CN105551168B - 一种农田火灾遥感监测预警的方法及系统 - Google Patents

一种农田火灾遥感监测预警的方法及系统 Download PDF

Info

Publication number
CN105551168B
CN105551168B CN201510881182.2A CN201510881182A CN105551168B CN 105551168 B CN105551168 B CN 105551168B CN 201510881182 A CN201510881182 A CN 201510881182A CN 105551168 B CN105551168 B CN 105551168B
Authority
CN
China
Prior art keywords
farmland
fire
crop
area
remote sensing
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.)
Active
Application number
CN201510881182.2A
Other languages
English (en)
Other versions
CN105551168A (zh
Inventor
王树东
王玉娟
汲玉河
张立福
田静国
张潇元
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.)
Institute of Remote Sensing and Digital Earth of CAS
Original Assignee
Institute of Remote Sensing and Digital Earth of CAS
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 Institute of Remote Sensing and Digital Earth of CAS filed Critical Institute of Remote Sensing and Digital Earth of CAS
Priority to CN201510881182.2A priority Critical patent/CN105551168B/zh
Publication of CN105551168A publication Critical patent/CN105551168A/zh
Application granted granted Critical
Publication of CN105551168B publication Critical patent/CN105551168B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data

Landscapes

  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种农田火灾遥感监测预警的方法及系统。该农田火灾遥感监测预警的方法包括：根据卫星遥感数据获取农田中成熟作物的面积；根据所述成熟期作物的面积，获取农田中一定时间段内火灾发生的次数和每次燃烧痕迹的面积，根据所述农田中火灾发生的次数和燃烧痕迹的面积计算农田火灾的发生强度；根据所述农田火灾的发生强度和作物的冠层含水量确定火灾发生的可能性；若所述火灾发生的可能性超过预定阈值，则进行农田火灾预警。本发明在统计多年火灾发生强度和待监测区作物冠层水分含量遥感反演的基础上，进行火灾预警，火灾次数和面积遥感监测的方法简单、精确度高及预警效率高。

Description

一种农田火灾遥感监测预警的方法及系统
技术领域
本发明涉及生态遥感领域，尤其涉及一种农田火灾遥感监测预警的方法及系统。
背景技术
农田过火面积指农田中的作物被火烧过的面积，农田火灾指农田中的作物在时间和空间上失去控制的燃烧所造成的损害，农田火灾强调由于农田作物燃烧所造成灾害性的影响。燃烧含水率即初始蔓延含水率指作物点燃后即使移走火源亦能蔓延而不熄灭的含水率。
现有的火灾面积遥感估算方法具有宏观、客观、快速和廉价等特点，并逐步得到广泛的应用。目前，该方法主要分为热红外异常探测、混合像元分解和监督分类识别等方法。热红外探测的方法主要基于中分辨率成像光谱仪(moderate-resolution imagingspectroradiometer，MODIS)等高时间分辨率的特性，探测火灾发生时产生的温度异常信息，并进一步识别和确定火灾发生的位置，该方法的缺点是热红外波段大多空间分辨率较低，火灾面积估算精度相对较低；混合像元分解的方法是将火灾燃烧的痕迹作为像元的组分，并应用相关的模型估算丰度，该方法的缺点是模型比较复杂，而且对端元的选择要求较高；监督分类识别方法指将燃烧的痕迹作为下垫面一种地物，通过样本训练，进行提取的方法，缺点是耗时、而且地物类型的选择和样本数等都可能带来很大的不确定性。除此之外，上述还需要提取土地利用作为灾害面积估算的支撑。
关于农田火灾预警的方法多根据作物的物候特征和气象数据，据判断者的经验提出预警，而应用遥感数据的方法目前还不多见。
发明内容
本发明所要解决的技术问题是：现有的农田火灾监测预警的方法火灾面积监测复杂、精确度低及预警效率低的问题。
为解决上述技术问题，本发明一方面提出了一种农田火灾遥感监测预警的方法，该方法包括：
根据卫星遥感数据获取农田中成熟作物的面积；
根据所述成熟期作物的面积，获取农田中一定时间段内火灾发生的次数和每次燃烧痕迹的面积，根据所述农田中火灾发生的次数和燃烧痕迹的面积计算农田火灾的发生强度；
根据所述农田火灾的发生强度和作物的冠层含水量确定火灾发生的可能性；
若所述火灾发生的可能性超过预定阈值，则进行农田火灾预警。
可选地，所述根据卫星遥感数据获取农田中成熟作物的面积，包括：
根据时间序列的卫星遥感数据获取农田中作物及农田周围地物的物候信息；
根据作物物候信息和农田周围地物的物候信息差异,提取农田中成熟期作物的面积。
可选地，所述根据时间序列的卫星遥感数据获取农田中作物及农田周围地物的物候信息，包括：
根据卫星遥感数据分别获取农田中作物和农田周围地物的归一化植被指数NDVI；
通过Savitzky-Golay滤波模型分别获取农田中作物和农田周围地物的归一化植被指数NDVI生长曲线；
所述根据作物物候信息和农田周围地物的物候信息差异,提取农田中成熟期作物的面积，包括：
比较农田中作物和农田周围地物的NDVI生长曲线变化趋势和数值的差异；
确定两个时相的遥感数据NDVI值,获取农田中成熟期作物的面积。
可选地，所述确定两个时相的遥感数据NDVI值,获取农田中成熟期作物的面积，包括：
根据公式一计算差值植被指数；
DVI＝NDVIref-NDVImoni，公式一
DVI为差值植被指数；NDVIref为从NDVI生长曲线上确定的参考点的NDVI值；NDVImoni为待监测农田作物成熟期的NDVI值。
可选地，获取农田中燃烧痕迹的面积，包括：
根据卫星遥感数据获取光谱特征；
根据所述光谱特征确定农田中作物燃烧痕迹指数；
根据所述作物燃烧痕迹指数获取农田中燃烧痕迹的数量和面积。
可选地，所述根据所述光谱特征确定农田中作物燃烧痕迹指数，包括：
根据公式二确定作物燃烧痕迹指数；
公式二
其中，BSI为作物燃烧痕迹指数，m为次方数，m≥0，RRed为光谱的红光位置；Rsw为光谱的短波红外位置；RGreen为光谱的绿光位置；RNir为光谱的近红外波段位置。
可选地，所述根据所述作物燃烧痕迹指数获取农田中燃烧痕迹的面积，包括：
根据公式三确定像元燃烧痕迹的面积比例；
公式三
其中，fB为像元燃烧痕迹的面积比例，BSIb为火灾燃烧痕迹的像元的均值，BSIbc为火灾燃烧痕迹的像元背景的均值。
根据各个像元中燃烧痕迹的面积比例，获取农田中燃烧痕迹的面积。
可选地，所述根据所述农田中火灾发生的次数和燃烧痕迹的面积计算火灾的发生强度，包括：
根据公式四确定火灾的发生强度；
公式四
其中，Fc为统计时间段内农田中监测单元c中火灾发生的强度；a+b＝1,a≥0,b≥0，a和b分别为统计一定时间段内监测单元c中火灾发生次数和面积的权重；n为监测单元c中火灾发生的次数；nmax为各监测单元中火灾发生的最大次数；Sn为监测单元c中发生火灾的面积；Smax为各监测单元中火灾发生的最大面积； ΔSk为监测单元c中燃烧痕迹斑块k的面积；r为监测单元中含有燃烧痕迹的斑块数；z为监测单元中像元中斑块k所涉及的像元数；Pi为像元i的BSI值。
可选地，所述根据所述火灾的发生强度和农田作物的冠层含水量确定火灾发生的可能性，包括：
根据公式五确定火灾发生的可能性；
Rat＝Fc·G(CWC),公式五
其中，Rat为作物类型a，在t时间点发生火灾的可能性；G(cwc)为燃烧含水率判别函数，CWC为冠层含水率，当CWC低于燃烧含水率的临界值时，G(CWC)＝1，否则G(CWC)＝0；CWC＝F(WI)·H(VI)，F(WI)为冠层含水率的遥感水分反演函数，H(VI)为反演叶面积指数的函数，WI为遥感水分指数，VI为遥感植被指数。
另一方面，本发明提出了一种农田火灾遥感监测预警的系统，该系统包括：
成熟期作物面积获取单元，用于根据卫星遥感数据获取农田中成熟作物的面积；
火灾发生强度确定单元，用于根据所述成熟期作物的面积，获取农田中一定时间段内火灾发生的次数和每次燃烧痕迹的面积，根据所述农田中火灾发生的次数和燃烧痕迹的面积计算农田火灾的发生强度；
火灾发生可能性确定单元，用于根据所述农田火灾的发生强度和作物的冠层含水量确定火灾发生的可能性；
火灾预警单元，用于当所述火灾发生的可能性超过预定阈值时进行农田火灾预警。
本发明提供的农田火灾遥感监测预警的方法及系统，根据成熟期作物的面积，获取农田中一定时间段内火灾发生的次数和每次燃烧痕迹的面积，根据所述农田中火灾发生的次数和燃烧痕迹的面积计算农田火灾的发生强度；根据农田火灾的发生强度和作物的冠层含水量确定火灾发生的可能性，在统计多年火灾发生强度和作物冠层水分含量遥感反演的基础上，进行火灾预警，火灾次数和面积遥感监测的方法简单、精确度高及预警效率高。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
图1示出了本发明一个实施例的农田火灾遥感监测预警的方法的示意图；
图2示出了本发明一个实施例的获取农田中成熟期作物的面积的流程示意图；
图3示出了小麦物候期示意图。
图4示出了本发明一个实施例的获取农田中燃烧痕迹的面积比例的流程示意图；
图5示出了本发明一个实施例的农田火灾遥感监测预警的系统的结构示意图。
具体实施方式
下面将结合附图对本发明的实施例进行详细描述。
图1示出了本发明一个实施例的农田火灾遥感监测预警的方法的示意图。如图1所示，该方法包括：
S1：根据卫星遥感数据获取农田中成熟作物的面积；
S2：根据所述成熟期作物的面积，获取农田中一定时间段内火灾发生的次数和每次燃烧痕迹的面积，根据所述农田中火灾发生的次数和燃烧痕迹的面积计算农田火灾的发生强度；
S3：根据所述火灾的发生强度和农田作物的冠层含水量确定火灾发生的可能性；若所述火灾发生的可能性超过预定阈值，则进行农田火灾预警。
本实施例的农田火灾遥感监测预警的方法，根据成熟期作物的面积，获取农田中一定时间段内火灾发生的次数和每次燃烧痕迹的面积，根据所述农田中火灾发生的次数和燃烧痕迹的面积计算农田火灾的发生强度；根据农田火灾的发生强度和作物的冠层含水量确定火灾发生的可能性，在统计多年火灾发生强度和作物冠层水分含量遥感反演的基础上，进行火灾预警，火灾次数和面积遥感监测的方法简单、精确度高及预警效率高。
在一个可选的实施方式中，所述根据卫星遥感数据获取农田中成熟作物的面积，包括：
根据时间序列的卫星遥感数据获取农田中作物及农田周围地物的物候信息；
根据作物物候信息和农田周围地物的物候信息差异,提取农田中成熟期作物的面积。
图2示出了本发明一个实施例的获取农田中成熟期作物的面积的流程示意图。如图2所示，获取农田中成熟期作物的面积包括：
S21：根据卫星遥感数据分别获取农田中作物和农田周围地物的归一化植被指数(normalized difference vegetation index，NDVI)NDVI；
S22：通过Savitzky-Golay滤波模型分别获取农田中作物和农田周围地物的归一化植被指数NDVI生长曲线；
S23：比较农田中作物和农田周围地物的NDVI生长曲线变化趋势和数值的差异；
S24：确定两个时相的遥感数据NDVI值,获取农田中成熟期作物的面积。
举例来说，以获取农田中成熟期小麦的面积为例。选择中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer，MODIS)高时间分辨率的遥感数据，提取时间序列的NDVI，通过滤波的方法，得到时间序列的作物生育期生长曲线。滤波选择Savitzky-Golay滤波模型。Savitzky-Golay滤波基本公式：
其中Y是指NDVI的原始值，Y*是NDVI的拟合值，Ci是第i个NDVI值滤波时的系数，N是指卷积数目，也等于滑动数组的宽度(2m+1)。系数j是指原始NDVI数组的系数。滑动数组包含有(2m+1)个点。该方法本质上是种平滑滤波，因此两个参数控制滤波效果，一个是m，即滤波窗口大小；二是i，即平滑多项式的次数。
作物在生长最旺盛期(对应的NDVImax)后，进入成熟枯黄期，作物冠层自然失去水分，才有可能发生火灾，因此需要提取进入成熟期作物的面积，根据生育期NDVI的差异进行提取，因此需要确定能够反映差异的特征点。即生育期曲线峰值点NDVI的最大值NDVImax和进入成熟枯黄期时间点的NDVIw值，即：
NDVImax＝max(NDVIt1,NDVIt2,......NDVItn),
NDVIw＝min(NDVIt1,NDVIt2,......NDVItn),
NDVIt1,NDVIt2,......NDVItn为作物生育期时间序列的NDVI值。
通过MODIS时间序列的NDVI产品分析冬小麦生育期变化曲线，提取该曲线的目的是通过比较冬小麦绿色全覆盖和成熟期冬小麦生长曲线的差异，提取成熟期冬小麦的面积信息，因此用同样方法也提取了城镇和绿地的生长曲线。
如图3所示，冬小麦在第40天左右NDVI曲线开始逐渐增加，90-120天之间开始达到峰值，然后曲线开始下降，在160天左右达到谷值；冬小麦生育期曲线明显高于城镇曲线，相比绿地曲线，绿地在150-170天之间，生长曲线高于冬小麦。由此可见，冬小麦生育期内通过生育期曲线比较分析，三者生长曲线具有较大的差异。
为了增强火灾留下的燃烧痕迹效果，需要明显压缩背景信息。确定两个时相的遥感数据NDVI值,获取农田中成熟期作物的面积，包括：
根据公式一计算差值植被指数；
DVI＝NDVIref-NDVImoni，公式一
DVI为差值植被指数；NDVIref为从NDVI生长曲线上确定的参考点的NDVI值；NDVImoni为待监测农田作物成熟期的NDVI值。
因此构建成熟作物积信息提取模型，具体如下：
通过上述方法，应用Landsat数据提取可能发生火灾的成熟的冬小麦面积信息。
图4示出了本发明一个实施例的获取农田中燃烧痕迹的面积比例的流程示意图。如图4所示，获取农田中燃烧痕迹的面积比例包括：
S41：根据卫星遥感数据获取光谱特征；
S42：根据所述光谱特征确定农田中作物燃烧痕迹指数；
S43：根据所述作物燃烧痕迹指数获取农田中燃烧痕迹的数量和面积。
进一步地，所述根据所述光谱特征确定农田中作物燃烧痕迹指数
根据公式二确定作物燃烧痕迹指数；
公式二
其中，BSI为作物燃烧痕迹指数，m为次方数，m≥0，RRed为光谱的红光位置(如LandSat8数据的第4波段采用0.63-0.69微米之间的波段)；Rsw为光谱的短波红外位置(如LandSat8数据的第7波段采用2.090-2.350微米之间的波段)；RGreen为光谱的绿光位置(如LandSat8数据的第3波段采用0.525-0.600微米之间的波段)；RNir为光谱的近红外波段位置(如LandSat8数据的第5波段采用0.776-0.900微米之间的波段)。特别地，n＝4。
由于上述的方法对于正在着火的区域监测精度相对较低,因此对于卫星过境时正在着火的区域采用热红外波段监测的方法，所采用的热红外反演模型和方法及相应的产品相对比较成熟，不再赘述。
由于火灾发生后留下的燃烧痕迹和下垫面的其他地物(麦茬、成熟的小麦等)在像元中以混合像元的形式存在，经过上述燃烧痕迹提取模型的增强作用，明显增强燃烧痕迹信息，明显压缩背景信息(成熟的作物和作物茬地)，因此混合像元包括背景信息和燃烧痕迹信息，我们假设二者呈线性混合，因此混合分解模型如下：
BSI＝fBBSIb+(1-fB)BSIbc,
其中，fB为像元中火灾燃烧痕迹所占的比例，1-fB为像元中除火灾燃烧痕迹以外的背景信息所占的比例，BSIb为火灾燃烧痕迹的像元的均值，BSIbc为火灾燃烧痕迹的像元背景的均值。
火灾监测预警需要考虑三个因素：一是某时间范围内发生的强度，即在一定时间段内发生火灾的面积与监测面积之间的关系，该因子与作物成熟的时间、盛行风向、风力、距离村庄远近、处理秸秆的习惯(烧秸秆、烧麦茬)、管理方式等有关；二是发生火灾的具体时间点，作物冠层含水量是否达到可燃含水率；三是监测或预警单元的确定。
在一种可选的实施方式中，所述根据所述农田中火灾发生的次数和燃烧痕迹的面积计算火灾的发生强度，包括：
根据公式四确定火灾的发生强度；
公式四
其中，Fc为统计时间段内农田中监测单元c中火灾发生的强度；a+b＝1,a≥0,b≥0，a和b分别为统计一定时间段内监测单元c中火灾发生次数和面积的权重；n为监测单元c中火灾发生的次数；nmax为各监测单元中火灾发生的最大次数；Sn为监测单元c中发生火灾的面积；Smax为各监测单元中火灾发生的最大面积； ΔSk为监测单元c中燃烧痕迹斑块k的面积；r为监测单元中含有燃烧痕迹的斑块数；z为监测单元中像元中斑块k所涉及的像元数；Pi为像元i的BSI值。
所述根据所述火灾的发生强度和农田作物的冠层含水量确定火灾发生的可能性，包括：
Rat＝Fc·G(CWC),
其中，Rat为作物类型a，在t时间点发生火灾的可能性；G(cwc)为燃烧含水率判别函数，CWC为冠层含水率，当CWC低于燃烧含水率的临界值时，G(CWC)＝1，否则G(CWC)＝0；CWC＝F(WI)·H(VI)，F(WI)为冠层含水率的遥感水分反演函数，H(VI)为反演叶面积指数的函数，WI为遥感水分指数，VI为遥感植被指数。
图5示出了本发明一个实施例的农田火灾遥感监测预警的系统的结构示意图。如图5所示，该系统包括：
成熟期作物面积获取单元51，用于根据卫星遥感数据获取农田中成熟作物的面积；
火灾发生强度确定单元52，用于根据所述成熟期作物的面积，获取农田中一定时间段内火灾发生的次数和每次燃烧痕迹的面积，根据所述农田中火灾发生的次数和燃烧痕迹的面积计算农田火灾的发生强度；
火灾发生可能性确定单元53，用于根据所述农田火灾的发生强度和作物的冠层含水量确定火灾发生的可能性；
火灾预警单元54，用于当所述火灾发生的可能性超过预定阈值时进行农田火灾预警。
本实施例所述的农田火灾遥感监测预警的系统可以用于执行上述方法实施例，其原理和技术效果类似，此处不再赘述。
本发明提供的农田火灾遥感监测预警的方法及系统，根据成熟期作物的面积，获取农田中一定时间段内火灾发生的次数和每次燃烧痕迹的面积，根据所述农田中火灾发生的次数和燃烧痕迹的面积计算农田火灾的发生强度；根据农田火灾的发生强度和作物的冠层含水量确定火灾发生的可能性，在统计多年火灾发生强度和作物冠层水分含量遥感反演的基础上，进行火灾预警，火灾次数和面积监测方法简单、精确度高及预警效率高。
虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种农田火灾遥感监测预警的方法，其特征在于，包括：
根据卫星遥感数据获取农田中成熟期作物的面积；
根据所述成熟期作物的面积，获取农田中一定时间段内火灾发生的次数和每次燃烧痕迹的面积，根据所述农田中火灾发生的次数和燃烧痕迹的面积计算农田火灾的发生强度；
根据所述农田火灾的发生强度和作物的冠层含水量确定火灾发生的可能性；
若所述火灾发生的可能性超过预定阈值，则进行农田火灾预警。
2.根据权利要求1所述的农田火灾遥感监测预警的方法，其特征在于，所述根据卫星遥感数据获取农田中成熟期作物的面积，包括：
根据时间序列的卫星遥感数据获取农田中作物及农田周围地物的物候信息；
根据作物物候信息和农田周围地物的物候信息差异,提取农田中成熟期作物的面积。
3.根据权利要求2所述的农田火灾遥感监测预警的方法，其特征在于，所述根据时间序列的卫星遥感数据获取农田中作物及农田周围地物的物候信息，包括：
根据卫星遥感数据分别获取农田中作物和农田周围地物的归一化植被指数NDVI；
通过Savitzky-Golay滤波模型分别获取农田中作物和农田周围地物的归一化植被指数NDVI生长曲线；
所述根据作物物候信息和农田周围地物的物候信息差异,提取农田中成熟期作物的面积，包括：
比较农田中作物和农田周围地物的NDVI生长曲线变化趋势和数值的差异；
确定两个时相的遥感数据NDVI值,获取农田中成熟期作物的面积。
4.根据权利要求3所述的农田火灾遥感监测预警的方法，其特征在于，所述确定两个时相的遥感数据NDVI值,获取农田中成熟期作物的面积，包括：
根据公式一计算差值植被指数；
DVI＝NDVIref-NDVImoni，公式一
DVI为差值植被指数；NDVIref为从NDVI生长曲线上确定的参考点的NDVI值；NDVImoni为待监测农田作物成熟期的NDVI值。
5.根据权利要求1所述的农田火灾遥感监测预警的方法，其特征在于，获取农田中燃烧痕迹的面积，包括：
根据卫星遥感数据获取光谱特征；
根据所述光谱特征确定农田中作物燃烧痕迹指数；
根据所述作物燃烧痕迹指数获取农田中燃烧痕迹的数量和面积。
6.根据权利要求5所述的农田火灾遥感监测预警的方法，其特征在于，所述根据所述光谱特征确定农田中作物燃烧痕迹指数，包括：
根据公式二确定作物燃烧痕迹指数；
其中，BSI为作物燃烧痕迹指数，m为次方数，m≥0，RRed为光谱的红光位置；Rsw为光谱的短波红外位置；RGreen为光谱的绿光位置；RNir为光谱的近红外波段位置。
7.根据权利要求6所述的农田火灾遥感监测预警的方法，其特征在于，所述根据所述作物燃烧痕迹指数获取农田中燃烧痕迹的面积，包括：
根据公式三确定像元燃烧痕迹的面积比例；
其中，fB为像元燃烧痕迹的面积比例，BSIb为火灾燃烧痕迹的像元的均值，BSIbc为火灾燃烧痕迹的像元背景的均值；
根据各个像元中燃烧痕迹的面积比例，获取农田中燃烧痕迹的面积。
8.根据权利要求1所述的农田火灾遥感监测预警的方法，其特征在于，所述根据所述农田中火灾发生的次数和燃烧痕迹的面积计算火灾的发生强度，包括：
根据公式四确定火灾的发生强度；
其中，Fc为统计时间段内农田中监测单元c中火灾发生的强度；a+b＝1,a≥0,b≥0，a和b分别为统计一定时间段内监测单元c中火灾发生次数和面积的权重；n为监测单元c中火灾发生的次数；nmax为各监测单元中火灾发生的最大次数；Sn为监测单元c中发生火灾的面积；Smax为各监测单元中火灾发生的最大面积； ΔSk为监测单元c中燃烧痕迹斑块k的面积；r为监测单元中含有燃烧痕迹的斑块数；z为监测单元中像元中斑块k所涉及的像元数；Pi为像元i的BSI值。
9.根据权利要求8所述的农田火灾遥感监测预警的方法，其特征在于，所述根据所述火灾的发生强度和农田作物的冠层含水量确定火灾发生的可能性，包括：
根据公式五确定火灾发生的可能性；
Rat＝Fc·G(CWC),公式五
其中，Rat为作物类型a，在t时间点发生火灾的可能性；G(CWC)为燃烧含水率判别函数，CWC为冠层含水率，当CWC低于燃烧含水率的临界值时，G(CWC)＝1，否则G(CWC)＝0；CWC＝F(WI)·H(VI)，F(WI)为冠层含水率的遥感水分反演函数，H(VI)为反演叶面积指数的函数，WI为遥感水分指数，VI为遥感植被指数。
10.一种农田火灾遥感监测预警的系统，其特征在于，包括：
成熟期作物面积获取单元，用于根据卫星遥感数据获取农田中成熟期作物的面积；
火灾发生强度确定单元，用于根据所述成熟期作物的面积，获取农田中一定时间段内火灾发生的次数和每次燃烧痕迹的面积，根据所述农田中火灾发生的次数和燃烧痕迹的面积计算农田火灾的发生强度；
火灾发生可能性确定单元，用于根据所述农田火灾的发生强度和作物的冠层含水量确定火灾发生的可能性；
火灾预警单元，用于当所述火灾发生的可能性超过预定阈值时进行农田火灾预警。
CN201510881182.2A 2015-12-03 2015-12-03 一种农田火灾遥感监测预警的方法及系统 Active CN105551168B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510881182.2A CN105551168B (zh) 2015-12-03 2015-12-03 一种农田火灾遥感监测预警的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510881182.2A CN105551168B (zh) 2015-12-03 2015-12-03 一种农田火灾遥感监测预警的方法及系统

Publications (2)

Publication Number Publication Date
CN105551168A CN105551168A (zh) 2016-05-04
CN105551168B true CN105551168B (zh) 2017-10-20

Family

ID=55830341

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510881182.2A Active CN105551168B (zh) 2015-12-03 2015-12-03 一种农田火灾遥感监测预警的方法及系统

Country Status (1)

Country Link
CN (1) CN105551168B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106023203B (zh) * 2016-05-19 2019-03-26 中国科学院遥感与数字地球研究所 基于Landsat-8陆地卫星数据的火点检测方法
CN106503480B (zh) * 2016-12-14 2019-02-22 中国科学院遥感与数字地球研究所 一种静止卫星火灾遥感监测方法
CN106780091B (zh) * 2016-12-30 2020-11-06 中国科学院东北地理与农业生态研究所 基于植被指数时空间统计特征的农业灾害信息遥感提取方法
CN107067334B (zh) * 2017-04-21 2020-06-30 中国科学院遥感与数字地球研究所 基于多源遥感数据的农田火灾和秸秆焚烧监测方法及系统
CN108717582A (zh) * 2018-04-17 2018-10-30 平安科技（深圳）有限公司 森林火灾预测方法、装置、计算机设备和存储介质
CN109781626B (zh) * 2019-03-11 2021-07-06 王祥 一种基于光谱分析的近岸高悬沙水体绿潮遥感识别方法
CN110544357B (zh) * 2019-08-28 2021-03-02 中科海慧（天津）科技有限公司 农林草复合区分区火灾预测预警方法、装置与电子设备
CN110533874A (zh) * 2019-09-06 2019-12-03 深圳市瑞讯云技术有限公司 一种火灾的检测方法及装置
CN110459030A (zh) * 2019-09-06 2019-11-15 深圳市瑞讯云技术有限公司 火灾的检测方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1763560A (zh) * 2005-10-20 2006-04-26 中国农业科学院农业资源与农业区划研究所 基于modis数据自动探测草原火灾迹地的方法
US7298869B1 (en) * 2003-07-21 2007-11-20 Abernathy Donald A Multispectral data acquisition system and method
CN103424405A (zh) * 2013-08-27 2013-12-04 华南农业大学 一种基于hj-1a/1b ccd数据的干旱监测方法
CN104484576A (zh) * 2014-12-31 2015-04-01 中国科学院深圳先进技术研究院 一种监测气象干旱的方法
CN104851087A (zh) * 2015-04-17 2015-08-19 华中农业大学 多尺度森林动态变化监测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7298869B1 (en) * 2003-07-21 2007-11-20 Abernathy Donald A Multispectral data acquisition system and method
CN1763560A (zh) * 2005-10-20 2006-04-26 中国农业科学院农业资源与农业区划研究所 基于modis数据自动探测草原火灾迹地的方法
CN103424405A (zh) * 2013-08-27 2013-12-04 华南农业大学 一种基于hj-1a/1b ccd数据的干旱监测方法
CN104484576A (zh) * 2014-12-31 2015-04-01 中国科学院深圳先进技术研究院 一种监测气象干旱的方法
CN104851087A (zh) * 2015-04-17 2015-08-19 华中农业大学 多尺度森林动态变化监测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于HJ-1B 卫星的作物秸秆提取及其焚烧火点;田庆久等;《中国科学》;20111231;第41卷;117-127 *

Also Published As

Publication number Publication date
CN105551168A (zh) 2016-05-04

Similar Documents

Publication Publication Date Title
CN105551168B (zh) 一种农田火灾遥感监测预警的方法及系统
Zeng et al. A hybrid approach for detecting corn and soybean phenology with time-series MODIS data
Qiao et al. UAV-based chlorophyll content estimation by evaluating vegetation index responses under different crop coverages
Meng et al. Measuring short-term post-fire forest recovery across a burn severity gradient in a mixed pine-oak forest using multi-sensor remote sensing techniques
Zhang et al. Improved maize cultivated area estimation over a large scale combining MODIS–EVI time series data and crop phenological information
Saberioon et al. Assessment of rice leaf chlorophyll content using visible bands at different growth stages at both the leaf and canopy scale
Son et al. Classification of multitemporal Sentinel-2 data for field-level monitoring of rice cropping practices in Taiwan
Peña-Barragán et al. Object-based crop identification using multiple vegetation indices, textural features and crop phenology
Liu et al. Multiyear crop monitoring using polarimetric RADARSAT-2 data
Duan et al. Remote estimation of grain yield based on UAV data in different rice cultivars under contrasting climatic zone
CN106372592B (zh) 一种基于冬小麦面积指数的冬小麦种植面积计算方法
Zhao et al. A detailed field study of direct correlations between ground truth crop water stress and normalized difference vegetation index (NDVI) from small unmanned aerial system (sUAS)
Xiao et al. Remote sensing detection algorithm for apple fire blight based on UAV multispectral image
CN109753936A (zh) 一种基于多源遥感数据的森林火灾火烧迹地提取方法
Peng et al. Relationships between remote-sensing-based agricultural drought indicators and root zone soil moisture: a comparative study of Iowa
Chen et al. Model for estimation of total nitrogen content in sandalwood leaves based on nonlinear mixed effects and dummy variables using multispectral images
Kotsuki et al. SACRA–a method for the estimation of global high-resolution crop calendars from a satellite-sensed NDVI
Yang et al. A VI-based phenology adaptation approach for rice crop monitoring using UAV multispectral images
Zhao et al. Spatial-aware SAR-optical time-series deep integration for crop phenology tracking
Kumari et al. Soybean cropland mapping using multi-temporal sentinel-1 data
Guo et al. Identifying crop phenology using maize height constructed from multi-sources images
CN115601670A (zh) 基于人工智能和高分辨率遥感影像的松材线虫病监测方法
Zhang et al. Construction of a plant spectral library based on an optimised feature selection method
Yang et al. Forest edges near farms enhance wheat productivity measures: a test using high spatial resolution remote sensing of smallholder farms in southern Ethiopia
Abdelraouf et al. Comparative analysis of some winter crops area estimation using landsat-8 and sentinal-2 satellite imagery

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant