WP 2.3 Caratterizzazione spettrale dei

fuochi

Dr. Stefania Amici

Gennaio 2013- Luglio 2013 task 2.3.3 40%Miglioramento degli algoritmi: Indice di Vodaceck-> metrica (Advanced K Band Difference) Iniziato studio indici di Denisson (CDAI) Tutte le attività previste fino ad ora si sono concluse senza criticità.

Stato attivitàKO to Gennaio 2012 Task 2.3.1 completato Caratteristiche spettroscopiche degli incendi stato dell’arte. Verifica disponibilità dei dati, loro qualità (analisi preliminare) Aggiornamento della bibliografia

Febbraio 2012- Dicembre 2012: task 2.3.2 completato Selezione da dati di archivio: si è definito ilset di dati di input (da satellite e da aereo) su cui effettuare lo studioValutazione dei limiti e potenzialità degli algoritmi legati all’emissione del Potassio applicati ai dati da satellite. Valutazione dei limiti e potenzialità degli algoritmi legati all’emissione del Potassio applicati ai dati da aereo.

Studio dell’indice di Vodacek sui dati da satellite. Studio dell’indice di Vodacek sui dati da aereo. partecipazione a campagne aeree.

Obiettivi: studio degli indici di detection dei fuochi nel VIS-SWIR

Caratteristiche spettroscopiche dei fuochi

I canali SWIR (1.0–2.5 μm) MIR (3–5 μm), LWIR (8–14 μm) sono utilizzati tradizionalmente utilizzati per lo studio degli incendi

Algoritmi di detection sono basati su Middle IR, Longwave IR e/o Shortwave IR. Es. Prodotti MODIS (Justice et al., 2002, Giglio et al., 2003, Dennisson et al., 2006.)

Oltre ai suoi costituenti principali (C, O, H e N) la vegetazione contiene molti elementi in traccia come (Na, K, P) che mostranoi univoche bande di emissione quando sono riscaldati ad alta temperatura. In particolare il Potassio ha un doppietto di emissione nelle bande 766.5 nm and 769.9 nm. (Vodaczek 2002, Amici et al 2011)

Po

tas

siu

m E

mis

sio

nS

imu

late

d E

arth

atm

os

ph

ere

Satellite: interrogazione database: incendi a scala globale dal 2011 ad oggi.EO1Hyperion:(Lat 33.0 N Lon 117.2W), California il 23 ottobre 2007. In questa scena il segnale della banda del potassio e’ presente (figura 2.3.1) .

Dati di inputAereo: Sim.Ga (ITA) VIS 400-1000nm (spectral sampling 1.2nm ), SWIR 1000-2400nm, (5.4nm).

ARSF (UK) AISA-EAGLE, VNIR 400 - 970 nm, (spectral sampling 1.25 nm), Ground resolution @1000 m altitude 0.52 m, AISA –Hawk 970nm 2500nm spectral sampling, 6.3 nm.

Immagine iperspettrale acquisita il 23 ottobre 2007.

1 Hyperion

2 ALI

Dati Eagle forniti dal Prof. M.J Wooster Kings College London

23 Marzo 2010

Agosto 2006

1. Studio posizione bande PRISMA per K emission. Le bande di PRISMA sono convenientemente posizionate.

Studio algoritmiSensor Sptial

resolutionCentral band

Hyperion 30m 772nm

HyspIRI 60m 770nm

PRISMA 30m 770nm

Smouldering

Flaming

Mixed

Mixed2. Indice Vodacek (Rapporto di banda) vs AKBD per PRISMA.

3. Indice Denisson – CDAI per PRISMASi è iniziato lo studio e si è formulata la prima versione del CDAI per PRISMA:  

EAGLE

Proposta di Product portfolioOutput and deliverables 1

Pubblicazioni e convegni

1. Spectral analysis of wildfire potassium emission signatures from current airborne to next generation hyperspectral missions”, Amici S., Wooster M.J., Buongiorno M.F., Ananasso C., Proceedings of the Remote Sensing and Photogrammetry Society conference (RSPSOC2012) “Changing how we view the world”. University of Greenwich, London, 12-14 September 2012.

2. 2. HyspIRI Workshop, Spectral analysis of biomass burning potassium emission signatures from current airborne to next generation hyperspectral missions. S. Amici, M.J. Wooster, M.F. Buongiorno, NASA HyspIRI Science Workshop, 15-17 October 2013, Caltech, Pasadena.

Sommario:

Il data set selezionato (dati aerei-satellite ha permesso di fornire una analiisi dell’indice di Vodacek con le caratteristiche spaziali-spettrali di PRISMA.

E’ stata studiata la metrica migliorativa, AKBD, con le caratteristiche spaziali e spettrali di PRISMA

A seguito della sopraggiunta richiesta ASI è stato proposto un product portfolio (Italiano-Inglese).

Si è impostato l’indice CDAI per PRSMA.

Output and deliverables 2