大家好，我是超自然现象探索官，感谢您的观看，希望能得到您的一个"关注"

对森林火灾地点的卫星跟踪是一个细致入微的程序，也是空间技术在地球国民经济中应用的一个引人注目的例子。这种情况到底是如何发生的以及提高火灾预警过程的效率所需采取的措施都在我们的材料中。

森林火灾是一场严重的灾难，特别是考虑到俄罗斯森林面积的大小。例如，在俄罗斯2001年至2016年的火灾季节，不同年份大约发生了8至2万起森林火灾。在此期间，平均每年发生约 15,000 起森林火灾。每年森林火灾的总面积也有很大差异（从5到2500万公顷）。作为比较：莫斯科的面积加上2012年吞并的领土为26万公顷。每年多达数百个这样的地区可能因森林火灾而被烧毁。

遥感 (ERS) 卫星每天产生大量数据。同时，行星表面的图像以不同的光谱和不同的分辨率拍摄，因为它们用于不同的目的。

与普遍看法相反，火灾探测不需要可见光谱中具有最大分辨率的图像。科学家们不会用放大镜手动检查每一平方米的森林来寻找燃烧源；这个过程是高度自动化的。

首先，值得澄清的是，不同的数据用于预防森林火灾和确定已经发生的损失。低空间分辨率（从每像素数百米到数千米）的卫星图像用于检测活跃燃烧的区域。同时，获取此类数据的频率虽然不是很高（一天几次），但与速度更快的草原和其他草地火灾相比，对于监测森林火灾的蔓延来说是可以接受的。

这使您可以快速检测火灾，确定火灾区域，结合在不同时间点收到的特定火灾的信息，控制火灾蔓延的区域，并估计其面积。

非常重要的是，迄今为止，监测森林火灾蔓延的俄罗斯科研机构已经积累了相当大的同质（空间和时间上可比）系列观测数据。这使得基于该方法获得的结果不仅可以用于情况的操作分析，而且还可以获取大区域热源情况的长期动态信息。

信息处理的基础是来自安装在Meteor-M卫星上的MSU-MR 设备（多光谱低分辨率扫描设备）的数据，该设备在六个光谱范围内进行测量。为了检测火灾，使用在通道 21 和 22 中获得的 3.929–3.989 µm 光谱范围。其他通道还用于各种过滤，防止算法误报。

MOD14火灾探测算法的任务是在分析的卫星图像中识别热点 (HS)，即观察到燃烧的像素。但在这里您需要了解算法可能会出错，并且减少可能需要验证的点的数量很重要。为此，首先对数据进行过滤以保证错误值，然后选择覆盖水面和云的像素。通过一组测试从剩余像素中识别出潜在的热点。

对于每个这样的像素，计算周围背景的特征。首先，所有被识别为云或水的像素都从背景中被丢弃。然后，从剩余的部分中分离出背景的高温部分。接下来，对每个潜在热点应用一组阈值测试。

如果其中一些测试成功通过，则该像素将被标记为热点。在工作的最后阶段，检查每个这样的点是否存在误报，误报可能是由于下表面的高温、太阳的眩光等原因而发生的。

根据特殊方案进行处理后，有关收到的可能发生森林火灾的点的信息将根据特殊方案发送至航空消防局，在那里他们目视检查信息，并在必要时开始灭火。