CN104615848A - 一种集森林火险预报和地面火点监测于一体的综合应用方法 - Google Patents

一种集森林火险预报和地面火点监测于一体的综合应用方法 Download PDF

Info

Publication number
CN104615848A
CN104615848A CN201410831685.4A CN201410831685A CN104615848A CN 104615848 A CN104615848 A CN 104615848A CN 201410831685 A CN201410831685 A CN 201410831685A CN 104615848 A CN104615848 A CN 104615848A
Authority
CN
China
Prior art keywords
formula
data
fire
forest fire
point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201410831685.4A
Other languages
English (en)
Inventor
唐红兵
刘双全
李崇浩
李树山
蔡建章
滕小羽
王平
欧阳潇然
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NANJING XINDA HIGH TECH DEVELOPMENT Co Ltd
China Southern Power Grid Co Ltd
Yunnan Power Grid Co Ltd
Original Assignee
NANJING XINDA HIGH TECH DEVELOPMENT Co Ltd
China Southern Power Grid Co Ltd
Yunnan Power Grid Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NANJING XINDA HIGH TECH DEVELOPMENT Co Ltd, China Southern Power Grid Co Ltd, Yunnan Power Grid Co Ltd filed Critical NANJING XINDA HIGH TECH DEVELOPMENT Co Ltd
Priority to CN201410831685.4A priority Critical patent/CN104615848A/zh
Publication of CN104615848A publication Critical patent/CN104615848A/zh
Pending legal-status Critical Current

Links

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

本发明公开了一种集森林火险预报和地面火点监测于一体的综合应用方法,具体包括以下几个步骤:建立森林火险等级预报模型;计算得到森林火险气象指数;对所述森林火险气象指数进行划分,得到森林火险等级;采用卫星接收系统接收极轨卫星数据,并对所述极轨卫星数据进行预处理;在MODIS火灾算法基础上,利用MODIS数据的多波段亮温值和多波段反射率值逐像元对影像进行判识;基于GIS技术,将森林火险等级预报结果、地面火点监测结果与电网输出线路及设备进行叠加并展示可直观分析火灾发生地点影响范围。本发明将森林火险等级预报结果、地面火点监测结果与电网输出线路及设备相结合,提高了山火事故的处置效率,且监测范围广。

Description

一种集森林火险预报和地面火点监测于一体的综合应用方 法
技术领域
[0001] 本发明涉及一种集森林火险预报和地面火点监测于一体的综合应用方法,属于电 网输电线路技术领域。
背景技术
[0002] 南方电网公司业务管辖云南、贵州、广西、广东和海南五个省区,是目前国内网架 结构最为复杂、联系最紧密、科技含量最高、驾驭难度最高的电网,也是西电东送规模最大 的电网。其供电总人数达2. 3亿人,占全国总人口的17. 8%。所以保证南方电网能够安全 稳定运行具有非常重要的意义。但是该五省区内多山地分布,地形复杂,微气象显著,自然 灾害频发,对电网的安全稳定运行产生了极大的影响。其中由于自然因素和人为因素等引 起的山火便是危害电网安全稳定的一大重要灾害。
[0003] 南方地区气温偏高,常干旱少雨,再加上当地有炼山等民俗,造成山火频发,输电 线路附近山火严重威胁到了输电线路的安全,导致多条输电线路出现跳闸事故。由于山火 燃烧一般持续时间较长,输电线路因山火跳闸后重合闸往往重合不成功,或重合后重复跳 闸,短时间内线路无法正常运行,严重影响电网的安全稳定运行,威胁到西电东送南通道的 安全,给电网造成的危害较大。近几年来,输电线路因山火引起的跳闸停电事故越来越多, 严重影响电网的安全稳定运行。现有山火引发输电线路跳闸停运的事故统计数据表明,线 路下方的山火可以引发不同电压等级的输电线路,甚至特高压输电线路出现跳闸事故。
[0004] 由于山火的不可预知性和地域广泛性等特点,及时发现火险、及时采取应对措施, 是防范山火引发线路跳闸的最有效的措施。目前,传统的人工巡检防护措施只能监测重点, 且人工监测工作效率低,且事故处理效率低。要做好全面的火险预警工作,需要进一步完善 输电线路监测系统,并积极争取更多的卫星遥感信息。
发明内容
[0005] 针对现有技术存在的不足,本发明目的是提供一种监测范围广、事故处理效率高 的集森林火险预报和地面火点监测于一体的综合应用方法。
[0006] 为了实现上述目的,本发明是通过如下的技术方案来实现:
[0007] 本发明的一种集森林火险预报和地面火点监测于一体的综合应用方法,具体包括 以下几个步骤:
[0008] (1)建立森林火险等级预报模型;
[0009] (2)利用所述森林火险等级预报模型,计算得到森林火险气象指数;
[0010] (3)结合历史统计数据,对所述森林火险气象指数进行划分,得到森林火险等级预 报结果,并对所述森林火险等级预报结果进行展示;
[0011] (4)采用卫星接收系统接收AQUA和TERRA极轨卫星上的MODIS数据,并对所述 MODIS数据进行预处理,所述预处理包括数据间融合、大气校正、对经物理量反演后的数据 进行的几何校正;
[0012] (5)在MODIS火灾算法基础上,对预处理后的MODIS数据进行火点识别,即利用 10015数据的4^111、11^111和12^111波段(即21、22、31和32波段)的亮温值和波段1、2、7 的反射率值逐像元对影像进行判识,得到地面火点监测结果;
[0013] (6)通过GIS空间分析功能,将森林火险等级预报结果、地面火点监测结果与电网 输电线路及设备进行图层叠加展示,用于直观分析火灾发生地点、影响范围。
[0014] 步骤(1)中,所述森林火险等级预报模型的建立方法具体包括以下几个步骤:
[0015] (la)利用历史气象、火险数据对《中华人民共和国林业行业标准LY/T1172-95全 国森林火险天气等级》中的模型指数进行统计回归分析和相关因子序列分析,根据实际情 况进行修正,使所述模型指数符合区域的实际地理、气候特征,所述模型指数具体包括气 温、相对湿度、降水、积雪、风速及物候指数;
[0016] (2a)利用地面植被分类卫星数据进行地表覆盖类型进行统计,用于分析地表可燃 物情况;并且,在森林火险等级预报模型中增加对不同季节、不同月份的气候和环境差异的 统计,使得所述森林火险等级预报模型结果真实有效。
[0017] 步骤(2)中,所述森林火险气象指数的计算方法如下:
[0018] (lb)利用中尺度天气预报数值模式预报产品信息,所述产品信息包括气温、湿度、 降水、风速和风向;
[0019] (2b)将所述产品信息和地表覆盖类型统计作为所述森林火险等级预报模型的输 入数据,从而得到森林火险气象指数。
[0020] 步骤(3)中,所述历史统计数据具体包括历史火情信息、植被信息、常规气温、降 水、相对湿度、风速气象信息。
[0021] 步骤(4)中,所述数据间融合的方法如下:
[0022] (lcl)为了保证影像间同名地物点数据间的融合,在扫描方向上需分别利用式 (3. 1)、式(3. 2)和式(3. 3)计算,并采用线性外推法获得边缘像元值,
[0023] Y250 =Y500+0. 25 (3. 1)
[0024] Y25〇=Yi〇〇〇-0. 375 (3. 2)
[0025] Y500=Y1000+0. 25 (3. 3)
[0026] 式中:Y25A250 米的列号,0 <Y25Q< 5416 ;
[0027] Y5QQ为 500 米的列号,0 <Y5QQ< 2708 ;
[0028] Y_为 1000 米的列号,0 <Y_< 1354 ;
[0029] (2cl)为了充分利用星下点空间分辨率为250米的MODIS的红光通道和近红外通 道的数据,在数据处理中,将500米和1000米分辨率的数据,根据MODIS不同分辨率的探测 头的排列设置,采用双线性插值法进行插值处理;
[0030] 所述大气校正的方法如下:
[0031] (lc2)首先,假定地表为朗伯体;
[0032] (2c2)然后,使用大气辐射传输模型计算地表反射率;
[0033] (3c2)最后,使用二向性反射模型和数字高程模型数据对地表反射率进行双向反 射和临近效应校正。
[0034] 所述几何校正的方法如下:
[0035] 以经度作为X方向数据,以炜度作为Y方向数据建立经炜度查询表;然后,使用经 炜度查询表对MODIS卫星图像进行校正。
[0036] 步骤(4)中,所述物理量包括反射率、植被指数和亮温,所述反射率反演方法如 下:
[0037] 分别按式(3. 4)和式(3. 5)将MODIS数据存储格式转换为物理值,对于白天所接 收的数据,再按式(3.6)计算大气顶的反射率,
[0038]Refi=Ref_scalejX(SI-Ref_offseti) (3. 4)
[0039] 式中:Refi为传感器接收的数字信号转换为物理值;
[0040]Ref_SCale$i波段中将SI转换为反射率的比例因子;
[0041]Ref^offsetiSi波段的偏移量;
[0042] SI为传感器接收到的数字信号;
[0043]Radiance=Rad-scaleiX(SI-RacLoffseti) (3. 5)
[0044] 式中:Radiance为福亮度;
[0045] Rad_SCale$i波段中将SI转换为辐亮度的比例因子;
[0046] RacLoffsetiSi波段的偏移量;
[0047] Reflectance^RefjX1/cos( 0 EV) (3. 6)
[0048] 式中:Reflectancei为第i波段的反射率;
[0049] 0EVS太阳高度角;
[0050] 所述亮温反演方法如下:
[0051] 分别按式(3. 4)、式(3. 5)和式(3. 6)计算可见光通道的反射率和热红外波段的辐 射率;
[0052] 将热红外通道的辐射率经黑体辐射定律-Planck定律反变换后,由式(3. 7)和式 (3. 8)计算得到地表的亮温值,
[0053]T=C2Xv/lnd+QXv5/L) (3. 7)
[0054] 式中:T为亮温,单位为K;L为辐射率;
[0055] v为中心波长,v= 1/入,单位为CnT1;
[0056] Ci= 1. 1910659*10-5,单位为mWnT2Sr-1Cnr4;
[0057] C2= 1. 438833,单位为CmdK;
[0058] 由于传感器的衰减影响,因而计算得到的亮温值还需利用式(3. 8)进行订正;
[0059] Ts=aXT+b(3. 8)
[0060] 式中:TS为地表亮度修正值;a为比例系数;b为偏移量。
[0061] 所述植被指数反演的方法如下:
[0062] 分别按式(3. 4)、式(3. 5)和式(3. 6)计算可见光通道的反射率和热红外波段的辐 射率;再将1、2通道的反射率由式(3. 9)计算得到归一化植被指数NDVI:
Figure CN104615848AD00091
[0064] 式中:NDVI为归一化植被指数;P_为近红外的反射率;P1•为红光的反射率。
[0065] 步骤(5)中,判识的内容具体包括水体识别、云体识别和火点监测;
[0066] MODIS传感器在发射前对地球表面的陆地和水体进行了标识,即把陆地标识为1, 水体标识为非1,这类陆地和水体的标识数据存放在MODIS几何定位产品M0D03*.hdf中,通 过读取每幅卫星影像对应的M0D03*.hdf数据即可将陆地和水体进行分割,实现水体识别;
[0067] 云体识别应用于火灾监测中的云体掩膜方法,当白天的卫星影像中的像素点满足 以下三个表达式中的某一条件时,夜晚满足表达式(3. 11)的条件时,则将该像素标识为云 体,
[0068] p!+p2> 0. 89 (3. 10)
[0069] T12< 260K (3. 11)
Figure CN104615848AD00101
[0071] 式中:P丨、P2为第1、2波段反射率;
[0072] T12为第32波段的亮温值,单位为K;
[0073] 对于火点监测,采用绝对火点判识和相对火点判识相结合的方法,所述绝对火点 判识方法如下:
[0074]当白天影像的像素值满足式(3. 13),夜晚影像的像素值满足式(3. 14)时,则可将 该点初步判识为火点,
Figure CN104615848AD00102
[0076] T4> 320K (3. 14)
[0077] 式中:TA波长为4ym波段的亮温值;
[0078] 所述相对火点判识采用的是亮温-植被指数法即式(3. 16);
[0079] 由于夜晚的M0DSI数据没有可见光波段的信息,因而对于夜晚的M0DIS数据仍采 用式(3. 14)和式(3. 15)进行火点信息的提取;
Figure CN104615848AD00103
[0081] 式中,NDVI为归一化植被指数;
[0082] 地表亮温法即式(3. 15)
Figure CN104615848AD00104
[0084] 式中:f为窗口邻域内4ym像素的亮温均值;
[0085] AT4为窗口邻域内4ym像素的亮温标准差;
[0086] DT为窗□邻域内像素分别在4ym与11ym波长的亮温差;
[0087] DT'为窗口邻域内像素分别在4ym与11ym波长的亮温差的中值;
[0088] ADT为窗口邻域内像素分别在4ym与11ym波长的亮温标准差;
[0089]由于白天的卫星数据会受到阳光、裸土和亮云等的干扰,因而经(3. 13)和(3. 15) 所得的白天结果还需进行去除伪火点的处理,通过处理后的仍为火点的像素才最终被确定 为火点像素。
[0090] 去除伪火点的方法包括太阳光干扰的去除、沿海岸干扰的去除和裸土干扰的去 除;
[0091] 所述太阳光干扰的去除方法如下:
[0092] 当判识的火点像素满足式(3. 17)、式(3. 18)之一条件时,则认为该火点像素是由 于太阳光的干扰造成的,而将其去除,
[0093] 0 < 5。 (3. 17)
Figure CN104615848AD00111
[0095] 式中:0为太阳耀斑角,其值由3. 19和3. 20计算所得;
[0096] Z=sin(0v)Xsin( 0s)Xcos(〇)+cos( 0v)Xcos(0s) (3. 19)
[0097] 0 =R2DXcos_1(Z) (3. 20)
[0098] 式中:0v为视场高度角;0s为太阳高度角;R2D为弧度转度的系数;〇为相对 方位角,①=Qv- 0s ;
[0099] 所述沿海岸干扰的去除方法如下:
[0100] 当判识的火点像素满足式(3. 21)的条件时,则认为该火点像素是由于沿海岸因 受强阳光照射造成的,而将其去除;
Figure CN104615848AD00112
[0102] 式中:P2,P7分别为波段2和7的反射率。
[0103] 所述裸土干扰的去除方法如下:
[0104] 当判识的火点像素满足式(3. 22)的条件时,则认为该火点像素是由于裸土受强 阳光照射造成的,而将其去除;
Figure CN104615848AD00113
[0106] 步骤(6)中,所述森林火险等级预报结果以色斑图的形式进行展示,形成森林火 险等级预报结果图层,并且按照实际需求叠加电网线路、设备信息图层,通过GIS(地理信 息系统)空间分析功能进行图层叠加展示与分析;
[0107] 利用卫星数据监测到地面火点,则在电网GIS底图上以红色火焰形状进行展示, 形成火点监测图层,并且按照实际需求叠加电网线路、设备信息图层,通过GIS空间分析功 能进行图层叠加展示与分析。
[0108] 因此,本发明利用数值天气预报产品预报未来森林火险情况,并利用极轨卫星资 料对地面火点进行监测,及时向各级运维部门发布林火监测预报信息,并将林火发生范围 与电网设备进行关联,提高了山火事故的处置效率,且监测范围广。
附图说明
[0109] 图1为本发明的集森林火险预报地面火点监测于一体的综合应用系统原理框图;
[0110] 图2为本发明的集森林火险预报和地面火点监测于一体的综合应用方法工作流 程图。
具体实施方式
[0111] 为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合
具体实施方式,进一步阐述本发明。
[0112] 参见图1,本发明的主体为森林火险预报监测综合应用系统,它是集森林火险预报 与地面火点监测于一体的综合应用系统。
[0113]参见图2,本发明的集森林火险预报和地面火点监测于一体的综合应用方法,具体 包括以下几个步骤:
[0114] 1. 1森林火险等级预报
[0115] 森林火险等级预报,核心是建立森林火险等级预报模型,将每日WRF数值预报产 品、区域植被信息和物候信息作为输入源,计算得到森林火险指数,并对该指数进行划分, 最终得到森林火险等级。
[0116] 1. 1. 1森林火险等级预报模型建立
[0117] 森林火险等级预报的关键是建立森林火险等级预报模型,本子系统在现有林业部 门行业标准的基础上进行改进优化。首先利用历史气象、火险数据对该标准中的参数进行 修正,使其更加符合南网电网管辖区域的实际地理、气候特征;其次利用MODIS(中分辨率 成像光谱仪)卫星地面植被分类数据进行地表覆盖类型统计,在该标准中增加对地表覆盖 类型的考虑,充分分析地表可燃物情况;并且在模型中增加对不同季节、不同月份的气候和 环境差异考虑,使得模拟结果更加真实有效。
[0118] 1. 1. 2森林火险等级预报
[0119] 在森林火险等级预报模型建立的基础上,利用WRF(中尺度天气预报数值模式)预 报产品(具体包括气温、湿度、降水、风速和风向)和地表覆盖资料作为该模型的输入数据, 计算得到森林火险气象指数。该森林火险气象指数覆盖整个南网电网五省区域,空间分辨 率为3km*3km;每日20点进行预报,预报未来24、48和72小时的森林火险情况。
[0120] 结合历史统计数据,对上述森林火险气象指数进行划分,得到森林火险等级,标注 为一、二、三、四、五级,依次代表森林火险发生的可能性越来越高。最终对该森林火险等级 预报结果进行展示。
[0121] 1. 2基于极轨卫星的地面火点监测
[0122] 本子系统,采用卫星接收系统接收到的AQUA、TERRA两颗卫星的数据进行火点监 测。所用的卫星传感器为MODIS,数据格式为HDF。
[0123] 1. 2. 1极轨卫星数据预处理
[0124] 经卫星数据接收处理系统获取得到的MODIS数据为L1B级数据,要利用该数据进 行地面火点监测,还需对其进行数据间融合、大气校正、几何校正等。
[0125] 1.2. 1.1数据间融合
[0126] 由于MODISL1B数据集包括了三种空间分辨率的数据集(250米、500米和1000 米),在利用这些数据集时,需根据不同应用目的选择相应的数据集;同时,由于MODIS数据 的探测器的特殊设置方式,既不同空间分辨率的探测头的排列位置有一定的偏移,因此,当 需要同时应用不同空间分辨率的L1B数据集进行研宄时,不能仅采用简单的插值方法,经 重采样生成相同空间分辨率的数据;必须考虑到MODSI传感器的设置特点,采用相应的数 学算法进行插值处理,这样才能真正获得同名地物点的实际值。
[0127]MODIS的1000米与500米、500米与250米间在扫描方向存在0. 25个像元的位 移,而1000米与250米间在扫描方向则存在0.375个像元的位移;因此,在实际处理中,为 了保证影像间同名地物点数据间的融合,在扫描方向上需分别利用"式(3. 1)"、"式(3.2)" 和"式(3. 3) "计算,并采用线性外推法获得边缘像元值。
[0128]Y250 =Y500+0. 25 (3. 1)
[0129]Y250 =Y1000-0.375 (3. 2)
[0130] Y5(l(l=Y〇+0• 25 (3. 3)
[0131] 式中:Y25Q为 250 米的列号(0 <Y25Q< 5416)
[0132]Y5QQ为 500 米的列号(0 <Y5QQ< 2708)
[0133]Y1Q(I(I为 1000 米的列号(0 <Y誦< 1354)
[0134] 在本子系统中,为了充分利用星下点空间分辨率为250米的MODIS的红光通道和 近红外通道的数据,在数据处理中,将500米和1000米分辨率的数据根据MODIS不同分辨 率的探测头的排列设置采用双线性插值法进行插值处理。
[0135] 1.2. 1.2 大气校正
[0136] 常将传感器所接收的大气顶部信号转换为表面反射率或辐射率的过程称为大气 校正。MODISL1B数据是大气顶的辐射率和反射率,由于大气的吸收、散射等影响,使得卫星 传感器接收到的信号中除了地面信息外,还包含有大气的信息;在以陆地为研宄对象的定 量遥感应用研宄中,常把大气信息认为是一种噪声,如果不消除它的千扰,常会使研宄结果 出现较大的偏差,因此对于定量遥感来说,大气校正是必需的一步。
[0137] 对于MODIS数据,NASA专门提出了一种大气校正算法,该算法假定地表为朗伯体, 然后使用大气辐射传输模型计算地表反射率,最后使用二向性反射模型和DEM数据对该反 射率进行双向反射和临近效应校正,该算法需要反演气溶胶光学厚度、水汽含量和臭氧含 量。虽然计算非常复杂,但是最后得到的结果比较精确,因此本子系统采用该算法进行大气 校正处理。
[0138] 1.2. 1.3 几何校正
[0139] 遥感图像作为空间数据,具有空间地理位置的概念。在应用遥感图像之前,通常要 将其投影为需要的地理坐标系中,因此,遥感图像的几何校正是遥感信息处理过程中的一 个重要环节。在实际应用中,经大气校正后的MODIS图像还需对图像进行几何校正处理。
[0140] MODISL1B数据集中通常包含有经度和炜度数据,人们可以利用这些数据建立经 炜度查询表(BuildGeometryLookupTable,简称GLT方法)来进行校正,而不必人工选取 地面控制点。本子系统使用此方法对经物理量反演后的数据进行几何校正。以经度作为X 方向数据,以炜度作为Y方向数据建立GTL,然后使用GTL对图像进行几何校正;其原理就 是使图像中的每一个像素对应一个坐标,根据坐标值将此像素放在相应的位置上,从而达 到几何校正的目的。
[0141] 1.2. 2关键物理量反演
[0142] 本子系统中所需要计算的物理量主要包括反射率、辐射率、植被指数、地表亮温 等。
[0143] 1.2. 2.1反射率反演
[0144] 根据NASA的MODISL1B数据存贮特点,分别按"式(3. 4) "和"式(3. 5) "将数 据存储格式转换为物理值;对于白天所接收的数据,再按"式(2.6)"计算大气顶(Topof Atmosphere,简称T0A)的反射率。
[0145] Refi=Ref_scaleiX(SI-Ref_offseti) (3. 4)
[0146] 式中:Refi为传感器接收的数字信号转换为物理值;
[0147] Ref_Scalei为i波段中将SI转换为反射率的比例因子;
[0148] Ref_offseti为i波段的偏移量;
[0149] Radiance=Rad_scaleiX(SI-Rad_offseti) (3. 5)
[0150] 式中:Radiance为福亮度;
[0151] Rad_SCalei为i波段中将SI转换为辐亮度的比例因子;
[0152] Rad_offseti为i波段的偏移量;
[0153] Reflectancei=RefiX1/cos( 0 EV) (3. 6)
[0154] 式中:Reflectancei为第i波段的反射率;
[0155] 0EVS太阳高度角;
[0156] 1.2. 2. 2 亮温反演
[0157] 根据NASA的MODISL1B数据存贮特点,分别按"式(3. 4)"、"式(3. 5)"和"式 (3. 6) "计算可见光通道的反射率和热红外波段的辐射率。将热红外通道的辐射率经黑体辐 射定律-Planck定律反变换后,由"式(3. 7) "和"式(3. 8) "计算得到地表的亮温值。
[0158] T=C2Xv/lnd+QXv5/L) (3. 7)
[0159] 式中:T为亮温(单位:K);L为辐射率;
[0160] v为中心波长(v= 1/A,单位:Cm-1);
[0161] Cl= 1. 1910659*10-5 (单位:mWm-2Sr-lCm-4);
[0162] C2 = 1. 438833 (单位:CmdK)。
[0163] 由于传感器的衰减等影响,因而计算得到的亮温值还需利用式(3. 8)进行订正。
[0164] Ts=aXT+b(3. 8)
[0165] 式中:TS为地表亮度修正值;a为比例系数;b为偏移量;a和b的值参见下表。
[0166] 表3. 1M0DIS数据获得地表亮温的修正系数
Figure CN104615848AD00141
Figure CN104615848AD00151
[0168] 1. 2. 2. 3植被指数反演
[0169] 根据NASA的MODISLIB数据存贮特点,分别按"式(3. 4)"、"式(3. 5)"和"式 (3. 6) "计算可见光通道的反射率和热红外波段的辐射率。再将1、2通道的反射率由"式 (3. 9) "计算得到归一化植被指数:
Figure CN104615848AD00152
[0171] 式中:NDVI为归一化植被指数;P_为近红外的反射率;P$红光的反射率。
[0172] 1.2. 3火点识别
[0173] 本子系统所采用的火点监测算法是在NASA和Maryland大学的MODIS火灾算法基 础上开展的,即利用MODIS数据的4ym、llym和12ym的亮温值和波段1、2、7的反射率等 信息逐像元对影像进行判识。
[0174] 在火点判识中将会用到波长为4ym的两个波段(波段21,22);为了去除云体、裸 土及沿海岸的伪火点信息,还需结合波段1、2和7的反射率信息进行判识。在火点算法中 需选取的波段及各波段的用途如表3. 2所示。
[0175] 表3. 2用于火点判识的MODIS波段及用途
Figure CN104615848AD00153
[0177] 1.2. 3.1 水体识别
[0178] 本子系统采用卫星发射前对MODIS几何定位产品M0D03*.hdf文件中所包含的陆 地、水体数据对MODIS影像进行水体掩膜处理与标识。
[0179] 1.2. 3. 2 云体识别
[0180] 应用于火灾监测中的云体掩膜方法,比较常用的为IGBP方法,但是在实际应用中 发现,当使用IGBP中的"T12〈265K"条件时,会将部分带烟的边缘火点误判为云体,因此本 子系统参照现有研宄的经验,对判断条件进行了改进,当白天的卫星影像中的像素点满足 以下三个表达式中的某一条件时,夜晚满足表达式(3. 11)的条件时,则将该像素标识为云 体。
[0181] p :+p 2> 0. 89 (3. 10)
[0182] T12< 260K (3. 11)
Figure CN104615848AD00161
[0184] 1.2. 3. 3 火点监测
[0185] 对于火点的监测,采用绝对火点判识和相对火点判识相结合的方法。由于白天阳 光、强反射面等对火点判识精度的干扰,因而在用火点监测模型识别出的火点后还需进行 去除伪火点处理;而夜晚则不再进行伪火点去除处理。
[0186] 绝对火点识别
[0187] 在实验中,对近几年的典型火场或火点进行取样分析认为,当白天影像的像素值 满足"式(3. 13)",夜晚影像的像素值满足"式(3. 14)"时,则可将该点初步判识为火点。
Figure CN104615848AD00162
[0189] T4> 320K (3. 14)
[0190] 式中:TA波长为4ym波段的亮温值;T2为波段2的反射率。
[0191] 相对火点识别
[0192] 在实验中,利用相对火点检测式(在此将其简称为地表亮温法),即如"式(3. 15) " 对实验区的火点进行判识,经验证发现白天常出现错判和误判的现象,在对近年来白天的 火点数据进行分析的基础上,提出了亮温_植被指数法。
[0193] (1)地表亮温法
Figure CN104615848AD00163
[0195] 式中:^为4ym的亮温值;
[0196] 7;为窗口邻域内4ym像素的亮温均值;
[0197] AT4为窗口邻域内4ym像素的亮温标准差;
[0198] DT为窗口邻域内像素分别在4ym与11ym波长的亮温差;
[0199] DT'为窗口邻域内像素分别在4ym与11ym波长的亮温差的中值;
[0200] ADT为窗口邻域内像素分别在4ym与11ym波长的亮温标准差。
[0201] (2)亮温-植被指数法
[0202] 在研宄中,对覆盖近年来己确定为林火的MODISL1B数据的归一化植被指数 (NDVI)取样,经统计分析发现林火点的NDVI值均不大于0. 20,因而在林火识别中,不仅采 用地表亮温信息,同时引进由MODSI数据生成的NDVI,以获得地表植被信息,在此将该方法 定义为亮温-植被指数法,即如"式(3. 16) "。由于夜晚的MODSI数据没有可见光波段的信 息,因而对于夜晚的MODIS数据仍采用"式(3. 14) "和"式(3. 15) "进行火点信息的提取。
Figure CN104615848AD00171
[0204] 式中,NDVI为归一化植被指数;其余各参数物理意义与式3. 15相同。
[0205] 伪火点去除
[0206] 由于白天的卫星数据会受到阳光、裸土和亮云等的干扰,因而经(3. 13)和(3. 15) 所得的白天结果还需进行去除伪火点的处理。本子系统主要在以下三方面对伪火点进行去 除工作。
[0207] (1)太阳光干扰的去除
[0208] 太阳光会使水体、高空卷云及裸土等被误判为火点。当判识的火点像素满足"式 (3. 17) " "式(3. 18) "之一条件时,则认为该火点像素是由于太阳光的干扰造成的,而将其 去除。
[0209] 0 < 5。 (3. 17)
Figure CN104615848AD00172
[0211]式中:0为太阳耀斑角,其值由3. 19和3. 20计算所得;Pl,P2分别为波段1和 2的反射率。
[0212] Z=sin(0v)Xsin( 0s)Xcos(〇)+cos( 0v)Xcos(0s) (3. 19)
[0213] 0 =R2DXcos_1(Y) (3. 20)
[0214] 式中:0为太阳耀斑角;0v为视场高度角;0s为太阳高度角;R2D为弧度转度 的系数;®为相对方位角,= 9v- 0 s)。
[0215] (2)沿海岸干扰的去除
[0216] 由于M0D03*.hdf文件中的陆地/水体信息来源于全球土地覆盖数据库,因而常出 现影像中的一些沿海岸的水体及部分陆地水体像元在水体掩膜处理过程中被漏掉,而当水 体受强光直射时,常会被误判为火点,因而需将这部分伪火点去除。即当判识的火点像素满 足"式(3. 21) "的条件时,则认为该火点像素是由于沿海岸因受强阳光照射造成的,而将其 去除。
Figure CN104615848AD00173
[0218] 式中:P2,P7分别为波段2和7的反射率。
[0219] (3)裸土干扰的去除
[0220] 裸土(也包括沙漠)常会因强阳光的照射使自身亮温升高而被误判为火点,因而 需将这部分伪火点去除。即当判识的火点像素满足"式(3. 22) "的条件时,则认为该火点像 素是由于裸土受强阳光照射造成的,而将其去除。
Figure CN104615848AD00181
[0222] 式中:各参数物理意义与式3. 15相同。
[0223] 通过上述处理后的仍为火点的像素才最终被确定为火点像素。
[0224] 1.3结合电网信息综合展示
[0225] 本系统的监测、预报结果基于GIS平台与电网地理信息进行叠加展示。其中森林 火险等级预报结果以色斑图的形式进行展示,对森林火险等级为三、四、五级的区域分别以 黄、橙、红色进行表示,并且能够按照实际需求叠加电网线路、设备等信息。如果利用卫星数 据监测到地面火点,则在电网GIS底图上以红色火焰形状进行展示,并且能够按照需求叠 加电网线路、设备等信息,便于直观分析火灾发生地点、影响范围等。
[0226] 以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术 人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本 发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变 化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其 等效物界定。

Claims (9)

1. 一种集森林火险预报和地面火点监测于一体的综合应用方法,其特征在于,具体包 括以下几个步骤: (1) 建立森林火险等级预报模型; (2) 利用所述森林火险等级预报模型,计算得到森林火险气象指数; (3) 结合历史统计数据,对所述森林火险气象指数进行划分,得到森林火险等级预报结 果,并对所述森林火险等级预报结果进行展示; (4) 采用卫星接收系统接收AQUA和TERRA极轨卫星上的MODIS数据,并对所述MODIS 数据进行预处理,所述预处理包括数据间融合、大气校正、对经物理量反演后的数据进行的 几何校正; (5) 在MODIS火灾算法基础上,对预处理后的MODIS数据进行火点识别,S卩利用MODIS 数据的4 y m、11 y m和12 y m波段的亮温值和波段1、2、7的反射率值逐像元对影像进行判 识,得到地面火点监测结果; (6) 通过GIS空间分析功能,将森林火险等级预报结果、地面火点监测结果与电网输电 线路及设备进行图层叠加展示,用于直观分析火灾发生地点、影响范围。
2. 根据权利要求1所述的集森林火险预报和地面火点监测于一体的综合应用方法,其 特征在于, 步骤(1)中,所述森林火险等级预报模型的建立方法具体包括以下几个步骤: (la) 利用历史气象、火险数据对《中华人民共和国林业行业标准LY/T1172-95全国森 林火险天气等级》中的模型指数进行统计回归分析和相关因子序列分析,根据实际情况进 行修正,使所述模型指数符合区域的实际地理、气候特征,所述模型指数具体包括气温、相 对湿度、降水、积雪、风速及物候指数; (2a)利用地面植被分类卫星数据对地表覆盖类型进行统计,用于分析地表可燃物情 况;并且,在森林火险等级预报模型中增加对不同季节、不同月份的气候和环境差异的统 计,使得所述森林火险等级预报模型结果真实有效。
3. 根据权利要求1所述的集森林火险预报和地面火点监测于一体的综合应用方法,其 特征在于, 步骤(2)中,所述森林火险气象指数的计算方法如下: (lb) 利用中尺度天气预报数值模式预报产品信息,所述产品信息包括气温、湿度、降 水、风速和风向; (2b)将所述产品信息和地表覆盖类型统计作为所述森林火险等级预报模型的输入数 据,从而得到森林火险气象指数。
4. 根据权利要求1所述的集森林火险预报和地面火点监测于一体的综合应用方法,其 特征在于, 步骤(3)中,所述历史统计数据具体包括历史火情信息、植被信息、常规气温、降水、相 对湿度、风速气象信息。
5. 根据权利要求1所述的集森林火险预报和地面火点监测于一体的综合应用方法,其 特征在于, 步骤(4)中,所述数据间融合的方法如下: (lcl)为了保证影像间同名地物点数据间的融合,在扫描方向上需分别利用式(3. 1)、 式(3. 2)和式(3. 3)计算,并采用线性外推法获得边缘像元值, Y25〇= Y 500+0. 25 (3. 1) Y25〇= Y 1000-0. 375 (3. 2) Ys〇〇= Y !〇〇〇+〇. 25 (3. 3) 式中:¥25(|为 250 米的列号,0 < Y25Q< 5416 ; Y为 500 米的列号,0 < Y 5QQ< 2708 ; Y_为 1000 米的列号,0 < Y _< 1354 ; (2cl)为了充分利用星下点空间分辨率为250米的MODIS的红光通道和近红外通道的 数据,在数据处理中,将500米和1000米分辨率的数据,根据M0DIS不同分辨率的探测头的 排列设置,采用双线性插值法进行插值处理; 所述大气校正的方法如下: (lc2)首先,假定地表为朗伯体; (2c2)然后,使用大气辐射传输模型计算地表反射率; (3c2)最后,使用二向性反射模型和数字高程模型数据对地表反射率进行双向反射和 临近效应校正。 所述几何校正的方法如下: 以经度作为X方向数据,以炜度作为Y方向数据建立经炜度查询表;然后,使用经炜度 查询表对M0DIS卫星图像进行校正。
6.根据权利要求5所述的集森林火险预报和地面火点监测于一体的综合应用方法,其 特征在于, 步骤(4)中,所述物理量包括反射率、植被指数和亮温,所述反射率反演方法如下: 分别按式(3.4)和式(3.5)将M0DIS数据存储格式转换为物理值,对于白天所接收的 数据,再按式(3. 6)计算大气顶的反射率, Refi= Ref_scale jX (Si-Ref_offseti) (3. 4) 式中:Refi为传感器接收的数字信号转换为物理值; Ref_SCaleiS i波段中将SI转换为反射率的比例因子; Ref^offsetiS i波段的偏移量; SI为传感器接收到的数字信号; Radiance = RacLscale! X (SI - RacLofTsetD (3. 5) 式中:Radiance为福亮度; Rad_scaleiS i波段中将SI转换为辐亮度的比例因子; RacLoffsetiS i波段的偏移量; Ref lectancej = Ref j X 1/cos ( 0 EV) (3. 6) 式中:Reflectancei为第i波段的反射率; 0EVS太阳高度角; 所述亮温反演方法如下: 分别按式(3. 4)、式(3.5)和式(3.6)计算可见光通道的反射率和热红外波段的辐射 率; 将热红外通道的辐射率经黑体辐射定律-Planck定律反变换后,由式(3. 7)和式(3. 8) 计算得到地表的亮温值, T = C2X v /lnd+QX v 5/L) (3. 7) 式中:T为亮温,单位为K ;L为辐射率; v为中心波长,v = 1/A,单位为CnT1; Ci= 1. 1910659*10 -5,单位为 mWnT2Sr-1Cnr4; C2= 1. 438833,单位为 CmdK ; 由于传感器的衰减影响,因而计算得到的亮温值还需利用式(3.8)进行订正; Ts= aXT+b (3. 8) 式中:TS为地表亮度修正值;a为比例系数;b为偏移量。 所述植被指数反演的方法如下: 分别按式(3. 4)、式(3.5)和式(3.6)计算可见光通道的反射率和热红外波段的辐射 率;再将1、2通道的反射率由式(3. 9)计算得到归一化植被指数NDVI :
Figure CN104615848AC00041
式中:NDVI为归一化植被指数;P ni,为近红外的反射率;P ,为红光的反射率。
7.根据权利要求6所述的集森林火险预报和地面火点监测于一体的综合应用方法,其 特征在于, 步骤(5)中,判识的内容具体包括水体识别、云体识别和火点监测; MODIS传感器在发射前对地球表面的陆地和水体进行了标识,即把陆地标识为1,水体 标识为非1,这类陆地和水体的标识数据存放在MODIS几何定位产品M0D03*. hdf中,通过读 取每幅卫星影像对应的M0D03*. hdf数据即可将陆地和水体进行分割,实现水体识别; 云体识别应用于火灾监测中的云体掩膜方法,当白天的卫星影像中的像素点满足以下 三个表达式中的某一条件时,夜晚满足表达式(3. 11)的条件时,则将该像素标识为云体,
Figure CN104615848AC00042
式中:P i、P 2为第1、2波段反射率; T12为第32波段的亮温值,单位为K ; 对于火点监测,采用绝对火点判识和相对火点判识相结合的方法,所述绝对火点判识 方法如下: 当白天影像的像素值满足式(3. 13),夜晚影像的像素值满足式(3. 14)时,则可将该点 初步判识为火点,
Figure CN104615848AC00043
3.13) T4> 320K (3. 14) 式中:T4S波长为4 y m波段的亮温值; 所述相对火点判识采用的是亮温-植被指数法即式(3. 16); 由于夜晚的MODSI数据没有可见光波段的信息,因而对于夜晚的MODIS数据仍采用式 (3. 14)和式(3. 15)进行火点信息的提取;
Figure CN104615848AC00051
式中,NDVI为归一化植被指数; 地表亮温法即式(3. 15)
Figure CN104615848AC00052
式中:f为窗口邻域内4 ym像素的亮温均值; A T4为窗口邻域内4 y m像素的亮温标准差; DT为窗口邻域内像素分别在4 ym与11 ym波长的亮温差; DT'为窗口邻域内像素分别在4ym与llym波长的亮温差的中值; A DT为窗口邻域内像素分别在4 ym与11 ym波长的亮温标准差; 由于白天的卫星数据会受到阳光、裸土和亮云等的干扰,因而经(3. 13)和(3. 15)所得 的白天结果还需进行去除伪火点的处理,通过处理后的仍为火点的像素才最终被确定为火 点像素。
8.根据权利要求7所述的集森林火险预报和地面火点监测于一体的综合应用方法,其 特征在于, 去除伪火点的方法包括太阳光干扰的去除、沿海岸干扰的去除和裸土干扰的去除; 所述太阳光干扰的去除方法如下: 当判识的火点像素满足式(3. 17)、式(3. 18)之一条件时,则认为该火点像素是由于太 阳光的干扰造成的,而将其去除, 0 < 5° (3. 17)
Figure CN104615848AC00053
式中:0为太阳耀斑角,其值由3. 19和3. 20计算所得; Z = sin(0 v ) X sin ( 0 s) X cos (〇)+cos ( 0 v)Xcos(0s) (3. 19) 0. R2DXcos_1(Z) (3. 20) 式中:0 v为视场高度角;0 s为太阳高度角;R2D为弧度转度的系数;〇为相对方位 角,C> = 0 v-0s; 所述沿海岸干扰的去除方法如下: 当判识的火点像素满足式(3.21)的条件时,则认为该火点像素是由于沿海岸因受强 阳光照射造成的,而将其去除;
Figure CN104615848AC00061
式中:P 2,P 7分别为波段2和7的反射率。 所述裸土干扰的去除方法如下: 当判识的火点像素满足式(3.22)的条件时,则认为该火点像素是由于裸土受强阳光 照射造成的,而将其去除;
Figure CN104615848AC00062
9.根据权利要求1所述的集森林火险预报和地面火点监测于一体的综合应用方法,其 特征在于, 步骤(6)中,所述森林火险等级预报结果以色斑图的形式进行展示,形成森林火险等 级预报结果图层,并且按照实际需求叠加电网线路、设备信息图层,通过GIS空间分析功能 进行图层叠加展示与分析; 利用卫星数据监测到地面火点,则在电网GIS底图上以红色火焰形状进行展示,形成 火点监测图层,并且按照实际需求叠加电网线路、设备信息图层,通过GIS空间分析功能进 行图层叠加展示与分析。
CN201410831685.4A 2014-12-26 2014-12-26 一种集森林火险预报和地面火点监测于一体的综合应用方法 Pending CN104615848A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410831685.4A CN104615848A (zh) 2014-12-26 2014-12-26 一种集森林火险预报和地面火点监测于一体的综合应用方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410831685.4A CN104615848A (zh) 2014-12-26 2014-12-26 一种集森林火险预报和地面火点监测于一体的综合应用方法

Publications (1)

Publication Number Publication Date
CN104615848A true CN104615848A (zh) 2015-05-13

Family

ID=53150289

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410831685.4A Pending CN104615848A (zh) 2014-12-26 2014-12-26 一种集森林火险预报和地面火点监测于一体的综合应用方法

Country Status (1)

Country Link
CN (1) CN104615848A (zh)

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105070001A (zh) * 2015-07-13 2015-11-18 中国林业科学研究院资源信息研究所 一种基于巡护终端的森林火险动态预测方法
CN106021653A (zh) * 2016-05-06 2016-10-12 华南农业大学 一种ndvi时间序列重构的方法及系统
CN106485718A (zh) * 2016-09-30 2017-03-08 北京通航信息科技有限公司 一种过火迹地识别方法及装置
CN106649664A (zh) * 2016-12-14 2017-05-10 云南电网有限责任公司电力科学研究院 一种山火态势图图像分类管理系统
CN107576399A (zh) * 2017-09-12 2018-01-12 北京师范大学 面向modis 林火探测的亮温预测方法和系统
CN108229356A (zh) * 2017-12-23 2018-06-29 航天恒星科技有限公司 动态集成自然灾害遥感监测方法
CN108280812A (zh) * 2018-01-23 2018-07-13 中国科学院遥感与数字地球研究所 一种基于图像增强的过火区域提取方法
CN108717526A (zh) * 2018-05-11 2018-10-30 中南林业科技大学 基于avhrr数据的卫星监测林火热点识别方法
CN108802857A (zh) * 2018-04-20 2018-11-13 云南电网有限责任公司 一种基于气象数据的气象预报系统
CN108898049A (zh) * 2018-05-11 2018-11-27 中南林业科技大学 基于modis数据的林火识别方法
CN108898159A (zh) * 2018-05-31 2018-11-27 中南林业科技大学 基于dbscan算法的虚假林火热点过滤方法
CN109785569A (zh) * 2019-01-28 2019-05-21 中科光启空间信息技术有限公司 一种基于3s技术的森林火灾监测方法
CN109990902A (zh) * 2018-12-29 2019-07-09 华中科技大学 一种图谱关联的分谱段估计目标亮温的方法
CN110634259A (zh) * 2019-09-25 2019-12-31 云南电网有限责任公司电力科学研究院 一种森林火灾的检测方法
CN112102578A (zh) * 2020-09-16 2020-12-18 成都信息工程大学 森林火灾监测与预警系统、方法、存储介质、计算机设备
CN112113913A (zh) * 2020-08-30 2020-12-22 山东锋士信息技术有限公司 一种基于背景阈值的Himawari8陆地火点探测算法
CN112488091A (zh) * 2021-02-02 2021-03-12 中科星图股份有限公司 基于地球同步轨道卫星影像的火情监测方法及装置
CN113205656A (zh) * 2021-07-05 2021-08-03 环球数科集团有限公司 一种分布式森林火灾监测预警数据采集系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110058670A (ko) * 2009-11-25 2011-06-01 최석배 무인전자경비 시스템을 이용한 전기화재예측 시스템
CN103065045A (zh) * 2012-12-21 2013-04-24 浙江农林大学 耦合气象与植被的森林火险预报方法
CN103106764A (zh) * 2013-01-11 2013-05-15 广西电网公司电力科学研究院 基于卫星遥感的输电线路走廊火情监测系统
CN103383798A (zh) * 2012-05-04 2013-11-06 山西省电力公司阳泉供电公司 一种基于电网gis山火灾害监测与预警分析方法及系统
CN103413036A (zh) * 2013-07-31 2013-11-27 西南林业大学 一种连续化的森林火险天气等级预报模型及应用

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110058670A (ko) * 2009-11-25 2011-06-01 최석배 무인전자경비 시스템을 이용한 전기화재예측 시스템
CN103383798A (zh) * 2012-05-04 2013-11-06 山西省电力公司阳泉供电公司 一种基于电网gis山火灾害监测与预警分析方法及系统
CN103065045A (zh) * 2012-12-21 2013-04-24 浙江农林大学 耦合气象与植被的森林火险预报方法
CN103106764A (zh) * 2013-01-11 2013-05-15 广西电网公司电力科学研究院 基于卫星遥感的输电线路走廊火情监测系统
CN103413036A (zh) * 2013-07-31 2013-11-27 西南林业大学 一种连续化的森林火险天气等级预报模型及应用

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
叶立平,等: "《山火预警技术在输电线路的应用现状》", 《电力系统保护与控制》 *
胡晓径,等: "《森林火险等级气象指标系统的构建与预报方法研究综述》", 《林业科技情报》 *
覃先林,等: "《基于MODIS数据的林火识别方法研究》", 《火灾科学》 *
覃先林: "《遥感和地理信息系统技术相结合的林火预警方法的研究》", 《中国优秀博硕士学位论文全文数据库 (博士) 农业科技辑》 *

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105070001A (zh) * 2015-07-13 2015-11-18 中国林业科学研究院资源信息研究所 一种基于巡护终端的森林火险动态预测方法
CN106021653A (zh) * 2016-05-06 2016-10-12 华南农业大学 一种ndvi时间序列重构的方法及系统
CN106485718A (zh) * 2016-09-30 2017-03-08 北京通航信息科技有限公司 一种过火迹地识别方法及装置
CN106649664A (zh) * 2016-12-14 2017-05-10 云南电网有限责任公司电力科学研究院 一种山火态势图图像分类管理系统
CN107576399A (zh) * 2017-09-12 2018-01-12 北京师范大学 面向modis 林火探测的亮温预测方法和系统
CN107576399B (zh) * 2017-09-12 2020-11-24 北京师范大学 面向modis林火探测的亮温预测方法和系统
CN108229356A (zh) * 2017-12-23 2018-06-29 航天恒星科技有限公司 动态集成自然灾害遥感监测方法
CN108280812A (zh) * 2018-01-23 2018-07-13 中国科学院遥感与数字地球研究所 一种基于图像增强的过火区域提取方法
CN108802857A (zh) * 2018-04-20 2018-11-13 云南电网有限责任公司 一种基于气象数据的气象预报系统
CN108717526A (zh) * 2018-05-11 2018-10-30 中南林业科技大学 基于avhrr数据的卫星监测林火热点识别方法
CN108898049A (zh) * 2018-05-11 2018-11-27 中南林业科技大学 基于modis数据的林火识别方法
CN108898159A (zh) * 2018-05-31 2018-11-27 中南林业科技大学 基于dbscan算法的虚假林火热点过滤方法
CN109990902A (zh) * 2018-12-29 2019-07-09 华中科技大学 一种图谱关联的分谱段估计目标亮温的方法
CN109990902B (zh) * 2018-12-29 2020-02-14 华中科技大学 一种图谱关联的分谱段估计目标亮温的方法
CN109785569A (zh) * 2019-01-28 2019-05-21 中科光启空间信息技术有限公司 一种基于3s技术的森林火灾监测方法
CN110634259A (zh) * 2019-09-25 2019-12-31 云南电网有限责任公司电力科学研究院 一种森林火灾的检测方法
CN112113913A (zh) * 2020-08-30 2020-12-22 山东锋士信息技术有限公司 一种基于背景阈值的Himawari8陆地火点探测算法
CN112113913B (zh) * 2020-08-30 2021-07-09 山东锋士信息技术有限公司 一种基于背景阈值的Himawari8陆地火点探测算法
CN112102578A (zh) * 2020-09-16 2020-12-18 成都信息工程大学 森林火灾监测与预警系统、方法、存储介质、计算机设备
CN112488091A (zh) * 2021-02-02 2021-03-12 中科星图股份有限公司 基于地球同步轨道卫星影像的火情监测方法及装置
CN113205656A (zh) * 2021-07-05 2021-08-03 环球数科集团有限公司 一种分布式森林火灾监测预警数据采集系统及方法
CN113205656B (zh) * 2021-07-05 2021-09-24 环球数科集团有限公司 一种分布式森林火灾监测预警数据采集系统及方法

Similar Documents

Publication Publication Date Title
CN104615848A (zh) 一种集森林火险预报和地面火点监测于一体的综合应用方法
Zhan et al. The 250 m global land cover change product from the Moderate Resolution Imaging Spectroradiometer of NASA's Earth Observing System
CN103926634B (zh) 一种基于面向对象分类的白天陆地辐射雾遥感监测方法
Mallick et al. Modeling urban heat islands in heterogeneous land surface and its correlation with impervious surface area by using night-time ASTER satellite data in highly urbanizing city, Delhi-India
Wessels et al. Relationship between herbaceous biomass and 1‐km2 Advanced Very High Resolution Radiometer (AVHRR) NDVI in Kruger National Park, South Africa
Kaya et al. Assessment of urban heat islands using remotely sensed data
Vernin et al. European extremely large telescope site characterization i: Overview
KR101914061B1 (ko) 인공위성에 의한 열섬특성 분석방법
Proud et al. Rapid response flood detection using the MSG geostationary satellite
Suzuki et al. NDVI responses to the forest canopy and floor from spring to summer observed by airborne spectrometer in eastern Siberia
Lelli et al. Linear trends in cloud top height from passive observations in the oxygen A-band
Aksaker et al. Astronomical site selection for Turkey using GIS techniques
Okwen et al. Remote sensing of temperature variations around major power plants as point sources of heat
Clark Enhanced processing of SPOT multispectral satellite imagery for environmental monitoring and modelling
Manyangadze Forest Fire Detection for Near Real Time Monitoring Using Geostationary Satellites
Cuevas Agulló Establishing a WMO sand and dust storm warning advisory and assessment system regional node for West Asia: current capabilities and needs: technical report
Czapla-Myers et al. Implication of spatial uniformity on vicarious calibration using automated test sites
Xue et al. Long-term aerosol optical depth datasets over China retrieved from satellite data
Retalis et al. Synergetic use of TERRA/MODIS imagery and meteorological data for studying aerosol dust events in Cyprus
Mohammad et al. A Spatio-Temporal Assessment and Prediction of Surface Urban Heat Island Intensity Using Multiple Linear Regression Techniques Over Ahmedabad City, Gujarat
Pan et al. Snow cover detection based on visible red and blue channel from MODIS imagery data
Yeom et al. Mapping rice area and yield in northeastern asia by incorporating a crop model with dense vegetation index profiles from a geostationary satellite
Wang et al. Water Vapor Retrievals from Near-infrared Channels of the Advanced Medium Resolution Spectral Imager Instrument onboard the Fengyun-3D Satellite
Pinzón et al. Identification of potential sites for astronomical observations in northern South America
Julien et al. Retrieving and broadcasting near-real-time biophysical parameters from MODIS and SEVIRI receiving stations at the global change unit of the University of Valencia

Legal Events

Date Code Title Description
PB01 Publication
C06 Publication
SE01 Entry into force of request for substantive examination
C10 Entry into substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20150513

RJ01 Rejection of invention patent application after publication