Methods for detecting fires in ecosystems using low-resolution space images

• Autorzy: Shvaiko Valerii , Bandurka Olena , Shpuryk Vadym , Havrylko Yevhen

Identyfikatory

DOI

10.35784/iapgos.2576

Warianty tytułu

PL

Metody wykrywania pożarów w ekosystemach przy użyciu zdjęć satelitarnych o niskiej rozdzielczości

• Języki publikacji: EN

Abstrakty

EN

The paper presents the methods for fire identification using low-resolution space images obtained from Terra Modis and NOAA satellites. There are lots of algorithms to identify potentially "fire pixels" (PF). They are based on the assessment of temperature in spectral ranges from 3.5–4 to 10.5–11.5 microns. One of the problematic aspects in the Fire Detection Method using low-resolution space images is "Cloud and Water Masking". To identify "fire pixels", it is important to exclude from the analysis fragments of images that are covered with clouds and occupied by water objects. Identification of pixels in which one or more fires are actively burning at the time of passing over the Earth is the basis of the algorithm for detecting potentially "fire pixels". The algorithm requires a significant increase in radiation in the range of 4 micrometers, as well as on the observed radiation in the range of 11 micrometers. The algorithm investigates each pixel in a scene that is assigned one of the following classes as a result: lack of data, cloud, water, potentially fire or uncertain. The pixels that lack actual data are immediately classified as "missing data (NULL)" and excluded from further consideration. Cloud and water pixels, defined by the cloud masking technique and water objects, belong to cloud and water classes, respectively. The fire detection algorithm investigates only those pixels of the Earth's surface that are classified as potentially fire or uncertain. The method was implemented using the Visual Programming Tool PowerBuilder in the data processing system of Erdas Imaging. As a result of the use of the identification method, fires in the Chornobyl exclusion zone, steppe fires and fires at gas wells were detected. Using the method of satellite fire identification is essential for the prompt detection of fires for remote forests or steppes that are poorly controlled by ground monitoring methods.

PL

W artykule przedstawiono metody identyfikacji pożarów przy wykorzystaniu niskorozdzielczych zdjęć satelitarnych uzyskanych z satelitów Terra Modis i NOAA. Istnieje wiele algorytmów służących do identyfikacji potencjalnych "pikseli pożaru". Opierają się one na ocenie temperatury w zakresach spektralnych od 3,5–4 do 10,5–11,5 mikronów. Jednym z problematycznych aspektów metody detekcji pożarów z wykorzystaniem zdjęć satelitarnych o niskiej rozdzielczości jest "maskowanie przez chmury i wodę". Aby zidentyfikować „piksele pożaru” należy wykluczyć z analizy fragmenty zdjęć pokryte chmurami oraz zajęte przez obiekty wodne. Podstawą algorytmu do wykrywania potencjalnych „pikseli pożaru” jest identyfikacja pikseli, w których, w momencie przelotu nad Ziemią, aktywny jest jeden lub większa liczba pożarów. Do prawidłowej pracy, algorytm wymaga znacznego wzrostu poziomu promieniowania w zakresie 4 oraz 11 mikrometrów. Algorytm analizuje każdy piksel zdjęcia i w rezultacie przypisuje mu jedną z następujących klas: brak danych, chmura, woda, potencjalny pożar lub niepewny. Piksele, którym nie są przypisane rzeczywiste dane, są natychmiast klasyfikowane jako "brakujące dane (NULL)" i wyłączane z dalszej analizy. Piksele należące do chmur i wody, określone dzięki technice maskowania chmur i obiektów wodnych, zaliczane są odpowiednio do klas chmur i wody. Algorytm detekcji pożaru bada tylko te piksele powierzchni Ziemi, które zostały zaklasyfikowane jako potencjalny pożar lub niepewne. Metoda została zaimplementowana przy użyciu Visual Programming Tool PowerBuilder w systemie przetwarzania danych firmy Erdas Imaging. W wyniku zastosowania metody, wykryto pożary w czarnobylskiej strefie zamkniętej, pożary stepów oraz pożary przy odwiertach gazowych. Zastosowanie metody satelitarnej identyfikacji pożarów jest niezbędne do szybkiego wykrywania pożarów w odległych lasach lub stepach, które są słabo kontrolowane przez naziemne metody monitoringu.

Słowa kluczowe

EN

environmental security; ecosystem fires in Ukraine; remote sensing; GIS

PL

bezpieczeństwo środowiska; pożary ekosystemów na Ukrainie; zdalne wykrywanie; GIS

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2021
• Tom: T. 11, nr 1
• Strony: 15--19
• Opis fizyczny: Bibliogr. 13 poz., rys.

Twórcy

autor

Shvaiko Valerii

• The National Technical University of Ukraine ”Igor Sikorsky Kyiv Polytechnic Institute”, Heat Power Engineer Department, Automation of Projection of Power Processes and Systems, Kyiv, Ukraine

• https://orcid.org/0000-0002-9304-8710

autor

Bandurka Olena

• The National Technical University of Ukraine ”Igor Sikorsky Kyiv Polytechnic Institute”, Heat Power Engineer Department, Automation of Projection of Power Processes and Systems, Kyiv, Ukraine

• https://orcid.org/0000-0002-8059-1861

autor

Shpuryk Vadym

• The National Technical University of Ukraine ”Igor Sikorsky Kyiv Polytechnic Institute”, Heat Power Engineer Department, Automation of Projection of Power Processes and Systems, Kyiv, Ukraine

• https://orcid.org/0000-0002-3477-5731

autor

Havrylko Yevhen

• The National Technical University of Ukraine ”Igor Sikorsky Kyiv Polytechnic Institute”, Heat Power Engineer Department, Automation of Projection of Power Processes and Systems, Kyiv, Ukraine

• https://orcid.org/0000-0001-9437-3964

Bibliografia

• [1] Chandra А. М., Gosh S. K.: Remote sensing and geographic information systems. Tecnosfera, Moscow 2008.
• [2] Griffiths P. et al.: Forest disturbances, forest recovery, and changes in forest types across the Carpathian ecoregion from 1985 to 2010 based on Landsat image composites. Remote Sensing of Environment 151/2014, 72–88.
• [3] Justice C. O. et al.: Robust statistics. Wiley, New York 2002.
• [4] Kaufman Y. J., Justice C. O., Flynn L. P., Kendall J. D., Prins E. M., Giglio L., Ward D. E., Menzel W. P., Setzer A. W.: Potential global fire monitoring from EOS-MODIS. Journal of Geophysical Research 103(D24)/1998, 32215–32238.
• [5] Kashkin V. B., Suchinin А. I.: Remote sensing of the Earth from space. Digital imaging. Logos, Moscow 2001.
• [6] Krycuk S. G.: Mapping boreal forests using satellite data. Modern problems of remote sensing of the Earth from space 9(4)/2012, 255–264.
• [7] Morisette J. T. et al.: Identification of subresolution high temperature sources using a thermal IR sensor. Photogrammetric Engineering and Remote Sensing 47/2003, 1311–1318.
• [8] Morissette, J. T. et al.: Validation of the MODIS active fire product over Southern Africa with ASTER data. International Journal of Remote Sensing 26(19)/2002, 4239–4264.
• [9] Seielstad C. A. et al.: MODIS level 1A Earth location: Algorithm theoretical basis document version 3.0. SDST-092, MODIS Science Data Support Team 2002.
• [10] Stroppiana D. et al.: Testing the sensitivity of a MODIS-like daytime active fire detection model in Alaska using NOAA/AVHRR infrared data. Photogrammetric Engineering and Remote Sensing 68/2000, 831–838.
• [11] Strugailo V. V.: Review of methods of filtering and segmentation of digital images. Science and education 5/2012, 270–281.
• [12] Vyshnjakov V. J., Tkachuk P. A.: Features of methods for determining temperature anomalies according to remote sensing MODIS (TERRA) and AVHRR (NOAA). Estimates of their quality. Ecological safety and nature management 10/2012, 81–90.
• [13] Zibcev S. V., Myronjuk V. V.: Methodical recommendations from MODIS and Landsat for monitoring of forest fires: Recommendations for forestry enterprises. NUBandN, Kiev 2015.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).