Detecci

1
Detección de incendios usando satélites de Orbita
Polar y Geoestacionario

• Dr. Bernadette Connell
• CIRA/CSU/RAMMT
• Dr. Vilma Castro
• UCR/RMTC
• Marzo 2005

2
Objetivos

• Revisión / antecendentes
• Environmental and weather conditions conducive to
  fires
• Satellite fire detection techniques for hot spots
• Ejemplos
• Ejercicio de Laboratorio

3
Monitoreando la actividad de incendios

• Por qué?
• Para detectar y monitorear incendios en zonas
  vírgenes en tiempo real para respuesta y
  mitigación.
• Son los incendios un peligro para centros de
  población o recursos económicos?
• Para determinar tendencias en la actividad de
  incendios año a año.
• Son ellos el resultado de quemas agrícolas y
  deforestación?
• Son el resultado de un almacenamiento de
  combustibles?
• Están afectados por sequía?
• Para determinar la extensión del transporte de
  humo.
• Para determinar el efecto de las quemas en el
  ambiente.

4
United States - Fire Weather Activities

• Various FIRE DANGER RATING systems have been
  developed to express fire hazard.
• They incorporate some of these basic questions
• Are the fuels dry enough to burn?
• Is the current or forecast weather conducive to
  starting fires and sustaining them?
• Is it dry, windy?
• Is the atmosphere stable or unstable?
• Will there be lightning with very little rain?

5
United States - Fire Weather Activities

• To address the condition of fuels
• Long term monitoring for drought (satellite)
• Monitoring of vegetation health and accumulation
  of dead vegetation (fuels) (satellite and ground)
• To address weather conditions
• Outlooks for precipitation and temperature
  (climatology/model prognosis)
• Information Sources
• Climate Prediction Center (CPC)
• USDA Forest Service
• NOAA/NESDIS/ORA

6
Real-time NWS Fire Weather Services

• Storm Prediction Center issues 1 and 2 day fire
  outlooks
• http//www.spc.noaa.gov/products/fire_wx
• maps
• text discussion
• hazard categores
• critical areas outlines
• extremely critical hatched
• dry thunderstorm risk - scalloped

7
Real-time NWS Fire Weather Services

• Weather Forecast Offices issues fire weather
  forecasts/watches, smoke forecasts, red flag
  warnings, spot forecasts
• IMET Incident METeorological information for
  fire behavior forecasts, spot forecasts, nowcasts

8
Real-time (non-routine) Products

• Fire Weather Watch valid 24-48 hr
• 1-min sustained winds at 20 ft. gt 15-25 kts
• Relative humidity lt threshold (see following
  slide varies by region)
• Temperature gt65-75F
• Vegetation moisture lt8-12
• Red Flag Warning valid 0-24 hr
• Same criteria as Fire Weather Watch (above)
• Spot Forecasts
• Forecasts for prescribed burns, rescues,
  wildfires in progress

9
Threshold Relative Humidities for Red Flag
Watches/Warnings
10
Haines Index

• This index is correlated with fire growth in
  plume dominated fires
• Composed of two parts
• stability temperature difference between two
  atmospheric layers near the surface
• moisture temperature/dew point difference for
  that layer
• The index is adaptable for varying elevation
  regimes
• Index value estimates rate of spread
• 2-3 Very Low Potential (Moist Stable Lower
  Atmosphere)
• 4 Low Potential
• 5 Moderate Potential
• 6 High Potential ( Dry Unstable Lower Atmosphere)

11
Calculating Haines Index
LOW ELEVATION lt2,000 FT Stability Term (T950-T850) 1 3 C or less 2 4 to 7 C 3 gt 8 C Moisture Term (T850-Td 850) 1 5 C or less 2 6 to 9 C 3 gt 10 C
MID ELEVATION 2,000-6,000 FT Stability Term (T850-T700) 1 5 C or less 2 6 to 10 C 3 gt 11 C Moisture Term (T850-Td 850) 1 5 C or less 2 6 to 12 C 3 gt 13 C
HIGH ELEVATION gt6,000 FT Stability Term (T700-T500) 1 17 C or less 2 18 to 21 C 3 gt 22 C Moisture Term (T700-Td 700) 1 14 C or less 2 15 to 20 C 3 gt 21 C
Sum of two terms Haines Index
GOES Fire Detection - VISITview
12
2-very low 3-very low 4-low
5-moderate 6-high water
13
U.S. Drought Monitor Severity Classification
Category Description Fire Risk Palmer Drought Index CPC Soil Moisure (percentiles) Weekly Streamflow (percentiles) of Normal Precip Standardized Precipitation Index Satellite Vegetation Health Index
D0 Abnormally Dry Above average -1.0 to -1.9 21-30 21-30 lt75 for 3 months -0.5 to -0.7 36-45
D1 Moderate Drought High -2.0 to -2.9 11-20 11-20 lt70 for 3 months -0.8 to -1.2 26-35
D2 Severe Drought Very high -3.0 to -3.9 6-10 6-10 lt65 for 6 months -1.3 to -1.5 16-25
D3 Extreme Drought Extreme -4.0 to -4.9 3.5 3-5 lt60 for 6 months -1.6 to -1.9 6-15
D4 Exceptional Drought Exceptional and Widespread lt -5.0 0-2 0-2 lt65 for 12 months lt -2.0 1-5
GOES Fire Detection - VISITview
14
(No Transcript)
15
Vegetation Health

• Showing vegetation health for this year
  compared with last year.
• Fire becomes a concern when the vegetation is
  stressed (values less than 50) and when drought
  and other weather is of concern.

16
Loop of plume dominated fire
VIS 03246
IR2 03246
British Columbia
Alberta
Montana
Idaho
Washington
Oregon
17
Loop of wind driven fire
California
VIS
IR2
IR2 24hr
Mexico
18
Monitoreo de incendios por satéliteGeoestacionari
o o de órbita polar?

• El monitoreo con ambos tipos de satélite utiliza
  observaciones del canal visible, de onda corta y
  de onda larga infrarrojo.
• Satélites Geoestacionarios (GOES)
• Resolución mas gruesa (4km)
• Buena resolución temporal (cada media hora), la
  cual da información de la distribución temporal y
  espacial de los incendios durante el día.
• Temperatura de brillo de saturación 338K (para
  GOES-8, 12)
• Satélites de órbita polar (AVHRR)
• Resolución mas fina (1km)
• Solo dos pasadas por día
• Temperatura de brillo de saturación 320 K

19
Productos rápidos de RAMSDIS para la detección
de incendios
NOCHE producto Niebla-Estratos DIA producto
Reflectividad

• Estos productos están hechos con imágenes de los
  canales
• 3.9 y 10.7 µm

20
Characteristics of 3.9 micrometer channel that
make it suitable for hot spot detection

• Radiance is not linear with temperature
• A small change in radiance at 300 K at 3.9 um
  creates a larger change in temperature than at
  10.7 um
• note the different scales
• 3.9 um from 0-4
• 10.7 um from 0-200

21
Characteristics of 3.9 micrometer channel that
make it suitable for hot spot detection

• Radiance is not linear with temperature
• A small change in radiance at 300 K at 3.9 um
  creates a larger change in temperature than at
  10.7 um
• note the different scales
• 3.9 um from 0-4
• 10.7 um from 0-200

22
Sub pixel response

• R? R? cloud area cloud R? ground area
  ground
• Similarly for fires
• R? R? fire area fire R? ground area
  ground

GOES 3.9 um Channel Tutorial
23
REVISIONNOCHE Producto Niebla-Estratos

• Sustrae la temperatura, pixel por pixel, de las
  imágenes de 10.7mm - 3.9 mm

Cuando la temperatura de 3.9 um es más alta
El resultado es un número negativo
24
NOCHE Producto Niebla-Estratos

• El resultado se normaliza sumándole 150 al valor
  de cada pixel
• Los valores corresponden a una escala de 0.1K por
  unidad de brillo

• En una tabla de color de blanco y negro, los
  pixeles con incendios se ven más oscuros que el
  fondo

25
NOCHE Producto Niebla-Estrato

• Los pixeles con incendios son más oscuros que
  el fondo en 80 unidades de brillo

26
Observaciones

• 1 unidad de brillo 0.1 Kelvin
• 80 unidades de brillo 8 K

La diferencia de temperatura entre pixeles sin
incendios 3 K
Cuando la diferencia entre pixeles es de 4-6 K
los incendios no pueden ser detectados con
certeza.
27
DIA Producto Reflectividad

• Canales involucrados 3.9 y 10.7 micrones
• Componente de reflectividad se sustrae de la
  señal de 3.9 micrones
• La temperatura de 10.7 micrones se usa para
  estimar el componente de reflectividad de 3.9
  micrones
• Los incendios aparecen como puntos blancos

28
Producto Reflectividad
29
Observaciones

• Los productos permiten la identificación de
  incendios mas pequeños que un pixel
• Weaver y colaboradores muestran que es posible
  detectar
• incendios a 500K en contraposición con un
  entorno a 300K
• que cubren solo el 5 de un pixel de 2.3 x 4
  km

Weaver, J.F., Purdom, J.F.W, and Schneider, T.L.
1995. Observing forest fires with the GOES-8, 3.9
µm imaging channel. Weather and Forecasting, 10,
803-808
30
Observaciones

• Puede usarse el canal visible para detectar
  incendios?

Si. La pluma de humo puede verse en el
visible. Sin embargo El incendio debe estar muy
bien desarrollado para crear una pluma que pueda
detectarse en el visible.
31
Tipos de algoritmos

• Técnicas de umbral fijo
• Cuenta con umbrales prefijados y considera un
  solo pixel a la vez.
• Técnicas de análisis espacial o contextual.
• Calcula umbrales relativos basados en
  estadísticas calculadas a partir de los pixeles
  vecinos.
• Real-time products for Central America
• http//www.cira.colostate.edu/ramm/sica/main.html
  

32
Ejemplo de un Algoritmo de Umbral Fijo por Arino
y colab. (1993)

1. BT3.9 gt 320 K (para identificar incendios
   probables)
2. BT3.9 BT10.7 gt 15 K
3. BT10.7 gt 245 K (para prevenir falsas alarmas
   debido a nubes reflectivas)

33
GOES-8 3.9 micrones
34
GOES-8 3.9 micrones
Las áreas azules representan pixeles T3.9 gt320K
35
Producto GOES-8 T3.9 T10.7
Las regiones azules representan pixeles con T3.9
T10.7 gt 15 K
36
Producto resultante de umbral de incendios Azul
representa pixeles con incendios
37
Problemas

• Muy caliente, el terreno seco se detecta como
  incendio.
• No detecta incendios nocturnos que están mas
  fríos que 320 K

38
Ejemplo de un Algoritmo Contextual por Justice y
colab. (1996)

• BT3.9 gt 316 K (para identificar probables
  incendios)
• Estima una temperatura de fondo con pixeles
  válidos de los alrededores
• Un pixel válido no es una nube
• no es un pixel de un potencial incendio
• La ventana empieza como un área de 3x3 pixeles y
  se expande a una grilla de 21x21 pixeles hasta
  que al menos el 25 de los pixeles de fondo (o
  al menos 3) son válidos.
• Se calcula DTMAX(2 std dev of BT3.9-BT10.7, 5 K)
• Pixel con incendio
• if BT3.9-BT10.7 gt mean BT3.9-BT10.7 DT
• and BT10.7 gt mean BT10.7

39
Producto de Incendio de Justice Los puntos azules
representan incendios detectados
40
Problemas

• No detecta pixeles con incendios en regiones de
  terreno muy caliente y seco.
• También puede ser necesario implementar una
  corrección para cambios de temperatura en
  regiones montañosas
• No detecta pixeles con incendios en la noche
  cuando la temperatura es más frio de 316 K

41
GOES- 8 Producto Reflectividad
42
Filtro Pasa Alto (Shot-noise) aplicado al
Producto Reflectividad Los pixeles rojos denotan
incendios potenciales
43
Experimental ABBA

• Automated Biomass Burning Algorithm (Algoritmo
  Automatizado de Biomasa Quemada)
• Desarrollado en el Instituto Cooperativo para
  Estudios de Satélites Meteorológicos (CIMSS) en
  la Universidad de Wisconsin en Madison.
• Afinado con incendios de Brazil
• http//cimss.ssec.wisc.edu/goes/burn/wfabba.html

44
(No Transcript)
45
Satélites de Orbita Polar

• Los mismos algoritmos de detección presentados
  aquí pueden aplicarse a imágenes de satélites de
  órbita polar.
• Para el AVHRR, el sensor de 3.9 um se satura a
  323 K
• (el del GOES-8 se satura a 338 K)
• En el laboratorio se verá un ejemplo de datos del
  AVHRR

46
References/links

• GOES Fire Detection VISITview session
• http//www.cira.colostate.edu/ramm/visit/detection
  .html
• see reference/links at the bottom of their page
• Fire Products for Central America
• http//www.cira.colostate.edu/ramm/sica/main.html
  
• Wildfire ABBA
• http//cimss.ssec.wisc.edu/goes/burn/wfabba.html
• CIRA GOES 3.9 um Channel Tutorial
• http//www.cira.colostate.edu/ramm/goes39/cover.ht
  m
• Storm Prediction Center 1 and 2 day fire
  outlooks
• http//www.spc.noaa.gov/products/fire_wx
• Drought Monitor - long term drought indicators
  for the US
• Drought Index, Crop Moisture Index, Standardized
  Precipitation Index, Percent of Normal Rainfall,
  Daily Streamflow, Snowpack, Soil Moisture,
  Vegetation Health
• http//drought.unl.edu/dm