CN101592524B - 基于类间方差的modis森林火灾火点检测方法 - Google Patents

Abstract

本发明提出一种基于类间方差的MODIS森林火灾火点检测方法，包括以下步骤：对从MODIS卫星接收站获取的原始数据进行预处理，获得各通道的亮温值或反射率，排除不合法的数据；识别云和水像元；识别烟雾掩膜；在排除所述云、水和不合法数据的像元中提取潜在火点；计算每个所述潜在火点与背景窗口内有效背景像元的类间方差值；根据所述类间方差的阈值和所述烟雾掩膜确认火点；输出包含火点的MODIS影像。本发明通过采用较低的阈值，使得潜在火点中除了包含真实火点还包含一些下垫面温度较高的假火点，避免漏判，再采用类间方差的阈值判断，将假火点剔除，从而避免误判；并且，由于充分考虑了火点周围的下垫面信息，因此可以适应不同的地区和季节。

Description

基于类间方差的MODIS森林火灾火点检测方法 

技术领域

本发明涉及火灾科学领域，特别涉及一种火灾探测技术。 

背景技术

森林火灾是一种世界性的自然灾害，越来越受到各国政府的高度重视。卫星遥感技术为林火的实时监测、定位及灾后评估提供了有效手段。现在广泛使用的地球观测卫星上携带的中等分辨率图像分光辐射计(theModerate Resolution Imaging Spectradiometer，MODIS)具有36个光谱通道，覆盖了从可见光到远红外波段范围，对地表高温灵敏度更高，成为继AVHRR数据之后用于林火监测的主要数据。基于MODIS数据探测火点的基本原理是利用4μm和11μm波段(即，MODIS数据中的第21通道和31通道)的亮温，根据背景辐射和森林燃烧时的辐射差异，即亮温的差异，通过建立适当的模型判识森林火灾。 

已经提出一种的MODIS森林火灾探测方法是，提出MODIS火点监测算法模型，根据火点像元比背景像元表现出更高的亮温，利用亮温阈值判断识别森林火灾火点。这种方法采用固定亮温阈值法用于全球火情探测，对不同地区和不同季节的适应性较差。在此基础上，提出一种基于烟雾探测的森林火灾小火点检测方法，在烟雾掩膜基础上进行亮温动态阈值的判断，但是这种方法主要针对低温小火点而设计，不具备广泛适用性；另一种方法是按照直方图统计方法选择进行非火点排除的4μm波段亮温阈值，利用背景像素相对增温法判断疑似火点，提高了火点的识别能力，但是由于确认火点时仍然采用亮温阈值法，没有充分考虑林火周围的背景信息，所以仍然存在一些亮温小火点的漏判和稍高温地表的误判。 

现有的MODIS森林火灾探测方法的缺陷是，采用基于亮温固定阈值和动态窗口的研究方法，尚不能准确反应森林火点在MODIS影像上的特征，仍然存在漏报、误报的问题，在不同区域不同季节下的稳定性、适应性也比较差。因此，需要一种方法解决上述问题。

发明内容

本发明的目的旨在至少解决上述技术缺陷之一，特别是解决漏报、误报和在不同地区不同季节适应性差的问题。 

为了达到上述目的，本发明提出一种基于类间方差的MODIS森林火灾火点检测方法，包括以下步骤：对从MODIS卫星接收站获取的原始数据进行预处理，获得各通道的亮温值或反射率，排除不合法的数据；识别云和水像元；识别烟雾掩膜；在排除所述云、水和不合法数据的像元中提取潜在火点；计算每个所述潜在火点与背景窗口内有效背景像元的类间方差值；根据所述类间方差的阈值和所述烟雾掩膜确认火点，包括：设定两个类间方差阈值M和N，所述M和N分别满足 

和 

其中，T₄和T₄₁为所述每个潜在火点的特征值，T₄₁＝T₄-T₁₁，T₄为21通道的亮温值，T₁₁为31通道的亮温值， 

和 

为真实火点的T₄和T₄₁类间方差， 

和 

为非火点高温误判像元的T₄和T₄₁类间方差， 

如果所述潜在火点的T₄和T₄₁类间方差满足 

和 

则判断所述潜在火点为真实高温火点，如果所述潜在火点的周围至少存在一个所述烟雾像元或者自身为烟雾像元，则判断所述潜在火点为低温闷烧森林火灾火点，否则为误判点；输出包含火点的MODIS影像。 

本发明通过采用较低的阈值，使得潜在火点中除了包含真实火点还包含一些下垫面温度较高的假火点，避免漏判，再采用类间方差的阈值判断，将假火点剔除，从而避免误判；并且，由于充分考虑了火点周围的下垫面信息，因此可以适应不同的地区和季节。 

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。 

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中： 

图1为本发明实施例的基于类间方差的MODIS森林火灾火点检测方法的流程图； 

图2为本发明实施例的检测结果示意图。 

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。 

如图1所示，为本发明实施例的基于类间方差的MODIS森林火灾火点检测方法的流程图，包括以下步骤： 

步骤S101，对MODIS卫星接收站获取的原始数据进行预处理，获得各通道的亮温值或反射率，排除不合法的数据。 

在本发明实施例中，将卫星接收站接收到的原始MODIS数据通过遥感软件进行辐射矫正、几何矫正等预处理获得可用的MODIS传感器的36个通道的数据，排除得到的不合法数据。采用T_i(i＝1.2....36，且i≠21和31)标记相应i通道的亮温值，R_i(i＝1.2....36，且i≠21和31)标记相应i通道的反射率，T₄为21通道的亮温值，T₁₁为31通道的亮温值。 

步骤S102，识别云和水像元。 

根据获得的1、2、7和32通道数据R₁、R₂、R₇和T₃₂判断是否为云或水像元。具体地，本发明采用如下的判识公式。应理解，这仅是示意性的实施例，并不限制本发明的范围。 

在本发明实施例中，将满足关系式R₁+R₂＞0.9或者T₃₂＜265或者  $\left\{\begin{array}{c}{R}_1+R_2>0.7\\ T_{32}<285\end{array}\right.$ 的像元判识为厚云，在厚云覆盖区，认定不会存在火点信号，在判识潜在火点前，排除云像元；将同时满足关系式R₂＜0.15、R₇＜0.05和  $\frac{R_2-R_1}{R_2+R_1}>0$ 的像元判识为水体，在判识潜在火点前，排除水像元。 

步骤S103，识别烟雾掩膜。 

根据获得的3、7、8、9通道数据判断是否为烟雾像元。具体地，本发明采用如下的判识公式。应理解，这仅是示意性的实施例，并不限制本发明的范围。 

在本发明实施例中，将同时满足关系式 $0.15\&le;\frac{R_8-R_9}{R_8+R_9}\&le;0.5,$ $\frac{R_9-R_7}{R_9+R_7}\&GreaterEqual;0.3,$ $\frac{R_8-R_3}{R_8+R_3}\&le;0.09$ 和R₈≥0.09的像元判识为烟雾像元。 

步骤S104，在排除云、水和不合法数据的像元中提取潜在火点。 

排除了云、水和不合法数据后，在研究区域剩下的像元中，采用高温阈值提取潜在火点，以便进一步的确认。具体地，本发明提出的可能的判识条件如下，当然本领域技术人员还能够根据下述公式提出其他修改或变化，这些修改或变化均应包含在本发明的包含范围之内。 

设定T₄₁＝T₄-T₁₁，将同时满足T₄＞T_4min、T₄₁＞T_41min和R₁₆＜R_16max的像元判断为潜在火点，其中，T_4min、T_41min和R_16max为阈值。经研究发现，一些闷烧小火点的亮温值为305K至310K，因此，在本发明实施例中，为了避免漏判，采用较低的阈值提取潜在火点，设置T_4min＝305K、T_41min＝10K和R_16max＝0.3。 

步骤S105，计算每个潜在火点与一定区域范围内有效背景像元的类间方差值。 

类间方差是在分割图像中的背景和目标过程中使用的参数：利用类间方差作为依据，选取使类间方差最大的灰度值作为最佳阈值将目标从背景中提取出来。具体的算法如下： 

设原始灰度图像的灰度级为L，灰度级为i的像素点数为n_i，图像的全部像素数为N，归一化直方图，则灰度级为i的像素点的概率为： $p_i=\frac{n_i}{N},$ ${\mathrm{\&Sigma;}}_{i=0}^{L-1}{p}_i=1.$

用阈值t将灰度级划分为两类：C₀＝(0，1，...，t)和C₁＝(t+1，t+2，....，L-1)，则C₀和C₁类的出现概率和均值分别为： 

${\mathrm{\&omega;}}_0={\mathrm{\&Sigma;}}_{i=0}^t{p}_i=\mathrm{\&omega;}\left(t\right),$

${\mathrm{\&omega;}}_1={\mathrm{\&Sigma;}}_{i=t+1}^{L-1}{p}_i=1-\mathrm{\&omega;}\left(t\right),$

${\mathrm{\&mu;}}_0={\mathrm{\&Sigma;}}_{i=0}^t\frac{{\mathrm{ip}}_i}{{\mathrm{\&omega;}}_0}=\frac{\mathrm{\&mu;}\left(t\right)}{\mathrm{\&omega;}\left(t\right)},$

${\mathrm{\&mu;}}_1={\mathrm{\&Sigma;}}_{i=t+1}^{L-1}\frac{{\mathrm{ip}}_i}{{\mathrm{\&omega;}}_1}=\frac{{\mathrm{\&mu;}}_T\left(t\right)-\mathrm{\&mu;}\left(t\right)}{1-\mathrm{\&omega;}\left(t\right)},$

其中， $\mathrm{\&mu;}\left(t\right)={\mathrm{\&Sigma;}}_{i=0}^t{\mathrm{ip}}_i,$ ${\mathrm{\&mu;}}_T\left(t\right)={\mathrm{\&Sigma;}}_{i=0}^{L-1}{\mathrm{ip}}_i,$

则C₀和C₁类的方差为： 

${{\mathrm{\&sigma;}}_0}^2={\mathrm{\&Sigma;}}_{i=0}^t\frac{{(i-{\mathrm{\&mu;}}_0)}^2{p}_i}{{\mathrm{\&omega;}}_0},$

${{\mathrm{\&sigma;}}_1}^2={\mathrm{\&Sigma;}}_{i=t+1}^{L-1}\frac{{(i-{\mathrm{\&mu;}}_0)}^2{p}_i}{{\mathrm{\&omega;}}_1},$

则类间方差为： 

σ²＝ω₀(μ₀-μ)²+ω₁(μ₁-μ)²

＝ω₀ω₁(μ₁-μ₀)²

背景和目标之间的类间方差越大，说明构成图像的两部分的差别越大，因此，类间方差的大小代表目标和背景区分性的大小。在本发明实施例中，火点与背景的特征值相差越大，类间方差就越大，当火点和周围背景的类间方差值达到一定值时，两者具有很好的区分性，利用类间方差的阈值判断，可以准确地把火点从背景中提取出来。对于如何计算火点和周围背景的类间方差，本发明提出的可能的计算方案如下，当然本领域技术人员还能够根据下述方案提出其他修改或变化，这些修改或变化均应包含在本发明的包含范围之内。 

在本发明实施例中，遍历潜在火点，以每个潜在火点为中心，计算背景窗大小为21×21的窗口中潜在火点与有效背景像元的类间方差。所述有效背景像元是指以潜在火点为中心，并且满足以下四个条件的像元：所获取的遥感数据为非损坏数据；该像元为陆地像元；该像元为非云、非水像元；该像元为非潜在火点。潜在火点的特征值采用T₄和T₄₁。 

具体地，设21×21窗口中的有效背景像元数为n，则有效背景像元的概率为ω₀＝n/n+1，每个潜在火点占总像元数的概率为ω₁＝1/n+1，有效背景像元的特征值的平均值为 ${\mathrm{\&mu;}}_0={\mathrm{\&Sigma;}}_{i=0}^t\frac{{\mathrm{ip}}_i}{{\mathrm{\&omega;}}_0},$ 潜在火点的特征值取T₄和T₄₁，则两特征值的类间方法记为 

和 

步骤S106，根据类间方差的阈值和烟雾掩膜确认火点。 

对于如何根据每个潜在火点的类间方差值的阈值和烟雾掩膜确认火点，本发明提出的可能的方案如下，当然本领域技术人员还能够根据下述方案提出其他修改或变化，这些修改或变化均应包含在本发明的包含范围之内。 

首先，根据真实火点的T₄和T₄₁类间方差 

和 

和非火点高温误判像元的T₄和T₄₁类间方差 和 

设定两个阈值M和N分别满足  ${{{\mathrm{\&sigma;}}^2}_{T_4}}^2<M<{{{\mathrm{\&sigma;}}^2}_{T_4}}^1$ 和 ${{{\mathrm{\&sigma;}}^2}_{T_{41}}}^2<N<{{{\mathrm{\&sigma;}}^2}_{T_{41}}}^1.$ 当潜在火点的类间方差 ${{\mathrm{\&sigma;}}^2}_{T_4}>M$ 和  ${{\mathrm{\&sigma;}}^2}_{T_{41}}>N,$ 则判断潜在火点为高温真实火点。 

但是由于大面积的低温，闷烧处在红外区域的温度值可能没有明显的 变化，表现在21通道上的亮温值很低，甚至只有305K，因此，如果仅通过亮温判识将失去有效性。针对这个问题，根据在闷烧过程中会由于空气供氧不足而产生比较多的烟，而一般的异常高温周围不存在烟雾，因此，采用烟雾掩膜法检测闷烧火点。当潜在火点周围至少存在一个烟雾像元或者本身为烟雾像元时，可确定潜在火点为低温闷烧森林火灾火点，否则为误判点。 

步骤S107，输出包含火点的MODIS影像。 

如图2所示，为采用本发明实施例的检测方法对2004年10月12日发生在中俄边境的黑龙江大兴安岭山区的森林火灾进行火点检测的结果示意图。在图中，灰白色为烟雾，检测到的火点采用增强效果表现为白色，背景显示由1KM分辨率通道数据7、2、1三通道真彩色合成。从图中可以看出，采用本发明实施例的方法，一些闷烧的低温小火点可使用烟雾判断被识别出来，同时由于温度稍高而被加入潜在火点群的误判点，可通过类间方差阈值判断被剔除。 

本发明通过采用较低的阈值，使得潜在火点中除了包含真实火点还包含一些下垫面温度较高的假火点，避免漏判，再采用类间方差的阈值判断，将假火点剔除，从而避免误判；并且，由于充分考虑了火点周围的下垫面信息，因此可以适应不同的地区和季节。 

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同限定。 

Claims (7)

1.一种基于类间方差的MODIS森林火灾火点检测方法，其特征在于，包括以下步骤：

对从MODIS卫星接收站获取的原始数据进行预处理，获得各通道的亮温值或反射率，排除不合法的数据；

识别云和水像元；

识别烟雾掩膜；

在排除所述云、水和不合法数据的像元中提取潜在火点；

计算每个所述潜在火点与背景窗口内有效背景像元的类间方差值；

根据所述类间方差的阈值和所述烟雾掩膜确认火点，包括：设定两个类间方差阈值M和N，所述M和N分别满足和

其中，T₄和T₄₁为所述每个潜在火点的特征值，T₄₁＝T₄-T₁₁，T₄为21通道的亮温值，T₁₁为31通道的亮温值，

和

为真实火点的T₄和T₁₁类间方差，

和

为非火点高温误判像元的T₄和T₄₁类间方差，

如果所述潜在火点的T₄和T₄₁类间方差满足

和

则判断所述潜在火点为真实高温火点，如果所述潜在火点的周围至少存在一个所述烟雾像元或者自身为烟雾像元，则判断所述潜在火点为低温闷烧森林火灾火点，否则为误判点；

输出包含火点的MODIS影像。

2.如权利要求1所述的基于类间方差的MODIS森林火灾火点检测方法，其特征在于，所述识别云和水像元，包括：

如果所述像元满足R₁+R₂＞0.9或者T₃₂＜265或者

则所述像元为云像元，其中，R₁为1通道的反射率，R₂为2通道的反射率，T₃₂为32通道的亮温值；

如果所述像元同时满足R₂＜0.15、R₇＜0.05和

则所述像元为水像元，其中，R₁为1通道的反射率，R₂为2通道的反射率，R₇为7通道的反射率。

3.如权利要求1所述的基于类间方差的MODIS森林火灾火点检测方法，其特征在于，所述烟雾掩膜的判识条件包括

和R₈≥0.09，其中，R₃为3通道的反射率，R₇为7通道的反射率，R₈为8通道的反射率，R₉为9通道的反射率。

4.如权利要求1所述的基于类间方差的MODIS森林火灾火点检测方法，其特征在于，所述潜在火点的判识条件包括T₄＞T_4min、T₄₁＞T_41min和R₁₆＜R_16max，其中，T₄₁＝T₄-T₁₁，T₄为21通道的亮温值，T₁₁为31通道的亮温值，T_4min、T_41min和R_16max为阈值且T_4min＝305K、T_41min＝10K和R_16max＝0.3。

5.如权利要求1所述的基于类间房差的MODIS森林火灾火点检测方法，其特征在于，所述背景窗口的大小为21×21。

6.如权利要求1所述的基于类间方差的MODIS森林火灾火点检测方法，其特征在于，所述有效背景像元为以所述潜在火点为中心，满足以下条件的像元：

所获取的遥感数据非所述不合法数据；

所述像元为陆地像元；

所述像元为非云、非水像元；

所述像元非所述潜在火点。

7.如权利要求1所述的基于类间方差的MODIS森林火灾火点检测方法，其特征在于，所述每个潜在火点与有效背景像元的类间方差为σ²＝ω₀ω₁(μ₁-μ₀)²，其中，ω₀为所述有效背景像元的概率，ω₁为所述每个潜在火点占总像元数的概率，μ₀为所述有效背景像元的特征值的平均值，μ₁为所述每个潜在火点的特征值。

Images