目录
简介
野火在全球范围内日益频繁,在过去二十年中造成了三分之一的森林损失。 使用传统的光学遥感技术跟踪烧毁面积的变化会受到云层和烟雾覆盖的影响。 因此,本研究采用了不受大气影响的多时合成孔径雷达(SAR)卫星数据。 该研究以 2021 年希腊的四场野火为重点,对位时和多时合成孔径雷达极坐标特征进行了无监督 k-means 聚类。 评估了不同移动核窗口大小的输入特征平滑化对提高准确性的影响。 使用这些平滑特征可大幅提高所有四个检测区域的准确性,而选择 19x19 的窗口大小则是为了在保留精细细节和减少斑点之间取得适当的平衡。 此外,在聚类后添加滤波器以去除小于 2 公顷的区域,还能进一步提高准确度,尤其是佣金误差。 使用所定义设置的结果显示,F1 分数为 0.75-0.88,总体准确率为 81-94%,遗漏/误差分别为 33-16% 和 14-3%。 在农业区占很大比例的地区观察到了挑战,而地形效应对结果没有实质性影响。 利用高分辨率图像进行的视觉验证证明了合成孔径雷达主要对较大的结构变化敏感的假设。 此外,还利用所介绍的方法开发了一个谷歌地球引擎(GEE)工具箱 "哨兵-1 烧毁区域进展"(Sentinel-1 Burned Area Progression,S1-BAP),该工具箱可在 GitHub 上免费供科学界使用。