Інформаційна технологія визначення контурів лісових пожеж за даними оптичної супутникової зйомки
DOI:
https://doi.org/10.34185/1562-9945-1-144-2023-01Ключові слова:
лісова пожежа, теплова аномалія, супутникові знімки Sentinel 2, полігон, згари-щеАнотація
Кількість лісових пожеж протягом останніх десяти років істотно збільши-лась. Це вказує на те, що оцінка площі та розташування територій, пройдених лісовими пожежами, є дуже актуальною задачею сьогодення. Використання даних супутникової зйомки значно спрощує процес оцінки лісових пожеж. Мета до-сліджень полягає в розробці інформаційної технології автоматизованого визна-чення контурів лісових пожеж на цифрових оптичних супутникових знімках в умовах нестаціонарності та невизначеності на основі згорткових нейронних ме-реж. Для визначення контурів лісових пожеж запропоновано використати точки теплових аномалій для ідентифікації пікселів вогню та диму. Це дозволило отри-мати полігони відповідних областей з різними атрибутами: положенням, роз-міром, тощо. Результати протестовані на супутникових оптичних знімках Sen-tinel 2 регіону Авіла. Запропонований метод має загальну точність виділення лісових пожеж 94,3%.
Посилання
Lizundia-Loiola, J.; Pettinari, M.L.; Chuvieco, E. Temporal Anomalies in Burned Area Trends: Satellite Estimations of the Amazonian 2019 Fire Crisis. Remote Sens. 2020, 12, 151.
Hnatushenko Vik.V., Mozgovyi D.K., Vasyliev V.V. Satellite Monitoring of Defor-estation as a Result of Mining. Naukovyi Visnyk Natsionalnoho Hirnychoho Univer-sytetu, Dnipropetrovsk, 2017. № 5 (161). P. 94-99.
Zhao, L.; Zhi, L.; Zhao, C.; Zheng, W. Fire-YOLO: A Small Target Object Detec-tion Method for Fire Inspection. Sustainability 2022, 14, 4930. DOI:10.3390/su14094930.
He, L.; Gong, X.; Zhang, S.; Wang, L.; Li, F. Efficient attention based deep fusion CNN for smoke detection in fog environment – ScienceDirect. Neurocomputing 2021, 434, 224–238.
Luke Collins, Ross A Bradstock, Hamish Clarke, et al. The 2019/2020 mega-fires exposed Australian ecosystems to an unprecedented extent of high-severity fire. En-viron. Res. Lett. 16 (2021). DOI: 10.1088/1748-9326/abeb9e.
Mahmoud Kalash, Mrigank Rochan, Noman Mohammed, Neil D. B. Bruce, Yang Wang, et.al. Malware Classification with Deep Convolutional Neural Networks. 2018 9th IFIP International Conference on New Technologies, Mobility and Security (NTMS), 2018. DOI: 10.1109/NTMS.2018.8328749.
Kashtan, V., Hnatushenko, V. (2023). Deep Learning Technology for Automatic Burned Area Extraction Using Satellite High Spatial Resolution Images. In: Ba-bichev, S., Lytvynenko, V. (eds) Lecture Notes in Data Engineering, Computational Intelligence, and Decision Making. ISDMCI 2022. Lecture Notes on Data Engineering and Communications Technologies, vol 149. Springer, Cham. https://doi.org/10.1007/978-3-031-16203-9_37
Byström, A. (2017). Compartment Fire Temperature Calculations and Measure-ments. Printed by Luleå University of Technology, Graphic Production. 222 p.
Kaplan, Gordana & Avdan, Ugur. (2018). Sentinel-1 and Sentinel-2 Data fusion for wetlands mapping: Balikdami, Turkey. ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. XLII-3. 729-734. 10.5194/isprs-archives-XLII-3-729-2018.
Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
