Forest wildfire detection and burned area mapping with synthetic aperture radar (SAR)

This thesis focuses on forest wildfire detection and burned area mapping with Sentinel-1 (SAR) data. Unlike optical data, Synthetic Aperture Radar is independent of solar illumination and works at frequencies that can penetrate cloud and smoke. This opportunity allows wildfire monitoring in all atmospheric conditions. The state of the art is presented to the reader for understanding the current research developments in this topic and the main challenges. The idea is to implement an algorithm which detects if the pixel is burned or unburned by using SAR features which are significantly modified after a fire event and its products such as intensity images, coherence and entropy. The algorithm is generated by a supervised classifier which uses optical metrics derived from Sentinel-2 as a ground truth. All the necessary information about supervised classification is explained in details. It is also shown step by step how to compute optical metrics such as the Relativized Burn Ratio. In a first study case, the SAR features which better distinguish the burned area are analysed with real SAR data. An appropriate classifier is used for learning the data, and the model is trained using samples from the optical and SAR features. The final algorithm will be applied in the full study area and its performance will be evaluated by computing the accuracy. In addition, a comparison of optical and SAR data in wildfire detection is provided to the reader, showing the advantages and disadvantages of each method. A second case study is carried out for validating the proposed technique in two forest wildfires and the accuracy will be computed for both. An analysis of the limitations that this method presents in non forest areas is provided at the end.

Questa tesi si concentra sul rilevamento d'incendi boschivi e sulla mappatura delle aree bruciate con i dati Sentinel-1 (SAR). A differenza dei dati ottici, il Radar per immagini (SAR) è indipendente dall'illuminazione solare e funziona a frequenze che possono penetrare nelle nuvole e nel fumo. Questa opportunità consente il monitoraggio degli incendi in tutte le condizioni atmosferiche. Lo stato dell'arte viene esposto al lettore per comprendere gli attuali sviluppi della ricerca su questo argomento e le principali sfide. L'obiettivo della tesi è implementare un algoritmo che rilevi se il pixel è bruciato o non bruciato utilizzando le variabili SAR che sono significativamente modificate dopo un evento d'incendio e dei suoi prodotti come immagini d'intensità, coerenza ed entropia. L'algoritmo è generato da un classificatore supervisionato che utilizza metriche ottiche derivate da Sentinel-2 come verità a terra. Tutte le informazioni necessarie sulla classificazione supervisionata sono spiegate in dettaglio. Viene inoltre mostrato passo dopo passo come calcolare metriche ottiche come il Relativized Burn Ratio. In un primo caso di studio, le variabili SAR che potrebbero discriminare l'area bruciata sono analizzate con dati reali. Per l'apprendimento dei dati viene utilizzato un classificatore appropriato e il modello viene addestrato utilizzando campioni delle immagini ottiche e SAR. L'algoritmo finale sarà applicato nell'intera area di studio e le sue prestazioni saranno valutate calcolando l'accuratezza. Inoltre, viene fornito al lettore un confronto dei dati ottici e SAR nel rilevamento d'incendi boschivi, mostrando i vantaggi e gli svantaggi di ciascun metodo. Viene analizzato un secondo caso di studio per validare la tecnica proposta in due incendi boschivi e l'accuratezza verrà calcolata per entrambi. Alla fine viene fornita un'analisi dei limiti che questo metodo presenta nelle aree non forestali.