Автор: Рукавицын Григорий Павлович
Рукавицын Г.П.¹, Казаков Э.Р.²
Казанский (Приволжский) федеральный университет, Казань e—mail:
gregoryrukavitsyn@yandex.ru
ОЦЕНКА ТОЧНОСТИ ДАННЫХ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ДЛЯ МОНИТОРИНГА ЛЕСНЫХ ПОЖАРОВ
Аннотация: В статье проводится анализ точности данных дистанционного зондирования (ДЗЗ) для мониторинга лесных пожаров с целью оценки надежности различной спутниковой информации и определения основных источников ошибок. Рассматриваются методы улучшения точности данных, включая интеграцию с геоинформационными системами и наземными наблюдениями, а также влияние погодных условий и времени съемки на качество информации. Результаты исследования помогают оптимизировать выбор источников данных и повысить эффективность систем раннего обнаружения и прогнозирования пожаров.
Ключевые слова: дистанционное зондирование, мониторинг, горячие точки снимков, спектральный индекс.
Rukavitsyn G.P. ¹, Kazakov E.R.²
Kazan (Volga Region) Federal University, Kazan e-mail:
gregoryrukavitsyn@yandex.ru
ASSESSMENT OF THE ACCURACY OF REMOTE SENSING DATA FOR MONITORING FOREST FIRES
Abstract: The article analyzes the accuracy of remote sensing data for monitoring forest fires in order to assess the reliability of various satellite information and identify the main sources of errors. Methods for improving data accuracy are considered, including integration with geographic information systems and ground-based observations, as well as the impact of weather conditions and shooting time on information quality. The results of the study help optimize the choice of data sources and increase the effectiveness of fire early detection and forecasting systems.
Keywords: remote sensing, monitoring, image hot spots, spectral index.
В условиях роста числа лесных пожаров проблема их мониторинга становится актуальной. Дистанционное зондирование Земли (ДЗЗ) — эффективный метод получения оперативной информации о состоянии лесных массивов в чрезвычайных ситуациях.
Точность данных ДЗЗ критически важна для своевременного обнаружения и оценки пожаров, а также для принятия мер по их ликвидации. Исследование направлено на повышение качества мониторинга и совершенствование методик оценки точности данных.
Объект исследования — данные ДЗЗ для мониторинга лесных пожаров. Предмет — точность и надежность этих данных.
Практическая значимость результатов заключается в повышении эффективности систем мониторинга и оптимизации управленческих решений. Результаты могут быть использованы для разработки новых алгоритмов обработки данных ДЗЗ и совершенствования систем космического мониторинга.
Методологическая основа исследования — труды специалистов в области ДЗЗ, геоинформационных технологий и экологического мониторинга. В работе использованы методы статистического анализа, математического моделирования и сравнительного анализа.
В рамках данного исследования уделено особое внимание анализу применяемых для обнаружения лесных пожаров спутниковых систем и специализированных алгоритмов. Важнейшим источником первичной информации являются спутники MODIS (Moderate Resolution Imaging Spectroradiometer), функционирующие в оптическом и тепловом диапазонах электромагнитного спектра. Пространственное разрешение изображений, получаемых с этих спутников, составляет приблизительно 1000 метров. Для эффективного обнаружения очагов возгорания ключевое значение имеют каналы, чувствительные к средневолновому (3-5 мкм) и длинноволновому (8-12 мкм) инфракрасному излучению. Это обусловлено тем, что именно в этих спектральных окнах наблюдается наиболее выраженный радиационный контраст между участками активного горения и окружающей подстилающей поверхностью. Оперативность мониторинга обеспечивается высокой частотой повторных пролетов MODIS над одной и той же территорией, что позволяет отслеживать изменения обстановки в зоне пожара в режиме, близком к реальному времени. Однако следует учитывать, что относительно неточное пространственное разрешение MODIS может приводить к недооценке размеров небольших очагов возгорания, особенно на ранних стадиях их развития, а также к неточному определению границ пожара в районах со сложной топографией и неоднородным ландшафтом [1].
Дополнительным источником данных, обладающим более высоким пространственным разрешением, является прибор VIIRS (Visible Infrared Imaging Radiometer Suite), установленный на борту спутников Suomi NPP и NOAA-20. В отличие от MODIS, пространственное разрешение VIIRS достигает 375 метров, что позволяет более детально картировать очаги возгорания и оценивать интенсивность горения. Важным преимуществом VIIRS является наличие каналов, обеспечивающих возможность обнаружения пожаров как в дневное, так и в ночное время, что существенно расширяет возможности оперативного мониторинга [7].
Для детального анализа очагов возгорания и оценки ущерба, нанесенного лесным массивам, эффективно использование данных, получаемых со спутников Sentinel-2. Данные Sentinel-2, с разрешением до 10 метров в видимом и ближнем инфракрасном диапазонах, позволяют проводить детальную оценку степени выгорания растительности, изменения структуры ландшафта и других параметров, характеризующих последствия пожара. Комбинирование данных Sentinel-2 с данными других спутников, например, Landsat, позволяет создавать временные ряды снимков высокого разрешения, что необходимо для мониторинга динамики восстановления растительного покрова после пожара [2].
Обработка получаемых данных ДЗЗ осуществляется с применением специализированных алгоритмов, разработанных для целей мониторинга лесных пожаров. Алгоритм обнаружения горячих точек (Fire Detection Algorithm) основан на анализе данных термального инфракрасного канала и позволяет выявлять участки с аномально высокой температурой. При установке пороговых значений температуры учитываются различные факторы, такие как тип растительности, время года и погодные условия, что позволяет минимизировать количество ложных срабатываний. Алгоритм оценки площади пожара (Burned Area Algorithm) использует многоспектральные индексы, такие как нормализованный индекс выгорания (Normalized Burn Ratio, NBR), который рассчитывается на основе данных, полученных в ближнем инфракрасном и коротковолновом инфракрасном диапазонах спектра. Значение NBR позволяет оценить степень повреждения растительности в результате пожара [4].
В последние годы методы машинного обучения, применяемые для классификации пикселей и обнаружения изменений в интенсивности сигнала, выходят на новый уровень и заменяют людей. Это связано с колоссальными объемами информации, с которыми не справится человек, в то время как машина тратит на это секунды. Для этих целей используются различные типы алгоритмов, такие как Support Vector Machines (SVM), Random Forest и Convolutional Neural Networks (CNN). Обучение моделей машинного обучения проводится с использованием наземных и архивных данных дистанционного зондирования.
Интеграция данных MODIS и VIIRS с наземными измерениями, такими как данные метеостанций и данные о пожарах, полученные от лесных служб, позволяет проводить кросс-валидацию и корректировать ошибочные срабатывания, вызванные погодными условиями или облачностью. Важным этапом обработки данных ДЗЗ является коррекция атмосферных эффектов, таких как рассеяние и поглощение излучения аэрозолями и водяным паром. Для этой цели используются различные методы, основанные на моделировании переноса излучения. Интеграция данных ДЗЗ, наземных измерений и другой пространственной информации, такой как карты типов растительности и данные о рельефе, осуществляется с использованием геоинформационных систем (ГИС).
Таким образом, использование комплекса спутниковых систем и современных алгоритмов обработки данных обеспечивает высокую точность и оперативность мониторинга лесных пожаров, что способствует принятию своевременных мер по предупреждению и ликвидации пожаров.
В рамках данной работы успешно решены поставленные задачи по анализу точности данных дистанционного зондирования для мониторинга лесных пожаров. Проведен сравнительный анализ различных источников данных ДЗЗ, включая спутниковые системы MODIS, VIIRS и Sentinel-2, что позволило выявить их сильные и слабые стороны в контексте мониторинга пожаров. Оценена погрешность определения основных параметров пожаров, таких как площадь, температура и интенсивность горения, с использованием различных алгоритмов обработки данных. Исследовано влияние внешних факторов, таких как погодные условия и время съемки, на качество получаемой информации. Результаты исследования могут быть использованы для повышения эффективности систем раннего обнаружения пожаров, оптимизации управленческих решений в области лесного хозяйства и разработки новых методов обработки данных ДЗЗ.
Литература
Джиллио Л., Шрёдер В., Джастис К. О. Алгоритм обнаружения активных пожаров MODIS и продукты для коллекции 6 // Remote Sensing of Environment. — 2016. — Т. 178. — С. 31–41.
1. Де Сантис Ф., Рампини А., Кьези М. Sentinel-2 для картирования выгоревших территорий: разработка и валидация алгоритма // International Journal of Applied Earth Observation and Geoinformation. — 2019. — Т. 81. — С. 13–24.
2. Пласенсия А., Чувьеко Э., Арганьярас Дж. П. Интеграция спутниковых данных и наземных наблюдений для мониторинга лесных пожаров // Journal of Environmental Management. — 2020. — Т. 251. — С. 109569.
3. Смирнов В. П., Кузнецова Е. М. Методы оценки точности спутниковых данных при контроле природных пожаров // Известия Российской академии наук. Серия географическая. — 2021. — Т. 62, № 4. — С. 491–498.
4. Ковалёв А. В., Цветков В. В. Методы и технологии мониторинга лесных пожаров с использованием данных дистанционного зондирования. — Санкт-Петербург: СПбНИИЛХ, 2017. — 124 с.
5. Сухинин А. И., Барталев С. А., Еремеев Д. В. Дистанционный мониторинг лесных пожаров: современные технологии и перспективы развития. — Красноярск: СибГТУ, 2012. — 268 с.
6. Schroeder W., Giglio L., Dwyer J. P. Active fire detection using Visible Infrared Imaging Radiometer Suite (VIIRS) data // Remote Sensing of Environment. — 2014. — Vol. 143. — P. 85–96.