Assessment and inventory of forest parameters using medium-high resolution satellite data

Τα μεσογειακά δάση χαρακτηρίζονται από υψηλή χωροχρονική ετερογένεια και αποτελούν ένα από σημαντικότερα σημεία της βιοποικιλότητας στον πλανήτη. Η σημαντική αξία τους και το ευρύ φάσμα των οικοσυστημικών υπηρεσιών που παρέχουν, αναγνωρίζεται ευρέως από επιστήμονες, διεθνείς συμβάσεις και οργανισμούς. Ωστόσο, η ευπάθεια τους σε ανθρώπινες και φυσικές απειλές έχει ως αποτέλεσμα την διατάραξη τους. Συνεπώς, σχέδια βιώσιμης διαχείρισης και αειφορικής ανάπτυξης καθίστανται ως επιτακτική ανάγκη. Οι πρακτικές παρακολούθησης και απογραφής δασών απαιτούν την αξιόπιστη εκτίμηση δασικών παραμέτρων, όπως η κυκλική επιφάνεια, ο αριθμός δέντρων ανά μονάδα επιφάνειας και ξυλώδες όγκου. Η ετερογένεια των μεσογειακών δασών και η δύσκολη πρόσβασής τους, καθιστά την επιστήμη της τηλεπισκόπησης ως εξαιρετικά χρήσιμο μέσο για την αξιολόγηση των δασικών πόρων. Η τεχνολογία της τηλεπισκόπησης και τα ανοιχτά δεδομένα τηλεπισκόπησης παρέχουν μεγάλες δυνατότητες στον τομέα της δασολογίας και στην δασική απογραφή. Επιπλέον, η ταχεία πρόοδος στους αλγόριθμους τεχνητής νοημοσύνης διευκολύνει την ανάλυση ευρέος φάσματος δεδομένων. Σε αυτό το πλαίσιο, ο συνδυασμός αυτών των ισχυρών εργαλείων (δεδομένα τηλεπισκόπησης και προσεγγίσεις μηχανικής μάθησης) συνιστά μια πολλά υποσχόμενη, αλλά και ερευνητική πρόκληση, για την εκτίμηση δασικών παραμέτρων. Στη παρούσα διατριβή, εξετάζονται διάφορες προσεγγίσεις για την βελτιστοποίηση της εκτίμησης δασικών παραμέτρων με την χρήση δορυφορικών εικόνων και τεχνικών μηχανικής μάθησης.Η δομή της παρούσας διατριβής αποτελείται από τρία μέρη. Το πρώτο μέρος αποτελείται από τέσσερα κεφάλαια. Αρχικά, στο Κεφάλαιο 1, γίνεται μια εισαγωγή στην αξία των μεσογειακών δασών, στις υπηρεσίες που παρέχουν και στις απειλές που αντιμετωπίζουν. Το Κεφάλαιο 2 τονίζει την ανάγκη αειφορικής διαχείρισης των δασών και κατ 'επέκταση της απογραφής και αξιόπιστης εκτίμησης δασικών παραμέτρων. Στο Κεφάλαιο 3, παρουσιάζονται εν συντομία πηγές δεδομένων τηλεπισκόπησης και η συμβολή τους σε δασικές εφαρμογές και ιδιαίτερα στην εκτίμηση δασικών παραμέτρων, σε περιοχές της Μεσογείου. Το κεφάλαιο 4, αποτελεί μια εισαγωγή στους αλγόριθμους τεχνητής νοημοσύνης και μηχανικής μάθησης και πώς αυτές οι προσεγγίσεις εφαρμόζονται στον τομέα της τηλεπισκόπησης και της δασολογίας. Τέλος παρουσιάζονται τα ερευνητικά ερωτήματα και τα αντικείμενα της παρούσας διατριβής. Το δεύτερο μέρος αποτελείται από τέσσερα άρθρα, εκ των οποίων, το πρώτο (Κεφάλαιο 7) έχει δημοσιευτεί στο περιοδικό Remote Sensing of Environment (2017) και αφορά την εκτίμηση δασικών παραμέτρων χρησιμοποιώντας δια-εποχιακές εικόνες Landsat 8 Operational Land Imager. Το δεύτερο άρθρο (Κεφάλαιο 8) έχει δημοσιευτεί στο Remote Sensing Letters (2017) και αφορά τις σχέσεις μεταξύ ξυλώδες όγκου και εικόνων Sentinel-2 Multi Spectral Instrument. Το τρίτο άρθρο (Κεφάλαιο 9) έχει δημοσιευτεί στο περιοδικό International Journal of Applied Earth Observation and Geoinformation (2019) και αφορά την αξιολόγηση των δορυφορικών δεδομένων Sentinel-2 Multi Spectral Instrument για την εκτίμηση του ξυλώδες όγκου. Το τελευταίο άρθρο (Κεφάλαιο 10) που προορίζεται προς δημοσίευση, αποτελεί μια προκαταρκτική μελέτη για την εκτίμηση του ξυλώδες όγκου σε ένα μεσογειακό δασικό οικοσύστημα, με μία μετά-μαθησιακή προσέγγιση και την ανάπτυξη ενός μοντέλου συσσωρευμένης γενίκευσης (stacked generalization). Τέλος, στο τρίτο μέρος της παρούσας διατριβής παρουσιάζονται συνοπτικά οι απαντήσεις των ερωτημάτων που τέθηκαν στην παρούσα διατριβή και τα προβλήματα - περιορισμοί που αντιμετωπίστηκαν. Επίσης, προτείνονται δυνατότητες και προοπτικές εξέλιξης της παρούσας έρευνας, που θα μπορούσε να αποτελέσουν αντικείμενο για μελλοντική έρευνα.

Applying the Tropical Peatland Combustion Algorithm to Landsat-8 Operational Land Imager (OLI) and Sentinel-2 Multi Spectral Instrument (MSI) Imagery

This study establishes a new technique for peatland fire detection in tropical environments using Landsat-8 and Sentinel-2. The Tropical Peatland Combustion Algorithm (ToPeCAl) without longwave thermal infrared (TIR) (henceforth known as ToPeCAl-2) was tested on Landsat-8 Operational Land Imager (OLI) data and then applied to Sentinel-2 Multi Spectral Instrument (MSI) data. The research is aimed at establishing peatland fire information at higher spatial resolution and more frequent observation than from Landsat-8 data over Indonesia’s peatlands. ToPeCAl-2 applied to Sentinel-2 was assessed by comparing fires detected from the original ToPeCAl applied to Landsat-8 OLI/Thermal Infrared Sensor (TIRS) verified through comparison with ground truth data. An adjustment of ToPeCAl-2 was applied to minimise false positive errors by implementing pre-process masking for water and permanent bright objects and filtering ToPeCAl-2’s resultant detected fires by implementing contextual testing and cloud masking. Both ToPeCAl-2 with contextual test and ToPeCAl with cloud mask applied to Sentinel-2 provided high detection of unambiguous fire pixels (>95%) at 20 m spatial resolution. Smouldering pixels were less likely to be detected by ToPeCAl-2. The detected smouldering pixels from ToPeCAl-2 applied to Sentinel-2 with contextual testing and with cloud masking were only 35% and 56% correct, respectively; this needs further investigation and validation. These results demonstrate that even in the absence of TIR data, an adjusted ToPeCAl algorithm (ToPeCAl-2) can be applied to detect peatland fires at 20 m resolution with high accuracy especially for flaming. Overall, the implementation of ToPeCAl applied to cost-free and available Landsat-8 and Sentinel-2 data enables regular peatland fire monitoring in tropical environments at higher spatial resolution than other satellite-derived fire products.

PENGUKURAN NILAI COLORIMETRY LAMPU PENERANGAN JALAN UMUM (PJU) LED MENGGUNAKAN ARRAY-SPECTRORADIOMETER

<p>Lampu jalan LED memiliki nilai efikasi yang lebih tinggi dibandingkan lampu jalan tradisional. Konsekuensi dari efikasi yang tinggi pada suatu lampu adalah kualitas <em>color rendering</em> yang rendah. Tujuan dari penelitian ini adalah untuk mengukur nilai <em>colorimetry</em>lampu penerangan jalan umum LED. Untuk mengukur kualitas warna dari suatu sumber cahaya digunakan <em>array spectroradiometer</em>. Selain portabilitas dan kecepatan dalam pengukuran spectral, instrument ini memiliki keterbatasan yang harus dikarakterisasi. Salah satunya adalah respon spektral yang memiliki dampak yang cukup besar dalam pengukuran karena itu membutuhkan nilai koreksi dalam penggunaannya. <em>Array spectroradiometer</em> dikalibrasi terhadap lampu spectral irradiant standar untuk pengukuran magnitude dan lampu atomic untuk pengukuran akurasi panjang gelombang. Metode analisis digunakan untuk mengimbangi besarnya pengukuran spectral dari <em>array spectroradiometer </em>yang disebabkan oleh pergeseran spectral. Factor koreksi selanjutnya dikoreksi terhadap beberapa illuminan standard dan digunakan untuk perhitungan <em>rendering index</em> dari lampu jalan LED. Lampu jalan LED dengan nilai efikasi tinggi dapat menghasilkan <em>rendering index</em> pada level 80, tiga kali lebih besar dibandingkan lampu jalan tradisional (HPS) yang hanya mampu menghasilkan rendering index pada level 25. Pada penelitian selanjutnya, dapat dilakukan pengukuran terkait dengan reproduktivitas pengukuran array spektroradiometer yang dapat berdampak pada kualitas pengukuran <em>color rendering</em>.</p>