A correlation analysis between mean Normalized Difference Vegetation Index (NDVI), derived from 250m-resolution MODIS-imagery time-series (2001-2016), and mean long-term cover management (Cfactor) data from the available 100m-resolution raster map, provided by the EU-JRC at the European scale, is here presented. The aim was to find out a regression model helpful to easily estimate the land cover management factor of the RUSLE, for future applications at different timescales and subregional level, by using the remotely sensed vegetation index as predictor. The regression analysis suggested that a sigmoid logistic function can fit well with the relationship between the two variables (R-square = 0.989, RMSE = 0.015). The model function was employed to draw the long-term C-factor map of southern Latium test-area (central Italy) which resulted in good agreement with the EU map. Some uncertainties were likely due to differences in raster resolution and technique adopted in the two approaches. Examples of simulations at annual and seasonal timescale are also provided, proving the versatility of the proposed model to estimate the C-factor at differently refined timescales and to easily draw updated maps basing on the availability of NDVI data-series.

Il presente lavoro, incentrato sull'area del Lazio meridionale comprendente le province di Latina e Frosinone, ha avuto come oggetto la ricerca di un modello di correlazione per la previsione del fattore di gestione e copertura del suolo (fattore C del modello USLE/RUSLE) a partire da dati satellitari sintetizzati nell'indice di vegetazione NDVI (Normalized Difference Vegetation Index). A tal fine sono state utilizzate le serie di immagini, con risoluzione spaziale di 250 m, raccolte nel periodo 2001-2016 dalla piattaforma MODIS (Moderate Resolution Imaging Spectroradiometer). In assenza di dati osservativi diretti, relativamente alle condizioni di copertura del suolo nell'area investigata, sono stati utilizzati i valori riportati nella carta del fattore C dell'Unione Europea, con risoluzione di 100 m, realizzata dal JRC (Joint Research Center) sulla base di dataset pan-europei (CORINE Land Cover, NUTS, MERIS). L'analisi di regressione ha evidenziato come un semplice modello lineare non è in grado di prevedere con adeguata precisione i valori del fattore C relativi ai diversi tipi di coperture ed usi del suolo, in funzione dell'NDVI. Diversamente, una funzione logistica sigmoide consente una maggiore precisione nel riprodurre le relazioni tra le due variabili (R2 = 0.989, RMSE = 0.015). Il confronto tra la distribuzione dei valori del fattore C ottenuti nell'area di studio tramite la suddetta funzione e quelli riportati nella mappa del JRC ha evidenziato un buon accordo nonostante alcune incertezze, soprattutto nelle aree soggette a seminativi, dovute alle diverse tecniche utilizzate nei due casi. Il maggior beneficio derivante dall'applicazione del modello di correlazione qui proposto consiste nella possibilità di aggiornare la mappa, e di conseguenza i valori di C, in funzione dei dati spettrali raccolti negli anni successivi, anche con riferimento a diverse scansioni temporali (annuale, stagionale, mensile).

Estimating the C-factor of USLE/RUSLE by means of NDVI time-series in Southern Latium. An improved correlation model

Zini, A.;Sciortino, M.;Peloso, A.;Verrubbi, V.;Grauso, S.
2018

Abstract

Il presente lavoro, incentrato sull'area del Lazio meridionale comprendente le province di Latina e Frosinone, ha avuto come oggetto la ricerca di un modello di correlazione per la previsione del fattore di gestione e copertura del suolo (fattore C del modello USLE/RUSLE) a partire da dati satellitari sintetizzati nell'indice di vegetazione NDVI (Normalized Difference Vegetation Index). A tal fine sono state utilizzate le serie di immagini, con risoluzione spaziale di 250 m, raccolte nel periodo 2001-2016 dalla piattaforma MODIS (Moderate Resolution Imaging Spectroradiometer). In assenza di dati osservativi diretti, relativamente alle condizioni di copertura del suolo nell'area investigata, sono stati utilizzati i valori riportati nella carta del fattore C dell'Unione Europea, con risoluzione di 100 m, realizzata dal JRC (Joint Research Center) sulla base di dataset pan-europei (CORINE Land Cover, NUTS, MERIS). L'analisi di regressione ha evidenziato come un semplice modello lineare non è in grado di prevedere con adeguata precisione i valori del fattore C relativi ai diversi tipi di coperture ed usi del suolo, in funzione dell'NDVI. Diversamente, una funzione logistica sigmoide consente una maggiore precisione nel riprodurre le relazioni tra le due variabili (R2 = 0.989, RMSE = 0.015). Il confronto tra la distribuzione dei valori del fattore C ottenuti nell'area di studio tramite la suddetta funzione e quelli riportati nella mappa del JRC ha evidenziato un buon accordo nonostante alcune incertezze, soprattutto nelle aree soggette a seminativi, dovute alle diverse tecniche utilizzate nei due casi. Il maggior beneficio derivante dall'applicazione del modello di correlazione qui proposto consiste nella possibilità di aggiornare la mappa, e di conseguenza i valori di C, in funzione dei dati spettrali raccolti negli anni successivi, anche con riferimento a diverse scansioni temporali (annuale, stagionale, mensile).
A correlation analysis between mean Normalized Difference Vegetation Index (NDVI), derived from 250m-resolution MODIS-imagery time-series (2001-2016), and mean long-term cover management (Cfactor) data from the available 100m-resolution raster map, provided by the EU-JRC at the European scale, is here presented. The aim was to find out a regression model helpful to easily estimate the land cover management factor of the RUSLE, for future applications at different timescales and subregional level, by using the remotely sensed vegetation index as predictor. The regression analysis suggested that a sigmoid logistic function can fit well with the relationship between the two variables (R-square = 0.989, RMSE = 0.015). The model function was employed to draw the long-term C-factor map of southern Latium test-area (central Italy) which resulted in good agreement with the EU map. Some uncertainties were likely due to differences in raster resolution and technique adopted in the two approaches. Examples of simulations at annual and seasonal timescale are also provided, proving the versatility of the proposed model to estimate the C-factor at differently refined timescales and to easily draw updated maps basing on the availability of NDVI data-series.
Uso del suolo;NDVI;Telerilevamento;Analisi di regressione;RUSLE
File in questo prodotto:
File Dimensione Formato  
RT-2018-09-ENEA.pdf

accesso aperto

Licenza: Creative commons
Dimensione 4.2 MB
Formato Adobe PDF
4.2 MB Adobe PDF Visualizza/Apri

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12079/6822
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
social impact