- •Содержание
- •Введение
- •1 Лесная пирология
- •1.1 Причины возникновения лесных пожаров и их классификация
- •1.2 Возможности дистанционного зондирования Земли
- •1.3 Способы мониторинга лесных пожаров
- •2 Сравнительный анализ способов дистанционного обнаружения лесных пожаров
- •2.1 Методы анализа способов дистанционного обнаружения лесных пожаров
- •2.2 Сравнительный анализ способов дистанционного обнаружения лесных пожаров
- •3 Подготовка космических снимков и анализ полученных результатов
- •3.1 Скачивание материала и обработка снимков в рабочей среде envi
- •3.2 Обработка снимков в ArcGis. Создание ndvi
- •3.3 Анализ результатов
- •4 Обширный сбор данных для подсчета нанесенного ущерба пожаров на примере долины реки Колыма
- •4.1 Сбор и обработка снимков
- •4.2 Обработка полученных данных в рабочей среде ArcMap
- •4.3 Анализ результатов
- •Заключение
- •Список использованных источников
- •Приложение а Данные по пожарам на территории реки Колыма
3 Подготовка космических снимков и анализ полученных результатов
3.1 Скачивание материала и обработка снимков в рабочей среде envi
Для скачивания материала воспользуемся сервисом Earth Explorer (рисунок 5). Он хранит в себе огромное количество снимков, полученных с множества спутников на всю территорию Земли.
Рисунок 5 – Earth Explorer.
В сервисе можно выбирать критерии для подбора нужного снимка, такие как процент облачности, диапазон времени, спутник, с которого получили снимок, и так далее. Для выбора требуемого снимка нужно выбрать область поиска, ей будет служить часть территории Сибири и для более явного результата возьмем снимки за середину и конец июля 2019 г. (рисунок 6).
Рисунок 6 – Снимки области интереса
При помощи инструмента Radiometric Calibration производим первичную обработку снимков (рисунок 7).
Рисунок 7 – Окно инструмента Radiometric Calibration
Здесь следует выбрать сочетание каналов Thermal и в появившемся окне выбрать тип калибровки Brightness Temperature (рисунок 8).
Рисунок 8 – Выбор типа калибровки
Вышеописанные действия применяются ко второму снимку.
3.2 Обработка снимков в ArcGis. Создание ndvi
После обработки в ENVI следует перейти в рабочую среду ArcGIS. Подгрузив обработанные снимки, можно заметить, что температура в них выражена в градусах Кельвина.
Для перевода в градусы Цельсия требуется воспользоваться инструментом Raster Calculator (рисунок 9) и использовать формулу (4):
(4)
Рисунок 9 – Перевод снимка в градусы Цельсия
После выполнения математических расчётов снимки готовы к классификации (рисунок 10).
Рисунок 10 – Подготовленный снимок для классификации
Каждый снимок нужно поделить на 10 классов для более точного выявления температурных аномалий.
Конечный результат обработки снимков отображен на рисунке 11.
Рисунок 11 – Конечный результат обработки
Расчёт NDVI в рабочей среде ArcGIS можно произвести так же в Raster Calculator (рисунок 12), воспользовавшись формулой (5):
(5)
где NIR – ближний инфракрасный свет; Red – видимый красный свет.
Кроме того, есть еще один способ нахождения вегетационного индекса, можно воспользоваться функцией автоматического построения NDVI, ее можно найти в Image Analysis.
Рисунок 12 – Расчет NDVI
После получения обработанных снимков, можно увидеть, что в них есть отрицательные значения. Их стоит удалить, для этого нужно перейти в вышеупомянутый Raster Calculator (рисунок 13) и ввести формулу (6).
(6)
Рисунок 13 – Удаление отрицательных значений
По итогу получается снимок без отрицательных значений, который следует разбить на 10 классов (рисунок 14).
Рисунок 14 – Готовый NDVI
Действия в пунктах 3.1 и 3.2 так же выполняются на втором снимке.
3.3 Анализ результатов
На основе полученных данных о температуре подстилающей поверхности за начало июля можно выявить температурные аномалии (рисунок 15), где значения выше нормы, например наблюдаются места, где температура достигает 600 градусов по Цельсию.
Рисунок 15 – Пример температурной аномалии
Теперь возьмем эту аномалию и проверим ее на наличие пожара. При сопоставлении снимка с данными из Google Maps было выявлено, что на территории аномалий нет сооружений (рисунок 16), которые могли бы вызвать аномалии, и опираясь на данные с сервиса СКАНЭКС за 2019 год можно сделать вывод, что это зачатки будущих пожаров.
Рисунок 16 – Фрагмент карты Google Maps на область интереса
Чтобы рассчитать площадь аномалий и их динамику за 15 дней, нужно воспользоваться атрибутивной таблицей классифицированного вырезанной частью снимка (рисунок 17), где в столбце COUNT будет показано количество пикселов в самой аномалии. Создадим дополнительное поле, для этого нужно нажать Add Field, в нем будет отображена площадь аномалии в гектарах. Нажимаем ПКМ по созданному полю и нажимаем на Field Calculator и вводим формулу (7).
(7)
Где COUNT – столбец, в котором содержится число пикселей.
В итоге получаем рассчитанную площадь в гектарах.
Рисунок 17 – Атрибутивная таблица с данными по температурным аномалиям
Затем для более наглядного анализа необходимо произвести компоновку, где будет видна динамика очага пожара, в ней должно присутствовать сопоставление температурных аномалий и вегетационного индекса на территории области интереса за определенный период времени (рисунок 18).
Так же для удобства прочтения полученной карты для анализа стоит вывести основные полученные данные в виде таблицы, которая тоже будет добавлена в компоновку.
Рисунок 18 – Скомпонованная работа для анализа
Самая большая аномалия, обнаруженная на снимке в начале июля, была размером с 203 га, а в конце года увеличилась до 448 га. Отметка вегетационного индекса в районе аномалии снизилась с 0,4 до 0,05. Опираясь на эти данные, можно сделать вывод о том, что предложенная методика рабочая и может своевременно засечь пожары на ранних стадиях.
Результатом можно считать рабочий и проверенный метод для обнаружения очагов пожаров, а также карта нескольких очагов пожара по области интереса и данные по ним.