Please use this identifier to cite or link to this item: http://hdl.handle.net/2067/2117
Title: Post fire natural regeneration monitoring with the integrated use of high resolution remotely sensed images: the case study of the Pineta di Castel Fusano
Authors: Chirici, Gherardo
Balsi, Marco
Bertini, Roberta
Bonora, Nico
Chiavetta, Ugo
Ottaviano, Marco
Corona, Piermaria
Lamonaca, Andrea
Giuliarelli, Diego
Mastronardi, Alessandro
Nardinocchi, Giovanni
Sambucini, Valter
Tonti, Daniela
Marchetti, Marco
Keywords: Forest wildfires;Natural regeneration;Remote sensing;Spatialisation;Neural networks;k-Nearest Neighbors
Issue Date: 2008
Publisher: Associazione Italiana di Telerilevamento
Source: Chirici, G. 2008. Post fire natural regeneration monitoring with the integrated use of high resolution remotely sensed images: the case study of the Pineta di Castel Fusano. "Italian Journal of Remote Sensing" 40 (1): 107-122.
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.
URI: http://hdl.handle.net/2067/2117
ISSN: 1129-8596
DOI: 10.5721/ItJRS20084019
Appears in Collections:DiSAFRi - Archivio della produzione scientifica

Files in This Item:
File Description SizeFormat
AIT_CHIRICI_ET_AL.pdf1.63 MBAdobe PDFView/Open
Show full item record

Page view(s)

1
Last Week
1
Last month
0
checked on Oct 30, 2020

Download(s)

2
checked on Oct 30, 2020

Google ScholarTM

Check

Altmetric


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.