Base Layer
- Title
- GeoFireGuard - Basilicata
- Description
- Aggiornamenti al 3 febbraio 2025
Dall'esigenza di fornire dati sempre più aggiornati sui rischi naturali e antropici causati dalla crisi climatica, nasce GeoFireGuard, il servizio open data di monitoraggio e protezione delle aree a rischio incendio attraverso l'utilizzo di dati geospaziali messi a dispozione dalle costellazioni Sentinel del programma Copernicus dell'Unione Europea e Landsat/FIRMS dall'USGS/NASA degli USA.
Area di interesse: Vulture Alto Bradano (Basilicata)
Piattaforma RADAR Dipartimento della Protezione Civile (nrt)
Radar-DPC è la piattaforma del Dipartimento della Protezione Civile che consente di visualizzare, a scala nazionale, sia i fenomeni in corso sia quelli registrati nelle ultime 24 ore attraverso l’elaborazione, in tempo reale, di dati grezzi provenienti dalla rete radar nazionale, dalla rete delle stazioni pluviometriche e termometriche, dai dati satellitari e dalla rete di fulminazioni. Alla produzione di questi dati partecipano, insieme al Dipartimento, le Regioni attraverso la Rete dei Centri Funzionali, l’Enav-Ente nazionale per l'assistenza al volo e l’Aeronautica Militare.
Sono stati scelti i seguenti prodotti per le finalità di lotta agli incendi:
- WIND AMV (Atmospheric Motion Vector) che rappresenta la Direzione e l’intensità del vento in quota attraverso l’elaborazione di un dato satellitare con aggiornamento ogni 20 minuti;
- DPC - HRD (Heavy Rain Detection), visualizzabile impostando, come prodotto di base, il VMI o l’SRI, individua le aree dove sono in corso fenomeni di un certo rilievo, classificati secondo un Indice di Severità, e visualizza la loro possibile traiettoria nel brevissimo termine. Si aggiorna ogni 5 minuti;
- DPC - IR (Infrared) 10.8 che rappresenta la copertura nuvolosa attraverso l’elaborazione di un dato satellitare sul canale dell’infrarosso con aggiornamento ogni 5 minuti;
- LTG (Lightning) che rappresenta la mappa dei fulmini con aggiornamento ogni 10 minuti;
- SRT (Surface Rainfall Total), che rappresenta le precipitazioni cumulate registrate nell'ultima ora, con aggiornamento ogni 5 minuti, e nelle ultime 24 ore, integrando i dati della rete radar con i dati delle stazioni pluviometriche a terra con aggiornamento ogni 60 minuti;
- TEMP per visualizzare la mappa delle temperature registrate al suolo dalle stazioni termometriche a terra con aggiornamento ogni 60 minuti.
https://mappe.protezionecivile.gov.it/it/mappe-rischi/piattaforma-radar/
Inquinamento da diossido di zolfo o anidride solforosa (SO2)
- Calcolate le mappe di concentrazione atmosferica di diossido di zolfo (SO2) ottenute attraverso l'analisi dei dati provenienti dal satellite Sentinel-5P del programma Copernicus.
Dati elaborati con Google Earth Engine (GEE) con seguente arco temporale: 4 luglio - 4 agosto - 4 settembre - 4 ottobre 2023.
Densità della colonna verticale di SO2 al suolo calcolata con la tecnica DOAS.
Unità di misura: mol/m^2 (numeri di moli di una sostanza per metro quadrato di superficie)
1 mole di SO2 = 64,0638 g/mol
Valore medio rilevato in Basilicata: 0.004344449 g/mol
Valore max rilevato Vulture Alto-Bradano: 0.03559215 g/mol
Valore min rilevato Vulture Alto-Bradano: -0.02603678 g/mol
I valori max e min di SO2 sono valori standard che riflettono il range tipico delle concentrazioni di SO2 nella troposfera e sono in grado di mostrare variazioni significative di diossido di zolfo nel tempo.
Modelo GeoAI sulla propagazione degli incendi
- Calcolato il Boschifire Risk Assessment Model (BRAM), un modello sperimentale predittivo sul rischio di propagazione degli incendi dai campi agricoli verso boschi e foreste. L'utilizzo combinato degli algoritmi SAM e Random Forest per identificare le aree boschive prossime agli incendi dei campi - per via della obsoleta pratica della bruciatura delle stoppie - è basato su una classificazione supervisionata Random Forest dell'indice RBR (Relativized Burn Area) al 4 ottobre 2023, da immagine satellitare Sentinel-2 del programma Copernicus, e un immagine RGB ad infrarosso ad onde corte (bande spettrali 12, 8 e 4) appositamente segmentate grazie alla GeoAI (Intelligenza Artificiale). Immagine Sentinel-2A / 4ott2023. Citazione: luisCartoGeo, & luisChr. (2023). luisCartoGeo/GeoAI_Plugin: v1.0 GeoAi (GEOAI). Zenodo. https://doi.org/10.5281/zenodo.8313393
Location Intelligence
Un servizio che utilizza uno specifico plug in chiamato Location Lab, che grazie alle chiavi API di terze parti, nel caso di specie il servizio HERE https://www.here.com/ genera layers contenenti informazioni alfanumeriche, in primis il tempo di percorrenza per raggiungere un determinato luogo prestabilito. I layers prodotti hanno restituito tempi di percorrenza valutati a 5, 10 e 15 minuti dai punti di partenza (Lavello, Melfi, Palazzo San Gervasio, Rionero in Vulture e Venosa). A supporto di questo servizio di emergenza, ma anche di prevenzione, sono stati scaricati dal geoportale RSDI della Regione Basilicata, gli elementi puntuali che indicano le località significative del territorio in esame.
Monitoraggio degli incendi (durante)
Servizio FIRMS della NASA degli incendi in tempo quasi reale
- Il Fire Information for Resource Management System (FIRMS) distribuisce i dati sugli incendi attivi in tempo reale (NRT) dallo spettroradiometro a risoluzione moderata (MODIS) a bordo dei satelliti Aqua e Terra e dalla Visible Infrared Imaging Radiometer Suite (VIIRS) a bordo di Suomi-NPP, NOAA-20 e NOAA-21 (formalmente noto come JPSS-1). A livello globale questi dati sono disponibili entro 3 ore dall’osservazione satellitare, ma per gli Stati Uniti e il Canada i rilevamenti di incendi attivi sono disponibili in tempo reale.
Mappatura delle aree incendite 2024 (dopo)
- Archivio hotspots (fire nrt) dal 30 giugno all'8 settembre 2024 da cui è possibile analizzare i dati sulla potenza radioattiva del fuoco (FRP) sui possibili punti di innesco e/o propagazione degli incendi.
- Classificazione supervisionata (machine learning) indice relativizzato RBR (Relativized Burn Ratio). I dati rappresentano i risultati di un classificatore Random Forest addestrato per classificare l'indice RBR all'8 settembre 2024 in quattro categorie diverse, legate agli incendi in base alla loro gravità di ustione. Le classi identificate includono incendi ad alta gravità, incendi a media gravità, incendi a bassa gravità e aree non incendiate. La precisione complessiva del modello sui dati di test è del 95.88%.
- Calcolo dell'indice RBR (Relativized Burn Ratio), versione relativizzata dell'indice dNBR (difference Normalized Burn Ratio). L'indice restituisce il grado di ustione periodico delle aree incendiate e si ottiene dalla seguente formula:
RBR = (NBR(pre_incendio)–NBR(post_incendio))/( NBR(pre_incendio)+1.001).
Il valore di 1.001 al denominatore assicura che l’equazione non produca mai valori infiniti quando i valori di NBR pre-incendio tendono a zero nelle aree con bassa copertura vegetale o percorse da incendi.
La scala cromatica utilizzata è quella proposta dall'USGS per la classificazione del livello di intensità delle aree percorse dal fuoco.
Immagine Sentinel-2A / 30-giu-2024 e Sentinel-2A / 08-set-2024
Immagine Sentinel-2A / 30-giu-2024 e Sentinel-2B / 20-lug-2024
Immagine Sentinel-2A / 30-giu-2024 e Sentinel-2B / 15-lug-2024
Pericolo e rischio incendi 2024 (prima)
- Analisi e mappatura del rischio incendi da uno specifico script con GEE (Google Earth Engine) con l'ausilio dell'intelligenza artificiale generativa nella fase di automazione (combinazione automatica di dati multivariati e di appredimento supervisionato), dal 1 giugno al 15 settembre 2024, successivamnte validato in QGIS. Lo script integra prodotti di telerilevamento e specifici indici biogeofisici e algoritmi di calcolo. Prodotti utilizzati: Sentinel-2 (COPERNICUS/S2_SR_HARMONIZED) per il calcolo degli indici NDVI, NBR e NDWI; MODIS (NASA) per indice LST (temperatura della superficie terrestre) con dataset MOD11A2 da Kelvin a Celsius; CHIRPS (Climate Hazards Group InfraRed Precipitation with Station data) per analizzare le precipitazioni giornaliere nel periodo di interesse; SMAP (Soil Moisture Active Passive) della NASA utilizzato per ottenere dati sull'umidità dei suoli. Tuttavia, la seguente analisi viene calcolata con la logica booleana confrontando le soglie impostate per ciascun indice e variabile (es. temperature superiori ai 26°C, NDVI inferiore a 0.6, precipitazioni inferiori a 60 mm).
- Rappresentazione del rischio incendi nelle aree agricole, con particolare riferimerimento alle pratiche di bruciatura delle stoppie di colture a seminativo. Utilizzando l'algoritmo ClassificationMapRegulation, il prodotto ha restituito tre categorie di rischio: alto, medio e basso.
Il rischio è calcolato al 5 giugno 2024.
- SPI (Standardized Precipitation Index) è l'indice di precipitazione standardizzato, sviluppato da McKee et al. (1993), utile nel calcolo delle medie stagionali su dati storici e descrive la probabilità di variazione rispetto alle precipitazioni normali su più anni di dati, su base mensile (o più mesi) e/o fase temporali. Nel caso di specie il calcolo è su base mensile e si riferisce al 30 luglio 2024. Una bassa probabilità di funzione cumulativa è indicativa all'evento di siccità. SPI può essere calcolato su diversi archi temporali e si avvale di uno specifico algoritmo di calcolo. E' possibile analizzare la variazione di pioggia rispetto ai dati storici di un arco temporale basato sui dati CHIRPS dal 1981).
I satelliti della NASA utilizzati per il monitoraggio delle precipitazioni sono: TRMM (The Tropical Rainfall Measuring Mission) & GPM (The Global Precipitation Measurement Mission) combinati, costellazione IMERG (Integrated Multi-satellitE Retrievals for GPM).
Reference: Guttman, N. B., 1999: Accepting the Standardized Precipitation Index: A calculation algorithm. J. Amer. Water Resour. Assoc.., 35(2), 311-322.
- Gli indici di siccità (Drought Index - VCI) sono rappresentazione del deficit (e dell’eccesso) idrico rispetto ai dati storici. Elaborazione con GEE, da uno specifico script fornito dalla NASA, che ha restituito la mappa indicante la conseguente siccità per il mese di luglio 2024. All'interno di questo script i dati MODIS (satelliti Terra e Aqua) vengono utilizzati per calcolare l'indice delle condizioni della vegetazione (VCI) per un orario e un'area specifica ed è espresso in %. E' un indicatore dello stato della copertura vegetale in funzione dell'NDVI minimi e massimi riscontrati per un dato ecosistema nel corso di molti anni. Il VCI è un indice migliore rispetto all'NDVI, in quanto è un indicatore sul contenuto d'acqua in condizione di stress. I satelitti della NASA utilizzati per il monitoraggio della siccità: Landsat4-5-7-8-9, Terra e Aqua, Suomi National Polar Partnership (SNPP) e Joint Polar Satellite System (JPSS).
- Calcolo indice NDWI (Normalized Difference Water Index) sull'umidità dei suoli: Sentinel-2B / 15-LUG-2024 / MSI_Level-2A
- Calcolo indice NDVI sulla quantità e la salute della vegetazione: Sentinel-2B / 15-LUG-2024 / MSI_Level-2A
- Calcolo indice TVI (Transformer Vegetation Index) sulla biomassa stressata dalla siccità: Sentinel-2B / 15-LUG-2024 / MSI_Level-2A
Prodotti biogeofisici (foreste e boschi)
- Calcolo NDVI (Normalized Difference Vegetation Index)
Il Normalized Difference Vegetation Index (NDVI) è un indicatore del verde dei biomi. Anche se non è una proprietà fisica della copertura vegetale, la sua formulazione molto semplice NDVI = (REF_nir – REF_red)/(REF_nir + REF_red) dove REF_nir e REF_red sono le riflettanze spettrali misurate rispettivamente nelle bande del vicino infrarosso e del rosso, lo rende ampiamente utilizzato per il monitoraggio degli ecosistemi.
- Calcolo LAI (Leaf Area Index)
L'indice dell'area fogliare è definito come la metà dell'area totale degli elementi verdi della chioma per unità di superficie orizzontale del terreno. Il valore derivato dal satellite corrisponde al LAI verde totale di tutti gli strati della chioma, compreso il sottobosco che può rappresentare un contributo molto significativo, in particolare per le foreste. In pratica il LAI quantifica lo spessore della copertura vegetale.
Il LAI è riconosciuto come variabile climatica essenziale (ECV) dal Global Climate Observing System (GCOS).
- Calcolo FAPAR (Fraction of Absorbed Photosynthetically Active Radiation)
Il FAPAR quantifica la frazione della radiazione solare assorbita dalle foglie vive per l'attività di fotosintesi. Quindi si riferisce solo agli elementi verdi e vivi della chioma. Il FAPAR dipende dalla struttura della chioma, dalle proprietà ottiche degli elementi vegetali, dalle condizioni atmosferiche e dalla configurazione angolare. Per superare quest'ultima dipendenza viene valutato un valore FAPAR integrato giornaliero. FAPAR è riconosciuta come variabile climatica essenziale (ECV) dal Global Climate Observing System (GCOS).
- Calcolo FCover (Fraction of green Vegetation Cover)
La Frazione di Copertura Vegetale (FCover) corrisponde alla frazione di terreno coperta da vegetazione verde. In pratica quantifica l'estensione spaziale della vegetazione. Poiché è indipendente dalla direzione dell'illuminazione ed è sensibile alla quantità di vegetazione, Fcover è un ottimo candidato per la sostituzione dei classici indici di vegetazione per il monitoraggio degli ecosistemi.
Sentinel-2B / 15-LUG-2024 / MSI_Level-2A
Sentinel-2A / 30-GIU-2024 / MSI_Level-2A
Mappatura delle aree incendiate 2023 (dopo)
- Archivio hotspots (fire nrt) dal 30 giugno all'8 settembre 2024 da cui è possibile analizzare i dati sulla potenza radioattiva del fuoco (FRP) sui possibili punti di innesco e/o propagazione degli incendi.
- Mappa di densità di calore FRP (Fire Radiative Power) da cui è possibile individuare le fonti numeriche di potenza radioattiva del fuoco (espresse in watt).
- Modello sperimentale di propagazione della potenza radioattiva del fuoco (FRP) > 30 watt degli incendi su dati del 2023. Utilizzato l'algoritmo SAM applicato ai punti focali NRT del progetto FIRMS della NASA e ad un immagine RGB ad infrarosso ad onde corte (bande spettrali 12, 8 e 4) appositamente segmentate grazie alla GeoAI (Intelligenza Artificiale). Immagine Sentinel-2A / 4ott2023.
Citazione: luisCartoGeo, & luisChr. (2023). luisCartoGeo/GeoAI_Plugin: v1.0 GeoAi (GEOAI). Zenodo. https://doi.org/10.5281/zenodo.8313393
- Classificazione supervisionata (machine learning) indice relativizzato RBR (Relativized Burn Ratio). I dati rappresentano i risultati di un classificatore Random Forest addestrato per classificare l'indice RBR al 4 ottobre 2023 in quattro categorie diverse, legate agli incendi in base alla loro gravità di ustione. Le classi identificate includono incendi ad alta gravità, incendi a media gravità, incendi a bassa gravità e aree non incendiate. La precisione complessiva del modello sui dati di test è del 93.14%.
- Calcolato indice RBR (Relativized Burn Ratio) sull'intensità degi incendi anno 2023: Sentinel-2B / 11-LUG-2023 / MSI_Level-2A - Sentinel-2A / 04-OTT-2023 / MSI_Level-2A
- Calcolato indice RBR (Relativized Burn Ratio) sull'intensità degi incendi anno 2022: Sentinel-2B / 16-LUG-2022 / MSI_Level-2A - Sentinel-2B / 15-AGO-2022 / MSI_Level-2A
Pericolo e rischio incendio 2023 (prima)
- Change detection NDWI (Normalized Difference Water Index) sull'umidità dei suoli: 11-LUG-2023 / MSI_Level-2A - Sentinel-2B / 09-SET-2023 / MSI_Level-2A
- Calcolato indice NDWI (Normalized Difference Water Index) sull'umidità dei suoli: Sentinel-2A / 04-OTT-2023 / MSI_Level-2A
- Calcolato indice NDWI (Normalized Difference Water Index) sull'umidità dei suoli: Sentinel-2B / 09-SET-2023 / MSI_Level-2A
- Calcolato indice NDWI (Normalized Difference Water Index) sull'umidità dei suoli: Sentinel-2B / 10-AGO-2023 / MSI_Level-2A
- Calcolato indice NDWI (Normalized Difference Water Index) sull'umidità dei suoli: Sentinel-2B / 11-LUG-2023 / MSI_Level-2A
- Calcolato Soil Moisture (Sigma0_VV Intensity_db) sull'umidità dei suoli: Sentinel-1A IW Level-1 SLC Product / 30-GIU-2023 | 12-LUG-2023
- Calcolo change detection NDVI (Normalized Difference Vegetation Index) sui cambiamenti di biomassa agro-forestale (aree percorse dal fuoco, operazioni forestali, attività agricole).
- Calcolo indice NDVI sulla quantità e la salute della vegetazione.
- Calcolo indice TVI (Transformer Vegetation Index) sulla biomassa stressata dalla siccità.
- Calcolate aree a rischio incendio con metodo a rappresentazione visiva delle zone con maggiore o minore rischio, in base ai valori soglia definiti dagli indici NDVI, EVI, NDWI e NBR per periodo 11 luglio - 10 agosto 2023 (analisi sperimentale)
Dati atmosferici utili alle attività di previsione/prevenzione
- Calcolo media stagionale della temperatura atmosferica su 77 giorni (dal 18 luglio al 4 ottobre 2023).
Temperatura massima interpolata quotidianamente utilizzando circa 4000 stazioni meteorologiche in tutta Europa e nelle aree circostanti. I dati vengono interpolati utilizzando un algoritmo di distanza inversa che ricerca stazioni entro 200 km di distanza. Vengono considerate fino ad un massimo di 20 stazioni. Una correzione per l'elevazione avviene utilizzando un fattore di 0,65 gradi Celsius per 100 metri. L'interpolazione viene eseguita su una griglia di 0,25 gradi decimali.
Lavaysse, C., C. Cammalleri, A. Dosio, G. van der Schrier, A. Toreti e J. Vogt. 2018. Verso un sistema di monitoraggio delle temperature estreme in Europa. Pericoli naturali e scienze del sistema terra, 18, 91-104. https://doi.org/10.5194/nhess-18-91-2018
https://nhess.copernicus.org/articles/18/91/2018/
Analisi rischio ondate di calore
Calcolato indice LST (Land Surface Temperature) della temperatura radiante della superficile terrestre dell'intera regione Basilicata:
E' stata condotta l'elaborazione dati partendo da immagini satellitari Landsat8-9 con risoluzione spaziale di 30 m/px
- Calcolo LST MODIS per12 immagini (dal 18 luglio - 4 ottobre 2023) della temperatura superficiale terrestre durante il giorno con risoluzione di 1 km (in legenda °C - metadato Kelvin).
- Centroidi comunali e calcolo della densità della popolazione per Kmq su dati ISTAT 2023
- Calcolo della media della temperatura della superficie terrestre (LST) finalizzata all'analisi del rischio di ondate di calore per le popolazioni
- Calcolo della densità della popolazione per Kmq
- Calcolo LST 2023 (Vulture Alto-Bradano): Landsat8_OLI_TIRS_L1TP del 18 luglio 2023 (raster)
Le immagini LST-MODIS del Vulture Alto Bradano (Basilicata) del 2023 sono state scaricate il giorno 3 febbraio 2024 da https://appeears.earthdatacloud.nasa.gov , gestita dal NASA EOSDIS Land Processes Distributed Active Archive Center (LP DAAC) presso l'USGS Earth Resources Observation and Science (EROS) Center, Sioux Cascate, Dakota del Sud. 2018, https://lpdaac.usgs.gov
Serbatoi di carbonio
- Altezza della chioma [di Lang, N., Jetz, W., Schindler, K., & Wegner, J. D. (2023). A high-resolution canopy height model of the Earth. Nature Ecology & Evolution, 1-12]: Modello probabilistico di deep learning per recuperare l’altezza della sommità della chioma dalle immagini Sentinel-2. Questo modello, un insieme di reti neurali convoluzionali (CNN), è stato addestrato con supervisione sparsa utilizzando i dati sull'altezza della sommità della chioma derivati dal LIDAR a forma d'onda completa GEDI della NASA (ovvero RH98 stimato da Lang et al., 2022 ). L'incertezza predittiva di queste stime dense è quantificata modellando sia l'incertezza dei dati (incertezza aleatoria) che l'incertezza del modello (incertezza epistemica). Il prodotto ETH Global Canopy Height 2020 viene fornito gratuitamente, con licenza internazionale Creative Commons Attribution 4.0.
Composito bande spettrali
- Colori naturali: Sentinel-2B / 15-LUG-2024 / MSI_Level-2A - Sentinel-2A / 08-SET-2024 / MSI_Level-2A
Citazione: L'Erario, V. (2024). GeoFireGuard [Data set]. SATmonitoring di Vito L'Erario. https://doi.org/10.5281/zenodo.14793326 - Organization
- SATmonitoring di Vito L'Erario
- Person
- Vito L'Erario
- vito.lerario (at) satmonitoring.it
- Phone
- +39 392-365-7398
- Website
- https://www.satmonitoring.it/
- Projection
- EPSG:32633
- Extent
- 523288.01770000002579764, 4510883.95220000017434359, 596637.28040000004693866, 4555442.94240000005811453
- Web Map Service
- WMS Url
- WMTS Url
Measures
Permalink
