Demarcating coal fire risk areas based on spectral test sequences and partial unmixing using multi sensor remote sensing data

Abstract

In China existieren Kohlebrände in über 50 Kohlefeldern, die sich über den nördlichen Kohleabbaugürtel erstrecken. Dieser Gürtel dehnt sich 5000 km von Osten nach Westen über den gesamten nördlichen Teil des Landes aus. Der wirtschaftliche Verlust durch Kohlebrände wird in China auf 20 bis 30 Mio. Tonnen pro Jahr beziffert. Dies entspricht in etwa der deutschen Jahresproduktion an Steinkohle. Viele der Kohleabbauregionen befinden sich in entlegenen, nur dünn besiedelten Gebieten. Daher stellt die Fernerkundung ein kostengünstiges und robustes Werkzeug dar, um die Brandregionen auf lokalem, regionalem und landesweitem Maßstab zu untersuchen.<br />Diese Arbeit stellt einen konzeptuellen Ansatz und zwei Algorithmen zur automatisierten Ausweisung von Kohlebrandgebieten und zukünftigen Risikogebieten basierend auf Landsat-7 ETM+ und Aster Satellitendaten vor. Der Fokus liegt hierbei auf der Analyse multispektraler Satellitendaten zur Abgrenzung von Gegenden, in denen Kohlebrände mit hoher Wahrscheinlichkeit auftreten. Solche ausgewiesenen Bereiche unterstützen die Differenzierung Kohlebrand-bedingter und anderer Thermalanomalien. Zugleich kann die Ausweisung von Kohlebrand-Risikogebieten die Überwachung von Regionen unterstützen, die ein hohes Gefährdungspotential für die Entstehung der Brände- aber noch keine thermalen Anomalien aufweisen.<br />

China faces severe coal fire problems in over 50 coal fields located within China's coal belt, which stretches over 5000 km from East to West along the whole northern part of the country. The economic loss of coal due to burning coal seams in China is estimated to 20-30 Mio.<br />tons per year. This is in the order of Germany's current annual production of hard coal. Since many of the coal mining regions affected by coal fires are sparsely populated remote areas, satellite remote sensing techniques are a cost efficient and powerful tool for local, regional and country-wide investigations.<br />This thesis presents a conceptual approach and two algorithms to automatically demarcate coal fire risk areas from Landsat-7 ETM+ and Aster remote sensing satellite data. The focus lies on multispectral data analyses to delineate areas, where coal fires are likely to occur.<br />Such delineated regions can support the exclusion of false alarms from thermal anomaly detection. Furthermore, the demarcation of coal fire risk areas can highlight regions, which are in danger of coal fire ignition but do not show a thermal expression yet.<br />