ANOMALIE NDVI DA MODIS [TERRA/AQUA]

Transcript

1 AS / Lt-Agro, creazione: modifiche: 1.33 / , Pagina 1 di 15 ANOMALIE NDVI DA MODIS [TERRA/AQUA] Rapporto interno: Descrizione Bollettino NDVI Andrea Spisni (aspisni@arpa.emr.it) Laboratorio di Telerilevamento; Area Agrometeorologia e Territorio Servizio Idrometeo, ARPA-EMR ( V.le Silvani 6, Bologna 4122, tel , fax KEYWORDS Siccità e desertificazione, NDVI, MODIS, TERRA, AQUA, MOD13A1, MOD13Q1, MYD13Q1, Emilia-Romagna. The MODIS Vegetation Index (NDVI) data were obtained through the online Data Pool at the NASA Land Processes Distributed Active Archive Center (LP DAAC), USGS/Earth Resources Observation and Science (EROS) Center, Sioux Falls, South Dakota ( Data are processed by INTRODUZIONE L indice di vegetazione normalizzato (NDVI), calcolato come rapporto tra differenza e somma delle bande del vicino infrarosso e rosso [(NIR-R)/(NIR+R)], rappresenta lo stato della vegetazione in base alla sua attività fotosintetica. L'indice sfrutta l'elevato assorbimento nel rosso e l'elevata riflettanza nell'infrarosso per discriminare la vegetazione fotosinteticamente attiva dagli altri tipi di copertura del suolo (suolo nudo, urbano, acqua, neve e nubi). I valori dell'indice variano tipicamente da -1 (totale assenza di vegetazione) a +1 (totale copertura vegetale a più strati fogliari). Valori significativi sono generalmente contenuti nell'intervallo -.2<NDVI<1. Da vari studi compiuti si è verificato che NDVI presenta una forte correlazione con il contenuto di clorofilla fotosinteticamente attiva (FPAR) e area fogliare (LAI). Una descrizione generale dei prodotti MODIS è riportata in Justice et all (22). Le immagini NDVI calcolate da dati acquisiti dal sensore MODIS sono distribuite gratuitamente [I] dalla NASA come composizioni a 16 giorni e sono così suddivise: TERRA [(climatologia 2/(attuale-1)] NORMALE INIZIO FINE JD_START 25.mag 9.giu giu 25.giu giu 11.lug lug 27.lug lug 12.ago ago 28.ago ago 13.set set 29.set set 15.ott 273 BISESTILE

2 AS / Lt-Agro, creazione: modifiche: 1.33 / , Pagina 2 di 15 INIZIO FINE JD_START 24.mag 8.giu giu 24.giu giu 1.lug lug 26.lug lug 11.ago ago 27.ago ago 12.set set 28.set set 14.ott 273 AQUA [(climatologia maggio-giungo: 23/(attuale-1), luglio-settembre: 22/(attuale-1)] NORMALE INIZIO FINE JD_START 17.mag 1.giu giu 17.giu giu 3.lug lug 19.lug lug 4.ago 21 5.ago 2.ago ago 5.set set 21.set set 7.ott 265 BISESTILE INIZIO FINE JD_START 16.mag 31.mag giu 16.giu giu 2.lug lug 18.lug lug 3.ago 21 4.ago 19.ago ago 4.set set 2.set set 6.ott 265 La composizione dei 16 giorni avviene tramite un algoritmo che selezione il valore più alto del pixel per tutto il periodo (Maximum Value Composite MVC). Questo approccio limita valori anomali a causa di nubi e di orbite differenti. I periodi precedenti o successivi alle serie sopra descritte non sono considerati in quanto non significativi nell'analisi delle aree forestali. Per ulteriori riferimenti su siccità e desertificazione consultare i sito [II] e [III]. CALCOLO NDVI SULLE AREE FORESTALI E NATURALI DAL 212 Dall'anno 212 l'andamento dell'indice NDVI durante la stagione estiva viene analizzato solo sulle aree di allertamento montane (A-C-E-G) della Protezione Civile dell'emilia-romagna (denominate macro-aree). La procedura rimane simile al 211. Nella prima immagine del bollettino si riporta una rappresentazione dell'indice NDVI in base all'anomalia relativa alla

3 AS / Lt-Agro, creazione: modifiche: 1.33 / , Pagina 3 di 15 media degli anni precedenti 1. Segue il grafico con l'indicazione dei percentili ed il valore NDVI per tutte le superfici forestali aggregate delle macro-area. Sulla seconda pagina si riporta il valore dell'indice rilevato sulle singole composizioni forestali. CALCOLO NDVI SULLE AREE FORESTALI E NATURALI DAL 211 Dall'anno 211 l'andamento dell'indice NDVI durante la stagione estiva viene analizzato sulle aree di allertamento della Protezione Civile dell'emilia-romagna (denominate macro-aree). Le aree forestali sono state aggiornate in base ai dati di uso del suolo della Regione Emilia-Romagna del 28. I poligoni delle aree naturali sono stati selezionati in base alla loro stabilità nel tempo. Il vettoriale è stato semplificato mantenendo solo le superfici superiori ai 25 ha. Da questo anno la risoluzione spaziale del dato satellitare è di 231 m ( 6 ha). Il prodotto utilizzato è sempre una composizione a 16 giorni e viene indicato come MOD13Q1 [IV]. In caso di indisponibili del dato calcolato a partire da MODIS-TERRA, potrà essere utilizzato il suo corrispondente di MODIS-AQUA [2]. Il suo codice è MYD13Q1 [V]. Potranno anche essere realizzati bollettini con esclusivamente la serie MYD13Q1. Nel bollettino, oltre all'immagine del periodo con evidenziate geograficamente le anomalie, si riporta un grafico in cui si mostra l'andamento dell'indice durante la stagione. Nel grafico sono anche riportati i percentili (5, 5, 95 ) riferiti al periodo 2-(attuale-1). Per ciascun periodo di osservazione di sedici giorni i percentili (5, 5, 95 ) sono stati calcolati aggregando tutti i valori registrati nei diversi anni e nelle diverse macro-aree. Ripetendo questa operazione su tutti i periodi di osservazione della stagione vegetativa si sono quindi cosi ottenute tre curve climatologiche che descrivono rispettivamente : l'andamento stagionale atteso dalla climatologia (5 percentile), l'andamento caratteristico di annate molto favorevoli allo sviluppo vegetativo (95 percentile), l'andamento caratteristico di annate decisamente sfavorevoli (5 percentile). Da notare che l'aggregazione di tutte le macro-aree per la base del calcolo della climatologia (in pratica invece che calcolare la climatologia per ciascuna area si calcola una climatologia rappresentativa di tutte) di fatto introduce un'ulteriore fonte di variabilità (quella spaziale) che dovrebbe rafforzare la robustezza del campione statistico e rendere più facilmente individuabili le annate molto anomale. 1Differenza: DNDVI = (NDVI-NDVIref)/abs(NDVIref)

4 AS / Lt-Agro, creazione: modifiche: 1.33 / , Pagina 4 di 15 Immagine 1. Macro-aree (in rosso) e province (in nero) COD USORER faggete 3112 boschi appenninici a querce, carpini e castagni 3113 boschi igrofili a salici e pioppi 3114 boschi di pianura a farnie e frassini 3115 castagneti da frutto 312 boschi di conifere 313 boschi misti 321 praterie d'alta quota Tabella 1. Classi dell'uso del suolo utilizzate per l'analisi

5 AS / Lt-Agro, creazione: modifiche: 1.33 / , Pagina 5 di 15

6 AS / Lt-Agro, creazione: modifiche: 1.33 / , Pagina 6 di 15 Immagine 2. Distribuzione delle aree forestali suddivise per macro-aree

7 AS / Lt-Agro, creazione: modifiche: 1.33 / , Pagina 7 di 15 COD_TOT MA PERIMETER HA % 3111 A 1'51'378 15' % 3112 A 6'81'12 74' % 3115 A 12' % 312 A 246'733 2' % 313 A 51'151 5' % 321 A 4' % 3112 B 768'192 5' % 3113 B 6' % 3114 B 6' % 312 B 9'842 1' % 313 B 71'963 1' % 3111 C 298'186 6' % 3112 C 6'333'2 7' % 3113 C 7' % 3115 C 35' % 312 C 113'45 1' % 313 C 78' % 321 C 11'91 14.% 3112 D 64' % 3113 D 17' % 3114 D 25'75 1'5 6.7% 3111 E 2'251'119 52' % 3112 E 6'896'33 67' % 3113 E 7' % 3115 E 7' % 312 E 175'26 1' % 313 E 19'734 1' % 321 E 427'47 5' % 3112 F 284'659 2' % 312 F 8' % 313 F 11' % 3111 G 2'83'912 5' % 3112 G 8'335' ' % 3113 G 7'13 31.% 312 G 177'115 1' % 313 G 143'314 1'423.8% 321 G 194'674 1'69 1.% 3111 H 72'555 1' % 3112 H 1'998'421 2' % 3113 H 7'93 9.4% 312 H 16' % Tabella 2. Distribuzione delle classi in base alle macro-aree

8 AS / Lt-Agro, creazione: modifiche: 1.33 / , Pagina 8 di 15 CALCOLO ANOMALIE SULLE AREE FORESTALI E NATURALI FINO AL 21 Al fine di analizzare le anomalie in modo da scartare superfici non vegetate ed interessate da rotazioni agricole, i dati dalla primavera 27 sono estratti tramite le classi forestali, suddivise per provincia, definite dall'uso del suolo regionale 23 (v.11/26). Nel grafico e alla pagina 2 del bollettino si riporta la distribuzione della differenza relativa tra il valore NDVI della copertura forestale più significativa del periodo attuale (Uso del suolo 23, RER) e media di riferimento Differenza: DNDVI = (NDVI-NDVIref)/abs(NDVIref) Questo valore indica lo scostamento, per province, del dato attuale rispetto a quello atteso. La copertura forestale, essendo più stabile nel tempo rispetto alle rotazioni agricole, può rappresentare in modo più efficace lo stato vegetativo del territorio. Le classi considerate, digitalizzate su immagini Quickbird pancromatiche del sono: COD SPECIE FORESTALI 3111 Boschi a prevalenza di faggio 3112 Boschi a querce, carpini e castagni 3113 Boschi a salici e pioppi 3114 Boschi planiziali a farnie e frassini 3115 Castagneti da frutto 312 Boschi di conifere 313 Boschi misti 321 Praterie d'alta quota 3331 Calanchi La risoluzione geometrica delle immagini utilizzate è di 463 m. Il dato utilizzato è il MOD13A1 [VI]. DISTRIBUZIONE DELLE QUOTE ALTIMETRICHE DELLE CLASSI FORESTALI E NATURALI CONSIDERATE Sotto si riportano i grafici delle quote medie delle varie unità forestali considerate in base all'uso del suolo 23. L'altimetria di riferimento è il modello digitale NASA SRTM [VII]. Seguono poi i valori tabellari complessivi. Le quote medie permettono di generalizzare lo stato idrico e vegetativo delle piante alle fasce altimetriche regionali e poter estendere considerazioni sullo stato delle colture agricole. QUADRO RIASSUNTIVO FASCE QUOTA_mslm CLASSI Pianura < Collina Media montagna Alta montagna > Classi molto variabili Ovest:7-12, Est:

9 AS / Lt-Agro, creazione: modifiche: 1.33 / , Pagina 9 di w-PC w-PR w-RE w-MO c-BO e-FC w-PC w-PR w-RE w-MO c-BO e-RA e-FC e-RN

10 AS / Lt-Agro, creazione: modifiche: 1.33 / , Pagina 1 di w-PC w-PR w-RE w-MO c-BO e-FE e-RA e-FC e-RN w-PC w-PR w-RE w-MO c-BO e-FE e-RA e-FC e-RN

11 AS / Lt-Agro, creazione: modifiche: 1.33 / , Pagina 11 di w-PC w-PR w-RE w-MO c-BO e-RA e-FC w-PC 312-2w-PR 312-3w-RE 312-4w-MO 312-5c-BO 312-6e-FE 312-7e-RA 312-8e-FC 312-9e-RN

12 AS / Lt-Agro, creazione: modifiche: 1.33 / , Pagina 12 di w-PC 313-2w-PR 313-3w-RE 313-4w-MO 313-5c-BO 313-6e-FE 313-7e-RA 313-8e-FC 313-9e-RN w-PC 321-2w-PR 321-3w-RE 321-4w-MO 321-5c-BO 321-8e-FC

13 AS / Lt-Agro, creazione: modifiche: 1.33 / , Pagina 13 di w-PC w-PR w-RE w-MO c-BO e-RA e-FC e-RN Nella tabella sotto riportata si mostrano le caratteristiche geografiche delle aree considerate per l'estrazione delle anomalie. Oltre alla superficie ottenuta dalla rasterizzazione a 463 m dei poligoni forestali, si affiancano le informazione di quota (min, max, media, dev. st. e mediana) calcolate tramite il modello digitale del terreno SRTM a 9 m. ID ZONE_2_ KM2 HA H_min H_max H_mean H_stdv H_median w-PC , w-PR , w-RE , w-MO 24 24, c-BO 9 8, e-FC , w-PC , w-PR , w-RE , w-MO , c-BO 79 7, e-RA 18 1, e-FC 64 64, e-RN 24 2, w-PC w-PR w-RE w-MO c-BO e-FE e-RA

14 AS / Lt-Agro, creazione: modifiche: 1.33 / , Pagina 14 di e-FC e-RN w-PC w-PR w-RE w-MO c-BO e-FE 13 1, e-RA e-RN w-PC w-PR w-RE w-MO c-BO e-RA e-FC w-PC 18 1, w-PR 19 1, w-RE w-MO 23 2, c-BO 21 2, e-FE e-RA 26 2, e-FC 34 3, e-RN w-PC 13 1, w-PR 14 1, w-RE 12 1, w-MO 14 1, c-BO 13 1, e-FE e-RA 23 2, e-FC 72 7, e-RN w-PC w-PR 21 2, w-RE 27 2, w-MO 21 2, c-BO e-FC w-PC w-PR 12 1, w-RE 18 1, w-MO 12 1, c-BO 63 6, e-RA 14 1, e-FC 32 3, e-RN

15 AS / Lt-Agro, creazione: modifiche: 1.33 / , Pagina 15 di 15 BIBLIOGRAFIA [1] Justice C.O, Townshend J.R.G., Vermote E.F., Masuoka E., Wolfe R.E., Saleous N., Roy D.P., Morisette J.T., 22, An overview of MODIS Land data processing and product status, Remote Sens. Environ. 83:3-15; [2] Jing Wang Ni Guo, Xiaoping Wang, Jia Yang, CMA Lanzhou, 27, Comparisons of normalized difference vegetation index from MODIS Terra and Aqua data in northwestern China, Geoscience and Remote Sensing Symposium, 27. IGARSS 27. IEEE International. ( %2Fieeexplore.ieee.org%2Fiel5%2F442277%2F442278%2F pdf%3Farnumber %3D &authDecision=-23 ). SITI WEB [I] Prodotti terrestri MODIS: [II] Sito NASA di divulgazione su NDVI e siccità: [III] Sito ARPA Emilia-Romagna su monitoraggio siccità e desertificazione: idlivello=12 [IV] Descrizione MOD13Q1: q1 [V] Descrizione MYD13Q1: q1 [VI] Descrizione MOD13A1: q1 [VII] Void-filled seamless SRTM data V2, 26, International Centre for Tropical Agriculture (CIAT), available from the CGIAR-CSI SRTM 9m Database: