[Back]


Doctor's Theses (authored and supervised):

J. Zhang:
"Spatial and Statistical Analysis of Thermal Satellite Imagery for Extraction of Coal Fire Related Anomalies";
Supervisor, Reviewer: W. Wagner, P. van Dijk; Institut für Photogrammetrie und Fernerkundung, 2004.



English abstract:
Coal fires, either man-made or resulting from spontaneous combustion, not only cause losses of natural resources, but also cause severe environmental problems. In China, coal fires are spread out over the whole northern part of the country. Therefore it is extremely difficult to keep an overview of the development of known fires as well as of newly developing ones. The study undertaken in this thesis focuses on the development of a practical approach for the extraction of coal fire related thermal anomalies at the land surface over large areas using remote sensing data sets.

An overview of the theory and case studies on detecting coal fires using remote sensing techniques is given in a literature review. The surface features and by-products of coal fires include pyro-metamorphic rocks, fumarolic minerals, burnt pits and trenches, subsidence and cracks, as well as surface thermal anomalies. These features can be detected from visible, near infrared, short-wave infrared, radar and thermal infrared remote sensing imageries. The ability to detect these features is limited by the spectral, spatial and temporal resolution of the remote sensing data.

Thermal characteristics of coal fires and their thermal anomalies were analyzed through simulated coal fires, field measurements in the study areas, and thermal anomalies on the images. Two simulated coal fires were studied during a field experiment at DLR, Oberpfaffenhofen, Germany. The results indicated that the inner temperature of such a coal fire is above 1000C. The surface radiant temperatures of a coal fire range from 300 to 900C. All background materials, such as sand and grasses, have relatively high radiant temperatures during daytime and compraratively low temperatures during night-time, which makes the contrast between the coal fire and the background higher during night-time.

From field measurements, it is known that surface temperature can vary up to 28C within a small sand dune. In a coal waist pile, temperature for a slope facing to the Southeast can be 20C higher than that for a slope facing to the North between 10:00 to 14:00. The temperature variance caused by uneven solar heating can overprint thermal anomalies related to coal fires. Underground coal fires can form thermal anomalies above the covering bedrocks on the surface. The anomalies can best be observed in night-time data. Predawn is the optimum time for coal fire detection with thermal remote sensing techniques. Temperature profiles show that one hour after sunrise, a coal fire related thermal anomaly, only 1m away from a crack was overprinted by the effects of solar heating. Thermal anomalies did not extend for more than 3m away from the crack. The width of thermal anomalies does not decline as the background temperatures increase. The thermal pattern in remote sensing as well as field data above a coal fire actually is defined by the pattern of cracks.

Through analyses of the statistical characteristics of the thermal anomalies in different scenes of daytime and night-time Landsat-7 ETM+ band 6 images, it is shown that the minimum, median and mean values of a coal fire related thermal anomaly on ETM+ images are not only higher than its background, but also decrease with the increase of the dimension of the accounted background. Standard deviation of a coal fire or a thermal anomaly on night-time ETM+ images is higher than that of the background. On daytime ETM+ images it is smaller than that of the background. The minimum values of the thermal anomalies are much lower than the highest value of the background. Therefore thermal anomalies are not outstanding, and are hard to separate. Coal fires form thermal anomalies on images with their distinct start and end DN values. During detection, every coal fire should be counted individually. ETM+ night-time images are suitable for general survey of coal fires in large areas. About eighty percent of known coal fires can be detected.

A practical approach for the extraction of coal fire related thermal anomalies in a large area using Landsat-7 band 6 data was developed in this study. Most coal fires form thermal anomalies on the surface, which are smaller than a pixel size of Landsat-7 ETM+ band 6 image. They form a kind of weak and local thermal anomalies in the image. The thermal anomalies can be extracted within subsets of the image. Subsets of an image can be defined using a window of small size, moving over the image step by step. In such a window, thermal anomalies and their background can be separated through a threshold, which is defined as the first histogram turning point after the mean plus the standard deviation of the window. A proper threshold can minimize the number of false alarms. A result map records how many times a pixel in the image has been counted as a thermal anomaly. When a threshold is set, the result map can be sliced to a bit map representing coal fire induced thermal anomalies and the non-fire area. Furthermore, some false alarms, such as water bodies and slopes heated by the sun, can be removed according to the statistical analysis based on known thermal characteristics of coal fires and contextual information.

The background temperature, the quality of the thermal remote sensing data, and the size and strengths of the coal fires are the factors which determine the detectability of coal fires. The performance of the algorithm for the extraction of coal fire related thermal anomalies is independent on these factors, while the result of the algorithm is dependent on the size of the moving window and the final cut-off percentage. Thermal anomalous clusters with different extent (for example 0 to 64 pixels in in size in the Wuda area) can be well extracted by the algorithm using different size of the moving window. Sometimes 100% of the thermal anomalous pixels in a cluster can be delineated. The best size of the moving window for detecting coal fires in a large area in Northwest of China is the accumulative window ranging from 11*11 to 35*35 pixels for Landsat-7 ETM+ band 6 data.

To evaluate the performance, the algorithm is applied to satellite data covering an area in Xinjiang Uygur Autonomous Region, about 2000 km away from the main study areas. Thermal anomalies extracted by the algorithm here coincide well with the known locations of coal fires. Using the thermal anomalies automatically extracted from Landsat-7 ETM+ thermal data based on this algorithm, plus the land cover information derived from the multi-spectral non-thermal bands, the areas with a high potential for coal fire occurrence can be defined. Ground truth studies in areas with a high coal fire potential, which have never been investigated before, confirmed the presence of active coal fires, beforehand only picked up in remote sensing data. These assessments validate the algorithm to have the potential to investigate unknown areas. This makes it possible to set up an operational detection and monitoring system for coal fires in larger areas, such as northern China.

German abstract:
Kohlefeuer (natürlich und anthropogen) führen nicht nur zum Verlust von Rohstoffen, sondern verursachen auch bedeutende Umweltprobleme. In China erstrecken sich die Kohlefeuer über den gesamten Nordteil des Landes. Daher ist es extrem schwierig einen Überblick über die Verteilung von bereits bekannten und die Entstehung von neuen Kohlefeuern zu gewinnen. Diese Untersuchung beschäftigt sich mit der Entwicklung eines praktischen Verfahrens zur Ermittlung von durch Kohlefeuer verursachten, thermalen Anomalien auf der Landoberfläche mit Hilfe von Fernerkundungsdaten im regionalen Maßstab.

Die Arbeit beginnt mit einem Überblick über die Theorie und Fallstudien zur Ermittlung von Kohlefeuern mit Hilfe fernerkundlicher Mittel. Die Oberflächenmerkmale und Nebenprodukte von Kohlefeuer beinhalten pyrometamorphe Gesteine, fumarolische Minerale, Einsturztrichter und -gräben, Landabsenkungen, Kluftbildungen, und oberflächennahe thermale Anomalien. Diese Ausprägungen können sowohl mit Hilfe von Fernerkundungsdaten aus dem sichtbaren Bereich, nahen Infrarot, kurzwelligen Infrarot und thermalen Infrarot als auch mit dem Radar entdeckt werden. Die Fähigkeit zur Entdeckung dieser Ausprägungen wird von der spektralen, räumlichen und zeitlichen Auflösung der Fernerkundungsdaten begrenzt.

Die Eigenschaften der Kohlefeuer und der dadurch bedingten thermalen Anomalien wurden mit Hilfe simulierter Kohlefeuer im Zuge von Feldarbeiten und bei der Analyse der Anomalien der Fernerkundungsdaten untersucht. Zwei Kohlefeuersimulationen wurden auf dem Gelände der DLR in Oberpfaffenhofen (Deutschland) im Rahmen eines Experimentes durchgeführt. Die Temperatur im inneren eines Kohlefeuers beträgt mehr als 1000C. Die Wärmeabstrahlung eines Kohlefeuers rangiert von 300C bis 900C. Der Hintergrund im Gelände (z.B. Boden, Vegetation) hat im Verhältnis zum Kohlefeuer tagsüber einen höheren und nachts einen niedrigeren Wärmegradienten. Daher ist Kontrast zwischen Kohlefeuer und Hintergrund in der Nacht deutlicher ausgeprägt.

Feldstudien haben ergeben, dass die Oberflächentemperatur innerhalb einer kleinen Sanddüne um 28C abweichen kann. Die Temperaturunterschiede im Südosten und Norden einer Kohleabraumhalde zwischen 10.00 und 14.00 Uhr betragen bis zu 20C. Die Temperaturunterschiede, die durch die unterschiedlich starke solare Erwärmung verursacht werden, können durch Kohlefeuer bedingte, thermale Anomalien überprägen. Kohlefeuer im Untergrund können thermale Anomalien an der Erdoberfläche erzeugen. Nachtdaten sind für die Beobachtung der Kohlefeuer am besten geeignet. Der optimale Punkt für die Erfassung der Daten ist die Zeit unmittelbar vor dem Sonnenaufgang. Ein Temperaturprofil einer Kluft über einem Kohlefeuer zeigte, dass eine thermale Anomalie in einem Abstand von einen Meter zur Kluft bereits eine Stunde nach Sonnenaufgang von der Sonneneinstrahlung überdeckt worden war. Thermale Anomalien erstrecken sich höchsten drei Meter von einer Gesteinskluft. Die Breite der thermalen Anomalie bleibt bei steigender Hintergrundtemperatur gleich. Das Muster der thermalen Kohlefeueranomalien in Fernerkundungs- und Geländedaten wird durch die Geometrie der Spalten bestimmt.

Eine statistische Analyse der thermalen Anomalien in verschieden Landsat-7 ETM+ Tag- und Nachtszenen zeigte, dass Minimum-, Median- und Mittelwerte einer Kohlefeueranomalie in ETM+ Bildern höher als die ihres Hintergrundes sind, aber mit einer Vergrößerung des Hintergrundes die Differenzen dieser Werte zwischen Anomalie und Hintergrund geringer werden. Die Standardabweichung innerhalb einer thermalen Anomalie in ETM+ Nachtszenen ist höher als die des korrespondierenden Hintergrundes. Tagszenen zeigen eine umgekehrte Verhaltenweise. Das Minimum einer thermalen Anomalie ist deutlich niedriger als das Maximum des Hintergrundes. Deshalb stechen thermale Anomalien nicht deutlich hervor und sind daher schwer einzugrenzen. Jedes Kohlefeuer zeichnet sich durch eigene Start und End DN-Werte aus und sollte bei der Bestimmung einzeln erfasst werden. ETM+ Nachtszenen sind für die großräumige Aufnahme von Kohlefeuern gut geeignet. Die Erfolgsquote bei der Erfassung von Kohlefeuern beträgt ca. 80%.

In diese Studie wurde ein praktisches Verfahren für die Ermittlung von Kohlefeueranomalien im regionalen Maßstab mit Hilfe von Landsat-7, Band 6 Daten entwickelt. Die meisten durch Kohlefeuer an der Erdoberfläche erzeugten thermalen Anomalien sind kleiner als die Pixelgröße einer Landsat-7, Band 6 Szene. Sie bilden hauptsächlich schwache und lokal beschränkte thermale Anomalien. Die Anomalien können mit Hilfe eines Subsets des Bildes ermittelt werden. Dazu wird ein kleines Fenster Schritt für Schritt über das Gesamtbild bewegt. Die Analyse der Daten innerhalb dieses Fensters erlaubt es, die Anomalie vom Hintergrund mit Hilfe eines Schwellwertes zu trennen. Dieser Schwellwert wird durch den ersten Wendepunkt des Histogrammes plus die Standardabweichung innerhalb des Fensters definiert. Ein sauber definierter Schwellwert minimiert die Anzahl der fälschlich zugeordneten Pixel. Eine Ergebniskarte zeigt auf, wie oft ein einzelner Pixel als Feuer klassifiziert wurde. Ein weiterer Schwellenwert erlaubt es, die Ergebniskarte in eine Bitmap mit Kohlefeueranomalien und Hintergrundgebiete aufzuteilen. Darüber hinaus können Fehlklassifizierungen, wie Wasserkörper und durch Sonneneinstrahlung erwärmte Hänge, mit Hilfe der bekannten statistischen Merkmale der Kohlefeuer ausgegrenzt werden.

Die Hintergrundtemperatur, die Qualität der thermalen Fernerkundungsdaten und die Größe und Intensität der Kohlefeuer sind die Hauptfaktoren für die Bestimmung der Kohlefeuer. Die Performanz des Algorithmus zur Extraktion der thermalen Kohlefeueranomalien ist nicht von den oben genannten Faktoren abhängig, sondern von wird von der Größe des Fensters und dem finalen Schwellwert bedingt. Cluster thermaler Anomalien mit verschiedenem Ausmaß (z.B. 0-64 Pixel in Wuda) können gut mit Fenstern unterschiedlicher Größe extrahiert werden. Manchmal ist es möglich bis zu 100% der Pixel eines Cluster einzugrenzen. Die beste Fenstergröße zur Entdeckung von Kohlefeuern in einer großen Region im Nordwesten Chinas reichte von 11*11 zu 35*35 Pixel (Landsat-7 Band 6 Daten).

Für Testzwecke wurde der Algorithmus auf Satellitendaten angewandt, die die Autonome Region Xinjiang Uygur abdecken und ca. 2000 km entfernt von den Hauptuntersuchungsgebieten liegen. Die thermalen Kohlefeueranomalien die durch den Algorithmus bestimmt wurden, stimmen gut mit den bekannten Kohlefeuern überein. Thermale Anomalien, die mit Hilfe des Algorithmus aus Landsat-7 Band 6 Daten ermittelt wurden können zusammen mit Informationen aus den multispektralen nicht-thermalen Kanälen dazu genutzt werden, um Gebiete mit einem hohen Gefährdungspotential für Kohlefeuer zu definieren. "Ground-thruth" Studien in Gegenden, die eine hohe Wahrscheinlichkeit für Kohlefeuer aufwiesen und nie zuvor untersucht wurden, zeigten, dass es in diesen Gebieten aktive Kohlefeuer gab, die mit den zuvor ermittelten Anomalien perfekt übereinstimmten. Diese Untersuchungen beweisen, dass das hier vorgestellte Verfahren das Potential besitzt, Kohlefeuer in zuvor nicht analysierten Gebieten zu ermitteln. Dadurch wird es möglich, die Bestimmung und Überwachung von Kohlefeuern in großen Gebieten (wie z.B. Nordchina) auf operationeller Basis durchzuführen.


Electronic version of the publication:
http://publik.tuwien.ac.at/files/PubDat_119584.pdf


Created from the Publication Database of the Vienna University of Technology.