Verwendung von UAV-Multispektralbildern zur Klassifizierung der Schwere von Waldbränden – Eine Fallstudie des Waldbrandes von Gangneung 2019

Die satellitengestützte Fernerkundung mit unbemannten Luftfahrzeugen (UAV) hat Einschränkungen bei der Aufnahme von Bildern vor einem Waldbrand, obwohl die Brandstärke durch den Vergleich von Bildern vor und nach einem Brand analysiert werden kann. Die Bestimmung der verbrannten Fläche ist eine herausfordernde Kategorie in der Analyse der Brandseverity, da sie auf Bildern von Flugzeugen oder Satelliten nicht verbrannt aussieht. Diese Studie analysiert die Verfügbarkeit von multispektralen UAV-Bildern, die zur Klassifizierung der Brandseverity, einschließlich der verbrannten Flächenklasse, verwendet werden können. Ein RedEdge-Multispektral-UAV-Bild wurde nach einem Waldbrand aufgenommen und dann zu einem Mosaik-Reflexionsbild verarbeitet. Hunderte von Proben wurden für jede Brandseverity-Klasse gesammelt und als Trainings- und Validierungsproben für die Klassifikation verwendet. Maximale Wahrscheinlichkeit (MLH), spektraler Winkelmapper (SAM) und Schwellenwertbestimmung eines Normalisierten Differenzvegetationsindex (NDVI) wurden als Klassifikatoren verwendet. In den Ergebnissen zeigten alle Klassifikatoren eine hohe Gesamttrefferquote. Die Klassifikatoren zeigten auch eine hohe Genauigkeit bei der Klassifizierung der verbrannten Fläche, obwohl es einige Verwirrung zwischen spektral ähnlichen Klassen, unbrennendem Kiefernholz und unbrennendem Laubholz gab. Daher können multispektrale UAV-Bilder verwendet werden, um die Brandseverity nach einem Waldbrand zu analysieren. Darüber hinaus kann die NDVI-Schwellenwertbestimmung auch eine einfache und genaue Methode sein, obwohl die Schwellenwerte in Zukunft verallgemeinert werden sollten.