XingHuan Visible and Uncooled Multispectral Infrared Camera for Wildfire Detection: Algorithm Description and Initial Validation
Notice bibliographique
Résumé
Advancements in wildfire detection using meteorological satellite data have progressed significantly since the 1980s, driven by improved instruments and analytical algorithms. In May 2024, the XingHuan satellite, designed for wildfire monitoring, was deployed into orbit. It carries a visible-panchromatic camera and a multispectral infrared imaging system, featuring a vanadium oxide array. The system provides a 60 m spatial resolution for visible-panchromatic imaging and 120 m for both mid-wave infrared and long-wave infrared imaging, all within a 1.5 kg payload. The camera’s high resolution, five spectral bands, and time-delay integration method significantly improve the signal-to-noise ratio (SNR) for detecting small wildfires. However, accurate radiometric quantification of the data depends on precise temperature measurement and thermal control system of the camera, which complicates fire pixel identification. This study proposes a novel approach, the fire dual-band local contrast method (Fire-DBLCM) for fire detection, using uncalibrated raw data from the XingHuan satellite. The Fire-DBLCM method selects an optimal background based on fire’s spectral properties, improving detection sensitivity. Inspired by the human visual system, this method circumvents the conventional fire detection process, such as radiometric calibration, atmospheric correction, cloud and water pixel classification, and absolute thresholding. Integrating both mid-wave and long-wave spectral bands further enhances the SNR compared to single band-dependent initial data and conventional local contrast method approaches. We evaluate the Fire-DBLCM’s performance by comparing its results with data from medium-resolution satellite sensors (MODIS and VIIRS) and high-resolution satellites (Landsat-8/9 and Sentinel-2). The findings indicate that the Fire-DBLCM algorithm identifies smaller wildfires more effectively than medium-resolution satellites and detects residual heat signatures more sensitively than high-resolution satellites. The smallest fires identified were$< $700 m2during the day and$< $100 m2at night, establishing a new benchmark for uncooled infrared satellite constellations with high spatiotemporal resolution.
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 | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».