcock CE, Seto KC, Lenney MP, Macomber SA (2001) Classification and change detection using Landsat TM data: When and how to correct atmospheric effects? Remote Sensing of Environment 75, doi: /s (00) Tansey K, Grégoire JM, Defourny P, Leigh R, Pekel JF, van Bogaert E, Bartholomé E (2008) A new, global, multi-annual ( ) burnt area product at 1 km resolution. Geophysical Research Letters 35, 1 6. doi: /2007gl Turner MG (2010) Disturbance and landscape dynamics in a changing world. Ecology 91, doi: / Xie Y, Sha Z, Yu M (2008) Remote sensing imagery in vegetation mapping: a review. Journal of Plant Ecology 1, doi: /jpe/rtm

88 Χαρτογράφηση πυρκαγιών με OBIA 72

89 ΚΕΦΑΛΑΙΟ 5 ΑΝΑΛΥΣΗ ΧΡΟΝΟΣΕΙΡΩΝ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ ΧΑΜΗΛΗΣ ΧΩΡΙΚΗΣ ΕΥΚΡΙΝΕΙΑΣ ΜΕ ΤΗ ΜΕΘΟΔΟ BFAST ΓΙΑ ΤΗ ΧΑΡΤΟΓΡΑΦΗΣΗ ΚΑΜΕΝΩΝ ΕΚΤΑΣΕΩΝ ΣΕ ΜΕΣΟΓΕΙΑΚΟ ΟΙΚΟΣΥΣΤΗΜΑ ΑΝΑΛΥΣΗ ΧΡΟΝΟΣΕΙΡΩΝ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ ΧΑΜΗΛΗΣ ΧΩΡΙΚΗΣ ΕΥΚΡΙΝΕΙΑΣ ΜΕ ΤΗ ΜΕΘΟΔΟ BFAST ΓΙΑ ΤΗ ΧΑΡΤΟΓΡΑΦΗΣΗ ΚΑΜΕΝΩΝ ΕΚΤΑΣΕΩΝ ΣΕ ΜΕΣΟΓΕΙΑΚΟ ΟΙΚΟΣΥΣΤΗΜΑ Στο παρόν κεφάλαιο διερευνάται η δυνατότητα χαρτογράφησης καμένων εκτάσεων με τη χρήση μεθόδου ανάλυσης τάσης χρονοσειρών. Πιο συγκεκριμένα, εφαρμόζεται ο αλγόριθμος BFAST για την ανάλυση χρονοσειρών δορυφορικών δεδομένων MODIS και SPOT-VGT και τον εντοπισμό στατιστικών αλλαγών σε αυτές. Εκτιμάται επίσης η χωρική αξιοπιστία των παραγόμενων χαρτών, ενώ λαμβάνεται υπόψη και αναλύεται η επίδραση της χαμηλής χωρικής διακριτικής ικανότητας των δεδομένων στην ακρίβεια των τελικών θεματικών προϊόντων. Το σύνολο των εργασιών που περιγράφονται στο κεφάλαιο έχει δημοσιευθεί ως επιστημονικό άρθρο στο διεθνές περιοδικό Remote Sensing ΜDPI με τον τίτλο: Trend analysis of medium- and coarse-resolution time series image data for burned area mapping in a Mediterranean ecosystem. Katagis T, Gitas IZ, Toukiloglou P, Veraverbeke S, Goossens R (2014) Trend analysis of medium- and coarse-resolution time series image data for burned area mapping in a Mediterranean ecosystem. International Journal of Wildland Fire 23, doi: /wf

90 Ανάλυση χρονοσειρών για την χαρτογράφηση πυρκαγιών 5.1 ΕΙΣΑΓΩΓΗ Η ανίχνευση των αλλαγών στα φυσικά οικοσυστήματα μετά από φωτιά αποτελεί σημαντική και αναγκαία διαδικασία για τη συνολική αποτίμηση της ζημιάς που προκλήθηκε, αλλά και για την παρακολούθηση της μεταπυρικής εξέλιξης της βλάστησης. Στα μεσογειακά οικοσυστήματα οι πυρκαγιές επηρεάζουν καταλυτικά τη φυσική διαδοχή της βλάστησης και αποτελούν παράγοντα υποβάθμισης και διάβρωσης των εδαφών (Vila et al. 2001; Pausas 2004; Perez-Cabello et al. 2006). Θεωρείται αναγκαίο λοιπόν να παράγεται αξιόπιστη και λεπτομερής πληροφορία όσον αφορά στην εκτίμηση των οικολογικών επιπτώσεων των πυρκαγιών και τη διαχείριση του μεταπυρικού περιβάλλοντος (Lentile et al. 2006; Mitri and Gitas 2010). Η δορυφορική τηλεπισκόπηση αποτελεί πλέον αξιόπιστες εργαλείο για την επιτυχή παρακολούθηση καμένων εκτάσεων τόσο σε τοπική όσο και σε παγκόσμια κλίμακα, εξαιτίας της δυνατότητας να παρέχει δεδομένα συνοπτικής και επαναλαμβανόμενης κάλυψης μεγάλων περιοχών της γήινης επιφάνειας (Chuvieco et al. 2005). Η χρήση δορυφορικών δεδομένων διαφορετικής χωρικής, φασματικής και χρονικής διακριτική ικανότητας στο ερευνητικό πεδίο της διαχείρισης των πυρκαγιών έχει κατακόρυφα αυξηθεί τις τελευταίες δύο δεκαετίες, ενώ την ίδια αυξητική τάση παρουσιάζουν και οι αντίστοιχες μέθοδοι και τεχνικές (Justice et al. 2002; Stroppiana et al. 2002; Gitas et al. 2004; Roder et al. 2008; Polychronaki and Gitas 2010, Veraverbeke et al. 2011). Ειδικότερα, χρονοσειρές δορυφορικών εικόνων που προέρχονται από δορυφόρους και αισθητήρες χαμηλής και πολύ χαμηλής χωρικής ευκρίνειας, όπως οι Advanced Very High Resolution Radiometer (AVHRR), Moderate Resolution Imaging Spectroradiometer (MODIS) και SPOT- VEGETATION (VGT), έχουν ευρέως χρησιμοποιηθεί σε εφαρμογές χαρτογράφησης και παρακολούθησης καμένων εκτάσεων (Fernandez et al. 1997; Justice et al. 2002; Tansey et al. 2004; European Commission 2005; Roy et al. 2005; Goetz et al. 2006; Bartalev et al. 2007; Chuvieco et al. 2008; Casady et al. 2010). Η στρατηγική που ακολουθείται για την ανίχνευση των αλλαγών διαφέρει ανάλογα με τους στόχους της έρευνας, τη διαθεσιμότητα των δεδομένων και τα χαρακτηριστικά του οικοσυστήματος. Πράγματι, ένας σημαντικός αριθμός μεθόδων ανάλυσης χρονοσειρών έχει αναπτυχθεί με σκοπό την ανίχνευση και παρακολούθηση αλλαγών, συμπεριλαμβανομένων αυτών που οφείλονται σε πυρκαγιές. Ενδεικτικά, αναφέρονται οι εξής μέθοδοι και τεχνικές: υπολογισμός της διαφοράς δεικτών βλάστησης (Chuvieco et al. 74

91 ΚΕΦΑΛΑΙΟ ; Miller and Thode 2007; Loboda et al. 2007), ανάλυση παλινδρόμησης τάσης (Fuller 1998; Casady et al. 2010), ανάλυση κυρίων συνιστωσών (Principal Component Analysis PCA) (Milne 1986; Young and Wang 2001; Maingi and Henry 2007), ανάλυση Fourier (Jakubauskas et al. 2001; Moody and Johnson 2001), ανάλυση διανυσμάτων αλλαγών (Lambin and Strahler 1994; Maeda et al. 2011). Οι περισσότερες μέθοδοι βασίζονται στην ανάλυση μικρής διάρκειας χρονοσειρών, όπου συνήθως πολύ λίγες ή μόνο ένα ζευγάρι εικόνων χρησιμοποιούνται για την ανάλυση της ίδιας χρονικής περιόδου (εποχής) μεταξύ των ετών (Coppin et al. 2004). Σε αυτή την περίπτωση όμως, υπάρχει πάντα ο κίνδυνος να παρερμηνευθούν οι εποχικές ή φαινολογικές διακυμάνσεις ως πραγματικές αλλαγές, ειδικά όταν η συχνότητα των συλλεγόμενων εικόνων που αναλύονται δε συμβαδίζει με το χρονικό βήμα της αλλαγής (de Beurs and Henebry 2005). Στην περίπτωση που επιλέγονται συγκεκριμένες τιμές κατωφλίου (thresholds) σε μελέτες ανίχνευσης αλλαγών, ενδέχεται να προκύψουν επιπλέον αβεβαιότητες που οφείλονται: i) στην αρνητική επίδραση της ατμόσφαιρας, της φωτεινότητας και των εποχικών διακυμάνσεων κατά την εύρεση των πραγματικών αλλαγών, και ii) στο γεγονός ότι ο ορισμός κατωφλίων είναι υποκειμενικός και εξαρτάται επίσης από την ποιότητα της δορυφορικής εικόνας (Lu et al. 2004). Προκειμένου να ξεπεραστούν οι συγκεκριμένες δυσκολίες, έχουν προταθεί μέθοδοι που συνδυάζουν αλγόριθμους ασαφούς ταξινόμησης είτε με δείκτες βλάστησης (Boschetti et al. 2010) είτε με κατάτμηση εικόνων (Gitas et al. 2004). Η χρήση πυκνών χρονοσειρών δεδομένων υψηλής χρονικής ευκρίνειας προσφέρει τη δυνατότητα δημιουργίας ενός διαχρονικού προφίλ (temporal profile) μίας περιοχής, διευκολύνοντας αφενός τη διάκριση μεταξύ των εποχικών διακυμάνσεων και άλλων αλλαγών και αφετέρου την εύρεση τόσο των απότομων όσο και των σταδιακών πραγματικών αλλαγών. Μέθοδοι ανάλυσης διαχρονικών-φασματικών προφίλ, που βασίζονται στη χρήση δεικτών βλάστησης κυρίως, έχουν αποδειχθεί ως περισσότερο ευαίσθητες στην ανίχνευση και το χαρακτηρισμό ανωμαλιών στα εικονοστοιχεία, σε σύγκριση με τεχνικές που βασίζονται σε ζεύγη εικόνων (bi-temporal) (Coppin et al. 2004). Το βασικό μειονέκτημα στην χρήση των χρονοσειρών είναι ότι δεδομένα με υψηλή συχνότητα κάλυψης παρέχονται κυρίως από δορυφορικά συστήματα χαμηλής και μέσης χωρικής ευκρίνειας, με αποτέλεσμα να επηρεάζεται σημαντικά η τελική ακρίβεια των αναλύσεων. Επιπλέον, η ανάλυση διαχρονικών προφίλ απαιτεί τον εκ των προτέρων ορισμό 75

92 Ανάλυση χρονοσειρών για την χαρτογράφηση πυρκαγιών συγκεκριμένων change trajectories, ανάλογα με το είδος των δεδομένων και των αλλαγών (Verbesselt et al. 2010a). Μία πρόσφατα προτεινόμενη τεχνική ανάλυσης τάσεων χρονοσειρών εφαρμόστηκε σε δορυφορικά δεδομένα με σκοπό την εύρεση αλλαγών και εποχικών διακυμάνσεων σε δασικά οικοσυστήματα στην Αυστραλία (Verbesselt et al. 2010a; 2010b). Η μέθοδος BFAST (Breaks for Additive Seasonal and Trend) διευκολύνει την αποσύνθεση των χρονοσειρών σε τρεις βασικές συνιστώσες, τη συνιστώσα τάσης (trend component), τη συνιστώσα εποχικότητας (seasonal component) και τη συνιστώσα θορύβου (noise component). Μέσω της αποσύνθεσης αυτής είναι δυνατή η ανίχνευση των απότομων (rapid), σταδιακών (gradual) και εποχικών αλλαγών στα οικοσυστήματα. Επιπλέον, η εφαρμογή της μεθόδου BFAST δεν απαιτεί τον ορισμό συγκεκριμένου change trajectory ή κάποιου κατωφλίου, ενώ η ανάλυση δεν επηρεάζεται από οποιαδήποτε φαινολογική διακύμανση. Ο σκοπός της εργασίας ήταν να διερευνηθεί η δυνατότητα της μεθόδου για τη χαρτογράφηση καμένων εκτάσεων σε ένα Μεσογειακό οικοσύστημα. Χρονοσειρές του δείκτη βλάστησης NDVI (Normalized Difference Vegetation Index), με όμοιο χρονικό βήμα, από τους δορυφόρους Terra/MODIS και VEGETATION χρησιμοποιήθηκαν σε αυτή την εργασία ανίχνευσης αλλαγών. Οι επιμέρους στόχοι ήταν: η παραμετροποίηση και εφαρμογή της μεθόδου BFAST για την ανίχνευση και χαρτογράφηση των πυρόπληκτων περιοχών της Πελοποννήσου του 2007; η εκτίμηση της ακρίβειας των παραγόμενων χαρτών και η ανάλυση της απόδοσης της BFAST από την εφαρμογή σε δύο διαφορετικές χρονοσειρές NDVI που προέρχονται από δορυφορικά προϊόντα ανάκλασης χαμηλής χωρικής διακριτικής ικανότητας. 5.2 ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ ΚΑΙ ΔΕΔΟΜΕΝΑ Η περιοχή μελέτης είναι το γεωγραφικό διαμέρισμα της Πελοποννήσου στη Νότια Ελλάδα ( N, E), και καλύπτει μία έκταση τ.χλμ. (Εικόνα 5.1). Το υψόμετρο κυμαίνεται από το επίπεδο της θάλασσας ως τα 2400μ. με το κλίμα να χαρακτηρίζεται ως τυπικό Μεσογειακό με ζεστά και ξηρά καλοκαίρια και ήπιους χειμώνες. Η Πελοπόννησος παρουσιάζει μεγάλη ποικιλομορφία στο ανάγλυφο του εδάφους, ενώ σε συνδυασμό με τους διάφορους γεωλογικούς σχηματισμούς και τύπους εδαφών 76

93 ΚΕΦΑΛΑΙΟ 5 αναγνωρίζεται επίσης σημαντικός αριθμός ζωνών βλάστησης. Τα κυρίαρχα κωνοφόρα είδη είναι η μαύρη (Pinus nigra) και η χαλέπιος πεύκη (Pinus halepensis) ενώ στα πλατύφυλλα είδη κυριαρχεί η δρυς (Quercus sp.). Στις πεδινές περιοχές η βλάστηση αποτελείται κυρίως από θαμνώδεις εκτάσεις (φρύγανα και σκληρόφυλλη ή μακκία βλάστηση) και αγροτικές καλλιέργειες. Το καλοκαίρι του 2007, μετά από μία ιδιαίτερα ξηρή κλιματολογικά περίοδο που προηγήθηκε, εκδηλώθηκαν μεγάλες πυρκαγιές σε μεγάλες εκτάσεις της Πελοποννήσου που διήρκησαν από το τέλος Ιουλίου έως και το τέλος Αυγούστου. Το αποτέλεσμα ήταν ιδιαίτερα καταστροφικό με ανθρώπινες απώλειες, ζημιές σε ιδιοκτησίες και καταστροφή περισσότερο από εκταρίων φυσικής και αγροτικής βλάστησης (Gitas et al. 2008). Το 57% περίπου της συνολικής καμένης έκτασης αντιστοιχεί σε θαμνώδεις εκτάσεις, ενώ το 23% περίπου σε δάση και δασικές εκτάσεις. Εικόνα 5.1. Η περιοχή μελέτης της Πελοποννήσου και οι καμένες εκτάσεις του 2007 όπως αποτυπώθηκαν από τη δορυφορική εικόνα DMC (Disaster Monitoring Constellation). Τα δορυφορικά δεδομένα που χρησιμοποιήθηκαν είναι τα προϊόντα ανάκλασης (surface reflectance products) Terra/MODIS και VEGETATION. Τα προϊόντα ανάκλασης MODIS (MOD09Q1) αποκτήθηκαν μέσω της διαδικτυακής υπηρεσίας Reverb ( του συστήματος Earth Observing System Data and 77

94 Ανάλυση χρονοσειρών για την χαρτογράφηση πυρκαγιών Information System (EOSDIS) της NASA, για την περίοδο 1 η Ιανουαρίου Δεκεμβρίου Τα level-3 MOD09Q1 αντιστοιχούν σε οκταήμερες συνθέσεις (8-day composites) ανάκλασης της επιφάνειας της γης στο ημιτονοειδές προβολικό σύστημα (Sinusoidal projection) με χωρική ευκρίνεια εικονοστοιχείου στα 250 μ. και περιλαμβάνουν τους δύο φασματικούς δίαυλους B1 και Β2 στο ερυθρό και υπέρυθρο τμήμα του ηλεκτρομαγνητικού φάσματος αντίστοιχα. Συνολικά αποκτήθηκαν και επεξεργάστηκαν 322 εικόνες (46 ανά έτος). Εκτός από την φασματική πληροφορία, στο προϊόν περιλαμβάνεται και το επίπεδο Band Quality, το οποίο παρέχει την ποιοτική πληροφορία (Quality Assurance QA) για τους διαύλους B1, B2 ανά εικονοστοιχείο. Τα προϊόντα VEGETATION D-10 αποκτήθηκαν μέσω της διαδικτυακής υπηρεσίας του ευρωπαϊκού οργανισμού VITO ( και καλύπτουν την περιοχή της Πελοποννήσου για την ίδια περίοδο. Αυτά αντιστοιχούν σε δεκαήμερες συνθέσεις με χωρική ευκρίνεια pixel στο 1 χλμ. και περιλαμβάνουν τέσσερις φασματικούς δίαυλους στο μπλε, ερυθρό, υπέρυθρο και μέσο υπέρυθρο τμήμα του φάσματος. Το μέγεθος της χρονοσειράς που αποκτήθηκε ήταν 252 εικόνες δεκαημέρου (36 ανά έτος). Τα D-10, καθώς βασίζονται σε Συνάρτηση Δι-διευθυνσιακής Κατανομής Ακτινοβολίας (BRDF Bidirectional Reflectance Distribution Function), έχουν διορθωθεί ραδιομετρικά για BRDF επιδράσεις και παράγονται με βάση προηγμένο αλγόριθμο σύνθεσης, ο οποίος ελαχιστοποιεί τις διακυμάνσεις του θορύβου σε σύγκριση με τυπικές μεθόδους σύνθεσης της μέγιστης τιμής (maximum-value compositing MVC) (Duchemin et al. 2000). Αντίστοιχα με την QA πληροφορία των δεδομένων MODIS, στα VEGETATION δεδομένα περιλαμβάνεται ποιοτική πληροφορία για τους φασματικούς δίαυλους με τη μορφή του BDC status map (BSM). Για την εκτίμηση της ακρίβειας των παραγόμενων χαρτών χρησιμοποιήθηκε μία δορυφορική εικόνα DMC (Disaster Monitoring Constellation), η οποία λήφθηκε αμέσως μετά τη λήξη των πυρκαγιών, στις αρχές Σεπτεμβρίου Η DMC έχει μέγεθος εικονοστοιχείου 32 μ. και διαθέτει 3 φασματικούς δίαυλους στο πράσινο, ερυθρό και υπέρυθρο τμήμα του φάσματος. Περισσότερες πληροφορίες για τη μεθοδολογία ταξινόμησης της εικόνας μπορούν να αναζητηθούν στην εργασία που δημοσιεύτηκε από τους Gitas et al. (2008). Η περίμετρος των καμένων εκτάσεων της DMC αποτέλεσε το υψηλής ανάλυσης δεδομένο αναφοράς για την εκτίμηση της αξιοπιστίας των περιμέτρων που προέκυψαν από την εφαρμογή της BFAST τεχνικής. 78

95 ΚΕΦΑΛΑΙΟ ΜΕΘΟΔΟΛΟΓΙΑ Η μεθοδολογία περιλάμβανε την προ-επεξεργασία των εικόνων MODIS και VEGETATION, την εφαρμογή της μεθόδου ανάλυσης τάσεων χρονοσειρών BFAST στις χρονοσειρές NDVI MODIS και VEGETATION, την παραγωγή των τελικών χαρτών και την εκτίμηση της ακρίβειας αυτών. Οι επιμέρους διαδικασίες καθώς και το θεωρητικό υπόβαθρο της λειτουργίας του αλγόριθμου BFAST περιγράφονται αναλυτικά παρακάτω Προ-επεξεργασία χρονοσειρών Η προ-επεξεργασία των εικόνων MODIS και VEGETATION περιλάμβανε αρχικά την αφαίρεση των εικονοστοιχείων χαμηλής ποιότητας καθώς και όσων χαρακτηρίζονται ως σύννεφα, χιόνι ή θάλασσα σύμφωνα με τις πληροφορίες που εξάχθηκαν με τη μορφή μάσκας από τα επίπεδα QA και BDC. Στη συνέχεια, πραγματοποιήθηκε μετατροπή του προβολικού τους συστήματος στο παγκόσμιο γεωδαιτικό σύστημα αναφοράς WGS84 και χωρική «αποκοπή» στα όρια της Πελοποννήσου, πριν τη δημιουργία των δεικτών βλάστησης NDVI σύμφωνα με την εξίσωση: NDVI = (ρnir - ρred) / (ρnir + ρred) (1) όπου ρnip και ρred είναι οι τιμές ανάκλασης στον υπέρυθρο και ερυθρό δίαυλο, αντίστοιχα. Ο NDVI αποτελεί έναν από τους πλέον χρησιμοποιούμενους δείκτες στην παρακολούθηση της βλάστησης, καθώς σχετίζεται με τη φαινολογία και διάφορες βιοφυσικές παράμετρους, όπως η βιομάζα, το ποσοστό φυτοκάλυψης και ο δείκτης φυλλικής επιφάνειας (LAI) (Tucker 1979; Carlson and Ripley 1997). Αν και άλλοι φασματικοί δείκτες, όπως ο Global Environmental Monitoring Index (GEMI) και ο Burned Area Index (BAI) έχουν αποδειχθεί πιο ακριβείς στη διάκριση καμένων εκτάσεων σε σύγκριση με τον NDVI (Chuvieco et al. 2002), ο NDVI επιλέχθηκε καθώς παραμένει αρκετά αξιόπιστος για την εκτίμηση τόσο των άμεσων όσο και μακροπρόθεσμων επιπτώσεων των πυρκαγιών σε ένα ευρύ φάσμα οικοσυστημάτων (Malak and Pausas 2006; Veraverbeke et al. 2012). Παρά το φιλτράρισμα που πραγματοποιήθηκε με τη χρήση της QA και BDC ποιοτικής πληροφορίας, οι χρονοσειρές εξακολουθούσαν να παρουσιάζουν κάποια κενά εξαιτίας της επίμονης παρουσίας σύννεφων, ενώ εμφανής ήταν και η επίδραση ατμοσφαιρικών διαταραχών. Κατά την επεξεργασία χρονοσειρών αποτελεί κοινή πρακτική η εφαρμογή εξομάλυνσης (smoothing) αυτών, έτσι ώστε να μειώνεται ο θόρυβος και να δημιουργούνται υψηλής ποιότητας δεδομένα προς ανάλυση. Στην παρούσα μελέτη εφαρμόστηκε μία 2 ου 79

96 Ανάλυση χρονοσειρών για την χαρτογράφηση πυρκαγιών βαθμού πολυωνυμική συνάρτηση, γνωστή ως προσαρμοσμένο φίλτρο του Savitzky Golay (Savitzky and Golay 1964), για την προσαρμογή (fitting) των χρονοσειρών με τη χρήση του λογισμικού TIMESAT (Eklundh and Jonsson 2011). Πρόκειται για προσαρμογή με βάση τη μέθοδο των ελαχίστων τετραγώνων (least-squares fitting), η οποία όμως πραγματοποιείται σε μία διαδικασία πολλαπλών βημάτων με τη χρήση κινούμενων παραθύρων (moving window) (Jonsson and Eklundh, 2004). Το μέγεθος του παραθύρου καθορίζει ουσιαστικά και το βαθμό της εξομάλυνσης. Μικρά παράθυρα προτιμώνται για την ανίχνευση απότομων αλλαγών, όπως οι πυρκαγιές (Veraverbeke et al. 2010), αλλά αυτό εξαρτάται και από το είδος του οικοσυστήματος και τη διάρκεια που η αλλαγή παραμένει ορατή. Μετά από αλλεπάλληλες δοκιμές ορίστηκε το επιθυμητό μέγεθος του παραθύρου και για τις δύο χρονοσειρές NDVI με αποτέλεσμα την εξομάλυνση αυτών και την ταυτόχρονη αφαίρεση «ιδιαζουσών» τιμών (outliers) που αποκλίνουν φανερά από τις υπόλοιπες (Εικόνα 5.2). Εικόνα 5.2. Το αποτέλεσμα της εξομάλυνσης χρονοσειράς NDVI τυχαίου εικονοστοιχείου. Με μπλε απεικονίζεται η αρχική χρονοσειρά και με κόκκινο χρώμα η προσαρμοσμένη, μετά την εφαρμογή του φίλτρου Savitzky Golay. Είναι φανερή η αφαίρεση των «ακραίων» τιμών (outliers και spikes) Η μέθοδος BFAST (Breaks for Additive Seasonal and Trend) Η μέθοδος κατάτμησης χρονοσειρών (time series segmentation) BFAST, που προτάθηκε από τους Verbesselt et al. (2010a, 2010b), αποτελεί βελτίωση της μεθόδου ανίχνευσης δομικών αλλαγών των Haywood and Randal (2008). Ο αλγόριθμος BFAST συνδυάζει την ανάλυση ή αποσύνθεση των χρονοσειρών στις συνιστώσες τάσης, εποχικότητας και θορύβου με μεθόδους ανίχνευσης σταδιακών και απότομων δομικών αλλαγών που 80

97 ΚΕΦΑΛΑΙΟ 5 συντελούνται εντός των συνιστωσών τάσης και εποχικότητας. Αποτελεί ένα προσθετικό μοντέλο ανάλυσης, το οποίο προσαρμόζει επαναληπτικά ένα τμηματικό γραμμικό μοντέλο τάσης και περιοδικότητας, σύμφωνα με τη γενική συνάρτηση: Yt = Tt + St + et, t=1,,n (2) όπου Yt είναι η τιμή της μεταβλητής (NDVI) τη χρονική στιγμή t, Tt η συνιστώσα τάσης, St η συνιστώσα εποχικότητας και et η συνιστώσα θορύβου για τη χρονοσειρά 1, n. Η μη-παραμετρική μέθοδος ανάλυσης τάσης εποχικότητας (season trend decomposition, STL) (Cleveland et al. 1990) χρησιμοποιείται για τον υπολογισμό της συνιστώσας εποχικότητας σηματοδοτώντας την έναρξη της επαναληπτικής διαδικασίας. Αρχικά, υπολογίζεται ο βέλτιστος αριθμός σημείων διάσπασης (break points) m στην απαλλαγμένη από περιοδικότητα (Yt - St) χρονοσειρά μέσω της ελαχιστοποίησης του Μπεϋζιανού κριτηρίου πληροφορίας (Bayesian Information Criterion BIC) (Zeileis et al. 2003). Για να επιτευχθεί ο παραπάνω υπολογισμός όμως, εξετάζεται προηγουμένως η παρουσία πιθανών σημείων διάσπασης με την εφαρμογή ενός ελαχίστων τετραγώνων (ordinary least-squares ή OLS) τεστ κινούμενων αθροισμάτων (moving sums MOSUM) (Zeileis 2005). Αν εντοπιστούν στατιστικά σημαντικές αλλαγές, τότε ο αριθμός των σημείων διάσπασης υπολογίζεται από το κριτήριο BIC και καθορίζονται τα διαστήματα εμπιστοσύνης για τη χρονική στιγμή κάθε σημείου. Έπειτα, η συνιστώσα τάσης υπολογίζεται για κάθε χρονικό διάστημα ή τμήμα (segment) j με τη χρήση παλινδρόμησης (Venables and Ripley 2002) και εκφράζεται ως τμηματικό γραμμικό μοντέλο της μορφής: Τt = αj + βj *t, j=1,,m+1 (3) όπου οι παράμετροι αj και βj χρησιμοποιούνται αντίστοιχα για τον υπολογισμό του μεγέθους της απότομης αλλαγής και της κλίσης της ευθείας της παλινδρόμησης για κάθε τμήμα j. Τα σημεία διάσπασης (break points) m καθορίζουν ουσιαστικά τον αριθμό και τoν χρόνο των αλλαγών στην συνιστώσα τάσης και χωρίζουν την χρονοσειρά σε m+1 τμήματα. Η διαδικασία προσαρμογής του μοντέλου ολοκληρώνεται όταν ο αριθμός και η θέση των σημείων δεν αλλάζει μεταξύ των συνεχόμενων επαναλήψεων Ανάλυση των χρονοσειρών NDVI Η BFAST μέθοδος έχει τη δυνατότητα εφαρμογής σε χρονοσειρές φασματικών δεικτών ανεξάρτητα από τον τύπο κάλυψης γης ή συγκεκριμένων trajectories αλλαγών. Στην 81

98 Ανάλυση χρονοσειρών για την χαρτογράφηση πυρκαγιών παρούσα εργασία εφαρμόστηκε η συγκεκριμένη μέθοδος ανίχνευσης αλλαγών σε χρονοσειρές NDVI προερχόμενες από δύο διαφορετικούς αισθητήρες, έτσι ώστε να διερευνηθεί η δυνατότητά της στη χαρτογράφηση καμένων εκτάσεων μίας Μεσογειακής περιοχής με ποικίλα είδη βλάστησης. Μετά το πέρας της βασικής προ-επεξεργασίας δημιουργήθηκαν τα αντίστοιχα raster stacks, δηλαδή «στοίβες» εικόνων σε μορφή GeoTiff. Τα stacks αποτελούν ουσιαστικά μία ενοποίηση διαφορετικών επιπέδων, όπου τα επίπεδα αντιστοιχούν στα χρονικά βήματα της χρονοσειράς για την περιοχή ενδιαφέροντος. Η δημιουργία των raster stacks διευκόλυνε την ομαδική επεξεργασία από τον συγκεκριμένο αλγόριθμο. Αν και η ανάλυση επικεντρώθηκε στον εντοπισμό των απότομων αλλαγών στη συνιστώσα τάσης, η μεταπυρική ανάκαμψη της βλάστησης, όπως εκφράζεται από την κλίση της γραμμής τάσης, εξετάστηκε επίσης ποιοτικά. Η εφαρμογή είχε ως αποτέλεσμα τον εντοπισμό του αριθμού και της θέσης των σημείων διάσπασης (break points) των μεγαλύτερων αλλαγών εντός της χρονικής περιόδου των επτά ετών ( ). Τα επτά χρόνια θεωρήθηκαν ικανοποιητικά, κατά τη διάρκεια διεξαγωγής της έρευνας, για την ανάλυση των δεδομένων έτσι ώστε να διευκολυνθεί η διάκριση μεταξύ φαινολογικών διακυμάνσεων και των πραγματικών αλλαγών. Ο συγκριμένος αλγόριθμος βρίσκεται στη βιβλιοθήκη BFAST, διαθέσιμης στο αποθετήριο CRAN ( και η οποία είναι λειτουργική εντός της γλώσσας προγραμματισμού R (R Development Core Team 2011). Όλες οι σχετικές λειτουργίες και εντολές εκτέλεσης του αλγόριθμού και εξαγωγής των αποτελεσμάτων πραγματοποιήθηκαν στο περιβάλλον της R. Πριν την έναρξη των λειτουργιών, πραγματοποιήθηκε η κατάλληλη ρύθμιση και τροποποίηση βασικών παραμέτρων του αλγόριθμου για τους σκοπούς της εργασίας. Η πιο βασική ίσως παραμετροποίηση είναι ο καθορισμός του μέγιστου αριθμού σημείων διάσπασης που μπορούν να εντοπιστούν από τον αλγόριθμο. Αυτό πραγματοποιείται είτε άμεσα με αυστηρό ορισμό του μέγιστου αριθμού (breaks = m) είτε με τον ορισμό της ελάχιστης διάρκειας κάθε χρονικού τμήματος (segment) j μεταξύ των διαδοχικών υποθετικών σημείων (αλλαγών), όπως και έγινε. Η ελάχιστη διάρκεια εκφράζεται ως το κλάσμα (h) του ελάχιστου επιθυμητού αριθμού χρονικών βημάτων σε κάθε τμήμα, διαιρούμενο με το συνολικό αριθμό βημάτων της χρονοσειράς. Εδώ επιλέχθηκε ως ελάχιστος χρόνος μεταξύ δύο διαδοχικών αλλαγών το ένα έτος, σύμφωνα και με τις 82

99 ΚΕΦΑΛΑΙΟ 5 υποδείξεις των Verbesselt et al. (2010a) και Bai and Perron (2003). Πρακτικά αυτό σημαίνει ότι δε μπορούν να προκύψουν περισσότερες από μία αλλαγές εντός των ενός έτους παρατηρήσεων, καθώς επιλέγεται από τον αλγόριθμο αυτή που είναι η σημαντικότερη στατιστικά. Το κλάσμα των ετήσιων παρατηρήσεων και για τις δύο χρονοσειρές NDVI των MODIS (hmodis = 46/322) και VGT (hvgt = 36/252) ισούται με h=0.14 ή το 14% των συνολικών δεδομένων για τα επτά χρόνια. Αναφορικά με την προσαρμογή της συνιστώσας του εποχικού μοντέλου, επιλέχθηκε η παράμετρος «dummy» στο μοντέλο, η οποία επιτρέπει μεν την «απομόνωση» της εποχικότητας της χρονοσειράς, αλλά δεν εντοπίζεται σε αυτή κάποιο σημείο αλλαγής. Η επιλογή αυτή έγινε καθώς οι αναλύσεις επικεντρώθηκαν στις πιθανές αλλαγές που εντοπίζονται στην μοντελοποιημένη τάση των δύο χρονοσειρών. Για την επιλογή των κατάλληλων τιμών και εκφράσεων των παραμέτρων διεξάχθηκαν αλλεπάλληλες δοκιμές σε μεγάλο αριθμό εικονοστοιχείων (κάθε εικονοστοιχείο εκφράζει μία μοναδική χρονοσειρά NDVI) που καλύπτουν διαφορετικές κατηγορίες κάλυψης γης, ώστε να εκτιμηθεί η απόδοση του αλγόριθμου. Επίσης, για την διάρκεια της έρευνας έγινε η υπόθεση ότι εκτός των πυρκαγιών δεν υπήρξε κάποια άλλου είδους σημαντική αλλαγή. Κατά το χρονικό διάστημα από το 2004 έως το 2010 και παρά την μεγάλη έκταση της περιοχής μελέτης, τα περιστατικά των πυρκαγιών, εκτός αυτών του 2007, ήταν στο σύνολό τους μικρής έκτασης. Η έρευνα επικεντρώθηκε στις μεγάλες πυρκαγιές του 2007 εξαιτίας της σφοδρότητας και της έκτασης αυτών, αλλά και εξαιτίας της ύπαρξης αξιόπιστων δεδομένων αναφοράς Εκτίμηση ακρίβειας των χαρτών καμένων εκτάσεων Η εκτίμηση της ακρίβειας πραγματοποιήθηκε με τη χρήση του χάρτη καμένης έκτασης από την εικόνα DMC ως χάρτη αναφοράς. Ένα από τα πιο διαδεδομένα και απλά εργαλεία εκτίμησης της ακρίβειας θεματικών χαρτών είναι η μήτρα σφαλμάτων ταξινόμησης (confusion matrix), η οποία υπολογίζει την ολική ακρίβεια (ΟΑ) της ταξινόμησης καθώς και τα σφάλματα παράλειψης (omission error Oe) και ανάθεσης (commission error Ce) για κάθε κατηγορία (Congalton 1991). Για την παρούσα εργασία, καθώς ο αριθμός των σωστά ταξινομημένων μη καμένων εκτάσεων ήταν ιδιαίτερα υψηλός για την περιοχή της Πελοποννήσου, η εκτίμηση της ολικής ακρίβειας θα οδηγούσε σε εσφαλμένα υψηλό (biased) ποσοστό. Έτσι, υιοθετήθηκαν δύο εναλλακτικά μέτρα εκτίμησης της ακρίβειας, η 83

100 Ανάλυση χρονοσειρών για την χαρτογράφηση πυρκαγιών πιθανότητα ανίχνευσης (probability of detection Pd) και η πιθανότητα εσφαλμένης ανίχνευσης (probability of false alarm Pf ) (Giglio et al. 2008): P d = M ff M ff + M nf (4) P f = M fn M ff + M nn (5) όπου Mff και Mnn είναι ο αριθμός των ορθά ταξινομημένων εικονοστοιχείων της κλάσης «καμένο» και «μη καμένο», ενώ Mfn και Mnf είναι ο αριθμός των εσφαλμένα ταξινομημένων εικονοστοιχείων ως «καμένο» και «μη καμένο», αντίστοιχα. Το στατιστικό μέγεθος Pd ισούται ουσιαστικά με την ακρίβεια του παραγωγού και περιγράφει την πιθανότητα ένα εικονοστοιχείο το οποίο στο χάρτη αναφοράς είναι χαρακτηρισμένο ως «καμένο», να έχει ορθά ανατεθεί από τον αλγόριθμο ταξινόμησης σε αυτή την κατηγορία. α) β) Εικόνα 5.3. α) Θεματικός χάρτης χαμηλής ευκρίνειας (διαγραμμισμένος) και θεματικός χάρτης υψηλής ευκρίνειας (γκρι), οι οποίοι καλύπτουν την ίδια έκταση. Το συστηματικό σφάλμα (lowresolution bias) εισάγεται καθώς όπως φαίνεται τα περισσότερα εικονοστοιχεία του χάρτη χαμηλής ευκρίνειας καλύπτουν περισσότερες από μία κατηγορίες. β) Γραφική απεικόνιση του ορίου Pareto. Η καμπύλη Pareto (διακεκομμένη) χωρίζει το δισδιάστατο χώρο σφαλμάτων Oe/Ce σε δύο περιοχές, εφικτές και ανέφικτες. Το σημείο Α αντιπροσωπεύει την ακρίβεια χάρτη χαμηλής ευκρίνειας με τα στατιστικά ακρίβειας (Oe A, Ce A). Στην περιοχή μεταξύ του Α και της καμπύλη τα σφάλματα παράλειψης/ανάθεσης είναι μικρότερα των Oe A και Ce A, ενώ στη μεγάλη περιοχή πάνω από το Α τα σφάλματα είναι μεγαλύτερα από τα Oe A και Ce A. Η περιοχή κάτω από την καμπύλη (τετραγωνισμένη) περικλείει τις μη εφικτές ακρίβειες της ταξινόμησης. (Πηγή: Boschetti et al. 2004). Εντούτοις, έχει παρατηρηθεί ότι όταν χρησιμοποιούνται δεδομένα αναφοράς υψηλής χωρικής ευκρίνειας για την εκτίμηση της ακρίβειας χαρτών που παράγονται από δεδομένα 84

101 ΚΕΦΑΛΑΙΟ 5 χαμηλής χωρικής ευκρίνειας, εισάγεται το «συστηματικό σφάλμα της χαμηλής ευκρίνειας» (low resolution bias) (Boschetti et al. 2004). Εξαιτίας αυτής της διαφοράς στη χωρική ευκρίνεια, εικονοστοιχεία χαμηλής ευκρίνειας που θεωρούνται ως ορθά ταξινομημένα σε μία κατηγορία, παρουσιάζονται σύμφωνα με τον υψηλής ευκρίνειας χάρτη αναφοράς να ανήκουν το καθένα σε περισσότερες από μία κατηγορίες (Εικόνα 5.3α). Ως εκ τούτου, σφάλματα παράλειψης ή ανάθεσης (Oe, Ce) δύναται να αυξηθούν εξαιτίας της ύπαρξης μικτών εικονοστοιχείων. Οι Boschetti et al. (2004) πρότειναν τη θεωρία της «καμπύλης Pareto», που χρησιμοποιείται για την ποσοτικοποίηση της επίδρασης του low resolution bias σε χάρτες δυαδικών ταξινομήσεων, ενώ παράλληλα παρέχει εκτίμηση για το αν τα σφάλματα οφείλονται στην ύπαρξη μικτών εικονοστοιχείων ή σε κάποιο άλλο λάθος του ταξινομητή. Σύμφωνα με τη θεωρία Pareto, η καμπύλη αποτελείται από ζεύγη τιμών σφαλμάτων βέλτιστων ταξινομήσεων, τα οποία αντιπροσωπεύουν σημεία στο δισδιάστατο χώρο (άξονα) παράλειψης/ανάθεσης (Εικόνα 5.3β). Η καμπύλη αντιπροσωπεύει τις βέλτιστες λύσεις ως προς τα σφάλματα παράλειψης/ανάθεσης, πάνω από την οποία προκύπτουν τα σφάλματα του ταξινομητή. Ο χώρος κάτω από την καμπύλη αντιστοιχεί στις ανέφικτες λύσεις, δηλαδή στις ανέφικτες ακρίβειες, για κάθε ταξινόμηση. Συνεπώς, όσο μεγαλύτερη η περιοχή των ανέφικτων λύσεων στο δισδιάστατο χώρο Oe/Ce, τόσο μικρότερη η ακρίβεια που μπορεί να επιτευχθεί. Αν μπορούμε να συνοψίσουμε, το βέλτιστο κατά Pareto σημαίνει να επιτευχθεί η μέγιστη δυνατή ακρίβεια ελαχιστοποιώντας το ένα από τα δύο σφάλματα (Oe, Ce), χωρίς όμως να αυξηθεί το άλλο. Στην παρούσα εργασία η στρατηγική που ακολουθήθηκε ήταν να υπολογιστεί αρχικά το όριο Pareto για δύο διαφορετικές χωρικές αναλύσεις με τη χρήση του χάρτη αναφοράς DMC και του μεγέθους εικονοστοιχείου των MODIS (250 μ.) και VGT (1 χλμ.), αντίστοιχα. Με βάση τη θεωρία της συνάρτησης κόστους χρήστη (user s cost function concept) υπολογίστηκαν επίσης τα βέλτιστα σημεία της ταξινόμησης στο δισδιάστατο χώρο Oe/Ce για κάθε χάρτη. Από την εκτίμηση των βέλτιστων τιμών Oe/Ce προέκυψαν τα αντίστοιχα βέλτιστα όρια ως προς το ποσοστό του εικονοστοιχείου (κελιού) χαμηλής ευκρίνειας που θα έπρεπε να καλύπτεται από την κατηγορία «καμένη έκταση» του DMC χάρτη για να θεωρηθεί ως καμένο κατά την εκτίμηση της ακρίβειας. Με βάση αυτή την παραδοχή, οι νέοι βέλτιστοι χάρτες καμένης έκτασης συγκρίθηκαν με τον υψηλής ευκρίνειας χάρτη αναφοράς της DMC και παράχθηκαν τα στατιστικά ακρίβειας. Έτσι, υπολογίστηκε η ακρίβεια και το σφάλμα που οφείλεται ως επί το πλείστο στον αλγόριθμο ταξινόμησης 85

102 Ανάλυση χρονοσειρών για την χαρτογράφηση πυρκαγιών BFAST και όχι στο συστηματικό σφάλμα που οφείλεται στη χαμηλή χωρική ανάλυση των δεδομένων. 5.4 ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ Ανίχνευση των αλλαγών Η εφαρμογή του αλγόριθμου BFAST στις NDVI χρονοσειρές MODIS και VGT είχε ως αποτέλεσμα την εύρεση του χρόνου και της «κατεύθυνσης» των αλλαγών στην περιοχή μελέτης. Οι πυρκαγιές προκάλεσαν απότομη μείωση στις τιμές NDVI των χρονοσειρών κατά την περίοδο του καλοκαιριού του 2007, ως εκ τούτου τα σημεία διάσπασης (break points) που εντοπίστηκαν στη συνιστώσα τάσης αντιπροσωπεύουν τη χρονική στιγμή, αλλά και το μέγεθος της αλλαγής. Τα εν λόγω εικονοστοιχεία χαρτογραφήθηκαν ως καμένα και το τελικό αποτέλεσμα απεικονίζεται χωρικά και για τις δύο διαφορετικές χρονοσειρές στην Εικόνα 5.4. Από την εξέταση των περιμέτρων φαίνεται ότι μικρότερες καμένες εκτάσεις δεν εντοπίστηκαν από την ανάλυση των εικόνων VGT, ενώ ο αριθμός των νησίδων ζωντανής βλάστησης εντός της VGT περιμέτρου είναι σαφώς μικρότερος από την αντίστοιχη του MODIS. Στην Εικόνα 5.5 παρουσιάζονται παραδείγματα της ανάλυσης των χρονοσειρών NDVI στις συνιστώσες τάσης, εποχικότητας και θορύβου μετά την προσαρμογή τους με τον αλγόριθμο BFAST. Αυτές οι γραφικές απεικονίσεις αντιστοιχούν στα αποτελέσματα της ανάλυσης συνιστωσών για διαφορετικές κατηγορίες κάλυψης γης εντός των καμένων εκτάσεων. Η συνιστώσα τάσης (trend component Tt) περιλαμβάνει τρία τμήματα (segments j), όπου οι σταδιακές αλλαγές (κλίση της ευθείας) ορίζονται από τα δύο σημεία διάσπασης (break points). Όσον αφορά στο εποχικό μοντέλο, αυτό αναλύεται χωρίς όμως να εντοπίζονται σημεία διάσπασης σύμφωνα με τη ρύθμιση της αντίστοιχης παραμέτρου. Όπως αναφέρθηκε στην ενότητα της μεθοδολογίας, ο μέγιστος επιτρεπόμενος αριθμός σημείων m καθορίστηκε από το επιθυμητό ελάχιστο χρονικό διάστημα μεταξύ διαδοχικών αλλαγών. Εναλλακτικά, ο αριθμός αυτός θα μπορούσε να καθοριστεί αυστηρά m=1, έτσι ώστε να επιτραπεί η ανίχνευση μίας μόνο υποτιθέμενης αλλαγής, δηλαδή της πυρκαγιάς αυτό όμως θα μπορούσε να θεωρηθεί και ως μεροληπτική προσέγγιση. Αντίθετα, ο ορισμός των ελάχιστων παρατηρήσεων μεταξύ των σημείων διευκόλυνε την εξέταση των τάσεων της βλάστησης και των αλλαγών πριν και μετά τις πυρκαγιές, όπως περιγράφεται παρακάτω. Το χρονικό σημείο των πυρκαγιών του 2007 φαίνεται να έχει εκτιμηθεί σωστά 86

103 ΚΕΦΑΛΑΙΟ 5 από τον εντοπισμό των απότομων αλλαγών τάσης σε κάθε κατηγορία κάλυψης γης. Επίσης για κάθε break point υπολογίστηκε και το διάστημα εμπιστοσύνης (95%), που σημαίνει ότι οι αλλαγές εντοπίστηκαν εφόσον θεωρήθηκαν ως στατιστικά σημαντικές. Εικόνα 5.4. Οι περίμετροι των καμένων εκτάσεων του 2007 όπως προέκυψαν από την ανάλυση των MODIS (με πράσινο) και VGT (με κόκκινο) χρονοσειρών NDVI. Η εξέταση της τάσης της χρονοσειράς τυχαίου εικονοστοιχείου MODIS NDVI, χαρακτηρισμένου ως πευκοδάσος, φανερώνει μία μεγάλη πτώση της τιμής του στη διάρκεια της πυρκαγιάς τον Αύγουστο του 2007, η οποία συνοδεύεται από μία σταδιακή ανάκαμψη έως τις αρχές του 2010 (Εικόνα 5.5a). Αντίστοιχα, για τυχαίο εικονοστοιχείο MODIS NDVI εντός θαμνώδους έκτασης παρατηρείται μικρότερη πτώση του NDVI για την ίδια περίοδο, που συνοδεύεται παρόμοια από σταδιακή ανάκαμψη (Εικόνα 5.5b). Στην περίπτωση των VGT χρονοσειρών η τάση εικονοστοιχείου, εντός δάσους πλατύφυλλων, φανερώνει απότομη πτώση του NDVI αλλά με μία πιο αργή διαδικασία ανάκαμψης στη συνέχεια (Εικόνα 5.5c). Στην τελευταία γραφική απεικόνιση (Εικόνα 5.5d) εικονοστοιχείου VGT σε αγροτική έκταση, παρουσιάζεται διαφορετικό εύρος μείωσης της τιμής του δείκτη αλλά και της διαδικασίας ανάκαμψης. Με βάση τα παραπάνω, αποδεικνύεται ότι το μέγεθος των 87

104 Ανάλυση χρονοσειρών για την χαρτογράφηση πυρκαγιών αλλαγών διαφέρει ανά κατηγορία κάλυψης γης που επηρεάστηκε από τις πυρκαγιές. Αυτή η διαφοροποίηση μπορεί να αποδοθεί και στο διαφορετικό βαθμό σφοδρότητας του φαινομένου, το οποίο σχετίζεται με την κατάσταση της βλάστησης πριν την πυρκαγιά, αλλά και με τα διάφορα τοπογραφικά χαρακτηριστικά των περιοχών. Επιπρόσθετα, η διαφοροποίηση του εύρους των αλλαγών θα μπορούσε να αποδοθεί και στη χαμηλή χωρική ευκρίνεια των δεδομένων καθώς η ετερογένεια είναι σαφώς αυξημένη εντός εικονοστοιχείου μεγέθους 1 χλμ., όπως και σε εικονοστοιχείο 250 μ. Μία περαιτέρω ποσοτικοποίηση του εύρους (magnitude) των αλλαγών θα μπορούσε να χρησιμεύσει στην αποτίμηση της καταστροφής που προκλήθηκε στο οικοσύστημα και πιθανώς στον χαρακτηρισμό του βαθμού σφοδρότητας του φαινομένου. Εικόνα 5.5. Γραφική απεικόνιση της προσαρμογής των NDVI χρονοσειρών από τον αλγόριθμο BFAST στις συνιστώσες τάσης (Y t), εποχικότητας (S t) και θορύβου (e t). Οι γραφικές παραστάσεις αντιστοιχούν σε μεμονωμένα pixel MODIS εντός πευκοδάσους (a) και θαμνώδους έκτασης (b) και σε pixel VGT εντός δάσους πλατύφυλλων (c) και αγροτικής έκτασης (d). Οι διακεκομμένες γραμμές υποδεικνύουν τα σημεία αλλαγών. Οι παρατηρούμενες μεταπυρικές σταδιακές αλλαγές φανερώνουν αύξηση των τιμών του δείκτη NDVI στο χρόνο, υποδεικνύοντας ανάκαμψη της βλάστησης μετά την πυρκαγιά. Αυτή η ανάκαμψη φαίνεται και από την θετική κλίση (bj >0) της ευθείας στη συνιστώσα της τάσης. Στην Εικόνα 5.5 διαφαίνονται επίσης οι διακυμάνσεις της κλίσης για τις 88

105 ΚΕΦΑΛΑΙΟ 5 διαφορετικές κατηγορίες κάλυψης γης. Η μεταπυρική συμπεριφορά της βλάστησης στα Μεσογειακά οικοσυστήματα παρουσιάζει διακυμάνσεις ανάλογα με τον τύπο βλάστησης, τις συνθήκες πριν την πυρκαγιά, τη σφοδρότητα καύσης και τις κλιματικές συνθήκες (Le Houerou 1987). Για παράδειγμα, ο ρυθμός ανάκαμψης για την περίπτωση τη πλατύφυλλης βλάστησης (Εικ. 5.5c) εμφανίζεται βραδύτερος σε σχέση με τις άλλες περιπτώσεις, αλλά δε θα μπορούσε να γίνει οποιαδήποτε γενίκευση ελλείψει επαρκών διαχρονικών δεδομένων πεδίου σε επιλεγμένες περιοχές που θα επέτρεπαν την πιο λεπτομερή ανάλυση της εξέλιξης της βλάστησης. Συμπεραίνουμε όμως ότι η χρονική στιγμή των, μικρότερων σε μέγεθος, αλλαγών που εντοπίζονται μετά τις πυρκαγιές διαφέρει καθώς o δείκτης NDVI επηρεάζεται σε μεγάλο βαθμό από τη χωρική ετερογένεια στο μεταπυρικό περιβάλλον. Η άμεση αύξηση που παρουσιάζεται μπορεί να αποδοθεί και στην μικρή μεταπυρική χρονική περίοδο των τριών χρόνων, καθώς η συμπεριφορά του NDVI εξαρτάται σε σημαντικό βαθμό από το χρονικό διάστημα που ακολουθεί μετά την πυρκαγιά (Malak and Pausas 2006). Η επέκταση του μεταπυρικού χρονικού διαστήματος θα επέτρεπε να εξεταστεί περαιτέρω η συμπεριφορά της βλάστησης. Παρ όλα αυτά, στα Μεσογειακά οικοσυστήματα η άμεση ανάκαμψη της βλάστησης μετά από πυρκαγιά είναι αναμενόμενη. Από την ανάλυση των δορυφορικών δεδομένων προέκυψε ότι τόσο πριν όσο και μετά τις πυρκαγιές οι αλλαγές που εντοπίστηκαν στη συνιστώσα τάσης ήταν πάντα μικρότερες από την άμεση αλλαγή που οφειλόταν στις πυρκαγιές; ή συχνά καμία αλλαγή δεν εντοπιζόταν πριν από το Αυτό ενισχύει την υπόθεσή μας ότι δεν υπήρξε καμία άλλη σημαντική σε εύρος διαταραχή κατά την περίοδο της ανάλυσης των δεδομένων. Φυσικά, σε αντίστοιχες εφαρμογές σε ευρείες περιοχές μελέτης θα υπάρχει πάντα η πιθανότητα παρερμηνείας ως πυρκαγιών των αλλαγών που οφείλονται σε αγροτικές εργασίες ή δασικές αποψιλώσεις, για παράδειγμα. Η γενική μέθοδος ανίχνευσης αλλαγών BFAST διευκολύνει τον εντοπισμό του χρόνου και του εύρους αλλαγών στις χρονοσειρές. Όμως, λεπτομερή δεδομένα αναφοράς κάλυψης γης θα πρέπει να λαμβάνονται υπόψη ώστε να αποφεύγονται σχετικές παρερμηνείες στο χαρακτηρισμό των αποτελεσμάτων. Στην εργασία αυτή, οι εσφαλμένες ταξινομήσεις εντοπίστηκαν με τη χρήση του χάρτη αναφοράς DMC και εκφράστηκαν στατιστικά ως πιθανότητα εσφαλμένης ανίχνευσης Εκτίμηση ακρίβειας των αποτελεσμάτων Για το μετριασμό του low-resolution bias στην εκτίμηση της ακρίβειας, υπολογίστηκε αρχικά η καμπύλη Pareto για τα δεδομένα χωρικής ευκρίνειας 250 μ. (MODIS) και 1χλμ. 89

106 Ανάλυση χρονοσειρών για την χαρτογράφηση πυρκαγιών (VGT) (Εικόνα 5.6). Η εφαρμογή της συνάρτησης κόστους χρήστη είχε ως αποτέλεσμα την εύρεση των βέλτιστων σημείων σφαλμάτων Oe/Ce στην καμπύλη (όριο) Pareto. Τα σημεία που εφάπτονται οι καμπύλες ίσων τιμών σφαλμάτων με την καμπύλη Pareto αντιπροσωπεύουν το ελάχιστο σφάλμα ταξινόμησης (σημεία P1, P2) που μπορεί επιτευχθεί (Εικόνα 5.6a-b). Η εξέταση των γραφημάτων υποδεικνύει επίσης ότι χαμηλότερα σφάλματα παράλειψης/ανάθεσης μπορούν να επιτευχθούν από την χαρτογράφηση με βάση τα δεδομένα MODIS σε σύγκριση με την αντίστοιχη των VGT δεδομένων για την περιοχή μελέτης. Έτσι, για κάθε βέλτιστο σημείο ζεύγος τιμών Oe/Ce υπολογίστηκε το ελάχιστο ποσοστό των χαμηλής ευκρίνειας εικονοστοιχείων που θα έπρεπε να καλύπτεται από την κατηγορία «καμένη έκταση» του DMC χάρτη. Και για τις δύο περιπτώσεις MODIS και VGT χαρτών το ποσοστό αυτό βρέθηκε ίσο με 50%. Η επίδραση του low-resolution bias μπορεί να γίνει και χωρικά αντιληπτή μέσω της παρακάτω διαδικασίας. Ο χάρτης της καμένης έκτασης από την εικόνα DMC μετατράπηκε σε μορφή καννάβου και στη συνέχεια υποβαθμίστηκε η χωρική του ανάλυση στο 1 χλμ. και στα 250 μ. για να συγκριθεί με δύο πλέγματα καννάβου (grid raster) με αντίστοιχα μεγέθη κελιού. Κατ αυτόν τον τρόπο εκτιμήθηκε το εκατοστιαίο ποσοστό της καμένης έκτασης που καλύπτεται από κάθε εικονοστοιχείο (1 1 km. και m.) (Εικόνα 5.6c-d). Το συστηματικό σφάλμα αυξάνεται όταν ο αριθμός των εικονοστοιχείων με χαμηλό ποσοστό καμένης έκτασης είναι υψηλός ή γενικότερα όταν στην εικόνα το ποσοστό ετερογένειας του μεταπυρικού μωσαϊκού είναι υψηλό (Boschetti et al. 2004). Στη συγκεκριμένη εργασία η πλειοψηφία των χαμηλής ευκρίνειας εικονοστοιχείων καλύπτουν πάνω από το 50% της καμένης έκτασης (κατά DMC). Παρ όλα αυτά, η χαμηλή χωρική ανάλυση των δεδομένων παραμένει περιοριστικός παράγοντας ως προς τη μέγιστη ακρίβεια των θεματικών χαρτών που μπορεί να επιτευχθεί. 90

107 ΚΕΦΑΛΑΙΟ 5 Εικόνα 5.6. Το όριο Pareto και η συνάρτηση κόστους χρήστη όπως υπολογίστηκαν για τα δύο πλέγματα καννάβου χωρικής ευκρίνειας 250 m (a) και 1 km (b) με τη χρήση του DMC χάρτη αναφοράς. Οι «υποβαθμισμένοι» χωρικά χάρτες αναφοράς δείχνουν το ποσοστό καμένης έκτασης που καλύπτεται από κάθε κελί 250 x 250-m (c) και 1 x 1-km (d). Παρουσιάζεται επίσης η σύγκριση της ακρίβειας των δύο χαρτογραφήσεων με βάση την Ευκλείδεια απόσταση μεταξύ των σφαλμάτων παράλειψης και ανάθεσης (Α, Β) με τα βέλτιστα κατά Pareto σημεία (P 1, P 2) (e). Μετά τον καθορισμό του βέλτιστου ορίου του ποσοστού των εικονοστοιχείων, οι χάρτες καμένης έκτασης που παράχθηκαν από την εφαρμογή του BFAST αλγόριθμου 91

108 Ανάλυση χρονοσειρών για την χαρτογράφηση πυρκαγιών συγκρίθηκαν χωρικά με το χάρτη αναφοράς DMC. Τα αποτελέσματα της εκτίμησης των μέτρων πιθανότητας ανίχνευσης (probability of detection Pd) και πιθανότητας εσφαλμένης ανίχνευσης (probability of false alarm Pf ) παρουσιάζονται στον Πίνακα 5.1. Οι χάρτες από την ανάλυση των MODIS και VGT χρονοσειρών παρουσιάζουν και οι δύο υψηλή πιθανότητα ανίχνευσης Pd (0.901 και 0.862). Παράλληλα, οι εκτιμήσεις της πιθανότητας εσφαλμένης ανίχνευσης Pf μπορούν να θεωρηθούν χαμηλές και για τους δύο χάρτες, αν και ο MODIS χάρτης της καμένης έκτασης παρουσιάζει μικρότερη πιθανότητα Pf (0.011) σε σχέση με τον VGT χάρτη (0.021). Αυτή η χωρική εκτίμηση της ακρίβειας που πραγματοποιήθηκε υποδεικνύει ότι η μέθοδος BFAST μπορεί να εφαρμοστεί σε διαφορετικού τύπου δορυφορικά δεδομένα και να παραχθούν τελικά προϊόντα καμένων εκτάσεων με ικανοποιητική ακρίβεια. Πίνακας 5.1. Η μήτρα σφαλμάτων ταξινόμησης και οι εκτιμήσεις των μέτρων πιθανότητας ανίχνευσης (probability of detection P d) και πιθανότητας εσφαλμένης ανίχνευσης (probability of false alarm P f ) για τις δύο χαρτογραφήσεις. Τα αριθμητικά στατιστικά της μήτρας εκφράζονται σε τετραγωνικά χιλιόμετρα (km 2 ). Burned DMC reference Unburned P f Οe Ce MODIS Burned 1, Unburned , P d VGT Burned 1, Unburned , P d Τέλος, ως επιπλέον δείκτης σύγκρισης της ακρίβειας των παραγόμενων χαρτών των καμένων εκτάσεων, χρησιμοποιήθηκε η Ευκλείδεια απόσταση μεταξύ των βέλτιστων κατά Pareto σημείων (P1, P2) και του ζεύγους τιμών Oe/Ce (σημεία Α, Β) (Εικόνα 5.6e). Τα τελευταία αντιστοιχούν στα σφάλματα παράλειψης και ανάθεσης, που εξάγονται από τη μήτρα σφαλμάτων ταξινόμησης μετά τη σύγκριση με το χάρτη αναφοράς. Για την χαρτογράφηση με βάση την ανάλυση της χρονοσειράς MODIS NDVI τα σφάλματα ισούνται με Oe = 0.10 και Ce = 0.13, ενώ για την αντίστοιχη από την χρονοσειρά VGT NDVI ισούνται με Oe = 0.13 και Ce = Η μικρότερη Ευκλείδεια απόσταση εκτιμήθηκε για την περίπτωση της χαρτογράφησης με MODIS (0.078), σε αντίθεση με τη 92

109 ΚΕΦΑΛΑΙΟ 5 χαρτογράφηση με VGT (0.084), καθιστώντας την πρώτη ως αποδοτικότερη μετά και την ελαχιστοποίηση της επίδρασης του low-resolution bias. 5.5 ΣΥΜΠΕΡΑΣΜΑΤΑ Στην παρούσα εργασία, διερευνήθηκε η δυνατότητα μία σχετικά πρόσφατης μεθόδου ανάλυσης τάσης χρονοσειρών δορυφορικών εικόνων στην ανίχνευση των αλλαγών σε ένα Μεσογειακό οικοσύστημα μετά από πυρκαγιά. Η μέθοδος BFAST πραγματοποιεί αποσύνθεση των χρονοσειρών στις συνιστώσες τάσης (trend component), εποχικότητας (seasonal component) και θορύβου (noise component), διευκολύνοντας την ανίχνευση τόσο των απότομων όσο και των σταδιακών αλλαγών τάσης. Η BFAST συνιστά ένα προσθετικό μοντέλο ανάλυσης, το οποίο προσφέρει το πλεονέκτημα του εντοπισμού πολλαπλών αλλαγών χωρίς να απαιτεί την ταυτόχρονη σύμπτωση των σημείων διάσπασης (break points) στη συνιστώσα τάσης με τα αντίστοιχα στην περιοδική συνιστώσα. Ο κύριος στόχος εδώ ήταν να διερευνηθεί περαιτέρω η δυνατότητα της μεθόδου για τον ακριβή εντοπισμό του χρόνου των πυρκαγιών με τη χρήση χρονοσειρών του δείκτη βλάστησης NDVI από σύνθετα προϊόντα επιφανειακής ανάκλασης MODIS και SPOT-VGT. Ο πρώτος επιμέρους στόχος αφορούσε την εφαρμογή της μεθόδου BFAST σε χρονοσειρές NDVI για την ανίχνευση και ποσοτικοποίηση των απότομων αλλαγών που προκαλούνται μετά τις πυρκαγιές. Η ανάλυση της συνιστώσας τάσης των χρονοσειρών είχε ως αποτέλεσμα την εκτίμηση της χρονικής περιόδου και του μεγέθους των διαταραχών που προκλήθηκαν. Και στις δύο διαφορετικές χρονοσειρές (MODIS και VGT) ήταν ποιοτικά εμφανής από την ανάλυση η αύξηση των τιμών NDVI για τους διαφορετικούς τύπους κάλυψης γης μετά την πυρκαγιά, υποδεικνύοντας μεταπυρική ανάκαμψη της βλάστησης. Ωστόσο, η μελλοντική ανάλυση μεγαλύτερης χρονοσειράς δεδομένων μετά την πυρκαγιά θα επιτρέψει μία ακριβέστερη εκτίμηση της μεταπυρικής συμπεριφοράς της βλάστησης. Η εκτίμηση της ακρίβειας των χαρτών καμένης έκτασης που παράχθηκαν φανέρωσε υψηλή πιθανότητα ανίχνευσης και σχετικά χαμηλή πιθανότητα εσφαλμένης ανίχνευσης και στις δύο περιπτώσεις εφαρμογής στις χρονοσειρές MODIS και VGT. Όπως ήταν ίσως αναμενόμενο, το συστηματικό σφάλμα (low-resolution bias) ήταν υψηλότερο για τα δεδομένα VGT με χωρική ευκρίνεια 1 χλμ. σε σχέση με τα MODIS δεδομένα (250 μ.). Επίσης, η ποσοτικοποίηση της επίδρασης του συστηματικού σφάλματος οδήγησε σε χρήσιμα συμπεράσματα αναφορικά με την ακρίβεια του τελικού προϊόντος ως συνάρτηση 93

110 Ανάλυση χρονοσειρών για την χαρτογράφηση πυρκαγιών μόνο της απόδοσης του αλγορίθμου BFAST, χωρίς να ληφθεί υπόψη η επίδραση της χαμηλής ευκρίνειας ή η ετερογένεια του μεταπυρικού περιβάλλοντος. Παρά τα μειονεκτήματα που προκύπτουν ως απόρροια της χρησιμοποίησης δεδομένων χαμηλής χωρικής ευκρίνειας, η BFAST, ως μία γενική μέθοδος ανίχνευσης αλλαγών, αποδείχτηκε αξιόπιστη στη χαρτογράφηση αλλαγών εξαιτίας των πυρκαγιών. Τέλος, όσον αφορά στο περιβάλλον της γλώσσας R, μέσω της ανάπτυξης κατάλληλου κώδικα κατέστη εφικτή η ομαδική επεξεργασία (batch processing) σχετικά μεγάλου όγκου δεδομένων καννάβου (raster), επιτυγχάνοντας την αυτοματοποίηση μεγάλου μέρους των διαδικασιών χωρίς να απαιτείται συνεχής επέμβαση από τον χρήστη, και ούτε φυσικά η χρήση εμπορικού λογισμικού. ΒΙΒΛΙΟΓΡΑΦΙΑ Al-Rawi KR, Casanova JL, Calle A (2001) Burned area mapping system and fire detection system, based on neural networks and NOAA-AVHRR imagery. International Journal of Remote Sensing 22, Bai J, Perron P (2003) Computation and Analysis of Multiple Structural Change Models. Journal of Applied Econometrics 18, Bartalev S, Egorov V, Loupian E, Uvarov I (2007) Multi-year circumpolar assessment of the area burnt in boreal ecosystems using SPOT-VEGETATION. International Journal of Remote Sensing 28, Boschetti M, Stroppiana D, Brivio PA (2010) Mapping burned areas in a mediterranean environment using soft integration of spectral indices from high-resolution satellite images. Earth Interactions 14, Boschetti L, Flasse SP, Brivio PA (2004) Analysis of the conflict between omission and commission in low spatial resolution dichotomic thematic products: the Pareto boundary. Remote Sensing of Environment 91, Carlson T, Ripley T (1997) On the relation between NDVI, fractional vegetation cover and leaf area index. Remote Sensing of Environment 62, Casady G, van Leeuwen W, Marsh S (2010) Evaluating Post-wildfire Vegetation Regeneration as a Response to Multiple Environmental Determinants. Environmental Modeling and Assessment 15, Chuvieco E, Englefield, P, Trishchenko AP, Luo Y (2008) Generation of long time series of burn area maps of the boreal forest from NOAA-AVHRR composite data. Remote Sensing of Environment 112, Issue 5, Earth Observations for Terrestrial Biodiversity and Ecosystems Special Issue,

111 ΚΕΦΑΛΑΙΟ 5 Chuvieco E, Ventura, G, Martín MP, Gómez I (2005). Assessment of multitemporal compositing techniques of MODIS and AVHRR images for burned land mapping. Remote Sensing of Environment 94, Chuvieco E, Martin MP, Palacios A (2002) Assessment of different spectral indices in the red-nearinfrared spectral domain for burned land discrimination. Remote Sensing of Environment 112, Chuvieco E (1997) Foreword. In A review of remote sensing methods for the study of large wildland fires. (Ed E Chuvieco) Departamento de Geografía, Universidad de Alcalá, Alcalá de Henares, pp Cleveland RB, Cleveland WS, Mcrae JE, Terpenning I (1990) STL: A seasonal-trend decomposition procedure based on loess. Journal of Official Statistics 6, Congalton R (1991) A Review of Assessing the Accuracy of Classifications of Remotely Sensed Data. Remote Sensing of Environment 37, Coppin P, Jonckheere I, Nackaerts K, Muys B, Lambin E (2004) Digital change detection methods in ecosystem monitoring: A review. International Journal of Remote Sensing 25, de Beurs KM, Henebry GM (2005) A statistical framework for the analysis of long image time series. International Journal of Remote Sensing 26, Duchemin B, Maisongrande P, Dedieu G, Leroy M (2000) A 10-days compositing method accounting for bidirectional effects. In Geoscience and Remote Sensing Symposium Proceedings. IGARSS IEEE 2000 International 5 pp , Eklundh, L. and Jönsson, P. (2011). Timesat 3.1 Software Manual, Lund University, Sweden. European Commission (2005) Forest Fires in Europe S.P.I Office for Official Publications of the European Communities, Luxembourg. Fernandez A, Illera P, Casanova JL (1997) Automatic mapping of surfaces affected by forest fires in Spain using AVHRR NDVI composite image data. Remote Sensing of Environment 60, Flannigan M, Stocks B, Wotton B (2000) Climate change and forest fires. The Science of the Total Environment 262, Fuller DO (1998) Trends in NDVI time series and their relation to rangeland and crop production in Senegal, International Journal of Remote Sensing 19, Giglio L, Csiszar I, Restás A, Morisette JT, Schroeder W., Morton D, Justice CO (2008) Active fire detection and characterization with the advanced spaceborne thermal emission and reflection radiometer (ASTER). Remote Sensing of Environment 112, Gitas IZ, Polychronaki A, Katagis T, Mallinis G (2008) Contribution of remote sensing to disaster management activities: A case study of the large fires in the Peloponnese, Greece. International Journal of Remote Sensing 29, Gitas IZ, Mitri HG, Ventura G (2004) Object-oriented image classification for burned area mapping of Creus Cape, Spain, using NOAA-AVHRR imagery. Remote Sensing of Environment 92, Goetz S, Fiske G, Bunn A (2006) Using satellite time-series data sets to analyze fire disturbance and forest recovery across Canada. Remote Sensing of Environment 92,

112 Ανάλυση χρονοσειρών για την χαρτογράφηση πυρκαγιών Haywood J, Randal J (2008) Trending seasonal data with multiple structural breaks. NZ visitor arrivals and the minimal effects of 9/11. Research report 08/10, Victoria University of Wellington, New Zealand. URL Main/ResearchReportSeries/mscs08-10.pdf Jakubauskas ME, Legates DR, Kastens JH (2001) Harmonic analysis of time-series AVHRR NDVI data. Photogrammetric Engineering and Remote Sensing 67, Jonsson P, Eklundh L (2004) TIMESAT - A program for analyzing time-series of satellite sensor data. Computers & Geosciences 30, Justice CO, Giglio L, Korontzi S, Owens J, Morisette JT, Roy D, Descloitres J, Alleaume S, Petitcolin F, Kaufman Y (2002). The MODIS fire products. Remote Sensing of Environment 83, Lambin EF, Strahler AH (1994) Change-vector analysis in multitemporal space - a tool to detect and categorize land-cover change processes using high temporal resolution satellite data. Remote Sensing of Environment 48, Le Houerou HN (1987) Vegetation wildfires in the Mediterranean basin: evolution and trends. Ecologia mediterranea 13, Lentile L, Holden Z, Smith A, Falkowski M, Hudak A, Morgan P, Lewis S, Gessler P, Benson N (2006) Remote sensing techniques to assess active fire characteristics and post-fire effects. International Journal of Wildland Fire 15, Loboda T, O'Neal K, Csiszar I (2007) Regionally adaptable dnbr-based algorithm for burned area mapping from MODIS data. Remote Sensing of Environment 109, Lu D, Mausel P, Brondizio E, Moran E (2004) Change detection techniques. International Journal of Remote Sensing 25, Maeda EE, Arcoverde GFB, Pellikka PKE, Shimabukuro YE (2011) Fire risk assessment in the Brazilian Amazon using MODIS imagery and change vector analysis. Applied Geography 31, doi: /j.apgeog Maingi J, Henry M (2007) Factors influencing wildfire occurrence and distribution in eastern Kentucky, USA. International Journal of Wildland Fire 16, Malak D, Pausas J (2006) Fire regime and post-fire Normalized Difference Vegetation Index changes in the eastern Iberian peninsula. International Journal of Wildland Fire 15 (3), Miller JD, Thode AE (2007) Quantifying burn severity in a heterogeneous landscape with a relative version of the delta Normalized Burn Ratio (dnbr). Remote Sensing of Environment 109, doi: /j.rse Milne A (1986) The use of remote sensing in mapping and monitoring vegetational change associated with bushfire events in Eastern Australia. Geocarto International 1, Mitri G, Gitas IZ (2010) Mapping Postfire Vegetation Recovery Using EO-1 Hyperion Imagery. IEEE Transactions on Geoscience and Remote Sensing 48 (3), Moody A, Johnson, DM (2001) Land-surface phenologies from AVHRR using the discrete Fourier transform. Remote Sensing of Environment 75, Pausas J (2004) Changes in fire and climate in the eastern Iberian peninsula (Mediterranean Basin). Climatic Change 63,

113 ΚΕΦΑΛΑΙΟ 5 Pereira JMC, Mota B, Privette JL, Caylor KK, Silva JMN, Sa ACL, Ni-Meister W (2004) A simulation analysis of the detectability of understory burns in Miombo woodlands. Remote Sensing of Environment 93, Perez-Cabello F, de la Riva Fernandez J, Montorio Lloveria R, Garcia-Martin A (2006) Mapping erosion-sensitive areas after wildfires using fieldwork, remote sensing, and geographic information systems techniques on a regional scale. Journal of Geophysical Research 111, G04S10. Polychronaki A, Gitas IZ (2010) The development of an operational procedure for burned-area mapping using object-based classification and ASTER imagery. International Journal of Remote Sensing 31, R Development Core Team (2011) R: A Language and Environment for Statistical Computing. RFoundation for Statistical Computing, Vienna, Austria. ISBN Available at: Richards JA (Ed) 1993 Remote sensing digital image analysis: An introduction (2nd ed.). pp 340. (Heilderberg: SpringerVerlag). Roder A, Hill J, Duguy B, Alloza J, Vallejo R (2008) Using long time series of Landsat data to monitor fire events and post-fire dynamics and identify driving factors. A case study in the Ayora region (eastern Spain). Remote Sensing of Environment 112, Roy DP, Jin Y, Lewis PE, Justice CO (2005). Prototyping a global algorithm for systematic fire affected area mapping using MODIS time series data. Remote Sensing of Environment 97, Savitzky A, Golay M (1964) Smoothing and differentiation of data by simplified least squares procedures. Analytical Chemistry 36, Stroppiana D, Pinnock S, Pereira JMC, Grégoire JM (2002) Radiometric analysis of SPOTVEGETATION images for burnt area detection in Northern Australia. Remote Sensing of Environment 82, Tansey K, Grégoire J-M, Binaghi E, Boschetti L, Brivio PA, Ershov D, Flasse S, Fraser R, Graetz D, Maggi M, Peduzzi P, Pereira JMC, Silva J, Sousa A, Stroppiana D (2004) A Global Inventory of Burned Areas at 1 Km Resolution for the Year 2000 Derived from Spot Vegetation Data, Climatic Change, 67, Tucker CJ, (1979) Red and photographic infrared linear combinations monitoring vegetation. Remote Sensing of Environment 8, van der Werf GR, Randerson JT, Giglio L, Collatz GJ, Kasibhatla PS, Arellano AF (2006) Interannual variability in global biomass burning emissions from 1997 to Atmospheric Chemistry and Physics 6, Venables WN, Ripley BD (2002) Modern Applied Statistics with S (4th edn). Springer, New York, USA, 495 p. Veraverbeke S, Gitas I, Katagis T, Polychronaki A, Somers B, Goossens R (2012) Assessing postfire vegetation recovery using red near infrared vegetation indices: Accounting for background and vegetation variability. ISPRS Journal of Photogrammetry and Remote Sensing 68, Veraverbeke S, Lhermitte, S, Verstraeten, WW, Goossens R (2011) A time-integrated MODIS burn severity assessment using the multi-temporal differenced normalized burn ratio (dnbrmt). International Journal of Applied Earth Observation and Geoinformation 13 (1),

114 Ανάλυση χρονοσειρών για την χαρτογράφηση πυρκαγιών Veraverbeke S, Lhermitte S, Verstraeten WW, Goossens R (2010) The temporal dimension of differenced Normalized Burn Ratio (dnbr) fire/burn severity studies: the case of the large 2007 Peloponnese wildfires in Greece. Remote Sensing of Environment 114, doi: /j.rse Verbesselt J, Hyndman R, Newnham G, Culvenor D (2010a) Detecting trend and seasonal changes in satellite image time series. Remote Sensing of Environment 114, Verbesselt J, Hyndman R, Zeileis A, Culvenor D (2010b) Phenological change detection while accounting for abrupt and gradual trends in satellite image time series. Remote Sensing of Environment 114, Vila M, Lloret F, Ogheri E, Terradas J (2001) Positive fire-grass feedback in Mediterranean basin shrub land. Forest Ecology and Management 147, Young SS, Wang CY (2001) Land-cover change analysis of China using global-scale Pathfinder AVHRR Landcover (PAL) data, International Journal of Remote Sensing 22, Zeileis A (2005) A unified approach to structural change tests based on ML scores, F statistics, and OLS residuals. Econometric Reviews 24, Zeileis A, Kleiber C, Krämer W, Hornik K (2003) Testing and Dating of Structural Changes in Practice. Computational Statistics and Data Analysis 44, doi: /s (03)

115 ΕΚΤΙΜΗΣΗ ΤΗΣ ΜΕΤΑΠΥΡΙΚΗΣ ΣΥΜΠΕΡΙΦΟΡΑΣ ΤΗΣ ΒΛΑΣΤΗΣΗΣ ΜΕ ΤΗ ΧΡΗΣΗ ΧΡΟΝΟΣΕΙΡΩΝ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ ΕΚΤΙΜΗΣΗ ΤΗΣ ΜΕΤΑΠΥΡΙΚΗΣ ΣΥΜΠΕΡΙΦΟΡΑΣ ΤΗΣ ΒΛΑΣΤΗΣΗΣ ΜΕ ΤΗ ΧΡΗΣΗ ΧΡΟΝΟΣΕΙΡΩΝ ΔΟΡΥΦΟΡΙΚΩΝ ΕΙΚΟΝΩΝ ΚΕΦΑΛΑΙΟ 6 Το παρόν κεφάλαιο περιγράφει τις εργασίες που πραγματοποιήθηκαν με σκοπό την εκτίμηση της μεταπυρικής συμπεριφοράς της βλάστησης μετά τις πυρκαγιές του 2007 στην Πελοπόννησο, ενώ εξετάζεται παράλληλα και η επίδραση περιβαλλοντικών και τοπογραφικών παραγόντων στο ρυθμό ανάκαμψης της βλάστησης. Πυκνές χρονοσειρές δεικτών βλάστησης του αισθητήρα MODIS και χρονοσειρά εικόνων Landsat χρησιμοποιήθηκαν σε συνδυασμό με σύγχρονες στατιστικές τεχνικές ανάλυσης τάσης και κοινά στατιστικά μέτρα. Από τα αποτελέσματα προκύπτουν χρήσιμα συμπεράσματα σχετικά με τη χωρο-χρονική συμπεριφορά διαφορετικών κατηγοριών βλάστησης οκτώ χρόνια μετά τις πυρκαγιές. 6.1 ΕΙΣΑΓΩΓΗ H αύξησης της συχνότητας και της δριμύτητάς των δασικών πυρκαγιών τα τελευταία χρόνια (Röder et al. 2008), και ειδικά στη λεκάνη της Μεσογείου, έχει ως αποτέλεσμα τον πολλαπλασιασμό των αρνητικών τους επιδράσεων (οικονομικών, οικολογικών, κοινωνικών) με αποτέλεσμα τη διάβρωση των εδαφών και τη σημαντική υποβάθμιση της παραγωγικότητας των δασικών οικοσυστημάτων, μεταξύ άλλων (Pérez-Cabello et al. 2006; Ξανθόπουλος 2012). Ως εκ τούτου, κρίνονται αναγκαία η διατήρηση και ο σχεδιασμός νέων πολιτικών και στρατηγικών σχεδίων πρόληψης πυρκαγιών για την αποτελεσματικότερη 99

116 Παρακολούθηση καμένων εκτάσεων προστασία των οικοσυστημάτων. Αυτό όμως προϋποθέτει και τη διαθεσιμότητα ακριβούς πληροφορίας σχετικής με την έκταση των πυρόπληκτων περιοχών, τη δριμύτητα της πυρκαγιάς, την επανεμφάνιση της βλάστησης και γενικότερα τις οικολογικές επιπτώσεις (Lentile et al. 2006; Gitas et al. 2012). Ειδικότερα, όσον αφορά στην χωρο χρονική παρουσία και συμπεριφορά της βλάστησης στο μεταπυρικό περιβάλλον, η γνώση και κατανόηση της δυναμικής της καθίσταται αναγκαία για: την εκτίμηση των βραχυπρόθεσμων και μακροπρόθεσμων επιπτώσεων των πυρκαγιών και λήψη των αντίστοιχων μέτρων αποκατάστασης (Gouveia et al. 2010; Gitas et al. 2012); την κατανόηση των κινητήριων παραγόντων των αλλαγών που συντελούνται, ιδιαίτερα αν λάβουμε υπόψη και σενάρια κλιματικών αλλαγών (Casady and Marsh 2010); την αποτελεσματική διαχείριση των μεταπυρικών οικοσυστημάτων (Wittenberg et al. 2007); τη χάραξη πολιτικών και στρατηγικών πρόληψης. Στα Μεσογειακά οικοσυστήματα ο ρυθμός επανεμφάνισης της βλάστησης μετά από πυρκαγιά αποτελεί πολύπλοκη διαδικασία με αποτέλεσμα να παρουσιάζεται δυσκολία στην οποιαδήποτε γενίκευση της μεταπυρικής δυναμικής της βλάστησης, εξαιτίας ενός αριθμού παραγόντων που την επηρεάζουν. Ενδεικτικά, αναφέρουμε την αυξημένη χωρική ετερογένεια, τον οικότυπο, τη διάρκεια και ένταση της φωτιάς, την προϋπάρχουσα βλάστηση, και τις τοπικές τοπογραφικές, κλιματικές και εδαφικές συνθήκες (Pausas and Vallejo 1999; Moreira et al. 2009; Veraverbeke et al. 2010). Για παράδειγμα, σε προσαρμοσμένες στη φωτιά κοινωνίες σκληρόφυλλης θαμνώδους βλάστησης η ανάκαμψη της βλάστησης πραγματοποιείται μέσα σε λίγα χρόνια, σε αντίθεση με αμιγώς δασικά είδη όπου απαιτούνται αρκετές δεκαετίες (Capitanio and Carcaillet 2008). Διαφορές παρατηρούνται επίσης ανάλογα και με το μηχανισμό προσαρμογής των φυτών στη φωτιά, ήτοι βλαστική αναγέννηση ή εγκατάσταση με φύτρωση σπερμάτων (Arianoutsou 1999). Γεγονός παραμένει όμως ότι η ύπαρξη ή όχι του προστατευτικού καλύμματος της βλάστησης μετά την πυρκαγιά επηρεάζει σε μέγιστο βαθμό τις διεργασίες διάβρωσης και απορροής των εδαφών και μακροπρόθεσμα την αποκατάσταση του τοπίου (Gobin et al. 2004). 100

117 ΚΕΦΑΛΑΙΟ 6 Σε τοπικό επίπεδο για γεγονότα μεγάλης κλίμακας συνήθως υπάρχει η δυνατότητα λεπτομερούς εκτίμησης των επιπτώσεων των πυρκαγιών μέσω εκτενών εργασιών στο πεδίο. Αντίθετα, σε φαινόμενα μεγάλων σε έκταση πυρκαγιών η εξέταση τόσο των άμεσων όσο και μακροχρόνιων αλληλεπιδράσεων μεταξύ της μεταπυρικής δυναμικής της βλάστησης, της σφοδρότητας καύσης (burn severity), του κλίματος και των λοιπών παραμέτρων που αναφέρθηκαν παραμένει μία επίπονη (σε χρόνο και κόστος) διαδικασία (Gouveia et al. 2010). Τα δεδομένα και οι τεχνικές δορυφορικής τηλεπισκόπησης αποτελούν πλέον ένα ευρέως διαδεδομένο και αξιόπιστο εργαλείο, που χρησιμοποιείται μαζί με εργασίες πεδίου συνήθως, για την εκτίμηση των επιπτώσεων των πυρκαγιών και τη διαχρονική παρακολούθηση των πληγέντων οικοσυστημάτων, τόσο σε μεγάλες όσο και σε μικρότερες κλίμακες (Chuvieco et al. 2005; Lentile et al. 2006). Μεγάλος αριθμός μελετών σχετικών με την παρακολούθηση των πυρόπληκτων περιοχών έχει διεξαχθεί με τη χρήση δορυφορικών δεδομένων σε Μεσογειακού τύπου οικοσυστήματα (Díaz-Delgado et al. 2003; Röder et al. 2008; Veraverbeke et al. 2012; Nioti et al. 2015). Επίσης, διαχρονικά δεδομένα δεικτών βλάστησης, όπως ο NDVI (Normalized Difference Vegetation Index) έχουν χρησιμοποιηθεί ευρέως για την παρακολούθηση των αλλαγών και τάσεων της βλάστησης γενικότερα (Verbesselt et al. 2010; Verhegghen et al. 2014; DeVries et al. 2015) συμπεριλαμβανομένων αντίστοιχων ερευνών μετά από πυρκαγιά (Goetz et al. 2006; Leon et al. 2012; Katagis et al. 2014). Σε πολλές εργασίες έχουν χρησιμοποιηθεί με επιτυχία χρονοσειρές NDVI υψηλής χωρικής ευκρίνειας (30 μ.) από το δορυφόρο Landsat για την εκτίμηση της μεταπυρικής δυναμικής της βλάστησης (Viedma et al. 1997; Díaz-Delgado et al. 2003; Röder et al. 2008; Chen et al. 2016). Αρκετές όμως εργασίες έχουν βασιστεί σε πυκνές χρονοσειρές NDVI χαμηλής ευκρίνειας για την παρακολούθηση των διαδικασιών ανάκαμψης της βλάστησης. Για παράδειγμα, οι van Leeuwen et al. (2010) και Cuevas-González et al. (2009) διερεύνησαν τη μεταπυρική ανάκαμψη της βλάστησης σε περιοχές της Μεσογείου και Σιβηρίας αντίστοιχα με δεδομένα NDVI του αισθητήρα MODIS (Moderate Resolution Imaging Spectroradiometer). Δεδομένα NDVI πολύ χαμηλής ευκρίνειας (1 χλμ.) από τα συστήματα SPOT-VGT και AVHRR (Advanced Very High Resolution Radiometer) έχουν επίσης αναλυθεί επιτυχώς (Gouveia et al. 2010; Casady and Marsh 2010). Εκτός από τον NDVI, και ο δείκτης EVI (Enhanced Vegetation Index) έχει χρησιμοποιηθεί για την εκτίμηση της ανάκαμψης της βλάστησης μετά από πυρκαγιά (Wittenberg et al. 2007; Casady and Marsh 2010; Di Mauro 101

118 Παρακολούθηση καμένων εκτάσεων et al. 2014), καθώς ο EVI μετριάζει τις επιδράσεις του ατμοσφαιρικού θορύβου και της ανάκλασης του γυμνού εδάφους (Huete et al. 2002). Στις εφαρμογές με δεδομένα Landsat συνήθως χρησιμοποιείται μικρός αριθμός εικόνων, η απόκτηση των οποίων μπορεί να αποτελέσει μία δύσκολη διαδικασία εξαιτίας της συνεχούς παρουσίας σύννεφων στην περιοχή μελέτης, αλλά και της σχετικά μέτριας χρονικής ανάλυσης (16 ημέρες). Αντίθετα, τα δεδομένα και έτοιμα προϊόντα MODIS προσφέρουν το πλεονέκτημα της υψηλής χρονικής ανάλυσης καθώς και της μεγαλύτερης χωρικής κάλυψης, παρά τους περιορισμούς εξαιτίας της χαμηλής (< 250 μ.) χωρικής ευκρίνειας, όπως αναλύθηκε εκτενώς και στο Κεφάλαιο 5. Η ανάλυση των συγκεκριμένων πυκνών χρονοσειρών δεικτών βλάστησης ενδείκνυται για τη μακροχρόνια παρακολούθηση των σταδιακών και απότομων αλλαγών της βλάστησης, αλλά και για την εκτίμηση των φαινολογικών διακυμάνσεων (van Leeuwen 2008). Ως επακόλουθο, διάφορες μέθοδοι οι οποίες ενσωματώνουν στατιστικά μέτρα ανάλυσης χρονοσειρών έχουν προταθεί και εφαρμοστεί τα τελευταία χρόνια για τη μοντελοποίηση της μεταπυρικής συμπεριφοράς της βλάστησης ως συνάρτηση περιβαλλοντικών και άλλων παραγόντων (van Leeuwen et al. 2010; Gouveia et al. 2010; Leon et al. 2012). Πρέπει να σημειωθεί επίσης, ότι σε αρκετές περιπτώσεις η έρευνα βασίζεται στη συνέργεια δεδομένων Landsat και MODIS (Casady et al. 2010). Αυτές οι τεχνικές μπορούν υπό προϋποθέσεις να εφαρμοστούν για την εκτίμηση του χρονικού προφίλ (trajectory) της βλάστησης σε διάφορα οικοσυστήματα και σε διαφορετικές κλίμακες ανεξάρτητα από το είδος της διαταραχής, επιτρέποντας παράλληλα συγκριτικές αναλύσεις μεταξύ διαφορετικών. Ο σκοπός της εργασίας ήταν η εκτίμηση της διαχρονικής συμπεριφοράς της βλάστησης μετά τις μεγάλες πυρκαγιές του 2007 στην Πελοπόννησο με τη συνδυαστική χρήση προηγμένης μεθόδου ανάλυσης χρονοσειρών δορυφορικών εικόνων και επιλεγμένων στατιστικών μέτρων. Σε αντίθεση με μεθόδους που βασίζονται στην εύρεση της αποκλίνουσας συμπεριφοράς από μία σταθερή κατάσταση αναφοράς (Hope et al. 2012), εδώ προσαρμόζεται κατάλληλα μία μέθοδος η οποία αναλύει το πλήρες εύρος της χρονοσειράς μέσω της κατάτμησής της σε στατιστικά σημαντικά χρονικά τμήματα (trend segments) (Verbesselt et al. 2010; Katagis et al. 2014). Οι επιμέρους στόχοι ήταν: η εφαρμογή της μεθόδου ανίχνευσης αλλαγών BFAST (Breaks for Additive Seasonal and Trend) σε χρονοσειρές προϊόντων MODIS NDVI και EVI για την 102

119 ΚΕΦΑΛΑΙΟ 6 ποσοτική εκτίμηση του μεγέθους της αλλαγής (change magnitude) που συντελέστηκε εξαιτίας των πυρκαγιών; η διερεύνηση της σχέσης μεταξύ του στατιστικά εκτιμώμενου μεγέθους αλλαγής και της σφοδρότητας της καύσης, η οποία εκτιμήθηκε από δεδομένα Landsat dnbr (differenced Normalized Burn Ratio); η εκτίμηση του ρυθμού ανάκαμψης της βλάστησης για το χρονικό διάστημα των οκτώ χρόνων μετά τις πυρκαγιές; η διερεύνηση του βαθμού επίδρασης τοπογραφικών και περιβαλλοντικών παραγόντων στο ρυθμό ανάκαμψης της βλάστησης; η εκτίμηση της αξιοπιστίας των παραγόμενων αποτελεσμάτων και της απόδοσης των δύο διαφορετικών χρονοσειρών. 6.2 ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ ΚΑΙ ΔΕΔΟΜΕΝΑ Η περιοχή μελέτης είναι το γεωγραφικό διαμέρισμα της Πελοποννήσου στη Νότια Ελλάδα ( N, E), και καλύπτει μία έκταση τ.χλμ. (Εικόνα 6.1). Το υψόμετρο κυμαίνεται από το επίπεδο της θάλασσας ως τα 2400 μ. με το κλίμα να χαρακτηρίζεται ως τυπικό Μεσογειακό με ζεστά και ξηρά καλοκαίρια και ήπιους χειμώνες. Η Πελοπόννησος παρουσιάζει μεγάλη ποικιλομορφία στο ανάγλυφο του εδάφους, ενώ σε συνδυασμό με τους διάφορους γεωλογικούς σχηματισμούς και τύπους εδαφών αναγνωρίζεται επίσης σημαντικός αριθμός ζωνών βλάστησης. Τα κυρίαρχα κωνοφόρα είδη είναι η μαύρη (Pinus nigra) και η χαλέπιος πεύκη (Pinus halepensis) ενώ στα πλατύφυλλα είδη κυριαρχεί η δρυς (Quercus sp.). Στις πεδινές περιοχές η βλάστηση αποτελείται κυρίως από θαμνώδεις εκτάσεις (φρύγανα και σκληρόφυλλη ή μακκία βλάστηση) και αγροτικές καλλιέργειες. Το καλοκαίρι του 2007, μετά από μία ιδιαίτερα ξηρή κλιματολογικά περίοδο που προηγήθηκε, εκδηλώθηκαν μεγάλες πυρκαγιές σε μεγάλες εκτάσεις της Πελοποννήσου που διήρκησαν από το τέλος Ιουλίου έως και το τέλος Αυγούστου. Το αποτέλεσμα ήταν ιδιαίτερα καταστροφικό με ανθρώπινες απώλειες, ζημιές σε ιδιοκτησίες και καταστροφή περισσότερο από εκταρίων φυσικής και αγροτικής βλάστησης (Gitas et al. 2008). Το 57% περίπου της συνολικής καμένης έκτασης αντιστοιχεί σε θαμνώδεις εκτάσεις, ενώ το 23% περίπου σε δάση και δασικές εκτάσεις. 103

120 Παρακολούθηση καμένων εκτάσεων Εικόνα 6.1. Η περιοχή μελέτης της Πελοποννήσου όπως απεικονίζεται στη δορυφορική εικόνα Landsat-5 TM (σε ψευδοέγχρωμο σύνθετο RGB 7,5,4) με ημερομηνία λήψης 28/09/2007. Με κόκκινο χρώμα διακρίνονται οι καμένες εκτάσεις, ενώ απεικονίζονται και οι τοποθεσίες δειγματοληψίας στο πεδίο (Σεπτέμβριος 2010). Τα δεδομένα που χρησιμοποιήθηκαν για την κύρια ανάλυση της μεταπυρικής συμπεριφοράς της βλάστησης ήταν τα έτοιμα προϊόντα NDVI και EVI του δορυφόρου Terra/MODIS (MOD13Q1). Τα level-3 MOD13Q1 προϊόντα αντιστοιχούν σε 16ήμερες συνθέσεις των συγκεκριμένων δεικτών βλάστησης με χωρική ευκρίνεια 250 μ. στο ημιτονοειδές προβολικό σύστημα (Sinusoidal projection). Οι δείκτες υπολογίζονται με βάση ατμοσφαιρικά διορθωμένες τιμές δι-διευθυνσιακής ακτινοβολίας της επιφάνειας της γης (bi-directional surface reflectances), μετά την απομάκρυνση τιμών που αντιστοιχούν σε νερό, σκιές, σύννεφα και ατμοσφαιρικά μικροσωματίδια. Τα δεδομένα αποκτήθηκαν για την περίοδο από 1 η Ιανουαρίου 2004 έως 31 Δεκεμβρίου 2015, μέσω της διαδικτυακής 104

121 ΚΕΦΑΛΑΙΟ 6 υπηρεσίας MODIS Subsetting and Visualization Service και καλύπτουν το γρωγραφικό διαμέρισμα της Πελοποννήσου. Εκτός από τα δεδομένα βλάστησης, στα προϊόντα συμπεριλαμβάνονται και τα δεδομένα ποιοτικής πληροφορίας QA (Quality Assurance) ανά εικονοστοιχείο. Συνολικά αποκτήθηκαν και επεξεργάστηκαν 552 εικόνες σε raster μορφή (GeoTiff), δηλαδή 276 εικόνες για κάθε δείκτη βλάστησης (23 ανά έτος). Πίνακας 6.1. Τα στοιχεία των εικόνων Landsat (Path: 184, Row: 34) με χωρική ευκρίνεια 30 μ. που χρησιμοποιήθηκαν στην ανάλυση. Με έντονη διαγράμμιση σημειώνεται η εικόνα που λήφθηκε αμέσως μετά τις πυρκαγιές του 2007 στην Πελοπόννησο. Δορυφόρος Ημερομηνία λήψης Δορυφόρος Ημερομηνία λήψης Landsat-5 TM Landsat-5 TM Landsat-5 TM Landsat-7 ΕTM Landsat-5 TM Landsat-8 OLI Landsat-5 TM Landsat-8 OLI Landsat-5 TM Landsat-8 OLI Εκτός από τις χρονοσειρές δεδομένων MODIS, αποκτήθηκε και μία σειρά από δορυφορικές εικόνες Landsat (30μ.) για την περίοδο Συνολικά αποκτήθηκαν δέκα εικόνες (μία ανά έτος) (Πίνακας 6.1) με την ελάχιστη δυνατή νεφοκάλυψη. Αυτές επιλέχθηκαν με βασικό κριτήριο η ημερομηνία λήψης τους να είναι της ίδιας περίπου περιόδου για κάθε έτος, ώστε να ελαχιστοποιηθεί η επίδραση των εποχικών διαφοροποιήσεων στις τιμές επιφανειακής ανάκλασης των διαύλων και στη φασματική ακτινοβολία (π.χ. γωνία ηλιακού ύψους, μετεωρολογικές συνθήκες, κλπ.). Τα δεδομένα Landsat χρησιμοποιήθηκαν για την εκτίμηση της σφοδρότητας καύσης των πυρκαγιών μέσω του υπολογισμού των δεικτών NBR (Normalized Burn Ratio) και dnbr (differenced NBR). Επιπλέον, χρησιμοποιήθηκαν και ως δεδομένα αναφοράς στην προσπάθεια εκτίμησης της ακρίβειας των αποτελεσμάτων της ανάλυσης των χρονοσειρών MODIS. Τέλος, τα βοηθητικά δεδομένα που χρησιμοποιήθηκαν στα διάφορα στάδια της ανάλυσης ήταν τα εξής: η περίμετρος των καμένων εκτάσεων της Πελοποννήσου, αποτέλεσμα ταξινόμησης της δορυφορικής εικόνας DMC (βλ. Κεφάλαιο 5). Η περίμετρος ORNL DAAC MODIS Collection 5 Land Products Global Subsetting and Visualization Tool. ORNL DAAC, Oak Ridge, Tennessee, USA. 105

122 Παρακολούθηση καμένων εκτάσεων χρησιμοποιήθηκε για την οριοθέτηση των περιοχών στις οποίες πραγματοποιήθηκε η ανάλυση; το ψηφιακό υψομετρικό μοντέλο (Digital Elevation Model DEM) ASTER της Πελοποννήσου με χωρική ανάλυση εικονοστοιχείου 30 μ.; ο χάρτης χρήσεων/κάλυψης γης του 2007 για την περιοχή μελέτης, ο οποίος δημιουργήθηκε από δορυφορικές εικόνες Landsat (30μ.) (Karydas et al. 2015); δεδομένα πεδίου από 60 δειγματοληπτικές επιφάνειες τα οποία συλλέχθηκαν το Σεπτέμβριο του 2010 στις πυρόπληκτες περιοχές της Αρκαδίας και Ηλείας (Veraverbeke et al. 2012) για την εκτίμηση της μεταπυρικής κατάστασης της βλάστησης. 6.3 ΜΕΘΟΔΟΛΟΓΙΑ Η μεθοδολογία περιλάμβανε αρχικά την προ-επεξεργασία των δορυφορικών εικόνων MODIS και Landsat αλλά και των βοηθητικών δεδομένων όπου ήταν απαραίτητο. Στη συνέχεια πραγματοποιήθηκε η ανάλυση των χρονοσειρών NDVI και EVI για την εκτίμηση του μεγέθους των αλλαγών αλλά και του ρυθμού ανάκαμψης της βλάστησης. Ο αλγόριθμος BFAST, στατιστικά μέτρα και στατιστικές τεχνικές παλινδρόμησης αποτέλεσαν τα κύρια εργαλεία για την ανάλυση των χρονοσειρών, και τη διερεύνηση των συσχετίσεων που αναφέρονται στους επιμέρους στόχους της εργασίας. Επιπλέον, τεχνικές παλινδρόμησης εφαρμόστηκαν και για την εκτίμηση της αξιοπιστίας των αποτελεσμάτων που σχετίζονται με τη μεταπυρική δυναμική της βλάστησης. Τα επιμέρους μεθοδολογικά βήματα περιγράφονται λεπτομερώς παρακάτω Προ-επεξεργασία δεδομένων Η κύρια προ-επεξεργασία των δεδομένων MODIS πραγματοποιήθηκε στο περιβάλλον της γλώσσας R (R Development Core Team 2013). Αρχικά, πραγματοποιήθηκε εξαγωγή των επιθυμητών χρονοσειρών NDVI και EVI καθώς και της πληροφορίας QA (Pixel Reliability) από τα προϊόντα MOD13Q1 και δημιουργήθηκαν τα αντίστοιχα raster stacks, δηλαδή «στοίβες» εικόνων σε μορφή GeoTiff. Τα stacks αποτελούν ουσιαστικά μία ενοποίηση διαφορετικών επιπέδων, όπου τα επίπεδα αντιστοιχούν στα χρονικά βήματα της χρονοσειράς για την περιοχή ενδιαφέροντος. Η δημιουργία των raster stacks διευκόλυνε ASTER GDEM. (2011). ASTER GDEM Version

123 ΚΕΦΑΛΑΙΟ 6 την ομαδική επεξεργασία (batch processing) των 552 εικόνων (276 για κάθε δείκτη βλάστησης). Στη συνέχεια, αφαιρέθηκαν όσα εικονοστοιχεία χαρακτηρίζονται ως χιόνι, σύννεφα ή χαμηλής ποιότητας με τη δημιουργία και εφαρμογή αντίστοιχης μάσκας από την QA πληροφορία. Επιπλέον, πραγματοποιήθηκε εξομάλυνση (smoothing) των χρονοσειρών ανά εικονοστοιχείο με τη χρήση του φίλτρου Savitzky Golay (Savitzky and Golay 1964), για την ελαχιστοποίηση της επίδρασης των ατμοσφαιρικών διαταραχών. Το φίλτρο συνιστά μία μέθοδο προσαρμογής χρονοσειρών ελαχίστων τετραγώνων (least-squares fitting), η οποία όμως πραγματοποιείται σε μία διαδικασία πολλαπλών βημάτων με τη χρήση κινούμενων παραθύρων (moving window). Η εφαρμογή του φίλτρου πραγματοποιήθηκε επίσης στο περιβάλλον της R. Τέλος, πραγματοποιήθηκε μετατροπή του προβολικού συστήματος των εικόνων στο παγκόσμιο γεωδαιτικό σύστημα αναφοράς WGS84. Οι εικόνες Landsat διορθώθηκαν ραδιομετρικά, ατμοσφαιρικά και γεωμετρικά. Το πρώτο βήμα ήταν η μετατροπή των τιμών των εικονοστοιχείων (DN) σε τιμές ακτινοβολίας (radiance) και στη συνέχεια σε τιμές ανάκλασης στο έδαφος (surface reflectance) με τη μέθοδο COST (Chávez 1996). H ατμοσφαιρική διόρθωση αποσκοπεί στην απομάκρυνση των σφαλμάτων που οφείλονται στην επίδραση της ατμόσφαιρας και τα οποία υποβαθμίζουν σημαντικά την ποιότητα των εικόνων. Η μέθοδος COST βασίζεται στην προσέγγιση Dark Object Subtraction (DOS), που αποτελεί μία από τις απλούστερες τεχνικές απόλυτης ατμοσφαιρικής διόρθωσης. Έπειτα, οι εικόνες διορθώθηκαν γεωμετρικά εφαρμόζοντας bilinear interpolation, χρησιμοποιώντας ως εικόνα αναφοράς μία ορθοδιορθωμένη εικόνα Landsat παλαιότερης λήψης. Το μέσο τετραγωνικό σφάλμα (Root Mean Square Error), που σχετίζεται με τα εδαφικά σημεία ελέγχου (ground control points-gcps) που επιλέχθηκαν για τη διόρθωση, δεν υπερέβη τα 0,5 pixels για κάθε εικόνα. Μετά τις συγκεκριμένες διαδικασίες οι εικόνες Landsat εισήχθησαν σε μορφή GeoTiff στο περιβάλλον της R, όπου ενοποιήθηκαν οι δίαυλοι στο υπέρυθρο (NIR) και κοντινό υπέρυθρο (SWIR2) φάσμα σε ξεχωριστά raster stacks για τον υπολογισμό των δεικτών NBR και dnbr, σύμφωνα με τις σχέσεις: NBR NIR SWIR NIR SWIR (1) dnbr NBR pre NBR post (2) Η πληροφορία στο υπέρυθρο (NIR) αντιστοιχεί στον δίαυλο Β4 (εκτός του OLI που είναι ο B5) και στο κοντινό υπέρυθρο (SWIR2) αντιστοιχεί στον δίαυλο Β7 για τους Landsat 107

124 Παρακολούθηση καμένων εκτάσεων αισθητήρες. Ο δείκτης dnbr αποτελεί πλέον ένα καθιερωμένο και αξιόπιστο εργαλείο για τον ευκολότερο διαχωρισμό μεταξύ της καμένης και μη βλάστησης και για την εκτίμηση της σφοδρότητας καύσης (Key and Benson 2006; Veraverbeke et al. 2010) και υπολογίζεται με την αφαίρεση της εικόνας μετά την πυρκαγιά (post-fire 2007) από την εικόνα πριν (prefire 2006). Το μέγεθος των εικονοστοιχείων υποβαθμίστηκε χωρικά στα 250 μ. για να ταιριάζει με την ευκρίνεια των MODIS δεδομένων. Τέλος, από το υψομετρικό μοντέλο DEM εξάχθηκαν οι τοπογραφικές παράμετροι της έκθεσης (Aspect), της κλίσης (Slope), και του υψομέτρου (Elevation). Από τις τρεις παραμέτρους η έκθεση και η κλίση υπολογίστηκαν σε ακτίνια (radians) ενώ το υψόμετρο σε μέτρα. Πρέπει να σημειωθεί, ότι για να διευκολυνθούν οι αναλύσεις μεταξύ των δορυφορικών και βοηθητικών δεδομένων, όλα τα δεδομένα «συγχρονίστηκαν» χωρικά με βάση τις ακριβείς διαστάσεις των τελικών raster επεξεργασίας των MODIS εικόνων. Έτσι, τα συγχρονισμένα δεδομένα είχαν μέγεθος εικονοστοιχείου 250 μ., κοινό προβολικό σύστημα (WGS84) και κοινές διαστάσεις (αριθμός σειρών και στηλών καννάβου) Εκτίμηση του μεγέθους των αλλαγών O αλγόριθμος BFAST (Breaks for Additive Seasonal and Trend) (Verbesselt et al. 2010) μπορεί να εφαρμοστεί σε χρονοσειρές φασματικών δεικτών ανεξάρτητα από τον τύπο κάλυψης γης ή συγκεκριμένων trajectories αλλαγών. Η εφαρμογή του συνδυάζει την ανάλυση ή αποσύνθεση των χρονοσειρών στις συνιστώσες τάσης, εποχικότητας και θορύβου με μεθόδους ανίχνευσης σταδιακών και απότομων δομικών αλλαγών που συντελούνται εντός των συνιστωσών τάσης και εποχικότητας. Αποτελεί ένα προσθετικό μοντέλο ανάλυσης, το οποίο προσαρμόζει επαναληπτικά ένα τμηματικό γραμμικό μοντέλο τάσης και περιοδικότητας, σύμφωνα με τη γενική συνάρτηση: Yt = Tt + St + et, t=1,,n (3) όπου Yt είναι η τιμή της μεταβλητής τη χρονική στιγμή t, Tt η συνιστώσα τάσης, St η συνιστώσα εποχικότητας και et η συνιστώσα θορύβου για τη χρονοσειρά 1, n. Από την προσαρμογή του μοντέλου τάσης υπολογίζεται η διαφορά ύψους (intercept) και η κλίση της ευθείας (slope), που αντιστοιχούν στο μέγεθος (magnitude) και την κατεύθυνσή της παρατηρούμενης αλλαγής. Η εφαρμογή στις χρονοσειρές NDVI και EVI είχε ως αποτέλεσμα τον εντοπισμό της θέσης των σημείων διάσπασης (break points) στη συνιστώσα τάσης. Περισσότερα σχετικά 108

125 ΚΕΦΑΛΑΙΟ 6 με τη λειτουργία και τις παραμετροποιήσεις του αλγόριθμου αναφέρονται εκτενέστερα στα Κεφάλαια 2 και 5. Στην παρούσα εργασία ακολουθήθηκε παρόμοια διαδικασία με έμφαση να δίνεται στην ποσοτικοποίηση του εύρους των εντοπιζόμενων αλλαγών εξαιτίας των πυρκαγιών. Επίσης, εφαρμόστηκε στατιστικό μοντέλο απλής γραμμικής παλινδρόμησης (linear regression) για την εύρεση της σχέσης μεταξύ του μεγέθους αλλαγής που εκτιμήθηκε στατιστικά και της σφοδρότητας καύσης dnbr Υποθέτουμε ότι σε περιοχές που παρουσιάζουν υψηλή σφοδρότητα η διαφορά ύψους (intercept) στη συνιστώσα τάσης θα είναι ανάλογη. Η γραμμική παλινδρόμηση εφαρμόστηκε σε αριθμό εικονοστοιχείων που επιλέχτηκε μετά από τυχαία δειγματοληψία Εκτίμηση της δυναμικής της βλάστησης μετά την πυρκαγιά Για τη διερεύνηση της υπόθεσης ότι ο ρυθμός ανάκαμψης της βλάστησης μετά τις πυρκαγιές σχετίζεται με θετικές τιμές τάσης των χρονοσειρών NDVI/EVI, υπολογίστηκαν οι αντίστοιχες τάσεις των χρονοσειρών εντός των καμένων περιοχών. Ο δείκτης NDVI αποτελεί έναν από τους πλέον χρησιμοποιούμενους δείκτες στην παρακολούθηση της δυναμικής της βλάστησης, καθώς σχετίζεται στενά με τη φαινολογία και διάφορες βιοφυσικές παράμετρους, όπως η βιομάζα, το ποσοστό φυτοκάλυψης και ο δείκτης φυλλικής επιφάνειας (LAI) (Tucker 1979; Carlson and Ripley 1997). Μέχρι και σήμερα παραμένει ένας εξαιρετικά αξιόπιστος δείκτης για την εκτίμηση τόσο των άμεσων όσο και μακροπρόθεσμων επιπτώσεων των πυρκαγιών σε ένα ευρύ φάσμα οικοσυστημάτων (Abdel Malak and Pausas 2006; Veraverbeke et al. 2012; Storey et al. 2016). O δείκτης EVI (Enhanced Vegetation Index) έχει χρησιμοποιηθεί για την εκτίμηση της δυναμικής της βλάστησης τόσο σε ημίξηρα οικοσυστήματα (Watts and Laffan 2014), όσο και σε περιοχές μετά από πυρκαγιά (Casady et al. 2010). Οι συγκεκριμένοι δείκτες βλάστησης υπολογίζονται ως εξής: NDVI = (ρnir - ρred) / (ρnir + ρred) (4) EVI = G ρ NIR ρ RED ρ NIR +C 1 ρ RED C 2 ρ BLUE +L (5) όπου G=2.5, C1=6, C2=7.5, L=1, ρnip, ρred, ρblue οι τιμές ανάκλασης στον υπέρυθρο, ερυθρό και μπλε δίαυλο, αντίστοιχα, L o συντελεστής προσαρμογής για το έδαφος, C1 και C2 οι συντελεστές που διορθώνουν τις ατμοσφαιρικές επιδράσεις. 109

126 Παρακολούθηση καμένων εκτάσεων Ο χαρακτηρισμός της μεταπυρικής δυναμικής της βλάστησης βασίστηκε στον υπολογισμό της γραμμικής τάσης των δεικτών βλάστησης ανά εικονοστοιχείο με την χρήση ενός μοντέλου απλής γραμμικής παλινδρόμησης: VItime = α + β* time (6) όπου VI αντιστοιχεί στην τιμή του δείκτη βλάστησης κατά τη χρονική στιγμή time, η οποία εκφράζει το χρονικό βήμα των 16 ημερών. Η παράμετρος β αποτελεί την κλίση (slope) της ευθείας της τάσης και εκφράζει το (θετικό) ρυθμό ανάκαμψης της βλάστησης (ΡΑβ) στο χρόνο, ενώ η παράμετρος α (intercept) σχετίζεται με το ποσοστό βλάστησης κατά την έναρξης της χρονικής περιόδου που αναλύεται (Εικόνα 6.2). Για τις παραμέτρους α, β υπολογίστηκαν και οι τιμές p-values για επίπεδα α=0.05, έτσι ώστε να εξεταστεί η στατιστική σημαντικότητά τους. Η μέθοδος της γραμμικής παλινδρόμησης με την οποία εκτιμάται η μεταπυρική δυναμική της βλάστησης ως συνάρτηση του χρόνου έχει εφαρμοστεί σε παρόμοιες μελέτες (van Leeuwen 2008; Gouveia et al. 2010). Εικόνα 6.2. Γραφική απεικόνιση χρονοσειρών εικονοστοιχείων MODIS NDVI ( ). Ο ρυθμός ανάκαμψης της βλάστησης υπολογίζεται από την κλίση της ευθείας τάσης (trendline) β (συμπαγής γραμμή) για το διάστημα 09/2007 (86) 12/2015 (276). Με διακεκομμένες γραμμές η χρονοσειρά και η αντίστοιχη ευθεία τάσης μη καμένου γειτονικού εικονοστοιχείου με παρόμοια χαρακτηριστικά (είδος βλάστησης, υψόμετρο, κλπ.). Ένα πρόσθετο μέτρο εκτίμησης της μεταπυρικής συμπεριφοράς της βλάστησης αποτελεί ο βαθμός ετερογένειας του τοπίου. Το μεταπυρικό τοπίο χαρακτηρίζεται συνήθως από αυξημένη ετερογένεια στα αρχικά στάδια ανάκαμψης της βλάστησης, εξαιτίας των διακυμάνσεων της σφοδρότητας του φαινομένου αλλά και τοπικών συνθηκών. Ο 110

127 ΚΕΦΑΛΑΙΟ 6 συντελεστής διακύμανσης (Coefficient of Variance COV) αποτελεί ένα στατιστικό μέτρο που χρησιμοποιείται για το χαρακτηρισμό της χωρικής ετερογένειας και έχει εφαρμοστεί σε δορυφορικές χρονοσειρές NDVI για την εκτίμηση διαχρονικών αλλαγών της χωρικής ετερογένειας (Barbosa et al. 2006; Goetz et al. 2006). Ο COV υπολογίστηκε ανά κατηγορία κάλυψης γης και έτος, από το 2005 έως το 2015, ως το κλάσμα της τυπικής απόκλισης προς τη μέση τιμή (Stdev/Mean) των τιμών NDVI και EVI κάθε εικονοστοιχείου μέσα στο έτος Μοντελοποίηση της μεταπυρικής δυναμικής της βλάστησης Η αποτίμηση των παραγόντων και του βαθμού που αυτοί επηρεάζουν το ρυθμό ανάκαμψης της βλάστησης, τόσο βραχυπρόθεσμα όσο και μακροπρόθεσμα, κρίνεται ως αναγκαία προϋπόθεση για την κατάρτιση επαρκών μεταπυρικών σχεδίων αποκατάστασης και γενικότερα για την επιτυχέστερη διαχείριση των πυρόπληκτων περιοχών. Στην παρούσα εργασία χρησιμοποιήθηκαν συγκεκριμένοι τοπογραφικοί παράγοντες καθώς και μετρήσεις που σχετίζονται με την κατάσταση της βλάστησης πριν και μετά την πυρκαγιά με σκοπό να διερευνηθεί η πιθανή τους επίδραση στη χωρική διακύμανση του ρυθμού ανάκαμψης της βλάστησης. Οι τοπογραφικοί παράγοντες που χρησιμοποιήθηκαν είναι το υψόμετρο, η κλίση και η έκθεση. Το υψόμετρο και η τοπογραφία μίας περιοχής θεωρούμε ότι συνιστούν δείκτες των τοπικών κλιματικών συνθηκών στην περιοχή μελέτης και επιπλέον σχετίζονται με τη διαθεσιμότητα του νερού, την διάβρωση του εδάφους και την έκθεση στον άνεμο (Flores et al. 2009). Για παράδειγμα, σε μεγάλα υψόμετρα είναι γενικά αποδεκτό πως μειώνεται η θερμοκρασία και αυξάνει το ύψος βροχόπτωσης. Η κλίση και η έκθεση επηρεάζουν επίσης το ύψος βροχόπτωσης και το ποσοστό έκθεσης στην ηλιακή ακτινοβολία (Raupach and Finnigan 1997). Ως ένδειξη του βαθμού απώλειας της βλάστησης μετά την πυρκαγιά χρησιμοποιήθηκε ο δείκτης Landsat dnbr. Ωστόσο, σε ορισμένες περιπτώσεις ο dnbr μπορεί να παρερμηνευτεί καθώς ενδέχεται περιοχές που εμφανίζουν υψηλό ποσοστό κάλυψης βλάστησης να παρουσιάζουν υψηλότερο δείκτη dnbr, για παρόμοια επίπεδα σφοδρότητας καύσης (Casady et al. 2010). Γι αυτό το λόγο, χρησιμοποιήθηκε και ο NBR για το 2006 ως δείκτης της κατάστασης της βλάστησης πριν την πυρκαγιά, καθώς οι συνθήκες βλάστησης πριν την πυρκαγιά θεωρείται πως σχετίζονται με τη μεταπυρική δυναμική της βλάστησης (Leon et al. 2012). Οι παράγοντες που αναφέρθηκαν πιο πάνω αποτέλεσαν τις ανεξάρτητες (επεξηγηματικές) μεταβλητές στην εφαρμογή ενός στατιστικού μοντέλου πολλαπλής 111

128 Παρακολούθηση καμένων εκτάσεων γραμμικής παλινδρόμησης με εξαρτημένη μεταβλητή (μεταβλητή απόκρισης) το ρυθμό ανάκαμψης της βλάστησης (ΡΑβ). Συγκεκριμένα, εφαρμόστηκε η στατιστική τεχνική της βηματικής πολλαπλής γραμμικής παλινδρόμησης (Stepwise Multiple Linear Regression SMLR) για την εύρεση της πιθανής στατιστικά σημαντικής γραμμικής συσχέτισης μεταξύ ανεξάρτητων και εξαρτημένης μεταβλητής. Το μοντέλο εφαρμόστηκε για το ρυθμό ανάκαμψης με βάση τις NDVI και EVI χρονοσειρές και υπολογίστηκαν ο συντελεστής προσδιορισμού (regression coefficient) R 2, η στατιστική σημαντικότητα και το μέσο τετραγωνικό σφάλμα (Root Mean Square Error RMSE). Οι τιμές των τοπογραφικών παραμέτρων κανονικοποιήθηκαν στην κλίμακα [0,1], ενώ προηγουμένως οι τιμές της μεταβλητής της έκθεσης μετατράπηκαν σε τιμές συνημιτόνου (cosine) (-1 οι νότιες πλαγιές έως 1 οι βόρειες). Σε μεσογειακά οικοσυστήματα έχει διαπιστωθεί σε συγκεκριμένες εργασίες ότι η ανάκαμψη της βλάστησης παρουσιάζει διαφοροποιήσεις μεταξύ νότιων και βόρειων πλαγιών (Fox et al. 2008; Petropoulos et al. 2014) Εκτίμηση της αξιοπιστίας των μετρήσεων του ρυθμού ανάκαμψης της βλάστησης Ένα από τα βασικότερα προβλήματα στη χρήση μεγάλων χρονοσειρών δορυφορικών δεδομένων είναι η ύπαρξη επαρκών δεδομένων αναφοράς για την πραγματοποίηση συγκρίσεων και εκτιμήσεων ακρίβειας των παραγόμενων προϊόντων ανάλυσης. Το πρόβλημα γίνεται πιο έντονο ειδικά όταν η έρευνα αφορά παλαιότερα χρόνια χωρίς να έχει προβλεφθεί εκ των προτέρων η συλλογή δεδομένων πεδίου, για παράδειγμα. Όταν μάλιστα χρησιμοποιούνται δεδομένα χαμηλής χωρικής ανάλυσης η εύρεση αξιόπιστων δεδομένων αναφοράς καθίσταται ακόμα πιο δύσκολη. Σε άλλη περίπτωση, μπορεί να υπάρχουν δεδομένα για συγκεκριμένο χρονικό βήμα, αλλά να μην επαρκούν αναφορικά με το σκοπό της έρευνας ή να απαιτούνται εργασίες πεδίου χωρίς όμως να υπάρχει η δυνατότητα οικονομικής υποστήριξης αυτών. Στη συγκεκριμένη εργασία έγινε προσπάθεια εκτίμησης της ακρίβειας των μετρήσεων του ρυθμού ανάκαμψης της βλάστησης με τη συνδυαστική χρήση δεδομένων πεδίου, αλλά και των υψηλής ευκρίνειας εικόνων Landsat. Τα δεδομένα πεδίου ήταν μετρήσεις του κλάσματος κάλυψης βλάστησης (fraction of vegetation cover) και συλλέχθηκαν το Σεπτέμβριο του 2010 από δειγματοληπτικές επιφάνειες κάθετων διατομών των 60μ. σε θαμνώδεις και μικτές δασικές εκτάσεις της Αρκαδίας και Ηλείας που κάηκαν το

129 ΚΕΦΑΛΑΙΟ 6 (Εικόνα 6.1). Περισσότερες πληροφορίες μπορούν να αναζητηθούν στην εργασία των Veraverbeke et al. (2012). Στο πρώτο στάδιο της εκτίμησης της αξιοπιστίας, ο ΡΑβ υπολογίστηκε για τις χρονοσειρές NDVI και EVI για το διάστημα αμέσως μετά τις πυρκαγιές έως και το Σεπτέμβριο του Έπειτα, διερευνήθηκε η συσχέτιση μεταξύ των τιμών του ρυθμού ανάκαμψης ως το 2010 και του ποσοστού του κλάσματος κάλυψης βλάστησης με την εφαρμογή μοντέλου πολυωνυμικής παλινδρόμησης. Το δεύτερο στάδιο περιλάμβανε τη σύγκριση των δεικτών βλάστησης MODIS με τα δεδομένα dnbr των Landsat εικόνων. Αρχικά υπολογίστηκαν νέοι χάρτες dnbr αφαιρώντας από την εικόνα NBR μετά την πυρκαγιά τις επόμενες χρονολογικά εικόνες: NBRt-NBRk = dnbrt-k, όπου t=2007 και k=2008,,2015. Οι χάρτες αυτοί αποτελούν ένα αποδεκτό μέτρο της μεταπυρικής δυναμικής της βλάστησης χωρικά και χρονικά καθώς οι αρνητικές τιμές (< -0.10) υποδεικνύουν ανάκαμψη της βλάστησης (Key and Benson 2006). Η τελική εκτίμηση πραγματοποιήθηκε με την εφαρμογή παλινδρόμησης ανά εικονοστοιχείο (pixel-wise regression) της dnbr χρονοσειράς με τις αντίστοιχες χρονοσειρές εικόνων NDVI και EVI για τις ίδιες ημερομηνίες. 6.4 ΑΠΟΤΕΛΕΣΜΑΤΑ ΚΑΙ ΣΥΖΗΤΗΣΗ Στην ενότητα αυτή παρουσιάζονται τα αποτελέσματα των προτεινόμενων μεθοδολογικών βημάτων και αναλύονται ως συνάρτηση των επιμέρους στόχων που τέθηκαν. Αρχικά παρουσιάζονται οι χάρτες του μεγέθους των αλλαγών που συντελέστηκαν εξαιτίας των πυρκαγιών, ως το αποτέλεσμα της ανάλυσης ολόκληρου τους εύρους των χρονοσειρών. Παρουσιάζεται επίσης το αποτέλεσμα της στατιστική σύγκρισης μεταξύ του μεγέθους της αλλαγής και της σφοδρότητας της καύσης, η οποία εκτιμήθηκε από δεδομένα Landsat dnbr. Στη συνέχεια, από την εφαρμογή των γραμμικών μοντέλων παλινδρόμησης προέκυψε ο ρυθμός ανάκαμψης της βλάστησης για τις δύο χρονοσειρές καθώς και η σχέση μεταξύ του ρυθμού ανάκαμψης και των επιλεγμένων μεταβλητών (μοντελοποίηση της μεταπυρικής δυναμικής της βλάστησης). Επιπλέον, εκτιμήθηκε η μεταπυρική χωρική ετερογένεια ανά κατηγορία κάλυψης γης και έτος. Τέλος, παρουσιάζεται το αποτέλεσμα της σύγκρισης του εκτιμώμενου από τις MODIS χρονοσειρές ρυθμού ανάκαμψης της βλάστησης με τα δεδομένα πεδίου και τα δεδομένα Landsat. 113

130 Παρακολούθηση καμένων εκτάσεων Χαρτογράφηση του μεγέθους των αλλαγών Η εφαρμογή του αλγόριθμου BFAST στις NDVI και EVI χρονοσειρές MODIS είχε ως αποτέλεσμα την εύρεση του χρόνου και της «κατεύθυνσης» των αλλαγών στην περιοχή μελέτης. Οι πυρκαγιές προκάλεσαν απότομη μείωση στις τιμές των δεικτών βλάστησης κατά την περίοδο του καλοκαιριού του 2007, ως εκ τούτου τα σημεία διάσπασης (break points) που εντοπίστηκαν στη συνιστώσα τάσης αντιπροσωπεύουν τη χρονική στιγμή, αλλά και το μέγεθος της αλλαγής. Καθώς η ανάλυση για το συγκεκριμένο στόχο επικεντρώθηκε στην εξέταση του μεγέθους των αλλαγών, με τη χρήση της περιμέτρου αναφοράς της DMC εικόνας η εφαρμογή του αλγόριθμου περιορίστηκε εντός των ορίων των πυρκαγιών. Η ανίχνευση των αλλαγών με τη χρήση του NDVI είχε παρόμοια ακρίβεια με την αντίστοιχη εφαρμογή του BFAST στα οκταήμερα προϊόντα, όπως παρουσιάστηκε στο Κεφάλαιο 5. Αντίθετα, η εφαρμογή στην EVI χρονοσειρά παρουσίασε υψηλά ποσοστά σφαλμάτων παράλειψης, ιδιαίτερα σε αγροτικές και χαμηλής βλάστησης εκτάσεις. Συνεπώς, για να υπάρχει κοινή περιοχή αναφοράς στην εφαρμογή των επόμενων μεθοδολογικών βημάτων και να είναι συγκρίσιμα τα στατιστικά αποτελέσματα, δημιουργήθηκε μία χωρική μάσκα με βάση τα εικονοστοιχεία που ταξινομήθηκαν ως καμένα και από τους δύο δείκτες βλάστησης. Τα εικονοστοιχεία που δε συμπίπτουν με τη μάσκα αφαιρέθηκαν και δε συμπεριλαμβάνονται στις περαιτέρω αναλύσεις. Το σύνολο των εικονοστοιχείων για όλες τις κατηγορίες κάλυψης γης, μετά την εφαρμογή της μάσκας, ισούται με 21,532 και αντιστοιχεί σε έκταση 116,000 εκταρίων (ha) περίπου. Η ποσοτικοποίηση του εύρους της αλλαγής (magnitude) ανά εικονοστοιχείο παρουσιάζεται χωρικά στην Εικόνα 6.3. Η αρνητική τιμή φανερώνει την κατεύθυνση της αλλαγής, ενώ τo εύρος των τιμών μεταξύ των δεικτών διαφέρει όπως είναι φυσικό. Ωστόσο, αν επιχειρήσουμε μία ποιοτική αξιολόγηση των αποτελεσμάτων, το γενικότερο πρότυπο (pattern) της χωρικής διακύμανσης του μεγέθους των αλλαγών παρουσιάζει αρκετές ομοιότητες μεταξύ των δύο χαρτογραφήσεων σε μεγάλο μέρος της περιοχής μελέτης. Η μέση τιμή του εύρους της αλλαγής ανά κατηγορία κάλυψης γης παρουσιάζεται στην Εικόνα 6.4. Χαμηλές τιμές παρουσιάζονται για τις αγροτικές και χορτολιβαδικές εκτάσεις και υψηλές για τις δασικές. Στα δάση πλατύφυλλων παρουσιάζονται οι μεγαλύτερες αλλαγές και για τις δύο χρονοσειρές, ενώ με βάση τις εκτιμήσεις του δείκτη NDVI αμελητέες διαφορές υπάρχουν μεταξύ κωνοφόρων, σκληρόφυλλων και θαμνότοπων. 114

131 Magnitude ΚΕΦΑΛΑΙΟ 6 Εικόνα 6.3. Χωρική απεικόνιση του μεγέθους των αλλαγών εξαιτίας των πυρκαγιών, όπως χαρτογραφήθηκε από την εφαρμογή του BFAST αλγόριθμου στη χρονοσειρά MODIS EVI για ολόκληρη την περιοχή μελέτης (αριστερά). Δεξιά παρουσιάζεται σε μεγαλύτερη κλίμακα η περιοχή του Ν. Ηλείας με το μέγεθος αλλαγής κατά NDVI NDVI EVI Αγροτικά Πλατύφυλλα Κωνοφόρα Σκληρόφυλλα Θαμνώνες Χορτολίβαδα Εικόνα 6.4. Η μέση τιμή και τυπική απόκλιση του μεγέθους (Magnitude) αλλαγής ανά κατηγορία κάλυψης γης. 115

132 Παρακολούθηση καμένων εκτάσεων Εικόνα 6.5. Τα διαγράμματα διασποράς και η γραμμική σχέση μεταξύ του μεγέθους αλλαγής από τους δείκτες NDVI (α) και EVI (β) και του δείκτη dnbr Προκειμένου να διεξαχθεί και μία ποσοτική αξιολόγηση, διερευνήθηκε η σχέση μεταξύ της στατιστικά εκτιμώμενης επίπτωσης της πυρκαγιάς και της σφοδρότητας καύσης, όπως υπολογίστηκε από τον δείκτη dnbr για τις ημερομηνίες πριν και μετά την πυρκαγιά. Θεωρώντας το μέγεθος αλλαγής (magnitude) ως εξαρτημένη μεταβλητή και τον δείκτη dnbr ως την ανεξάρτητη μεταβλητή, εφαρμόστηκε ένα απλό μοντέλο γραμμικής παλινδρόμησης. Το στατιστικό δείγμα επιλέχτηκε με τυχαία δειγματοληψία χιλίων εικονοστοιχείων από ολόκληρη την περιοχή μελέτης. Τα αποτελέσματα της παλινδρόμησης παρουσιάζονται στα διαγράμματα της Εικόνας 6.5, όπου το μέγεθος αλλαγής παρουσιάζεται με απόλυτες τιμές. Και στις δύο περιπτώσεις παρουσιάζεται σχετικά υψηλή θετική συσχέτιση μεταξύ των δύο μεταβλητών, με τη συσχέτιση στην περίπτωση της ανάλυσης των NDVI δεδομένων να είναι ελάχιστα μεγαλύτερη (R 2 =0.62) από την αντίστοιχη των EVI δεδομένων (R 2 =0.60). Τα αποτελέσματα υποδεικνύουν ότι η διακύμανση της σφοδρότητας της πυρκαγιάς, όπως καταγράφεται από δορυφορικά 116

133 ΚΕΦΑΛΑΙΟ 6 δεδομένα υψηλής ευκρίνειας Landsat, μπορεί να αποτυπωθεί ως ένα βαθμό και από ανάλογα δεδομένα και προϊόντα χαμηλής ευκρίνειας μέσω της στατιστικής ανάλυσης τάσης χρονοσειρών Μεταπυρική δυναμική της βλάστησης Η εφαρμογή του μοντέλου της απλής γραμμικής παλινδρόμησης στις χρονοσειρές NDVI και ΕVI για την περίοδο Σεπτέμβριος 2007 Σεπτέμβριος 2015 είχε ως αποτέλεσμα τον υπολογισμό του ρυθμού ανάκαμψης (ΡΑβ) της βλάστησης. Η παλινδρόμηση πραγματοποιήθηκε ανα εικονοστοιχείο για το χρονικό διάστημα οκτώ χρόνων (186 χρονικά βήματα συνολικά) και υπολογίστηκε η κλίση (slope) της ευθείας τάσης κάθε χρονοσειράς, η απόσταση της ευθείας (intercept) και οι τιμές p-values για επίπεδα σημαντικότητας α=0.05. Η παρουσίαση και ανάλυση του εκτιμώμενου ΡΑβ πραγματοποιείται εφεξής για όλες τις κατηγορίες βλάστησης εκτός από τις αγροτικές περιοχές. Η χωρική απεικόνιση των αποτελεσμάτων (Εικόνα 6.6) φανερώνει τη συνολικά θετική τάση στη μεταπυρική συμπεριφορά της βλάστησης. Ένας ελάχιστος αριθμός εικονοστοιχείων (<50) είχε αρνητική τιμή και αποκλείστηκε από την περαιτέρω μοντελοποίηση της δυναμικής της βλάστησης. Επίσης, οι τιμές p-values που υπολογίστηκαν υποδεικνύουν ότι οι τιμές του ΡΑβ είναι στατιστικά σημαντικές στη συντριπτική πλειοψηφία των εικονοστοιχείων της περιοχής μελέτης, καθώς το ποσοστό των εικονοστοιχείων με p-values μεγαλύτερες του επιπέδου σημαντικότητας 0.05 βρέθηκε ίσο με 0.8% για την NDVI χρονοσειρά και 0.4% για την EVI χρονοσειρά. Αν οι τιμές του ΡΑβ πολλαπλασιαστούν επί 23 θα προκύψει η μεταπυρική ετήσια αλλαγή των τιμών NDVI και EVI. Στον Πίνακα 6.2 παρουσιάζονται περιγραφικά στατιστικά του ΡΑβ ανά κατηγορία κάλυψης γης, όπως υπολογίστηκαν για το σύνολο των εικονοστοιχείων που περιλαμβάνονται σε κάθε κατηγορία. Παρατηρούμε αρχικά ότι υπάρχουν ομοιότητες στο ΡΑβ ανεξάρτητα από το είδος βλάστησης. Αυτό οφείλεται συνήθως στα πρώτα στάδια της διαδοχής, όπου επικρατούν θάμνοι και χαμηλή βλάστηση πριν αντικατασταθούν από τα δενδρώδη είδη. Από την εξέταση των μέσων τιμών και του συντελεστή προσδιορισμού R 2 προκύπτει πως στις δασικές εκτάσεις ο ΡΑβ είναι υψηλός και για τους δύο δείκτες, ενώ υψηλός είναι και ο μέσος ρυθμός των θαμνώνων αείφυλλων-πλατύφυλλων και θαμνότοπων σύμφωνα με τις εκτιμήσεις του NDVI. Οι τιμές του EVI αντίθετα, παρουσιάζουν πιο διακριτά αποτελέσματα μεταξύ των κατηγοριών σε σχέση με τον NDVI, όπου οι μέσες 117

134 Παρακολούθηση καμένων εκτάσεων τιμές των πλατύφυλλων και κωνοφόρων (0.068, 0.063) ήταν μεγαλύτερες των σκληρόφυλλων ειδών και θαμνότοπων (0.056, 0.057). Όσον αφορά στις χορτολιβαδικές εκτάσεις, αυτές παρουσιάζουν το χαμηλότερο ρυθμό ανάκαμψης και στους δύο δείκτες. Αυτή η δυνατότητα μεγαλύτερης διάκρισης του ΡΑβ από τον EVI θα μπορούσε να αποδοθεί στην ικανότητα του δείκτη να ελαχιστοποιεί ατμοσφαιρικές επιδράσεις, καθώς και στη μεγαλύτερη ευαισθησία που παρουσιάζει στις εποχικές διαφοροποιήσεις της βλάστησης, και ειδικά σε περιοχές με αραιή κάλυψη (Wittenberg et al. 2007). Εικόνα 6.6. Χάρτες του ρυθμού ανάκαμψης (ΡΑ β) της βλάστησης οκτώ χρόνια μετά τις πυρκαγιές για τις περιοχές της Αρκαδίας, Μεσσηνίας (αριστερά) και Ηλείας (δεξιά). Οι τιμές έχουν πολλαπλασιαστεί επί 100. Ωστόσο, τα αποτελέσματα δείχνουν καθαρά ότι οκτώ χρόνια μετά τις πυρκαγιές η γενικότερη ανάκαμψη της βλάστησης, ανεξάρτητα από είδος αυτής, αποτελεί μία αργή διαδικασία που μπορεί να διαρκέσει θεωρητικά αρκετά χρόνια (Chen et al. 2011; Petropoulos et al. 2014). Αν αναλογιστούμε την κλίση της ευθείας τάσης της βλάστησης με βάση τις τιμές του R 2, η προσέγγιση αυτής κοντά στην αναλογία 1:1 ως συνάρτηση του χρόνου φαίνεται να διεξάγεται με αργό ρυθμό. Βέβαια, ο ρυθμός ανάκαμψης τα δύο με τρία 118

135 ΚΕΦΑΛΑΙΟ 6 πρώτα χρόνια μετά την πυρκαγιά συνήθως είναι πιο έντονος και στη συνέχεια ελαττώνεται με την πάροδο των χρόνων, ενώ ανεξάρτητα με το ρυθμό έχει παρατηρηθεί πως μέσα σε περίοδο πέντε χρόνων οι τιμές του NDVI έχουν ανακάμψει σχεδόν στις τιμές πριν την πυρκαγιά (Wittenberg et al. 2007). Εντούτοις, οι εκτιμήσεις σχετικά με τη χωρική διακύμανση της συμπεριφοράς της βλάστησης δεν μπορούν να μας οδηγήσουν σε συμπεράσματα για την πορεία της αναγέννησης των δασικών ειδών κυρίως, ακόμα και για την περίοδο των οκτώ χρόνων που λαμβάνεται υπόψη. Από την εργασία των Polychronaki et al. (2014) βρέθηκε ότι ακόμα και είκοσι χρόνια μετά την πυρκαγιά ο φυσικός ρυθμός αναγέννησης των πευκοδασών σε Μεσογειακό οικοσύστημα της Θάσου ήταν αργός και κυρίαρχο είδος βλάστησης ήταν οι θαμνότοποι. Πίνακας 6.2. Περιγραφικά στατιστικά του ΡΑ β για την περίοδο Σεπ Σεπ στις καμένες περιοχές ανά κατηγορία κάλυψης γης. Οι τιμές έχουν πολλαπλασιαστεί επί 100. Κατηγορία κάλυψης/χρήσης γης Min Max Mean Median Stdev R 2 NDVI Δάση πλατύφυλλων Δάση κωνοφόρων Θαμνώνες αείφυλλων Θαμνότοποι Χορτολίβαδα EVI Δάση πλατύφυλλων Δάση κωνοφόρων Θαμνώνες αείφυλλων Θαμνότοποι Χορτολίβαδα Η χωρική ετερογένεια των καμένων εκτάσεων παρουσιάζεται από τον συντελεστή διακύμανσης COV, ο οποίος υπολογίστηκε σε ετήσια βάση και λαμβάνοντας υπόψη τον αριθμητικό μέσο (median) του συντελεστή ανά κατηγορία κάλυψης γης (Εικόνα 6.7). Ο συντελεστής αγγίζει τη μέγιστη τιμή του κατά τη διάρκεια του 2007, όταν συνέβησαν οι πυρκαγιές, και ελαττώνεται στα επόμενα χρόνια, φανερώνοντας έτσι τις διαχρονικές αλλαγές της ετερογένειας του τοπίου. Από την εξέταση των σχετικών διαγραμμάτων μπορούμε όμως να κάνουμε και κάποιες ειδικότερες παρατηρήσεις: 119

136 COV EVI COV NDVI Παρακολούθηση καμένων εκτάσεων Το εύρος των τιμών του EVI COV είναι μεγαλύτερο από το αντίστοιχο του NDVI. Οι τιμές του EVI COV παρουσιάζουν μεγαλύτερη διακύμανση μεταξύ των ετών. O NDVI COV προσεγγίζει τις προγενέστερες τιμές του για τα περισσότερα είδη βλάστησης 7 και 8 χρόνια μετά τις πυρκαγιές, με εξαίρεση τα κωνοφόρα όπου προσεγγίζει τις αντίστοιχες τιμές από το 2011 και μετά. Ο EVI COV προσεγγίζει τις προγενέστερες τιμές του από το 2012 και μετά, εκτός από τα δάση πλατύφυλλων (2010) και τις χορτολιβαδικές εκτάσεις (2015) Πλατύφυλλα Κωνοφόρα Σκληρόφυλλα Θαμνώνες Χορτολίβαδα Εικόνα 6.7. Οι ετήσιες τιμές του αριθμητικού μέσου του συντελεστή διακύμανσης (median COV) ανά κατηγορία κάλυψης γης από το 2005 έως το Οι μέγιστες τιμές παρουσιάζονται κατά τη διάρκεια των πυρκαγιών (2007). Η ερμηνεία των παραπάνω αποτελεσμάτων απαιτεί ιδιαίτερη προσοχή και θα πρέπει να συνδυαστεί με επιπλέον πληροφορίες σχετικές με το ρυθμό ανάκαμψης της βλάστησης. Μία πιο ξεκάθαρη ερμηνεία της διακύμανσης του COV θα μπορούσε να δοθεί σε επίπεδο τοπίου με γνώση των κυρίαρχων ειδών αλλά και των τοπικών κλιματικών παραμέτρων, 120

137 ΚΕΦΑΛΑΙΟ 6 όπως η βροχόπτωση και η θερμοκρασία, οι οποίες είναι πολύ πιθανό να επηρεάζουν τη συμπεριφορά των διαφορετικών ειδών βλάστησης ακόμα και πολλά χρόνια μετά την πυρκαγιά (Goetz et al. 2006) Επίδραση παραγόντων στο ρυθμό ανάκαμψης της βλάστησης Η εκτίμηση του βαθμού επίδρασης των επιλεγμένων παραγόντων στη μεταπυρική συμπεριφορά της βλάστησης (ΡΑβ) πραγματοποιήθηκε με την εφαρμογή μοντέλου βηματικής πολλαπλής γραμμικής παλινδρόμησης (Stepwise Multiple Linear Regression SMLR). Καθώς η έρευνα της συμπεριφοράς της βλάστησης μετά την πυρκαγιά αποτελεί μία ιδιαίτερα πολύπλοκη διαδικασία και εξαρτάται σε μεγάλο βαθμό από τις τοπικές συνθήκες (τοπογραφία, μικροκλίμα, κλπ.), το μοντέλο εφαρμόστηκε σε διαφορετικές περιπτώσεις ώστε να διερευνηθούν αποτελεσματικότερα οι επιδράσεις στη χωρική διαφοροποίηση της βλάστησης. Πιο συγκεκριμένα, το μοντέλο εφαρμόστηκε: i) σε δείγμα χιλίων εικονοστοιχείων από στρωματοποιημένη δειγματοληψία σε ολόκληρη την περιοχή μελέτης, ii) στο σύνολο των εικονοστοιχείων για κάθε κατηγορία κάλυψης γης, και iii) σε επιλεγμένη περιοχή της Αρκαδίας με υψηλή σφοδρότητα καύσης (υψηλό dnbr). Τα αποτελέσματα παρουσιάζονται στον Πίνακα 6.3. Από την ανάλυση διακύμανσης (ANOVA) προέκυψε ότι για όλα τα μοντέλα η ερμηνεία της διακύμανσης είναι στατιστικά σημαντική (p-value<0.0001). Η θετική ή αρνητική επίδραση της κάθε μεταβλητής εκφράζεται με το αντίστοιχο πρόσημο. Στο δείγμα των χιλίων εικονοστοιχείων τα μοντέλα εξηγούν το 39% περίπου της διακύμανσης του ΡΑβ (NDVI ANOVA F4, 879 = , EVI ANOVA F5,878 = ) ως συνάρτηση όλων των μεταβλητών. Υψηλές τιμές του προσαρμοσμένου συντελεστή προσδιορισμού adjr 2 (56.2%, 53.2%) παρουσιάζουν τα μοντέλα για τα πλατύφυλλα δάση (NDVI ANOVA F4,1720 = , EVI ANOVA F5, 1724 = ) καθώς και για την περιοχή της Αρκαδίας (adjr 2 =58.2%, 54.2% και NDVI ANOVA F4, 1582 = , EVI ANOVA F5, 1583 = ). Μάλιστα, στην περίπτωση της Αρκαδίας η μεταβλητή της έκθεσης δεν επηρεάζει τη δυναμική της βλάστησης, ενώ η κατάσταση της βλάστησης πριν την πυρκαγιά (NBR2006) επηρεάζει μόνο την NDVI δυναμική. Η κλίση επίσης φαίνεται να μην επηρεάζει τη συμπεριφορά του ΡΑβ των κωνοφόρων δασών, όπου το ποσοστό διακύμανσης που εξηγείται είναι το χαμηλότερο (33%, 26.3%). Στους θαμνότοπους και τα χορτολίβαδα το υψόμετρο και η έκθεση αντίστοιχα δε φαίνεται να επηρεάζουν τον ΡΑβ, ενώ ειδικά για τα χορτολίβαδα η 121

138 Παρακολούθηση καμένων εκτάσεων διακύμανση της EVI δυναμικής της βλάστησης ερμηνεύεται καλύτερα σε σχέση με την NDVI διακύμανση (39.3% έναντι 34.3%). Πίνακας 6.3. Η επίδραση των παραγόντων (ανεξάρτητες μεταβλητές) στην NDVI δυναμική της βλάστησης (εξαρτημένη μεταβλητή), όπως εκτιμήθηκε από τα μοντέλα παλινδρόμησης. Σε παρένθεση τα αντίστοιχα αποτελέσματα της EVI δυναμικής. Ο συντελεστής adjr 2, ο οποίος λαμβάνει υπόψη την ερμηνευτική αξία της κάθε μεταβλητής, εκφράζει το ποσοστό διακύμανσης της δυναμικής της βλάστησης που ερμηνεύεται από κάθε μοντέλο, ενώ παρουσιάζεται και το μέσο σφάλμα RMSE. Η απουσία συμβόλου σημαίνει ότι η μεταβλητή δεν επηρεάζει την εξαρτημένη μεταβλητή. SMLR μοντέλο NBR 2006 dnbr Υψόμετρο Έκθεση Κλίση adjr 2 RMSE Δείγμα 1000 (+) + (+) ( ) (+) + (+) Δάση πλατύφυλλων Δάση κωνοφόρων Θαμνώνες αείφυλλων (+) + (+) + (+) ( ) (+) + (+) ( ) (+) + (+) + (+) ( ) ( ) Θαμνότοποι (+) + (+) ( ) (+) Χορτολίβαδα + (+) (+) ( ) Αρκαδία + (+) + (+) (+) (0.391) (0.532) (0.263) (0.321) (0.408) (0.393) (0.542) (0.017) (0.016) (0.018) (0.015) (0.016) (0.013) (0.016) Από τον πίνακα μπορούμε να συμπεράνουμε ότι τόσο τα τοπογραφικά χαρακτηριστικά, όσο και ο βαθμός καταστροφής και η προγενέστερη κατάσταση της βλάστησης επηρεάζουν ως ένα βαθμό την πορεία ανάκαμψης της βλάστησης μετά τις πυρκαγιές. Ο τρόπος που επιδρούν οι μεταβλητές αυτές διαφέρει όμως μεταξύ των (επτά βασικών) μοντέλων παλινδρόμησης που εφαρμόστηκαν, ενώ και σε ίδιες περιπτώσεις μπορεί να διαφέρει ανάλογα με την εξαρτημένη μεταβλητή (NDVI ή EVI ΡΑβ). Βέβαια, στον πίνακα δεν παρουσιάζεται ο βαθμός που επιδρά ξεχωριστά η κάθε μεταβλητή στη μεταπυρική δυναμική της βλάστησης. Η στατιστική ανάλυση που πραγματοποιήσαμε φανέρωσε ότι την ισχυρότερη επίδραση είχε ο dnbr, ακολουθούμενος από το υψόμετρο, ενώ έπονται οι μεταβλητές της κλίσης και του NBR. Η έκθεση είχε γενικά μικρή επίδραση στα μοντέλα. Παράδειγμα του βαθμού επίδρασης των παραγόντων στη δυναμική της βλάστησης παρουσιάζεται στο διάγραμμα της Εικόνας

139 ΚΕΦΑΛΑΙΟ 6 Κάθε μοντέλο φαίνεται να εξηγεί ποσοστό της διακύμανσης του ρυθμού ανάκαμψης της βλάστησης υποδεικνύοντας ότι οι επιλεγμένοι παράγοντες αποτυπώνουν ένα μέρος των οικολογικών διεργασιών που επηρεάζουν άμεσα και έμμεσα την πορεία της βλάστησης στο μεταπυρικό τοπίο. Ιδιαίτερα ο παράγοντας της δριμύτητας του φαινομένου φαίνεται να επηρεάζει θετικά σε μεγάλο βαθμό την ανάκαμψη. Παρά το παράδοξο αυτής της υπόθεσης, η σφοδρότητα καύσης ενδέχεται να επιδρά θετικά στην επανεμφάνιση των ειδών μέσω της απελευθέρωσης μεγάλης ποσότητας θρεπτικών συστατικών στο έδαφος και ιδιαίτερα του αζώτου (Neary et al. 1999). Επίσης, οι υψηλές θερμοκρασίες που αναπτύσσονται σε περιοχές με υψηλή σφοδρότητα καύσης δημιουργούν σε αρκετές περιπτώσεις ιδανικές συνθήκες για την απελευθέρωση και φύτρωση τελικά των σπερμάτων (Hicke et al. 2003). Εικόνα 6.8. Η χρήση των standardized coefficients υποδεικνύει το βαθμό επίδρασης της κάθε μεταβλητής στο ρυθμό ανάκαμψης της βλάστησης. Η μέτρηση των coefficients γίνεται σε μονάδες τυπικής απόκλισης. Εδώ παρουσιάζονται τα αποτελέσματα του μοντέλου πολλαπλής παλινδρόμησης για την Αρκαδία με εξαρτημένη μεταβλητή τον EVI ΡΑ β. Αντίθετα, περιοχές χαμηλής σφοδρότητας δεν παρουσίασαν υψηλό ρυθμό ανάκαμψης, όπως ίσως αναμενόταν, γεγονός που μας οδηγεί στο συμπέρασμα ότι το ποσοστό διακύμανσης που δεν ερμηνεύτηκε από τα μοντέλα οφείλεται σε άλλους παράγοντες που δεν χρησιμοποιήθηκαν στην εργασία λόγω έλλειψης επαρκών στοιχείων. Πληροφορίες σχετικά με τη σχετική υγρασία, το ύψος βροχόπτωσης και τη θερμοκρασία αέρα θα μπορούσαν να εξηγήσουν με πιο άμεσο τρόπο τη μεταπυρική συμπεριφορά της βλάστησης (Hope et al. 2012), σε σχέση με την έμμεση προσέγγιση με βάση τις τοπογραφικές παραμέτρους. Για παράδειγμα, ενώ το υψόμετρο σχετίζεται θετικά με το ΡΑβ σε ορισμένα από τα μοντέλα (Πίνακας 6.3), δεν μπορούν να γίνουν γενικεύσεις καθώς σε μεγάλα 123

140 Παρακολούθηση καμένων εκτάσεων υψόμετρα μειώνεται ταυτόχρονα η θερμοκρασία, παρά την υποτιθέμενη μεγαλύτερη διαθεσιμότητα σε νερό, και συνεπώς ως παράγοντας δρα ανασταλτικά. Έχει παρατηρηθεί πως η μεταπυρική ανάκαμψη των οικοσυστημάτων επηρεάζεται και από τη λήψη συγκεκριμένων διαχειριστικών μέτρων πρόληψης (Leon et al. 2012), ενώ διαφοροποιήσεις παρατηρούνται ανάλογα με το κυρίαρχο είδος και το μηχανισμό αναγέννησης (βλαστική αναγέννηση ή φύτρωση σπερμάτων) (Díaz-Delgado et al. 2003; Roder et al. 2008) Εκτίμηση ακρίβειας Για την αξιολόγηση του εκτιμώμενου ρυθμού ανάκαμψης της βλάστησης ΡΑβ, πραγματοποιήθηκε μία σύγκριση των εκτιμήσεων τόσο με δεδομένα πεδίου όσο και με δορυφορικά δεδομένα υψηλότερης χωρικής ευκρίνειας. Η αξιολόγηση αυτή αποτέλεσε μία προσπάθεια να διερευνηθεί κατά πόσο ανταποκρίνονται τα αποτελέσματα μίας ανάλυσης δεδομένων χαμηλής χωρικής ευκρίνειας με την πραγματικότητα. Αρχικά, υπολογίστηκε η συσχέτιση μεταξύ των τιμών του ΡΑβ και των δεδομένων κάλυψης βλάστησης, τα οποία συλλέχθηκαν το Σεπτέμβριο του 2010 από εξήντα ομοιογενείς δειγματοληπτικές επιφάνειες. Η μέτρηση στο πεδίο του ποσοστού κάλυψης βλάστησης (vegetation cover) αποτελεί μία αξιόπιστη λύση για την αξιολόγηση των μετρήσεων της μεταπυρικής ανάκαμψης της βλάστησης με βάση δορυφορικά δεδομένα (Clemente et al. 2009). Η χρησιμοποίηση των τιμών των δεικτών βλάστησης ως εξαρτημένη μεταβλητή για τη συγκεκριμένη χρονική περίοδο ίσως να αποτελούσε μία πιο ορθή προσέγγιση για την εφαρμογή της παλινδρόμησης. Παρόλα αυτά προτιμήσαμε τη χρησιμοποίηση των τιμών του ΡΑβ, που εκτιμήθηκε για το διάστημα Σεπ Σεπ.2010, καθώς θεωρήσαμε ότι εξυπηρετούσε το γενικότερο σκοπό της εργασίας. Από την εφαρμογή της πολυωνυμικής παλινδρόμησης 2ου βαθμού προέκυψε ότι υπάρχει ικανοποιητική μη-γραμμική συσχέτιση μεταξύ του ΡΑβ των δεικτών βλάστησης και των δεδομένων πεδίου (Εικόνα 6.9). Μάλιστα, η προσαρμογή του μοντέλου για τον NDVI ΡΑβ (R 2 =0.55) έδωσε ελαφρώς καλύτερα αποτελέσματα σε σχέση με το μοντέλο του EVI ΡΑβ (R 2 =0.52). Το μοντέλο πολυωνυμικής παλινδρόμησης προτιμήθηκε καθώς έχει παρατηρηθεί ότι σε αντίστοιχες εργασίες ερμηνεύει καλύτερα (υψηλό R 2, χαμηλό RMSE) τη μη-γραμμική σχέση μεταξύ δορυφορικών φασματικών δεικτών και δεδομένων πεδίου σε σχέση με τα γραμμικά μοντέλα (Van Wagtendonk et al. 2004; Veraverbeke et al. 2011). 124

141 ΚΕΦΑΛΑΙΟ 6 Εικόνα 6.9. Τα αποτελέσματα της προσαρμογής των μοντέλων πολυωνυμικής παλινδρόμησης 2ου βαθμού για: το ρυθμό ανάκαμψης NDVI ΡΑ β κλάσμα κάλυψης βλάστησης (αριστερά) και το ρυθμό ανάκαμψης EVI ΡΑ β κλάσμα κάλυψης βλάστησης (δεξιά). Εικόνα Εκτίμηση του συντελεστή παλινδρόμησης R 2 ανά εικονοστοιχείο μεταξύ των χρονοσειρών NDVI~dNBR ( ) για την περιοχή της Αρκαδίας. Υψηλότερες τιμές του R 2 φανερώνουν καλύτερη συσχέτιση μεταξύ των δύο χρονοσειρών. Η παλινδρόμηση πραγματοποιήθηκε μεταξύ 16 συνολικά εικόνων (8+8). Στο δεύτερο βήμα της αξιολόγησης των εκτιμήσεων της συμπεριφοράς της βλάστησης μετά την πυρκαγιά, διερευνήθηκε η σχέση μεταξύ των χρονοσειρών των δεικτών 125

142 Παρακολούθηση καμένων εκτάσεων βλάστησης MODIS με την Landsat dnbr χρονοσειρά. Κατά τη διαδικασία αυτή πραγματοποιήθηκε ανά εικονοστοιχείο παλινδρόμηση μεταξύ των οκτώ dnbr εικόνων μετά την πυρκαγιά (dnbr0708, dnbr0715) και των αντίστοιχων χρονικά εικόνων NDVI και EVI. Στην Εικόνα 6.10 παρουσιάζεται ο εκτιμώμενος συντελεστής R 2 μεταξύ NDVI~dNBR για την πυρόπληκτη περιοχή της Αρκαδίας. Πέρα από την ποσοτική εκτίμηση της συμφωνίας μεταξύ των χρονοσειρών, η εξέταση των τιμών στον χάρτη προσφέρεται για περαιτέρω διερεύνηση συγκεκριμένων περιοχών που παρουσιάζουν χαμηλή συσχέτιση. Η ποιοτική διερεύνηση των αποτελεσμάτων και για τους δύο δείκτες βλάστησης στο σύνολο της περιοχής μελέτης υπέδειξε ότι οι ασυμφωνίες ήταν πιο έντονες σε χαμηλής δριμύτητας πυρόπληκτες εκτάσεις. Αυτό είναι πιθανό να οφείλεται στην χαμηλή χωρική ευκρίνεια των MODIS εικονοστοιχείων, γεγονός που δρα ανασταλτικά στη λεπτομερέστερη αποτύπωση των διακυμάνσεων της βλάστησης σε συγκεκριμένες περιοχές. 6.5 ΣΥΜΠΕΡΑΣΜΑΤΑ Οι εργασίες του κεφαλαίου επικεντρώθηκαν στην παρακολούθηση της διαχρονικής συμπεριφοράς της βλάστησης οκτώ χρόνια μετά τις μεγάλες πυρκαγιές του 2007 στην Πελοπόννησο. H ανάλυση πραγματοποιήθηκε σε πυκνές χρονοσειρές των δεικτών βλάστησης NDVI και EVI του αισθητήρα MODIS, ενώ παράλληλα χρησιμοποιήθηκε χρονοσειρά ετήσιων εικόνων Landsat για την εκτίμηση των αποτελεσμάτων της ανάλυσης των χρονοσειρών MODIS. Η εφαρμογή του αλγόριθμου αποσύνθεσης χρονοσειρών BFAST είχε ως αποτέλεσμα την εκτίμηση του εύρους των αλλαγών που οφείλονται στις πυρκαγιές, ενώ παράλληλα εκτιμήθηκε ο ρυθμός ανάκαμψης της βλάστησης από τον υπολογισμό της ευθείας τάσης κάθε δείκτη ως συνάρτηση του χρόνου. Η ποσοτικοποίηση του εύρους των αλλαγών αμέσως μετά την πυρκαγιά συσχετίστηκε αρκετά ικανοποιητικά με τη σφοδρότητα καύσης, όπως υπολογίστηκε από το δείκτη Landsat dnbr, υποδεικνύοντας ότι η χωρική διακύμανση της δριμύτητας του φαινομένου μπορεί να αποτυπωθεί σε μεγάλο βαθμό από την ανάλυση των δεδομένων χαμηλής χωρικής ευκρίνειας. Στη συνέχεια, η εφαρμογή των μοντέλων παλινδρόμησης και των επιλεγμένων στατιστικών μέτρων είχε ως αποτέλεσμα τη χαρτογράφηση του ρυθμού ανάκαμψης της βλάστησης (ΡΑβ) και τη μοντελοποίηση της δυναμικής της βλάστησης ως συνάρτηση τοπογραφικών και περιβαλλοντικών παραμέτρων. Ο ρυθμός ανάκαμψης βρέθηκε θετικός συνολικά για την περιοχή μελέτης, με τις αμιγώς δασικές εκτάσεις να παρουσιάζουν 126

143 ΚΕΦΑΛΑΙΟ 6 υψηλότερες τιμές και τις χορτολιβαδικές τις χαμηλότερες. Ο δείκτης EVI παρουσίασε επίσης πιο διακριτά αποτελέσματα του ρυθμού ΡΑβ μεταξύ των διαφορετικών κατηγοριών βλάστησης. Όσον αφορά στην εκτίμηση της χωρική ετερογένειας των πυρόπληκτων περιοχών, η ανάλυση των δύο χρονοσειρών φανέρωσε κοινά πρότυπα στη διαχρονική εξέλιξη της ετερογένειας με τον EVI να εμφανίζει μεγαλύτερη διακύμανση μεταξύ των ετών. Από την εφαρμογή των διαφορετικών μοντέλων πολλαπλής παλινδρόμησης προέκυψε το είδος της επίδρασης κάθε μεταβλητής στη μεταπυρική ανάκαμψη της βλάστησης. Ποσοστό της διακύμανσης του ρυθμού ανάκαμψης της βλάστησης ερμηνεύτηκε από τα μοντέλα, με τη σφοδρότητα καύσης να αποτελεί το σημαντικότερο παράγοντα επίδρασης. Ωστόσο, απαιτούνται περισσότερες πληροφορίες σε τοπικό επίπεδο, όπως η δομή της βλάστησης, το μικροκλίμα, η ηλικία και σύνθεση των ειδών, για να γίνουν ασφαλέστερες προβλέψεις για τη μεταπυρική ανάκαμψη και αναγέννηση. Η αξιολόγηση των αποτελεσμάτων έδειξε επιπλέον ότι οι εκτιμήσεις και αποτυπώσεις συμφωνούν σε ικανοποιητικό βαθμό με τα δεδομένα πεδίου και τα δεδομένα Landsat, με τη χρονοσειρά NDVI να παράγει συγκριτικά καλύτερα αποτελέσματα. Τα αποτελέσματα των εργασιών και της προσέγγισης που ακολουθήθηκε μπορούν να θεωρηθούν συνολικά ως ένα εργαλείο που χρησιμοποιήθηκε για την εξαγωγή χρήσιμων συμπερασμάτων σχετικά με την πορεία ανάκαμψης της βλάστησης μετά τις πυρκαγιές. Η συνέργεια μεταξύ δορυφορικών δεδομένων ενδείκνυται για την αποτίμηση των επιπτώσεων των πυρκαγιών μακροπρόθεσμα, ιδιαίτερα σε φαινόμενα μεγάλης έκτασης. Αξίζει να σημειωθεί τέλος, ότι η στατιστική προσέγγιση δεν υποκαθιστά τις ολοκληρωμένες μελέτες σε επίπεδο τοπίου, αλλά μπορεί να συνεισφέρει ουσιαστικά στο μεταπυρικό σχεδιασμό καθώς παρέχει ισχυρές ενδείξεις του μεγέθους της καταστροφής. ΒΙΒΛΙΟΓΡΑΦΙΑ Abdel Malak D, Pausas JG (2006) Fire regime and post-fire Normalized Difference Vegetation Index changes in the eastern Iberian peninsula (Mediterranean basin). International Journal of Wildland Fire 15, Barbosa HA, Huete AR, Baethgen WE (2006) A 20-year study of NDVI variability over the Northeast Region of Brazil. J. Arid Environ. 67, doi: /j.jaridenv Capitanio R, Carcaillet C (2008) Post-fire Mediterranean vegetation dynamics and diversity: A discussion of succession models. Forest Ecology and Management 255,

144 Παρακολούθηση καμένων εκτάσεων doi: /j.foreco Carlson TN, Ripley DA (1997) On the relation between NDVI, fractional vegetation cover, and leaf area index. Remote Sensing of Environment 62, doi: /s (97) Casady GM, van Leeuwen WJD, Marsh SE (2010) Evaluating Post-wildfire Vegetation Regeneration as a Response to Multiple Environmental Determinants. Environmental Modeling and Assessment 15, doi: /s x. Casady GM, Marsh SE (2010) Broad-Scale Environmental Conditions Responsible for Post-Fire Vegetation Dynamics. Remote Sensing 2, doi: /rs Chávez PSJ (1996) Image-based atmospheric corrections - revisited and improved. Photogrammetric Engineering and Remote Sensing 62, Chen D, Loboda T V., Krylov A, Potapov P V. (2016) Mapping stand age dynamics of the Siberian larch forests from recent Landsat observations. Remote Sensing of Environment 187, doi: /j.rse Chen X, Vogelmann JE, Rollins M, Ohlen D, Key CH, Yang L, Huang C, Shi H (2011) Detecting post-fire burn severity and vegetation recovery using multitemporal remote sensing spectral indices and field-collected composite burn index data in a ponderosa pine forest. International Journal of Remote Sensing 32, doi: / Chuvieco E, Ventura G, Martín MP, Gómez I (2005) Assessment of multitemporal compositing techniques of MODIS and AVHRR images for burned land mapping. Remote Sensing of Environment 94, doi: /j.rse Clemente RH, Navarro Cerrillo RM, Gitas IZ (2009) Monitoring post-fire regeneration in Mediterranean ecosystems by employing multitemporal satellite imagery. International Journal of Wildland Fire 18, doi: /wf Cuevas-González M, Gerard F, Balzter H, Riaño D (2009) Analysing forest recovery after wildfire disturbance in boreal Siberia using remotely sensed vegetation indices. Global Change Biology 15, DeVries B, Verbesselt J, Kooistra L, Herold M (2015) Robust monitoring of small-scale forest disturbances in a tropical montane forest using Landsat time series. Remote Sensing of Environment 161, doi: /j.rse Díaz-Delgado R, Lloret F, Pons X (2003) Influence of fire severity on plant regeneration by means of remote sensing imagery. International Journal of Remote Sensing 24, doi: / Fox DM, Maselli F, Carrega P (2008) Using SPOT images and field sampling to map burn severity and vegetation factors affecting post forest fire erosion risk. Catena 75, doi: /j.catena Gitas I, Mitri G, Veraverbeke S, Polychronaki A (2012) Advances in remote sensing of post-fire vegetation recovery monitoring a review. Remote Sensing of Biomass Principles and Applications Gitas IZ, Polychronaki A, Katagis T, Mallinis G (2008) Contribution of remote sensing to disaster management activities: A case study of the large fires in the Peloponnese, Greece. Int. J. Remote Sens. 29, Gobin A, Jones R, Kirkby M, Campling P, Govers G, Kosmas C, Gentile AR (2004) Indicators for pan-european assessment and monitoring of soil erosion by water. Environ. Sci. Policy 7, doi: /j.envsci Goetz SJ, Fiske GJ, Bunn AG (2006) Using satellite time-series data sets to analyze fire disturbance and forest recovery across Canada. Remote Sensing of Environment 101,

145 ΚΕΦΑΛΑΙΟ 6 doi: /j.rse Gouveia C, DaCamara CC, Trigo RM (2010) Post-fire vegetation recovery in Portugal based on spot/vegetation data. Natural Hazards and Earth System Science 10, doi: /nhess Hicke JA, Asner GP, Kasischke ES, French NHF, Randerson JT, Collatz GJ, Stocks BJ, Tucker CJ, Los SO, Field CB (2003) Postfire response of North American boreal forest net primary productivity analyzed with satellite observations. Global Change Biology 9, doi: /j x. Hope A, Albers N, Bart R (2012) Characterizing post-fire recovery of fynbos vegetation in the Western Cape Region of South Africa using MODIS data. International Journal of Remote Sensing 33, doi: / Huete A, Didan K, Miura T, Rodriguez E., Gao X, Ferreira L. (2002) Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment 83, doi: /s (02) Karydas C, Gitas I, Kuntz S, Minakou C (2015) Use of LUCAS LC Point Database for Validating Country-Scale Land Cover Maps. Remote Sensing 7, doi: /rs Katagis T, Gitas IZ, Toukiloglou P, Veraverbeke S, Goossens R (2014) Trend analysis of mediumand coarse-resolution time series image data for burned area mapping in a Mediterranean ecosystem. International Journal of Wildland Fire. doi: Key CH, Benson NC (2006) Landscape Assessment: Ground measure of severity, the Composite Burn Index; and Remote sensing of severity, the Normalized Burn Ratio. van Leeuwen WJD (2008) Monitoring the Effects of Forest Restoration Treatments on Post-Fire Vegetation Recovery with MODIS Multitemporal Data. Sensors 8, doi: /s van Leeuwen WJD, Casady GM, Neary DG, Bautista S, Alloza JA, Carmel Y, Wittenberg L, Malkinson D, Orr BJ (2010) Monitoring post-wildfire vegetation response with remotely sensed time-series data in Spain, USA and Israel. International Journal of Wildland Fire 19, doi: Lentile LB, Holden ZA, Smith AMS, Falkowski MJ, Hudak AT, Morgan P, Lewis SA, Gessler PE, Benson NC (2006) Remote sensing techniques to assess active fire characteristics and post-fire effects. International Journal of Wildland Fire 15, doi: Leon JRR, van Leeuwen WJD, Casady GM (2012) Using MODIS-NDVI for the Modeling of Post- Wildfire Vegetation Response as a Function of Environmental Conditions and Pre-Fire Restoration Treatments. Remote Sensing 4, doi: /rs Di Mauro B, Fava F, Busetto L, Crosta GF, Colombo R (2014) Post-fire resilience in the Alpine region estimated from MODIS satellite multispectral data. International Journal of Applied Earth Observation and Geoinformation 32, doi: /j.jag Moreira F, Catry F, Duarte I, Acácio V, Silva JS (2009) A conceptual model of sprouting responses in relation to fire damage: An example with cork oak (Quercus suber L.) trees in Southern Portugal. For. Ecol. Recent Adv. Plant Ecol. pp doi: / _7. Neary DG, Klopatek CC, DeBano LF, Ffolliott PF (1999) Fire effects on belowground sustainability: A review and synthesis. In For. Ecol. Manage., doi: /s (99) Nioti F, Xystrakis F, Koutsias N, Dimopoulos P (2015) A Remote Sensing and GIS Approach to Study the Long-Term Vegetation Recovery of a Fire-Affected Pine Forest in Southern Greece. Remote Sensing 7, doi: /rs

146 Παρακολούθηση καμένων εκτάσεων Pausas JJG, Vallejo VR (1999) The role of fire in European Mediterranean ecosystems. Remote sensing of large wildfires in the European Mediterranean basin doi: / _2. Pérez-Cabello F, de la Riva Fernández J, Montorio Llovería R, García-Martín A (2006) Mapping erosion-sensitive areas after wildfires using fieldwork, remote sensing, and geographic information systems techniques on a regional scale. Journal of Geophysical Research: Biogeosciences 111, G04S10. doi: /2005jg Petropoulos GP, Griffiths HM, Kalivas DP (2014) Quantifying spatial and temporal vegetation recovery dynamics following a wildfire event in a Mediterranean landscape using EO data and GIS. Applied Geography 50, doi: /j.apgeog Polychronaki A, Gitas IZ, Minchella A (2014) Monitoring post-fire vegetation recovery in the Mediterranean using SPOT and ERS imagery. International Journal of Wildland Fire 23, doi: /wf Raupach MR, Finnigan JJ (1997) The influence of topography on meteorological variables and surface-atmosphere interactions. Journal of Hydrology 190, doi: /s (96) Roder A, Hill J, Duguy B, Alloza JA, Vallejo R (2008) Using long time series of Landsat data to monitor fire events and post-fire dynamics and identify driving factors. A case study in the Ayora region (eastern Spain). Remote Sensing of Environment 112, doi: /j.rse Röder A, Hill J, Duguy B, Alloza JA, Vallejo R (2008) Using long time series of Landsat data to monitor fire events and post-fire dynamics and identify driving factors. A case study in the Ayora region (eastern Spain). Remote Sensing of Environment 112, doi: Savitzky A, Golay MJE (1964) Smoothing and Differentiation of Data by Simplified Least Squares Procedures. Analytical Chemistry 36, doi: /ac60214a047. Storey EA, Stow DA, O Leary JF (2016) Assessing postfire recovery of chamise chaparral using multi-temporal spectral vegetation index trajectories derived from Landsat imagery. Remote Sensing of Environment 183, doi: /j.rse Tucker CJ (1979) Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment 8, doi: / (79) Veraverbeke S, Lhermitte S, Verstraeten WW, Goossens R (2010) The temporal dimension of differenced Normalized Burn Ratio (dnbr) fire/burn severity studies: The case of the large 2007 Peloponnese wildfires in Greece. Remote Sensing of Environment 114, doi: /j.rse Veraverbeke S, Lhermitte S, Verstraeten WW, Goossens R (2011) Evaluation of pre/post-fire differenced spectral indices for assessing burn severity in a Mediterranean environment with Landsat Thematic Mapper. International Journal of Remote Sensing 32, doi: / Veraverbeke S, Somers B, Gitas I, Katagis T, Polychronaki A, Goossens R (2012) Spectral mixture analysis to assess post-fire vegetation regeneration using Landsat Thematic Mapper imagery: Accounting for soil brightness variation. International Journal of Applied Earth Observation and Geoinformation 14, doi: /j.jag Verbesselt J, Hyndman R, Newnham G, Culvenor D (2010) Detecting trend and seasonal changes in satellite image time series. Remote Sensing of Environment 114, doi: /j.rse Verhegghen A, Bontemps S, Defourny P (2014) A global NDVI and EVI reference data set for landsurface phenology using 13 years of daily SPOT-VEGETATION observations. International 130

147 ΚΕΦΑΛΑΙΟ 6 Journal of Remote Sensing 35, doi: / Viedma O, Meliá J, Segarra D, Garcia-Haro J (1997) Modeling rates of ecosystem recovery after fires by using landsat TM data. Remote Sensing of Environment 61, doi: /s (97) Van Wagtendonk JW, Root RR, Key CH (2004) Comparison of AVIRIS and Landsat ETM+ detection capabilities for burn severity. In Remote Sens. Environ., doi: /j.rse Watts LM, Laffan SW (2014) Effectiveness of the BFAST algorithm for detecting vegetation response patterns in a semi-arid region. Remote Sensing of Environment 154, doi: /j.rse Wittenberg L, Malkinson D, Beeri O, Halutzy A, Tesler N (2007) Spatial and temporal patterns of vegetation recovery following sequences of forest fires in a Mediterranean landscape, Mt. Carmel Israel. Catena 71, doi: /j.catena Ξανθόπουλος Γ (2012) Το φαινόμενο της δασικής πυρκαγιάς ως πρόβλημα: χαρακτηριστικά, προσεγγίσεις αντιμετώπισης και συνολική διαχείριση. Το δάσος Μια ολοκληρωμένη προσέγγιση. (Ed ΓΚ Α.Χ. Παπαγεωργίου, Γ. Καρέτσος) pp (WWF, Hellas: Αθήνα) 131

148 Παρακολούθηση καμένων εκτάσεων 132

149 ΚΕΦΑΛΑΙΟ 7 ΣΥΜΠΕΡΑΣΜΑΤΑ ΣΥΜΠΕΡΑΣΜΑΤΑ 7.1 ΓΕΝΙΚΑ ΣΥΜΠΕΡΑΣΜΑΤΑ Στο πλαίσιο της εκπόνησης της παρούσας διδακτορικής διατριβής προτάθηκαν μέθοδοι και προσεγγίσεις που αφορούν στην χωρική και χρονική κατάτμηση χρονοσειρών δορυφορικών δεδομένων με σκοπό την εκτίμηση των άμεσων και μακροπρόθεσμων επιπτώσεων των πυρκαγιών σε Μεσογειακά οικοσυστήματα. Η έρευνα επικεντρώθηκε στη βέλτιστη αξιοποίηση και συνέργεια οπτικών δεδομένων με διαφορετική χωρική και χρονική διακριτική ικανότητα λαμβάνοντας υπόψη τις πρόσφατες τάσεις στη διαχείριση χρονοσειρών για την διαχρονική παρακολούθηση των διαταραχών στα οικοσυστήματα, συμπεριλαμβανομένων των πυρκαγιών. Ένας επιπλέον λόγος για το σχεδιασμό και τη διεξαγωγή αυτής της έρευνας αποτέλεσε το γεγονός ότι η εφαρμογή σύγχρονων μεθόδων ανάλυσης και αποσύνθεσης χρονοσειρών δορυφορικών εικόνων για την παρακολούθηση των καμένων εκτάσεων σε ελληνικά οικοσυστήματα αποτελεί αντικείμενο που δεν έχει διερευνηθεί σε μεγάλο βαθμό μέχρι σήμερα. Σημαντική συμβολή στην περαίωση μεγάλου μέρους των εργασιών είχε η ενσωμάτωση, εκτός των εμπορικών λογισμικών, γλώσσας προγραμματισμού ανοικτού κώδικα εκμεταλλευόμενοι έτσι τις δυνατότητες των ταχεία αναπτυσσόμενων τεχνολογιών στη χωρο-χρονική ανάλυση μεγάλου όγκου δεδομένων σε στατιστικό/προγραμματιστικό περιβάλλον. Το πρώτο μέρος της έρευνας επικεντρώθηκε στην αξιοποίηση δεδομένων Landsat υψηλής χωρικής ευκρίνειας, μέσω μεθόδου χωρικής κατάτμησης των εικόνων, για τη διαχρονική χαρτογράφηση δασικών πυρκαγιών. Ειδικότερα, η ανάπτυξη και εφαρμογή του μοντέλου αντικειμενοστραφούς ανάλυσης των εικόνων (OBIA) είχε ως αποτέλεσμα την παραγωγή χαρτών καμένων εκτάσεων υψηλής ακρίβειας. Η ημι-αυτοματοποιημένη αυτή 133

150 Συμπεράσματα προσέγγιση αυτή έδειξε ότι υπάρχει η δυνατότητα επιτυχούς ενσωμάτωσης διαφορετικών τύπων εικόνων Landsat, αξιοποιώντας τη βασική φασματική πληροφορία των διαύλων των αισθητήρων και τα χαρακτηριστικά συνάφειας που προσφέρει η OBIA. Αξίζει να σημειωθεί ότι για κάθε ταξινόμηση χρησιμοποιήθηκε μία ημερομηνία λήψης μετά την πυρκαγιά, ενώ δεν απαιτήθηκαν πολλαπλά βήματα και κανόνες σε σχέση με αντίστοιχες εργασίες ταξινόμησης καμένων εκτάσεων. Αυτό αποκτά ιδιαίτερη σημασία όταν επιχειρείται να χαρτογραφηθεί το πυρικό ιστορικό μίας περιοχής, καθώς η εφαρμογή μεθόδων χαρτογράφησης με ζεύγος εικόνων πριν και μετά την πυρκαγιά δεν είναι πάντα εφικτή, εξαιτίας της πιθανής μη διαθεσιμότητας περισσότερων από μία εικόνες και κυρίως για περιστατικά παλαιότερων ετών. Στο δεύτερο μέρος της έρευνας, που περιλαμβάνει το δεύτερο και τρίτο στόχο, αναλύεται η μεθοδολογική προσέγγιση της χρονικής κατάτμησης χρονοσειρών δορυφορικών οπτικών δεδομένων χαμηλής ευκρίνειας για τη χαρτογράφηση πυρκαγιών και την εκτίμηση της μεταπυρικής ανάκαμψης της βλάστησης. Η στατιστική αποσύνθεση και ερμηνεία των χρονοσειρών των δεικτών βλάστησης αποδείχθηκε αξιόπιστη στον εντοπισμό των απότομων αλλαγών που οφείλονται στις πυρκαγιές, καθώς και στην ποσοτικοποίηση του μεγέθους της καταστροφής. Βασικό πλεονέκτημα της μεθόδου ήταν ο επιτυχής διαχωρισμός μεταξύ των εποχικών διαφοροποιήσεων και των πραγματικών αλλαγών στο οικοσύστημα, χωρίς να απαιτηθεί η χρήση κάποιου εξειδικευμένου λογισμικού ή μεθόδου φασματικής ταξινόμησης δορυφορικών εικόνων. Μέσω αυτής της προσέγγισης λήφθηκε υπόψη η διαχρονική και φασματική διάσταση των χωρικών μεταβολών που συντελούνται στην περιοχή μελέτης και αξιοποιήθηκε ολόκληρο το χρονικό εύρος των δεδομένων που αναλύθηκαν. Επιπλέον, με την αξιοποίηση ολόκληρου του εύρους της χρονοσειράς κατέστη δυνατή η περαιτέρω ανάλυση και ο χαρακτηρισμός των σταδιακών μεταβολών, δηλαδή της πορείας ανάκαμψης της βλάστησης μετά την πυρκαγιά, ως συνάρτηση του χρόνου. Προκειμένου να εφαρμοστεί η τεχνική αποσύνθεσης των χρονοσειρών και ανίχνευσης αλλαγών, απαιτήθηκαν πειράματα και δοκιμές για την κατάλληλη ρύθμιση και τροποποίηση βασικών παραμέτρων του αλγόριθμου. Αυτό διότι τα αποτελέσματα της εφαρμογής γενικευμένων μοντέλων ανίχνευσης αλλαγών εξαρτώνται σε σημαντικό βαθμό από τον τύπο του οικοσυστήματος, την ετερογένεια του τοπίου και τις διαφορετικές κατηγορίες βλάστησης. Συνεπώς, έπρεπε να ληφθούν υπόψη η χωρική και χρονική ευκρίνεια των εικόνων MODIS και VGT σε συνδυασμό με τη σύνθεση της βλάστησης στην 134

151 ΚΕΦΑΛΑΙΟ 7 περιοχή της Πελοποννήσου, όπου μεγάλες εκτάσεις καλύπτονται από γεωργικές καλλιέργειες ή αραιή βλάστηση γενικά. Με βάση τα παραπάνω, ένα γενικό συμπέρασμα που προέκυψε από την ανάλυση των αποτελεσμάτων ήταν ότι η αποτύπωση των πυρκαγιών και των μεταπυρικών διακυμάνσεων της βλάστησης ήταν ακριβέστερη σε περιοχές δασικών ειδών και σε περιοχές με πυκνή κάλυψη και υψηλή σφοδρότητα καύσης. Το συγκεκριμένο συμπέρασμα σχετίζεται ουσιαστικά και με τη διερεύνηση της μέγιστης ακρίβειας των εκτιμήσεων που μπορεί να επιτευχθεί με τη χρήση δεδομένων από τους συγκεκριμένους αισθητήρες χαμηλής ευκρίνειας, όπως αναλυτικά περιγράφεται στο Κεφάλαιο 5 με την εφαρμογή της καμπύλης Pareto. Η ανάλυση των δεικτών βλάστησης NDVI και EVI του αισθητήρα MODIS φανέρωσε συνολικά θετικό ρυθμό ανάκαμψης για τη χρονική περίοδο των οκτώ χρόνων μετά την πυρκαγιά. Η μέθοδος της ανάλυσης που προτάθηκε δεν απαίτησε τον ορισμό εικονοστοιχείων ή περιοχών αναφοράς που χαρακτηρίζονται από μία σταθερή κατάσταση (control plots) για την ελαχιστοποίηση της επίδρασης των εποχικών διακυμάνσεων στις χρονοσειρές. Ούτως ή άλλως, κάτι τέτοιο θα αποτελούσε ιδιαίτερα δύσκολη και χρονοβόρα διαδικασία εξαιτίας της έκτασης της περιοχής μελέτης. Επιπρόσθετα, από την εφαρμογή των διαφορετικών μοντέλων πολλαπλής παλινδρόμησης προέκυψε το είδος της επίδρασης των διαφορετικών τοπογραφικών και περιβαλλοντικών μεταβλητών στη μεταπυρική ανάκαμψη της βλάστησης. Ποσοστό της διακύμανσης του ρυθμού ανάκαμψης της βλάστησης ερμηνεύτηκε ικανοποιητικά από τα μοντέλα, με τη σφοδρότητα καύσης να αποτελεί το σημαντικότερο παράγοντα επίδρασης. Ωστόσο, η έλλειψη επαρκών μετεωρολογικών δεδομένων που θα μπορούσαν να χρησιμοποιηθούν ως πρόσθετες εξαρτημένες μεταβλητές αποτέλεσε περιοριστικό παράγοντα στην ερμηνεία μεγαλύτερου ποσοστού διακύμανσης από τα μοντέλα. Συνοψίζοντας, παρά το μειονέκτημα της χαμηλής χωρικής διακριτική ικανότητας οι δείκτες βλάστησης που χρησιμοποιήθηκαν συνιστούν σημαντικό και πολύτιμο εργαλείο για την εξαγωγή χρήσιμων συμπερασμάτων σχετικά με τα χωρο-χρονικά πρότυπα της βλάστησης μετά τις πυρκαγιές, ιδιαίτερα σε περιστατικά μεγάλης έκτασης (ή μικρής κλίμακας). Σε αυτό συμβάλλει σημαντικά η μεγάλη γεωγραφική κάλυψη και η υψηλή χρονική διακριτική ικανότητα των συγκεκριμένων αισθητήρων. Επίσης, η συνέργεια μεταξύ διαφορετικών τύπων δορυφορικών δεδομένων και αυτοματοποιημένων μεθόδων ανάλυσης χρονοσειρών ενδείκνυται για την αποτίμηση των επιπτώσεων των πυρκαγιών βραχυπρόθεσμα και μακροπρόθεσμα, και εν δυνάμει για τον εντοπισμό περιοχών που 135

152 Συμπεράσματα απαιτούν λήψη ειδικών μέτρων αποκατάστασης. Βέβαια, ένας ολοκληρωμένος σχεδιασμός απαιτεί τη συστηματική συλλογή δεδομένων στο πεδίο ώστε να ενισχύεται αφενός η διαδικασία ερμηνείας των δορυφορικών μετρήσεων και αφετέρου να διευκολύνεται η βαθύτερη κατανόηση της μεταπυρικής δυναμικής της βλάστησης σε επίπεδο τοπίου. 7.2 ΣΥΜΠΕΡΑΣΜΑΤΑ ΣΕ ΣΧΕΣΗ ΜΕ ΤΟΥΣ ΕΠΙΜΕΡΟΥΣ ΣΤΟΧΟΥΣ Τα κύρια συμπεράσματα ανά στόχο και αντίστοιχο κεφάλαιο, όπως προέκυψαν από τη διεξαγωγή των ερευνητικών εργασιών της διδακτορικής διατριβής, συνοψίζονται παρακάτω. i. Διερεύνηση της δυνατότητας της OBIA τεχνικής να αξιοποιεί ιστορικά και σύγχρονα δεδομένα Landsat που έχουν συλλεχθεί από διαφορετικούς αισθητήρες για την παραγωγή διαχρονικών χαρτών καμένων εκτάσεων. Μέσω της αντικειμενοστραφούς προσέγγισης ανάλυσης εικόνων αναπτύχθηκε μοντέλο ταξινόμησης με σκοπό τη λεπτομερή χαρτογράφηση καμένων εκτάσεων και τη δημιουργία ενός πρόσφατου σχετικά πυρικού ιστορικού. Τα βασικά συμπεράσματα που προέκυψαν ήταν τα εξής: Με την εφαρμογή του μοντέλου ταξινόμησης OBIA που αναπτύχθηκε χαρτογραφήθηκαν αποτελεσματικά οι καμένες εκτάσεις (πάνω από 94% OA) στο νησί της Θάσου με τη χρήση εικόνων MSS, ΤΜ και OLI για τρεις διαφορετικές ημερομηνίες. Τα χαρακτηριστικά που επιλέχθηκαν για την ταξινόμηση των καμένων εκτάσεων περιλαμβάνουν τη μέση τιμή και το κλάσμα των φασματικών διαύλων των εικόνων. Δε χρησιμοποιήθηκαν επιπλέον μετασχηματισμοί εικόνας στη διαδικασία της ταξινόμησης, όπως δείκτες βλάστησης, για την επίτευξη των υψηλής ακρίβειας τελικών χαρτών. Συνεπώς, παράχθηκαν αξιόπιστα αποτελέσματα με την ενσωμάτωση χωρικής και βασικής φασματικής πληροφορίας, μέσω ημι-αυτόματων λειτουργιών. Τα επιπρόσθετα στατιστικά μέτρα συμφωνίας που υπολογίστηκαν μεταξύ των παραγόμενων χαρτών και των χαρτών αναφοράς, φανέρωσαν τη «χωρική ασυμφωνία» ως την κύρια πηγή σφάλματος στην ταξινόμηση. Αυτή η χωρική ασυμφωνία συμβαίνει καθώς ο ταξινομητής «προβλέπει» καμένες ή μη περιοχές 136

153 ΚΕΦΑΛΑΙΟ 7 σε λάθος τοποθεσίες στο χάρτη, και αυτές οι προβλέψεις εκφράζονται έπειτα ως σφάλματα παράλειψης και ανάθεσης. Εκτός από το σύνολο κανόνων που αναπτύχθηκε και προσαρμόστηκε σε κάθε περίπτωση «μεταφοράς» του μοντέλου ταξινόμησης, δεν απαιτήθηκαν επιπλέον μεθοδολογικά βήματα ή περισσότερες από μία ημερομηνία λήψης για την ακριβή χαρτογράφηση των πυρκαγιών. ii. Ανάλυση χρονοσειρών δορυφορικών εικόνων χαμηλής χωρικής ευκρίνειας με τη μέθοδο BFAST για τη χαρτογράφηση καμένων εκτάσεων σε Μεσογειακό οικοσύστημα. Για το συγκεκριμένο στόχο διερευνήθηκε η δυνατότητα χαρτογράφησης καμένων εκτάσεων με τη χρήση μεθόδου ανάλυσης τάσης χρονοσειρών δορυφορικών εικόνων χαμηλής χωρικής και υψηλής χρονικής διακριτικής ικανότητας. Ειδικότερα, πραγματοποιήθηκε παραμετροποίηση και εφαρμογή της μεθόδου BFAST σε χρονοσειρές εικόνων NDVI με χρονικό βήμα οκτώ και δέκα ημερών από τους Terra/MODIS και SPOT- VGT αισθητήρες αντίστοιχα, για τον εντοπισμό των αλλαγών που οφείλονται στις πυρκαγιές του 2007 στην Πελοπόννησο. Τα κύρια συμπεράσματα των εργασιών αυτών ήταν τα ακόλουθα: Η στατιστική προσαρμογή και ανάλυση της συνιστώσας τάσης των χρονοσειρών NDVI με τον αλγόριθμο BFAST (Breaks for Additive Seasonal and Trend) είχε ως αποτέλεσμα τον ακριβή χρονικό εντοπισμό των πυρκαγιών. Η εκτίμηση ακρίβειας των τελικών χαρτών έδειξε ότι μπορούν να επιτευχθούν σχετικά υψηλές πιθανότητες ανίχνευσης Pd από την ανάλυση των δύο δοαφορετικών χρονοσειρών MODIS και VGT NDVI (0.901 και 0.862, αντίστοιχα). Ο χάρτης της καμένης έκτασης του MODIS παρουσιάζει μικρότερη πιθανότητα εσφαλμένης ανίχνευση Pf (0.011) σε σχέση με τον VGT χάρτη (0.021). Το συστηματικό σφάλμα (low-resolution bias) που υπολογίστηκε από την εφαρμογή της καμπύλης Pareto βρέθηκε υψηλότερο για τα δεδομένα VGT με χωρική ευκρίνεια 1 χλμ. σε σχέση με τα MODIS δεδομένα (250 μ.). Η χαμηλή χωρική ανάλυση των δεδομένων παραμένει περιοριστικός παράγοντας ως προς τη μέγιστη ακρίβεια των θεματικών χαρτών που μπορεί να επιτευχθεί. 137

154 Συμπεράσματα Η γενικευμένη μέθοδος ανίχνευσης αλλαγών BFAST διευκολύνει τον εντοπισμό του χρόνου και του μεγέθους των απότομων και σταδιακών αλλαγών με την ανάλυση ολόκληρου του εύρους των χρονοσειρών. Αδυνατεί όμως να χαρακτηρίσει το αίτιο της αλλαγής (πυρκαγιά, αποψίλωση, κλπ.), οπότε απαιτούνται λεπτομερή δεδομένα αναφοράς ώστε να αποφεύγονται σχετικές παρερμηνείες. iii. Εκτίμηση της μεταπυρικής συμπεριφοράς της βλάστησης με τη χρήση χρονοσειρών δορυφορικών εικόνων Οι εργασίες του συγκεκριμένου στόχου επικεντρώθηκαν στην εκτίμηση της διαχρονικής συμπεριφοράς της βλάστησης μετά τις μεγάλες πυρκαγιές του 2007 στην Πελοπόννησο με τη συνδυαστική χρήση μεθόδου ανάλυσης πυκνών χρονοσειρών δεικτών βλάστησης (NDVI, EVI) Terra/MODIS και στατιστικών μέτρων. Επιπλέον, εξετάστηκε η επίδραση συγκεκριμένων περιβαλλοντικών και τοπογραφικών παραμέτρων στην χωρο-χρονική διακύμανση του ρυθμού ανάκαμψης της βλάστησης. Τα κύρια αποτελέσματα συνοψίζονται ως εξής: Η εφαρμογή του αλγόριθμου αποσύνθεσης χρονοσειρών BFAST είχε ως αποτέλεσμα την εκτίμηση και χαρτογράφηση του εύρους των αλλαγών που οφείλονται στις πυρκαγιές. Η ποσοτικοποίηση του εύρους των αλλαγών αμέσως μετά την πυρκαγιά συσχετίστηκε αρκετά ικανοποιητικά με τη σφοδρότητα καύσης, όπως υπολογίστηκε από το δείκτη Landsat dnbr, (NDVI R 2 =0.62, EVI R 2 =0.60). Τα αποτελέσματα υποδεικνύουν ότι η διακύμανση της σφοδρότητας της πυρκαγιάς, όπως καταγράφεται από δορυφορικά δεδομένα υψηλής ευκρίνειας Landsat, μπορεί να αποτυπωθεί από δορυφορικά προϊόντα χαμηλής ευκρίνειας μέσω της στατιστικής ανάλυσης τάσης χρονοσειρών. Ο ρυθμός ανάκαμψης της βλάστησης ΡΑβ που υπολογίστηκε από την εφαρμογή μοντέλου γραμμικής παλινδρόμησης, βρέθηκε θετικός συνολικά για την περιοχή μελέτης, με τις αμιγώς δασικές εκτάσεις να παρουσιάζουν υψηλότερες τιμές και τις χορτολιβαδικές τις χαμηλότερες. Ο δείκτης EVI παρουσίασε πιο διακριτά αποτελέσματα του ρυθμού ΡΑβ μεταξύ των διαφορετικών κατηγοριών βλάστησης. 138

155 ΚΕΦΑΛΑΙΟ 7 Τα αποτελέσματα έδειξαν ότι οκτώ χρόνια μετά τις πυρκαγιές η γενικότερη ανάκαμψη της βλάστησης, ανεξάρτητα από είδος αυτής, αποτελεί μία αργή διαδικασία. Από την εκτίμηση της χωρική ετερογένειας των πυρόπληκτων περιοχών, η ανάλυση των δύο χρονοσειρών φανέρωσε κοινά πρότυπα μεταξύ τους στη διαχρονική εξέλιξη της ετερογένειας με τον EVI να εμφανίζει μεγαλύτερη διακύμανση μεταξύ των ετών. Οι υψηλότερες τιμές ετερογένειας εμφανίστηκαν κατά τη διάρκεια του έτους των πυρκαγιών. Από τη μοντελοποίηση της μεταπυρικής δυναμικής της βλάστησης προέκυψε ότι τα τοπογραφικά χαρακτηριστικά, όσο και ο βαθμός καταστροφής και η προγενέστερη κατάσταση της βλάστησης επηρεάζουν σημαντικά το ρυθμό ανάκαμψης. Την ισχυρότερη επίδραση είχε ο dnbr (απώλεια βλάστησης), ακολουθούμενος από το υψόμετρο, ενώ έπονται οι μεταβλητές της κλίσης και του NBR (κατάσταση βλάστησης πριν την πυρκαγιά). Τα αποτελέσματα της εφαρμογής των μοντέλων πολλαπλής παλινδρόμησης ήταν σε όλες τις περιπτώσεις στατιστικά σημαντικά. Υψηλές τιμές του συντελεστή προσδιορισμού adjr 2 βρέθηκαν για τα πλατύφυλλα δάση και για την περιοχή της Αρκαδίας η οποία παρουσίαζε υψηλή σφοδρότητα καύσης. Στις κατηγορίες της αραιής και θαμνώδους βλάστηση η διακύμανση της δυναμικής της βλάστησης με βάση τον EVI δείκτη ερμηνεύτηκε καλύτερα από τα μοντέλα παλινδρόμησης. Η αξιολόγηση των αποτελεσμάτων έδειξε ότι οι εκτιμήσεις συμφωνούν σε ικανοποιητικό βαθμό με τα δεδομένα πεδίου και τα δεδομένα υψηλής ευκρίνειας Landsat, με τη χρονοσειρά NDVI να παράγει συγκριτικά καλύτερα αποτελέσματα. 7.3 ΜΕΛΛΟΝΤΙΚΗ ΕΡΕΥΝΑ Οι προτεινόμενες μεθοδολογικές προσεγγίσεις της παρούσας έρευνας αποδείχτηκαν αποτελεσματικές στην εκτίμηση των άμεσων και μακροχρόνιων επιπτώσεων των πυρκαγιών σε τυπικά Μεσογειακά οικοσυστήματα. Από την έρευνα που πραγματοποιήθηκε όμως προκύπτουν παράλληλα νέα ερευνητικά ερωτήματα καθώς και δυνατότητες βελτίωσης και εξέλιξης των μεθοδολογιών. 139

156 Συμπεράσματα Αρχικά, βασικό αντικείμενο μελλοντικών εργασιών θα αποτελούσε η χρησιμοποίηση περισσότερων δορυφορικών εικόνων Landsat για την δημιουργία ενός πληρέστερου ιστορικού πυρκαγιών για το νησί της Θάσου. Νέα περιοχή μελέτης θα μπορούσε να συμπεριληφθεί επιπλέον για τη διερεύνηση της απόδοσης του αντικειμενοστραφούς μοντέλου ταξινόμησης. Επίσης, η διαθεσιμότητα νέων εικόνων από τις πρόσφατες αποστολές των δορυφόρων Sentinel-2 αποτελεί το έναυσμα για την διερεύνηση των δυνατοτήτων που παρέχουν τα βελτιωμένα χαρακτηριστικά τους (φασματικά, ραδιομετρικά, χωρικά) στη χαρτογράφηση πυρκαγιών με αντικειμενοστραφείς μεθόδους. Στο πλαίσιο ενεργειών και διεθνών πρωτοβουλιών που σχετίζονται με την παραγωγή κοινών μεθοδολογιών και πληροφοριών για τα καθεστώτα πυρκαγιών, τα αποτελέσματα της προτεινόμενη OBIA μεθοδολογίας χαρτογράφησης θα μπορούσαν να χρησιμοποιηθούν ως δεδομένα αναφοράς για τη σύγκριση με διαθέσιμα επιχειρησιακά χαρτογραφικά προϊόντα καμένων εκτάσεων. Για παράδειγμα, τα αποτελέσματα της ΟBIA μεθόδου θα μπορούσαν να συγκριθούν με τα αντίστοιχα προϊόντα του δικτύου Fire CCI (Climate Change Initiative). Όσον αφορά σε προοπτικές αξιοποίησης, η προτεινόμενη μέθοδος θα μπορούσε να ενσωματωθεί σε ένα σύστημα GIS μίας σύγχρονης διαδικτυακή υπηρεσίας, όπως οι υπηρεσίες του ΕΠαΔαΠ (Εθνικό Παρατηρητήριο Δασικών Πυρκαγιών), για την παραγωγή διαχρονικών χαρτών πυρκαγιών. Όπως αναφέρθηκε και στην εισαγωγή της διατριβής, η διαθεσιμότητα μεγάλου αρχείου εικόνων των αποστολών Landsat, αλλά και οι πρόσφατες λήψεις των Sentinel-2, προφέρουν πλέον τη δυνατότητα ανάλυσης πυκνών χρονοσειρών υψηλής χωρικής ευκρίνειας. Συνεπώς, επόμενο βήμα αποτελεί η εφαρμογή των μεθόδων ανάλυσης τάσης σε χρονοσειρές διαφόρων δεικτών βλάστησης από τους Landsat και Sentinel αισθητήρες για την ακριβέστερη χωρική εκτίμηση της μεταπυρικής δυναμικής της βλάστησης. Αξίζει να εξεταστεί ταυτόχρονα και η συνέργεια μεταξύ των παραπάνω δεδομένων ώστε να δημιουργηθούν συνεχείς χρονοσειρές με μικρό χρονικό βήμα. Κατ αυτό τον τρόπο, θα υπάρξει η δυνατότητα λεπτομερούς διερεύνησης της επίδρασης των πυρκαγιών στη διαχρονική συμπεριφορά διαφορετικών φαινολογικών χαρακτηριστικών της βλάστησης. Με βάση επίσης την υψηλή συχνότητα λήψης εικόνων (κάθε πέντε ημέρες σχεδόν) που θα επιτευχθεί εντός του επόμενου εξαμήνου του 2017 από τη νέα αποστολή Sentinel-2, η ενσωμάτωση στη γενικότερη μεθοδολογία τεχνικών και εξειδικευμένων στατιστικών μοντέλων πρόβλεψης χρονοσειρών μπορεί να συνεισφέρει ουσιαστικά στην εκτίμηση, σε πραγματικό χρόνο σχεδόν, των πιθανών αλλαγών στα φυσικά οικοσυστήματα. 140

157 ΚΕΦΑΛΑΙΟ 7 Τέλος, σημαντικές βελτιώσεις στη μεθοδολογία εκτίμησης της μεταπυρικής δυναμικής της βλάστησης θα αποτελούσαν: α) η χρησιμοποίηση μετεωρολογικών παραμέτρων στα μοντέλα πολλαπλής παλινδρόμησης ώστε να διερευνηθεί η συμμετοχή τους στο ποσοστό διακύμανσης που δεν ερμηνεύτηκε από τις υπόλοιπες μεταβλητές, β) η προσαρμογή των μοντέλων τάσης ώστε να λαμβάνεται εξαρχής υπόψη η κατηγορία δασικής βλάστησης στην ανάλυση και να προσδιορίζεται το σφάλμα ανίχνευσης της διαταραχής (πυρκαγιάς) ανάλογα με την κατηγορία, και γ) η διερεύνηση της δυνατότητας ενσωμάτωσης νέων παραμέτρων ή αλγόριθμων που θα επιτρέψουν πέρα από τον εντοπισμό της αλλαγής και τον προσδιορισμό του είδους αυτής. 141

158 Συμπεράσματα 142

159 ΠαράρτημαA. Παράρτημα Στο παράρτημα περιλαμβάνονται χάρτες που δε θεωρήθηκε απαραίτητο να συμπεριληφθούν στο κύριο κείμενο της διατριβής, παρουσιάζουν όμως ενδιαφέρον καθώς απεικονίζουν χωρικά τα αποτελέσματα διαφορετικών σταδίων της ανάλυσης για την περιοχή μελέτης της Πελοποννήσου. Επιπλέον, παρουσιάζεται ένα γενικό διάγραμμα των διαφορετικών βημάτων επεξεργασίας των χρονοσειρών MODIS και SPOT-VGT, ενώ συμπεριλαμβάνονται και ενδεικτικές φωτογραφίες από τις εργασίες στο πεδίο τον Σεπτέμβριο του 2010 σε περιοχές της Πελοποννήσου. Image Stack VIs Stack Statistical analysis QA Mask Time-series smoothing Spatial analysis Maps NDVI calculation Εικόνα A.1. Διάγραμμα ροής των βασικών βημάτων επεξεργασίας των χρονοσειρών MODIS και VGT. Εδώ παρουσιάζονται τα βήματα που ακολουθήθηκαν σύμφωνα με τις εργασίες του Κεφαλαίου 5, όπου επεξεργάστηκαν τα 8ήμερα προϊόντα επιφανειακής ανάκλασης MODIS (MOD09Q1) και τα 10ήμερα προϊόντα ανάκλασης VGT D-10. Παρόμοια επεξεργάστηκαν και τα προϊόντα των δεικτών βλάστησης NDVI και EVI του MODIS (MOD13Q1). 143

160 Παράρτημα Εικόνα A.2. Χωρική απεικόνιση του μεγέθους των αλλαγών εξαιτίας των πυρκαγιών, όπως χαρτογραφήθηκε από την εφαρμογή του BFAST αλγόριθμου στη χρονοσειρά MODIS NDVI για ολόκληρη την περιοχή μελέτης. 144

161 Παράρτημα Εικόνα A.3. Ο χάρτης του NDVI ρυθμού ανάκαμψης (ΡΑβ) της βλάστησης οκτώ χρόνια μετά τις πυρκαγιές για την περιοχή της Πελοποννήσου. 145

162 Παράρτημα Εικόνα A.4. Ο χάρτης του ΕVI ρυθμού ανάκαμψης (ΡΑβ) της βλάστησης οκτώ χρόνια μετά τις πυρκαγιές για την περιοχή της Πελοποννήσου. 146

163 Παράρτημα Εικόνα A.5. Εκτίμηση του συντελεστή παλινδρόμησης R 2 ανά εικονοστοιχείο μεταξύ των χρονοσειρών ΕVI~dNBR( ) για την περιοχή της Αρκαδίας. Υψηλότερες τιμές του R 2 φανερώνουν καλύτερη συσχέτιση μεταξύ των δύο χρονοσειρών. 147

164 Παράρτημα Εικόνα A.6. Εκτίμηση του συντελεστή παλινδρόμησης R 2 ανά εικονοστοιχείο μεταξύ των χρονοσειρών NDVI~dNBR( ) για την περιοχή της Αρκαδίας. Υψηλότερες τιμές του R 2 φανερώνουν καλύτερη συσχέτιση μεταξύ των δύο χρονοσειρών. 148

165 Παράρτημα Εικόνα A.7. Φωτογραφίες δειγματοληπτικών επιφανειών σε θαμνώδεις εκτάσεις στην Πελοπόννησο με υψηλό (A), μεσαίο (B) και χαμηλό (C) ποσοστό ανάκαμψης (Veraverbeke et al. 2012). 149