Académique Documents
Professionnel Documents
Culture Documents
Outils nécessaires
• QGIS 2.18 ou inférieur pour le système d'exploitation
Windows o N'utilisez PAS le nouveauxQGIS version
3.2 de
• pluginsQGIS o Statistiques zonales (inclus avec
l'installation QGIS standard, mais doit être activé)
o Traitement (inclus avec l'installation QGIS standard, mais doit être activé)
o QSpatialLite (facultatif dans une installation QGIS standard, et doit être
installé et activé)
• système recommandée : o ConfigurationSystème
d'exploitation : Windows XP/Vista/7/8/10 o Mémoire
(RAM) : 1 Go de RAM requis o Disque dur Espace :
http://arset.gsfc.nasa.gov/ 1
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
Introduction
Pour cet exercice, nous utiliserons le plugin QGIS-Fire Mapping Tool (FMT) pour
évaluer un incendie de forêt qui s'est produit dans le parc national olympique, appelé
Paradise Fire. Cet incendie, situé dans une forêt tropicale, a été provoqué par un coup
de foudre en mai 2015 et a brûlé jusqu'en novembre. Dans cet exercice, nous
utiliserons les données Landsat avant et après l'incendie pour déterminer le périmètre
de l'incendie, l'étendue de la zone brûlée et la gravité estimée de l'incendie. Alors que
le projet Monitoring Trends in Burn Severity (MTBS) cartographie les incendies à
grande échelle, il faut souvent un ou deux ans pour que les incendies soient
cartographiés, ce qui n'est pas assez rapide pour que les gestionnaires fonciers locaux
réagissent aux changements.
http://arset.gsfc.nasa.gov/ 2
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
Certaines des procédures décrites ici suivent les protocoles utilisés par le projet
Monitoring
Trends in Burn Severity (MTBS, www.mtbs.gov). Un examen complet de l' évaluation des
incendies via le US Forest Service peut être consulté en ligne. Après l'identification de la date
et de l'emplacement d'un incendie, le processus général est le suivant :
Si une cicatrice d'incendie n'est pas vue à l'emplacement signalé dans une scène
Landsat sans nuages acquise peu après la date d'allumage, il est possible que
l'incendie soit trop petit pour être vu par satellite, les effets sont minimes, la zone est
sous une la canopée des arbres, l'emplacement signalé est incorrect ou la date
d'allumage est incorrecte. L'analyste doit examiner les environs de la scène pour
http://arset.gsfc.nasa.gov/ 3
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
déterminer si une zone brûlée est visible dans la zone immédiate (dans un rayon de 5 à
10 km) ou lors d'acquisitions ultérieures. Si la zone brûlée est visible dans les données
Landsat immédiates après l'incendie, l'analyste doit déterminer quelles images Landsat
supplémentaires peuvent être nécessaires pour évaluer la gravité de l'incendie.
Dans les données Landsat, les bandes spectrales rouge, proche infrarouge et
infrarouge à ondes courtes sont utiles pour évaluer les conditions de végétation et les
effets des incendies. L'évaluation de la gravité des brûlures est basée sur l'évaluation
de la quantité de changement qui s'est produite en raison de l'incendie. Cela nécessite
la comparaison d'images pré- et post-incendie acquises à des stades similaires de la
phénologie. Pour chaque scène, le taux de combustion normalisé (NBR) est créé et
l'image NBR post-incendie est soustraite d'une image NBR avant incendie pour créer
un NBR différencié (dNBR) qui est utilisé pour évaluer la quantité de végétation et les
changements de sol résultant de le feu (voir figure 1).
Les satellites Landsat acquièrent une image tous les 16 jours sur un emplacement
particulier. Actuellement, il y a deux satellites Landsat en orbite, Landsat 7 et 8, donc
les images sont collectées tous les huit jours. Il existe de nombreux choix d'images
Landsat et il est important de sélectionner les meilleures images. La meilleure imagerie
dépend d'un certain nombre de facteurs liés au type de couverture terrestre et à la
saison du brûlage, ce qui conduit à une stratégie d'évaluation préférée.
http://arset.gsfc.nasa.gov/ 4
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
Pic de vert
Le pic de vert est un concept important pour l'évaluation de la gravité des brûlures.
Après l'extinction d'un incendie, la végétation survivante commencera à se rétablir ou
finira par mourir. La sélection d'une scène Landsat au sommet du vert après l'incendie
permet de discerner ces effets. Les projets USGS Greenness Mapping et Remote
Sensing Phenology collectent quotidiennement des données d'indice de végétation par
différence normalisée (NDVI) d'un kilomètre acquises par satellite et les compilent
toutes les deux semaines pour les États-Unis contigus (CONUS) afin de conserver la
valeur NDVI maximale. Pour chaque catégorie de couverture terrestre trouvée dans la
scène Landsat, la valeur NDVI moyenne bihebdomadaire est déterminée et tracée sur
un graphique, montrant le moment et l'amplitude du pic de vert. Les courbes
représentent le NDVI moyen sur l'ensemble de la scène Landsat et peuvent être
consultées sur https://mtbs.gov/ndvi-graphs.
Pour commencer une évaluation, utilisez l'interface GloVis standard et les courbes
NDVI pour examiner et comprendre la période (mois et années) des images avant et
après l'incendie. Par exemple, le pic de verdure tombe généralement de juin à août.
Remarque : les données de courbe NDVI sont UNIQUEMENT disponibles pour les
scènes Landsat qui tombent dans CONUS.
http://arset.gsfc.nasa.gov/ 5
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
Téléchargez le plug-FMT
1. inAccédez au site Web Monitoring Trends in Burn Severity (MTBS) :
https://www.mtbs.gov/
2. Cliquez sur Outils, puis sélectionnez QGIS Fire Mapping Tool
3.
Cliquez sur Télécharger l'outil et la documentation
4. Décompressez le QGIS_FMT_Plugin_V1_0_1 dossieret enregistrez-le sur votre
ordinateur.
une. Pour Windows : copiez leFMT dans le dossierrépertoire des plugins
pour QGIS. Il se situe ici : C:\Users\<nom
d'utilisateur>\.qgis2\python\plugins
i. Vous devrez peut-être créer le dossier plugins dans ce répertoire
http://arset.gsfc.nasa.gov/ 6
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
8. Maintenant, rouvrez Gérer et installer les plugins et cliquez sur Tout ce qui
devrait afficher une liste de tous les plugins disponibles (si le plugin n'apparaît
pas dans la liste, fermez la fenêtre et redémarrez QGIS).
http://arset.gsfc.nasa.gov/ 7
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
9. Cochez FMT pour créer l' FMT élémentdans la barre de menu, puis cliquez sur
Fermer.
une. Vous devriez maintenant voir FMT répertorié dans le panneau supérieur de
votre fenêtre QGIS.
http://arset.gsfc.nasa.gov/ 8
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
Voici un exemple de l'apparence du fichier modifié. Notez que votre chemin sera
différent et reflétera l'emplacement où se trouvent vos fichiers FMT :
http://arset.gsfc.nasa.gov/ 9
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
15. Dans la Ajouter une couche SpatialLite fenêtre, cliquez sur Nouveau.à votre
dossier FMT (C:\Users\<username>\.qgis2\python\plugins) et cliquez sur
AccédezFireInfo.sqlite ensuitepuis cliquez sur Ouvrir.
http://arset.gsfc.nasa.gov/ 10
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
16. De retour dans la Ajouter une couche SpatialLite fenêtre, cliquez sur
Connecter , puis sur Fermer. La connexion à la base de données a été établie –
le plugin est maintenant prêt à être utilisé.
http://arset.gsfc.nasa.gov/ 11
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
http://arset.gsfc.nasa.gov/ 12
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
http://arset.gsfc.nasa.gov/ 13
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
http://arset.gsfc.nasa.gov/ 14
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
Le plugin QGIS fournit une image par défaut « étirement » et l'utilisateur peut
ajuster la luminosité, le contraste et les combinaisons de bandes pour améliorer la
visualisation du feu. L'outil QGIS FMT chargera les images de réflectance, NBR et
dNBR avec un étirement par défaut. Cependant, l'étirement par défaut peut ne pas
être cohérent entre les images de pré- et post-réflexion. Lors de l'interprétation des
images de réflectance avant et après incendie, il est préférable de les afficher avec
le même étirement de couleur multibande afin que les différentes nuances de
couleur représentent les mêmes conditions de sol sur les deux images.
11. Dans la fenêtre QGIS, cliquez sur Affichage > Barres d'outils > Barre d'outils
raster. Mettez en surbrillance l'image de réflectance post-incendie
(Post_Scene_Refl_70470272016081101T1_REFL.TIF) dans le panneau Calques.
Cliquez sur les différentes améliorations d'image et remarquez comment vos images
changent.
12. Faites un clic droit sur la réflectance post-incendie dans le panneau Calques et
cliquez sur
Propriétés > Style. Sous Rendu des bandes, réglez la Min valeurpour
lesrouge,
bandesverte et bleue à 0 et la Max valeurpour les bandes rouge, verte et
bleue à 127. Cliquez sur Appliquer puis sur OK.
http://arset.gsfc.nasa.gov/ 15
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
http://arset.gsfc.nasa.gov/ 16
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
http://arset.gsfc.nasa.gov/ 17
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
21. De retour dans le FMT, mettez en surbrillance votre identifiant de mappage (ID 5,
sortie étendue) et cliquez sur
http://arset.gsfc.nasa.gov/ 18
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
Nous allons maintenant calculer le dNBR relatif, qui est un autre indice de gravité de
brûlure utile. Alors que le dNBR est une mesure de la différence absolue entre les NBR
avant et après l'incendie, le RdNBR essaie de rendre compte de la différence relative.
Le calcul du RdNBR nécessite d'abord la détermination du « dNBR offset » (c'est-à-dire
la valeur moyenne du dNBR de la végétation non brûlée). L' Sous-ensemble
étape(ci-dessus) estime cette valeur à partir de tous les pixels dNBR non brûlés en
dehors du périmètre. Cependant, la valeur estimée peut ne pas être exacte si la
couverture terrestre n'est pas représentative de la végétation brûlée qui entoure le feu.
Ensuite, vous devez ensuite déterminer manuellement la valeur de décalage.
22. Dans la fenêtre QGIS, cliquez sur Couche > Créer une couche > Nouveau
fichier de formes. Lorsque la fenêtre apparaît, sélectionnez Polygone. Sous le
File Encoding panneau, assurez-vous d'avoir la bonne projection Selected CRS
(EPSG:32610, WGS 84/UTM zone 10N). À côté de Nom, tapez dnbr. Cliquez
sur OK , puis enregistrez le fichier sous dnbr_offset dans votre dossier mtbs_5.
(FireMappingQgis\event_prods\fire\2015\wa4769812380320150615\mtbs_5).
Le nouveau fichier sera automatiquement ajouté à votre carte.
http://arset.gsfc.nasa.gov/ 19
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
23. Mettez en surbrillance le fichier dnbr_offset et cliquez sur Toggle Editing. Dans
le panneau supérieur, cliquez sur Ajouter une fonctionnalité . Délimitez un
ou plusieurs polygones qui délimitent des zones non brûlées représentatives de
la végétation qui a brûlé.
a. Soyez conscient de la pente, de l'aspect, des types de végétation, de la
couverture nuageuse et des lignes de balayage Landsat 7 ETM+ dans les
deux images. Si le feu a brûlé différents types de végétation, alors les
échantillons non brûlés devraient refléter les types et les proportions de la
végétation brûlée. De plus, le mappage du polygone sur les lignes de
balayage (les bandes noires dans l'image) introduira des valeurs Aucune
donnée (-32768) dans les statistiques zonales. N'incluez pas ces zones
dans votre polygone (étape 25 ci-dessous).
b. Pour délimiter la forme, cliquez n'importe où sur la carte pour commencer
le polygone. Une ligne rouge apparaît alors qui identifie le bord extérieur
du polygone. Assurez-vous de ne pas mapper le polygone sur des lignes
de balayage. Une fois que vous avez terminé, faites un clic droit et une
fenêtre contextuelle apparaîtra indiquant ID, tapez 1 et cliquez sur OK.
Vous verrez alors votre polygone affiché sur la carte.
http://arset.gsfc.nasa.gov/ 20
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
c. Faites un clic droit sur le fichier dnbr_offset et cliquez sur Enregistrer les
modifications , puis décochez Toggle Editing.
25. Cliquez sur Raster > Statistiques zonales > Statistiques zonales. Dans
Raster Layer, sélectionnez l' Post_Scene_dbr image, dans Polygon Layer,
sélectionnez dnbr_offset. Décochez les Count et Sum cases, assurez-vous que
les cases Mean et Standard Deviation sont cochées, puis cliquez sur OK.
http://arset.gsfc.nasa.gov/ 21
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
http://arset.gsfc.nasa.gov/ 22
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
28. Cliquez sur le Ouvrir le dossier des événements boutonpour ouvrir le dossier
des événements Paradise Fire. Dans ce dossier, vous voyez le _rdnbr.tif fichier.
Ajoutez le fichier de sous-ensemble RdNBR à votre panneau Calques.
29. Faites un clic droit sur l'image _rdnbr et cliquez sur Propriétés > Style.
Conservez tous les paramètres par défaut, mais définissez le dégradé de
couleurs Min sur -300 et Max sur 397. Cliquez sur OK.
une. Vous remarquerez les lignes de balayage noires dans votre image. C'est
parce qu'il s'agit d'une image Landsat 7. Si vous êtes curieux de connaître
le problème de la ligne de balayage avec Landsat 7, vous pouvez obtenir
plus d'informations à ce sujet sur : https://landsat.usgs.gov/landsat-7
30. C'est toujours une bonne idée de sauvegarder votre carte en cours de route.
Cliquez sur Enregistrer et enregistrez votre carte QGIS dans votre dossier de
travail (mtbs_5) en tant que FTM.qgis.
http://arset.gsfc.nasa.gov/ 23
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
1. Dans le FMT, cliquez sur le Seuil boutonpour accepter les valeurs générées par
l'étape du sous-ensemble. Après avoir cliqué sur Seuil, vous verrez Seuil
terminé dans le panneau inférieur gauche de QGIS.
http://arset.gsfc.nasa.gov/ 24
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
2. Ajoutez l'image de seuil à QGIS. Cliquez sur Ajouter une couche raster
Icône, accédez à votre dossier mbts_5 et sélectionnez le fichier se terminant par
dbnr6.tif. Cliquez sur Ouvrir.
Examinez le résultat thématique pour voir s'il préserve les motifs observés dans le
dNBR en niveaux de gris. Initialement, l'estimation visuelle des seuils est un bon moyen
d'évaluer les seuils par défaut ou de collecter des données de terrain à comparer avec
les valeurs dNBR et, au fil du temps, de développer un ensemble de « seuils par
défaut » pour votre domaine d'intérêt.
http://arset.gsfc.nasa.gov/ 25
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
Après avoir examiné les seuils, vous pouvez décider d'ajuster manuellement les
seuils pour mieux représenter le potentiel de gravité de la brûlure au sol. Pour ce
faire, vous voudrez examiner visuellement les images dNBR, RdNBR et de
réflectance.
3. Cliquez sur Ajouter une couche raster et ajoutez l'image se terminant par
_nbr.tif. Faites un clic droit sur l'image _nbr et cliquez sur Propriétés > Style.
Conservez tous les paramètres par défaut, mais définissez le dégradé de
couleur Minsur -300. Cliquez sur OK.
http://arset.gsfc.nasa.gov/ 26
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
Par défaut, le dNBR sera rendu sous la forme d'une image en niveaux de
gris à bande unique avec un étirement du noir au blanc en utilisant les valeurs
minimales et maximales estimées. Vous devez connaître la gamme complète
des valeurs réelles.
http://arset.gsfc.nasa.gov/ 27
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
10. Revenez à l' Style interfaceet entrez la Min valeurcomme -200 et la Max
valeurcomme 900 dans l'interface de rendu pseudocolor Singleband. Choisissez
à Intervalle égal nouveauet définissez le nombre de classes sur 23, puis cliquez
sur Classer et appliquer. Cliquez sur OK et affichez votre image.
Avec 23 classes, tous les niveaux de gris sont visibles dans la fenêtre de rampe
de couleurs. Chaque intervalle couvre environ 40 niveaux dNBR (les « Valeurs »
sont affichées sous forme de décimales mais les valeurs réelles de l'image dNBR
sont des nombres entiers). Des intervalles de 40 peut-être trop grossiers pour la
précision (± 10) mais peuvent être dépassés plus tard.
http://arset.gsfc.nasa.gov/ 28
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
Regardez l'image dNBR avec ce rendu. Il y a un bon contraste et les niveaux de gris
à l'intérieur de la zone brûlée vont du blanc brillant au gris moyen et plus foncé et
représentent les modèles de gravité de la brûlure au sein de l'incendie. Les zones non
brûlées sont beaucoup plus sombres. Trouvez d'abord les valeurs dNBR qui
correspondent aux seuils brûlés/non brûlés (bas) et haut.
11. Cliquez sur et zoomez sur chaque image à tour de rôle pour voir comment les
motifs dNBR correspondent aux images de réflectance post- et pré-incendie. Une
fois terminé, zoomez jusqu'à l'étendue de la limite de la zone brûlée (environ000)
1:50Au fur et à mesure que les seuils dNBR sont colorés, comparez les
nouveaux seuils à l'image de réflectance post-incendie et à une version non colorée
de l'image dNBR.
12. Dans le panneau Calques, cliquez avec le bouton droit sur l'
Post_Scene_dNBR imageet sélectionnez Dupliquer. Cela crée une copie de
l'image dNBR dans la table des matières qui correspond aux propriétés de style
de l'original (min et max de -200 et 900 et 23 classes). Renommez cette image à
dupliquer en cliquant avec le bouton droit sur le fichier dans le panneau
Calques et cliquez sur Renommer.
http://arset.gsfc.nasa.gov/ 29
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
Nous commencerons par essayer de déterminer la valeur dNBR pour le seuil brûlé
et non brûlé. Ce point de rupture bas se situe souvent quelque part entre les valeurs de
0 et 100 dNBR (Key et Benson 2006). Souvent, le point de rupture de faible gravité est
facile à discerner, car il s'agit du seuil auquel il existe une différence distincte de
coloration entre les zones non brûlées et brûlées dans l'image dNBR.
15. Avec l'onglet Style du doublon ouvert, commencez à partir de la valeur la plus
basse (environ -152) et double-cliquez sur la Couleur case. La Changer de
couleur fenêtreapparaît avec plusieurs façons de définir et d'enregistrer les
couleurs. Cette catégorie fera référence aux lignes de balayage, alors rendons
cette couleur noire. Cliquez sur Appliquer, puis sur OK et fermez la zone
Propriétés .
16. Cliquez sur les deux cases suivantes avec des valeurs négatives (par exemple
-104, -56,5, -8.7) et changez la couleur en vert foncé pour indiquer non brûlé.
Cliquez sur Appliquer, puis sur OK, puis affichez l'image.
a. Remarque : Afin de copier une couleur dans plusieurs catégories, vous
pouvez copier la notation HTML (Ex : #067914) de la première catégorie
de couleur et la coller dans la catégorie suivante.
b. Notez également que vos valeurs de seuil peuvent être légèrement
différentes, mais ce processus sera mené de manière similaire.
http://arset.gsfc.nasa.gov/ 30
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
De petites zones de vert foncé apparaissent au nord de l'incendie semblent être des
ombres de nuages et/ou des zones stériles avant l'incendie qui sont plus vertes dans
l'image après l'incendie.
17. Le seuil bas est estimé à près de 70. Mais qu'en est-il de notre prochaine
catégorie (39,1) ? Donnez à cette catégorie une couleur bleu clair et cliquez sur
Appliquer puis sur OK.
http://arset.gsfc.nasa.gov/ 31
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
18. Il semble que cette catégorie soit presque entièrement en dehors de notre zone
brûlée, changeons donc la couleur de cette catégorie en vert foncé. Répétez
cette étape pour les deux catégories suivantes (87 et 135). Les couleurs
attribuées à l'image pour n'importe quel niveau sont des valeurs égales et
inférieures à la « valeur » indiquée dans la palette de couleurs.
http://arset.gsfc.nasa.gov/ 32
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
20. Appliquez la même catégorie bleu clair aux quatre catégories suivantes (230,
278, 326 et 374) et jetez un œil à la carte.
http://arset.gsfc.nasa.gov/ 33
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
Alors, quelles sont les valeurs de seuil correctes ? Il n'y a pas de moyen définitif de
le dire sans observations sur le terrain. Même alors, une certaine subjectivité demeure.
L'expérience améliorera les compétences d'interprétation, en particulier lorsqu'elle est
combinée avec des observations sur le terrain. Le projet MTBS a estimé une valeur
dNBR de 100 comme seuil bas pour cet incendie. Pour maintenir la cohérence entre les
différents analystes MTBS, tous cartographieront le même incendie et compareront les
résultats. « Accord » est proclamé si tous les analystes sont à moins de 50 pour les
seuils choisis.
21. Testez les valeurs de combustion modérées sur les deux catégories suivantes
(422, 470, 517, 565).
http://arset.gsfc.nasa.gov/ 34
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
Ensuite, nous allons estimer le seuil de gravité élevé à l'aide du RdNBR. Remarque
: RdNBR ne fonctionne pas nécessairement partout et la méthodologie suivante n'est
qu'un point de départ pour estimer le seuil de gravité élevé. Pour estimer le seuil élevé,
le projet MTBS utilise l'image RdNBR pour aider à déterminer le seuil de gravité élevé
dans l'image dNBR. Miller et Thode (2007) ont étudié de nombreux incendies en
Californie et ont découvert que les valeurs seuils spécifiques de RdNBR étaient
fortement corrélées avec les estimations au sol de la gravité élevée des brûlures. Ils ont
recommandé différents seuils de RdNBR pour les évaluations étendues (seuil : 640) par
rapport aux évaluations initiales (seuil : 750).
http://arset.gsfc.nasa.gov/ 35
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
24. À l'aide des méthodes décrites ci-dessus, utilisez le rouge pour coder en couleur
les valeurs RdNBR 640. Fermez l' Style onglet. Déplacez l'image RdNBR sous
l'image dNBR.
http://arset.gsfc.nasa.gov/ 36
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
http://arset.gsfc.nasa.gov/ 37
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
25. Turn on the Post_Scene_dNBR image and make sure the color categories
match those shades of grey that were displayed earlier (Singleband Pseudocolor,
Greys, color ramp to Min and Max = -200, 900; 23 equal interval classes,
discrete, etc.).
26. Start at the highest values in the color ramp and change each level to red and
compare each update to the RdNBR image. Turn the Post_Scene_dNBR layer
on and off each time you change a grey color to red and try to match up the red
pixels in the Post_Scene_dNBR_copy image to those in the RdNBR image.
http://arset.gsfc.nasa.gov/ 38
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
It appears that the next level 565 of the Post_Scene_dNBR matches nicely with the
RdNBR. Now you can set the Post_Scene_dNBR high threshold around the same
http://arset.gsfc.nasa.gov/ 39
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
value (565). You can round to the nearest 10 or 25 in order to avoid implying
measurement precision that cannot really be discerned.
We have now estimated the low threshold as 87 and the high threshold as 565.
27. Turn off the Post_Scene_dNBR and apply the high category values to the
duplicate image.
http://arset.gsfc.nasa.gov/ 40
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
28. To save the color categories you used, click on Export Color Map to File
icon in the Style tab. Save the file into your working folder as burn_sev. Next
time you can import these categories and colors to a future image that you work
with. This will save time and provide some consistency.
Unless there are ground observations to guide selection of the moderate threshold,
visually estimate a value that preserves patterns seen in the dNBR. Picking a value
midway between the High and Low thresholds is a reasonable starting point. The value
326 is half way between 87 and 565. Color the grey-scale intervals from 326 to 565 as
yellow (moderate severity) and light blue for intervals from 87 to 326 (low severity). If no
high severity had existed within the fire perimeter (no RdNBR values exceed 640 for
extended assessments or 750 for initial assessments), enter 9999 for the high severity
value and use image interpretation techniques to estimate a moderate severity value,
choosing a value that preserves the major patterns of burn severity seen in the dNBR.
The No Data Threshold is set at automatically set at -970 and represents dNBR
values that are artifacts and not representative of actual burn severity. The increased
Greenness Threshold is set automatically at -150. dNBR values less than -150
represent areas of increased vegetation. There is usually no reason to adjust this value
http://arset.gsfc.nasa.gov/ 41
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
unless the average unburned dNBR value (the offset) is well below zero ie < -30. Then
you may want to drop this threshold to – 180.
29. Go back to your FMT window. Change the Threshold values to reflect those you
chose.
a. Low: 87
b. Moderate: 326
c. High: 565
30. Enter any mapping comments deemed appropriate and click the Threshold
button.
31. Once a fire assessment is finished, select Complete from the drop-down list and
click Update Mapping. The Mapping Status changes from in-progress to
complete. It can be changed back to in-progress should the analyst need to
make revisions.
32. Click on Generate Metadata. This will generate a text file containing all the
parameters associated with the fire severity assessment and add it to the fire
folder.
http://arset.gsfc.nasa.gov/ 42
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
Conclusion
The FMT allows users to conduct fire perimeter and burn severity mapping on fires
of interest that may not be included in fire assessments from MTBS or that may take too
http://arset.gsfc.nasa.gov/ 43
Advanced Webinar: Techniques for Wildfire Detection and Monitoring
July 12 & 19, 2018
long to be published by the MTBS. In this exercise, you gained an understanding of this
process including:
For more information about the entire evaluation process, read the QGIS FMT User
Guide that can be found in the FMT download packet.
References
Key, CH, & Benson, NC (2006). Landscape assessment (LA). FIREMON: Fire effects
monitoring and inventory system. Gen. Tech. Rep. RMRS-GTR-164-CD, Fort Collins,
CO: US Department of Agriculture, Forest Service, Rocky Mountain Research Station.
http://arset.gsfc.nasa.gov/ 44