Bootleg fire 2021

Immagine PRISMA  in composizione di colori del visibile  ed indice spettrale dell'incendio (HFDI) il cui processamento conduce alla caratterizzazione del fronte di incendio.

PRISMA image of the Bootleg fire 2021. Hyperspectral Fire Index.

True color RGB composite ( below on the left) and HFDI (below on the right)

La Stagione dei bushfires 2019-2020 

Abbiamo esplorato la potenzialita' del nuovo sensore iperspettrale della misisone PRISMA  dell' Agenzia Spaziale Italiana  per l' individazione di aree interessate da incendio. La scena e' stata acquisita il 27 Dicembre 2019, nel New Soth Wales, Australia durante la stagione degli incendi 2019-2020. Tre diversi indici di detection (AKBD, CO2-CIBR e HFDI),  che utilizzano le caratteristiche iperspettrali del sensore sono stati testati. In figura (1, in alto) un dettaglio del'incendio in combinazione RGB falsi colori nelle bande VNIR-SWIR; in figura (2 in basso ) gli spettri di rigflettanza per diverse classi, utili per la classificazione. Tutti i dettagli dello studio possono essere trovati qui.

We have explored the potential of the new hyperspectral sensor onboard of the  PRISMA mission by Italian Space Agency to characterize wildfires.The imagery ( 30m resolution and spectral range  has been acquired on 27 December 2019 in the New South Wales, during the bushfires season 2019-2020. Three detection indexes (CO2-CIBR, HFDI and AKBD)  have been tested. In the  figure,  the false colour VNIR-SWIR bands combination (inset 1) highlights the active fire (red/orange pixels),  the burned area (dark brown) and the smoke (light blue; the  reflectance spectra (inset 2 ) are useful for accurate classification. The full study can be found here.

Monte Serra 2018

Mount Serra 2018

24 Settembre 2018  ore 22:00  un grande incendio divampa sul Monte Serra  distruggendo piu' di 600 ettari di bosco . 

Una coppia di immagini Sentinel 2A  (20 m di risoluzione spaziale) nel range spettrale NIR-SWIR)   prima e dopo l'evento  ci permette di mappare  l'entita' del danno alla vegetazione.

Qui sotto a sinistra la visualizzazione in colori naturali a 10m  di risoluzione spaziale. L'area bruciata appare di colore marrone scuro. a destra la mappa di severita' del danno alla vegetazione.

On 24 September 2018 a huge fire affects   Monte Serra in Toscany   a Sentinel 2 pair (pre-post fire  at 20m resolution) is used to map burn severity.

Here below (left)  visible color composite 10 m resolution Sentinel 2  image (26 September 2018) shows burned areas a in dark chalky colour. On the right the burn severity map.

L'incendio di Castel Fusano 2017

Castel Fusano wildfire 2017

Il 17 Luglio 2017 un grande incendio è divampato nella riserva naturale di Castel Fusano (litorale romano) distruggendo una vasta area di pineta. Il 21 Luglio 2017 ed  il 25 Luglio 2017 un secondo  ed un terzo incendio  hanno di nuovo colpito la riserva con importanti danni alla vegetazione.

La combinazione delle immagini Sentinel 2A  (20 m di risoluzione spaziale nel range spettrale NIR-SWIR)  e Landsat 8 (30m di risoluzione spaziale) ha permesso di identificare le aree danneggiate

On 17 July 2017 a natural reserve at Castel Fusano has been affected by a large open fires followed by two subsequent fires on 21 July and 25 July 2017.

Sentinel 2A data at resolution of 20m in spectral range NIR-SWIR and Landsat 8 at a 30 m spatial resolution allowed to identify affected areas

Figura 1: Indice di differenza di  NBR (dNBR) derivato dalle immagini Sentinel 2A-MSI  antecedente (20 Giugno 2017) e successiva (20 Luglio 2017) all'incendio iniziato il 17 Luglio 2017. Il nero-grigio  indica non cambiamento; tonalità di grigio chiarissimo verso il bianco indicano cambiamento. Il perimetro è stato rilevato mediante fotointerpretazione

Figure 1: dNBR index derived by using 20 June 2017 (pre fire) and 20 july 2017 (post fire ) imageries to characterize the fire ignited on 17 July 2017  Sentinel 2 A -MSI. changes span from light gray  to white. Perimeter has been derived visually.

Figura 2: Indice di dNBR calcolato utilizzando due immagini  Landsat 8 -OLI  una antecedente (6 Luglio 2017) ed una  (22 Luglio 2017) successiva   all’incendio del 17  e del 21 Luglio. Il nero- grigio indica  non cambiamento; tonalità  grigio chiarissimo verso il bianco  indicano il cambiamento.  L’immagine  evidenzia   l’area interessata dai due incendi . 

Figure 2:  dNBR index derived by using Landsat 8 -OLI - 6 July 2017 as pre fire and 22 July 2017 as post fire  to characterize the fire occurred on  21 July 2017. Changes span from light gray  to white. 

Figura 3 Indice di dNBR calcolato utilizzando due immagini Sentinel 2 A Una pre del 20 Giugno 2017 ed una Post del 9 Agosto 2017

Il nero- grigio indica  non cambiamento; tonalità  grigio chiarissimo verso il bianco  indicano il cambiamento.  

Figura 4 identificazione delle aree interessate dai tre incendi e proiezione dei perimetri su Google Earth.  I perimetri sono stati rilevati mediante fotointerpretazione del dNBR.  

1- La linea bianca indica il perimetro derivato dal Sentinel 2A-dNBR   relativo all'incendio del 21 Luglio 2017

2 - La  linea verde  quello derivato utilizzando Landsat 8–dNBR ad una risoluzione di 30m che evidenzia anche le aree danneggiate dall'incendio del 21 Luglio 2017

3-  La linea rossa  evidenzia il perimetro dell'area bruciata a seguito dell'incendio del 25 Luglio e realizzato  utilizzando Sentinel 2A-dNBR del 30 Luglio 2017  

Figure 4 Perimeter of burned areas visually derived from dNBR maps. White line (1) shows areas burned on 17-18 July, green line (2) areas burned on 21 July and  red line 

La biomassa in combustione  del medio infrarosso (MIR) e dell’infrarosso termico (TIR). Questo significa che il loro rilevamento da remoto (UAV/ Aereo e satellite) può esse realizzata utilizzando strumenti che lavorano in queste bande spettrali.

Studi (Amici et a.2011) hanno dimostrato che la fase di combustione con fiamma di un incendio può essere  però rilevata non solo da aereo (Figura 1)  ma anche  dallo spazio (Figura 2) utilizzando  sensori iperspettrali capaci di rilevare l'emissione di elementi minori come il Potassio che ionizzando alle temperature dell'incendio emette un segnale di intensità rilevabile.

•Vegetation  fires  involve high temperatures, so thermal remote sensing is suitable  to its identification and study 

  •Actively burning fires emit IR so strongly, especially at MIR (3–5 μm)  wavelengths that  can be identify by Earth orbit 

 However,  biomass in addition to its mains constituents (Carbon,  Hydrogen,   Oxygen,  Nitrogen, and its dominant molecular combustion products  CO2, H2O, CO, CH4, contains ‘trace’ elements such as Potassium ( K) .

Potassium is an alkali that at the fire temperature can ionize and  make transitions resulting in very strong emission lines-in visible spectral range - potentially detectable. 

Figura 1 a) Incendio  Manziana/Oriolo 14 Agosto 2006. Immagini fornite dal sensore aereo,HYPER–SIM.GA  (a)   Composizione  di colori veri nel visibile dell'incendio(R = 621 nm, G = 569 nm, B = 511 nm) (b) mappa delle aree di combustione con fiamma derivata utilizzando le caratteristiche emissioni del Potassio.  Le due aree nei riquadri indicano come  la mappa del Potassio ha la potenzialità di rilevare il fronte di fiamma sia in assenza che in presenza di fumo. (Amici et al. Remote Sensing of Environment, 2011)

Figure 1 a) Manziana/Oriolo Italy fire a) true color composite obtained by airborne HYPER–SIM.GA b)  Flaming map obtained by using Potassium emission as described in Amici et al. 2011 -Remote Sensing of Environment. 

Figura 2 Incendio  di  Escondito-Witch , sud California,  23 ottobre 2007 .  L'immagine iperspettrale del  sensore EO1-Hyperion   derivata dalla combinazione di bande  termiche   (SWIR  ) evidenzia il fronte dell'incendio. i punti A e B indicano la presenza di segnale di emissione di Potassio e presenza di fronte di fiamma.  Il punto C  è in corrispondenza di una zona non interessata dall'incendio. (Amici et al. Remote Sensing of Environment, 2011)

Figure 2 Southern California Witch Wildfire:  EO1-Hyperion Visible and SWIR  images and spectral radiance profiles of two pixels  (A and B) taken from the  wildfire subscene  The pixels are those showing the strongest Potassium emission.   The O2 absorption feature  and the spectra of a background pixel ( C) are marked as well.   

AVHRR fire detection in Italy on July 24 2007.

INGV  scientists uses for the first time the AVHRR antenna to detect wildfire in Italy. The AVHRR is  installed on the roof of INGV- headquater in Rome, and its main mission is volcanoes monitoring.