Introduction
Toutes les sources de chaleur détectées ne sont pas nécessairement des incendies. Les faux positifs de notre solution Wildfire Solution concernent les détections où des sources de chaleur non liées à un incendie (comme des panneaux solaires, des sites industriels, etc.) sont identifiées à tort comme des incendies potentiels.
La solution WFS d'OroraTech fournit des outils pour aider les utilisateurs à distinguer les véritables menaces d'incendie des faux positifs, garantissant ainsi aux décideurs les données les plus fiables possibles.
Les principales fonctionnalités que nous recommandons sont les suivantes :
- Confiance du Cluster : indique le nombre de satellites et d'algorithmes ayant détecté et traité la source de chaleur ; une confiance plus élevée suggère une détection plus fiable.
- Confiance au Feu : indique la probabilité qu'un cluster représente un incendie réel, en fonction des conditions météorologiques, de l'intensité de l'incendie, des confirmations par satellite, du type de terrain et d'autres variables. Pour en savoir plus, lisez cette section.
Quels sont les faux positifs courants ?
Les sources courantes de faux positifs comprennent :
- Les sites industriels et les machines.
- L'activité volcanique ou les points chauds géothermiques.
- Les réflexions de matériaux tels que les panneaux solaires, les toits en acier ou les plans d'eau.
- Les surfaces naturellement chauffées comme les roches ou les champs secs et récoltés.
Les faux positifs sont des sources de chaleur qui imitent la signature infrarouge d'un feu de forêt, mais qui ne sont pas des incendies réels.
Ces détections peuvent se produire aussi bien en milieu rural qu'urbain, certains types de lieux (par exemple, les villes, les zones industrielles) étant plus sujets aux faux positifs.
Minimiser les faux positifs grâce à la fiabilité des groupes et des grappes
1. Utiliser la Confiance du Cluster pour confirmer la fiabilité de la détection
La fiabilité des grappes est déterminée par le nombre de satellites et d'algorithmes qui identifient une source de chaleur. Un niveau de fiabilité plus élevé indique généralement que la source de chaleur est suffisamment importante pour mériter une attention particulière.
Il représente la confiance globale dans le fait que la grappe est une source de chaleur valide et est principalement influencé par le nombre de détections indépendantes de points chauds par satellite et par algorithmes.
| Confience du Cluster | Nombre minimum de satellites détectés | Min. Nombre d'algorithmes de détection |
| 0.2 | 1 | 1 |
| 0.4 | 2 | 2 |
| 0.6 | 3 | 3 |
| 0.8 | 4 | 4 |
| 1.0 | 5 | 5 |
À retenir : Les clusters avec une confiance de 0.6 ou plus sont probablement de véritables sources de chaleur, tandis que ceux avec une confiance de 0.2 ne sont pas nécessairement des faux positifs, mais peuvent représenter des détections précoces
Pour renforcer l'anticipation et la prise de décision rapide, nous avons développé la Confiance au Feu, expliquée ci-dessous ⬇️
2. Utiliser la Confiance au Feu pour évaluer la probabilité d’un incendie
La Confiance au Feu permet d’évaluer si un cluster est susceptible d’être un incendie de forêt. Cette métrique prend en compte :
- L'intensité thermique de la source.
- L'environnement (par exemple, forêts ou zones urbaines).
- Confirmations de plusieurs satellites.
- Le type d'occupation du sol et l'inflammabilité (la facilité avec laquelle la zone environnante peut brûler).
Exemple de niveaux de Confiance au feu élevés dans les incendies par rapport à la Confiance du Cluster dont les niveaux de confiance sont faibles
Si vous souhaitez en savoir plus sur la confiance en l'incendie, veuillez consulter cet article.
Comprendre les modèles de géolocalisation
- Zones de forêts et de prairies : Les détections de points chauds dans ces zones sont plus susceptibles de représenter de véritables incendies de forêt en raison de la forte inflammabilité de la végétation.
- Zones urbaines ou industrielles : Les détections dans ces zones sont plus susceptibles d'être des faux positifs, souvent déclenchés par des bâtiments, des machines ou des panneaux solaires.
Les Clusters situés au milieu d'une forêt ont tendance à être de véritables incendies..
Conclusion
Bien que les faux positifs fassent partie intégrante de la détection des incendies de forêt, la Wildfire Solution d'OroraTech offre des outils performants pour aider les utilisateurs à interpréter et vérifier les détections en toute confiance.
En prenant en compte à la fois les métriques Confiance du Cluster et Confiance au Feu, ainsi que le contexte géographique, vous pouvez filtrer efficacement les faux positifs et vous concentrer sur les menaces réelles d'incendies de forêt.