Un algorithme de détection d'incendie actif contextuel pondéré basé sur les données de Himawari-8

Himawari-8, un satellite géostationnaire, est équipé du capteur Advanced Himawari Imager (AHI), qui présente des avantages significatifs pour la surveillance des incendies de forêt. Cette étude propose un algorithme de détection d'incendie contextuel pondéré (AHIWFDA) qui peut s'appliquer au capteur AHI en tant qu'algorithme de détection d'incendie global. Contrairement aux algorithmes de filtrage traditionnels, l'algorithme prend en compte les caractéristiques des différentes bandes et attribue des poids différents et des seuils correspondants aux conditions de test en fonction de la sensibilité des bandes au feu. Pour valider les performances de l'algorithme, nous l'avons testé sur des incendies dans cinq zones cibles. Nous considérons les données MODIS comme les données de référence et elles ont été utilisées comme référence pour la comparaison avec l'AHIWFDA, le produit officiel WLF de Himawari-8, et l'algorithme contextuel spatial traditionnel (l'algorithme SEVIRI reproduit). Les résultats montrent que l'AHIWFDA réduit significativement le taux d'erreur de commission par rapport au produit WLF. Bien que le taux de précision de notre algorithme ne soit pas supérieur à celui de l'algorithme SEVIRI, il détecte plus d'incidents d'incendie de manière correcte. Comparé au produit d'incendie actif MODIS, le taux d'erreur d'omission de l'AHIWFDA est d'environ 63%. En revanche, le taux d'erreur de commission relative est d'environ 12%, ce qui correspond aux résultats de certaines études précédentes. De plus, nous avons effectué une vérification détaillée des résultats de notre algorithme avec le soutien des données des séries Landsat et Sentinel-2. Les résultats montrent que l'algorithme présenté dans cet article peut exploiter efficacement la capacité de détection des incendies des capteurs AHI et fournir une nouvelle idée pour les algorithmes suivants.