ویژگی های آتش سوزی فعال مثبت کاذب برای نظارت بر سوزاندن زیست توده در اندونزی از داده های VIIRS و ویژگی های جغرافیایی محلی

خلاصه

در این مطالعه، ما ویژگی‌های ناهنجاری‌های حرارتی غیر از سوزاندن زیست توده را برای ایجاد نقشه منطقه‌ای از آتش‌سوزی‌های فعال مثبت کاذب برای پشتیبانی از اعتبارسنجی زمینی کارآمد برای آتش‌نشانان بررسی کردیم. ما از فایل ASCII داده های آتش فعال VIIRS (VNP14IMGML) استفاده کردیم که هر ماه از سال ۲۰۱۲ تا ۲۰۲۰ در اندونزی ویژگی های ناهنجاری های حرارتی را ارائه می دهد. ویژگی های ناهنجاری های حرارتی به جز سوزاندن زیست توده با استفاده از مقادیر توان تابشی آتش (FRP)، سطوح اطمینان آتش فعال، مناطق پیکسل آتش، و تخصیص آنها به ویژگی های جغرافیایی دائمی (به عنوان مثال، آتشفشان، رودخانه، دریاچه، خط ساحلی، جاده) مورد بررسی قرار گرفت. ، و مناطق صنعتی/سکونتگاهی). آزمون توکی نشان داد که بین میانگین مقادیر FRP سایر ناهنجاری های حرارتی، نوع ۱ (آتشفشان فعال) تفاوت معنی داری وجود دارد. نوع ۲ (سایر منابع زمین ساکن) و نوع ۳ (تشخیص بر روی آب/دریایی)، در سطح اطمینان ۹۵%. اکثر ناهنجاری های حرارتی به غیر از سوزاندن زیست توده در سطح اطمینان اسمی با مساحت پیکسل آتش ۰٫۲۱ کیلومتر بودند.^۲ . تصاویر فضایی بالا این انواع ناهنجاری های حرارتی را به عنوان موارد مثبت کاذب سوزاندن زیست توده تایید کردند. نقشه منطقه آتش فعال بالقوه مثبت کاذب برای سوزاندن زیست توده در این مطالعه با اشاره به تخصیص ناهنجاری‌های حرارتی از ویژگی‌های جغرافیایی دائمی ایجاد شد. اجرای نقشه منطقه تقریباً ۱۳٪ از آتش سوزی های فعال VIIRS را به عنوان مثبت کاذب سوزاندن زیست توده حذف کرد. بینش های جمع آوری شده از طریق این مطالعه از اعتبارسنجی زمینی کارآمد آتش سوزی های واقعی جنگل/زمین پشتیبانی می کند.

کلید واژه ها:

آتش فعال مثبت کاذب ; VIIRS ; آتش سوزی جنگل/زمین ؛ ناهنجاری حرارتی ؛ آتش سوزی های استوایی

۱٫ معرفی

محصولات آتش فعال مبتنی بر ماهواره، به‌ویژه از حسگرهای با وضوح فضایی پایین مانند طیف‌سنج تصویربرداری با وضوح متوسط (MODIS) روی ماهواره Terra-Aqua و مجموعه رادیومتر تصویربرداری مادون قرمز مرئی (VIIRS) در شرکت ملی مداری قطبی Suomi (SNPP) )، به طور گسترده برای نظارت بر آتش جهانی استفاده شده است [ ۱ ، ۲ ، ۳ ، ۴ ، ۵ ، ۶ ، ۷ ، ۸ ، ۹ ]. اولین الگوریتم برای تشخیص آتش فعال از وضوح فضایی پایین توسط [ ۱۰] برای اندازه‌گیری دمای تابشی طیفی و نقطه کانونی زیرپیکسلی در یک پیکسل یکنواخت، با استفاده از طیف مادون قرمز میانی و مادون قرمز حرارتی از داده‌های رادیومتر با وضوح بسیار بالا پیشرفته (AVHRR). این روش بیشتر از آستانه ثابت به رویکرد زمینه‌ای برای غلبه بر تغییرات پیکسل پس‌زمینه توسعه داده شد و با برخی پیشرفت‌های مربوط به مشخصات حسگر اجرا شد. رویکرد زمینه‌ای در بسیاری از حسگرها پیاده‌سازی شده است و نظارت روزانه معاصر آتش فعال را با استفاده از داده‌های با وضوح فضایی پایین تولید می‌کند، به عنوان مثال MODIS، VIIRS، سیستم ماهواره‌ای محیطی عملیاتی زمین‌ایستا (GOES)، تصویرگر مرئی پیشرفته Meteosat-Spinning و تصویرگر مادون قرمز (MSG) -SEVIRI)، رادیومتر دمای سطح دریا و خشکی Sentinel-3 (SLSTR) و Himawari-8/9 Advance Himawari Imager (AHI) [11 ، ۱۲ ، ۱۳ ، ۱۴ ، ۱۵ ، ۱۶ ، ۱۷ ، ۱۸ ].

داده‌های با وضوح مکانی پایین با قابلیت مشاهده با زمان بازنگری بالا، اطلاعات آتش‌سوزی فعال روزانه را امکان‌پذیر می‌کند که از نظارت روزانه زمینی برای آتش‌نشانان پشتیبانی می‌کند. نظارت زمینی یا اعتبار سنجی اطلاعات آتش فعال به دلیل عواملی مانند غیرقابل دسترس بودن، هزینه بالا و ریسک بالا از نظر ایمنی چالش برانگیز است [ ۱۹ ، ۲۰ ، ۲۱ ]]. آتش نشانان گاهی اوقات با هشدارهای نادرست از اطلاعات آتش فعال در اعتبارسنجی زمینی خود مواجه می شوند. اشیاء دائمی مثبت کاذب در اطلاعات آتش‌سوزی مبتنی بر فضا باید به خوبی مستند شوند تا به آتش‌نشانان اجازه دهند تا به طور مؤثر آتش‌سوزی در مناطق وسیع را تأیید کنند. چنین رویکردی به ویژه در زمینه منابع محدود و مناطق دورافتاده یا توسعه نیافته اهمیت دارد. ارزیابی داده های آتش فعال در مورد ناهنجاری های حرارتی به جز سوزاندن زیست توده توسط [ ۵ ، ۶ ، ۷ ] انجام شده است. با توجه به Coskuner [ ۱ ]، ۷٫۱٪ از نقاط مهم MODIS و ۲۱٫۸٪ از نقاط VIIRS در مناطق شهری / ساخته شده رخ داده است، در حالی که [ ۶ ]] دریافت که ۱٫۲ درصد از خطاهای کارکرد نقاط داغ VIIRS در پشت بام های بازتابنده روشن رخ داده است. داده‌های شبانه همچنین ممکن است منابع گرمایی، مانند آتشفشان‌های فعال، شعله‌های گاز و آسیاب‌های آهن را به‌عنوان نقاط داغ شناسایی کنند [ ۶ ]. در منطقه اندونزی، نتایج مثبت کاذب مربوط به سایر ناهنجاری‌های حرارتی داده‌های آتش‌سوزی فعال VIIRS در زمین‌های باز/زمین برهنه (کمتر از ۵٪)، شعله‌های گاز (۹٪)، و روی اشیاء روشن، مانند مناطق معدن، یافت شد. و پشت بام ساختمان (<5%) [ ۷ ].

اجسام مثبت کاذب دائمی به دلیل شباهت آنها در بازتاب طیفی و دمای روشنایی به اجسامی که در آتش هستند، می توانند دوباره در تشخیص آتش فعال رخ دهند. به جای دمای آتش، توان تابشی آتش (FRP) یک متغیر ضروری برای نمایش انرژی آزاد شده آنی (MW/pixel) از یک پیکسل آتش سوزی است. FRP از تابش باند ۴ میکرومتر تولید می شود. باند ۴ میکرومتر معمولاً در حسگرهای با وضوح فضایی پایین مانند GOES، MSG-SEVIRI، VIIRS، MODIS، AVHRR، SLSTR، AHI، سیستم تشخیص نقطه داغ- آشکارساز مادون قرمز دو طیفی (HSRS-BIRD) و فناوری موجود است. آزمایش حامل-۱ (TET-1). FRP عمدتاً برای بررسی خصوصیات آتش سوزی، رفتار و انتشار استفاده می شود [ ۲۲ ، ۲۳ ، ۲۴ ،۲۵ ، ۲۶ ، ۲۷ ، ۲۸ ، ۲۹ ، ۳۰ ، ۳۱ ، ۳۲ ]. تعداد محدودی مطالعه وجود دارد که تفاوت بین FRP سوزاندن زیست توده و سایر ناهنجاری های حرارتی را بررسی می کند، به ویژه در مناطق گرمسیری، جایی که جو و محیط های معمولی ممکن است تنوع FRP را استنباط کنند.

VIIRS داده های آتش فعال، VNP14IMGML را تولید می کند که انواع نسبت داده شده به ناهنجاری های حرارتی و FRP [ ۳۰ ] را ارائه می دهد. این داده‌ها منبع بالقوه‌ای برای حذف اجسام هشدار کاذب از اطلاعات آتش‌سوزی فعال برای پشتیبانی از نظارت مؤثر سوزاندن زیست توده در میدان هستند. با این حال، دقت اجسام هشدار کاذب در VNP14IMGML باید ارزیابی شود، زیرا ممکن است یک نقطه داغ دائمی در همان منطقه به دلیل پاکسازی سنتی زمین بوسیله آتش سوزی و تخریب تورب در مناطق گرمسیری، که مستعد آتش سوزی در طول خشکسالی است، رخ دهد [ ۳۳ , ۳۴ ، ۳۵]. اهداف این مطالعه عبارتند از (۱) بررسی و ارزیابی ویژگی‌های مثبت کاذب موجود در محصولات آتش‌سوزی فعال از وضوح فضایی پایین (VIIRS) در منطقه اندونزی، (۲) برای ارائه یک نقشه منطقه‌ای از نادرست بالقوه – آتش فعال مثبت بر روی اندونزی بر اساس ویژگی های موجود در سایر ناهنجاری های حرارتی داده های آتش فعال VIIRS، و (۳) برای اجرای نقشه منطقه پیشنهادی برای حذف داده های آتش فعال مثبت کاذب. نقشه برداری از منابع مثبت کاذب سوزاندن زیست توده ممکن است از توسعه یک استراتژی اعتبارسنجی زمینی موثر پشتیبانی کند.

۲٫ مواد و روشها

۲٫۱٫ داده های مورد استفاده در این مطالعه

۲٫۱٫۱٫ VIIRS Active Fire

ما وضوح مکانی پایین محصولات آتش فعال را از VIIRS انتخاب کردیم که به طور گسترده برای نظارت فعال جهانی آتش استفاده می شود [ ۶ ، ۳۰ ]. ابزار VIIRS روی ماهواره SNPP در ۲۸ اکتبر ۲۰۱۱ پرتاب شد و داده های آتش فعال را از ۱۹ ژانویه ۲۰۱۲ تولید کرد [ ۳۰ ]، در حالی که VIIRS روی NOAA-20 در ۱۹ نوامبر ۲۰۱۷ آغاز شد. :۳۰ بعد از ظهر (گره صعودی) و ۱:۳۰ بامداد (گره نزولی). ۲۲ باند طیفی VIIRS از مادون قرمز مرئی، موج کوتاه و مادون قرمز میانی تا مادون قرمز حرارتی در ۳۷۵ متر (باند I) و ۷۵۰ متر (باند M) و باندهای روز و شب اضافی در ۷۵۰ متر متغیر است. الگوریتم آتش فعال VIIRS در [ ۶] بر اساس الگوریتم آتش فعال MODIS با استفاده از روش زمینه ای چند طیفی [ ۱۲ ، ۲۲ ]. باندهای مورد استفاده برای الگوریتم آتش فعال در جدول ۱ فهرست شده است.

آتش فعال Level-2 VIIRS از باند I در ارتفاع ۳۷۵ متری VNP14IMG نامیده شد. VNP14IMGML آتش فعال ASCII داده های VIIRS Level-2 است که به صورت نقاط برداری حاوی مختصات آتش سوزی فعال و انواع ناهنجاری های حرارتی نسبت داده شده، یعنی آتش فرضی زیست توده (نوع-۰)، آتشفشان های فعال (نوع-۱) موجود است. ، سایر منابع زمین ساکن (نوع-۲) و تشخیص فراساحلی از جمله همه تشخیص ها روی آب (نوع-۳). همچنین اطلاعاتی در مورد پارامترهای دیگر، مانند FRP، منطقه پیکسل آتش باند M VIIRS (km2 ⁾ و کلاس اطمینان (۰-۱۰۰٪) ارائه می دهد [ ۶ ]]. داده ها به صورت ماهانه از سرور دانشگاه مریلند (Fuoco.geog.umd.edu) در دسترس قرار گرفت. ما از داده های VNP14IMGML از سال ۲۰۱۲ تا ۲۰۲۱ در اندونزی استفاده کردیم. محاسبه VIIRS FRP بر اساس الگوریتم تابشی فروسرخ میانی (MIR) به شرح زیر است [ ۱۶ ، ۲۷ ]:

اف آر پی = A σ آ τ ۴ (L 4 - L ¯ ¯ ¯ ۴)

(۱)

در جایی که FRP واحد مگاوات است، L _۴ تابش طیفی VIIRS I4 پیکسل آتش است (Wm- ^۲ sr ^-۱μm-^۱ ) ، ${\bar{L}}_{4}$ میانگین درخشندگی پس زمینه است، $A$ مساحت پیکسل VIIRS (m2 )، σ ثابت استفان-بولتزمن است (۵٫۶۷۰۴ × ۱۰-۸ ^W m ^-۲^K – ^۴ )، $τ_{4}$ انتقال اتمسفر کانال طیفی I4 و ثابت تجربی است $a$ می توان بر اساس قانون فیزیک توان تابش و دما (۳٫۲۱۴۶ × ۱۰-۹ ^W m ^-۲ sr ^-۱ μm ^-۱ K- ^۴ ) برای VIIRS [ ۳۶ ] محاسبه کرد. برای تجزیه و تحلیل ناهنجاری های حرارتی آتش فعال VIIRS، مدل ارتفاع دیجیتال از داده های ماموریت توپوگرافی رادار شاتل (DEM-SRTM) – سازمان ملی هوانوردی و فضایی (ناسا) در وضوح فضایی ۳۰ متر برای تجزیه و تحلیل توپوگرافی برای توصیف زمین منظر استفاده شد. برای هر نوع ناهنجاری حرارتی

۲٫۱٫۲٫ تصاویر با وضوح بالا

داده‌های با وضوح بالا از تصاویر Google Earth، ESRI و PlanetScope به‌طور تصادفی برای تأیید هدف آتش‌سوزی‌های مثبت کاذب از آتش فعال VIIRS استفاده شد. کسب همان روز تصاویر با وضوح بالا با داده های VIIRS به طور تصادفی از داده های PlanetScope در وضوح فضایی ۳٫۷ متر انتخاب شد. اگر پوشش ابری مناطق نمونه برداری را مبهم کند، تصاویر منابع با وضوح بالا یکدیگر را تکمیل می کنند.

۲٫۱٫۳٫ داده های پشتیبان جغرافیایی

علاوه بر داده‌های ماهواره‌ای، ما از چند خطوط برداری سیستم اطلاعات جغرافیایی (GIS) مرزهای جزیره‌ها، جاده‌ها، خطوط ساحلی، سکونتگاه‌ها و آب‌ها، از جمله رودخانه‌ها و دریاچه‌ها، از آژانس اطلاعات مکانی اندونزی (BIG) در مقیاس استفاده کردیم. از ۲۵۰۰۰۰ متر منتشر شده در سال ۲۰۲۱٫ نقاط بردار GIS آتشفشان ها از مرکز آتشفشان شناسی و کاهش خطر زمین شناسی اندونزی (PVMBG) [ ۳۷] نیز در این مطالعه استفاده شد. این داده‌های GIS برای تجزیه و تحلیل تخصیص تقریبی سایر ناهنجاری‌های حرارتی داده‌های VNP14IMGML نسبت به ویژگی‌های جغرافیایی طبیعی دائمی (رودخانه‌ها، دریاچه‌ها، آتشفشان‌ها) و ویژگی‌های تولیدی (جاده‌ها و سکونتگاه‌ها) استفاده شد. به غیر از آن، ما از نقشه ملی تورب زمین که از وزارت کشاورزی اندونزی تهیه شده است استفاده کردیم.

۲٫۲٫ روش شناسی

انباشت ماهانه داده های VNP14IMGML از سال ۲۰۱۲ تا ۲۰۲۰، که در قالب داده های نقطه برداری هستند، بر روی نقشه مدیریت سیستم اطلاعات جغرافیایی اندونزی از آژانس اطلاعات مکانی اندونزی (BIG) بریده شد و برای منطقه اندونزی ادغام شد. داده‌های آتش‌سوزی فعال ترکیبی بر اساس انواع ناهنجاری حرارتی، یعنی نوع ۰ به عنوان سوزاندن زیست توده فرضی، نوع ۱ به عنوان آتشفشان فعال، نوع ۲ به عنوان سایر منابع خشکی ساکن و نوع ۳ به عنوان فراساحل دسته‌بندی شدند. تشخیص و تمام تشخیص از روی آب. برای هر نوع ناهنجاری حرارتی VNP14IMGML، مقادیر آماری FRP (به مگاوات) را محاسبه کردیم، مقدار هر نوع ناهنجاری حرارتی را بر اساس کلاس سطح اطمینان شمارش کردیم، و میانگین اندازه آتش ذخیره شده در پارامتر نسبت داده شده به داده های VNP14IMGML.

ما فرضیه میانگین FRP را برای هر نوع ناهنجاری حرارتی با آزمون Tukey آزمایش کردیم تا بررسی کنیم که آیا آنها در سطح اطمینان ۹۵٪ تفاوت معنی داری دارند یا خیر. آزمون توکی میانگین هر نوع ناهنجاری حرارتی VNP14IMGML را مقایسه کرد، که به طور همزمان با همه مقایسه‌های زوجی انجام شد [ ۳۸ ، ۳۹]. تجزیه و تحلیل بافر محلول فضایی در فاصله ۱ کیلومتری برای هر یک از داده های ادغام شده از نوع ۱، نوع ۲، و نوع ۳ برای تخصیص داده های نقاط در یک منطقه خوشه ای اعمال شد. برای هر نوع ناهنجاری حرارتی، نقاط VNP14IMGML واقع در همان بافر خوشه‌ای برای هویت کد یکسان طبقه‌بندی شدند. اشیاء ناهنجاری حرارتی بر روی بافرهای خوشه ای انتخاب شده با استفاده از نمونه گیری تصادفی طبقه بندی شده اعتبارسنجی شدند. ما از تصاویر با وضوح بالا، یعنی داده‌های Google Earth، ESRI و PlanetScope برای اعتبارسنجی اشیاء دقیق در نوع ۱، نوع ۲ و نوع ۳ استفاده کردیم.

ویژگی های دیگر ناهنجاری های حرارتی در نوع ۱، نوع ۲ و نوع ۳ در مقایسه با ویژگی های جغرافیایی طبیعی دائمی (یعنی آتشفشان، رودخانه، دریاچه و خط ساحلی) و ویژگی های دائمی ساخته شده، یعنی جاده و مناطق استقرار، مورد تجزیه و تحلیل قرار گرفت. ما از تحلیل فاصله نزدیک با استفاده از پلت فرم GIS [ ۴۰] برای تقریب فاصله بین نقاط نوع ۱ تا داده های نقطه بردار آتشفشان GIS و فاصله بین نقاط نوع ۲ و نوع ۳ تا GIS داده های رودخانه، دریاچه، ساحل، جاده و سکونتگاه. علاوه بر این، تقریب چشم انداز زمین بر اساس مقادیر میانگین DEM-SRTM برای هر نوع ناهنجاری حرارتی محاسبه شد. ما همچنین از نقشه پیت لند برای تجزیه و تحلیل موقعیت غالب ناهنجاری حرارتی نوع ۲ و نوع ۳ مربوط به مناطق تورب‌زار، به ویژه در جزایر کالیمانتان، سوماترا و پاپوآ استفاده کردیم [ ۴۱ ، ۴۲ ].

برای تجزیه و تحلیل دقیق ویژگی های آتش فعال مثبت کاذب در مناطق محلی، ما هشت جزیره منطقه ای را بر فراز اندونزی ترتیب دادیم. آنها سوماترا، کالیمانتان، سولاوسی، مالوکو، پاپوآ، بالی و غرب نوسا تنگگارا، نوسا تنگگارا شرقی و جاوا هستند. تجزیه و تحلیل فاصله نزدیک بین مکان‌های ناهنجاری حرارتی (نوع ۱، نوع ۲ و نوع ۳) تا ویژگی‌های جغرافیایی دائمی در هر جزیره منطقه‌ای انجام شد. مقادیر میانه فاصله نزدیک برای هر نوع ناهنجاری حرارتی در هر جزیره منطقه ای استخراج شد. ما مقادیر میانه فاصله نزدیک حاصل از هر جزیره را برای اجرای بافرهای حلقه ای متعدد در اطراف ویژگی های جغرافیایی دائمی (آتشفشان ها، جاده ها، مناطق سکونتگاهی، بدنه های آبی و خطوط ساحلی) اعمال کردیم.

ما نقشه منطقه را برای حذف داده‌های آتش فعال مثبت کاذب برای سال ۲۰۲۱ به کار بردیم. برای اعتبارسنجی، ۳۰٪ از کل داده‌های مثبت کاذب را با انتخاب تصادفی طبقه‌بندی‌شده انتخاب کردیم، سپس آنها را روی تصاویر فضایی بالا قرار دادیم تا شی جزئیات آنها را بررسی کنیم. دقت کلی بر اساس ماتریس خطا [ ۴۳ ، ۴۴ ، ۴۵ ] محاسبه شد. ماتریس خطا به طور گسترده ای برای ارزیابی دقت طبقه بندی ها در بسیاری از کاربردهای سنجش از دور استفاده شده است [ ۴۶,۴۷,۴۸]. داده های مرجع، تصاویر فضایی بالا هستند که می توانند درست یا نادرست را برای داده های مثبت کاذب تأیید کنند. ما انتظار داشتیم که تمام داده‌های آتش فعال در سال ۲۰۲۱ که به عنوان داده‌های مثبت کاذب طبقه‌بندی شده‌اند، درست به عنوان آتش فعال مثبت کاذب یا ۱۰۰ درصد دقت باشند. در این مطالعه، ما دقت کاربر را با تقسیم تعداد کل نقاط صحیح به عنوان آتش فعال مثبت کاذب بر تعداد کل نقاطی که توسط نقشه منطقه به عنوان مثبت کاذب طبقه بندی شده بودند، تخمین زدیم. نمودار جریان پردازش داده ها و تجزیه و تحلیل VNP14IMGML برای دستیابی به اهداف این مطالعه در شکل ۱ نشان داده شده است .

۳٫ نتایج

۳٫۱٫ ویژگی های ناهنجاری های حرارتی غیر از آتش زیست توده

۱,۷۸۳,۶۲۳ نقطه آتش فعال از سال ۲۰۱۲ تا ۲۰۲۰ در منطقه اندونزی وجود داشت که شامل ۹۵٪ از نوع ۰ برای سوزاندن فرضی زیست توده، ۱٫۲٪ (۲۱,۸۹۳ نقطه) نوع ۱ به عنوان آتشفشان های فعال، ۱٫۴۸٪ (۲۴,۲) بود. ) از نوع ۲ برای سایر منابع زمین ساکن، و ۲٫۵٪ (۴۵۴۵۲ امتیاز) از نوع ۳ برای تشخیص/تشخیص فراساحلی بر روی آب. جدول ۲آمار FRP، درصد کلاس سطح اطمینان و میانگین اندازه آتش را برای هر نوع ناهنجاری حرارتی نشان می دهد. آزمون Tukey که مقادیر میانگین FRP را برای هر نوع ناهنجاری حرارتی بررسی می کند، تفاوت معنی داری بین FRP نوع ۰ و FRP نوع ۱ در سطح اطمینان ۹۵ درصد نشان نداد. در همین حال، تفاوت معنی داری بین مقادیر FRP نوع ۱، FRP نوع ۲ و FRP نوع ۳ وجود داشت. اکثر ناهنجاری های حرارتی عمدتاً (۹۰٪) در سطح اطمینان اسمی بودند، با میانگین اندازه آتش تقریباً ۰٫۲ کیلومتر ^مربع .

تجزیه و تحلیل بافر خوشه ای سایر ناهنجاری های حرارتی (نوع ۱ تا نوع ۳) منجر به ۳۳ بافر خوشه ای از نوع ۱ (آتشفشان فعال) از ۲۱۸۹۳ نقطه، ۱۵۶ بافر خوشه ای نوع ۲ (سایر منابع زمین ساکن) از ۲۴۲۸۸ نقطه شد. و ۶۰۰۳ بافر خوشه ای از نوع ۳ (تشخیص فراساحل/آب) از ۴۳۸۴۹ نقطه. توزیع فضایی ناهنجاری های حرارتی، به غیر از سوزاندن زیست توده، در شکل ۲ نشان داده شده است. آتشفشان های فعال در مثلث سبز در سراسر جزیره سوماترا، جزیره جاوا، جزایر بالی و نوسا تنگگارا، سولاوسی شمالی و جزیره هالماهرا پراکنده شده اند ( شکل ۲ ). تمام ۳۳ خوشه نوع ۱ در ۱۰۰٪ از ۳۳ آتشفشان با استفاده از تصاویر با وضوح بالا از ESRI، Google Earth یا PlanetScope تأیید شدند. شکل ۲ناهنجاری حرارتی نوع ۲ (نقاط زرد) اختصاص داده شده به سوماترا، کالیمانتان، جاوا، سولاوسی، مالوکو و پاپوآ را نشان می دهد. هیچ یک از آنها در جزایر بالی و نوسا تنگگارا یافت نشد. توزیع فضایی ناهنجاری حرارتی نوع ۳، نشان داده شده توسط نقاط قرمز، به طور کلی به دنبال خطوط رودخانه اصلی در کالیمانتان و سوماترا یا خطوط ساحلی در اکثر جزایر اندونزی است. نمونه هایی از تصویر بزرگ شده از توزیع ناهنجاری حرارتی نوع ۳ در کالیمانتان شرقی و جزیره نوسا تنگگارا غربی نشان داده شد.

اعتبار سنجی نقاط نمونه گیری تصادفی ناهنجاری حرارتی نوع ۲ با استفاده از تصاویر با وضوح بالا شش شی غالب را برای نوع ۲ نشان داد ( شکل ۳آ). بیشترین میزان داده‌های نوع ۲ در منطقه صنعتی و معدنی (۵۱۰۷ نقطه یا ۴۳%)، پس از آن منطقه پشت بام‌های صنعتی (۲۹۲۶ نقطه یا ۲۴%)، مناطق معدن باز (۲۱۰۰ نقطه یا ۱۷%)، مناطق مشعل گاز یافت شد. (۱۶۴۱ نقطه یا ۱۴ درصد)، مناطق کشاورزی دارای مالچ (۱۵۴ نقطه یا ۱ درصد) و مناطق صنعتی دارای دودکش (۴۰ نقطه یا ۰٫۳ درصد). بیشتر ناهنجاری های حرارتی در ایستگاه های مشعل گاز در سوماترا و کمتر در کالیمانتان و سولاوسی وجود دارد. ناهنجاری های حرارتی در مناطق معدن باز در کالیمانتان، سوماترا، جاوا و مالوکو یافت شد. آلارم های کاذب از پشت بام ساختمان های صنعتی در اکثر جزایر بزرگ اندونزی، یعنی جاوه، سوماترا، کالیمانتان، سولاوسی و پاپوآ پخش شد. منطقه معدن صنعتی که به عنوان هشدار کاذب طبقه بندی می شود. معمولاً یک ساختمان صنعتی با یک منطقه معدنی روباز بزرگ است که عمدتاً در جزایر بزرگ اندونزی واقع شده است. برای ناهنجاری حرارتی دیگر، نوع ۳، بافرهای خوشه‌ای را بر اساس نمونه‌گیری تصادفی طبقه‌بندی شده برای ۵۰۰ خوشه در منطقه اندونزی انتخاب کردیم تا با تصاویر با وضوح بالا تأیید شوند. ما دریافتیم که بیشتر نوع ۳ (۷۳٪) در زمین های باز در منطقه ساحلی اطراف و بدنه های آبی (رودخانه ها و دریاچه ها) رخ داده است. سایر تشخیص های نادرست نوع ۳ (تقریباً ۲۴٪) در فراساحل، بدنه های آبی و مناطق ساحلی رخ داده است. اشیاء جزئی (۲٪) شامل مناطق معدن، جاده ها، پشت بام های روشن، آتشفشان ها، و شعله های گاز بود. ما بافرهای خوشه‌ای را بر اساس نمونه‌گیری تصادفی طبقه‌ای برای ۵۰۰ خوشه در منطقه اندونزی انتخاب کردیم تا با تصاویر با وضوح بالا تأیید شوند. ما دریافتیم که بیشتر نوع ۳ (۷۳٪) در زمین های باز در منطقه ساحلی اطراف و بدنه های آبی (رودخانه ها و دریاچه ها) رخ داده است. سایر تشخیص های نادرست نوع ۳ (تقریباً ۲۴٪) در فراساحل، بدنه های آبی و مناطق ساحلی رخ داده است. اشیاء جزئی (۲٪) شامل مناطق معدن، جاده ها، پشت بام های روشن، آتشفشان ها، و شعله های گاز بود. ما بافرهای خوشه‌ای را بر اساس نمونه‌گیری تصادفی طبقه‌ای برای ۵۰۰ خوشه در منطقه اندونزی انتخاب کردیم تا با تصاویر با وضوح بالا تأیید شوند. ما دریافتیم که بیشتر نوع ۳ (۷۳٪) در زمین های باز در منطقه ساحلی اطراف و بدنه های آبی (رودخانه ها و دریاچه ها) رخ داده است. سایر تشخیص های نادرست نوع ۳ (تقریباً ۲۴٪) در فراساحل، بدنه های آبی و مناطق ساحلی رخ داده است. اشیاء جزئی (۲٪) شامل مناطق معدن، جاده ها، پشت بام های روشن، آتشفشان ها، و شعله های گاز بود.

شکل ۳ ب نشان می دهد که بیشتر داده های نوع ۲ و نوع ۳ در مناطق غیر تورب بودند. داده‌های نوع ۲ تقریباً ۹۹٪ (کالیمانتان)، ۶۴٪ (سوماترا) و ۸۷٪ (پاپوآ) در مناطق غیر تورب بود، در حالی که داده‌های نوع ۳ ۸۱٪ (کالیمانتان)، ۶۷٪ (سوماترا) و ۸۲٪ (پاپوآ) در غیر تورب زمین.

تجزیه و تحلیل فاصله نزدیک برای بررسی ویژگی های دیگر توزیع های ناهنجاری حرارتی بر اساس ویژگی های جغرافیایی استفاده شد ( شکل ۴ ). شکل ۴ a فاصله نزدیک ناهنجاری حرارتی نوع ۱ را تا نقاط آتشفشانی GIS نشان می دهد که عمدتاً در نزدیکی نقاط آتشفشانی در حدود ۴۴۶ متر (متوسط) و ۳۷۱ متر (میانگین) قرار دارند. از هیستوگرام در شکل ۴ b,c، داده های نوع ۲ با موقعیت بدنه های آبی و خطوط ساحلی مرتبط نبودند. بیشتر نوع ۲ دور از توده های آبی و خطوط ساحلی با فاصله متوسط به ترتیب ۵ کیلومتر و ۳۴ کیلومتر یافت شدند. با این حال، ما دریافتیم که نوع ۲ با مناطق استقرار ( شکل ۴ د) و خطوط جاده ( شکل ۴) مرتبط است.ه) با فواصل میانه تقریباً ۶۴۲ متر و ۱۱۲ متر به ترتیب. شکل ۴ f نشان می دهد که داده های نوع ۳ با توده های آبی و موقعیت های خط ساحلی در فاصله ۳۶۶ متری (مقدار متوسط) مرتبط هستند. از نظر توپوگرافی از DEM-SRTM، داده های نوع ۱ به عنوان ناهنجاری حرارتی در آتشفشان های فعال با زمین های مرتفع، تقریباً ۱۹۴۲ متر بالاتر از سطح دریا مرتبط است ( شکل ۴ g). در همین حال، داده‌های نوع ۲ به طور تصادفی در مناظر کم ارتفاع کمتر از ۱۰۰ متر و زمین‌های مرتفع کمتر از ۷۰۰ متر وجود دارد ( شکل ۴ ساعت). داده های نوع ۳ عمدتاً در مناطق پست در ۱۰۴ متر بالاتر از سطح دریا قرار دارند ( شکل ۴ i).

برخی از نمونه‌های دیگر ناهنجاری‌های حرارتی سوزاندن زیست‌توده از داده‌های VNP14IMGML (نوع-۱، نوع-۲ و نوع-۳) که روی تصاویر با وضوح فضایی بالا پوشانده شده‌اند، در شکل ۵ نشان داده شده‌اند . بیشتر ناهنجاری های حرارتی اجسام داغ دائمی مانند آتشفشان های فعال، مناطق صنعتی با پشت بام ها و دودکش های روشن، مناطق معدن باز و شعله های گاز صنعتی هستند. در همین حال، تشخیص کاذب بر روی آب یا زمین های فراساحلی و باز نزدیک به مناطق ساحلی ممکن است به تغییرات دمای سطح محلی و تأثیر نور خورشید بستگی داشته باشد. با این حال، تشخیص این اجسام را می توان به عنوان موارد مثبت کاذب برای سوزاندن زیست توده طبقه بندی کرد، زیرا هیچ منطقه پوشش گیاهی روی این اجسام وجود ندارد.

۳٫۲٫ نقشه منطقه ای آتش سوزی های فعال مثبت کاذب برای سوزاندن زیست توده

جدول ۳تجزیه و تحلیل دقیق فاصله نزدیک بین مکان های ناهنجاری های حرارتی (نوع-۱، نوع-۲، نوع-۳) و ویژگی های جغرافیایی دائمی (آتش فشان ها، جاده ها، سکونتگاه ها، بدنه های آبی و خطوط ساحلی) بر اساس هشت جزیره منطقه ای را نشان می دهد. داده های نوع ۱ در شش جزیره منطقه ای (سوماترا، سولاوسی، مالوکو، جاوه، بالی و غرب نوسا تنگگارا، و نوسا تنگگارا شرقی) یافت شد که عمدتاً در فاصله ۲۳۳ متری تا ۴۱۱ متری از نقطه آتشفشان قرار دارد. هیچ داده نوع ۱ در کالیمانتان و پاپوآ وجود ندارد زیرا هیچ آتشفشانی در آن جزایر وجود ندارد. ما دریافتیم که داده‌های نوع ۲ در شش جزیره منطقه‌ای به جز جزایر بالی و Nusa Tenggara وجود دارد. فاصله نزدیک نوع ۲ تا جاده و مناطق سکونتگاهی در جزیره جاوا بسیار قابل توجه است. سایر داده‌های نوع ۲ که در کالیمانتان، سوماترا، سولاوسی قرار داشتند، و پاپوآ در مجاورت جاده ها به جز در مالوکو وجود داشت. در Maluku، ما همچنین دریافتیم که داده‌های نوع ۲ از مناطق سکونتگاهی دور هستند (۹۸۱۵ متر). مکان داده های نوع ۲ در سوماترا و کالیمانتان نیز بسیار دور از مناطق سکونتگاهی (۲۲۳۳ متر و ۳۴۳۶ متر) یافت می شود. در همین حال، فاصله نزدیک داده های نوع ۳ تا توده های آبی و خطوط ساحلی تقریباً ۱۹۴ متر تا ۴۶۳ متر است.

به دنبال نتایج نشان داده شده در جدول ۳ ، تجزیه و تحلیل دقیقی برای بررسی داده های نوع ۲ در کالیمانتان و سوماترا مربوط به مناطق سکونتگاهی، و داده های نوع ۲ در Maluku مربوط به جاده ها و سکونتگاه ها انجام شد. شکل ۶ a توزیع هیستوگرام فاصله نزدیک نوع ۲ تا مناطق استقرار در کالیمانتان و سوماترا را نشان می دهد، که نشان می دهد بیشترین فراوانی داده های نوع ۲ در مجاورت مناطق سکونتگاهی اختصاص داده شده است. با این حال، داده ها نیز به فواصل مختلف به دنبال ویژگی های استقرار موجود گسترش یافته است. شکل ۶a همچنین نشان می دهد که دو ناحیه هیستوگرام (c و d) از فاصله نزدیک داده های نوع ۲ تا مناطق جاده و استقرار در Maluku وجود دارد. هیستوگرام اول (c) نشان داد که نزدیکترین منطقه استقرار تقریباً ۲۰۰۰ متر از داده های نوع ۲ است، در حالی که هیستوگرام دوم (d) تقریباً ۱۰۰۰۰ متر فاصله دارد. این وضعیت ممکن است به عدم وجود ویژگی های حل و فصل موجود از داده های GIS در نزدیکی داده های نوع ۲ اشاره داشته باشد. در همین حال، هیستوگرام اول (c) تخصیص قابل توجهی از داده‌های نوع ۲ را به خطوط جاده در Maluku نشان می‌دهد، اما هیستوگرام دوم (d) نشان می‌دهد که هیچ ویژگی جاده‌ای در نزدیکی داده‌های نوع ۲ وجود ندارد. در تصویر فضایی داده‌های نوع ۲ در Maluku که در شکل ۶ b نشان داده شده است، هر دو منطقه c و d در منطقه ساحلی قرار دارند. شکل ۶c تصویر فضایی هیستوگرام فاصله نزدیک نوع ۲ را در منطقه c نشان می دهد که اهمیت بالایی را با ویژگی های جاده (خطوط سفید) نشان می دهد، در حالی که در شکل ۶ d، هیچ داده ویژگی جغرافیایی GIS در منطقه نشان داده نشده است. . این محدودیت داده های GIS برای نمایش ویژگی های جغرافیایی به روز است.

بر اساس نتایج مقادیر میانه فاصله نزدیک داده های نوع ۱، نوع ۲ و نوع ۳ تا ویژگی های جغرافیایی در هر منطقه جزیره، ما یک نقشه منطقه ای از پتانسیل مثبت کاذب برای سوزاندن زیست توده ایجاد کردیم. منطقه اندونزی ( شکل ۷ ). ما از مقادیر فاصله بافر از ویژگی های جغرافیایی فهرست شده در جدول ۳ استفاده کردیم ، به جز فاصله مناطق سکونتگاهی در کالیمانتان و سوماترا با استفاده از مقادیر چندک اول، یعنی ۰ متر (کالیمانتان) و ۷۸ متر (سوماترا). برای Maluku، ما فاصله نوع ۲ تا جاده و مناطق سکونتگاهی در Maluku را حذف کردیم و از فاصله نوع ۳ تا مناطق آبی و خطوط ساحلی استفاده کردیم. شکل ۷نشان می دهد که اکثر آتش سوزی های فعال مثبت کاذب برای سوزاندن زیست توده در جزیره جاوا وجود دارد. جزیره جاوا پرجمعیت ترین جزیره اندونزی است که نسبت به سایر جزایر مانند سوماترا، کالیمانتان، سولاوسی و پاپوآ، زیست توده کمتری دارد.

ما نقشه منطقه ذکر شده در بالا را برای حذف موارد مثبت کاذب از داده های آتش فعال VIIRS برای سال ۲۰۲۱ اعمال کردیم. در سال ۲۰۲۱، ۵۴۴۱۱ آتش سوزی فعال VIIRS در منطقه اندونزی وجود داشت. پس از اجرای نقشه منطقه، آتش‌سوزی‌های فعال VIIRS 47272 مورد (۸۷%) بودند، در حالی که آتش‌سوزی‌های فعال مثبت کاذب تقریباً ۷۱۳۹ (۱۳%) بودند. شکل ۸ نشان می دهد که آتش سوزی های فعال مثبت کاذب در سال ۲۰۲۱ نسبتاً کمتر از میانگین آتش فعال مثبت کاذب در دوره ۲۰۱۲ تا ۲۰۲۰ بوده است.

ما آتش‌سوزی‌های فعال مثبت منتخب را در حدود ۳۰ درصد (۲۱۴۲ امتیاز) از داده‌های مثبت کاذب که به‌طور تصادفی در منطقه اندونزی توزیع شده بودند، تأیید کردیم. اعتبارسنجی با استفاده از تصاویر فضایی بالا (تصاویر PlanetScope و Google Earth) برای تأیید اشیاء واقعی در نقاط انتخاب شده انجام شد. ما درستی داده های مثبت کاذب را در ۲۰۷۴ نقطه یافتیم در حالی که ۶۸ نقطه مربوط به آتش سوزی های واقعی بود که توسط ویژگی های دود منتشر شده از زمین در تصاویر PlanetScope تأیید شد. در این مورد، دقت کاربر حریق‌های فعال مثبت کاذب در سال ۲۰۲۱ طبقه‌بندی شده توسط نقشه منطقه آتش‌سوزی فعال بالقوه مثبت کاذب ۹۷ درصد بود.

۴٫ بحث

در این مطالعه، ویژگی‌های آتش‌سوزی‌های مثبت کاذب با استفاده از مقادیر FRP، سطح اطمینان، مساحت پیکسل آتش و تخصیص آنها به ویژگی‌های جغرافیایی دائمی بررسی شد. براساس مقادیر FRP، تفاوت معنی‌داری در مقادیر میانگین بین ناهنجاری‌های حرارتی نوع ۱ (آتشفشان‌های فعال)، نوع ۲ (سایر منابع زمین ساکن) و نوع ۳ (منابع دریایی و آب) در سطح اطمینان یافتیم. از ۹۵ درصد گروه ناهنجاری حرارتی نوع ۱ تفاوت آماری با گروه ناهنجاری حرارتی نوع ۰ (سوختن زیست توده) نداشت. با این حال، ما دریافتیم که حداکثر FRP برای ناهنجاری حرارتی نوع ۱ (۵۲۸ مگاوات) کمتر از FRP برای ناهنجاری حرارتی نوع ۰ (۹۹۱ مگاوات) بود. میانگین FRP ناهنجاری حرارتی نوع ۱ و نوع ۰ به ترتیب تقریباً ۶/۸ مگاوات و ۸/۸ مگاوات بود. در همین حال، FRP برای ناهنجاری حرارتی نوع ۲ و نوع ۳ به ترتیب تقریباً ۵٫۸ مگاوات و ۷٫۱ مگاوات بود. استفاده از VIIRS FRP برای نظارت بر فوران های آتشفشانی و شناسایی منابع گرمای صنعتی نیز توسط [.۴۹ ، ۵۰ ، ۵۱ ، ۵۲ ]. حداقل FRP شناسایی شده برای سایر ناهنجاری های حرارتی ۰٫۱ مگاوات بود، مشابه [ ۳۶ ]، که بیان می کرد VIIRS می تواند ناهنجاری های حرارتی پایین کمتر از ۰٫۵ مگاوات را تشخیص دهد. علاوه بر این، ما دریافتیم که بیش از ۹۰٪ از انواع ناهنجاری های حرارتی آتش سوزی های فعال VIIRS، از جمله سوزاندن زیست توده، در سطح اطمینان اسمی برای آتش سوزی های فعال بودند. آتش‌های فعال با سطح اطمینان بالا و پایین کمتر از ۱۰ درصد بود. مناطق پیکسل آتش عمدتاً بین ۰٫۲۱ کیلومتر مربع ^بودند. این ویژگی‌های فیزیکی آتش‌سوزی‌های فعال در اندونزی به احتمال زیاد توسط آب و هوا و محیط اندونزی و فعالیت‌های سنتی کشاورزان محلی که برای آماده‌سازی کاشت آتش‌سوزی کوچک انجام می‌دهند، به تصویر کشیده شده است. آب و هوای معمولی با سرعت باد کم، اتمسفر مرطوب، و چشم انداز معمولی تورب زمین و جنگل های بارانی به عنوان زیستگاه آتش سوزی های اندونزی ممکن است بر ماهیت آتش سوزی های اندونزی تأثیر بگذارد.

اعتبارسنجی برای ناهنجاری حرارتی نوع ۱ ارزیابی شد و مشخص شد که ۱۰۰٪ با آتشفشان‌های فعال مرتبط است. هیچ داده نوع ۱ در کالیمانتان و پاپوآ وجود ندارد. اگرچه ۱۲۷ آتشفشان در اندونزی وجود دارد [ ۳۷ ]، تنها ۳۳ آتشفشان توسط VIIRS از سال ۲۰۱۲ تا ۲۰۲۰ شناسایی شد. در همین حال، ناهنجاری حرارتی نوع ۲ عمدتاً در جزایر بزرگ اندونزی (کالیمانتان، سوماترا، سولاوسی، جاوا و پاپوآ). ما هیچ داده نوع ۲ در جزایر بالی و نوسا تنگگارا پیدا نکردیم. داده‌های نوع ۲ شامل شش شی غالب بود که با تصاویر با وضوح بالا شناسایی می‌شدند: مناطق صنعتی و معدنی، پشت بام‌های صنعتی، مناطق معدنی باز، مشعل‌های گاز، کشاورزی با مالچ، و مناطق صنعتی با دودکش. در مطالعات قبلی، این ویژگی ها در آتش سوزی های فعال VIIRS نیز مثبت کاذب بودند [۱ ، ۹ ]. ناهنجاری حرارتی نوع ۲ با مناطق استقرار و جاده ها در کمتر از ۱ کیلومتر همراه بود. ما هیچ ارتباطی بین ناهنجاری حرارتی نوع ۲ و آب یا مناطق ساحلی پیدا نکردیم. برخلاف نوع ۲، ناهنجاری حرارتی نوع ۳ به شدت با خطوط ساحلی و نواحی بدنه آبی مرتبط است. از تصاویر با وضوح بالا، ما دریافتیم که شی غالب در امتداد خطوط ساحلی و بدنه‌های آبی که به عنوان ناهنجاری حرارتی نوع ۳ طبقه‌بندی می‌شوند، زمین‌های باز، مانند بستر رودخانه است. در تورب‌زارهای گرمسیری، آتش سوزی در نواحی تازه سوخته و زمین‌های باز وجود دارد. با این حال، برای تأیید اینکه آیا دود روی سطح خاک وجود دارد یا خیر، تحقیقات بیشتری لازم است تا بررسی شود که آیا خود تورب‌زار واقعاً در حال دود شدن است یا خیر.

علاوه بر این، ما دریافتیم که ناهنجاری حرارتی نوع ۳ در آب (به عنوان مثال، دریاچه ها و رودخانه ها) و فراساحل رخ داده است. با اشاره به ویژگی نوع ۳ در داده های VNP14IMGML به تنهایی، به عنوان یک تشخیص یا تشخیص فراساحلی بر روی آب، دقت ناهنجاری حرارتی نوع ۳ تنها ۲۵ درصد در تشخیص دریا/آب بود. سایر ردیابی‌های نوع ۳ در زمین‌های باز در مناطق ساحلی یا آب‌های اطراف پیدا شد. با این حال، همه این اشیاء برای سوزاندن زیست توده اشیاء مثبت کاذب هستند زیرا در آن مناطق زیست توده وجود ندارد.

نقاط پرت نشان داده شده در هیستوگرام های فاصله نزدیک بین ویژگی های جغرافیایی و نقاط ناهنجاری حرارتی به دلیل ویژگی های جغرافیایی گم شده نقشه برداری شده توسط نقشه GIS، به عنوان مثال، ساختمان های صنعتی در منطقه مزرعه دور از مناطق استقرار یا خطوط جاده است. . در این مورد، تحلیل فاصله نزدیک از ویژگی‌های موجود که به نقاط ناهنجاری حرارتی نزدیک نبودند، برآورد شد. نقشه GIS به روز شده می تواند عملکرد نقشه منطقه را برای حذف آتش سوزی های فعال با مثبت کاذب بهبود بخشد. علاوه بر این، تشخیص آتش فعال مثبت کاذب را می توان در ارزیابی های اپتیکی چند حسگر و تحلیل SAR ادغام کرد [ ۵۳ ، ۵۴ ].

احتمال آتش سوزی فعال با مثبت کاذب در یک جزیره پرجمعیت (مثلاً جاوا) بیشتر از سایر جزایر است. موارد مثبت کاذب در مناطق پرجمعیت عمدتاً از ساختمان‌های روشن پشت بام از مناطق صنعتی یا شهرک‌ها به دست می‌آیند. علاوه بر این، مثبت کاذب اغلب در مناطق معدن روباز مشاهده می شود. استخراج روباز یک تکنیک استخراج سطحی است که مواد معدنی را از یک گودال روباز نسبتا نزدیک به سطح زمین استخراج می کند. بیشتر مواد معدنی اندونزی سوخت های معدنی از جمله زغال سنگ، گاز طبیعی، قلع، نیکل، مس و طلا هستند. این مناطق معدنی عمدتاً توسط مناطق پوشش گیاهی احاطه شده اند که منجر به ناهنجاری های حرارتی می شود. مناطق استخراج زغال سنگ نیز ممکن است منجر به ناهنجاری حرارتی ناشی از دود شدن زغال سنگ شود. یک فلر گاز صنعتی به تنهایی توسط الگوریتم آتش فعال VIIRS به عنوان یک آتش سوزی طبقه بندی می شود. با این حال، فلر گاز یک آتش سوزی دائمی است که باید از اطلاعات آتش فعال VIIRS برای نظارت بر آتش زیست توده حذف شود. ناهنجاری حرارتی در مناطق معدنی در اکثر جزایر اندونزی مانند سوماترا، کالیمانتان، سولاوسی، پاپوآ، جاوه، مالوکو و نوسا تنگگارا مشاهده شد که با نقشه منطقه انرژی و داده‌های زمین‌فضایی معدنی وزارت کشور مطابقت دارد. انرژی و منابع معدنی، جمهوری اندونزی [۵۵ ].

اجرای نقشه منطقه برای حذف آتش‌سوزی‌های فعال مثبت کاذب از آتش‌سوزی‌های فعال VIIRS برای داده‌های آتش‌سوزی فعال ۲۰۲۱ اعمال شد. نقشه منطقه ۱۳ درصد از داده های آتش فعال را کاهش داده است، که نشان دهنده داده های مثبت کاذب بالقوه برای سوزاندن زیست توده است. دقت کاربر نقشه منطقه در نقشه برداری آتش فعال مثبت کاذب ۹۷ درصد بود. برخی از آتش‌سوزی‌های واقعی در زمین‌های تورب اطراف رودخانه‌های سوماترا و کالیمانتان کشف شد. با این حال، حذف موارد مثبت کاذب از اطلاعات آتش فعال می‌تواند استراتژی بهتری را برای آتش‌نشانان فراهم کند تا فعالیت‌های اعتبارسنجی زمینی سوزاندن زیست توده را اولویت‌بندی کنند.

۵٫ نتیجه گیری ها

ویژگی های آتش فعال مثبت کاذب برای سوزاندن زیست توده از داده های آتش سوزی فعال VIIRS اندونزی از سال ۲۰۱۲ تا ۲۰۲۰ مورد بررسی قرار گرفت. اکثر ناهنجاری های حرارتی دیگر آتش فعال VIIRS (بیش از ۹۰٪) در سطح اطمینان اسمی با میانگین اندازه آتش سوزی ۰٫۲۱ کیلومتر مربع یافت شد ^.. آتش‌سوزی‌های فعال مثبت کاذب از سال ۲۰۱۲ تا ۲۰۲۰ در ۳۳ آتشفشان فعال (نوع ۱) یافت شد و اکثر ناهنجاری‌های حرارتی دیگر در منبع زمین ساکن (نوع ۲) شامل شش شی غالب، یعنی صنعتی و معدنی بود. مناطق، پشت بام های صنعتی، مناطق معدن روباز، مشعل های گاز، مناطق کشاورزی، و مناطق صنعتی دارای دودکش. داده‌های ناهنجاری حرارتی نوع ۳ عمدتاً در زمین‌های باز مجاور خطوط ساحلی و بدنه‌های آبی، با تعداد کمتری از بدنه‌های آبی و فراساحلی یافت شد. هر یک از انواع ناهنجاری حرارتی دیگر آتش فعال VIIRS توسط تصاویر فضایی بالا به عنوان مثبت کاذب برای سوزاندن زیست توده تایید شد. نقشه منطقه آتش‌سوزی‌های فعال مثبت کاذب برای داده‌های با وضوح مکانی پایین در این مطالعه با در نظر گرفتن تخصیص ناهنجاری‌های حرارتی به جز سوزاندن زیست توده به ویژگی‌های جغرافیایی دائمی ایجاد شد. پیاده سازی نقشه منطقه آتش فعال مثبت کاذب در داده های آتش فعال ۲۰۲۱ تقریباً ۱۳ درصد از داده ها را به عنوان موارد مثبت کاذب سوزاندن زیست توده حذف کرده است. این نقشه منطقه دقت ۹۷٪ را ارائه می دهد که می تواند از اعتبارسنجی زمینی کارآمد برای آتش نشانان برای نظارت بر آتش سوزی جنگل / زمین در میدان پشتیبانی کند. بهبود بیشتر نقشه منطقه را می توان با پیاده سازی یک نقشه GIS به روز شده و تنظیم نقشه منطقه در مناطق پیتلند نزدیک رودخانه ها برای در نظر گرفتن آتش سوزی های تورب زمین انجام داد.

منابع

Coskuner، KA ارزیابی عملکرد محصولات آتش سوزی فعال MODIS و VIIRS در نظارت بر آتش سوزی: مطالعه موردی در ترکیه. آیفورست (ویتربو) ۲۰۲۲ ، ۱۵ ، ۸۵-۹۴٫ [ Google Scholar ] [ CrossRef ]
دیویس، دی. ادرر، جی. اولسینا، او. وونگ، ام. چچینی، م. بولر، آر. اطلاعات آتش سوزی ناسا برای سیستم مدیریت منابع (FIRMS): نظارت بر آتش جهانی در زمان واقعی با استفاده از داده های MODIS و VIIRS . مرکز پرواز فضایی گدارد، مرکز پرواز فضایی گدارد: گرین‌بلت، MD، ایالات متحده آمریکا، ۲۰۱۹٫
فو، ی. لی، آر. وانگ، ایکس. برگرون، ی. والریا، او. Chavardès, RD; وانگ، ی. Hu, J. تشخیص آتش و قدرت تشعشعی آتش در جنگل ها و زمین های کم زیست توده در شمال شرق آسیا: MODIS در مقابل محصولات آتش نشانی VIIRS. Remote Sens. ۲۰۲۰ , ۱۲ , ۲۸۷۰٫ [ Google Scholar ] [ CrossRef ]
گیگلیو، ال. شرودر، دبلیو. عدالت، CO مجموعه ۶ MODIS فعال الگوریتم تشخیص آتش و محصولات آتش. سنسور از راه دور محیط. ۲۰۱۶ ، ۱۷۸ ، ۳۱-۴۱٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
اولیوا، پی. Schroeder, W. ارزیابی محصول شناسایی آتش فعال VIIRS 375 متر برای نقشه برداری مستقیم منطقه سوخته. سنسور از راه دور محیط. ۲۰۱۵ ، ۱۶۰ ، ۱۴۴-۱۵۵٫ [ Google Scholar ] [ CrossRef ]
شرودر، دبلیو. Giglio, L. Visible Infrared Imaging Radiometer Suite (VIIRS) 750 متری ۷۵۰ متری الگوریتم و الگوریتم مبنای نظری فعال ; دانشگاه مریلند: واشنگتن، دی سی، ایالات متحده آمریکا، ۲۰۱۶٫ [ Google Scholar ]
سوفان، پ. بروس، دی. شرودر، دبلیو. جونز، ای. Marsden، J. ارزیابی آتش فعال VIIRS 375 متر با استفاده از الگوریتم احتراق پیتلند گرمسیری که برای Landsat-8 بر روی زمین‌های تورب اندونزی اعمال شد. بین المللی جی دیجیت. زمین ۲۰۲۰ ، ۱۳ ، ۱۶۹۵-۱۷۱۶٫ [ Google Scholar ] [ CrossRef ]
لی، پی. شیائو، سی. فنگ، ز. لی، دبلیو. Zhang، X. فرکانس‌های وقوع و تغییرات منطقه‌ای در مجموعه رادیومتر تصویربرداری مادون قرمز مرئی (VIIRS) آتش‌سوزی‌های فعال جهانی. گلوب. چانگ. Biol. ۲۰۲۰ ، ۲۶ ، ۲۹۷۰-۲۹۸۷٫ [ Google Scholar ] [ CrossRef ]
نادارجان، ASSR; سانتوش، ا. رامش، R. تجزیه و تحلیل آتش سوزی جنگل در استرالیا با استفاده از مجموعه رادیومتر تصویربرداری مادون قرمز مرئی. در مجموعه مقالات یازدهمین کنفرانس بین‌المللی ۲۰۲۱ در محاسبات ابری، علوم و مهندسی داده‌ها (Confluence)، نویدا، هند، ۲۸ تا ۲۹ ژانویه ۲۰۲۱؛ صص ۴۸۲-۴۸۶٫ [ Google Scholar ]
Dozier, J. روشی برای شناسایی ماهواره ای میدان های دمای سطح با وضوح زیرپیکسل. سنسور از راه دور محیط. ۱۹۸۱ ، ۱۱ ، ۲۲۱-۲۲۹٫ [ Google Scholar ] [ CrossRef ]
عدالت، CO; گیگلیو، ال. کورونتزی، اس. اونز، جی. موریست، جی تی. روی، دی. Descloitres, J.; آلئوم، اس. پتی کولین، اف. Kaufman, Y. محصولات آتش MODIS. سنسور از راه دور محیط. ۲۰۰۲ ، ۸۳ ، ۲۴۴-۲۶۲٫ [ Google Scholar ] [ CrossRef ]
گیگلیو، ال. Descloitres, J.; عدالت، CO; Kaufman, YJ یک الگوریتم تشخیص حریق متنی پیشرفته برای MODIS. محیط سنس از راه دور ۲۰۰۳ ، ۸۷ ، ۲۷۳-۲۸۲٫ [ Google Scholar ] [ CrossRef ]
ساکتی، م. Anggraini، TS; احسان، ک.ت. میسره، ص. ترنگ، NT; پرادان، بی. ونتن، IG; هادی، PO; Wikantika، K. ارزیابی خطر آلودگی هوای چندگانه در منطقه آسیای جنوب شرقی با استفاده از سنجش از دور یکپارچه و محصولات داده های اجتماعی-اقتصادی. علمی کل محیط. ۲۰۲۲ ، ۸۵۴ ، ۲۰۲۳٫ [ Google Scholar ] [ CrossRef ]
کرودر، دبلیو. اولیوا، پی. گیگلیو، ال. Csiszar، IA محصول داده های کشف آتش فعال جدید VIIRS 375 متر: شرح الگوریتم و ارزیابی اولیه. سنسور از راه دور محیط. ۲۰۱۴ ، ۱۴۳ ، ۸۵-۹۶٫ [ Google Scholar ] [ CrossRef ]
خو، دبلیو. Wooster، MJ; رابرتز، جی. Freeborn، P. الگوریتم‌های تصویرگر جدید GOES برای تشخیص ابر و آتش فعال و ارزیابی قدرت تشعشعی آتش در سراسر آمریکای شمالی، جنوبی و مرکزی. سنسور از راه دور محیط. ۲۰۱۰ ، ۱۱۴ ، ۱۸۷۶-۱۸۹۵٫ [ Google Scholar ] [ CrossRef ]
Wooster، MJ; خو، دبلیو. Nightingale، T. Sentinel-3 SLSTR تشخیص آتش فعال و محصول FRP: توسعه الگوریتم پیش از راه اندازی و ارزیابی عملکرد با استفاده از مجموعه داده های MODIS و ASTER. سنسور از راه دور محیط. ۲۰۱۲ ، ۱۲۰ ، ۲۳۶-۲۵۴٫ [ Google Scholar ] [ CrossRef ]
Wickramasinghe, CH; جونز، اس. رینکه، ک. Wallace, L. توسعه یک رویکرد تفکیک چند فضایی برای نظارت بر خطوط آتش فعال با استفاده از Himawari-8. Remote Sens. ۲۰۱۶ , ۸ , ۹۳۲٫ [ Google Scholar ] [ CrossRef ]
Wooster، MJ; رابرتز، جی. گیگلیو، ال. روی، DP; Freeborn، PH; بوشتی، ال. عدالت، سی. ایچوکو، سی. شرودر، دبلیو. دیویس، دی. و همکاران سنجش از دور ماهواره‌ای آتش‌سوزی‌های فعال: تاریخچه و وضعیت فعلی، برنامه‌ها و الزامات آینده سنسور از راه دور محیط. ۲۰۲۱ ، ۲۶۷ ، ۱۱۲۶۹۴٫ [ Google Scholar ] [ CrossRef ]
سوفان، پ. بروس، دی. جونز، ای. Marsden, J. تشخیص و اعتبار سنجی شعله ور شدن و دود شدن Peatland گرمسیری با استفاده از باندهای Landsat-8 SWIR و TIRS. Remote Sens. ۲۰۱۹ , ۱۱ , ۴۶۵٫ [ Google Scholar ] [ CrossRef ]
تانپیپات، وی. هوندا، ک. اعتبار سنجی نقطه اتصال Nuchaiya، P. Modis در تایلند. Remote Sens. ۲۰۰۹ ، ۱ ، ۱۰۴۳-۱۰۵۴٫ [ Google Scholar ] [ CrossRef ]
فیلیزولا، سی. کورادو، آر. مارکس، اف. مازئو، جی. پاسیلو، آر. کلاه فرنگی، ن. Tramutoli، V. RST-FIRES، یک الگوریتم قابل صادرات برای تشخیص و نظارت زودهنگام آتش سوزی: شرح، پیاده سازی و اعتبارسنجی میدانی در مورد حسگر MSG-SEVIRI. محیط سنس از راه دور ۲۰۱۶ ، ۱۸۶ ، ۱۹۶-۲۱۶٫ [ Google Scholar ] [ CrossRef ]
ساکتی، م. فوزی، هوش مصنوعی; تاکوچی، دبلیو. پرادان، بی. یاریمه، م. وگا-گارسیا، سی. آگوستینا، ای. ویبیسونو، دی. Anggraini، TS; تئودورا، MO; و همکاران اولویت بندی فضایی برای کاهش آتش سوزی با ادغام داده های فضایی ناهمگن: یک رویکرد چند بعدی جدید برای جنگل های بارانی استوایی. Remote Sens. ۲۰۲۲ , ۱۴ , ۵۴۳٫ [ Google Scholar ] [ CrossRef ]
میچل، اس. جونز، اس. رینکه، ک. لورنز، ای. Reulke, R. ارزیابی کاربرد الگوریتم تشخیص و مشخصه یابی نقطه کانونی TET-1 برای تعیین اندازه و دما آتش سوزی جنگلی. بین المللی J. Remote Sens. ۲۰۱۶ , ۳۷ , ۴۷۳۱–۴۷۴۷٫ [ Google Scholar ] [ CrossRef ]
ایچوکو، سی. گیگلیو، ال. Wooster، MJ; Remer، LA توصیف جهانی الگوهای سوزاندن زیست توده با استفاده از اندازه‌گیری‌های ماهواره‌ای انرژی تابشی آتش. سنسور از راه دور محیط. ۲۰۰۸ ، ۱۱۲ ، ۲۹۵۰-۲۹۶۲٫ [ Google Scholar ] [ CrossRef ]
کال، ا. Salvador, P. برآورد FRP آتش فعال: مطالعه بر روی نگهبان-۳/SLSTR. IEEE Geosci. سنسور از راه دور Lett. ۲۰۱۳ ، ۱۰ ، ۱۰۴۶-۱۰۴۹٫ [ Google Scholar ] [ CrossRef ]
صفاکیس، NI; ایوسیفیدیس، سی. کونتوس، سی. Keramitsoglou، I. تشخیص و ردیابی آتش سوزی در یونان با استفاده از داده های ماهواره ای MSG-SEVIRI. Remote Sens. ۲۰۱۱ , ۳ , ۵۲۴-۵۳۸٫ [ Google Scholar ] [ CrossRef ]
Wooster، MJ; ژوکوف، بی. Oertel, D. انرژی تابشی آتش برای مطالعه کمی سوزاندن زیست توده: اشتقاق از ماهواره آزمایشی BIRD و مقایسه با محصولات آتش MODIS. سنسور از راه دور محیط. ۲۰۰۳ ، ۸۶ ، ۸۳-۱۰۷٫ [ Google Scholar ] [ CrossRef ]
سیگرت، اف. ژوکوف، بی. اورتل، دی. لیمین، اس. صفحه، SE; آتش سوزی ریلی، JO پیت توسط ماهواره BIRD شناسایی شد. بین المللی J. Remote Sens. ۲۰۰۴ , ۲۵ , ۳۲۲۱-۳۲۳۰٫ [ Google Scholar ] [ CrossRef ]
اسمیت، AMS; Wooster، MJ از راه دور طبقه بندی انواع سر و آتش معکوس از مشاهدات قدرت تابشی آتش MODIS و ستون دود. بین المللی J. Ofwildl. آتش ۲۰۰۵ ، ۱۴ ، ۲۴۹-۲۵۴٫ [ Google Scholar ] [ CrossRef ]
شرودر، دبلیو. Giglio, L. ناسا VIIRS سیستم پردازشگر علوم زمین (SIPS) مجموعه رادیومتر تصویربرداری مادون قرمز مرئی (VIIRS) 375 متر و ۷۵۰ متر محصولات آتش فعال: راهنمای کاربر محصول نسخه ۱٫۴٫ ناسا ؛ ناسا: واشنگتن دی سی، ایالات متحده آمریکا، ۲۰۱۸٫
لی، اف. ژانگ، ایکس. کوندراگونتا، اس. Csiszar، I. مقایسه برآوردهای قدرت تابشی آتش از مشاهدات VIIRS و MODIS. جی. ژئوفیس. Res. اتمس. ۲۰۱۸ ، ۱۲۳ ، ۴۵۴۵-۴۵۶۳٫ [ Google Scholar ] [ CrossRef ]
ژوکوف، بی. لورنز، ای. اورتل، دی. ووستر، ام. رابرتز، جی. تشخیص و شناسایی آتش‌سوزی‌های فضایی در طی مأموریت ماهواره‌ای کوچک آزمایشی تشخیص دو طیفی مادون قرمز (BIRD) (2001-2004). سنسور از راه دور محیط. ۲۰۰۶ ، ۱۰۰ ، ۲۹-۵۱٫ [ Google Scholar ] [ CrossRef ]
گلدامر، جی جی جنگل در آتش. علمی Compass-Rev. ۱۹۹۹ ، ۲۸۶ ، ۲۰۹۸-۲۱۰۲٫ [ Google Scholar ] [ CrossRef ]
هوسیلو، آ. صفحه، SE; Tansey، KJ; Rieley، JO اثر آتش سوزی های مکرر بر تغییر پوشش زمین در زمین های پیت در جنوب مرکزی کالیمانتان، اندونزی، از ۱۹۷۳ تا ۲۰۰۵٫ بین المللی. جی. وایلدل. آتش ۲۰۱۱ ، ۲۰ ، ۵۷۸-۵۸۸٫ [ Google Scholar ] [ CrossRef ]
ساکتی، م. Tsuyuki، S. تجزیه و تحلیل مخلوط طیفی تصاویر Peatland برای مطالعه پوشش زمین Peatland بسیار تخریب شده در اندونزی. در آرشیو بین المللی فتوگرامتری، سنجش از دور و علم اطلاعات فضایی . انتشارات کوپرنیک: گوتینگن، آلمان، ۲۰۱۵; جلد XL-7/W3. [ Google Scholar ]
ژانگ، تی. Wooster، MJ; Xu, W. رویکردهایی برای بهره برداری هم افزایی از داده های VIIRS I- و M-Band در تشخیص آتش فعال منطقه ای و ارزیابی FRP: نمایشی با توجه به سوزاندن بقایای کشاورزی در شرق چین. سنسور از راه دور محیط. ۲۰۱۷ ، ۱۹۸ ، ۴۰۷-۴۲۴٫ [ Google Scholar ] [ CrossRef ]
MAGMA اندونزی. انواع آتشفشان در اندونزی PVMBG، Pusat Vulkanologi dan Mitigasi Bencana Geologi (مرکز آتش‌فشان‌شناسی و کاهش خطرات زمین‌شناسی اندونزی). ۲۰۲۱٫ در دسترس آنلاین: https://magma.vsi.esdm.go.id (در ۲۶ ژوئیه ۲۰۲۲ قابل دسترسی است).
هاگ، RV; کریگ، AT مقدمه ای بر آمار ریاضی . Prentice Hall PTR: Englewood Cliffs, NJ, USA, 1994. [ Google Scholar ]
Ott, L. An Introduction to Statistical Methods and Data Analysis , ۴th ed.; انتشارات داکسبری کالیفرنیا: بلمونت، کالیفرنیا، ایالات متحده آمریکا، ۱۹۹۲; پ. ۱۰۵۱٫ [ Google Scholar ]
ESRI. نزدیک (تحلیل). در دسترس آنلاین: https://pro.arcgis.com/en/pro-app/2.8/tool-reference/analysis/near.htm (در ۲۶ ژوئیه ۲۰۲۲ قابل دسترسی است).
اوساکی، م. Tsuji، N. Tropical Peatland Ecosystems ; Springer: برلین/هایدلبرگ، آلمان، ۲۰۱۵٫ [ Google Scholar ] [ CrossRef ]
اوساکی، م. نورسیامسی، د. نور، م. واهیونتو Segah, H. Peatland در اندونزی. در اکوسیستم های پیت لند گرمسیری ; Springer: توکیو، ژاپن، ۲۰۱۶; ص ۴۹-۵۸٫ [ Google Scholar ] [ CrossRef ]
Congalton، RG مروری بر ارزیابی دقت طبقه‌بندی داده‌های سنجش از دور. سنسور از راه دور محیط. ۱۹۹۱ ، ۳۷ ، ۳۵-۴۶٫ [ Google Scholar ] [ CrossRef ]
Congalton، RG ارزیابی دقت و اعتبارسنجی سنجش از دور و سایر اطلاعات فضایی. بین المللی جی. وایلدل. آتش ۲۰۰۱ ، ۱۰ ، ۳۲۱-۳۲۸٫ [ Google Scholar ] [ CrossRef ]
Congalton، RG; گرین، ک. ارزیابی دقت داده‌های سنجش از راه دور: اصول و روش‌ها . CRC Press: Boca Raton، FL، ایالات متحده آمریکا، ۲۰۱۹٫ [ Google Scholar ]
ساری، ایل. وستون، سی جی; نیونهام، جی جی; Volkova، L. ارزیابی دقت نقشه‌های تغییر پوشش زمین برگرفته از پردازش دیجیتال خودکار و تفسیر بصری در جنگل‌های استوایی در اندونزی. Remote Sens. ۲۰۲۱ , ۱۳ , ۱۴۴۶٫ [ Google Scholar ] [ CrossRef ]
Tran، BN; Tanase، MA; بنت، LT; آپونته، سی. ارزیابی شاخص های طیفی برای ارزیابی شدت آتش سوزی در جنگل های معتدل استرالیا. Remote Sens. ۲۰۱۸ , ۱۰ , ۱۶۸۰٫ [ Google Scholar ] [ CrossRef ]
اولوفسون، پی. فودی، جنرال موتورز; هرولد، ام. Stehman، SV; Woodcock، CE; Wulder، MA شیوه های خوب برای تخمین مساحت و ارزیابی دقت تغییر زمین. سنسور از راه دور محیط. ۲۰۱۴ ، ۱۴۸ ، ۴۲-۵۷٫ [ Google Scholar ] [ CrossRef ]
فیشر، دی. Wooster، MJ موج کوتاه IR انطباق روش تابش مادون قرمز میانی بازیابی نیروی تابشی آتش (FRP) برای ارزیابی خروجی شعله ور شدن گاز صنعتی. Remote Sens. ۲۰۱۸ , ۱۰ , ۳۰۵٫ [ Google Scholar ] [ CrossRef ]
لی، آر. تائو، ام. ژانگ، ام. چن، ال. وانگ، ال. وانگ، ی. او، X. وی، ال. می، ایکس. Wang, J. پتانسیل کاربرد محصولات ناهنجاری حرارتی ماهواره در به روز رسانی فهرست انتشار صنعتی چین. ژئوفیز. Res. Lett. ۲۰۲۱ , ۴۸ . [ Google Scholar ] [ CrossRef ]
کنگ، ایکس. وانگ، ایکس. جیا، م. لی، کیو. برآورد انتشار کربن صنایع انرژی بر سنجش از راه دور با استفاده از منابع حرارتی صنعتی و داده های کمکی ناشی از ناهنجاری حرارتی VIIRS. Remote Sens. ۲۰۲۲ , ۱۴ , ۲۹۰۱٫ [ Google Scholar ] [ CrossRef ]
پردیس، A. لایولو، ام. ماسیمتی، اف. کوپولا، دی. انتقال از MODIS به VIIRS برای نظارت حرارتی آتشفشان جهانی. Sensors ۲۰۲۲ , ۲۲ , ۱۷۱۳٫ [ Google Scholar ] [ CrossRef ]
دی لوکا، جی. سیلوا، JMN; Modica، G. تحلیل زمانی و مکانی کوتاه‌مدت برای شناسایی و نقشه‌برداری از رویش مجدد پوشش گیاهی پس از آتش‌سوزی در اکوسیستم مدیترانه‌ای با استفاده از سری‌های زمانی تصویر نوری و SAR. Geocarto Int. ۲۰۲۲ . [ Google Scholar ] [ CrossRef ]
دی لوکا، جی. سیلوا، JMN; Modica، G. یک گردش کار مبتنی بر داده‌های Sentinel-1 SAR و الگوریتم‌های منبع باز برای تشخیص مناطق سوخته‌شده بدون نظارت در اکوسیستم‌های مدیترانه. GIScience Remote Sens. ۲۰۲۱ ، ۵۸ ، ۵۱۶-۵۴۱٫ [ Google Scholar ] [ CrossRef ]
Styowati، HA; دونوگروهو، نماینده مجلس؛ Novelya، NM; Wisnuwardhani، E. ESDM یک نقشه اندونزی: کاوش در منابع انرژی و معدنی. در مجموعه مقالات کنفرانس آسیایی سنجش از دور، کوالالامپور، مالزی، ۱۵ تا ۱۹ اکتبر ۲۰۱۸٫ [ Google Scholar ]

شکل ۱٫ فلوچارت گردش کار برای نگاشت مثبت کاذب آتش سوزی های فعال با استفاده از داده های VNP14IMGML.

شکل ۲٫ توزیع فضایی VNP14IMGML برای ناهنجاری های حرارتی به غیر از سوزاندن زیست توده در اندونزی و نمونه هایی از مناطق بزرگ شده آن در جزیره Nusa Tenggara غربی و شرق کالیمانتان. آنها نوع ۱ برای آتشفشان های فعال (مثلث سبز)، نوع ۲ برای دیگر منابع زمین ساکن (نقطه زرد)، و نوع ۳ برای تشخیص/تشخیص فراساحل بر روی آب (نقطه قرمز) هستند. دوره داده ۲۰۱۲-۲۰۲۰ است.

شکل ۳٫ ( الف ) تخصیص اجسام تحت سلطه در ناهنجاری حرارتی نوع ۲ و ناهنجاری حرارتی نوع ۳ در منطقه اندونزی با استفاده از تصاویر با وضوح بالا تجزیه و تحلیل شد. ( ب ) درصد تعداد داده‌های نوع ۲ و نوع ۳ در زمین‌های پیت و غیر تورب در کالیمانتان، سوماترا و پاپوآ.

شکل ۴٫ هیستوگرام مقادیر تخمینی فاصله نزدیک (m) از محل نقاط نوع ۱، نوع ۲، و نوع ۳ VNP14IMGML تا ویژگی های جغرافیایی ( a – i ) و هیستوگرام مقادیر DEM-SRTM استخراج شده در نوع ۱، نوع ۲، و نوع ۳ VNP14IMGML ( g – i ).

شکل ۵٫ نمونه هایی از اجسام مثبت کاذب برای آتش سوزی زیست توده. دوره VNP14IMGML نوع ۱ تا نوع ۳ ۲۰۱۸-۲۰۲۰ روی تصاویر با وضوح فضایی بالا پوشانده شد. نقاط قرمز نشان دهنده نقاط آتش سوزی فعال با مثبت کاذب است.

شکل ۶٫ ( الف ) توزیع هیستوگرام برای تجزیه و تحلیل فاصله نزدیک بین داده‌های نوع ۲ به مناطق استقرار در کالیمانتان، سوماترا، و مالوکو، و فاصله نزدیک نوع ۲ تا جاده‌های مالوکو. ( ب ) موقعیت مکانی برای داده‌های نوع ۲ در Maluku که روی تصاویر فضایی بالا از Google Earth قرار گرفته است. ( ج ) تصویر بزرگ‌شده برای اولین خوشه کانونی (نقاط قرمز) واقع در منطقه معدن صنعتی با ویژگی‌های جاده GIS (خطوط سفید). ( د ) تصویر بزرگ شده برای دومین خوشه کانونی (نقاط قرمز) در منطقه معدن صنعتی. بدون ویژگی جاده هر دو خوشه هات اسپات در مناطق ساحلی واقع شده اند.

شکل ۷٫ نقشه منطقه آتش سوزی های فعال مثبت کاذب بالقوه برای سوزاندن زیست توده از داده های با وضوح مکانی پایین.

شکل ۸٫ آتش سوزی های فعال ماهانه VIIRS در اندونزی با آتش سوزی های فعال مثبت کاذب استخراج شده از نقشه منطقه آتش سوزی های فعال کاذب در سال ۲۰۲۱ و در دوره ۲۰۱۲ تا ۲۰۲۰٫

هوش مکانی اتیم تحقیقاتی ونوس نصیرفام