Fire Hot Spots / Burnt Areas
Waldbrände regulieren seit Jahrtausenden die Entwicklung, Produktivität und Biodiversität von natürlichen Pflanzengesellschaften und Ökosystemen. Viele Vegetationsgesellschaften haben sich der Feuerdynamik angepasst und als Antwort auf die Feuer entwickelt, was zu einem höheren Artenreichtum führte. Aber seit der Mensch damit begann künstliche Feuer zu entzünden, wurden Wald- und Buschbrände zur Naturgefahr mit großer Zerstörungskraft. Sie zerstören die Umwelt, Hab und Gut, belasten die Luftqualität, tragen zur globalen Erwärmung bei und gefährden sogar Menschenleben.
Das TIMELINE Hot Spots Produkt zeigt jene Pixel bei denen der automatische Algorithmus ein aktives Feuer detektiert hat. Der entwickelte Algorithmus erfasst überwiegend sehr heiße Feuer (die nur einen sehr kleinen Teil eines AVHRR Pixels bedecken können), oder größere und kühlere Feuer, die größere Bereiche bedecken.
Das TIMELINE Burnt Areas Produkt beinhaltet Informationen über Brandflächen. Da verbrannte Flächen über einen bestimmten Zeitraum nach einem Feuerereignis erfasst werden können, ist es möglich, auch solche Brandflächen zu kartieren, die zum Zeitpunkt des Brandes durch Wolken bedeckt waren. Die minimalst erfassbare Größe einer Brandfläche hängt von der räumlichen Auflösung des Satellitenbildes ab.
Der vollautomatische Hot-Spot-Detektions-Prozessor basiert auf einer Weiterentwicklung des kontextuellen Algorithmus von Giglio et al. (1999). Um mögliche Fehlklassifikationen zu reduzieren, werden vor der Erfassung der Feuer Hot Spots mehrere Landbedeckungsklassen sowie störende Objekte ausmaskiert.
Der erste Schritt des Hot-Spot-Prozessors besteht aus einer Selektierung von möglichen Feuern. Über Grenzwerte werden verschiedene Wahrscheinlichkeitslevel abgeleitet. Mittels eines kontextuellen Ansatzes werden die Strahlungstemperaturen potentieller Feuerpixel mit den Werten von Hintergrundpixeln verglichen. Gültige Hintergrundpixel sind Pixel, die nicht von Wasser, Wolken, urbanen Flächen und Wüsten bedeckt, nicht durch Sun Glint beeinflusst und selbst keine potentiellen Feuerpixel sind. Eine Reihe von statistischen Auswertungen prüft, ob ein potentielles Feuerpixel schlussendlich als Hot Spot Pixel selektiert wird. Weitere Informationen sind in Plank et al. (2017) beschrieben.
Brandflächen (Burnt Area) Pixel werden mittels eines Veränderungsdetektionsansatzes mit einem Prä- und einem Co(Post)-Ereignis anhand der AVHRR Aufnahmen erfasst. Genauer gesagt wird ein wolkenfreies Prä-Ereignisdatenmosaik basierend auf Aufnahmen von bis zu 30 Tagen vor dem Feuerereignis erstellt. Die Brandfläche selbst wird mittels einer Kombination von Indizes abgeleitet. Zur finalen Klassifikation werden automatische Grenzwertermittlungsverfahren eingesetzt. Urbane Flächen, Wüstengebiete und Flächen, die durch Wasser oder Wolken bedeckt sind, werden von der Brandflächenerfassung ausgeschlossen.
Die Ergebnisse des Hot Spot Prozessors wurden mittels simulierten Daten getestet. Des Weiteren wurden die Prozessierungsergebnisse von AVHRR Aufnahmen mit fünf unterschiedlichen Datensätzen validiert: MODIS Hot Spots, visuell bestätigte MODIS Hot Spots, Feuer-Nachrichten-Daten des Europäischen Waldbrand Informationssystems (European Forest Fire Information System – EFFIS), Brandflächenkartierungen des Copernicus Emergency Management Service (EMS) und Daten der Piemont Feuerdatenbank. Für Details siehe Plank et al. (2017). Der Burnt Area-Prozessor wird zurzeit verbessert und weiter automatisiert.
Literatur-Angaben:
Plank, S; Fuchs, E-M; Frey, C (2017) A Fully Automatic Instantaneous Fire Hotspot Detection Processor Based on AVHRR Imagery—A TIMELINE Thematic Processor. Remote Sensing, 9 (1), 30.
Giglio, L.; Kendall, J.D.; Justice, C.O. (1999) Evaluation of global fire detection algorithms using simulated AVHRR infrared data. Int. J. Remote Sens. 20, 1947–1985.