Os incêndios de carvão, como um desastre ambiental global, são caracterizados por longa duração e alta dificuldade de controle, representando uma grande ameaça ao ambiente ecológico, à saúde biológica e à segurança energética. A evolução dos incêndios de carvão é um processo contínuo espaço-temporal, e a temperatura da superfície terrestre (LST) é um indicador chave que reflete este processo evolutivo. Com o acúmulo crescente de dados multisensoriais de sensoriamento remoto, os métodos de séries temporais têm se tornado gradualmente uma importante ferramenta para a detecção de incêndios de carvão. A determinação da localização dos incêndios por meio de anomalias térmicas superficiais tem grande significado prático para os projetos de extinção de incêndios em campos de carvão. Os dados de temperatura da superfície terrestre são séries temporais complexas e aleatórias, o que traz desafios para o monitoramento de longo prazo dos incêndios de carvão. Portanto, este estudo teve como objeto a área de incêndios do campo carbonífero Sandao Ba, em Xinjiang, e construiu um método de monitoramento de incêndios de carvão baseado na decomposição de séries temporais STL (procedimento de decomposição sazonal-tendência baseado em Loess). Primeiramente, com base em imagens de satélite Landsat e na plataforma em nuvem Google Earth Engine (GEE), foi construída uma série temporal longa da temperatura da superfície terrestre na área de estudo de 1998 a 2023, realizada a decomposição STL da série temporal de temperatura da superfície e analisadas as tendências espaço-temporais, utilizando as componentes de tendência e o algoritmo RANSAC (Random Sample Consensus) para determinar as áreas de incêndio e seus ciclos evolutivos. Os resultados mostram que a decomposição STL pode separar efetivamente os efeitos sazonais e as flutuações aleatórias em séries temporais longas de temperatura da superfície, e que o componente de tendência reflete com maior precisão a evolução da temperatura em escalas temporais longas; de 20 pontos de fogo medidos no local em 2016, 16 estavam localizados nas áreas de alto valor médio e amplitude da componente de tendência; a análise do processo evolutivo dos incêndios de carvão de 1998 a 2023 pelo algoritmo RANSAC concorda basicamente com as investigações de campo, validando a eficácia e confiabilidade do método STL construído neste estudo. Em resumo, o método construído melhora a precisão do monitoramento dos incêndios de carvão, fortalece a adaptabilidade às complexas mudanças espaço-temporais e pode fornecer referência para monitoramento e controle futuros.

identificação de incêndios de carvão; decomposição STL; Landsat; série temporal LST; sensoriamento remoto termal infravermelho