Accurate Rural Road Network within an Integrated Frame-work of Tools for a Decision Support System in Wildfire Management

Abstract

This thesis proposes innovative tools to enhance wildfire management by integrating critical data and addressing limitations in current state-of-the-art systems. Existing Decision Support Systems often use fragmented tools to address different tasks that must be conducted in wildfire scenarios, limiting data integration (such as: rural road networks, several sensor data) and system performance. The research started by developing accurate rural road detection and extraction to overcome current state-of-the-art challenges, notably road occlusions and shadows cast by vegetation or man-made objects, as well as to better interpret roads made of different surface materials. To achieve this, two methods have been utilised over two custom aerial image datasets reflecting real-world scenarios: (i) the first with DeepLabV3+ for road detection, followed by the Zhang-Suen and Guo-Hall thinning algorithms for road extraction; (ii) the second using four U-Net-based architectures that were confronted, incorporating two post-processing techniques to improve rural road detection and extraction. A mobile application has been developed to aggregate data from several hardware sensors, namely atmospheric sensor data for real-time monitoring of firefighting assets and infrared sensor data for post-wildfire hotspot detection, to enhance decision-making in wildfire management. An additional module leverages smartphone sensors and elevation data to geolocate wildfire outbreaks. This application also incorporates a dynamic road network that utilises the proposed road detection and extraction methods and accounts for current road obstructions to optimise route calculations. In addition, a device was developed, integrating a module that provides real-time sensory data during wildfire events and another module that collects sensory data in the wildfire aftermath. Lastly, an interoperable web service has been developed to ensure data interoperability among all developed tools, strengthening situa- tional awareness and leading to well-informed decision-making.

Esta tese propõe ferramentas inovadoras para melhorar a gestão dos incêndios florestais através da integração de dados críticos e da resolução de limitações dos atuais sistemas do estado-da-arte. Os sistemas de apoio à decisão existentes utilizam frequentemente ferramentas fragmentadas para abordar diferentes tarefas ser realizadas em cenários de incêndios florestais, limitando a integração de dados (como: redes de estradas rurais, vários dados de sensores) e o desempenho do sistema. Esta investigação desenvolveu deteção e extração precisas de estradas rurais para ultrapassar desafios do estado da arte, nomeadamente oclusões de estradas e sombras pela vegetação ou por objetos artificiais, bem como interpretar melhor estradas feitas de diferentes materiais de superfície. Para tal, foram utilizados dois métodos em dois conjuntos de dados de imagens aéreas personalizadas em bruto: (i) DeepLabV3+ para a deteção de estradas, seguido dos algoritmos de afinamento Zhang-Suen e Guo-Hall para a sua extração; (ii) quatro arquiteturas baseadas em U-Net que foram comparadas, incorporando duas técnicas de pós-processamento para melhorar a deteção e extração de estradas rurais. Foi desenvolvida uma aplicação móvel para agregar múltiplos dados, nomeadamente de sensores atmosféricos para monitorização em tempo real de meios de combate a incêndios e de sensores de infravermelhos para deteção de focos de incêndio pós-incêndio, melhorando a tomada de decisão na gestão de incêndios florestais. Um módulo adicional utiliza sensores de smartphones e dados de elevação para geolocalizar os focos de incêndio. A aplicação também incorpora uma rede rodoviária dinâmica que utiliza os métodos de deteção e extração de estradas propostos e considera as atuais obstruções rodoviárias para otimizar as rotas criadas. Além disso, foi desenvolvido um dispositivo que integra um módulo responsável por fornecer dados sensoriais em tempo real durante os incêndios e outro módulo que recolhe dados sensoriais após os incêndios. Por fim, foi desenvolvido um web service interoperável para garantir a interoperabilidade dos dados entre todas as ferramentas, reforçando o conhecimento da situação e conduzindo à tomada de decisões bem informada.