[論文レビュー] 30m resolution Global Annual Burned Area Mapping based on Landsat images and Google Earth Engine

Tengfei Long, Zhaoming Zhang+7 more|arXiv (Cornell University)|May 7, 2018

Fire effects on ecosystems参考文献 30被引用数 9

ひとこと要約

本研究では、Google Earth Engineにおける自動化パイプラインを用いて、2015年の全Landsat-8画像を統合し、30m解像度のグローバルな年間焼跡マップ「GABAM 2015」を提案する。時間系列解析と時系列フィルタリングを活用することで、Fire_cci v5.0と高い相関（R² = 0.74）を示し、誤検出誤差（commission error）が13.17%、見逃し誤差（omission error）が30.13%であると報告しており、高解像度のグローバル火災モニタリングを可能にする。

ABSTRACT

Heretofore, global burned area (BA) products are only available at coarse spatial resolution, since most of the current global BA products are produced with the help of active fire detection or dense time-series change analysis, which requires very high temporal resolution. In this study, however, we focus on automated global burned area mapping approach based on Landsat images. By utilizing the huge catalog of satellite imagery as well as the high-performance computing capacity of Google Earth Engine, we proposed an automated pipeline for generating 30-meter resolution global-scale annual burned area map from time-series of Landsat images, and a novel 30-meter resolution global annual burned area map of 2015 (GABAM 2015) is released. GABAM 2015 consists of spatial extent of fires that occurred during 2015 and not of fires that occurred in previous years. Cross-comparison with recent Fire_cci version 5.0 BA product found a similar spatial distribution and a strong correlation ($R^2=0.74$) between the burned areas from the two products, although differences were found in specific land cover categories (particularly in agriculture land). Preliminary global validation showed the commission and omission error of GABAM 2015 are 13.17% and 30.13%, respectively.

研究の動機と目的

• Landsat画像を用いて、自動的かつスケーラブルな方法で高解像度グローバル焼跡マップを生成するための手法を開発すること。
• アクティブ火災検出や高頻度の時系列サンプリングに依存する粗い解像度のグローバル焼跡製品の限界を克服すること。
• Google Earth Engineの計算能力を活用して、グローバルかつ年間、30m解像度の焼跡マップ作成を可能にすること。
• 気候変動、炭素サイクル、エコシステム研究のための、自由利用可能で一貫性があり再現可能なグローバル焼跡製品を提供すること。
• Fire_cci v5.0などの既存グローバル製品と比較して、得られた製品の正確性を検証すること。

提案手法

• 2015年のLandsat-8画像全データをアクセス・処理する目的で、Google Earth Engine（GEE）プラットフォームを活用した。
• スペクトルインデックス（例：NBR）に基づく時間系列変化検出法を用い、火災後のリフレクタンス異常を同定した。
• 雲、大気要因、急速な植生回復による誤検出を低減するための時系列フィルタリング技術を実装した。
• 複数のLandsat画像における表面リフレクタンスの時間的推移を分析することで、焼跡の自動検出を実現した。
• 2015年に発生した焼跡イベントを統合し、レガシーバーン（旧来の焼跡）を除いて、グローバル年間焼跡マップ（GABAM 2015）を生成した。
• 異なる地域におけるGF-1、CBERS-4、Landsat-8の参照データを用いて、検出アルゴリズムの補正と検証を実施した。

実験結果

リサーチクエスチョン

• RQ1 Google Earth Engineにおける自動的かつスケーラブルなパイプラインは、Landsat-8の時系列データから一貫性のある30m解像度のグローバル焼跡マップを生成できるか？
• RQ2 GABAM 2015製品の空間的分布と正確性は、既存のFire_cci v5.0グローバル焼跡製品と比べてどの程度か？
• RQ3 GABAM 2015製品の誤検出誤差と見逃し誤差は、多様なグローバル土地被覆タイプにおいてどのように変動するか？
• RQ4 急速な植生回復や雲の影響が、熱帯・湿潤地域における検出正確性にどの程度影響を及えるか？
• RQ5 Landsatベースのグローバル焼跡マップは、気候モデルや炭素サイクル研究を支援するのに十分な正確性と一貫性を達成できるか？

主な発見

• GABAM 2015は、特にコンifer林において、Fire_cci v5.0製品と高い相関（R² = 0.74）を示した。
• GABAM 2015のグローバルな誤検出誤差は13.17%、見逃し誤差は30.13%であり、多様な地域における予備的検証に基づく。
• 5か所のグローバルサイトでの検証では、全体の正確性がアフリカで71.29%（最低）～米国で95.87%（最高）の範囲にあり、米国では見逃し誤差が67.97%（最低）、アフリカでは57.41%（最高）であった。
• 本手法は、熱帯林のような急速な植生回復が見られる地域の焼跡を効果的に検出できたが、そのような地域では依然として見逃し誤差が高かった。
• 自動化パイプラインにより、数十万枚のLandsat画像の効率的処理が可能となり、長期的な時系列マッピングが現実可能になった。
• GABAM 2015とFire_cciの差異は、農業用地で最も顕著であり、土地被覆タイプや表面リフレクタンスのダイナミクスへの感受性が示唆された。