Forest Biomass Mapping with Terrestrial Hyperspectral Imaging for Wildfire Risk Monitoring

要約

過去 10 年間で山火事が急増したため、生態系と人命への損失を軽減するために、これらの災害を検出して予測することが必要になってきました。
この論文では、スナップショット ハイパースペクトル イメージングと無人地上車両 (UGV) に搭載された LiDAR で構成される新しいソリューション Hyper-Drive3D を紹介します。このソリューションは、森林火災の燃料となる危険性のある森林内のエリアを特定します。
このシステムは、森林植生のスペクトル特徴を分析することにより、より正確な分類を可能にします。
私たちは森林の状態をシミュレートした制御された環境でフィールド試験を実施し、システムの有効性についての貴重な洞察を得ることができました。
また、火災の危険に対するシステムの予測機能を強化し、リスク情報に基づいたプロアクティブな森林管理戦略をサポートするために、さまざまな環境条件や地形にわたる密林で広範なデータ収集が実行されました。
さらに、ハイパースペクトル画像から水分データを抽出し、それを 3D 空間に投影するためのフレームワークを提案します。

要約(オリジナル)

With the rapid increase in wildfires in the past decade, it has become necessary to detect and predict these disasters to mitigate losses to ecosystems and human lives. In this paper, we present a novel solution — Hyper-Drive3D — consisting of snapshot hyperspectral imaging and LiDAR, mounted on an Unmanned Ground Vehicle (UGV) that identifies areas inside forests at risk of becoming fuel for a forest fire. This system enables more accurate classification by analyzing the spectral signatures of forest vegetation. We conducted field trials in a controlled environment simulating forest conditions, yielding valuable insights into the system’s effectiveness. Extensive data collection was also performed in a dense forest across varying environmental conditions and topographies to enhance the system’s predictive capabilities for fire hazards and support a risk-informed, proactive forest management strategy. Additionally, we propose a framework for extracting moisture data from hyperspectral imagery and projecting it into 3D space.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google