Geocorrection of Airborne Mid-Wave Infrared Imagery for Mapping Wildfires without GPS or IMU
Notice bibliographique
Résumé
The increase in annual wildfires in many areas of the world has triggered international efforts to deploy sensors on airborne and space platforms to map these events and understand their behaviour. During the summer of 2017, an airborne flight campaign acquired mid-wave infrared imagery over active wildfires in Northern Ontario, Canada. However, it suffered multiple position-based equipment issues, thus requiring a non-standard geocorrection methodology. This study presents the approach, which utilizes a two-step semi-automatic geocorrection process that outputs image mosaics from airborne infrared video input. The first step extracts individual video frames that are combined into orthoimages using an automatic image registration method. The second step involves the georeferencing of the imagery using pseudo-ground control points to a fixed coordinate systems. The output geocorrected datasets in units of radiance can then be used to derive fire products such as fire radiative power density (FRPD). Prior to the georeferencing process, the Root Mean Square Error (RMSE) associated with the imagery was greater than 200 m. After the georeferencing process was applied, an RMSE below 30 m was reported, and the computed FRPD estimations are within expected values across the literature. As such, this alternative geocorrection methodology successfully salvages an otherwise unusable dataset and can be adapted by other researchers that do not have access to accurate positional information for airborne infrared flight campaigns over wildfires.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».