Comment mesurer l'impact des feux de forêt et appliquer la technologie de télédétection par satellite à la détection, la surveillance et l'évaluation des incendies ? L'objectif de cet article n'est pas d'expliquer la science derrière les feux de forêt, mais plutôt de couvrir quatre principaux capteurs satellitaires utiles pour la détection et l'analyse des incendies (Landsat 8, Sentinel 2, MODIS et VIIRS).

Dans cet exemple, je vais localiser et utiliser des données sur les feux de forêt pour le Mont Kenya, les analyser et traiter certaines données géospatiales pour détecter les points chauds d'incendie et cartographier la zone brûlée. En 2019, des milliers d'hectares de lande dans la forêt du Mont Kenya ont été détruits par le feu.

Cette vidéo de la NASA montre comment les satellites de la NASA et de la NOAA fournissent une vue globale des incendies actifs sur toute la planète, fournissant des informations à l'équipe de gestion des incendies sur le terrain. Pour plus d'informations sur les techniques mises en évidence dans cette vidéo, visitez NASA Tracks Wildfires From Above to Aid Firefighters .

Nous avons construit cette simple application React pour suivre les feux de forêt et les tracer sur Google map en utilisant une clé API Google Maps et une clé API NASA. Pour une vue rapide et avancée des données d'incendie actives dans les 3 heures suivant l'observation par satellite, visitez le Fire Information for Resource Management System (FIRMS) de la NASA.

Quatre principaux capteurs satellitaires pour les feux de forêt

Voici les spécifications de base des principaux capteurs satellitaires utiles pour la détection et l'analyse des incendies :

1- Landsat 8

Landsat 8 est le satellite Landsat le plus récemment lancé.

| Organisation            | NASA
| ----------------------- | ------------------------------------------------------------
| Date de lancement       | 11 février 2013
| Type de capteur         | Capteur multispectral
| Nombre de bandes        | 11 (430–2290 nm)
| Capteurs attachés       | Operational Land Imager (OLI) - 9 bandes - (Visible, NIR, SWIR)
|                         | Thermal Infrared Sensor (TIRS) - 2 bandes - (Thermal)
| Taux de capture         | 740 scènes / jour
| Taille de la scène      | 185 km x 180 km
| Fauchée                 | 185km
| Altitude                | 705km
| Résolution spatiale     | Bandes 1 à 7 & 9 - 30m; Bande 8 - 15m;  Bandes 10 & 11 - 100m
| Résolution radiométrique| 12 bit (4096 niveaux de gris)
| Résolution temporelle   | 16 jours

Applications : Gestion de la Couverture Terrestre - Agriculture et Foresterie - Études Géologiques - Études des Glaciers - Résolution des Questions Géopolitiques

2- Sentinel 2

La mission Copernicus Sentinel-2 comprend une constellation de deux satellites à orbite polaire ayant des missions d'imagerie multispectrale à haute résolution et à large fauchée placées dans la même orbite héliosynchrone, déphasées à 180° l'une de l'autre.

| Organisation            | Agence Spatiale Européenne (ESA)
| ----------------------- | ------------------------------------------------------------
| Date de lancement       | Sentinel 2A – 23 juin 2015;  Sentinel 2B – 7 mars 2017
| Type de capteur         | Capteur multispectral
| Nombre de bandes        | 13 (443–2190 nm)
| Fauchée                 | 290km
| Altitude                | 786km
| Résolution spatiale     | Bandes 2, 3, 4 & 8 - 10m; Bandes 5, 6, 7, 8a, 11, 12 - 20m;  Bandes 1, 9, 10 - 60m
| Résolution radiométrique| 12 bit (4096 niveaux de gris)
| Résolution temporelle   | 5 jours

Applications : Gestion de la Couverture Terrestre - Agriculture et Foresterie - Contrôle des Catastrophes - Opérations de Secours Humanitaire - Cartographie des Risques et Préoccupations de Sécurité

3- MODIS

Le Moderate Resolution Imaging Spectroradiometer (MODIS) est un capteur d'imagerie embarqué construit par Santa Barbara Remote Sensing. Il a été lancé en orbite terrestre par la NASA en 1999 à bord du satellite Terra, et en 2002 à bord du satellite Aqua.

| Organisation            | NASA
| ----------------------- | ------------------------------------------------------------
| Date de lancement       | 18 décembre 1999
| Type de capteur         | Capteur multispectral
| Nombre de bandes        | 36 (400–1440 nm)
| Taille de la scène      | 2330 km x 10 km
| Fauchée                 | 2330km
| Altitude                | 705km
| Résolution spatiale     | Bandes 1,2 – 250m; Bandes 3-7 – 500m;  Bandes 8-26 – 1000m
| Résolution radiométrique| 12 bit (4096 niveaux de gris)
| Résolution temporelle   | 1-2 jours

Applications : Surveillance de la Santé de la Végétation - Changements d'Utilisation des Terres - Tendances Mondiales de la Couverture Neigeuse - Surveillance du Niveau d'Eau - Détection des Feux de Forêt

4- VIIRS

Le Visible Infrared Imaging Radiometer Suite (VIIRS) est un capteur conçu et fabriqué par Raytheon Company, à bord des satellites météorologiques Suomi National Polar-orbiting Partnership (Suomi NPP) et NOAA-20.

| Organisation            | Agence Spatiale Européenne (ESA)
| ----------------------- | ------------------------------------------------------------
| Date de lancement       | 28 octobre 2011
| Type de capteur         | Capteur multispectral
| Nombre de bandes        | 22 (412–1201 nm)
| Capteurs attachés       | Par NOAA – Pour Environmental Data Records (EDRs) – Système Météorologique National
|                         | Par NASA – Pour Earth System Data Records (ESDRs) – Communauté Scientifique
| Fauchée                 | 185km3060km
| Altitude                | 830km
| Résolution spatiale     | 5 bandes - 375m; 17 bandes - 750m
| Résolution radiométrique| 12 bit (4096 niveaux de gris)
| Résolution temporelle   | 16 jours

Applications : Changements de la Végétation de Surface - Détection des Feux de Forêt - Changements du Cycle Hydrologique - Surveillance du Niveau d'Eau - Surveillance de l'Utilisation de l'Énergie Terrestre - Évaluation du Changement Climatique

Télécharger les Données

De nombreuses plateformes sont disponibles pour télécharger des données de télédétection par satellite. Voici divers portails de données et ressources web qui offrent des mises à jour en temps quasi réel sur les événements de feux de forêt, et fournissent des données d'image et SIG pour soutenir la prise de décision pour la gestion des incendies et la recherche :

• Landsat 8
• Sentinel-1, Sentinel-2, Sentinel-3 et Sentinel-5P
• Données et Produits sur les Feux de Forêt de la NASA
• API Ouverte de la NASA
• Japan Space Systems
• Données de Végétation Spot 1 Km (sur l'Afrique par exemple)

Dans earth explorer par exemple, le panneau latéral gauche contient tous les outils de recherche pour la sélection de données. Utilisez l'outil polygone pour faire glisser la carte vers la zone d'intérêt, puis dessinez la zone.

La combinaison de différentes bandes présentes dans les données satellitaires pour la visualisation devrait toujours dépendre du type d'application que vous utilisez. Dans ce cas, l'application est la végétation. QGIS, un outil SIG gratuit et open-source peut être utilisé ou autre pour les opérations de données raster et la visualisation de données utilisant différentes combinaisons de bandes.

Détecter les feux de forêt du Mont Kenya depuis l'espace

Après avoir ouvert Engine, il est important de définir deux variables. La première est l'emplacement de la zone de combustion, comme le feu de forêt du Mont Kenya.

// imports (2 entries)
var point: Point(37.31, -0.15)
var Sentinel: ImageCollection "Sentinel-2 MSI: MultiSpectral Instrument, Level-2A"

La seconde consiste à définir s'il faut utiliser l'imagerie Sentinel ou Sentinel-2. Ensuite, filtrez-la avec une plage de dates appropriée (comme du 10 mai au 30 mai 2020). Triez-les par couverture nuageuse jusqu'à l'image la plus sans nuages.

Définissez les caractéristiques (bandes 4, 3 et 2) pour une image composite en couleurs vraies, en définissant différents paramètres pour rendre l'image visible.

// Définir l'image et les paramètres
var image = ee.Image(
  Sentinel.filterBounds(point)
    .filterDate("2019-02-25", "2019-03-10")
    .sort("CLOUD_COVER")
    .first(),
);
var truecolor = {
  bands: ["B4", "B3", "B2"],
  min: 0,
  max: 2000,
  gamma: [0.95, 1.1, 1.1],
};
Map.addLayer(image, truecolor, "image");
Map.centerObject(point, 10);

Vous devez également définir les caractéristiques (bandes 4, 3 et 2), une composite en couleurs vraies pour l'image que vous souhaitez présenter. Vous pouvez définir différents paramètres pour rendre l'image visible.

// Créer un NBR
var nbr = image.normalizedDifference(["B8", "B12"]);
//Définir la palette.
var burnPalette = ["black", "white"];
Map.addLayer(nbr, { min: -1, max: 1, palette: burnPalette }, "NBR");

L'étape suivante consiste à créer le Normalized Burn Ratio (NBR). Puisque le NBR utilise les bandes huit et 12, définissez ces caractéristiques afin d'utiliser une différence normalisée. Définissez le schéma de couleurs souhaité avant d'appuyer sur Run.

Lors de l'exécution du NBR sur le Mont Kenya, la cicatrice de brûlure (couleur vraie) devient visible. Désélectionnez la couche NBR pour voir l'image.

Exécuter des Classifications

J'ai eu besoin de quelques recherches rapides sur le travail de terrain pour connaître les différents types de végétation avant d'exécuter une classification.

Pour créer une carte classifiée, j'ai examiné une classification d'image supervisée dans ENVI, qui est un logiciel très puissant de traitement de données de télédétection. ENVI était à l'origine dédié à l'analyse hyperspectrale utilisant de gros volumes de données et des informations complexes ; mais il a également été adapté à différents types de données : VHSR, radar, thermique.

Mon objectif n'était pas d'étudier la science des feux de forêt ou l'écologie du Mont Kenya, c'était de localiser le feu. Je crois que l'avenir du Mont Kenya est entre nos mains.