Introduzione

Gli incendi boschivi rappresentano uno dei principali fattori di disturbo degli ecosistemi forestali, con impatti rilevanti sulla biodiversità, sul ciclo del carbonio e sulla stabilità idrogeologica del territorio. Negli ultimi decenni, la crescente frequenza e intensità degli eventi incendiari è stata associata a fattori climatici, quali l’aumento delle temperature e la diminuzione delle precipitazioni, oltre che a dinamiche di uso del suolo (Bowman et al., 2009; Turco et al., 2017).

In tale contesto, il monitoraggio degli incendi assume un ruolo fondamentale sia nella fase di prevenzione indiretta, attraverso l’analisi delle condizioni predisponenti, sia nella fase post-evento, mediante la valutazione degli effetti sul territorio (Key e Benson, 2006).

Il telerilevamento satellitare si configura come uno strumento consolidato per l’osservazione della superficie terrestre, consentendo l’acquisizione sistematica di dati multispettrali su ampia scala. Le missioni Sentinel del programma Copernicus hanno ulteriormente ampliato le possibilità di analisi, grazie alla disponibilità di dati ad alta risoluzione spaziale e temporale.

Parallelamente, lo sviluppo delle tecnologie UAV (Unmanned Aerial Vehicles) ha introdotto nuove opportunità per il monitoraggio ambientale, permettendo acquisizioni a scala di dettaglio e maggiore flessibilità operativa.

Sviluppo dell'argomento
Telerilevamento satellitare per il monitoraggio degli incendi

Il telerilevamento satellitare consente l’analisi delle superfici forestali attraverso la registrazione della radiazione elettromagnetica riflessa o emessa. I sensori multispettrali permettono di distinguere diverse componenti della vegetazione e di rilevare variazioni legate a fenomeni di stress o disturbo.

Tra gli strumenti più utilizzati si collocano i dati acquisiti dai satelliti Sentinel-2, caratterizzati da una risoluzione spaziale fino a 10 metri (Figura 1). Tali caratteristiche rendono questi dati particolarmente adatti al monitoraggio degli incendi boschivi (Drusch et al., 2012).

Figura 1: Immagine generica delle bande spettrali acquisite dai satelliti Sentinel-2 (fonte ESA).

Nel contesto degli incendi boschivi è importante distinguere tra i concetti di intensità e severità. L’intensità dell’incendio si riferisce all’energia rilasciata durante la combustione e alla velocità di propagazione del fronte di fiamma, mentre la severità rappresenta il grado di alterazione della vegetazione e del suolo conseguente al passaggio del fuoco (Figura 2) (Key e Benson, 2006). La severità di un incendio può essere stimata mediante indici spettrali che sfruttano le differenze di riflettanza tra bande del vicino infrarosso (NIR) e dell’infrarosso a onde corte (SWIR).

Tra gli indici maggiormente utilizzati si annovera il Normalized Burn Ratio (NBR), calcolato a partire da immagini pre e post-incendio. La differenza tra tali valori (Differenced NBR - dNBR) consente di ottenere una misura quantitativa della severità.

Tale approccio è ampiamente utilizzato in ambito scientifico e operativo, permettendo di individuare le aree maggiormente danneggiate e di supportare la pianificazione degli interventi di ripristino e mitigazione del rischio idrogeologico.

Figura 2: Classi di severità dell’incendio su vegetazione forestale (da Key e Benson, 2006; USDA Forest Service).

Integrazione con dati da piattaforme UAV

L’impiego di piattaforme aeree a pilotaggio remoto (UAV) rappresenta un’evoluzione significativa nel monitoraggio degli incendi boschivi, consentendo acquisizioni ad altissima risoluzione spaziale e con elevata flessibilità operativa.

I sensori installati su UAV, tra cui camere multispettrali e termiche, permettono di acquisire informazioni dettagliate sulla struttura della vegetazione e sulle condizioni termiche delle superfici. Tali dati risultano particolarmente utili sia nella fase di monitoraggio attivo degli incendi, sia nella valutazione post-evento (Torresan et al., 2017).

Rispetto ai dati satellitari, i rilievi da drone presentano il vantaggio di una maggiore risoluzione spaziale, permettendo analisi a scala di dettaglio. Tuttavia, tali sistemi risultano limitati in termini di copertura territoriale e continuità temporale, risultando complementari ai dati satellitari. 

Integrazione tra dati satellitari e rilievi UAV

L’integrazione tra dati satellitari e rilievi UAV consente di combinare i vantaggi delle due tecnologie, unendo la capacità di osservazione su larga scala dei satelliti con il dettaglio fornito dai droni.

In tale contesto, i dati satellitari possono essere utilizzati per individuare le aree di interesse e per effettuare una prima valutazione delle condizioni della vegetazione, mentre i rilievi UAV consentono approfondimenti a scala locale. Di conseguenza, i dati provenienti da questi ultimi possono essere impiegati per la validazione e calibrazione delle stime derivate da dati satellitari, migliorando l’accuratezza delle analisi di severità.

Questo approccio multi-scala (Pajares, 2015) risulta particolarmente efficace nella gestione delle aree percorse dal fuoco, permettendo una migliore caratterizzazione degli impatti e supportando le attività di pianificazione degli interventi.

Approccio metodologico per la stima della severità

La stima della severità degli incendi può essere effettuata attraverso l’applicazione di procedure di elaborazione dei dati multispettrali basate su indici spettrali.

Un approccio metodologico prevede il calcolo dell’indice NBR (Key e Benson, 2006) su immagini acquisite in condizioni pre e post-incendio, seguito dalla determinazione della differenza tra i due valori (dNBR) (Miller e Thode, 2007). Successivamente, i valori ottenuti possono essere sottoposti a procedure di classificazione per l’individuazione di classi di severità (Figura 3).

Figura 3: Esempio di variazione dell’indice NBR pre e post incendio (da KEY e BENSON, 2006).

Tale metodologia può essere implementata mediante algoritmi di elaborazione automatizzata, consentendo la gestione di grandi quantità di dati e la riproducibilità dei risultati (Veraverbeke et al., 2010). Inoltre, procedure analoghe possono essere applicate anche a dati acquisiti da sensori UAV, opportunamente calibrati, favorendo l’integrazione tra diverse fonti informative.

Approfondimento 
Potenzialità e limiti dell’approccio integrato nel monitoraggio degli incendi

L’integrazione tra dati satellitari e rilievi UAV, già descritta nei paragrafi precedenti, rappresenta un approccio promettente per il monitoraggio degli incendi boschivi, ma presenta al contempo alcune criticità operative e metodologiche. I dati satellitari garantiscono continuità temporale e copertura su vasta scala, mentre i droni permettono analisi dettagliate in aree specifiche. Tuttavia, permangono alcune criticità legate, da un lato, alla risoluzione spaziale dei dati satellitari e, dall’altro, ai limiti operativi e normativi dei UAV (Pajares, 2015; Torresan et al., 2017). Inoltre, l’integrazione tra diverse fonti di dati richiede procedure di calibrazione e validazione, al fine di garantire la coerenza dei risultati.

Nonostante tali limiti, l’evoluzione delle tecnologie di telerilevamento e l’aumento della disponibilità di dati rendono sempre più accessibili strumenti avanzati per il monitoraggio ambientale, con potenziali applicazioni operative a supporto delle attività di gestione del territorio.

Conclusioni

Il monitoraggio degli incendi boschivi mediante tecniche di telerilevamento rappresenta uno strumento fondamentale per la comprensione e la gestione degli impatti sul territorio.

L’utilizzo di dati satellitari consente di effettuare analisi sistematiche su ampia scala, mentre l’impiego di UAV permette approfondimenti a scala locale. L’integrazione tra queste tecnologie offre nuove opportunità per il miglioramento delle attività di monitoraggio e supporto alle decisioni.

Le metodologie di stima della severità, basate su indici spettrali, risultano consolidate e applicabili a diverse tipologie di dati, evidenziando la possibilità di sviluppare approcci integrati e replicabili.

Ulteriori sviluppi potranno riguardare l’integrazione con tecniche di analisi automatizzata e sistemi di supporto alle decisioni, al fine di migliorare l’efficacia degli interventi di gestione e tutela degli ecosistemi forestali.

Bibliografia

-BOWMAN D.M.J.S., BALCH J.K., ARTAXO P., BOND W.J., CARLSON J.M., COCHRANE M.A., D’ANTONIO C.M., DEFRIES R.S., DOYLE J.C., HARRISON S.P., JOHNSTON F.H., KEELEY J.E., KRAWCHUK M.A., KULL C.A., MARSTON J.B., MORITZ M.A., PRENTICE I.C., ROOS C.I., SCOTT A.C., SWETNAM T.W., VAN DER WERF G.R., PYNE S.J., 2009 - Fire in the Earth system. Science, 324 (5926): 481-484.

-DRUSCH M., DEL BELLO U., CARLIER S., COLIN O., FERNANDEZ V., GASCON F., HOERSCH B., ISOLA C., LABERINTI P., MARTIMORT P., MEYER D., SPOTO F., SY O., MARCHETTI P.G., BARGELLINI P., 2012 - Sentinel-2: ESA’s optical high-resolution mission for GMES Operational Services. Remote Sensing of Environment, 120: 25-36.

-KEY C.H., BENSON N.C., 2006 - Landscape assessment: Ground measure of severity, the Composite Burn Index, and remote sensing of severity, the Normalized Burn Ratio. In: FIREMON: Fire Effects Monitoring and Inventory System. USDA Forest Service.

-MILLER J.D., THODE A.E., 2007 - Quantifying burn severity in a heterogeneous landscape with a relative version of the delta Normalized Burn Ratio (RdNBR). Remote Sensing of Environment, 109 (1): 66-80.

-PAJARES G., 2015 - Overview and current status of remote sensing applications based on unmanned aerial vehicles (UAVs). Photogrammetric Engineering & Remote Sensing, 81 (4): 281-330.

-TORRESAN C., BERTOLOTTI M., CARLIER S., CASAGRANDE V., CASSARÀ G., 2017 - Forestry applications of UAVs in Europe: a review. International Journal of Remote Sensing, 38 (8-10): 2427-2447.

-TURCO M., VON HARDENBERG J., AVITABILE V., PROVENCIO M., TRIGO R.M., 2017 - On the key role of droughts in the dynamics of summer fires in Mediterranean Europe. Scientific Reports, 7: 81.

-VERAVERBEKE S., LHERMITTE S., VERSTRAETEN W.W., GOOSSENS R., 2010 - The temporal dimension of differenced Normalized Burn Ratio (dNBR) fire/burn severity studies: the case of the large 2007 Peloponnese wildfires in Greece. Remote Sensing of Environment, 114 (2): 305-316.