अंतराळातील प्रतिमा - नैसर्गिक आगीचे निरीक्षण, आगीचा नकाशा. जंगलातील आगीचे निरीक्षण करण्याच्या पद्धती

नकाशा जंगलातील आग, ScanEx ने विकसित केलेले, रशिया (ScanEx लेयर) आणि जगभरात (FIRMS लेयर) दोन्ही रिअल टाइममध्ये आग प्रदर्शित करते.

अंतरावर, प्रत्येक क्षेत्रासाठी अंदाजे ताकद आणि आगीचे प्रमाण दर्शविणारी मंडळे दृश्यमान आहेत.

वर्तुळ जितके मोठे असेल तितके अधिक फोकस त्यात असतील.

जेव्हा तुम्ही नकाशा मोठा करता, तेव्हा फायर स्पॉट्स (किंवा हॉट स्पॉट्स) लाल चौरस म्हणून प्रदर्शित होतात:

नियमित उपग्रह प्रतिमांच्या शीर्षस्थानी, आपण TERRA आणि AQUA उपग्रहांद्वारे काढलेली दैनिक छायाचित्रे आच्छादित करू शकता.

चित्रांची रूपरेषा:

चित्रे स्वतः:

एका बिंदूमध्ये घेतलेल्या वेगवेगळ्या छायाचित्रांद्वारे कॅप्चर केले जाऊ शकते वेगवेगळ्या वेळा, अंतर्गत भिन्न कोन, आणि वेगवेगळ्या ढगाळपणासह. म्हणून, प्रतिमांमध्ये स्विच करण्यासाठी, आपण माउससह त्यावर क्लिक करू शकता.

जेव्हा तुम्ही कोणत्याही चित्रावर क्लिक करता तेव्हा ते “अगदी तळाशी पडते”. हे अंतर्ज्ञानी किंवा सोयीस्कर नाही, परंतु तुम्हाला त्याची सवय होऊ शकते. कोणत्याही परिस्थितीत, विशिष्ट आग पाहताना, आपण सर्वोत्तम फोटो शोधण्यासाठी एका ओळीत अनेक क्लिक करू शकता.

जळलेले भाग दैनंदिन छायाचित्रांमध्ये गडद तपकिरी डाग म्हणून दिसतात.

उदाहरणार्थ, येथे तुम्ही या वर्षीच्या उन्हाळ्यातील आगीतील केवळ “चट्टे”च पाहू शकत नाही, तर मागील वर्षीचे देखील पाहू शकता, जे आधीच बरे होऊ लागले आहेत (हिरव्या रंगासह हलका तपकिरी):

17 ऑगस्ट 2014 चा फोटो

आणखी अनेक स्पॉट्स, प्रत्येक 40 किलोमीटरपेक्षा जास्त लांब. आपत्तीचे प्रमाण समजून घेण्यासाठी, येथे एक तुलना आहे: प्रत्येक ठिकाण सेंट पीटर्सबर्गपेक्षा क्षेत्रफळात मोठे आहे

17 ऑगस्ट 2014 चा फोटो

परंतु दैनंदिन छायाचित्रांमध्ये विचित्र गोष्टी देखील आहेत - पाण्याचे शरीर (तलाव आणि नद्या) चमकदार लाल रंगवलेले आहेत (अग्नीसारखे). बहुधा हा प्रभावउपग्रह मल्टीस्पेक्ट्रल मोडमध्ये चित्रे घेतात या वस्तुस्थितीमुळे उद्भवते आणि बहुधा पाणी स्पेक्ट्रमचे ते भाग प्रतिबिंबित करते ज्याचा उपग्रह (किंवा प्रतिमांवर प्रक्रिया करणारे सॉफ्टवेअर) "हॉट" म्हणून अर्थ लावतो.

फोटोमध्ये - काळा समुद्र

आणि येथे 2012 साठी (महिन्यानुसार) जगभरातील आगीचा ॲनिमेटेड नकाशा आहे. वर्षाच्या वेळेनुसार आगीची तीव्रता आणि संख्या कशी बदलते ते तुम्ही पाहू शकता.

खालील ॲनिमेशन जोरदार वाऱ्याखाली स्टेपमध्ये आग किती वेगाने पसरू शकते हे दर्शवते.

जंगलातील आगीचे उपग्रह निरीक्षण

जंगलांनी व्यापलेल्या मोठ्या भूभागामुळे आग त्वरित शोधणे आणि त्यांचे निरीक्षण करणे हे विशेष प्रासंगिक आहे. वनसंपत्तीचे नुकसान होण्याबरोबरच, आगीचा तीव्र परिणाम होतो पर्यावरणीय परिस्थितीआणि लोकांच्या जीवाला धोका होऊ शकतो.
रशियन जंगलात लागलेल्या आगीचे वास्तविक प्रमाण आणि आगीमुळे झालेल्या नुकसानीचे प्रमाण अद्याप स्थापित झालेले नाही. जंगलातील आगीचे नियमित निरीक्षण केवळ सक्रिय वन संरक्षण क्षेत्रामध्ये केले जाते, ज्यामध्ये एकूण वनक्षेत्राच्या 2/3 भागाचा समावेश होतो. सायबेरियाच्या उत्तरेकडील प्रदेशांमध्ये आणि सुदूर पूर्व, देशाच्या वन निधीच्या 1/3 कव्हर, अग्निशमन नोंदणी आणि सक्रिय अग्निशमन व्यावहारिकदृष्ट्या अनुपस्थित आहेत. सक्रिय वन संरक्षण क्षेत्रात, 0.5 ते 2.5 दशलक्ष हेक्टर क्षेत्रावर दरवर्षी 15 ते 30 हजार जंगलातील आगीची नोंद केली जाते.
वेळेवर ओळखअग्नि स्रोत आणि त्यांची वैशिष्ट्ये निश्चित करणे हे सर्वात गंभीर कार्य आहे. सर्वात सामान्य आणि पारंपारिक मार्गप्रादेशिक स्तरावर त्याचे निराकरण म्हणजे अग्नि-धोकादायक भागात हवाई गस्त घालणे, ज्यासाठी महत्त्वपूर्ण सामग्री खर्च आवश्यक आहे. एकूण 760 दशलक्ष हेक्टरच्या सक्रियपणे संरक्षित क्षेत्रापैकी 725 दशलक्ष हेक्टर एव्हिएशनद्वारे पुरवले जाते. त्याच वेळी, टायगा झोनमध्ये विरळ रस्त्यांचे जाळे असलेले सुमारे 550 दशलक्ष हेक्टर क्षेत्र असे वर्गीकृत केले गेले आहे जेथे विमानचालन अग्निशामक उपकरणे प्रामुख्याने वापरली जातात. मध्ये वन संरक्षणासाठी वाटप करण्यात आलेल्या निधीत मोठी घट अलीकडील वर्षे, विमानचालन वन संरक्षणावर सर्वात मोठा परिणाम झाला. याचा परिणाम म्हणजे जंगलातील आग नियंत्रणाबाहेर जाऊन नैसर्गिक आपत्तींमध्ये लक्षणीय वाढ झाली.
या संदर्भात सर्वांना सहभागी करून घेण्याची गरज आहे उपलब्ध निधीत्यांच्या विकासाच्या सुरुवातीच्या टप्प्यावर आगीची त्वरित ओळख, जे पृथ्वीच्या रिमोट सेन्सिंगसाठी उपग्रह प्रणालीची वाढती भूमिका स्पष्ट करते. एरियल टोहीच्या तुलनेत स्पेस मॉनिटरिंगचे अनेक फायदे आहेत: उच्च कार्यक्षमता, मोठे क्षेत्रकव्हरेज पृथ्वीची पृष्ठभागआणि कमी ऑपरेटिंग खर्च. संरक्षित क्षेत्रात, उपग्रह डेटा पारंपारिक शोध पद्धतींमध्ये महत्त्वपूर्ण जोड म्हणून काम करतो आणि असुरक्षित क्षेत्रात, जंगलातील आगीच्या परिणामांचे निरीक्षण आणि मूल्यांकन करण्याचे हे एकमेव साधन आहे.
पृथ्वीच्या पृष्ठभागाच्या तपमानात (सामान्यत: 10-25 अंश सेल्सिअसपेक्षा जास्त नसतात) आणि आगीचा स्रोत (300-900 अंश सेल्सिअस) यातील लक्षणीय फरकामुळे अंतराळातून पृथ्वीच्या प्रतिमांमध्ये आग शोधणे शक्य आहे. या वस्तूंच्या थर्मल रेडिएशनमध्ये हजारो पट फरक. हे वैशिष्ट्य, 1 किमीच्या अवकाशीय रिझोल्यूशनसह थर्मल उपकरणांसह शूटिंग करताना, 100 मीटर 2 क्षेत्रासह आग किंवा 900 मीटर 2 क्षेत्रासह स्मोल्डिंग झोन शोधण्याची परवानगी देते. अशा क्षेत्राच्या आगीची त्वरित ओळख त्यांना दूर करण्यासाठी वेळेवर उपाययोजना करण्यास अनुमती देते.
ऑपरेशनल फायर मॉनिटरिंगच्या उद्देशाने आधुनिक उपग्रहांपैकी सर्वात जास्त वापरले जाणारे उपग्रह म्हणजे NOAA मालिका (एव्हीएचआरआर रेडिओमीटर ज्याचे अवकाशीय रिझोल्यूशन 1,100 मीटर आणि 3,000 किमी आहे) आणि EOS (टेरा आणि एक्वा उपग्रह MODIS रेडिओमीटर स्थापित केले आहेत. त्यांच्यावर 250, 500 , 1,000 मीटर आणि 2,330 किमीच्या अवकाशीय रिझोल्यूशनसह).
यापैकी प्रत्येक उपग्रह प्रणाली विस्तीर्ण क्षेत्रांचे ऑपरेशनल मॉनिटरिंग, दिवसातून किमान 6 वेळा (NOAA मालिका उपग्रह) आणि दिवसातून 4-6 वेळा (EOS मालिका उपग्रह) डेटा प्राप्त करण्यास परवानगी देते.
या विशिष्ट उपग्रह प्रणाल्यांची निवड स्पष्ट केली आहे, सर्व प्रथम, प्राप्त करणाऱ्या स्थानकाच्या उपस्थितीत या प्रणालींमधून प्रतिमांच्या परवाना-मुक्त (मुक्त) रिसेप्शनद्वारे, तसेच त्यामधील देखावा. अलीकडेतुलनेने स्वस्त, परदेशी analogues तुलनेत, प्राप्त स्टेशन. उदाहरणार्थ, AVHRR डेटा प्राप्त करण्यासाठी ScanEx स्टेशन आणि ScanEx RDC द्वारे विकसित आणि पुरवठा केलेल्या EOS मालिका उपग्रहांकडून MODIS डेटा प्राप्त करण्यासाठी EOScan आणि UniScan स्टेशन.
स्वयंचलितपणे आग ओळखण्यासाठी अल्गोरिदम लागू केला जातो सॉफ्टवेअर, ScanEx RDC द्वारे पुरवलेले:
- ScanViewer (NOAA मालिका उपग्रहांसाठी);
- ScanEx MODIS प्रोसेसर (EOS मालिका उपग्रहांसाठी).
NOAA आणि EOS उपग्रहांकडून डेटा शेअर करणे शक्य आहे. यामुळे माहिती मिळविण्याची कार्यक्षमता वाढते आणि आग लवकर ओळखण्याची शक्यता वाढते.
दोन्ही सिस्टीमचे स्नॅपशॉट मिळविण्यासाठी ग्राहकांसाठी अनेक पर्याय आहेत:
- जवळजवळ रिअल टाइममध्ये इंटरनेटद्वारे;
- NOAA मालिका उपग्रहांकडून त्याच्या स्वतःच्या प्राप्त स्टेशनवर डेटा प्राप्त करण्याव्यतिरिक्त इंटरनेटद्वारे EOS मालिका उपग्रहांकडून प्रतिमा प्राप्त करणे;
- दोन्ही सिस्टीममधील डेटाचे रिसेप्शन त्यांच्या स्वतःच्या प्राप्त केंद्रांवर.
माहितीचे दोन्ही स्रोत, उदा. AVHRR-NOAA, आणि अगदी अलीकडे MODIS-EOS, बऱ्याच देशांमध्ये (उदा. ब्राझील, कॅनडा, फिनलँड) अग्नि निरीक्षणाच्या उद्देशाने वापरले जातात. युनायटेड स्टेट्समध्ये, मॉन्टाना आणि आयडाहो राज्यांमध्ये 2000 च्या आपत्तीजनक आगीच्या वेळी दोन्ही प्रणालींमधील डेटा वापरला गेला. फिनलंड मध्ये, एक राष्ट्रीय स्वयंचलित कार्यक्रमशेतात आढळलेल्या जंगलातील आगीबद्दल संदेश प्राप्त करणे, प्रक्रिया करणे आणि वितरित करणे.
आपल्या देशात, वन अग्निसुरक्षा सेवांच्या हितासाठी ऑपरेशनल स्पेस मॉनिटरिंग करण्यासाठी, अनेक शहरांमध्ये रिसेप्शन सेंटर तैनात आहेत. अशा प्रकारे मंत्रालयाच्या स्थानकांचे विभागीय नेटवर्क तयार करण्यात आले आहे नैसर्गिक संसाधनेमध्ये उपग्रह डेटा रिसेप्शन केंद्रांसह रशिया मॉस्को, येकातेरिनबर्ग, इर्कुत्स्क, याकुत्स्क, युझ्नो-सखालिंस्क आणि गेलेंडझिक.

सॅटेलाईट निरीक्षण डेटा जंगलातील आगीच्या प्रसाराचे मूल्यांकन करण्यासाठी, त्यांचे स्त्रोत ओळखण्यासाठी, आग आणि जळण्यापासून धुराच्या विकासाचे विश्लेषण करण्यासाठी आणि आगीचा धोका ओळखण्यासाठी खूप महत्वाचे आहे.
लहान भागात आग विझवण्याची क्षमता, विशेषत: उच्च परिस्थितीत आग धोका, शोधण्याच्या कार्यक्षमतेद्वारे निर्धारित केले जाते. अशा प्रकारे, जंगलाच्या ऑपरेशनल मॉनिटरिंगसाठी सर्वात योग्य आवश्यकता आणि कुजून रुपांतर झालेले वनस्पतिजन्य पदार्थ (सरपणासाठी याचा वापर होतो).उच्च रेडिओमेट्रिक रिझोल्यूशन आणि सर्वेक्षणाची उच्च वारंवारता असलेले उपग्रह (NOAA आणि EOS मालिका) अनुरूप आहेत. आगीच्या परिणामांचे निरीक्षण करण्यासाठी, उच्च अवकाशीय रिझोल्यूशनसह उपग्रह वापरणे आवश्यक आहे.
कार्ये आग निरीक्षणआणि त्यांचे परिणाम:

आग शोधणे, आगीचे स्थान;
आग विकासाचे निरीक्षण आणि नियंत्रण;
हंगामात आगीच्या धोक्याचे मूल्यांकन;
दीर्घकालीन आगीच्या जोखमीचा अंदाज लावणे;
आग प्रभाव मूल्यांकन. आग लागण्यापूर्वी आणि नंतरच्या प्रतिमा एकत्र केल्याने जळलेल्या भागांची ओळख पटवणे, त्यांचे वर्तमान क्षेत्र निश्चित करणे आणि झालेल्या नुकसानीचे मूल्यांकन करणे शक्य होते.

जंगलातील आगीचे परिणाम वातावरणआणि व्यक्ती:

आर्थिक:लाकूड नुकसान, समावेश. तरुण झाडे आणि दुय्यम वन संसाधनांचे नुकसान; आग विझवणे, जळलेली जागा साफ करणे इत्यादीसाठी खर्च; जीर्णोद्धार कार्य; इतर उद्योगांमधील तोटा: हवाई, रेल्वे, रस्ते वाहतूक, शिपिंग इ.
पर्यावरणीय:ज्वलन उत्पादनांद्वारे प्रदूषण हवेचे वातावरण, जलीय वातावरण, माती:

ऑक्सिजनचा नाश;
थर्मल प्रदूषण;
वस्तुमान प्रकाशन हरितगृह वायू;
सूक्ष्म हवामान बदल;
धूर आणि वातावरणीय प्रदूषण;
प्राणी आणि वनस्पतींचा मृत्यू;
जैवविविधतेत घट.

सामाजिक:अग्निशामक क्षेत्रामध्ये थेट लोकांना मृत्यू आणि दुखापत; लोकसंख्येच्या सायकोफिजियोलॉजिकल निर्देशकांचा बिघाड: शारीरिक, भावनिक, बौद्धिक, पुनरुत्पादक, आनुवंशिकता; लोकसंख्येच्या विकृतीत वाढ; आयुर्मान कमी होणे.

आग शोधण्यासाठी, उपग्रह प्रतिमांचे थर्मल चॅनेल वापरले जातात (चित्र 1, तक्ता 1, 2.).
तक्ता 1. तरंगलांबी श्रेणी.

आकृती 1

श्रेणी		संक्षेप
रशियन	इंग्रजी	रशियन	इंग्रजी
अतिनील

इन्फ्रारेड
IR जवळ
मध्यम IR	शॉर्ट वेव्ह इन्फ्रारेड
दूर IR	मिड वेव्ह इन्फ्रारेड
थर्मल आयआर	थर्मल इन्फ्रारेड
मायक्रोवेव्ह

आग शोधू शकणारे अंतराळ यान सादर केले आहेतटेबल 1.

तक्ता 2. अंतराळयानाची वैशिष्ट्ये.

SC/डिव्हाइस	NOAA/ AVHRR	टेरा(AQUA)/ MODIS	लँडसॅट/ टीएम (ईटीएम+)	टेरा/ ASTER
दृश्यमानता, किमी.
रेडिओमेट्रिक रिझोल्यूशन, बिट				NIR - 8 SWIR - 8 TIR - 12
अवकाशीय ठराव, मी.		NIR - 250-1000 SWIR - 500 TIR - 1000	NIR, SWIR - 30 TIR - 60	NIR - 15 SWIR - 30 TIR - 90
IR श्रेणीतील वर्णक्रमीय चॅनेलची संख्या	एनआयआर - १ SWIR - 1 TIR - 2	NIR - 6 SWIR - 3 TIR - 16	एनआयआर - १ SWIR - 2 टीआयआर - १	एनआयआर - १ SWIR - 6 TIR - 5

आग शोधण्यासाठी सॉफ्टवेअर आणि अल्गोरिदम.

आग शोधण्याच्या पद्धती वैयक्तिक वर्णक्रमीय चॅनेलमधील ब्राइटनेस तापमानाच्या विश्लेषणावर आधारित आहेत.
शोध घटनेचे मुख्य वैशिष्ट्य म्हणजे आगीच्या ठिकाणी तापमानात स्थानिक वाढ.
आग दृष्यदृष्ट्या शोधणे आपल्याला थर्मल विसंगती शोधण्यासाठी थ्रेशोल्ड द्रुत आणि अचूकपणे निर्धारित करण्यास अनुमती देते. सर्वसाधारणपणे, हे थ्रेशोल्ड वेगळे असतील. हे प्रामुख्याने आगीचे क्षेत्र आणि तापमान, वर्ष आणि दिवसाची वेळ आणि आगीच्या ठिकाणाचे भौगोलिक निर्देशांक यामुळे होते.
दृश्यमान स्पेक्ट्रममध्ये ज्वलन स्त्रोताची उपस्थिती जंगलातील आगीच्या मुख्य डीकोडिंग चिन्हाच्या उपस्थितीद्वारे निर्धारित केली जाते - धूर प्लम.
छायाचित्रातील आकार हलका राखाडी शंकूसारखा दिसतो. हे लक्षात ठेवले पाहिजे की सिरस आणि स्ट्रॅटस ढग त्यांच्या संरचनेत आणि चमक मध्ये जंगलातील आगीच्या धुराच्या प्लम्ससारखे असू शकतात. म्हणून, दृश्यमान स्पेक्ट्रम प्रतिमांचे ते भाग जेथे पूर्वी जंगलातील आग आढळली होती ते स्पेक्ट्रमच्या अवरक्त श्रेणीमध्ये पाहिले जातात. या प्रकरणात, जंगलातील आगीतील धुराचे प्लम्स व्यावहारिकदृष्ट्या अदृश्य आहेत.
सर्व पद्धती खालील तत्त्वांवर आधारित आहेत:

निरीक्षण उपकरणांच्या विशिष्ट वर्णक्रमीय चॅनेलमध्ये सिग्नल वितरणाचे विश्लेषण;
संबंधित वर्गाला प्रतिमा क्षेत्र (किंवा पिक्सेल) नियुक्त करण्यासाठी थ्रेशोल्ड नियम;
वैयक्तिक प्रतिमा क्षेत्र (किंवा पिक्सेल) च्या वर्णक्रमीय वैशिष्ट्यांच्या वितरणाचे सांख्यिकीय विश्लेषण;
योग्य वर्गास नोंदणीकृत सिग्नल नियुक्त करण्याच्या विश्वासार्हतेचे विश्लेषण.

प्रक्रियेचा क्रम स्पेस इमेज प्रोसेसिंग:

माहिती चॅनेलची व्याख्या.
ठराविक चॅनेलमधील प्रतिमांमधील ढग, जलस्रोत आणि गमावलेला डेटा ओळखणे.
संभाव्य आग स्थानांची ओळख.
पृष्ठभागाच्या स्थानिक वर्णक्रमीय वैशिष्ट्यांचे निर्धारण आणि अप्रत्यक्ष चिन्हे वापरून आगीची नोंदणी.
स्थानिक वैशिष्ट्ये लक्षात घेऊन शोध परिष्कृत करणे, आग ओळखण्यासाठी जटिल नियमांचा वापर.
चुकीच्या ओळखीच्या शक्यतेचे विश्लेषण.
शोध परिणामांचे प्रमाणीकरण आणि निर्णय घेणे.

ScanEx RDC द्वारे पुरवलेल्या सॉफ्टवेअरमध्ये आग शोधण्यासाठी स्वयंचलित अल्गोरिदम लागू केला जातो:

स्कॅन व्ह्यूअर(NOAA मालिका उपग्रहांसाठी). ScanEx RDC मधील तज्ञांनी ScanViewer ऍप्लिकेशनमध्ये एक उपकरण कार्यान्वित केले आहे जे AVHRR रेडिओमीटरचा डेटा वापरून जंगलातील आगीचा स्वयंचलितपणे शोध घेण्यास अनुमती देते, जो NOAA मालिका उपग्रहाच्या ऑनबोर्ड मापन संकुलाचा भाग आहे. व्हिज्युअल इमेज रिव्ह्यू आणि कार्टोग्राफिक माहितीच्या आच्छादनासह स्वयंचलित शोध अल्गोरिदमचे संयोजन आधार बनवते परस्परसंवादी तंत्रज्ञानजंगलातील आग शोधणे आणि निरीक्षण करणे. या पद्धतींचा तोटा असा आहे की केवळ मोठी आग अचूकपणे निर्धारित केली जाऊ शकते.
ScanEx MODIS प्रोसेसर(EOS मालिका उपग्रहांसाठी). आग ओळखण्यासाठी आणि त्वरीत शोधण्यासाठी, ScanEx MODIS प्रोसेसर ऍप्लिकेशन आगीचे स्थान आणि त्यांची तीव्रता निर्धारित करण्यासाठी MODIS उपकरणासाठी विकसित केलेले अल्गोरिदम वापरते.

आग शोधण्याचे तंत्र दोन इन्फ्रारेड स्पेक्ट्रल चॅनेल, 21 चॅनेल (4 µm T4) आणि 31 चॅनेल (11 µm T11) मध्ये प्रत्येक पिक्सेलच्या तापमानाच्या (MODIS रेडिओमीटरद्वारे प्राप्त इनपुट सिग्नल तीव्रता) च्या तुलनेत आधारित आहे. इनपुट आणि आउटपुट पॅरामीटर्स परस्परसंवादीपणे कॉन्फिगर करण्याच्या क्षमतेसह हे तंत्र Scanex Modis प्रोसेसर प्रोग्राममध्ये लागू केले आहे.
असे मानले जाते की चॅनेल 21 मध्ये पिक्सेल तापमान जितके जास्त असेल तितकी आग लागण्याची शक्यता जास्त असते. त्याचप्रमाणे, वाहिन्यांमधील तापमानातील फरक 4 µm असतो. आणि 11 मायक्रॉन. (dT411), आग लागण्याचा धोका जास्त.
संभाव्य आग स्रोत दोन प्रकारे ओळखला जातो:

वरील प्रत्येक पिक्सेल मूल्यांची परिपूर्ण मूल्ये (T4 आणि dT411) फायर मास्क पॅरामीटर्समध्ये निर्दिष्ट अनुज्ञेय मर्यादा ओलांडतात (उदाहरणार्थ, T4 दिवसा 360K पेक्षा जास्त आहे किंवा dT411 दिवसा 25K पेक्षा जास्त आहे. ).
विशिष्ट पिक्सेलच्या 4 µm चॅनेलमधील सिग्नलच्या तीव्रतेचे मूल्य आजूबाजूच्या वातावरणापेक्षा खूप वेगळे आहे (उदाहरणार्थ, T4 > T4b + pT4.s.d.c.*dT4b - 4 µm चॅनेलमध्ये अभ्यासाधीन सध्याच्या पिक्सेलचे तापमान जास्त आहे. आसपासच्या पिक्सेलच्या सरासरी तापमानापेक्षा + आजूबाजूच्या पिक्सेलच्या तापमानाचे मानक विचलन अनुभवजन्य गुणांकाने गुणाकार केले जाते (मानक विचलन गुणांक, सहसा pT4.s.d.c = 3)).

प्रोग्राममध्ये पॅरामीटर्सचा एक संच आहे जो निर्धारित करतो की विशिष्ट पिक्सेल अग्नि स्त्रोत म्हणून नोंदणीकृत होईल की नाही. या पॅरामीटर्सचे संयोजन (फायर मास्क) लक्षणीयपणे प्रदेशावर अवलंबून असते. उदाहरणार्थ, कुर्गन प्रदेशातील वन-स्टेप्पे प्रदेश आणि इव्हडेल टायगामध्ये MODIS रेडिओमीटरने प्राप्त केलेल्या थर्मल रेंजमध्ये भिन्न वर्णक्रमीय प्रतिबिंब वैशिष्ट्ये आहेत. याव्यतिरिक्त, या पॅरामीटर्सचे संयोजन हंगाम (हिवाळा, वसंत ऋतु, उन्हाळा, शरद ऋतूतील) आणि प्रशासनाच्या वेळेवर अवलंबून असते.

सॉफ्टवेअर मॉड्यूल "फायर डिटेक्शन"निकषांसह ERDAS इमॅजिन ऍप्लिकेशन पॅकेजवर (तक्ता 3.).

तक्ता 3.थर्मल विसंगती शोधण्यासाठी निकष.

जेथे T3p, T34p, T4p हे तापमान थ्रेशोल्ड आहेत, I2, I1 ही चॅनेल 1 आणि 2 मध्ये रेडिएशनची तीव्रता आहे.
ऑपरेटरद्वारे तापमान थ्रेशोल्ड खालील अंतराने सेट केले जातात: T3p - 310-322 के; T34r - 7-15 के; T4p - 275-285 K. डीफॉल्टनुसार, उन्हाळ्याच्या वेळेसाठी खालील तापमान थ्रेशोल्ड सेट केले जातात: T3 = 312 के; टी 34 = 15 के; T4 = 276 K.

MODIS (मॉडरेट रिझोल्यूशन इमेजिंग स्पेक्ट्रोरेडिओमीटर) रेडिओमीटर ( टेबल 4.) हे अमेरिकन उपग्रह TERRA (1999 पासून कक्षेत) आणि AQUA (2002 पासून कक्षेत) वर स्थापित केलेल्या प्रमुख इमेजिंग उपकरणांपैकी एक आहे, जे राष्ट्रीय एरोस्पेस एजन्सीच्या EOS (पृथ्वी निरीक्षण प्रणाली) कार्यक्रमांतर्गत अवकाशातून पृथ्वीचा अभ्यास करतात. (नासा) ) यूएसए.

तक्ता 4.बेसिक तांत्रिक वैशिष्ट्ये MODIS.

चॅनल क्रमांक	वर्णपट श्रेणी(µm.)	दृष्टीची रुंदी (किमी.)	चित्रीकरण कालावधी	अवकाशीय ठराव (m.)
	दृश्यमान (लाल)
	NIR (इन्फ्रारेड जवळ)
	दृश्यमान (निळा)
	दृश्यमान (हिरवा)
	NIR (इन्फ्रारेड जवळ)
	MIR (मध्य इन्फ्रारेड)


	दृश्यमान (निळा)

	दृश्यमान (हिरवा)
	दृश्यमान (हिरवा)
	दृश्यमान (लाल)



	NIR (इन्फ्रारेड जवळ)





	TIR (थर्मल इन्फ्रारेड)

MODIS रेडिओमीटर प्रदेशांचे दैनंदिन ऑपरेशनल मॉनिटरिंग करण्यास परवानगी देतो, तर निरीक्षणाची वारंवारता त्याच्या आकारावर अवलंबून असते आणि भौगोलिक स्थान, तसेच वापरलेल्या उपग्रहांची संख्या.
एका उपग्रहाद्वारे छायाचित्रित केल्यावर वेगळ्या प्रदेशाच्या निरीक्षणाची वारंवारता दिवसा 1-2 वेळा आणि रात्री त्याच संख्येने असते. दोन उपग्रहांद्वारे छायाचित्रित केल्यावर, निरीक्षणांची वारंवारता दुप्पट होईल - दिवसातून 4 ते 12 वेळा (प्रदेशाच्या भौगोलिक स्थानावर अवलंबून).
MODIS डेटाच्या व्यावहारिक वापरासाठी, प्राथमिक रेडिओमीटर डेटावर प्रक्रिया करण्यासाठी अल्गोरिदम विकसित केले गेले आहेत आणि नियमितपणे 44 मानक माहिती उत्पादने आहेत (मॉड्यूल - MOD);
थर्मल विसंगती आणि आग शोधण्यासाठी, एक मॉड्यूल वापरला जातो ( MOD14). हे 1 किमीच्या रिझोल्यूशनसह नैसर्गिक (जंगलातील) आग, ज्वालामुखी आणि इतर थर्मल विसंगतींचे जलद शोध आणि निरीक्षण करण्यास अनुमती देते. MODIS 1 किमी 2 पेक्षा कमी परिसरात आग शोधू शकते.
स्वयंचलित फायर डिटेक्शन अल्गोरिदम पृथ्वीच्या पृष्ठभागाच्या (सामान्यत: 10-25 C पेक्षा जास्त नसतात) आणि अग्निशामक ठिकाण (300-900 C) यांच्यातील तापमानातील महत्त्वपूर्ण फरकावर आधारित असतात. ऑब्जेक्ट्सच्या थर्मल उत्सर्जनात जवळजवळ 100-पट फरक इमेजमध्ये कॅप्चर केला जातो आणि इतर स्पेक्ट्रल चॅनेलमधून येणारी माहिती ढगांना वेगळे करण्यास मदत करते.
1 किमीच्या अवकाशीय रिझोल्यूशनसह MODIS स्पेक्ट्रोरेडिओमीटरच्या थर्मल उपकरणांसह सर्वेक्षण केल्याने 1 हेक्टर क्षेत्रासह आग किंवा 9 हेक्टर किंवा त्याहून अधिक क्षेत्रासह भूमिगत आग ओळखणे शक्य होते.

NOAA मालिका उपग्रह दोन उपकरणांनी सुसज्ज आहेत: AVHRR (प्रगत अतिशय उच्च रिझोल्यूशन रेडिओमीटर) (टेबल 5.) आणि वातावरणाच्या उभ्या आवाजासाठी उपकरणांचा एक संच.
NOAA उपग्रहांद्वारे स्पेस इमेजिंगमुळे प्रतिमांच्या कमी अवकाशीय रिझोल्यूशनद्वारे (1.1 किमी) प्रामुख्याने प्रादेशिक स्तरावर आगीचा मागोवा घेणे शक्य होते.

तक्ता 5. AVHRR ची मुख्य तांत्रिक वैशिष्ट्ये.

चॅनल क्रमांक	वर्णक्रमीय श्रेणी(µm)	दृष्टीची रुंदी (किमी.)	चित्रीकरण कालावधी	रेडिओमेट्रिक रिझोल्यूशन (बिट्स)	.)
	दृश्यमान (हिरवा)
	NIR (इन्फ्रारेड जवळ)
3 ए	NIR (इन्फ्रारेड जवळ)
3 बी	NIR (इन्फ्रारेड जवळ)
	TIR (थर्मल इन्फ्रारेड)
	TIR (थर्मल इन्फ्रारेड)

"थ्रेशोल्ड" किंवा "संदर्भीय" अल्गोरिदम वापरून आग ओळखण्यासाठी, प्राथमिक टप्प्यावर, NOAA उपग्रहांकडून प्राप्त सर्व माहिती कॅलिब्रेट करणे आवश्यक आहे. याचा अर्थ एव्हीएचआरआर उपकरणांच्या पहिल्या आणि द्वितीय चॅनेलसाठी अनुक्रमे अल्बेडो मूल्ये A1, A2 प्राप्त करणे आवश्यक आहे. आणि तिसऱ्या, चौथ्या आणि पाचव्या चॅनेलसाठी - अनुक्रमे समतुल्य रेडिएशन तापमान T3, T4 आणि T5 ची मूल्ये.
आग शोधण्याच्या पद्धतीस्पेक्ट्रमच्या इन्फ्रारेड श्रेणीशी संबंधित 3B, 4, 5 AVHRR चॅनेलसाठी रेडिएशन मूल्यांकनाच्या वापरावर आधारित आहे. 3B चॅनेल (800-1000K च्या ज्वलन तापमानावरील वस्तूंचे जास्तीत जास्त रेडिएशन या भागात पडते) AVHRR च्या बाजूने किरणोत्सर्गाची अत्यंत मूल्ये म्हणून अग्निची व्याख्या केली जाते.
AVHRR चॅनेल 1 आणि 2 वर आगीमुळे होणारे धुराचे प्लम्स चांगले ओळखले जातात.

आग अधिक अचूकपणे ओळखण्यासाठी, थ्रेशोल्ड अल्गोरिदम वापरले जातात, त्यापलीकडे रेडिएशन तापमान 3 रा आणि 4 था चॅनेलद्वारे निर्धारित केले जाते. AVHRR यंत्र 330 K पर्यंत तापमानासाठी कॅलिब्रेट केलेले आहे.
हे ज्ञात आहे की 800-1000 के तापमानाला गरम झालेल्या काळ्या शरीराचा जास्तीत जास्त रेडिएशन फ्लक्स 3-4 मायक्रॉनच्या तरंगलांबीसह इलेक्ट्रोमॅग्नेटिक स्पेक्ट्रमच्या मध्य-अवरक्त प्रदेशात येतो. AVHRR उपकरणांच्या वैशिष्ट्यांवर आधारित, थर्मल विसंगती ओळखण्यासाठी 3.55-3.93 µm च्या श्रेणीमध्ये कार्यरत असलेल्या तिसऱ्या चॅनेलचा डेटा मुख्य वैशिष्ट्य म्हणून घेतला जातो.
AVHRR उपकरणाचे अवकाशीय रिझोल्यूशन 1.1 किमी असल्याने, वस्तू शोधणे आदर्शपणे शक्य आहे. रेखीय परिमाणजे 1.1 किमी पेक्षा जास्त आहे. आणि मध्य-IR श्रेणीतील किरणोत्सर्गाची उच्च तीव्रता आणि उपकरणांच्या उच्च रेडिओमेट्रिक रिझोल्यूशनमुळे धन्यवाद, खूप लहान आकाराच्या नैसर्गिक आणि मानवनिर्मित निसर्गाच्या थर्मल विसंगती शोधणे शक्य होते. IN आदर्श परिस्थिती AVHRR उपकरणांच्या 3र्या आणि 4थ्या चॅनेलसह जास्तीत जास्त कॉन्ट्रास्टचे निरीक्षण हे एक तत्व आहे. 0.2-0.3 हेक्टर क्षेत्रासह आग शोधण्याची शक्यता.
थ्रेशोल्ड अल्गोरिदममध्ये फक्त एक तृतीय चॅनेल (एक थ्रेशोल्ड) वापरल्याने मोठ्या प्रमाणात खोटे अलार्म होतात. हे प्रामुख्याने ढगांच्या कडांद्वारे सौर किरणोत्सर्गाच्या ऊर्जेचे प्रतिबिंब (खोट्या अलार्मची सर्वात मोठी संख्या), पाण्याची पृष्ठभाग, वाळू, उघड्या खडक, डांबरी फुटपाथआणि ठोस संरचना. त्रुटी टाळण्यासाठी, इतर वर्णक्रमीय चॅनेलमधील डेटा वापरणे आवश्यक आहे.
आग ओळखण्यासाठी थ्रेशोल्ड अल्गोरिदम:

कॉफमन अल्गोरिदम (1991): T3 > 316 K, T3-T4 > 10 K आणि T4 > 250 K. येथे T3, T4, T5 हे अनुक्रमे AVHRR उपकरणांच्या 3ऱ्या, 4व्या आणि 5व्या चॅनेलमध्ये रेडिओ ब्राइटनेस तापमान आहेत.
फ्रान्स अल्गोरिदम (1993): T3 > 320 K, T3-T4 > 15 K, 0< (T4-T5) < 5 К, A1 < 9%, где А1 - значение альбедо в 1 -м канале.
केनेडी अल्गोरिदम (1994): T3 > 320 K, T3-T4 > 15 K, A2< 16%, где А2- значение альбедо во 2-м канале.

जर परमिट घटक अल्गोरिदमच्या अटी पूर्ण करतो, तर तो अग्निशामक वर्गाशी संबंधित आहे; जर ते यापैकी किमान एक अटी पूर्ण करत नसेल तर ते पार्श्वभूमीवर जाते.
हे सर्व अल्गोरिदम पुरेसे मोठे क्षेत्र आणि तीव्रतेच्या आगींवर केंद्रित आहेत, जे आगीची परिस्थिती ओळखण्याच्या समस्यांचे निराकरण करण्यासाठी अस्वीकार्य आहे, कारण त्यांच्या विकासाच्या सुरुवातीच्या टप्प्यावर आग शोधणे महत्वाचे आहे जेणेकरून ते नष्ट करण्यासाठी भौतिक खर्च कमी होईल. आग याव्यतिरिक्त, पीटलँड्समध्ये जास्त गरम झालेल्या पीटची उपस्थिती शोधण्यासाठी हे अल्गोरिदम वापरणे अत्यंत अवांछित आहे.
आज, रशियाच्या आपत्कालीन परिस्थिती मंत्रालयाच्या एरोस्पेस माहिती प्राप्त आणि विश्लेषणासाठी केंद्राने स्वीकारले आहे. कॉफमन अल्गोरिदम (1)"फ्लोटिंग" थ्रेशोल्डसह. आधी सांगितल्याप्रमाणे, टप्प्यावर पूर्व उपचार AVHRR उपकरणांच्या माहितीचा वापर करून, नैसर्गिक आगीचे स्पष्ट स्त्रोत धुराच्या प्लम्सच्या उपस्थितीद्वारे निर्धारित केले जातात.
प्रतिमा कॅलिब्रेशननंतर, ओळखलेल्या जखमांची वैशिष्ट्ये आणि समीप पार्श्वभूमी निर्धारित केली जाते, ज्याच्या आधारावर संबंधित थ्रेशोल्ड निवडले जातात. प्रतिमेच्या अंतर्गत पृष्ठभागाच्या समान वैशिष्ट्यांचे विश्लेषण केल्यानंतर, आगीच्या वैशिष्ट्यांसह, आम्ही निर्धारित करतो "फ्लोटिंग" थ्रेशोल्ड.
तथापि, या थ्रेशोल्डचा वापर करून आग ओळखण्याच्या परिणामांवर पूर्णपणे विश्वास ठेवू नये, कारण ढगांच्या काठावरुन इलेक्ट्रोमॅग्नेटिक उर्जेचे परावर्तन होण्याची प्रकरणे असू शकतात आणि जास्त गरम झालेल्या वाळूमुळे आणि मानवनिर्मित विविध निर्मितीमुळे खोटे अलार्म उद्भवू शकतात. म्हणून, ढगांच्या अगदी जवळ, नद्या, समुद्र इ. जवळ असलेले शंकास्पद बिंदू अतिरिक्त पडताळणीच्या अधीन असले पाहिजेत.
अतिरिक्त तपासणीमध्ये AVHRR उपकरणांच्या पहिल्या आणि दुसऱ्या चॅनेलमध्ये आम्हाला स्वारस्य असलेल्या पिक्सेलच्या परावर्तिततेचे विश्लेषण करणे समाविष्ट आहे. पहिल्या चॅनेलमधील अल्बेडो व्हॅल्यू दुसऱ्या चॅनेलमधील अल्बेडो व्हॅल्यूपेक्षा जास्त असल्यास ( A1 > A2), तर बहुसंख्य प्रकरणांमध्ये हा मुद्दा निःसंदिग्धपणे खोट्या अलार्मला कारणीभूत ठरू शकतो. परंतु अशी प्रकरणे असू शकतात जेव्हा अशा निर्णयाच्या अचूकतेबद्दल शंका उद्भवतात (उदाहरणार्थ, ढग किंवा वाळूचा अभाव). या प्रकरणात, जर नसेल तर आम्ही या बिंदूचे संभाव्य अग्नि स्रोत म्हणून वर्गीकरण करतो अतिरिक्त माहितीसंबंधित क्षेत्राबद्दल. पहिल्या आणि दुसऱ्या चॅनेलमधील अल्बेडो व्हॅल्यू 10-16% पेक्षा जास्त असल्यास (निरीक्षण परिस्थितीनुसार), तर दिलेला मुद्दाखोटे अलार्म म्हणून देखील वर्गीकृत. इतर सर्व प्रकरणांमध्ये, विचाराधीन बिंदूंवर थर्मल विसंगतीच्या उपस्थितीबद्दल गृहितक स्वीकारले जाते.
जर खोट्या अलार्मची संख्या पुरेशी मोठी असेल, तर तुम्ही तिसऱ्या आणि/किंवा चौथ्या चॅनेलवर थ्रेशोल्ड किंचित वाढवू शकता. अशा प्रकारे, खोट्या अलार्मपासून पूर्णपणे मुक्त होणे शक्य नाही आणि बहुतेक संशयित उद्रेकांची तपासणी करणे बाकी आहे. याव्यतिरिक्त, आम्ही जाणीवपूर्वक लहान-क्षेत्रातील आग विचारातून वगळतो, जे देखील अस्वीकार्य आहे.

थर्मल विसंगती शोधण्यासाठी सुधारित संदर्भित अल्गोरिदम.

ढगाळपणा हे IR रेडिएशनसाठी एक अपारदर्शक वातावरण आहे, म्हणून पिक्सेलसाठी जिथे त्याचा आकार प्रतिमेच्या 60-70% पेक्षा जास्त व्यापतो, तो आपोआप हायलाइट होतो. ढगाळपणा पृथ्वीच्या पृष्ठभागापेक्षा थंड असल्याने, रेडिओमीटरच्या 4थ्या किंवा 5व्या चॅनेलमध्ये निर्दिष्ट थ्रेशोल्ड मूल्यापेक्षा जास्त नसलेल्या प्रतिमा पिक्सेलच्या मास्किंगसह ब्राइटनेस तापमान थ्रेशोल्ड सेट करणे शक्य आहे.
AVHRR डेटासाठी मूलभूत क्लाउड एक्स्ट्रॅक्शन अल्गोरिदम म्हणून युरोपियन स्पेस एजन्सीचे SHARP-2 मानक घेण्याचा प्रस्ताव आहे. हे मानक वर्गीकरण प्रदान करते जे प्रतिमा पिक्सेल खालील वर्गांमध्ये विभाजित करते: पृथ्वीची पृष्ठभाग (ES), पाणी, ढग.
ESA SHARP-2 मानकांच्या अटींनुसार मूळ प्रतिमेमध्ये ढगाळपणा हायलाइट केला आहे:

A(2)/A(1) > 0.9 आणि A(2)/A(1) असल्यास "ढगाळ"< 1,1&T4 < 294 К
"ढगाळ" जर T4< 249 К
T4-T2 > 274 K आणि T4 असल्यास "ढगाळ".< 290 К

लेखकांनी असे गृहीत धरले की या अटी ढग/घन सीमा निश्चित करण्यासाठी आणि रशियाच्या युरोपियन भागावरील "तुटलेले ढग" ओळखण्यासाठी योग्य नाहीत, म्हणून त्यांनी अतिरिक्त अट सादर करण्याचा प्रस्ताव दिला. ही स्थिती 4-स्पेक्ट्रल श्रेणीच्या ब्राइटनेस वैशिष्ट्यांचे विश्लेषण आहे.
विश्लेषण अतिरिक्त स्थिती (4) वापरते, ज्यामध्ये AVHRR उपकरणाच्या 4-स्पेक्ट्रल श्रेणीतील समतुल्य रेडिएशन तापमानाचे मानक विचलन (4) 15x15 पिक्सेलच्या खिडकीवर मोजले जाते, विश्लेषण केले जाते:
σ4≤σpor,
जेथे σpore हे 15x15 पिक्सेलच्या खिडकीवरील AVHRR उपकरणाच्या 4-स्पेक्ट्रल श्रेणीतील थ्रेशोल्ड समतुल्य रेडिएशन तापमान आहे, ज्याचे मूल्य अभ्यासाच्या परिणामी निर्धारित केले जाते.
रशियाच्या युरोपियन भागासाठी (48-67 उत्तर अक्षांश), σpore = 1.3 साठी चाचणी प्रतिमांवर प्रक्रिया करण्याच्या परिणामांनुसार.
AVHRR/2 साधनांच्या 4थ्या आणि 5व्या चॅनेलच्या वर्णक्रमीय श्रेणींमध्ये (3) प्रतिमेच्या वैशिष्ट्यांवर सूर्याचा प्रभाव कमी आहे, चमक वैशिष्ट्याच्या मानक विचलनाचे विश्लेषण करून क्लाउड स्क्रीनिंग केले जाऊ शकते. या प्रकरणात, सुधारित संदर्भित अल्गोरिदम केवळ पिक्सेल ब्राइटनेस वैशिष्ट्यांचे मानक विचलन मूल्यच नाही तर AVHRR डेटासाठी SHARP-2 मानकांच्या अटी देखील विचारात घेते.
सुधारित संदर्भात्मक अल्गोरिदममधील चाचणी आणि विचारासाठी, SHARP-2 मानकातील वर्गीकरण अटी निवडल्या जातात, ज्या मूलभूत अटी म्हणून घेतल्या गेल्या होत्या. चाचणीसाठी, पाण्याची पृष्ठभाग हायलाइट करण्यासाठी एक मॉडेल लिहिले होते. विश्लेषण केलेल्या प्रतिमेसाठी X(x1,..., x5), पिक्सेलचे वर्गीकरण खालील निकषांनुसार केले जाते: “पाणी”, “ढगाळपणा”, “पृथ्वीचा पृष्ठभाग”. परिस्थिती लक्षात घेऊन वर्गीकरणाच्या परिणामी, मूळ प्रतिमेपासून पाण्याच्या पृष्ठभागावर आणि विविध ढगांमध्ये दोन मध्यवर्ती स्तर तयार केले जातात. पहिला, 0 आणि 1 चा समावेश आहे, जिथे 0 हा आवाज म्हणून वर्गीकृत केलेल्या पिक्सेलशी संबंधित आहे आणि 1 हा ग्राउंड म्हणून वर्गीकृत केलेल्या पिक्सेलशी संबंधित आहे. दुसरा, 0 आणि T3 चा समावेश आहे, जेथे 0 हा आवाज म्हणून वर्गीकृत केलेल्या पिक्सेलशी संबंधित आहे आणि T3 ग्राउंड म्हणून वर्गीकृत केलेल्या पिक्सेलसाठी 3ऱ्या AVHRR चॅनेलमधील रेडिएशन तापमानाशी संबंधित आहे.
"पाणी" आणि "ढगाळ" म्हणून वर्गीकृत सर्व पिक्सेल पुढील "सिग्नल उपस्थिती" विश्लेषणामध्ये विचारात घेतले जात नाहीत.
अनुक्रमे, प्रत्येक पिक्सेलसाठी, 15x15 पिक्सेलच्या परिमाणांसह मध्यवर्ती स्थानिक क्षेत्र वाटप केले जाते. या प्रदेशासाठी, 5-चॅनेल पिक्सेल वैशिष्ट्ये विचारात घेतली जातात. "पाणी" आणि "ढगाळ" वर्गांव्यतिरिक्त इतर पिक्सेलची संख्या देखील मोजली जाते आणि त्यांच्यासाठी सरासरी T3av मूल्य मोजले जाते.
सिग्नल आयसोलेशनचे लक्षण ही स्थिती आहे: T3av > T3av.port जेव्हा ही स्थिती पूर्ण होते, तेव्हा "आग असलेल्या पिक्सेलच्या उपस्थितीबद्दल" निर्णय घेतला जातो.
सुधारित संदर्भ अल्गोरिदमचा वापर केल्याने रशियाच्या उत्तर आणि मध्य भागांच्या प्रदेशासाठी “खोट्या अलार्म” ची संभाव्यता 10-15% कमी करणे शक्य होते. नैसर्गिक फायदाहे अल्गोरिदम सापेक्ष कार्य आणि सूर्याच्या कोनातून आणि दिवसाच्या वेळेपासून स्वातंत्र्य आहे. प्रतिमेच्या पोत भागात ढगाळपणाच्या बाबतीत संदर्भित अल्गोरिदमची अक्षमता ही सर्वात मोठी कमतरता आहे.

दृश्यमान (हिरवा)

दृश्यमान (लाल)

NIR (इन्फ्रारेड जवळ)

TIR (थर्मल इन्फ्रारेड)

MWIR (दूर इन्फ्रारेड)

तक्ता 8. ETM+ रेडिओमीटरची मुख्य तांत्रिक वैशिष्ट्ये (लँडसॅट 7).

चॅनल क्रमांक	वर्णक्रमीय श्रेणी (µm)	दृष्टीची रुंदी (किमी)	चित्रीकरण कालावधी	रेडिओमेट्रिक रिझोल्यूशन (बिट्स)	अवकाशीय ठराव मी.
	दृश्यमान (निळा)
	दृश्यमान (हिरवा)
	दृश्यमान (लाल)
	NIR (इन्फ्रारेड जवळ)
	NIR (इन्फ्रारेड जवळ)
	TIR (थर्मल इन्फ्रारेड)
	MWIR (दूर इन्फ्रारेड)

गणना अंतर्निहित पृष्ठभागाचे तापमानलेखात वर्णन केले आहे -

.

ASTER (प्रगत स्पेसबोर्न थर्मल एमिशन आणि रिफ्लेक्शन रेडिओमीटर) ( टेबल ९)- सुधारित स्पेस रेडिओमीटर थर्मल विकिरणआणि रिफ्लेक्शन्स) टेरा उपग्रहाच्या बोर्डवर असलेल्या पाच इमेजिंग सिस्टमपैकी एक आहे, ज्यामध्ये दृश्यमान, जवळ-अवरक्त (NIR), मिड-इन्फ्रारेड (MIR) आणि थर्मल इन्फ्रारेडमध्ये विस्तृत स्पेक्ट्रल कव्हरेज आणि उच्च अवकाशीय रिझोल्यूशनचे संयोजन आहे.

तक्ता 9.ASTER ची मूलभूत तांत्रिक वैशिष्ट्ये.

चॅनल क्रमांक	वर्णक्रमीय श्रेणी(µm)	दृष्टीची रुंदी (किमी.)	चित्रीकरण कालावधी	रेडिओमेट्रिक रिझोल्यूशन (बिट्स)	अवकाशीय ठराव (m.)
	VNIR (दृश्यमान आणि जवळ इन्फ्रारेड)

3 n
3 b(स्टिरिओ)
	SWIR (मध्य-अवरक्त)





	TIR (थर्मल इन्फ्रारेड)

तपमानावर अवलंबून, स्पेक्ट्रल झोनमध्ये परिपूर्ण रेडिओमेट्रिक अचूकता दृश्यमान आणि जवळ-अवरक्त श्रेणीसाठी 4% आणि थर्मल श्रेणीसाठी 1-3 K आहे. थर्मल रेंज झोन पृथ्वीच्या पृष्ठभागाचे तापमान रेकॉर्ड करण्यासाठी डिझाइन केलेले आहेत.
स्तर-2 उत्पादने: AST09T पृष्ठभाग तेज-TIR - पृथ्वीच्या पृष्ठभागाचे तापमान.

आग शोधण्यासाठी उपग्रह प्रतिमा चॅनेलची व्याख्या.

तक्ता 10.अंतराळ प्रतिमांचे व्हिज्युअल व्याख्या.

KA/ साधन	NOAA/ AVHRR	टेरा(AQUA)/ MODIS		लँडसॅट/ टीएम (ईटीएम+)
उलगडा- फिरणारी चिन्हे		धुराच्या प्लम्ससह आगीचे सामान्य दृश्य	पृथ्वीच्या पृष्ठभागाच्या गरम भागांचा उलगडा पांढऱ्या टोनने केला जातो.	धुराच्या प्लम्ससह आगीचे सामान्य दृश्य	जखम स्पष्टपणे दिसतात खुली ज्योत	उच्च तापमानासह पृष्ठभागाचे क्षेत्र चमकदार गुलाबी आहेत.
कंगवा- इनेशन चॅनेल						RGB - 6:5:7, 6:5:4
जागा नैसर्गिक ठराव शिवणकाम	1, 2, 1 - 1100 मी.	1 - 250 मी. 3 आणि 4 - 500 मी.	31, 23, 21 - 1000 मी.	3, 2, 1 - 30 मी.
नोंद आकांक्षा	नैसर्गिक नवीन रंग	नैसर्गिक नवीन रंग	दूर इन्फ्रारेड	नैसर्गिक नवीन रंग	मध्य आणि जवळ इन्फ्रारेड asy श्रेणी. जंगलातील आग ओळखणे	थर्मल, मध्य आणि जवळ इन्फ्रारेड asy श्रेणी. भूमिगत पीट आग शोधणे

स्त्रोतांची यादी

रिमोट जिओथर्मल मॅपिंग.
MODIS रेडिओमीटर.
दुब्रोव्स्की व्ही., पार्किसेन्को या.व्ही. ULRMC मधील NOAA प्रतिमांवर आधारित जंगलातील आगीचे अंतराळ निरीक्षण.
जंगल आणि गवताळ प्रदेशातील आग ओळखणे, थीमॅटिक समस्या सोडवण्याच्या पद्धती.
उपग्रह प्रतिमा डेटावर आधारित जंगल (पीट) आगीचे निरीक्षण करण्यासाठी तंत्रज्ञान.
रिमोट सेन्सिंग डेटा प्राप्त करण्यासाठी आणि त्यावर प्रक्रिया करण्यासाठी हार्डवेअर आणि सॉफ्टवेअर सिस्टम.
नवीनतमचे अभिसरण माहिती तंत्रज्ञानआणि मेगासिटीजच्या एरोस्पेस पर्यावरण निरीक्षणाच्या बांधकामासाठी पृथ्वीच्या रिमोट सेन्सिंगच्या पद्धती.
जंगल आणि कुजून रुपांतर झालेले वनस्पतिजन्य पदार्थ (सरपणासाठी याचा वापर होतो) आग निरीक्षण. RTC ScanEx.
पोश्ल्याकोवा एल.पी. क्षेत्राच्या आगीच्या धोक्याचे मूल्यांकन करण्यासाठी पृथ्वीच्या रिमोट सेन्सिंग डेटावर आधारित GIS प्रकल्प तयार करण्याची पद्धत.