Vahşi yangınlar, en yıkıcı doğal afetler, tehdit edici ekosistemler, insan yaşamları ve dünyadaki tüm ekonomiler arasındadır. yangınları erken algılama ve sıcak yüzeyleri doğru bir şekilde takip etme yeteneği - son iki on yılda, termal kızılötesi uzaktan algılama, vahşi yangın izleme için güçlü bir araç olarak ortaya çıktı, görünür ışık ve radar sistemleri tek başına eşleştiremez.Köpürücük algılayıcılar ve sıcak yüzeyler tarafından ısıtılır - hatta daha kalın dumanlar aracılığıyla bile - daha da devam eden veriler, gerçek zamanlı izleme için vazgeçilmez olan verileri sağlar.Bu makale, daha fazla analiz eder.

Termal Uzak Sensing Temelleri

Termal kızılötesi uzaktan algılama, elektromanyetik radyasyonun spektrumun termal kısmındaki algılamasına, genellikle 3 ve 14 mikrometre arasında gerçekleşir. Tüm nesneler, mutlak sıfırın üzerindeki ısıtılışın ve 800-1200 K'nin sıcaklıklarının yoğunluğuna doğrudan bağlıdır.

Termal Radyasyonun Enables Fire Tespiti Nasıl

Termal kızılötesi sensörler belirli bir atmosfer pencerelerinde radiance ölçmektedir - genellikle 3-5 μm (yoğun aktı) ve 8–14 μm (uzun dalga yüzeyi) - atmosferde absürtün en az olduğu yerde, vahşi yangınlar, onları daha soğuk arka yüzeylerden ayırt etmek için sensörlerin tek büyük avantajıdır.

Anahtar Fiziksel Prensipler

  • [FONT:0] Siyahi radyasyon: [Doltzmann yasası, toplam enerjinin dördüncü sıcaklık gücü ile artış gösterdiğini belirtir. Arka plandan küçük bir yangının sıcaklık farkı güçlü bir termal imza üretebilir.
  • [FONT:0)Emissivity:[Dönetici:[Dönetici:0) Farklı yüzeyler (vejetasyon, toprak, kaya) farklı kanallara sahiptir, ölçülgenleri etkiler, ölçülebilen farklı emissivite hesabı.
  • [FONT:0]A atmosferik pencereler: [Dönetici: [Dönetici: 0] 3-5 μm grubu özellikle sıcak hedefler için hassastır (ateşler), 8-14 μm bandı toprak yüzeyi sıcaklığı için daha iyiyken.

Anahtar Platformlar ve Vahşi Ateş Tespiti için Sensörler

Termal kızılötesi vahşi yangın algılama çeşitli platformlardan yapılır, her biri uzaysal karar, zaman kapsamı ve maliyet açısından farklı avantajlar sunar. Uydu, hava yoluyla ve drone tabanlı sistemler kombinasyonu kapsamlı bir izleme kapasitesi sağlar.

Uydu tabanlı sistemler

Uydular küresel vahşi yangın izlemenin arka kemiğidir. Anahtar sensörler şunları içerir:

  • [Uygunluk:0)MODIS (Moderate Decision Görüntüleme Spectroradiometre)[Dönetici:0) NASA'nın Terra ve Aqua uyduları: 1 km termal kararda her 1-2 gün kapsayan küresel kapsama alanı tespit edildi. MODIS yangın ürünleri, tespit edildi ve enerji tahminleri için yaygın olarak kullanılıyor. (Bakın:2).
  • [Uygun Fotoğraf:0]VIIRS (Visible Photoview Radiometer Suite) Suomi NPP ve NOAA-20 uydularında: Termal gruplarda 375 m karar vermek, MODIS VIIRS'nin uzaysal detayını tespit edebilir ve gece görüntüleme yeteneklerini sağlayabilir. (More atFLT:2).
  • [0]Sentinel-3 SLSTR (Deniz ve Toprak Yüzey Sıcaklık Radyometresi)[DSA'dan 1,4 $) [DSA'dan 500 m çözünürlük ve yüksek radyometrik doğruluk için sağlar. Sentinel-3’in dual-view tasarımı atmosferik bir düzeltme geliştirir. (SeeurFLT:2).
  • [FONT=0)Landsat 8/9 TIRS ( ⁇ Termostat Sensör)[Dönetici: 100 m termal karar verir, ancak 16 günlük bir tekrarlama süresi ile öncelikle yangın değerlendirme ve yakıt haritalama için kullanılır.
  • [FONT:0]GOES (Geostationary Operational Environmental Uydus))[Dönetici 1]: Her 5–15 dakika 2 km termal karar vermek için idealdir. GOES, büyük alanlarda yangın ilerlemeyi izlemek ve hızla büyüyen yangınları tespit etmek için idealdir.

Hava yoluyla ve Drone-Based Systems

Yerel, yüksek hacimli izleme, uçak ve insansız hava araçları (UAVs) için termal kızılötesi kameralarla donatılmış alt metre çözümü sunar. Bu sistemler aşağıdaki rollerde dağıtılır:

  • [FONT:0)Initial saldırı desteği: Drones, zemindeki itfaiyecilere gerçek zamanlı termal video sağlar, noktaları bulmalarına ve rotalardan kaçmasına yardımcı olur.
  • [FONT:0]Night operations: [Dönderler üzerinde ısı kameralar gece gündüz su damlalarına ve hattı inşaatına izin veriyor, etkili ateş dövüşünü uzatıyor.
  • [FONT:0)Öylenilmiş bir yan izleme:[Döntilmiş] Drones, kontrol edilen yanları takip ediyor ve yaygılışları yayıyor, amaçlanan sınırları içinde kalmasını sağlıyor.

Küçük, düşük maliyetli termal sensörler (örneğin, FLIR Boson, DJImuse H20T) birçok yangın departmanları ve ajanslara erişilebilir drone bazlı termal görüntüleme yaptı.

Birden fazla Platform'un entegrasyonu

En etkili vahşi yangın algılama sistemleri, uydulardan, uçaklardan ve zemin tabanlı sensörlerden verileri birleştirir. Örneğin, VIIRS yangın algılama uyarı uyarıları, risk haritaları ve karar destek araçları için bir drone başlatabilirken, GOES görüntüleyicisi büyük görüntü oluşturabilir. Platforms like the big-rajture context. Platforms like the $ 0Australian Fire Danger Rating System).

Data Processing ve Analytics'teki ilerlemeler

Raw termal kızılötesi görüntülenme hemen yangın yönetimi için yararlı değildir; yangın piksellerini çıkarmak, yangın yoğunluğunu tahmin etmek ve yanlış alarmları filtrelemek için işlenmelidir. algoritmaların son gelişmeler bu süreçlerin doğruluğunu ve hızını dramatik bir şekilde geliştirdi.

Geleneksel Thresholding and Contextual Algorithms

En yaygın kullanılan yangın algılama algoritmaları - MODIS Collection 6 algoritma gibi - sabit eşlerin bir kombinasyonunu uygulayın ve bağlamsal testler. A Pixel, 4 μm bandında parlak sıcaklıkları bir eşiği aşıyorsa (örneğin, 310 K) ve 11 μm bandı kullanarak yapılan ekstra testler güneş ısıtılır.

Makine Öğrenme ve Derin Öğrenme Yaklaşımları

Son beş yılda, makine öğrenimi (ML) termal yangın algılamasını değiştirdi. Convolutional sinir ağları (CNNs) büyük veri kümesinde etiketli ateş ve yangın olmayan pikseller özellikle küçük yangınlar ve karmaşık araziler için daha yüksek doğruluk elde edebilir.

  • [FONT:0) DeepFire[[DÜT:1) ve çok-spectral girişleri kullanan benzer modeller (göremez, yakın-infrared, termal) yangın piksellerini% 95'den fazla doğrulukla sınıflandırmak için.
  • [FONT:0)Recurrent sinir ağları (RNNs)), kalıcı sıcak noktaları ayırt etmek için zaman zaman zaman zaman zaman zaman aralığı verileri içeren (örneğin, endüstriyel siteler) geçici yangınlardan.
  • [FONT:0)Transfer learning[[[Dönetici:0) Bir bölgeden en az yeniden eğitim ile başka bir bölgeye kadar uzanan modeller adapte eder.

Bu ML modelleri güneş aksaklığı, sıcak yollar ve gaz alevleri nedeniyle ortaya çıkan yanlış pozitifleri azaltır ve boyutdaki sadece birkaç piksel olan yangınları tespit edebilir - erken tespit için büyük bir gelişme.

Yanlış Olumlu Azaltımı

Sahte alarmlar, termal vahşi yangın algılamasında kalıcı bir sorundur. Ortak kaynaklar şunları içerir:

  • [FONT:0]Sun ısıtılmış kayalar ve çıplak toprak: Ortadan sonra, bunlar 4 μm ve 11 μm bandı karşılaştıran 350 K'yi aşabilir ve yanlış algılamaları tetikleyebilir.
  • [FONT:0)Gas alevler ve endüstriyel yığınlar : Bu kalıcı sıcak noktalar üretmektedir. Makine öğrenme zaman modelleri onları yere ve yeniden kullanılabilirlik kalıplarına dayanarak filtrelemeyi öğrenebilir.
  • [FONT:0)Cloud kenarlar ve güneş kirli[DÜT:1]: Bulut maskeleri ile birlikte, bu hataları azaltır.

Uygulamalar ve Faydaları

Termal kızılötesi vahşi yangın algılamasının pratik faydaları tüm yangın yönetim döngüsü boyunca, kurtarmanın önlenmesinden genişletilebilir.

Erken Tespit ve Hızlı Yanıt

Erken algılama – ideal olarak birkaç dakika içinde ateşleme - 5 dakika içinde bir arabanın boyutunu tespit edebilir, çünkü zemin gözlemcinin mevcut olmadığı uzak alanlarda, uydu tabanlı uyarıların çoğu zaman bir yangının ilk göstergesidir.

Fire Progression İzleme

Bir yangın aktif olduğunda, termal kızılötesi görüntü, olay komutanlarının büyümesini, yoğunluğunu ve yönünü takip etmesine yardımcı olur.Şaplak davranışın ölçümü:0) yangın yönlendirme gücü (FRP)), orta dalga üstü frekans bandından elde edilen GIS ve duman emisyonu ile doğrudan ilişkili.FRP verileri MODIS ve VIIRS'den ateş davranışı modellemek, mesafeleri tahmin etmek ve plan kapsamı hatları içerir.

Post-Fire Değerlendirme ve Kurtarma

Bir yangının bulunduğundan sonra, termal sensörler, konut edilebilir olan canlı sıcak noktaları tespit eder.Köpektif kameralarla donatılmış Ground mürettebatları, fotokoleksiyon ve erozyon kontrolü gibi yangın söndürme çabalarını ölçebilir. Uydu termal görüntüleme ile kontrol edilir.

Çevre ve İklim Araştırması

Acil yangın yönetimi ötesinde, termal kızılötesi veriler uzun vadeli çevresel izleme destekler. Araştırmacılar FRP zaman serisini biyokütlelerden gelen küresel karbon emisyonlarını azaltmak için kullanıyor, atmosfer kompozisyonunda yangınların etkilerini inceler ve hava ile arazi kullanımı arasındaki geri bildirim döngülerini inceler. Örneğin, [[Dörtücükler:0Küresel olarak Yangın Emisyonlar Veritabanı[Dönemli verilerle ısıtılıyor).

Meydanlar ve Sınırlar

Önemli ilerlemeye rağmen, vahşi yangın algılaması için termal kızılötesi uzaktan algılama, etkinliğini kısıtlayan birkaç temel zorlukla karşı karşıyadır.

Atmospheric Interference

Bulut kapak ve kalın duman ısıtabilir veya ısı radyasyonu azaltabilir, yangından sinyal azaltır. Ağır sigara içme suyu ile, en iyi termal algoritma bu sınırlamayı ele almak için aktif bir araştırma alanıdır. Low- level stratocumulus bulutlar da uydu görüşlerini engelleyebilir, izleme boşlukları yaratır. Multi-sensor füzyon - termal radar verileri ile birleştirir (örneğin, sentetik aperture radar) - bu sınırlamayı ele almak için aktif bir araştırma alanıdır.

Spasal ve Temporal Çözüm Ticaret-offs

Tek bir platform hem yüksek uzaysal çözümü hem de yüksek zaman zaman zaman zaman zaman zaman zaman zaman zamansal çözümü sunar ( dakikalar) ancak coarse uzaysal çözümü (~2 km), başlangıçta eksik küçük yangınlar. Polar-orbiting uyduları VIIRS gibi daha iyi bir uzaysal çözümü vardır (375 m) ancak sadece iki günlük olarak gerçekleşir.

Maliyet ve Altyapı

Yüksek performanslı termal sensörler inşa etmek ve çalışmak pahalıdır. Kamu uydu verileri ücretsizdir, uçak bazlı termal sistemler, eğitim görmüş pilotlar, bakım ve veri işleme hatları gerektirir. Yüksek yangın riski olan ülkeler genellikle uydu resepsiyon istasyonları ve internet bant genişliğine erişmek için gerekli olan ihtiyaç duyar. Benzer şekilde, drone tabanlı termal sistemler eğitim görmüş pilotlar, bakım ve veri işleme hatları gerektirir.

Future rotası ve Gelişen Teknolojiler

Sonraki on yıl, termal kızılötesi vahşi yangın algılamasını daha erişilebilir, doğru ve uygulanabilir hale getirecek birkaç dönüştürücü gelişme vaat ediyor.

Hiperspectral Thermal Photo

Mevcut genişbanlı termal sensörler sadece birkaç tane yeraltı bantları ölçer. Hiperspectral termal sensörler (örneğin, NASA'nın ECOSTRESS, önümüzdeki Copernicus CHIME misyonu) onlarca ila yüzlerce dar termal band elde etmek için veri elde edebilir.Bu yüksek ⁇ kararı, yangın ısısının kesin çıkarılmasına ve yanma aşamasına izin verir (örneğin, flaming vs. smoldering).

Küçük Uydu Konsülleri

Gezegen ve Satellogic gibi şirketler, düşük maliyetli küçük uyduların ısı yetenekleri ile takımyıldızlarını başlatıyor. Mevcut küçük dörd:0) Küçük sensörler), düşük Dünya yörüngesinde onlarca uydu kullanarak küresel olarak düşük performansa sahip.

Yapay Zeka ve Tahminsel Modelleme

AI, sadece tespit için değil, tahmin için de kullanılacaktır. Tarihi yangın ve hava verileri üzerinde eğitilmiş Deep learning modelleri önceden havalimanları veya uydu ücretleri üzerinde yangın yayılabilir - diğer gerçek zamanlı akışlarla ısıtacaktır (pi, nem, yakıt nemi) yangın arazisinin dijital ikizine göre, hava sahasında yapılan simülasyonlara yardımcı olan simülasyonlara izin verecek - AI algoritmalarının drone veya uydu ücretleri üzerinde çalıştırılması - saniyeler için geç saatlerde azaltacaktır.

Ground-Based Sensör Ağları

Uzaylı ve hava kaynaklı sistemler, kulelere monte edilen zemin bazlı termal kameralar, Kaliforniya ve Avustralya'daki sürekli yerel izleme sağlayarak yangınları tespit edebilir (daha önce yörüngeden görünürler).

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Termal kızılötesi uzaktan algılama, modern vahşi yangın yönetiminin vazgeçilmez bir bileşeni haline geldi. sensör donanımında ilerlemeler - daha yüksek uzaysal bir çözüm, daha hızlı bir şekilde, veri işlemedeki atılımlarla - özellikle de makine öğreniminin gerçek yangınları dikkate alarak, diğer duyusal verilerle entegrasyonunu sağlar.

Önümüzdeki sefere, daha küçük, daha ucuz ve daha fazla sayıda sensöre yönelik eğilim - hem uzayda hem de zeminde - çılgın yangının sıklığı ve algılanması arasındaki boşluğu dramatik bir şekilde daraltacaktır. Hiperspectral termal sensörler şu anda görünmez olan yangın kimyası ve yoğunluk ayrıntıları ortaya çıkaracaktır. Yapay zeka, ham verileri dikkatli bir şekilde tahminlere dönüştürecektir, yangından önce tahsis edilen bir toplum bileşenidir.