Analisi e stima dei combustibili forestali con il supporto di dati telerilevati di tipo LiDAR low density

Abstract

I dati LiDAR sono largamente impiegati per la stima a livello spaziale di parametri strutturali forestali che influenzano il comportamento del fuoco, come l’altezza media e la copertura relativa, la profondità della chioma e la biomassa epigea. Le potenzialità del LiDAR sono riconducibili anche alla stima e mappatura di modelli di combustibile. La ricerca presenta un test sull’uso di dati LiDAR a bassa densità di punti (numero medio di ritorni da 0,4 a 1,5 m-2) per la mappatura dei modelli di combustibile (FT) secondo la logica Prometheus. Il sistema di classificazione Prometheus conta sette modelli di combustibile, divisi in tre gruppi principali in funzione del grado di copertura e dell’altezza del combustibile stesso: erbaceo (fuel type 1), arbustivo (fuel type 2, 3, 4) con altezze medie della vegetazione comprese tra 0,6 e 4 metri, arboreo (fuel type 5, 6, 7) con altezza media della vegetazione superiore a 4 metri. Il principale scopo di questo lavoro è valutare le potenzialità di impiego del LiDAR a bassa densità di punti, a basso costo e di facile acquisizione, nella stima dei parametri strutturali e degli strati informativi come mappe di modelli di combustibile, necessari all’implementazione di moderni software per la predizione del comportamento del fuoco. Lo studio è stato sviluppato in due aree site in ambiente mediterraneo, più precisamente in Sicilia (3100 ha) e in Toscana (845 ha), entrambe caratterizzate da ecosistemi forestali con la presenza di altri usi del suolo (prato/pascoli, arbusteti e/o boschi di neoformazione). I dati LiDAR grezzi sono stati processati al fine di derivare metriche come il grado di copertura e l’altezza media della vegetazione a risoluzione spaziale di 20 metri. Per verificare l’attendibilità del modello di combustibile forestale derivato sono stati condotti rilievi in 23 aree di saggio di 530 m2 di superficie in Sicilia e 28 in Toscana. I risultati dimostrano una grande variabilità nell’accuratezza di classificazione dei modelli di combustibile associati alla classe bosco. In Sicilia l’accuratezza globale è tra il 53% (50 metri) e il 56% (20 metri. In Toscana l’accuratezza migliora raggiungendo valori complessivi di 87% (50 metri) e 90% (20 metri). Il fuel type 5 risulta classificato correttamente con accuratezze comprese tra il 90 e il 95%, si registrano invece accuratezze molto più basse per il fuel type 6 e nessuna corrispondenza con il modello di combustibile FT7. La migliore accuratezza registrata per i modelli associati alle formazioni arbustive è per il fuel type 4 con 87% di producers accuracy (20 metri), mentre il fuel type 3 conferma accuratezze massime del 2 59% (20 metri). L’accuratezza complessiva del modello di combustibile FT1 è ridotta (range 15-43%). In conclusione si possono fare le seguenti riflessioni: (i) la capacità di classificazione è tendenzialmente più elevata per risoluzioni spaziali di 20 metri rispetto a 50 metri; (ii) il LiDAR a bassa densità di ritorni appare idoneo per la mappatura dei modelli di combustibile Prometheus associati ad altezze di vegetazione elevate, fuel type 3, 4 e modelli di combustibile forestali; (iii) per l’intervallo che separa il fuel type 1 e 2 (30 cm di altezza) è associato un numero di ritorni che non permette di classificare con elevati gradi di accuratezza il modello di combustibile FT1; (iv) la limitata capacità di penetrazione LiDAR a bassa densità di punti sotto chioma non permette di derivare formazioni arbustive sotto copertura per la stima di alcuni modelli di combustibile (e.g. fuel type 7), che potrebbero invece essere mappati attraverso l’implementazione di un dato LiDAR multiritorno.

Airborne lidar data are a widely exploited source of information for the spatial estimation of parameters critical for fire behavior modeling, such as tree height, crown depth and biomass. The potential of airborne lidar data to map fuel types, i.e. vegetation types characterized by similar fire hazard and/or fire propagation properties is, instead, a poorly explored topic. This research presents a test on the use of low-density Lidar data (average point density from 0,4 to 1.5 m-2) for mapping fuel types according to the Prometheus classification. The Prometheus system comprises seven fuel types based on the physiognomy and height of the main propagation element divided into three major groups: grass- (fuel type 1), shrubs- (fuel types 2, 3 and 4, average vegetation height in the range 0.3-0.6 m, 0.6-2 m and 2-4 m) and tree- dominated (fuel types 5-7, average vegetation height>4m ). Main goal of the experiment is to assess whether low density lidar data, which are usually available to the general public as open data at no cost, are suitable to be used for delineating major groups of Prometheus fuel types and, eventually, the classes therein. The study is carried out in two Mediterranean test sites in Italy: Sicily (3100 ha) and Tuscany (845 ha). Both test areas are covered to a large extent by forests, interspersed with grassland and shrubland patches. The raw airborne lidar data were processed in order to derive the metrics about number of returns and height of vegetation, which are required to distinguish the fuel type classes of the Prometheus classification. Lidar metrics were calculated at spatial resolutions of 20 m2, in order to validate the 3 lidar-derived fuel maps two independent land cover maps were used, reclassified into grass-, shrubs- and tree- dominated fuel types; for areas covered by forest, a sample of 530 m2 ground plots (Sicily n=23; Tuscany n=28) was classified by field survey into Prometheus classes 5, 6 and 7 (in Sicily, fuel type 7 does not occur). Results show a variable performance of low-density lidar data for mapping Prometheus fuel types. In Sicily, the overall accuracy is 56% for the 20 m2 derived map and 53% for the 50 m2 one; in Tuscany, the accuracy is remarkably higher ranging from 87% (50 m2) to 90% (20 m2). As far as the accuracy of the single forest fuel types is concerned, fuel type 5 is well classified (90-95%), whereas fuel types 6 and 7 are erroneously assigned to fuel type 5. Between shrub- dominated fuel types, class 4 is better mapped than class 3, the producer accuracy of the former ranging from 69% (50 m2) to 87% (20 m2), against 47% (50 m2) to 59% (20 m2) of the latter. Grass dominated fuel type (1) is mapped with the lowest accuracy level in both test sites (producers accuracy 15-43%). In summary, from this test we can draw the following considerations: i) the capability of low-density lidar data is better exploited when processing the lidar point cloud on a small spatial scale (20 m2) than on a coarser scale (50 m2); ii) low-density data appear appropriate for mapping the Prometheus classes associated to “high vegetation” fuel types (3, 4, and tree-dominated fuel types as a whole), with accuracies increasing as the average height interval of the classes increases; iii) the narrow interval height (30 cm) of fuel type 1 (and 2), which is also associated to a higher percentage of ground returns, does not allow for an accurate detection of low vegetation fuel types; iv) the relatively limited ability of penetration of low-density lidar data under thick canopy cover does not allow shrub understory to be detected and invariably calls for the use of high-density lidar data sets for mapping tree-dominated fuel types.