Optimizing burn area mapping with Sentinel-2: A comparative evaluation of spectral indices for accurate and efficient post-fire delineation

A tétel rövid nézete
dc.contributor.advisorBertalanné Balázs, Boglárka
dc.contributor.authorMutune, James Muinde
dc.contributor.departmentDE--Természettudományi és Technológiai Kar--Földtudományi Intézet
dc.date.accessioned2025-06-20T09:05:41Z
dc.date.available2025-06-20T09:05:41Z
dc.date.created2025
dc.description.abstractThis study evaluates Sentinel-2 imagery for wildfire detection and post-fire assessment by comparing spectral indices (NDVI, BAI, BAIS2, CSI, NBR) using the separability index and accuracy metrics validated with PlanetScope data. The differenced Normalized Burn Ratio (dNBR) was most effective, achieving 90.7% accuracy and a Kappa of 0.8. Future research should explore machine learning methods, test indices across ecosystems, assess temporal stability, develop field validation databases, and integrate Sentinel-2 with other sensors like SAR and UAVs to improve fire mapping and overcome cloud cover issues.
dc.description.courseGeoinformatics
dc.description.degreeMSc/MA
dc.format.extent37
dc.identifier.urihttps://hdl.handle.net/2437/394044
dc.language.isoen
dc.rights.infoHozzáférhető a 2022 decemberi felsőoktatási törvénymódosítás értelmében.
dc.subjectSentinel-2
dc.subjectWildfire
dc.subjectSpectral index
dc.subject.dspaceEarth Sciences
dc.titleOptimizing burn area mapping with Sentinel-2: A comparative evaluation of spectral indices for accurate and efficient post-fire delineation
Fájlok
Eredeti köteg (ORIGINAL bundle)
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
James Muinde Mutune Thesis.pdf
Méret:
1.64 MB
Formátum:
Adobe Portable Document Format
Leírás:
Thesis
Megjelenítés
Engedélyek köteg
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
license.txt
Méret:
1.94 KB
Formátum:
Item-specific license agreed upon to submission
Leírás:
Letöltés
Gyűjtemények
Theses (Faculty of Science and Technology)