Оценка последствий лесных пожаров на основе автоматизированной обработки материалов дистанционного зондирования Земли

  • Андрей Иванович Волосюк Белгослес, ул. Железнодорожная, 27, корп. 1, 220089, г. Минск, Беларусь
  • Антонина Анатольевна Топаз Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь https://orcid.org/0000-0002-9105-6119
DOI: https://doi.org/10.33581/2521-6740-2022-1-57-70

Аннотация

Представлены результаты исследования особенностей автоматизированного выявления лесопокрытых территорий, пройденных пожарами, по материалам разновременных спутниковых съемок с космических аппаратов Sentinel-2A и Sentinel-2В путем расчета разностного нормализованного индекса сгорания (dNBR) для предпожарного и послепожарного периодов. Изучено современное состояние проблемы и выполнен обзор функционирующих в настоящее время систем наблюдения за лесными пожарами. Обоснована актуальность разработки и апробации автоматизированной системы оценки последствий лесных пожаров с использованием открытого программного обеспечения и данных дистанционного зондирования Земли. Установлено, что разностный индексный показатель dNBR, рассчитанный по материалам разновременных спутниковых съемок с космических аппаратов Sentinel-2A и Sentinel-2В, позволяет эффективно выявлять выгоревшие территории. Показано, что экосистема языка программирования Python дает возможность создавать системы автоматизированной обработки данных дистанционного зондирования Земли. Разработан прототип системы автоматизированного выявления лесопокрытых территорий, пройденных пожарами, по материалам разновременных спутниковых съемок с космических аппаратов Sentinel-2A и Sentinel-2В. Приведена технологическая схема процесса обработки данных дистанционного зондирования Земли с помощью предложенной системы. Для снимков спутников Sentinel-2 на даты до и после пожара выполнен расчет разностного индексного показателя dNBR, анализ результатов которого показал тесную корреляцию индекса dNBR со степенью выгорания территории. Составлена картосхема пройденных пожаром территорий и проведена оценка точности выделения выгоревших участков посредством расчета матрицы ошибок. Определены эффективность работы автоматизированной системы выявления территорий, пройденных лесными пожарами, пути ее модернизации и совершенствования, а также перспективы внедрения в производственную деятельность. Установлено, что результаты работы созданной системы обладают высокой достоверностью. В то же время отмечена необходимость повышения чувствительности системы при выявлении территорий, подвергшихся частичному выгоранию. Предложен вариант усовершенствования применяемых в работе алгоритмов посредством внедрения мультиуровневого метода Оцу, призванного значительно повысить чувствительность системы.

Биографии авторов

Андрей Иванович Волосюк, Белгослес, ул. Железнодорожная, 27, корп. 1, 220089, г. Минск, Беларусь

инженер отдела дистанционного зондирования и мониторинга лесов

Антонина Анатольевна Топаз, Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь

кандидат географических наук, доцент; доцент кафедры геодезии и космоаэрокартографии факультета географии и геоинформатики

Литература

  1. Bariev ER, Zolotoy SA, Kotov SG, Kudryashov AN, Semenov OA. Sovershenstvovanie tekhnicheskikh sredstv povysheniya operativnosti obnaruzheniya prirodnykh pozharov [Improvement of technical means for increasing the efficiency of detecting natural fires]. Minsk: Belarusian State Centre for Accreditation, Ministry of Emergencies of the Republic of Belarus; 2009. 174 p. Russian.
  2. Key CH, Benson N, Ohlen D, Howard S, McKinley R, Zhu Z. The normalized burn ratio and relationships to burn severity: ecology, remote sensing and implementation. In: Greer JD, editor. Rapid delivery of remote sensing products. Proceedings of the Ninth Forest Service remote sensing applications conference; 2002 April 8–12; San Diego, USA [CD-ROM]. Bethesda: American Society for Photogrammetry and Remote Sensing; 2002. 1 CD-ROM: 4 3/4 in.
  3. Tran BN, Tanase MA, Bennett LT, Aponte C. Evaluation of spectral indices for assessing fire severity in Australian temperate forests. Remote Sensing. 2018;10(11):1680. DOI: 10.3390/rs10111680.
  4. French NHF, Kasischke ES, Hall RJ, Murphy KA, Verbyla DL, Hoyet EE, et al. Using Landsat data to assess fire and burn severity in the North American boreal forest region: an overview and summary of results. International Journal of Wildland Fire. 2008;17(4):443–462. DOI: 10.1071/WF08007.
  5. Harris S, Veraverbeke S, Hook S. Evaluating spectral indices for assessing fire severity in chaparral ecosystems (southern California) using MODIS/ASTER (MASTER) airborne simulator data. Remote Sensing. 2011;3(11):2403–2419. DOI: 10.3390/rs3112403.
  6. SERVIR’s Forest Fire Detection and Monitoring System in Nepal [Internet]. SERVIR, 2012 May 10 [cited 2020 February 27]. Available from: https://servirglobal.net/Global/Articles/Article/1143/servirs-forest-fire-detection-and-monitoring-system-in-nepal.
  7. Belyaev AI, Ershov DV, Lupyan EA, Romanyuk BV, Sukhinin AI, Tashchilin SA. [National system for collecting, processing and analysing information on wildfires and its interface with international and regional information networks level]. In: Upravlenie lesnymi pozharami na ekoregional’nom urovne. Materialy Mezhdunarodnogo nauchno-prakticheskogo seminara; 9–12 sentyabrya 2003 g.; Khabarovsk, Rossiya [Materials of the International scientific and practical seminar; 2003 September 9–12; Khabarovsk, Russia]. Moscow: Aleks; 2004. p. 156–166. Russian.
  8. Loupian EA, Bartalev SA, Ershov DV, Kotel’nikov RV, Balashov IV, Burtsev MA, et al. Satellite data processing management in Forest Fires Remote Monitoring Information System (ISDM-Rosleskhoz) of the Federal Agency for Forestry. Current Problems in Remote Sensing of the Earth from Space. 2015;12(5):222–250. Russian.
  9. Fire Information for Resource Management System (FIRMS) [Internet]. 2020 [cited 2020 February 29]. Available from: https://firms.modaps.eosdis.nasa.gov/.
  10. Global Wildfire Information System (GWIS) [Internet]. 2020 [cited 2020 February 29]. Available from: https://gwis.jrc.ec.europa.eu/.
  11. European Forest Fire Information System (EFFIS) [Internet]. 2020 [cited 2020 February 29]. Available from: https://effis.jrc.ec.europa.eu/.
  12. ScanEx Fire Monitoring Service in Russia [Internet]. 2010 July 6 [cited 2021 June 13]. Available from: https://www.scanex.ru/company/smi/scanex-fire-monitoring-service-in-russia1903/.
  13. MODIS сomponents [Internet]. 2020 [cited 2021 September 18]. Available from: https://modis.gsfc.nasa.gov/about/components.php.
  14. OpenStreetMap [Internet]. 2020 [cited 2020 February 28]. Available from: https://www.openstreetmap.org/.
  15. Committee on Land Resources, Geodesy and Cartography under the Council of Ministers of the Republic of Belarus. Nacyjanal’ny atlas Belarusi [National atlas of Belarus]. Mjasnikovich MU, Kazulin AU, Shymaw UM, Pirozhnik II, Cjejrjefman KA, Pashkevich MF, et al., editors. Minsk: Belkartagrafija; 2002. 292 p. Belarusian.
  16. Regulation (EU) No. 377/2014 of the European Parliament and of the Council of 3 April 2014 establishing the Copernicus Programme and repealing Regulation (EU) No. 911/2010 (Text with EEA relevance). Official Journal of the European Union. 2014;L122:44–66.
  17. Sentinel-2 – the operational Copernicus optical high resolution land mission [Internet]. European Space Agency, 2013 [cited 2021 April 16]. Available from: https://esamultimedia.esa.int/docs/S2-Data_Sheet.pdf.
  18. Sentinel-2 [Internet]. 2021 [cited 2021 February 28]. Available from: https://sentinel.esa.int/web/sentinel/missions/sentinel-2.
  19. U. S. Geological Survey. Landsat – Earth observation satellites (version 1.2, April 2020): USGS Fact Sheet 2015-3081 [Internet]. 2020 [cited 2021 June 15]. Available from: https://doi.org/10.3133/fs20153081.
  20. Belarusian Spacecraft (BS) [Internet]. Geoinformation systems, 2021 [cited 2021 February 28]. Available from: https://gis.by/en/tech/bka.
  21. St. Laurent AM. Understanding open source and free software licensing. Sebastopol: O’Reilly Media; 2008. 231 p.
  22. Eo-learn [Internet]. 2020 [cited 2020 February 28]. Available from: https://eo-learn.readthedocs.io/en/latest/.
  23. Index DataBase: a database for remote sensing indices [Internet]. The IDB Project, 2011– [cited 2020 March 21]. Available from: https://www.indexdatabase.de/db/i-single.php?id=53.
  24. Stehman SV. Selecting and interpreting measures of thematic classification accuracy. Remote Sensing of Environment. 1997;62(1):77–89. DOI: 10.1016/S0034-4257(97)00083-7.
  25. ENVI [Internet]. L3Harris Geospatial Solutions, 2020 [cited 2020 March 22]. Available from: https://www.l3harrisgeospatial.com/Software-Technology/ENVI.
  26. Henry F, Herwindiati DE, Mulyono S,Hendryli J. Sugarcane land classification with satellite imagery using logistic regression model. IOP Conference Series: Materials Science and Engineering. 2017;185:012024. DOI: 10.1088/1757-899X/185/1/012024.
  27. Otsu N. A threshold selection method from gray-level histograms. IEEE Transactions on Systems, Man, and Cybernetics. 1979;9(1):62– 66. DOI: 10.1109/TSMC.1979.4310076.
  28. Ping-Sung Liao, Tse-Sheng Chen, Pau-Choo Chung. A fast algorithm for multilevel thresholding. Journal of Information Science and Engineering. 2001;17(5):713–727.
Опубликован
2022-05-26
Ключевые слова: лесные пожары, мониторинг, данные дистанционного зондирования Земли, спутник Sentinel-2, Python-библиотека eo-learn
Поддерживающие организации Авторы выражают благодарность компании Sinergise Laboratory for Geographical Information Systems (Словения) за любезно предоставленный доступ к API сервиса Sentinel Hub (https://www.sentinel-hub.com) во время проведения исследования.
Как цитировать
Волосюк, А. И., & Топаз, А. А. (2022). Оценка последствий лесных пожаров на основе автоматизированной обработки материалов дистанционного зондирования Земли. Журнал Белорусского государственного университета. География. Геология, 1, 57-70. https://doi.org/10.33581/2521-6740-2022-1-57-70
Выпуск
№ 1 (2022): Журнал Белорусского государственного университета. География. Геология
Раздел
География

Copyright (c) 2022 Журнал Белорусского государственного университета. География. Геология

Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.

Авторы, публикующиеся в данном журнале, соглашаются со следующим:

  1. Авторы сохраняют за собой авторские права на работу и предоставляют журналу право первой публикации работы на условиях лицензии Creative Commons Attribution-NonCommercial. 4.0 International (CC BY-NC 4.0).
  2. Авторы сохраняют право заключать отдельные контрактные договоренности, касающиеся неэксклюзивного распространения версии работы в опубликованном здесь виде (например, размещение ее в институтском хранилище, публикацию в книге) со ссылкой на ее оригинальную публикацию в этом журнале.
  3. Авторы имеют право размещать их работу в интернете (например, в институтском хранилище или на персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу. (См. The Effect of Open Access).