Uzay görüntüleri - doğal yangınların izlenmesi, yangın haritası. Orman yangınlarının izlenmesine yönelik yöntemler
Harita Orman yangınları ScanEx tarafından geliştirilen, hem Rusya'daki (ScanEx katmanı) hem de dünyadaki (FIRMS katmanı) yangınları gerçek zamanlı olarak görüntüler.
Uzakta, her alan için yangınların yaklaşık gücünü ve ölçeğini gösteren daireler görülebiliyor.
Daire ne kadar büyükse, içinde o kadar çok odak vardır.
Haritayı büyüttüğünüzde yangın noktaları (veya sıcak noktalar) kırmızı kareler olarak görüntülenir:
Normal uydu görüntülerinin üzerine TERRA ve AQUA uyduları tarafından çekilen günlük fotoğrafları yerleştirebilirsiniz.
Resimlerin ana hatları: 
Resimlerin kendisi:
Bir nokta, birden fazla farklı fotoğrafla yakalanabilir. farklı zaman, altında farklı açılar ve farklı bulanıklıklarla. Bu nedenle resimler arasında geçiş yapmak için üzerlerine fareyle tıklayabilirsiniz.
Herhangi bir resme tıkladığınızda “en aşağıya düşüyor”. Sezgisel veya kullanışlı değil, ancak buna alışabilirsiniz. Her durumda, belirli bir yangına bakarken en iyi fotoğrafı bulmak için arka arkaya birkaç tıklama yapabilirsiniz.
Yanık alanlar günlük fotoğraflarda koyu kahverengi lekeler halinde görülebilmektedir.
Örneğin, burada sadece bu yılki yaz yangınlarının "yaralarını" değil, aynı zamanda iyileşmeye başlayan geçen yılın (yeşil renk tonuyla açık kahverengi) yaralarını da görebilirsiniz:
17 Ağustos 2014 tarihli fotoğraf
Her biri 40 kilometreden uzun olan birkaç nokta daha var. Felaketin boyutunu anlamak için bir karşılaştırma yapalım: Her bir noktanın alanı St. Petersburg'dan daha büyük.
17 Ağustos 2014 tarihli fotoğraf
Ancak günlük fotoğraflarda da tuhaf şeyler var; su kütleleri (göller ve nehirler) parlak kırmızıya (ateş gibi) boyanıyor. Muhtemelen bu etki uyduların çok bantlı modlarda fotoğraf çekmesi ve büyük olasılıkla suyun, uydunun (veya görüntüleri işleyen yazılımın) "sıcak" olarak yorumladığı spektrum kısımlarını yansıtması nedeniyle ortaya çıkar.
Fotoğrafta - karadeniz
Ve işte 2012 yılı (aylara göre) dünya çapındaki yangınların animasyonlu bir haritası. Yangınların yoğunluğunun ve sayısının yılın zamanına göre nasıl değiştiğini görebilirsiniz.
Aşağıdaki animasyon, kuvvetli rüzgarlar altında bozkırda bir yangının ne kadar hızlı yayılabileceğini göstermektedir.
Orman yangınlarının uydudan izlenmesi
Yangınların derhal tespit edilmesi ve izlenmesi görevi, ormanların kapladığı geniş alan nedeniyle özellikle önemlidir. Yangınlar, ormanlık alana zarar vermenin yanı sıra, ormancılık üzerinde de güçlü bir etkiye sahiptir. çevresel durum ve insanların hayatlarını tehdit edebilir.
Rus ormanlarındaki yangınların gerçek boyutu ve yangının neden olduğu hasarın boyutu henüz belirlenmedi. Orman yangınlarına ilişkin düzenli gözlemler yalnızca toplam orman alanının 2/3'ünü kapsayan aktif orman koruma alanında yapılmaktadır. Sibirya'nın kuzey bölgelerinde ve Uzak DoğuÜlkenin orman fonunun 1/3'ünü kapsayan yangın tescili ve aktif yangınla mücadele pratikte yoktur. Aktif orman koruma bölgesinde, 0,5 ila 2,5 milyon hektarlık bir alanda yılda 15 ila 30 bin orman yangını kaydedilmektedir.
Zamanında tespit Yangın kaynaklarının tespiti ve özelliklerinin belirlenmesi en ciddi görevlerden biridir. En yaygın ve geleneksel yol Bölgesel ölçekte çözümü, yangın tehlikesi olan bölgelerde önemli malzeme maliyetleri gerektiren hava devriyelerinin organizasyonudur. Aktif olarak korunan toplam 760 milyon hektarlık alanın yaklaşık 725 milyon hektarını havacılığın hizmet verdiği alan kaplıyor. Aynı zamanda seyrek yol ağına sahip tayga bölgesinde yer alan yaklaşık 550 milyon hektarlık alan, havacılık yangın söndürme ekipmanlarının ağırlıklı olarak kullanıldığı alanlar olarak sınıflandırılıyor. Ormanların korunmasına ayrılan fonlarda keskin bir düşüş son yıllar, havacılık ormanlarının korunması üzerinde en büyük etkiye sahipti. Bunun sonucu olarak kontrolden çıkan ve doğal afetlere dönüşen orman yangınlarının sayısı önemli ölçüde arttı.
Bu konuda herkesin katılımı gerekiyor. mevcut fonlar Yangınların gelişiminin erken bir aşamasında anında tespit edilmesi, uydu sistemlerinin Dünya'nın uzaktan algılanmasındaki artan rolünü açıklamaktadır. Uzay izlemenin havadan keşifle karşılaştırıldığında birçok avantajı vardır: yüksek verimlilik, geniş alan kapsama yeryüzü ve daha düşük işletme maliyetleri. Korunan bir alanda, uydu verileri geleneksel tespit yöntemlerine önemli bir katkı sağlarken, korunmayan bir alanda orman yangınlarının sonuçlarını izlemenin ve değerlendirmenin tek yoludur.
Dünya yüzeyinin sıcaklığı (genellikle 10-25 derece C'yi geçmez) ve yangının kaynağı (300-900 derece C) arasındaki önemli fark nedeniyle, Dünya'nın uzaydan görüntülerinde yangınların tespiti mümkündür. bu nesnelerin termal radyasyonunda binlerce kat fark var. Bu özellik, 1 km uzaysal çözünürlüğe sahip termal ekipmanla çekim yaparken, 100 m2 alana sahip bir yangını veya 900 m2 alana sahip bir için için yanan bölgeyi tespit etmeyi sağlar. Böyle bir alandaki yangınların anında tespiti, bunların ortadan kaldırılmasına yönelik önlemlerin zamanında alınmasına olanak tanır.
Operasyonel yangın izleme amacıyla modern uydular arasında en yaygın kullanılan uydular, NOAA serisi (1.100 m uzaysal çözünürlüğe ve 3.000 km alana sahip AVHRR radyometresi) ve EOS'tur (MODIS radyometresi kurulu Terra ve Aqua uyduları) üzerlerinde 250, 500, 1.000 m mekansal çözünürlük ve 2.330 km'lik bir alan bulunur.
Bu uydu sistemlerinin her biri, günde en az 6 kez (NOAA serisi uydular) ve günde 4-6 kez (EOS serisi uydular) veri alarak geniş alanların operasyonel olarak izlenmesine olanak sağlamaktadır.
Bu özel uydu sistemlerinin seçimi, her şeyden önce, bir alıcı istasyonun varlığında bu sistemlerden görüntülerin lisanssız (ücretsiz) alınması ve aynı zamanda görüntülenmesiyle açıklanmaktadır. Son zamanlarda yabancı analoglara kıyasla alıcı istasyonlara kıyasla nispeten ucuz. Örneğin, AVHRR verilerini almak için ScanEx istasyonları ve ScanEx RDC tarafından geliştirilen ve sağlanan EOS serisi uydulardan MODIS verilerini almak için EOScan ve UniScan istasyonları.
Yangınları otomatik olarak tanımlamaya yönelik algoritma şu şekilde uygulanmaktadır: yazılım ScanEx RDC tarafından sağlanan:
- ScanViewer (NOAA serisi uydular için);
- ScanEx MODIS İşlemci (EOS serisi uydular için).
NOAA ve EOS uydularından veri paylaşımı mümkün. Bu, bilgi edinme verimliliğini artırır ve yangınların erken tespit edilme olasılığını artırır.
Tüketicinin her iki sistemin anlık görüntülerini alması için çeşitli seçenekler vardır:
- İnternet üzerinden neredeyse gerçek zamanlı olarak;
- NOAA serisi uydulardan kendi alıcı istasyonuna veri almanın yanı sıra, İnternet üzerinden EOS serisi uydulardan görüntü alma;
- her iki sistemden de verilerin kendi alıcı istasyonlarında alınması.
Her iki bilgi kaynağı, yani. AVHRR-NOAA ve daha yakın zamanda MODIS-EOS, birçok ülkede (örneğin Brezilya, Kanada, Finlandiya) yangın izleme amacıyla kullanılmaktadır. Amerika Birleşik Devletleri'nde, her iki sistemden elde edilen veriler, 2000 yılında Montana ve Idaho eyaletlerinde yaşanan yıkıcı yangınlar sırasında kullanıldı. Finlandiya'da ulusal bir otomatik program Tespit edilen orman yangınlarına ilişkin mesajların alınması, işlenmesi ve sahaya dağıtılması.
Ülkemizde orman yangınlarından korunma hizmetleri kapsamında operasyonel alan izlemelerinin yapılması amacıyla birçok ilde konuşlandırılmış kabul merkezleri bulunmaktadır. Böylece Bakanlığın bir departman istasyon ağı oluşturulmuştur. Doğal Kaynaklar Rusya'da uydu veri alım merkezleri var Moskova, Yekaterinburg, Irkutsk, Yakutsk, Yuzhno-Sakhalinsk ve Gelendzhik.
Uydu gözlem verileri, orman yangınlarının yayılmasının değerlendirilmesinde, kaynaklarının belirlenmesinde, yangın ve yanıklardan kaynaklanan duman gelişiminin analiz edilmesinde ve yangın riskinin belirlenmesinde çok önemlidir.
Özellikle yüksek şartlarda küçük bir alanda çıkan yangını söndürme yeteneği yangın tehlikesi, algılama verimliliğine göre belirlenir. Böylece ormanların operasyonel izlenmesi için en uygun gereksinimler ve turba yangınları Yüksek radyometrik çözünürlüğe ve yüksek tarama frekansına (NOAA ve EOS serisi) sahip uydular buna karşılık gelir. Yangınların sonuçlarını izlemek için yüksek mekansal çözünürlüğe sahip uyduların kullanılması gerekmektedir.
Görevler yangın izleme ve sonuçları:
- yangın tespiti, yangınların yeri;
- yangın gelişiminin izlenmesi ve kontrolü;
- sezon içerisinde yangın tehlikesi değerlendirmesi;
- uzun vadede yangın risklerinin tahmin edilmesi;
- yangın etki değerlendirmesi. Yangın öncesi ve sonrası görüntülerin birleştirilmesi, yanan alanların belirlenmesine, mevcut alanlarının belirlenmesine ve neden olunan hasarın değerlendirilmesine olanak sağlar.
Orman yangınlarının sonuçları çevre ve kişi:
- Ekonomik: odun kaybı dahil. genç ağaçlara ve ikincil orman kaynaklarına verilen zarar; Söndürme, yanan alanların temizlenmesi vb. giderler; restorasyon çalışması; diğer sektörlerdeki kayıplar: hava, demiryolu, karayolu taşımacılığı, gemi taşımacılığının vb. durdurulması.
- Çevresel: yanma ürünlerinden kaynaklanan kirlilik hava ortamı, su ortamı, topraklar:
- oksijenin yok edilmesi;
- Termal kirlilik;
- kitlesel salınım sera gazları;
- mikro iklim değişiklikleri;
- duman ve atmosfer kirliliği;
- hayvanların ve bitkilerin ölümü;
- biyolojik çeşitlilikte azalma.
- Sosyal: doğrudan yangın bölgesinde bulunan kişilerin ölümü ve yaralanması; nüfusun psikofizyolojik göstergelerinin bozulması: fiziksel, duygusal, entelektüel, üreme, kalıtım; nüfus hastalıklarında artış; yaşam beklentisinin azalması.
Yangınların tespiti için uydu görüntülerinin termal kanalları kullanılmaktadır (Şekil 1, Tablo 1, 2.).
tablo 1. Dalga boyu aralıkları.
Resim 1
| Menzil | Kısaltmalar | ||
Rusça |
İngilizce |
Rusça |
İngilizce |
UV |
|||
Kızılötesi |
|||
Yakın IR |
|||
Orta IR |
Kısa Dalga Kızılötesi |
||
Uzak IR |
Orta Dalga Kızılötesi |
||
Termal IR |
Termal Kızılötesi |
||
Mikrodalga |
|||
Yangınları tespit edebilen uzay aracı sergileniyor tablo 1.
Tablo 2. Uzay aracının özellikleri.
SC/Cihaz |
NOAA/ |
TERAZİ(SU)/
|
LANSAT/ |
TERRA/ |
Görünürlük, km. |
||||
Radyometrik çözünürlük, bit |
Yakındoğu – 8 |
|||
Uzaysal çözünürlük, m. |
Kuzey Kızılötesi - 250-1000 |
NIR, SWIR – 30 TIR – 60 |
Yakındoğu – 15 |
|
IR aralığındaki spektral kanal sayısı |
Yakındoğu – 1 |
Yakındoğu – 6 |
Yakındoğu – 1 |
Yakındoğu – 1 |
Yangın algılama yöntemleri, bireysel spektral kanallardaki parlaklık sıcaklıklarının analizine dayanmaktadır.
Arama olgusunun temel özelliği, yangın mahallindeki sıcaklıktaki yerel artıştır.
Yangınları görsel olarak tespit etmek, termal anormalliklerin tespitine yönelik eşikleri hızlı ve doğru bir şekilde belirlemenize olanak tanır. Genel olarak bu eşikler farklı olacaktır. Bunun başlıca nedeni yangının alanı ve sıcaklığı, yılın saati ve günü ile yangın yerinin coğrafi koordinatlarıdır.
Görünür spektrumda bir yanma kaynağının varlığı, orman yangınlarının ana kod çözücü işareti olan duman bulutunun varlığıyla belirlenir.
Fotoğraftaki şekil açık gri bir koniyi andırıyor. Sirüs ve stratus bulutlarının yapı ve parlaklık bakımından orman yangınlarından çıkan duman bulutlarına benzeyebileceği unutulmamalıdır. Bu nedenle, görünür spektrum görüntülerinin daha önce orman yangınının tespit edildiği kısımları, spektrumun kızılötesi aralığında görüntülenmektedir. Bu durumda orman yangınlarından çıkan dumanlar neredeyse görünmezdir.
Tüm yöntemler aşağıdaki prensiplere dayanmaktadır:
- Gözetim ekipmanının belirli spektral kanalları içindeki sinyal dağılımının analizi;
- İlgili sınıfa bir görüntü alanı (veya piksel) atamak için eşik kuralı;
- Bireysel görüntü alanlarının (veya piksellerin) spektral özelliklerinin dağılımının istatistiksel analizi;
- Kayıtlı bir sinyalin uygun sınıfa atanmasının güvenilirliğinin analizi.
Prosedür sırası uzay görüntü işleme:
- Bilgi kanallarının tanımı.
- Belirli kanallardaki görüntülerde bulutların, su kütlelerinin ve kayıp verilerin tanımlanması.
- Potansiyel yangın yerlerinin belirlenmesi.
- Yüzeyin yerel spektral özelliklerinin belirlenmesi ve dolaylı işaretler kullanılarak yangınların kaydedilmesi.
- Yerel özellikler dikkate alınarak tespitin iyileştirilmesi, yangınların tanımlanmasına yönelik karmaşık kuralların uygulanması.
- Hatalı tanınma olasılığının analizi.
- Tespit sonuçlarının ve karar vermenin sertifikasyonu.
Yangınların otomatik algılanmasına yönelik algoritma, ScanEx RDC tarafından sağlanan yazılımda uygulanır:
- Tarama Görüntüleyici(NOAA serisi uydular için). ScanEx RDC uzmanları, ScanViewer uygulamasına, NOAA serisi uydunun yerleşik ölçüm kompleksinin bir parçası olan AVHRR radyometresinden gelen verileri kullanarak orman yangınlarının otomatik olarak algılanmasına olanak tanıyan bir cihaz ekledi. Otomatik algılama algoritmalarının görsel görüntü incelemesi ve kartografik bilgilerin üst üste bindirilmesiyle birleşimi temeli oluşturur interaktif teknoloji Orman yangınlarının tespiti ve izlenmesi. Bu yöntemlerin dezavantajı ise yalnızca büyük yangınların kesin olarak tespit edilebilmesidir.
- ScanEx MODIS İşlemci(EOS serisi uydular için). Yangınları tanımlamak ve hızlı bir şekilde tespit etmek için ScanEx MODIS İşlemci uygulaması, yangınların yerini ve yoğunluğunu belirlemek amacıyla MODIS cihazı için geliştirilen algoritmaları kullanır.
Yangın algılama tekniği
21 kanal (4 µm T4) ve 31 kanal (11 µm T11) olmak üzere iki kızılötesi spektral kanaldaki her pikselin sıcaklıklarının (MODIS radyometresi tarafından alınan giriş sinyali yoğunlukları) karşılaştırılmasına dayanmaktadır. Bu teknik, giriş ve çıkış parametrelerini etkileşimli olarak yapılandırma yeteneğiyle Scanex Modis İşlemci programı içinde uygulanır.
Kanal 21'deki piksel sıcaklığı ne kadar yüksek olursa yangın olasılığının da o kadar yüksek olduğuna inanılıyor. Aynı şekilde kanallar arasındaki sıcaklık farkı ne kadar büyük olursa 4 μm olur. ve 11 mikron. (dT411), yangın riski o kadar büyük olur.
Potansiyel bir yangın kaynağı iki şekilde tanımlanır:
- Yukarıdaki piksel değerlerinin (T4 ve dT411) her birinin mutlak değerleri, yangın maskesi parametrelerinde belirtilen izin verilen sınırları aşmaktadır (örneğin, T4 gün içinde 360K'dan büyük veya dT411 gün boyunca 25K'dan büyük) ).
- Belirli bir pikselin 4 µm kanalındaki sinyal yoğunluğunun değeri çevreden çok farklıdır (örneğin, T4 > T4b + pT4.s.d.c.*dT4b - 4 µm kanalda incelenmekte olan mevcut pikselin sıcaklığı daha yüksektir) çevreleyen piksellerin ortalama sıcaklığı + çevredeki piksellerin sıcaklığının standart sapmasının ampirik katsayı ile çarpımından (standart sapma katsayısı, genellikle pT4.s.d.c = 3) elde edilir.
Program, belirli bir pikselin yangın kaynağı olarak kaydedilip kaydedilmeyeceğini belirleyen bir dizi parametreye sahiptir. Bu parametrelerin (yangın maskeleri) kombinasyonu önemli ölçüde bölgeye bağlıdır. Örneğin Kurgan bölgesinin orman-bozkır bölgesi ve İvdel taygası, MODIS radyometresi tarafından alınan termal aralıkta farklı spektral yansıma özelliklerine sahiptir. Ayrıca bu parametrelerin kombinasyonu mevsime (kış, ilkbahar, yaz, sonbahar) ve hatta uygulama zamanına bağlıdır.
- Yazılım modülü "Yangın algılama" kriterleri içeren ERDAS Imagine uygulama paketine (Tablo 3.)
Tablo 3.Termal anomaliyi tespit etme kriterleri.
burada T3p, T34p, T4p sıcaklık eşikleri, I2, I1 ise kanal 1 ve 2'deki radyasyon yoğunluğudur.
Sıcaklık eşikleri operatör tarafından aşağıdaki aralıklarla ayarlanır: T3p - 310-322 K; T34r - 7-15 K; T4p - 275-285 K. Varsayılan olarak yaz saati için aşağıdaki sıcaklık eşikleri ayarlanmıştır: T3 = 312 K; T34 = 15K; T4 = 276 K.
MODIS (Orta Çözünürlüklü Görüntüleme Spektroradiometresi) radyometresi ( Masa 4.), Ulusal Havacılık ve Uzay Ajansı'nın EOS (Dünya Gözlem Sistemi) programı kapsamında Dünya'yı uzaydan inceleyen TERRA (1999'dan beri yörüngede) ve AQUA (2002'den beri yörüngede) Amerikan uydularına kurulu önemli görüntüleme araçlarından biridir. (NASA)) ABD.
Tablo 4.Temel özellikler MODIS.
Kanal numaraları |
Spektral menzil(um.) |
Görüş genişliği (km.) |
Çekim dönemi |
Uzaysal çözünürlük (m.) |
||
Görünür (kırmızı) |
||||||
NIR (kızılötesine yakın) |
||||||
Görünür (mavi) |
||||||
Görünür (yeşil) |
||||||
NIR (kızılötesine yakın) |
||||||
MIR (orta kızılötesi) |
||||||
Görünür (mavi) |
||||||
Görünür (yeşil) |
||||||
Görünür (kırmızı) |
||||||
NIR (kızılötesine yakın) |
||||||
TIR (termal kızılötesi) |
||||||
MODIS radyometresi, bölgelerin günlük operasyonel izlenmesine olanak tanırken, gözlem sıklığı büyüklüğüne ve coğrafi konum ve kullanılan uydu sayısı.
Tek bir uydu tarafından fotoğraflandığında ayrı bir bölgenin gözlem sıklığı, gündüz 1-2 kez, gece ise aynı sayıda arasında değişmektedir. İki uydu tarafından fotoğraflandığında, gözlemlerin sıklığı iki katına çıkacak - günde 4 ila 12 kez (bölgenin coğrafi konumuna bağlı olarak).
MODIS verilerinin pratik kullanımı için, birincil radyometre verilerinin işlenmesine yönelik algoritmalar geliştirilmiş ve düzenli olarak iyileştirilmiştir; 44 standart bilgi ürünü (modüller - MOD) bulunmaktadır.
Termal anormallikleri ve yangınları tespit etmek için bir modül kullanılır ( MOD14). Doğal (orman) yangınların, volkanların ve diğer termal anormalliklerin 1 km çözünürlükle hızlı bir şekilde tespit edilmesine ve izlenmesine olanak sağlar. MODIS, 1 km2'den daha az bir alandaki yangını tespit edebilmektedir.
Otomatik yangın algılama algoritmaları, dünya yüzeyi (genellikle 10-25 C'yi aşmayan) ile yangın alanı (300-900 C) arasındaki önemli sıcaklık farkına dayanır. Görüntüde nesnelerin termal emisyonunda neredeyse 100 kat fark yakalanıyor ve diğer spektral kanallardan gelen bilgiler bulutların ayrılmasına yardımcı oluyor.
1 km mekansal çözünürlüğe sahip MODIS spektroradyometresinin termal ekipmanıyla araştırma yapmak, 1 hektarlık bir alana sahip bir yangının veya 9 hektar veya daha fazla bir alana sahip bir yer altı yangınının tespit edilmesini mümkün kılar.
NOAA serisi uydular iki cihaz seti ile donatılmıştır: AVHRR (Gelişmiş Çok Yüksek Çözünürlüklü Radyometre) (Tablo 5.) ve atmosferin dikey sondajı için bir ekipman seti.
NOAA uyduları tarafından yapılan uzay görüntüleme, görüntülerin düşük uzaysal çözünürlüğü (1,1 km) sayesinde yangınların esas olarak bölgesel ölçekte takip edilmesini mümkün kılmaktadır.
Tablo 5. AVHRR'nin temel teknik özellikleri.
Kanal numaraları |
Spektral aralık(um) |
Görüş genişliği (km.) |
Çekim dönemi |
Radyometrik çözünürlük (bit) |
.) |
|
Görünür (yeşil) |
||||||
NIR (kızılötesine yakın) |
||||||
3 A |
NIR (kızılötesine yakın) |
|||||
3 B |
NIR (kızılötesine yakın) |
|||||
TIR (termal kızılötesi) |
||||||
TIR (termal kızılötesi) |
||||||
Yangınları bir “eşik” veya “bağlamsal” algoritma kullanarak tanımlamak için, ön aşamada NOAA uydularından alınan tüm bilgilerin kalibre edilmesi gerekir. Bu, AVHRR ekipmanının birinci ve ikinci kanalları için sırasıyla A1, A2 albedo değerlerinin elde edilmesi gerektiği anlamına gelir. Ve üçüncü, dördüncü ve beşinci kanallar için - sırasıyla eşdeğer radyasyon sıcaklığı T3, T4 ve T5'in değerleri.
Yangın algılama yöntemleri Spektrumun kızılötesi aralığına karşılık gelen 3B, 4, 5 AVHRR kanalları için radyasyon değerlendirmesinin kullanımına dayanmaktadır. yangınlar, 3B kanalı boyunca aşırı radyasyon değerleri olarak tanımlanır (800-1000K yanma sıcaklığında nesnelerin maksimum radyasyonu bu alana düşer) AVHRR.
Yangınların neden olduğu duman bulutları AVHRR 1 ve 2 kanallarında iyi bir şekilde tanımlanmıştır.
Yangınları daha doğru bir şekilde tanımlamak için eşik algoritmaları kullanılır; bunun ötesinde radyasyon sıcaklığı 3. ve 4. kanallar aracılığıyla belirlenir. AVHRR cihazı 330 K'ye kadar sıcaklıklar için kalibre edilmiştir.
800-1000 K sıcaklığa ısıtılan siyah bir cismin maksimum radyasyon akısının, 3-4 mikron dalga boyuna sahip elektromanyetik spektrumun orta kızılötesi bölgesine düştüğü bilinmektedir. AVHRR ekipmanının özelliklerine bağlı olarak, 3,55-3,93 µm aralığında çalışan üçüncü kanaldan gelen veriler, termal anormalliğin tanınmasında ana özellik olarak alınır.
AVHRR ekipmanının uzaysal çözünürlüğü 1,1 km olduğundan nesnelerin algılanması ideal olarak mümkündür doğrusal boyutlar 1,1 km'yi aşan. Ve orta IR aralığındaki yüksek radyasyon yoğunluğu ve ekipmanın yüksek radyometrik çözünürlüğü sayesinde, doğal ve insan yapımı doğadaki termal anormalliklerin çok daha küçük boyutta tespit edilmesi mümkün hale gelir. İÇİNDE ideal koşullar AVHRR ekipmanının 3. ve 4. kanallarıyla maksimum kontrastta gözlem yapılması prensiptir. 0,2-0,3 hektarlık bir alana sahip yangınları tespit etme imkanı.
Eşik algoritmasında yalnızca üçüncü bir kanalın (bir eşik) kullanılması çok sayıda yanlış alarma yol açar. Bunun başlıca nedeni, güneş radyasyonu enerjisinin bulutların kenarları (en fazla sayıda yanlış alarm), su yüzeyi, kum, açık alan tarafından yansımasıdır. kayalar, asfalt kaplamalar ve beton yapılar. Hataları önlemek için diğer spektral kanallardan gelen verilerin kullanılması gerekir.
Yangınları tanımlamak için eşik algoritmaları:
- Kaufman algoritması (1991): T3 > 316 K, T3-T4 > 10 K ve T4 > 250 K. Burada T3, T4, T5 sırasıyla AVHRR ekipmanının 3., 4. ve 5. kanallarındaki radyo parlaklık sıcaklığıdır.
- Fransa algoritması (1993): T3 > 320 K, T3-T4 > 15 K, 0< (T4-T5) < 5 К, A1 < 9%, где А1 - значение альбедо в 1 -м канале.
- Kennedy algoritması (1994): T3 > 320 K, T3-T4 > 15 K, A2< 16%, где А2- значение альбедо во 2-м канале.
İzin elemanı algoritmanın koşullarını karşılıyorsa yangın sınıfına aittir; bu koşullardan en az birini karşılamıyorsa arka plana gider.
Tüm bu algoritmalar, yeterince geniş bir alana ve yoğunluğa sahip yangınlara odaklanmıştır; bu, bir yangın durumunu tanımlama problemlerinin çözümü için kabul edilemez, çünkü yangınları, ortadan kaldırmanın maddi maliyetlerini en aza indirmek için, gelişimlerinin ilk aşamasında tespit etmek önemlidir. ateş. Ek olarak, turbalıklarda aşırı ısınmış turbanın varlığını tespit etmek için bu algoritmaların kullanılması son derece istenmeyen bir durumdur.
Bugün, Rusya Acil Durumlar Bakanlığı'nın havacılık bilgilerini alma ve analiz etme merkezi kabul edildi Kaufman algoritması (1)"değişken" eşiklerle. Daha önce de belirttiğimiz gibi bu aşamada ön arıtma AVHRR ekipmanından alınan bilgiler kullanılarak, doğal yangınların bariz kaynakları duman bulutlarının varlığına göre belirlenir.
Görüntülerin kalibre edilmesinden sonra, tanımlanan lezyonların ve bitişik arka planın özellikleri, karşılık gelen eşiklerin seçildiği esas alınarak belirlenir. Görüntüdeki alttaki yüzeyin benzer özelliklerini yangınların özellikleriyle birlikte analiz ettikten sonra belirliyoruz. "yüzen" eşikler.
Ancak bu eşikler kullanılarak yangın tespit sonuçlarına tamamen güvenmemek gerekir, çünkü elektromanyetik enerjinin bulutların kenarlarından yansıması durumları olabilir ve aşırı ısınan kum ve çeşitli insan yapımı oluşumlardan kaynaklanan yanlış alarmlar meydana gelebilir. Bu nedenle bulutlara, nehirlere, denizlere vb. çok yakın olan şüpheli noktalar ek doğrulamaya tabi tutulmalıdır.
Ek bir kontrol, ilgilendiğimiz piksellerin AVHRR ekipmanının birinci ve ikinci kanallarındaki yansımasının analiz edilmesinden oluşur. Birinci kanaldaki albedo değeri ikinci kanaldaki albedo değerinden büyükse ( A1 > A2), o zaman vakaların büyük çoğunluğunda bu nokta açıkça yanlış alarma atfedilebilir. ancak böyle bir kararın doğruluğu konusunda şüphelerin ortaya çıktığı durumlar olabilir (örneğin, bulut veya kum eksikliği). Bu durumda, eğer yangın kaynağı yoksa bu noktayı olası bir yangın kaynağı olarak sınıflandırıyoruz. Ek Bilgiler Söz konusu alan hakkında. Birinci ve ikinci kanallardaki albedo değerleri %10-16'yı aşarsa (gözlem koşullarına bağlı olarak), o zaman verilen nokta aynı zamanda yanlış alarm olarak da sınıflandırılır. Diğer tüm durumlarda, söz konusu noktalarda termal anomalinin varlığına ilişkin hipotez kabul edilir.
Yanlış alarmların sayısı yeterince fazlaysa üçüncü ve/veya dördüncü kanaldaki eşiği biraz artırabilirsiniz. Bu şekilde yanlış alarmlardan tamamen kurtulmak mümkün olmadığı gibi, şüpheli salgınların çoğunun hala kontrol edilmesi gerekiyor. Ayrıca küçük alan yangınlarını da bilinçli olarak değerlendirme dışı bırakıyoruz ki bu da kabul edilemez.
Bulutluluk, IR radyasyonu için opak bir ortamdır, dolayısıyla boyutunun görüntünün %60-70'inden fazlasını kapladığı pikseller için otomatik olarak vurgulanır. Bulutluluk dünya yüzeyinden daha soğuk olduğundan, belirlenen eşik değerini aşmayan görüntü piksellerinin maskelenmesiyle radyometrenin 4. veya 5. kanalında parlaklık sıcaklık eşiği ayarlamak mümkündür.
AVHRR verileri için temel bulut çıkarma algoritması olarak Avrupa Uzay Ajansı'nın SHARP-2 standardının alınması önerildi. Bu standart, görüntü piksellerini şu sınıflara ayıran bir sınıflandırma sağlar: dünya yüzeyi (ES), su, bulutlar.
Orijinal görüntüde bulutluluk, ESA SHARP-2 standardındaki koşullara göre vurgulanmıştır:
- A(2)/A(1) > 0,9 ve A(2)/A(1) ise "Bulutlu"< 1,1&T4 < 294 К
- T4 ise "Bulutlu"< 249 К
- T4-T2 > 274 K & T4 ise "Bulutlu"< 290 К
Yazarlar, bu koşulların bulut/katı bölge sınırını belirlemek ve Rusya'nın Avrupa kısmındaki "kırık bulutları" tanımlamak için pek uygun olmadığı varsayımında bulundular ve bu nedenle ek bir koşul getirmeyi önerdiler. Bu durum 4-spektral aralığın parlaklık özelliklerinin analizidir.
Analiz, AVHRR cihazının 4-spektral aralığındaki eşdeğer radyasyon sıcaklığının 15x15 piksellik bir pencere üzerinden hesaplanan standart sapmasının (4) analiz edildiği ek bir koşul (4) kullanır:
σ4≤σpor,
burada σgözenek, AVHRR cihazının 15x15 piksellik bir pencere üzerindeki 4-spektral aralığındaki eşik eşdeğer radyasyon sıcaklığıdır ve bu çalışma sonucunda değeri belirlenmiştir.
Rusya'nın Avrupa kısmı (48-67 kuzey enlemi) için test görüntülerinin işlenmesi sonuçlarına göre, σgözenek = 1,3.
AVHRR/2 cihazlarının (3) 4. ve 5. kanallarının spektral aralıklarında Güneş'in görüntü özellikleri üzerindeki etkisi minimum olduğundan, parlaklık karakteristiğinin standart sapması analiz edilerek bulut tarama gerçekleştirilebilir. Bu durumda, değiştirilmiş bağlamsal algoritma yalnızca pikselin parlaklık özelliklerinin RMS değerini değil, aynı zamanda AVHRR verileri için SHARP-2 standardının koşullarını da dikkate alır.
Değiştirilmiş bağlamsal algoritmanın test edilmesi ve değerlendirilmesi için, temel koşullar olarak alınan SHARP-2 standardından sınıflandırma koşulları seçilir. Test için su yüzeyini vurgulayan bir model yazıldı. Analiz edilen görüntü X(x1,..., x5) için pikseller şu kriterlere göre sınıflandırılır: “su”, “bulutluluk”, “dünya yüzeyi”. Koşullar dikkate alınarak yapılan sınıflandırma sonucunda orijinal görüntüden su yüzeyine ve çeşitli bulutlara iki ara katman oluşturulur. 0 ve 1'den oluşan ilki; burada 0, gürültü olarak sınıflandırılan bir piksele, 1 ise toprak olarak sınıflandırılan bir piksele karşılık gelir. 0 ve T3'ten oluşan ikincisi, burada 0, gürültü olarak sınıflandırılan piksele karşılık gelir ve T3, toprak olarak sınıflandırılan piksel için 3. AVHRR kanalındaki ışınım sıcaklığına karşılık gelir.
"Su" ve "bulutlu" olarak sınıflandırılan tüm pikseller ilerideki "sinyal varlığı" analizinde dikkate alınmaz.
Sırasıyla her piksel için 15x15 piksel boyutlarında merkezi bir yerel alan tahsis edilir. Bu bölge için 5 kanallı piksel özellikleri dikkate alınmıştır. “Su” ve “bulutlu” sınıfları dışındaki piksel sayıları da hesaplanır ve bunlar için ortalama T3av değeri hesaplanır.
Sinyal izolasyonunun bir işareti şu durumdur: T3av > T3av.port Bu koşul karşılandığında, "ateşli bir pikselin varlığı" hakkında bir karar verilir.
Değiştirilmiş bir bağlamsal algoritmanın kullanılması, Rusya'nın Kuzey ve Orta bölgeleri için “yanlış alarm” olasılığını% 10-15 oranında azaltmayı mümkün kılar. Doğal avantaj Bu algoritma göreceli olarak çalışır ve Güneş'in açısından ve günün saatinden bağımsızdır. En büyük dezavantajı görüntünün doku alanlarında bulanıklık olması durumunda bağlamsal algoritmanın kullanılamamasıdır.
Görünür (yeşil)
Görünür (kırmızı)
NIR (kızılötesine yakın)
NIR (kızılötesine yakın)
TIR (termal kızılötesi)
MWIR (uzak kızılötesi)
Tablo 8. ETM+ radyometrenin (Landsat 7) temel teknik özellikleri.
Kanal numaraları |
Spektral aralık |
Görüş genişliği (km) |
Çekim dönemi |
Radyometrik çözünürlük (bit) |
Uzamsal çözünürlük |
|
Görünür (mavi) |
||||||
Görünür (yeşil) |
||||||
Görünür (kırmızı) |
||||||
NIR (kızılötesine yakın) |
||||||
NIR (kızılötesine yakın) |
||||||
TIR (termal kızılötesi) |
||||||
MWIR (uzak kızılötesi) |
||||||
Hesaplama altta yatan yüzey sıcaklığı makalede açıklanan -
.
ASTER (Gelişmiş Uzay Kaynaklı Termal Emisyon ve Yansıma Radyometresi) ( Masa 9)- geliştirilmiş uzay radyometresi termal radyasyon ve Yansımalar), geniş spektral kapsama alanını ve görünür, yakın kızılötesi (NIR), orta kızılötesi (MIR) ve termal kızılötesinde yüksek uzaysal çözünürlüğü birleştiren Terra uydusu üzerindeki beş görüntüleme sisteminden biridir.
Tablo 9.ASTER'in temel teknik özellikleri.
Kanal numaraları |
Spektral aralık(um) |
Görüş genişliği (km.) |
Çekim dönemi |
Radyometrik çözünürlük (bit) |
Uzaysal çözünürlük (m.) |
|
VNIR (görünür ve yakın kızılötesi) |
||||||
3 N |
||||||
3 B ( müzik seti) |
||||||
SWIR (orta kızılötesi) |
||||||
TIR (termal kızılötesi) |
||||||
Spektral bölgelerdeki mutlak radyometrik doğruluk, sıcaklığa bağlı olarak görünür ve yakın kızılötesi aralık için %4, termal aralık için ise 1-3 K'dir. Termal aralık bölgeleri, dünya yüzeyinin sıcaklığını kaydetmek için tasarlanmıştır.
Seviye-2 ürünleri:AST09T Yüzey parlaklığı-TIR – Dünyanın yüzey sıcaklığı.
Tablo 10.Uzay görüntülerinin görsel yorumlanması.
KA/ |
NOAA/ |
TERAZİ(SU)/
|
LANSAT/ |
|||
Şifreyi çöz- |
Duman bulutlu yangınların genel görünümü |
Dünya yüzeyinin ısıtılmış alanları beyaz bir tonla deşifre edilir. |
Duman bulutlu yangınların genel görünümü |
Lezyonlar açıkça görülüyor açık alev |
Yüzeyin yüksek sıcaklığa sahip bölgeleri parlak pembe renktedir. |
|
Tarak- |
RGB-6:5:7, 6:5:4 |
|||||
Uzay |
1, 2, 1 - 1100 m. |
1 – 250 m. |
31, 23, 21 - 1000 m. |
3, 2, 1 - 30m. |
||
Not: |
Doğal |
Doğal |
Uzak kızılötesi |
Doğal |
Orta ve yakın |
Termal, orta ve yakın kızılötesi |
Kaynakların listesi
- Uzaktan jeotermal haritalama.
- MODIS radyometresi.
- Dubrovsky V., Parkhisenko Ya.V. ULRMC'deki NOAA görüntülerine dayalı olarak orman yangınlarının alan izlemesi.
- Orman ve bozkır yangınlarının belirlenmesi, tematik sorunların çözüm yöntemleri.
- Uydu görüntüleri verilerine dayalı orman (turba) yangınlarının izlenmesine yönelik teknoloji.
- Uzaktan algılama verilerinin alınması ve işlenmesi için donanım ve yazılım sistemleri.
- En son yakınsama Bilişim Teknolojileri ve mega şehirlerin havacılık ve uzay çevre izleme inşası için dünyanın uzaktan algılanması yöntemleri.
- Orman ve turba yangınlarının izlenmesi. RTC ScanEx.
- Poshlyakova L.P. Bölgenin yangın tehlikesini değerlendirmek amacıyla Dünya uzaktan algılama verilerine dayalı bir CBS projesi oluşturma metodolojisi.
