cavalli corte v2 dina 03 - Proterina · SUOMI - NPP NPP: NPOESS (National Polar-orbiting Operational Environmental Satellite System) Preparatory Project: monitorare i cambiamenti

Rencontres La seconde étape dans la protection contre les risques naturels: les investissements sur le territoire

23 septembre 2014

Amphi G.B. Acquaviva –Iut de Corse

Campus Grimaldi - Corte

L’ d i d i lli i M di /NPP il i iL’uso dei dati satellitari Modis/NPP per il monitoraggioe previsione del rischio incendi boschivi

Giacomo Cavalli

REGIONE AUTÒNOMA DE SARDIGNAREGIONE AUTONOMA DELLA SARDEGNA

AGENTZIA REGIONALE PRO S’AMPARU DE S’AMBIENTE DE SARDIGNA AGENZIA REGIONALE PER LA PROTEZIONE DELL’AMBIENTE DELLA SARDEGNA

ARPAS

AGENZIA REGIONALE PER LA PROTEZIONE DELL’AMBIENTE DELLA SARDEGNA - ARPAS

Remote sensing per rischio incendi

ARPAS - Dipartimento Meteoclimatico

Attività di supporto al Corpo Forestale e di Vigilanza Ambientale e alla Protezione Civile

della Regione Autonoma della Sardegna durante la stagione antincendi:

Mappa delle variazioni dello stato della vegetazionepp g

Analisi agrometeorologica Normalized Difference Vegetation Index (NDVI)

Entrambi i bollettini danno informazioni sulle aree a potenziale maggior rischio seguendo

l’evoluzione delle dinamiche della vegetazione e della necromassa potenzialmente combustibile

2PROTERINA2 - Corte, 23 settembre 2014


Proterina2

Le attività sviluppate nel progetto Proterina-C hanno indicato la strada per il progetto Proterina2.

Acquisire sensori /strumentazione per potenziare sistemi di previsione e prevenzione

Migliorare la capacità di condivisione di informazioni tra i partner e i diversi attori nel campo della

prevenzione e monitoraggio

Migliorare la conoscenza dei processi che inducono condizioni di rischio sul territorio (incendi

boschivi)



Proterina2

Attività Arpas:

• Step precedente (in corso): Acquisizione stazione di ricezione dati satellitari

• valorizzazione della piattaforma informatica per condivisione di dati e modelli

• integrazione dei dati satellitari nella piattaforma, con storage e sw archiviazione/catalogazione

• sviluppo e implementazione su piattaforma integrata degli strumenti di supporto per il run deisviluppo e implementazione su piattaforma integrata degli strumenti di supporto per il run dei

modelli di previsione e simulazione della propagazione degli incendi.

• i d i lli di i i l d il i l• messa a regime dei protocolli di comunicazione e le procedure sviluppati nel progetto

PROTERINA-C, assicurando la disponibilità delle immagini satellitari e delle loro elaborazioni, e

la condivisione di tutti i dati



Applicazioni

Osservazione della Terra per l’analisi ambientale nelle bande di frequenza a media risoluzione

(250/500/1000 metri)

Inserimento di informazioni dinamiche sulla necromassa combustibile in sistemi/modelli per la stima/ p

del rischio incendi.

Elaborazione mappe di supporto alla Protezione Civile analisi del comportamento del fronte diElaborazione mappe di supporto alla Protezione Civile, analisi del comportamento del fronte di

fiamma come intensità potenziale e velocità di propagazione

Id ifi i d i i d’i d li i di b hi i i HSD (H S D i )Identificazione dei punti d’innesco degli incendi boschivi con tecnica HSD (Hot Spot Detection) e

LST (Land Surface Temperature)

5PROTERINA2- Corte, 23 settembre 2014


Applicazioni in modelli per valutazione rischio incendi

RISICO (RISchio Incendi e COordinamento)

Implementato dalla Fondazione CIMA (Centro Internazionale in

b l l lMonitoraggio Ambientale), operativo presso il “Dipartimento Nazionale

della Protezione Civile” dal 2003.

Ruolo chiave dell’umidità della necromassa.

Dati telerilevati danno informazione sullo stato della vegetazione su scala

spaziale e temporale.

La variabilità della vegetazione erbacea è notevole ma difficile da

modellizzare.

RISICO si basa su Fire Potential Index (FPI), che combina dati meteo

(temperatura, pioggia, umidità, vento, modelli meteorologici), telerilevati

e misurati in campo



Applicazioni in modelli per valutazione rischio



Modis

ll d ( h b )Satelliti Terra and Aqua, missione EOS (Earth Observing System)

36 canali

Risoluzione spaziale: 250-500-1000 metri

Ri l i R di t i 12 bit

8

Risoluzione Radiometrica: 12 bitPROTERINA2- Corte, 23 settembre 2014


NDVI

NIR: near infrared channel

(B2, λ 841-876 nm)R: visible red channelR: visible red channel

(B1, λ 620-670 nm)

Risoluzione spaziale B1/B2:

250 metri

RNIRRNIRNDVI

+−

=

NDVI dà indicazioni su attività fotosintetica e

sullo stato fenologico delle piante



Processi di Elabora ione:

NDVI

Processi di Elaborazione:

Acquisizione dell’immagine, ritaglio attorno alla regione Sardegna, correzione Bow-Tie, georeferenziazione

UTM ED50, maschera terra, calibrazione per ottenere riflettanza da DN, NDVI giornaliero, NDVI-

d d l l ldecadale con algoritmo Maximum Value Composite.



NDVI / Relative Greeness

Per ogni pixel (cella da 250m) si elabora

RG (Relative Greeness) minmax

min

NDVINDVINDVINDVIRG i

−−

=

NDVI i: NDVI del periodo di osservazione (per esempio 10 giorni)

NDVI max: massimo storico NDVI

NDVI min: minimo storico NDVI

Serie storica 2001-2010

RG è fortemente correlato alla frazione viva della biomassa



Relative Greeness

I pixels corrispondenti a neve, nuvole, aree antropiche o altre interefernze non

sono considerati

RG è stato utilizzato in RISICO per provare a migliorare la stima del

combustibile morto e per ridurre la sovrastima dell’intensità del fronte di

fiamma

Nella mappa è mostrato un RG tipico della prima decade di Maggiopp p p gg

RG prossimo a 1: vegetazione in buono stato, molto densa

RG prossimo a 0: vegetazione molto secca,

grande quantità di necromassa



Vengono considerati solo i valori tra 0 e 1.

Relative Greeness

Valori <1 o >1 rappresentano aree dove rispettivamente NDVI è inferiore al minimo valore o superiore al

massimo, osservato negli ultimi 10 anni.Per esempio, una mappa RG del mese di Aprile (sinistra) può essere caratterizzata da molte anomalie (pixel

)grigi).Solitamente un mese dopo (Maggio) queste anomalie diminuiscono (destra).



Anomalie dovute a molti pixels con RG >1 in primavera: la serie di 10 anni è troppo corta e non

Relative Greeness

p p pp

completamente adatta ad individuare i valori estremi di NDVI: se si verifica un inverno molto umido e

piovoso, questo può generare una forte crescita vegetativa in primavera tale da giustificare valori maggiori

al massimo dei 10 anni consideratial massimo dei 10 anni considerati.

L’uso di RG in Risico auspica di ridurre la sovrastima del rischio incendi nelle aree dove la % di

i i / i è iù l Q hè RISICO h ivegetazione viva/attiva è più alta. Questo perchè RISICO, assume che a terra sia sempre presente una

certa quantità di necromassa.

Il periodo di maggiore interesse è quello che va dalla primavera alla fine dell’estate.

Nelle mappe seguenti sono mostrati i confronti tra l’intensità potenziale lineare elaborata da RISICO

usando in ingresso RG (destra) o senza (sinistra).

Sono mostrati dei casi di RG nel mese di Giugno, Luglio e Agosto, visualizzato al centro tra le 3 mappe.

E’ visibile il contributo di RG per ridurre la stima del rischio incendi.

14

p

PROTERINA2 - Corte, 23 settembre 2014


GiugnoRelative Greeness

g



LuglioRelative Greeness

g



AgostoRelative Greeness

g



Per la validazione dello studio si sono considerati

Relative Greeness

2 diversi aspetti.

Il primo è valutare la riduzione a livello regionale

delle aree classificate con rischio alto ed estremo.

Nella tabella sono riportate le aree della Sardegna

classificate in 5 classi di rischio, in base

all’intensità potenziale del fronte di fiamma Iall intensità potenziale del fronte di fiamma I

[kW/m], elaborato da RISICO.

Per ogni giorno considerato, si riporta la % delle

aree in ogni classe di rischio utilizzando RGaree in ogni classe di rischio, utilizzando RG

(verde) e non (gialla).

In tutte le 6 giornate di rischio incendio

l d l d d ll d

Very Low I<86

Low 86<I<350analizzate, è evidente la riduzione delle aree di

rischio “alto” ed “estremo” verso la classe di

rischio più bassa.

Medium 350<I<1500

High 1800<I<3000

Extreme I>3000



Negli istogrammi dei pixels elaborati alle 12:00 del 17/06/11 (sinistra) e del 11/07/11 (destra) è

Relative Greeness

g g p / / ( ) / / ( )

mostrato l’effetto di RG sull’intensità potenziale.

La riduzione è più evidente nella stagione primaverile rispetto all’estate.

La riduzione delle aree a rischio “alto” ed “estremo” è evidenteLa riduzione delle aree a rischio alto ed estremo è evidente.

Ridurre la sovrastima del rischio incendi è importante per evitare un notevole dispiegamento di forze

in giornate non particolamente critiche.



Relative Greeness

Infine, è stata fatta un’analisi specifica su uno degli incendi più estesi sviluppatisi in Sardegna nell’estate

2011.

In particolare, il 13 Luglio 2011 bruciarono più di 2500 ettari soltanto nel comune di Oschiri, nel nord

Sardegna.

RG degraderebbe le prestazioni di Risico se il rischio riducesse nelle aree dove si sono estesi vasti incendi.

Nelle seguenti mappe di intensità potenziale del fronte di fiamma elaborato da Risico con e senza l’inputNelle seguenti mappe di intensità potenziale del fronte di fiamma, elaborato da Risico con e senza l input

di RG, sono mostrati i comuni dove si sono sviluppati gli incendi maggiori in quella giornata (Oschiri,

Olbia, Chiaramonti, S. Basilio).



All’interno dei comuni colpiti dal fuoco l’effetto di RG è trascurabile. Le aree caratterizzate da valori

Relative Greeness

estremi (I>3000 [kW/m]) non sono state modificate da RG . Infatti in questi casi RG è vicino a 0.



Considerazioni

Nonostante il limitato periodo di osservazione (stagione incendi 2011 e parte di 2012), e le serie temporali

di massimi e minimi valori di NDVI necessitino di essere migliorate, è comunque evidente la riduzione

delle aree ad alto rischio incendi su scala regionale usando l’indice RG.g

Inoltre, è evidente che la riduzione del rischio è maggiore in primavera e minore in estate, quando la

necromassa è maggiormente presente.

Si può dunque ipotizzare come RG possa migliorare la sensibilità del modello Risico,

Riducendo la sovrastima dove il fuoco non si propaga in maniera estesa,

L i d i i t il li ll di i hi ll l it d i di t iLasciando invariato il livello di rischio nelle aree colpite da incendi estesi.



SUOMI - NPP

NPP: NPOESS (National Polar-orbiting Operational Environmental Satellite System) Preparatory

Project: monitorare i cambiamenti climatici e coadiuvare la previsione delle condizioni meteorologiche.

3 sensori: Viirs, Cris e Atms, raccolgono dati su atmosfera, temperature della superficie degli oceani,

fondali marini, umidità, produttività biologica dell'oceano e della terraferma, nubi e aerosol.

Visible Infrared Imager Radiometer Suite (VIIRS): g ( )

raccoglie le immagini radiometriche nelle onde visibili e invisibili in infrarosso, non solo del suolo ma

anche dell’atmosfera e degli oceanianche dell atmosfera e degli oceani.



• A è i ll’ i di i d fi iti di l f it i t ll i

SUOMI - NPP

• Arpas è prossima all’aggiudicazione definitiva di una gara europea per la fornitura e installazione

di una stazione di ricezione dati satellitari in Banda X/L

• probabile fase di installazione durante l’autunno

• in servizio ad inizio 2015?



VIIRS

VIIRS: Visible Infrared Imaging Radiometer Suite g g

5 High resolution Imagery channels (I-bands)

16 Moderate resolution channels (M-bands)

Day/Night Band (DNB)

Lanciato a bordo di Suomi-NPP il 28/10/2011



VIIRS



VIIRS

Prima immagine globale acquisita 24 Novembre 2011

27

g g q

PROTERINA2 - Corte, 23 settembre 2014


MODIS/VIIRS

Inserimento dati eleborati da MODIS/VIIRS (mappe/indici di vegetazione) in:

• modelli/software per la previsione e il monitoraggio della pericolosità potenziale degli incendi boschivi : p p gg p p g

IFI / Risico

• software per la simulazione della propagazione degli incendi boschivisoftware per la simulazione della propagazione degli incendi boschivi

• strumenti di supporto per monitoraggio dell’innesco e del fronte di fiamma in tempo reale (es. Hot

S t D t ti L d S f T t )Spots Detection, Land Surface Temperature…)



Grazie per l’attenzioneGrazie per l attenzione


Documents

cavalli corte v2 dina 03 - Proterina · SUOMI - NPP NPP: NPOESS (National Polar-orbiting Operational Environmental Satellite System) Preparatory Project: monitorare i cambiamenti