Original paper

The Effect of Vegetation Type and Density on X-Band SAR Backscatter after Forest Fires

[Der Einfluss von Vegetationstyp und -dichte auf das Rückstreuverhalten von X-Band Radar nach Waldbränden]

Bernhard, Eva-Maria; Twele, André; Martinis, Sandro

Abstract

Various frequencies, e.g.visible light, infrared, and microwaves, from remote sensing sensors can be used for active fire mapping, forest fire detection and fire emission assessment. However, little is known about the applicability of X-band SAR data for burned area detection. This paper presents a detailed SAR backscatter coefficient analysis and accuracy assessment with respect to CORINE 2006 land cover data. For this purpose five forest fires have been analysed. Dry as well as wet acquisition conditions have been taken into account. The analysis demonstrated that the largest differences in backscatter coefficients between pre- and post-fire conditions were linked to tall and dense vegetation types. Contrarily, scant vegetation was marked by lowest signal differences. High correlation coefficients have been obtained from regression analysis between vegetation indices and SAR backscatter changes. Moreover, a burned area classification algorithm with different thresholds for each vegetation type has been applied. The classification result illustrated that areas abundantly covered with vegetation showed classification accuracies of ∼91%, whereas sparse vegetation achieved ∼5% accuracies. German Verschiedene Frequenzen, z. B. sichtbares Licht, Infrarot und Mikrowellen, von Fernerkundungssensoren können zur Feuererfassung, der Brandflächendetektion oder zur Abschätzung von Emissionen genutzt werden. Allerdings ist nur wenig über die Eignung von X-Band Radardaten zur Brandflächendetektion bekannt. Daher präsentiert diese Studie eine detaillierte Analyse des Radar Rückstreuverhaltens über diversen Landbedeckungen (nach CORINE 2006). Fünf verschiedene Gebiete sind unter unterschiedlichen Witterungsbedingungen (trocken und nass) untersucht worden. Die Studie zeigt, dass die größten Unterschiede der Rückstreukoeffizienten – vor und nach dem Brandereignis – in Gebieten mit hochwachsender und dichter Vegetation auftreten, wohingegen Gebiete mit spärlicher Vegetation nur geringe Unterschiede aufweisen. Ebenso erzielen die Regressionskoeffizienten zwischen Vegetationsindizes und der Veränderung des Radar Rückstreusignals hohe Übereinstimmungen. Darüber hinaus wurde ein Klassifikationsalgorithmus für Brandflächen angewandt, der auf individuellen Schwellwerten für jeden Vegetationstyp basiert. Die Klassifikationsergebnisse zeigten, dass dicht bewachsene Gebiete Klassifikationsgenauigkeiten von bis zu 91% aufwiesen, wohingegen spärlich bewachsene Bereiche Klassifikationsgenauigkeiten von 5% erreichten.

Kurzfassung

Der Einfluss von Vegetationstyp und -dichte auf das Rückstreuverhalten von XBand Radar nach Waldbränden. Verschiedene Frequenzen, z.B. sichtbares Licht, Infrarot und Mikrowellen, von Fernerkundungssensoren können zur Feuererfassung, der Brandflächendetektion oder zur Abschätzung von Emissionen genutzt werden. Allerdings ist nur wenig über die Eignung von XBand Radardaten zur Brandflächendetektion bekannt. Daher präsentiert diese Studie eine detaillierte Analyse des Radar Rückstreuverhaltens über diversen Landbedeckungen (nach CORINE 2006). Fünf verschiedene Gebiete sind unter unterschiedlichen Witterungsbedingungen (trocken und nass) untersucht worden. Die Studie zeigt, dass die größten Unterschiede der Rückstreukoeffizienten – vor und nach dem Brandereignis – in Gebieten mit hochwachsender und dichter Vegetation auftreten, wohingegen Gebiete mit spärlicher Vegetation nur geringe Unterschiede aufweisen. Ebenso erzielen die Regressionskoeffizienten zwischen Vegetationsindizes und der Veränderung des Radar Rückstreusignals hohe Übereinstimmungen. Darüber hinaus wurde ein Klassifikationsalgorithmus für Brandflächen angewandt, der auf individuellen Schwellwerten für jeden Vegetationstyp basiert. Die Klassifikationsergebnisse zeigten, dass dicht bewachsene Gebiete Klassifikationsgenauigkeiten von bis zu 91% aufwiesen, wohingegen spärlich bewachsene Bereiche Klassifikationsgenauigkeiten von 5% erreichten.

Keywords

backscatter analysischange detectionforest fireterrasar-x