שריפות הן בין האסונות הטבעיים ההרסניים ביותר, מערכות אקולוגיות מאיימות, חיי אדם, וכלכלות שלמות ברחבי העולם.היכולת לזהות שריפות מוקדם ולעקוב אחר התנהגותן באופן מדויק היא קריטית לדיכוי יעיל ולהפחתה של שני העשורים האחרונים, חישה מרחוק תרמית מרחוק התפתחה ככלי חזק למעקב אחר פליטות אינפרא אדום, המציע יכולות שנראה לעין מערכות מכ"ם בלבד לא יכולות להתאים.

יסודות של ה-Thermal Infrared Remote Sensing

החישה מרחוק אינפרא אדום נשען על גילוי קרינה אלקטרומגנטית בחלק התרמית של הספקטרום, בדרך כלל בין 3 ל-14 מיקרומטרים. כל האובייקטים עם טמפרטורה מעל אפס מוחלט פולטים קרינה תרמית, ואת עוצמת ואורך הגל של קרינה זו קשורים ישירות לטמפרטורה של האובייקט, כפי שתואר על ידי חוק פלאנק.

כיצד קרינה תרמית מאפשרת זיהוי אש

חיישני אינפרא אדום בינוני מודדים קרינה בחלונות אטמוספריים ספציפיים - בדרך כלל 3-5 מיקרומטר (mid-wave אינפרא אדום) ו 8-14 μm (גלים ארוכים) אינפרא אדום - שבו ספיגה אטמוספירית היא מינימלית. Wildfires פולטים מאוד בלהקות זיהוי של גלי אולטרה אדום באמצע הגל, המאפשר חיישנים להבחין בהם מפני פני רקע אינפרא אדום בהיר, בניגוד לחיישנים, חום יכול לחדור שטף כי הוא במידה רבה שקוף כדי לראות קרינה תרמית של חום, אפילו יתרון על ידי קרינה כהה, כמו יכולת עשן כהה יותר מאשר יכולת עשן כהה של חום זהה של חום כהה, כמו אפקט זה הוא יתרון על ידי חשיפה של חום של חום של חום כהה יותר מאשר יכולת עשן, כמו גם על ידי חשיפה של חום כהה, כמו גם על ידי חשיפה של חום כהה של חום של חום כהה של חום כהה, כמו אפקט עשן כהה של חום כהה, הוא כהה, הוא כהה של חום כהה, כמו גם על ידי חשיפה של חום כהה של חום כהה, כמו גם על ידי חשיפה של חום כהה של חום של חום כהה של חום כהה של חום כהה, כמו גם על ידי חשיפה של חשיפה של חשיפה של חשיפה של חום כהה של חשיפה של חום של חום כהה של חשיפה של חשיפה של חום כהה של חום

עקרונות פיזיים מרכזיים

  • קרינה שחורה:0 (Blackbody קרינה: FLT:1 לחוק סטפאן-בולצמן קובע כי סך הכל פולט אנרגיה עולה עם הכוח הרביעי של הטמפרטורה.בדל הטמפרטורה של שריפה קטנה מהרקע יכול לייצר חתימה תרמית חזקה.
  • (FLT:0) הרשאות: 1 משטחים שונים (צמחון, אדמה, סלע) יש הרשאות שונות, המשפיעות על הרדיואקטיביות המדוכמת.
  • (FLT:0) חלונות אטמוספריים: 1FLT (ה- 3-5 מיקרומטר) הוא רגיש במיוחד למטרות חמות (אשות), בעוד שהלהקה של 8-14 מיקרומטר טובה יותר לטמפרטורת פני הקרקע.

פלטפורמות מפתח וחיישנים לגילוי שריפות

גילוי האש של אינפרא אדום נעשה ממגוון פלטפורמות, כל אחד מציע יתרונות שונים מבחינת פתרון מרחבי, כיסוי זמני, ועלות.שילוב של לוויין, אווירי, ומערכות מבוססות מזל"טים מספק יכולת ניטור מקיפה.

מערכות מבוססות לוויין

לוויינים הם עמוד השדרה של ניטור שריפות כדור הארץ.חיישנים מרכזיים כוללים:

  • (הופנה מהדף VODIS (החלטה מאמתית ספקטרורדיומטר) 1Felo:0) על לוויינים של נאס"א טרה ואבוי: מספק כיסוי עולמי כל 1-2 ימים ברזולוציה תרמית 1 ק"מ. מוצרי אש של MODIS משמשים נרחב לזיהוי, מיפוי אזור נשרף, ותשתית כוח קורנטיבי (ראה FLT:2ANASDR) 3DISF)
  • (ב) [ה-]0VIIRS (Visible Infrared Imaging Radiometer Suite) ,Fevolveve:1 ב- Suomi NPP ו- NOAA-20 לווייני: מציעה 375 מ"מ בלהקות תרמיות, הכפלת הפרטים המרחביים של MODIS.7RS יכול לזהות שריפות קטנות, קרירות ומספק יכולות הדמיה בשעות הלילה.
  • (הופנה מהדף ESA:0) sentinel 3 SLSTR (Sea and Land Surface טמפרטורה Radiometer) ,Sea and Land Surface טמפרטורה Radiometer) ,ראה מ- ESA: מספק 500 מ"מ עבור זיהוי אש ודיוק רדיומטרי גבוה.
  • (FLT:0Landsat 8/9 TIRS (הערכת ה-Infrared) ;Fillo:1; מציע 100 מ"מ החלטה תרמית אבל עם זמן של 16 ימים בשימוש בעיקר עבור הערכה לאחר שריפה ומיפוי דלק ולא גילוי בזמן אמת.
  • (ב) ⁇ :0 (Geostationary Operational Environmental Satellites)FLT:1: לספק תמונות כל 5-15 דקות ברזולוציה תרמית 2 ק"מ הוא אידיאלי עבור ניטור התקדמות אש על פני אזורים גדולים וגילוי שריפות גדלות במהירות.

מערכות מבוססות על אוויר ואוויר

עבור ניטור מקומי, גבוה, מטוסים וכלי רכב אוויריים בלתי מאוישים (UAVs) מצויד מצלמות אינפרא אדום תרמי מציעים פתרון תת-מטר.

  • תמיכה בהתקפה:0 (FLT:103) Drones לספק וידאו תרמי בזמן אמת למכבי אש על הקרקע, עוזר להם לאתר שריפות במקום ולברח.
  • (ב) פעולות הלילה:0 (RLT:1) מצלמות אורמאליות במסוקים מאפשרות טיפות מים בשעות הלילה ובנייה קו, להאריך את יום האש היעיל.
  • (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

ההתקדמות האחרונה בחיישנים תרמיים קטנים וזולים (למשל, FLIR Boson, DJI Zenmuse H20T) הפכו הדמיה תרמית המבוססת על מזל"טים לנגישה למחלקות וסוכנויות רבות.

שילוב של פלטפורמות מרובות

מערכות זיהוי שריפות בר היעילות ביותר משלבות נתונים מלוויינים, מטוסים, מל"טים וחיישנים המבוססים על הקרקע.לדוגמה, התראה של זיהוי אש של 7RS יכולה לגרום לשיגור רחפנים עבור הערכה מפורטת, בעוד שדימויים של GOES מספקים את ההקשר הגדול.פלטפורמות כמו FLT:0 Australian Fire Rating SystemFLT:1 , משלבים נתונים תרמיים עם מזג אוויר, דלק, לחות וטופוגרפיה כדי לייצר כלי סיכון.

התקדמות בעיבוד נתונים ו- Analytics

תמונות אינפרא אדום גולמי Raw אינו מועיל מיד לניהול אש; יש לעבד אותו כדי לחלץ פיקסלים אש, להעריך את עוצמת האש, ולסינון אזעקות שווא.התקדמות אחרונה באלגוריתמים שיפרה באופן דרמטי את הדיוק והמהירות של תהליכים אלה.

המונחים: mit egorithms

האלגוריתמים הנפוצים ביותר לגילוי אש - כגון אלגוריתם MODIS 6 - ליישם שילוב של סף קבוע ומבחנים קונטקסטואליים. A pixel הוא מוקרן כאש פוטנציאלי אם הטמפרטורה הבהירות שלו ב- 4 מיקרומטר עולה על סף (למשל, 310 K) והוא חם משמעותית מהרקע המקיף.

Machine Learning and Deep Learning Accesss

בחמש השנים האחרונות, למידת מכונה (ML) הפכה את זיהוי האש התרמית.רשתות עצביות מהפכתיות (CNN) שהוכשרו על בסיס נתונים גדולים של אש מתויגת ופיקסלים שאינם באש יכולים להשיג דיוק גבוה יותר מאשר שיטות סף מסורתיות, במיוחד עבור שריפות קטנות והתקדמות שטחית מורכבת כוללים:

  • (FLT:0)DeepFireFLT:1 ומודלים דומים המשתמשים בקלטים רב-ספקטרום (החלקיים, קרוב ל-infrared, תרמי) כדי לסווג פיקסלים עם יותר מ-95% דיוק.
  • (FLT:0) רשתות עצביות חוזרות (RNNs)IRLT:1) המשלבות נתונים רצף זמניים כדי להבחין בין כתמים חמים מתמשכים (למשל, אתרים תעשייתיים) משריפות טרנספורמטיביות.
  • (FLT:0) למידה ממולאת 1) שמתאים מודלים לפני אימון נתונים לוויין מאזור אחד למשנהו עם הכשרה מינימלית, מהירות פריסה גלובלית.

מודלים אלה של ML להפחית את החיובים המזויפים שנגרמו על ידי גליט סולארי, כבישים חמים, התלקחויות גז, ויכולים לזהות שריפות שהן רק כמה פיקסלים בגודל - שיפור משמעותי בגילוי מוקדם.

ניכוי חיובי

אזעקה כוזבת היא בעיה מתמשכת בזיהוי שריפות תרמי.מקורות נפוצים כוללים:

  • (FLT:0) סלעים מחוממים וקרקע חשופה 1 (בקיצור: ב-Afternoon, אלה יכולים לעלות על 350 K ולעורר גילויים כוזבים.אלגוריתמים קונטקסטואליים המשווים את 4 מיקרומטר ו-11 להקות מיקרומטר עוזרים, שכן פני השמש מחוממים יש יחס נמוך יותר מ-4/11 מאשר שריפות פעילות.
  • (FLT:0) התפרצויות של Gas וערימות תעשייתיות: אלה מייצרים כתמים חמים מתמידים.מודלים של למידת מכונות יכולים ללמוד לסנן אותם על בסיס תבניות מיקום והתחדשות.
  • (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

יישומים והטבות

היתרונות המעשיים של זיהוי אש אדומה תרמי מרחיבים את כל מחזור ניהול האש, ממניעה ועד התאוששות.

גילוי מוקדם ותגובה מהירה

גילוי מוקדם - באופן אידיאלי בתוך דקות של ignition - יכול להפחית את גודל האש בכילה על ידי 50-80% בהשוואה לגילוי עיכובים של 30 דקות או יותר.מערכות אינפרא אדום על לווייני גאות (למשל, GOES-16) יכול לזהות את גודל המכונית בתוך 5 דקות. באזורים מרוחקים שבהם אין צופה קרקעי נוכח, התראות המבוססות על לוויינינים הם לעתים קרובות אינדיקציה ראשונה של מטוס תרמילי יכול לספק נתונים מדויקים ושדה.

בדיקת אש

לאחר שריפה פעילה, תמונות אינפרא אדום תרמי עוזר למפקדי אירועים לעקוב אחר הצמיחה, העוצמה והכיוון שלה.מדת ה-FLT:0fire קרינה כוח (FRP) גל 1 - נגזר מהלהקה התת-אדום של אמצע הגל - ישירות מתואם עם קבוצות צריכת דלק ופליטה.FRP מ-MoDIS ו- VIIRS משמשים להתנהגות מודל, לחזות נקודות, מרחקים, וכוללים קווי אש תת-קרקעיים לעתים קרובות על ידי GIS.

פוסט-Fire Assessment and Recovery

לאחר אש הכלול, חיישנים תרמיים לזהות כתמים חמים שיכולים למלוא. אנשי צוות קרקע מצויד מצלמות תרמיות חסויפות יכול לתפוס גמגמים מתפתלים ומערכות שורש המוזנחים על ידי בדיקה חזותית.תמונות תרמיות לוויין עם פתרון מתון (למשל, לנדסאט) משמש כדי להשחית חומרת ולאמוד את התמותה צמחייה, תוך יצירת מאמצי שיקום לאחר אש כגון ראיית ובקרת.

מחקר סביבתי ואקלים

מעבר לניהול אש מיידי, נתונים אינפרא אדום תרמי תומכים ניטור סביבתי ארוך טווח.חוקרים משתמשים ב-FRP זמן סדרה כדי להעריך פליטות פחמן גלובליות משריפת ביומסה, ללמוד את ההשפעות של שריפות על הרכב אטמוספירי, ו-מודל משוב בין אש, אקלים ושימוש קרקע.

אתגרים ומגבלות

למרות התקדמות משמעותית, חשיפה מרחוק אינפרא אדום תרמי לגילוי שריפות עומד בפני כמה אתגרים בסיסיים המגבילים את יעילותו.

קיצור של Atmospheric Interference

כיסוי עננים ועשן עבה יכולים לספוג או לפזר קרינה תרמית, להפחית את האות מהאש.עם זרעי עשן כבדים, אפילו האלגוריתם התרמי הטוב ביותר עשוי להחמיץ את חזית האש מתחת לענני סטרומולוס ברמה נמוכה גם לחסום תצוגות לוויין, יצירת פערים בעקביות. היתוך רב-סנסטור - שילוב תרמי עם נתונים מכ"ם (למשל, מכ"ם סינתטי) הוא אזור מחקר פעיל לכתובת זו.

החלטות פרטיות ופיתוייות

אף פלטפורמה יחידה אינה מספקת פתרון מרחבי גבוה ותדירות גבוהה של temporal revisit תדירות. לוויינים גיאוסטרי מציעים רזולוציה עתירית גבוהה ( דקות) אבל פתרון מרחבי קוהרזה (~2 ק"מ), החסר שריפות קטנות בתחילה.לוויינים קטנים מלוטשים כמו VIIRS יש פתרון מרחבי טוב יותר (375 מ') אבל לעבור רק פעמיים ביום.

עלויות ותשתית

חיישנים תרמיים בעלי ביצועים גבוהים יקרים לבנות ולפעול.בעוד שהנתונים הציבוריים של לווין הם בחינם, התשתית הקרקעית לקבל, תהליך, להפיץ אותו בזמן אמת דורש השקעה משמעותית.פיתוח מדינות עם סיכון גבוה של אש לעתים קרובות חסר תחנות הקבלה לווייני ורוחב אינטרנט צריך לגשת מוצרים תרמיים עדכניים.

כיוונים עתידיים וטכנולוגיות מתפתחות

העשור הבא מבטיח כמה התפתחויות טרנספורמטיביות שיגרמו לגילוי שריפות אינפרא אדום תרמי לנגיש יותר, מדויק ופעולהי.

Hyperspectral Thermal Infrared

חיישנים תרמיים רחבים הנוכחיים מודדים רק כמה להקות ספקטרליות. Hyperspectral חיישנים תרמיים (למשל, ECOSTRESS של נאס"א, משימת הקופרניקוס CHIME) לרכוש נתונים בעשרות עד מאות להקות תרמיות צרות.רזולוציה ספקטרלית זו מאפשרת מיצוי מדויק של טמפרטורה אש, קצבה, שלב של תפלה (למשל, נגד חיזוי מים , יכול גם לזהות תנאים מוקדמים).

קונסולות לוויין קטנות

חברות כמו Planet ו- Satellogic משיקות קבוצות של לווינים קטנים בעלות נמוכה עם יכולות תרמיות.בעוד ש- חיישנים קטנים נוכחיות:0thermal TransformFLT:1 יש ביצועים נמוכים יותר מאשר לווייניים גדולים, המספר הגדול שלהם מאפשר התאמות תכופות (שעה) וכיסוי רחב של קבוצות אש ייעודיות - כגון האש המוצעת - במטרה לזהות כל גודל בתוך 15 דקות באמצעות מסלולים נמוכים ברחבי העולם.

אינטליגנציה מלאכותית ומודלים חיזוי

AI ישמש יותר ויותר לא רק לאיתור, אלא גם עבור חיזוי מודלים למידה עמוקה מאומן על אש היסטורית ונתונים מזג אוויר יכול לצפות כי שריפה התפשטה ושעות אינטנסיביות לימים מראש.אינטגרציה של נתונים תרמיים עם זרמים אחרים בזמן אמת (wind, לחות, לחות דלק) לתוך תאום דיגיטלי של הנוף האש יאפשר סימולציות המסייעות תכנון וחלוקת משאבים. Edge - הפעלת אלגוריתמים AI על רחפנים או מטענים - יפחיתו את הגמישות - כפלות - כפל שניות.

רשתות חיישן מבוססות קרקע

הטמעת חלל מולד ומערכות אוויריות, מצלמות תרמיות המבוססות על הקרקע על מגדלים מספקים ניטור מקומי רציף באזורים בסיכון גבוה.חיישנים אלה יכולים לזהות שריפות בשלבים המוקדמים שלהם - לעתים קרובות לפני שהם גלויים מהכיוון.כאשר הם מחוברים דרך האינטרנט של דברים (IoT), רשת של חיישנים תרמיים מבוססי קרקעיים יכולה ליצור מזהה אש המזהירה מיד קהילות פיילוט בקליפורניה ואוסטרליה כבר מדגימים גישה זו (ראו: LTF: FEEF: 1.RT:1).

מסקנה

החישה מרחוק אינפרא אדום הפך מרכיב חיוני של ניהול שריפות מודרני.מגילוי בקנה מידה פיקסל של מדורה קטנה על ידי לוויין גיאוסטציונרי ניטור רציף של אלפי-חפירה בוער על ידי מל"ט, נתונים תרמיים מספק את אינטליגנציה המבוססת על טמפרטורה כי שום טכנולוגיה רגישה אחרת יכולה להציע.

במבט קדימה, המגמה לעבר חיישנים קטנים יותר, זולים יותר, ועוד רבים - הן בחלל והן על הקרקע - יפחיתו באופן דרמטי את הפער בין ignition וגילוי. Hyperspectral חיישנים תרמיים יחשפו פרטים של כימיה אש ועוצמה שהם בלתי נראים כיום. אינטליגנציה מלאכותית תשנה נתונים גולמיים לתחזיות בלתי ניתנות להפעלה, מה שמאפשר למשאבים להיות מוצבים לפני שריפה הופכת לבלתי ניתנת לעצירה.