Post fire natural regeneration monitoring with the integrated use of high resolution remotely sensed images: the case study of the Pineta di Castel Fusano

Abstract

La pineta di Castel Fusano (Roma) è stata colpita il 4 luglio del 2000 da un importante incendio boschivo in seguito al quale si è avviata nell’area una intensa rinnovazione naturale sia per via gamica che agamica. Ai fini di monitoraggio della suddetta rinnovazione sono stati realizzati una serie di rilievi a terra in aree campione nel 2003 e nel 2006. Negli stessi anni è stata acquisita la copertura di immagini telerilevate multispettrali ad altissima risoluzione Ikonos e Quick Bird. Scopo del presente lavoro è la sperimentazione di diverse metodologie finalizzate alla modellizzazione delle relazioni esistenti tra i dati telerilevati acquisiti e le misure realizzate a terra per la stima e la mappatura dei fenomeni di rinnovazione gamica e agamica. Sono stati per questo sperimentati metodi sia tradizionali di analisi regressiva multivariata, sia di tipo non parametrico, con algoritmi basati su reti neurali (Relevance Vector Machine e Multi-Layer Perceptron) e k-Nearest Neighbors. Le attività si inquadrano nell’ambito del progetto GRINFOMED - MEDIFIRE per il quale è stato realizzato un apposito software denominato Spatial Forest Modeller (SFM) capace di analizzare le relazioni tra variabili telerilevate e misurate a terra e di individuare i modelli predittivi migliori in modo da derivare mappe tematiche delle variabili acquisite mediante campionamento a terra. Il contributo illustra i dati acquisiti, le metodologie di analisi e di modellizzazione e i risultati ottenuti. Viene inoltre illustrato il funzionamento del software SFM.

Stone pine stand of Castel Fusano (Rome) burnt on July the 4th 2000 during a huge wildfire. As a consequence of the fire an intensive natural sexual and asexual regeneration began. In order to monitor such a regeneration field surveys were carried out in 2003 and 2006 in sample plots. Remotely sensed high resolution images from Ikonos and Quick Bird were acquired for the same years. The purpose of this work is to test different methodologies for modeling existing relationships between remotely sensed images and ground collected data in order to estimate and to map both sexual and asexual regeneration. For such a purpose different methodologies were tested: step-wise Muliple Linear Regression, Neural Networks (Relevance-Vector-Machine and the Multi-Layered-Perceptron) and the k-Nearest-Neighbors. These activities were carried out within the framework of the GRINFOMED- MEDIFIRE also developing a specific software named Spatial Forest Modeler (SFM) able to analyze existing relationships between remotely sensed variables and data collected in the field in order to identify the best available models to map and estimate the studied variables acquired on the basis of a field sampling design. The present paper presents data collected in the field, analysis and modeling methods and achieved results. The SFM software is also presented.