Kohlenbrände sind eine globale Umweltkatastrophe mit langanhaltender Dauer und hoher Schwierigkeit der Bekämpfung, die eine erhebliche Bedrohung für das Ökosystem, die biologische Gesundheit und die Energiesicherheit darstellen. Die Entwicklung von Kohlenbränden ist ein räumlich-zeitlicher kontinuierlicher Prozess, und die Landoberflächentemperatur (Land Surface Temperature, LST) ist ein entscheidender Indikator, der die Entwicklungsmuster widerspiegelt. Mit der kontinuierlichen Ansammlung multispektraler Fernerkundungsdaten werden Zeitreihenmethoden zunehmend zu einem wichtigen Instrument zur Erkennung von Kohlenbränden. Die Bestimmung des Standorts von Kohlenbränden anhand von thermischen Oberflächenanomalien hat eine wichtige praktische Bedeutung für Feuerlöschprojekte in Kohlefeldern. Die Daten der Oberflächentemperatur sind komplexe zufällige Zeitreihen, was Herausforderungen für die Langzeitüberwachung von Kohlenbränden darstellt. Diese Studie fokussiert sich auf das Brandgebiet des Sandao Ba Kohlefeldes in Xinjiang und entwickelt eine Methode zur Kohlenbrandüberwachung basierend auf der STL-Zeitreihendekomposition (Seasonal-Trend decomposition procedure based on Loess). Basierend auf Landsat-Satellitenbildern und der Cloud-Plattform Google Earth Engine (GEE) wurde eine langjährige Zeitreihe der Landoberflächentemperatur für den Untersuchungszeitraum 1998-2023 erstellt, die STL-Dekomposition der Oberflächentemperatur durchgeführt, räumlich-zeitliche Trendanalysen vorgenommen und der Trendanteil sowie der RANSAC-Algorithmus (Random Sample Consensus) verwendet, um Kohlenbrandflächen und deren Entwicklungskreisläufe zu bestimmen. Die Ergebnisse zeigen, dass die STL-Dekomposition saisonale und zufällige Schwankungen in den langzeitlichen Datensätzen der Oberflächentemperatur effektiv trennt und der nach der Dekomposition erhaltene Trendanteil die langfristigen Entwicklungstrends der Oberflächentemperatur präziser widerspiegelt. Von 20 vor Ort im Jahr 2016 gemessenen Brandstellen lagen 16 in Bereichen mit hohen Durchschnitts- und Spannenwerten des Trendanteils; die Analyse des Kohlenbrandentwicklungsprozesses von 1998-2023 mit dem RANSAC-Algorithmus stimmt im Wesentlichen mit den Felduntersuchungen überein und bestätigt die Effektivität und Zuverlässigkeit der STL-Dekompositionsmethode bei der Kohlenbrandüberwachung. Die entwickelte Methode verbessert die Überwachungsgenauigkeit, erhöht die Anpassungsfähigkeit an komplexe räumlich-zeitliche Veränderungen, die ermittelten räumlich-zeitlichen Merkmale der Kohlenbrandbrennflächen stimmen im Wesentlichen mit Felduntersuchungen überein, und es wurde eine langfristige großflächige Oberflächentemperaturanalyse abgeschlossen, die die räumlich-zeitlichen Entwicklungseigenschaften der Kohlenbrände im Untersuchungsgebiet klärt und eine Referenz für die zukünftige Überwachung und Bekämpfung von Kohlenbränden bietet.

Kohlenbrand-Erkennung;STL-Dekomposition;Landsat;LST-Zeitreihe;thermische Infrarot-Fernerkundung