В 2014 году по Якутии прокатилась серия лесных пожаров [1], уничтожившая сотни тысяч гектар лесных массивов. Пожары возникали в различных частях региона и динамично прогрессировали, уничтожая значительные площади леса ежедневно. Космические снимки широко использовались при оперативной оценке последствий пожара и текущей ситуации, однако, как правило, процесс дешифрирования требует участия специалиста. Для того, чтобы автоматизировать процесс, сотрудниками Иннотер была разработана модель, которая использует бесплатные космические снимки Landsat-8 и машинное обучение для того, чтобы оперативно регистрировать наличие пожара на снимке и оценивать площадь сгоревших территорий. Результат обработки и общая блок-схема алгоритма представлена на изображении (Рисунок 1).
Рисунок 1. Результат автоматизированной обработки космического снимка Landsat-8 на территорию возгорания в Якутии
Система функционирует следующим образом:
При поступлении нового снимка на район интереса данные автоматически выгружаются на сервер, где в автоматическом режиме проходят процедуры предварительной обработки и оценки качества (при этом используются данные Landsat QA [2])
Далее производится автоматическая классификация с использованием алгоритмов машинного обучения [3]. Территория снимка разбивается на 5 классов:
- Гари (при наличии)
- Цельный лесной покров
- Водные поверхности
- Облачный покров
- Прочая растительность
Затем, при обнаружении гарей, прошедших порог достоверности, их площади оцениваются и предоставляются в качестве геопространственного отчёта с указанием даты, координат и площадей обнаруженных возгораний.
Таким образом, данная система позволяет оперативно (в течение нескольких минут) локализовать участки возгорания и подсчитать их площадь на территории от 30 000 кв.км. и более.
Список литературы:
[1] «Пожары в Якутии в 2014 году,» [В Интернете]. Available: h ttp://yakutiamedia.ru/news/374184/.
[2] «Landsat 8 Pre-Collection Quality Assessment Manual,» [В Интернете]. Available: https://landsat.usgs.gov/qualityband.
[3] «Analysis of Maximum Likelihood Classification on Multispectral Data,» [В Интернете]. Available: http://www.m-hikari.com/ams/ams-2012/ams-129-132-2012/ahmadAMS129-132-20....