Διαχρονική παρατήρηση πυρκαγιών & περιβαλλοντικών επιπτώσεων στη νήσο Χίο με χρήση μεθόδων τηλεπισκόπησης & GIS

Abstract

Οι Δασικές πυρκαγιές είναι από τις πιο επικίνδυνες φυσικές καταστροφές, που επηρεάζουν σημαντικά τo οικοσύστημα και έχουν αρνητικές συνέπειες στο φυσικό περιβάλλον του πλανήτη μας. Τα Γεωχωρικά δεδομένα αποτελούν αξιόπιστα και αποτελεσματικά εργαλεία για την αποτύπωση, καταγραφή και παρακολούθηση των αλλαγών της γήινης επιφάνειας. Η συνεργασία της Τηλεπισκόπησης και των Γεωγραφικών Πληροφοριακών Συστημάτων έχει καταστεί πολύ χρήσιμη για την ακριβή ανάδειξη μιας καμένης έκτασης, την καταγραφή των επιπτώσεων μετά από μια πυρκαγιά, αλλά και την διερεύνηση των αλλαγών στη χρήση - κάλυψη γης πριν και μετά από μια πυρκαγιά. Ως περιοχή μελέτης επιλέχθηκε η Νήσος Χίος και συγκεκριμένα η περιοχή που κάηκε από την πυρκαγιά που ξέσπασε το καλοκαίρι του 2016, στο νοτιοδυτικό τμήμα του νησιού, στην περιοχή της Βέσσας, όπου κατέκαψε 45.931 στρέμματα πευκοδάσους, βοσκότοπων και καλλιεργειών. Σκοπός της παρούσας διπλωματικής είναι η διερεύνηση των επιπτώσεων της πυρκαγιάς στην περιοχή. Αρχικά εξετάστηκε ο βαθμός επίδρασης της πυρκαγιάς (δριμύτητα), καθώς και ο ρυθμός αναβλάστησης ένα χρόνο μετά, σε συνάρτηση και με την δριμύτητα της πυρκαγιάς. Κατά δεύτερον, διερευνήθηκαν οι περιβαλλοντικές επιπτώσεις και η πιθανότητα εκδήλωσης μεταπυρικών φαινομένων όπως πλημμύρες, κατολισθήσεις με χρήση πολυκριτηριακών μοντέλων με σκοπό την δημιουργία θεματικών χαρτών πιθανών κινδύνων. Η μεθοδολογία που ακολουθήθηκε στην παρούσα διπλωματική εργασία στηρίχτηκε στην χρήση και επεξεργασία πολυφασματικών δορυφορικών δεδομένων που αποτελούν ένα ιδιαίτερα αξιόπιστο και χρήσιμο εργαλείο για τη χαρτογράφηση των δασικών πυρκαγιών. Συγκεκριμένα, οι φασματικές ζώνες του κοντινού υπέρυθρου (near infrared και μέσου υπέρυθρου (mid-infrared), καθώς και του θερμικού υπέρυθρου (thermal infrared) είναι πολύ ευαίσθητες στις αλλαγές που επιφέρει μια πυρκαγιά, ανιχνεύοντας έτσι με μεγάλη αξιοπιστία τις καμένες περιοχές. Στην παρούσα μελέτη χρησιμοποιήθηκαν δεδομένα των δορυφόρου παρατήρησης της Γης Landsat 8 (OLI). Με το λογισμικό ENVI υπολογίστηκαν φασματικοί δείκτες, όπως ο δείκτης καμένης περιοχής (BAI) και ο κανονικοποιημένος δείκτης καμένης περιοχής (NBR) των εικόνων πριν και μετά την πυρκαγιά, όπου χρησιμοποιήθηκε για τον υπολογισμό του δείκτη Differenced Normalized Burn Ratio (DNBR) δηλαδή του δείκτη διαφοροποίησης της βλάστησης της περιοχής πριν και μετά την πυρκαγιά. Επίσης υπολογίστηκε και ο φασματικός δείκτης βλάστησης NDVI για διερεύνηση του ρυθμού ανάπτυξης, αναγέννησης νέας βλάστησης στην καμένη έκταση μετά την πυρκαγιά και 1 χρόνο αργότερα. Τέλος δημιουργήθηκαν χάρτες πιθανής εκδήλωσης μεταπυρικών φαινομένων (Κατολίσθησης, Πλημμύρας) μέσα από την χρήση μοντελοποίησης γεωδεδομένων σε περιβάλλον Γεωγραφικών Συστημάτων Πληροφοριών με σκοπό να αναδειχτεί ο βαθμός ευαισθησίας της πληγείσας περιοχής απέναντι σε ενδεχόμενους μεταπυρικούς κινδύνους, καθώς και χαρτογράφηση των περιβαλλοντικών επιπτώσεων που προκλήθηκαν από την πυρκαγιά εντός της πληγείσας περιοχής.

Forest fires are regarded as one of the most threatening natural hazards for the property, infrastructure as well as ecosystems. The present study has analyzed spectral information products derived from the Landsat–8 OLI sensor together with spectral indices in order to evaluate their ability for mapping burned area and burning severity. In particular the study objectives were: (1) to identify the capability of OLI to burnt area mapping and burn severity, (2) to evaluate the contribution of several spectral indices to the overall accuracy (3) to assess post-fire effects such as flood and landslide risk and, (4) to investigate the vegetation re-growth in relation to the burn severity. As a case study, Chios Island was selected due to the recent fire event in the south-western part of the island (25/07/2016). Three multispectral Landsat-8 OLI images, acquired on 13/07/2016 (pre-fire), 15/09/2016 (post-fire) and 18/09/2017 (one year after the fire), were utilized. Several spectral indices were implemented to detect the burnt areas and assess the burn severity (Burn Area Index – BAI, Normalized Burn Ratio - NBR, Normalized Burn Ratio + Thermal - NBRT), as well as to evaluate the vegetation conditions and re-growth six months after the fire event (Normalized Difference Vegetation Index - NDVI and the Normalized Difference Moisture Index - NDMI). Additionally, NBR index of pre- and post-fire images was calculated in a difference change detection procedure which estimates the Differenced Normalized Burn Ratio DNBR. Overall, a total burned area of 45,9 km2 was delineated, and both burned severity map and vegetation recovery map were created and evaluated. During the last years, multispectral data has been proven to be an efficient tool for wildfires monitoring, detecting and damage assessment.