Titre :	Forest fire detection from satellite images
Titre original :	Détection des feux d foret à partir d’images satellitaires
Type de document :	document multimédia
Auteurs :	Khadidja Nia, Auteur ; Maria Chellama, Auteur ; Mourad Reguigue, Directeur de thèse
Editeur :	Laghouat : Université Amar Telidji - Département d'électronique
Année de publication :	2021
Importance :	58 p.
Format :	27 cm.
Accompagnement :	1 disque optique numérique (CD-ROM)
Note générale :	Option : Instruments
Langues :	Anglais
Mots-clés :	Forest fire  Remote sensing  Incendies de forêt  Télédétection  MSG SEVIRI  CNN
Résumé :	This work aims to address the problem of the application of remote sensing in order to detect fires in forests for the northern Algerian region and this with MSG satellite images, in particular the IR3.9 and IR108 channels. To achieve this goal, we used two algorithms, the first is based on thresholds for the degree of temperature and the standard deviation of these values; and the second is based on the CNN deep learning method. Before using the images, a series of operations were applied to extract characteristics such as standard deviation and temperature from the pixels. The obtained results seem to be satisfactory with good margins of errors.
note de thèses :	Mémoire de master en électronique

Forest fire detection from satellite images = Détection des feux d foret à partir d’images satellitaires [document multimédia] / Khadidja Nia, Auteur ; Maria Chellama, Auteur ; Mourad Reguigue, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'électronique, 2021 . - 58 p. ; 27 cm. + 1 disque optique numérique (CD-ROM).
Option : Instruments
Langues : Anglais

Mots-clés :	Forest fire  Remote sensing  Incendies de forêt  Télédétection  MSG SEVIRI  CNN
Résumé :	This work aims to address the problem of the application of remote sensing in order to detect fires in forests for the northern Algerian region and this with MSG satellite images, in particular the IR3.9 and IR108 channels. To achieve this goal, we used two algorithms, the first is based on thresholds for the degree of temperature and the standard deviation of these values; and the second is based on the CNN deep learning method. Before using the images, a series of operations were applied to extract characteristics such as standard deviation and temperature from the pixels. The obtained results seem to be satisfactory with good margins of errors.
note de thèses :	Mémoire de master en électronique