Automatisation d'une chaîne de traitement pour la détection précoce d'incendie à partir de données météosat seconde génération
- Peillet, Sébastien (2016)
Mémoire
Non consultable
-
- Automatisation d'une chaîne de traitement pour la détection précoce d'incendie à partir de données météosat seconde génération
-
- Peillet, Sébastien
-
- 13 septembre 2016
-
- Incendies
- Télédétection
- Surveillance de l'environnement
- Chaîne de traitement automatisée
- Meteosat Second Generation
- SEVIRI
-
- Wildfire
- Remote sensing
- Fire monitoring
- Automatic processing chain
- Meteosat Second Generation
- SEVIRI
-
- Plus le délai d'intervention sur un incendie est long, plus celui-ci risque de devenir incontrôlable et plus grandes seront les conséquences sur l'environnement. L’UMR ESPACE-DEV à La Réunion a donc souhaité se doter d'un système de détection précoce des incendies en raison de leur fréquence dans la zone de l'océan Indien. Pour cela, elle se base sur la télédétection des anomalies thermiques à partir d’images satellites. Pour créer un système opérationnel, les données de télédétection doivent être actualisées le plus fréquemment possible. Les données Meteosat Second Generation ont ainsi été sélectionnées pour l'intervalle de temps de quinze minutes entre chaque acquisition. Une chaîne de traitement en Bash shell et Python 2.7 a été créée pour la détection d'incendies en temps réel, depuis l'acquisition des données MSG jusqu'à la publication des alertes. Celle-ci s'exécute en cinq minutes ce qui permet une réactivité importante du système. Les tests de la chaîne de traitement ont été menés en utilisant les données LRIT (5 canaux disponibles, trois heures d'intervalle entre les acquisitions) sur l'Afrique subsaharienne, en prévision du déplacement d'un satellite MSG sur la zone de l'océan Indien. Ces tests ont révélé un résultat de 85 % de bonnes détections, les 15 % restants étant soit de fausses alertes avérées, soit des alertes impossibles à confirmer ou infirmer. L'utilisation des données HRIT (22 canaux disponibles, quinze de minutes d'intervalle entre les acquisitions) a également été testée avec un résultat de 91 % de bonnes détections. Les alertes sont consultables en direct sur une interface cartographique en ligne.
-
- Non consultable
-
- Wildfires are one of the biggest threat for the environment and its consequences depend on the delay between ignition and detection of the wildfire. A fast intervention prevents fire to become larger. Thus, the Reunion Island wishes to develop a fire detection system, based on remote sensing. Indeed the Indian ocean area is heavily impacted by wildfires. High temporal resolution data are required to get a operational warning system. For this purpose, a processing chain has been develop to detect wildfires using Meteosat Second Generation data, which are available every quarter of an hour. The processing chain fulfill the detection in five minutes from downloading until results publication, using Bash shell and Python 2.7 scripts. The accuracy of the processing chain has been tested on the sub-Saharian Africa because there are still no MSG satellite for Indian ocean. The MSG-1 satellite will be reorbitated above Indian ocean in september 2017. The test of the LRIT data (5 channels available, three hourly) reveals a result of 85 % right detections. The 15 % left are false alarms or detections that are impossible to confirm or invalidate. HRIT data (22 channels, 1/4 hourly) has also been tested and obtain a result of 91 % right detections. The results are broadcasted in real time on a web mapping site.
Citation bibliographique
Peillet, Sébastien (2016), Automatisation d'une chaîne de traitement pour la détection précoce d'incendie à partir de données météosat seconde génération [Mémoire]