
2014-0728-Fires&ERS_Lecture.pptx
- Количество слайдов: 39
Комплексный подход с применением данных дистанционного зондирования Земли, геоинформационных технологий и вероятностно -статистического моделирования Опыт использования космической съемки для детектирования пожаров Пермь, 2014 Пономарчук А. И. Кафедра картографии и геоинформатики ПГНИУ, доцент МИП «Центр космических технологий и услуг» , с. н. с.
Введение в тему «детектирование пожаров» Актуальность, факты, возможные варианты решения 2
Актуальность Ущерб от природных (молнии) и антропоген-ных (небрежность в лесу) пожаров огромен Основные причины, усугубляющие урон: позднее обнаружение пожаров сложность доставки сил и средств пожаротушения Особенности удаленных районов: низкая плотность населения слабая развитость инфраструктуры как следствие – разные критерии для понятия «крупный пожар» даже на нормативном уровне (вообще – 25 га, но для Сибири и Дальнего Востока – 200 га) 3
Пути снижения ущерба: что можно сделать? Своевременность обнаружения пожаров Оптимизация сил и средств пожаротушения наземное наблюдение (посты наблюдения, видеокамеры…) авиационное наблюдение (местная авиация, БПЛА…) космическое наблюдение (спутники, сенсоры, алгоритмы) размещение постов наблюдения (близость к опасным участкам, возможность охвата больших территорий) оптимальное размещение сил и средств пожаротушения (близость к опасным участкам, быстрота доставки) оптимизация маршрутов доставки в конкретные районы Комплексный подход средства и алгоритмы детектирования пожаров применение методов пространственного анализа (геоинформационных технологий) 4
Справка: эффективность типовых алгоритмов для лесов России Применение данных MODIS для обнаружения пожаров «как есть» 5% (Мурманская область, 2010 ) 6% (Пермский край, 2011) 17% (Томская область, 2003) Сибирь и Дальний Восток – наиболее высокий процент Возможные причины более низкая плотность населения, вследствие чего пожары успевают разгореться и перейти в стадию «верховых» , хорошо детектируемых средствами ДЗЗ для Сибири и Дальнего Востока понятие «крупный пожар» начинается с площади 200 га (в европейской части – 25 га) 5
Опыт применения данных ДЗЗ для детектирования пожаров Детектирование пожаров с применением данных космической съемки (ДЗЗ) 6
История вопроса Предпосылки: пожары проявляются благодаря аномально высоким температурам в ИК каналах 4 m и 11 m 1980 -е годы: первые результаты 1990 -2000 -е годы: AVHRR (Advanced Very High Resolution Radiometer), 1 км. Применялся в системах мониторинга в Бразилии, Канаде, Африке и др. , на метеорологических спутниках NOAA OLS (Operational Linescan Imager Sensor). Метеонаблюдения, пожары MODIS (Moderate Resolution Imaging Spectroradiometer), 1 км, спутники Terra/Aqua. Комплексные исследования Земли, в т. ч. – пожары 2011: VIIRS (Visible Infrared Imaging Radiometer Suite), 0. 75 км. Сохранение чувствительности сенсоров при съемке вдали от надира Использование данных среднего и высокого разрешения 7
AVHRR – MODIS – VIIRS: спектральные каналы Длина волны 4 m 11 m AVHRR MODIS S-NPP 21, 22 ch – 1 km (насыщение) M 13 – 0. 75 km (I 4 – 0. 375 km) 4 ch – 1. 1 km 31 ch – 1 km M 15 – 0. 75 km (I 5 – 0. 375 km) Назначение: каналы 4 m и 11 m четко выделяют пожары (спектральная яркость в каналах, как по отдельности, так и как их разница) 8
VIIRS vs MODIS: в чем основное преимущество? Для сенсоров AVHRR, MODIS характерна сильная деградация пространственного разрешения вдали от надира Сенсор VIIRS лишен этого недостатка Источник: доклад «Active Fires from Suomi-NPP VIIRS» , Ivan Sciszar et al. , 2013 9
VIIRS vs MODIS Вдали от надира площадь пиксела VIIRS в 8 раз меньше, чем у пиксела AVHRR / MODIS В центральных участках (вблизи надира) VIIRS детектирует на 26% больше, на периферии – на 70% больше термоточек (hot points, hot pixels, fire pixels…), чем MODIS 10
Active Fires data: online сервисы и данные MODIS FIRMS (Fire Information for Resource Management System) Near real-time data (сводка за 24, 48 часов, 7 суток; архивы) (https: //earthdata. nasa. gov/data/near-real-time-data/firms) FIRMS Web Fire Mapper (карта пожаров) (https: //firms. modaps. eosdis. nasa. gov/firemap/) Особенности и ограничения Terra: нисходящая орбита, 10: 30 (a. m. ) на экваторе Aqua: восходящая орбита, 13: 30 (p. m. ) на экваторе Активное горение (растительность, вулканы, факелы и т. п. ) Алгоритм MOD 14 Fire and Thermal Anomalies (контекстуальный анализ тепловых аномалий, средний ИК диапазон). Это модификация алгоритма для AVHRR 11
Active Fires – hot points: пространственные ограничения MODIS Факторы, препятствующие детектированию: облачность задымленность полог леса (кроны деревьев) малая интенсивность огня снижение чувствительности вдали от надира Вероятность обнаружения пожаров под пологом леса неизвестна, но очень низка… (from FAQ, FIRMS) Итог: минимальная площадь детектируемого пожара – 0. 1 га (30 х30 м), на открытой местности при идеальных условиях наблюдения 12
MOD 14: алгоритм выявления тепловых аномалий (fire, hot pixels) 13
MOD 14: этапы 1, 2 14
MOD 14: этап 3 15
MOD 14: этап 3 16
Active Fires data: online сервисы и данные VIIRS Active Fire (product evaluation portal) http: //viirsfire. geog. umd. edu/ Online resources (VIIRS data sets) NOAA CLASS Web (http: //www. class. noaa. gov) NASA LAADSWeb (http: //ladsweb. nascom. nasa. gov/data/search. html) Особенности и ограничения Suomi NPP: нисходящая орбита, 10: 30 (a. m. ) на экваторе VIIRS Moderate-bands Active Fire Algorithm (развитие MOD 14 Fire and Thermal Anomalies, Collection 4) 17
Active Fires data: преемственность алгоритмов Источник MODIS VIIRS Interface Data Processing Segment (IDPS), Community Satellite Processing Package (CSPP) MODIS Collection 4 Active. Fires (Giglio et al, 2003) SPA Rapid Response Team, MODIS Collection 6 VIIRS-AF International Polar Orbiter (дальнейшее SPA Processing Package (IPOPP), развитие) (M Band - NASA Direct Readout 0. 7 km, Laboratory I Band - 0. 375 km) Особенности Включает FRP, улучшения, сопоставимость с данными MODIS, больше термоточек 18
Основной подход: комплексное решение задачи Детектирование по данным ДЗЗ, пространственное и вероятностно-статистическое моделирование 19
Повторение слайда 4: требуется комплексный подход к проблеме Своевременность обнаружения пожаров … Оптимизация сил и средств пожаротушения … Комплексный подход средства и алгоритмы детектирования пожаров применение методов пространственного анализа (геоинформационных технологий) 20
Комплексный подход Средства и алгоритмы детектирования Повышение чувствительности метода технологии. . . (вне наших возможностей) методы обработки (алгоритмы) Последствия (частично) повышение «шума» , количества ложных сигналов Применение геоинформационных технологий Снижение уровня «шума» учет пространственных условий возникновения пожаров (природные и антропогенные влияния) Оптимизация сил и средств… (вне нашей задачи) 21
Модификация (настройка) алгоритма MOD 14 (Active Fires) Условия применения Стандартный Алгоритм Модифицированный алгоритм день ночь За основу взят вариант «MODIS Collection 6» от Rapid Response Team, реализованный в пакете IPOPP (Direct Readout Laboratory, NASA) 22
Подбор оптимальных параметров 23
Результаты расчетов по модифицированному алгоритму 24
Результаты модифицированного алгоритма: дневные термоточки 25
Результаты модифицированного алгоритма: все термоточки 26
Предлагаемые параметры модифицикации алгоритма MOD 14 Условия применения Стандартный Алгоритм Модифицированный алгоритм день ночь 27
Итоги модификации алгоритма MOD 14 (Active Fires) Формально «качество» детектирования (общее число подтвержденных термоточек) улучшилось На самом деле – нас интересуют не пожары «вообще» , а пожары «природные» (лесные) Для лесных пожаров число детектированных термоточек возросло, достоверность – снизилась Вывод: Требуются дополнительные способы повышения достоверности детектирования лесных пожаров – например, учет свойств территории 28
Вероятностно-статистическая модель возникновения пожаров Учет природных и антропогенных факторов, анализ многолетней статистики по фактам пожаров 29
Общие соображения Пространственно-распределенные факторы (природные и антропогенные) влияют на способность территории «генерировать пожары» Природно-климатические условия также влияют на уровень пожарной опасности, меняющийся от года к году и в пределах пожароопасного сезона Степень влияния отдельных факторов на способность территории к «генерации пожаров» можно получить на основе статистической оценки вероятностной модели возникновения пожаров 30
Вероятностная модель: простейший стационарный вариант 31
Связь вероятности возгораний со статистикой наблюдений Приближенное соотношение 32
Степень влияния отдельного фактора на вероятность возгорания 33
Вероятностная модель: функция распределения числа возгораний 34
Вероятностная модель: функция распределения числа возгораний При некоторых условиях биномиальное распределение сводится к распределению Пуассона: 35
Оценка влияния фактора «тип леса» , 2010. . 2013 годы Результаты: Выделены типы «спелые и перестойные сосновые леса» (4), «сосновые леса спелые и приспевающие» (5), «Разреженные молодые сосновые леса и смешанные мелколиственно-сосновые разреженные насаждения» (11) Площади выделенных таксонов – 4. 9%, доля возгораний – 52. 8% 36
Заключение Важность сбора качественных пространственных данных по факторам влияния и по статистике пожаров 37
Выводы 38
Спасибо за внимание! 39