Indice della presentazione Introduzione; Risposta spettrale della vegetazione e riconoscimento incendi; Tecniche di classificazione automatica e mappe del combustibile; Stima di parametri biochimici e biofisici e caratteristiche del combustibile; Mappatura delle aree bruciate; Monitoraggio post-evento
Parametri di interesse (da RS) nella pianificazione antincendio Indice di Area Fogliare (LAI) [m 2 /m 2 ]; Grado di copertura della canopy (Fc) [%]; Contenuto d acqua fogliare (Cw), [g/m 2 ];
Regioni spettrali e parametri del combustibile un passo indietro: perché riusciamo a stimare questi parametri da telerilevamento?? Variazioni di ρ λ a diversi contenuti di clorofilla (modello Prospect) µg/cm 2! Influenza della struttura e del LAI a livello di canopy!
Regioni spettrali e parametri del combustibile Variazioni di ρ λ a diversi contenuti di clorofilla (modello Prospect) µg/cm 2! Influenza della struttura e del LAI a livello di canopy!
Regioni spettrali e parametri del combustibile Variazioni di ρ λ a diversi contenuti di clorofilla (modello Prospect) µg/cm 2! Influenza della struttura e del LAI a livello di canopy!
Regioni spettrali e parametri del combustibile Variazioni di ρ λ a diversi contenuti di acqua (modello Prospect) µg/cm 2! Influenza della struttura e del LAI a livello di canopy!
Regioni spettrali e parametri del combustibile Variazioni di ρ λ a diversi contenuti di acqua (modello Prospect) µg/cm 2! Influenza della struttura e del LAI a livello di canopy!
Regioni spettrali e parametri del combustibile Variazioni di ρ λ a diversi contenuti di acqua (modello Prospect) µg/cm 2! Influenza della struttura e del LAI a livello di canopy!
Regioni spettrali e parametri del combustibile
Stima delle caratteristiche del combustibile Modelli semi-empirici regressivi Modelli fisicamente basati di trasferimento radiativo Campionamenti vs misure iperspettrali Livello di canopy (e.g. modello SAILH) 0.9 - LAI, Fapar, Fc, ρ c λ, τc λ - NDVI 0.8 0.7 0.6 0.5 0.4 0.3 0.2 r 2 = 0,83 0.1 0 0.00 0.50 1.00 1.50 2.00 2.50 3.00 elaio Esempio di relazione sviluppata per stimare l indice di area fogliare da NDVI MIVIS. Livello di foglia (e.g. modello PROSPECT) - Cab, Cw, Cm, N; ρ f λ, τf λ -
Misure tradizionali LAI [m 2 /m 2 ]; Fc [%]; Cw [g/m 2 ]; In campo, misure puntuali, per contatto e a volte distruttive, laboriose e onerose, difficilmente aggiornabili e poco estrapolabili
LAI e disponibilità di biomassa bruciabile
LAI e disponibilità di biomassa bruciabile Perché il LAI è importante nella pianificazione antincendi? Il LAI è correlato alla capacità di fotosintesi della canopy e veicola il tasso di evapotraspirazione; Il LAI è proporzionale alla quantità di H 2 O accumulabile nelle chiome e a quella che può essere intercettata in presenza di eventi meteorici; E legato alla quantità di combustibile potenziale e al carico d incendio disponibile; Correlato alla Standing Biomass (per gestione forestale, per rischio d incendio); E un parametro dinamico!
LAI: come si misura? Per colture erbacee: si misura l area di tutte le foglie di un campione di piante rappresentative (mediante leaf meter o scanner) SLA=area fogliare / peso a secco LAI = peso a secco * SLA Per vegetazione arborea: Si effettuano su un numero variabile di alberi da cui vengono selezionati alcuni rami campione, omogeneamente distribuiti nella chioma, sui quali si misura l area fogliare specifica (SLA) (mediante leaf meter o scanner) - : LAI = a + b ( log DBH ) Si utilizza il LAI misurato per alcuni alberi in modo distruttivo per stabilire relazioni empiriche con parametri facilmente misurabili (per esempio diametro tronco a 1.5m, DBH- Diameter at Breast Height)
Leaf Area Index (LAI): come si misura? Metodi diretti distruttivi (Leaf Area Meter) Delta-T Image analysis system Dias II Se è noto il Peso Specifico Fogliare (Specific Leaf Weight, SLW=area fogliare/peso a secco cm2/g) il LAI si ottiene facilmente pesando un campione e quindi come peso secco*slw Il LAI a livello di campo di un sistema agricolo (e.g. soia) è calcolato moltiplicando l Area Fogliare misurata per la densità delle piante
Leaf Area Index (LAI): come si misura? Metodi diretti distruttivi (Leaf Area Meter) Metodi indiretti con LICOR LAI-2000; Metodi indiretti con Nikon Hemispherical Digital Camera; 1 2 3
LAI: come si misura? Stime di LAI a partire dall irradianza solare intercettata dalla canopy vegetazionale correlazione inversa tra LAI e trasmittanza luminosa sotto la copertura arborea!"!# $%&'
Leaf Area Index (LAI): come si misura? Metodi indiretti con LICOR LAI-2000; LAI = 2 π / 2 0 [ P( θ )] cosθ sinθ dθ ln 1/ Si misura la frazione di radiazione nel blu (probabilità di intercettazione) che passa attraverso i vuoti della canopy in vari angoli e si inverte un modello simile a quello basato sulla legge di Lambert-Beer
LAI da fotografie emisferiche Stima da foto emisferica (in foresta) Si calcola la distribuzione dei gap e questa viene relazionata al valore di LAI mediante un modello di estinzione della luce nella canopy tipo Lambert Beer Combustibile aereo: le foto vengono acquisite con una macchina digitale (obiettivo fisheye) dal basso verso l alto Le foto vengono acquisite lungo transetti, oppure ci si sposta di qualche metro dal centro verso i quattro punti cardinali (servono almeno 5 foto) La macchina fotografica deve essere in bolla e sempre alla stessa altezza da terra. Mediante tecniche di classificazione vengono individuati i gap (i.e., cielo) e la loro distribuzione nell immagine
LAI da fotografie emisferiche Stima da foto emisferica (in foresta) Combustibile di superficie: le foto vengono acquisite con una macchina digitale (obiettivo fisheye) dall alto verso il basso Mediante tecniche di classificazione vengono individuati i gap (in questo caso suolo) e la loro distribuzione nell immagine
Leaf Area Index (LAI): come si misura? Metodi indiretti con Nikon Hemispherical Digital Camera; Maggio - Giugno Misure con la camera rivolta verso il basso Luglio Settembre Misure con la camera rivolta verso l alto
Leaf Area Index da telerilevamento Metodi indiretti (empirici) da telerilevamento 0.9 0.8 0.7 NDVI (-) 0.6 0.5 0.4 0.3 0.2 0.1 NDVI = 0.32*Ln(LAI) + 0.48 R 2 = 0.96 Q 2 = 0.88 p<0.001 0.0 0 0.5 1 1.5 2 2.5 3 LAI (m 2 m -2 ) Mappe aggiornabili, possibilità di analizzare le variazioni nello spazio e nel tempo, differenti scale di indagine
Densità del popolamento e continuità spaziale del combustibile Fc = copertura frazionaria = Fc Identifica la percentuale di area occupata dalla vegetazione su unità di superficie occupata dalla fitocenosi Stima qualitativa: In campo si può stimare utilizzando delle tavole di confronto, che permettono di figurarsi in modo bidimensionale la percentuale di area occupata dalla vegetazione nella superficie campione 10 % 20 % 40 % 60 % 80 % 90 %
Metodi per la stima quantitativa: Fc: come si misura? a. dalle misure dei raggi e/o tecniche GIS Area delle corone Area di riferimento Unione aree corone nel sesto d impianto Intersezione corone b. con misure indirette LAI-2000 c. da foto con camera emisferica (digitali/analogiche) d. da foto digitali (foto aeree per veg. arborea; foto nadirali rispetto al piano di campagna nel caso di canopy basse)
Fc: come si misura? b. c. Fc può essere calcolata a partire dalle immagini emisferiche (ottenute con fisheye, oppure indirettamente dal LAI2000. Dalla foto emisferica si ottiene dalla porzione di immagine ripresa nei primi 10 dell angolo di vista del fisheye In modo analogo, è possibile ricavare una stima di Fc indirettamente dalla misura effettuata con LAI2000: Fc = 1-P(7 ) dove P(7 ) è la frazione dei gap calcolata a 7 (vista quasi nadirale)
Fc: come si misura? Variabilità spaziale del combustibile aereo Stima da foto aeree ad alta definizione geometrica (per vegetazione arborea) : GAPs: Spazi inter/intra corona Fotografia aerea all IR falso colore Unità di superficie Stima da foto aeree ad alta definizione. Le foto vengono scannerizzate e georeferenziate. Si individua una unità di superficie avente area nota. All interno dell unità di superficie si delineano i gaps, per sottrazione si individua l area vegetata, si calcola Fc.
Fc: come si misura? Variabilità spaziale del combustibile di superficie a b a) immagine nadirale digitale RGB dell understory; b) prodotto R*G*B. Nel riquadro è rappresentato il risultato della segmentazione. Nel caso understory si possono effettuare fotografie digitali nadirali rispetto al piano di campagna mediante tecniche di classificazione stimare la componente vegetale. Conoscendo la dimensione dell unità campione si deriva la Fc
Fc da telerilevamento aereo e satellitare Come per il LAI anche Fc si può stimare da telerilevamento e quindi analizzare la sua distribuzione spazio-temporale (canopy level)
( Contenuto idrico del combustibile Cw = Peso Fresco Peso Secco Differenza di peso )* $+ "!,!+ Equivalent Water Thickness EWT = [g*cm -2 o cm] Fuel Moisture Content FMC = [%] Relative Water Content RWC = [%]
Contenuto idrico del combustibile Misure dirette (misura in laboratorio) Materiale fogliare ad area nota pronto per essicazione 1. Calcolo peso fresco 2. Calcolo peso turgido (le foglie vengono lasciate immerse in acqua) 3. calcolo peso secco (dopo essicazione in stufa per almeno 48 h)
Contenuto idrico del combustibile 0.6 Misure indirette (da telerilevamento) 0.5 0.4 1450 nm R 0.3 0.2 970nm 1200 nm 0.1 0.07 0.0 400 500 600 700 800 900 1000 1100 1200 1300 1400 1500 1600 0.06 wl (nm) N D W I 0.05 0.04 0.03 0.02 0.01 y = 3.058x + 0.0028 R 2 = 0.4417 0 0.008 0.009 0.01 0.011 0.012 0.013 0.014 0.015 0.016 RWC (%) Modelli semi-empirici (relazioni con VI) Inversione di modelli di trasferimento radiativo
Esperimenti Clorofille, acqua e fluorescenza Iperspettrali, da aereo, aree test Camere emisferiche Trasmittanza e riflettanza Spettroscopia A media risoluzione da satellite Campionamenti Giornaliere, analisi regionale
Campionamento a terra di LAI, Fc e Cw elaio i. Gap fraction acquired under diffuse radiation condition (sunset) using two separate inter-calibrated sensor units with a 45 view-cap. ii. elai computed excluding the fifth ring (67 midpoints). Sample area Li COR LAI-2000: 5 ground samples every 3.5m along a transect radius ranges between 14 to 42 m. LAI ranges between 0.47 to 3.2 m 2 /m 2. Water content i. Twelve stands with different ages and management. Three trees and four leaves for each tree (n=144). ii. dgps located on MIVIS imagery.
Stima delle caratteristiche del combustibile Modelli semi-empirici regressivi Modelli fisicamente basati di trasferimento radiativo Campionamenti vs misure iperspettrali Livello di canopy (e.g. modello SAILH) 0.9 - LAI, Fapar, Fc, ρ c λ, τc λ - NDVI 0.8 0.7 0.6 0.5 0.4 0.3 0.2 r 2 = 0,83 0.1 0 0.00 0.50 1.00 1.50 2.00 2.50 3.00 elaio Esempio di relazione sviluppata per stimare l indice di area fogliare da NDVI MIVIS. Livello di foglia (e.g. modello PROSPECT) - Cab, Cw, Cm, N; ρ f λ, τf λ -
Stima delle caratteristiche del combustibile Da immagini iperspettrali da aereo
Esempi di mappe tematiche: densità della copertura Mappa Mappa di di Clorofilla Fc (%) 0-20 16-17 [µg/cm 2 ] 20-40 17-18 [µg/cm 2 ] 40-80 18-20 [µg/cm 2 ] 80-100 20-22 [µg/cm 2 ]
Esempi di mappe tematiche: contenuto idrico del combustibile Mappa di EWT canopy 31-100 [g/m 2 ] 100-175 [g/m 2 ] 175-250 [g/m 2 ] 250-320 [g/m 2 ] 320-391 [g/m 2 ] > 392 [g/m 2 ]
Valutazione degli errori SWI 0.65 0.60 0.55 OLS regression: (ρ820-ρ1450)/(ρ820+ρ1450)= 21.112EWT + 0.2393 r 2 = 0.58 p<0.01 n=163 EWTcanopy (g/m2) MIVIS VIs r 2 Q 2 RRMSEcv NDWI 0.72 0.51 31.5 SRWI 0.74 0.60 28.6 NDII 0.66 0.16 41.3 MSI 0.69 0.53 30.8 DWI 0.64-0.02 45.7 A CR(1150) 0.85 0.80 20.4 NDVI 0.60-0.20 49.5 SR 0.60 0.38 35.5 RSR 0.62 0.46 33.6 0.50 0.45 0.40 0.35 RMA regression: (ρ820-ρ1450)/(ρ820+ρ1450)=27.68ewt+0.158 r 2 = 0.58 0.30 0.008 0.009 0.01 0.011 0.012 0.013 0.014 0.015 0.016 Esempio di relazione sviluppata per stimare il contenuto idrico da SMI 03. EWT (g/cm2) EWTleaf (g/cm2) A CR(1150) /SR 0.70 0.44 3.0 SRWI/SAVI 0.56-0.84 5.4 MSI/SAVI 0.47-0.05 4.1 MSI/SR 0.70 0.57 2.6 NDWI/NDVI 0.64 0.51 2.8 NDWI/SR 0.07-1.42 6.2 NDII/A CR(1150) 0.65 0.49 2.9 NDWI/A CR(1150) 0.65 0.52 2.8 MSI/SRWI 0.72 0.56 2.7 MSI/A CR(1150) 0.64 0.45 3.0 Possibilità di mappare il contenuto idrico sia a livello di foglia sia a livello di canopy!
Applicazioni a varie scale!
Esempi di mappe tematiche: indice di area fogliare
Pubblicazioni recenti Stato di salute 0-1 1-2 2-3 3-4 Biomassa e sequestro CO 2 30-100 100-175 175-250 250-320 320-391 > 392 Contenuto idrico, biomassa combustibile Colombo et al., 2006 Meroni et al., 2004 Panigada et al., 2003
Analisi regionale: serie temporali MODIS Acquisizione immagini MODIS [alta frequenza temporale, MONITORAGGIO NEL TEMPO!] ImmaginiMODIS 250m 16-days composite NDVI (Prodotto MOD13Q1) per il periodo 2000-2005 (2003 heat wave). 31/10/2004 20/03/2004 12/08/2004 17/01/2004 25/05/2004 NDVI ρ = ρ NIR NIR ρ R + ρ R 0 1 MODIS 2004 NDVI
Dinamica delle caratteristiche del combustibile La stessa superficie può essere ripresa in diversi momenti, per cui è possibile analizzare fenomeni dinamici
Dinamica delle caratteristiche del combustibile Anticipo primaverile Ritardo autunnale Jan Jul Aug Dec NDVI.MODIS 2000-2006 0.95 0.85 0.75 NDVI 0.65 0.55 0.45 0.35 0.25 20/05/99 01/10/00 13/02/02 28/06/03 09/11/04 24/03/06 Data
Dinamica delle caratteristiche del combustibile: ciclo fenologico 0.9 NDVI-MODIS stagione 2005-2006 carico razionale 1.0 NDVI-MODIS stagione 2005 Pascolo di bassa quota 0.8 carico alto 0.8 Pascolo di alta quota 0.7 0.6 NDVI 0.6 NDVI 0.4 0.5 0.2 0.4 0.0 9-nov 17-feb 28-mag 5-set 14-dic 24-mar 0.3 17-lug 25-ott 2-feb 13-mag 21-ago Data -0.2 Data
Dinamica del pascolo Variazioni intra e inter-annuali dell indice NDVI MODIS (anno 2006, 16 giorni) 1.0 0.8 0.6 Profili di NDVI (anno 2006) per pascoli a quote differenti P1-2050 m P2-2450 m P3-2320 m P4-1900 m 1.0 0.8 0.6 P1-valle P2-monte Profilo NDVI 2000-2006 Y Data 0.4 NDVI 0.4 0.2 Varizioni altitudinali 0.2 0.0 0.0-0.2 dic feb apr giu ago X Data -0.2 01/01/00 01/01/01 01/01/02 01/01/03 01/01/04 01/01/05 01/01/06 01/01/07 Time
Dinamica delle caratteristiche del combustibile
Dinamica delle caratteristiche del combustibile
Dinamica delle caratteristiche del combustibile Evoluzione dell indice di area fogliare 0-1 1-2 2-3 3-4 t1) t2)