CN106652300A - 一种应用于林区的火点监测方法 - Google Patents
一种应用于林区的火点监测方法 Download PDFInfo
- Publication number
- CN106652300A CN106652300A CN201611207100.7A CN201611207100A CN106652300A CN 106652300 A CN106652300 A CN 106652300A CN 201611207100 A CN201611207100 A CN 201611207100A CN 106652300 A CN106652300 A CN 106652300A
- Authority
- CN
- China
- Prior art keywords
- fire
- point
- combustible
- water saturation
- forest
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/005—Fire alarms; Alarms responsive to explosion for forest fires, e.g. detecting fires spread over a large or outdoors area
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种应用于林区的火点监测方法,利用MODIS数据获取可燃物水分饱和量、温度、湿度、植被覆盖率等与林区火灾密切相关的参数因子,并充分考虑林区实际情况,将各参数因子有机结合,建立火灾监测模型作为初步判断火点的依据,在此基础上,剔除水体和云等的干扰,得到实际火点。本发明能自动、快速、准确地辨识火点,大大降低了异常干扰点的误报率,提高了林区火点识别准确率。
Description
技术领域
本发明涉及火灾监测和遥感技术领域,具体是一种应用于林区的火点监测方法。
背景技术
林区火灾的发生一般具有偶然性,发生地一般都是人迹罕至、位置偏僻的原始、半原始林区,而且影响因素诸多,且难以预防。近年来,随着全球气候变暖,极端气候天气频繁发生,我国中南地区在春耕和清明期间,越来越容易发生连续高温晴天天气。同时由于经济发展,农村燃料由传统的枯草和树木为燃气所替代,加上退耕还林政策的实施,林区植被保持越来越完好,因此,山火频繁发生。
随着科学技术的进步,特别是自上世纪80年代初后,信息技术、3S技术的飞速发展,一些发达国家先后开展了利用卫星预警和监测森林火灾的实验和研究。卫星监测火灾,具有较高的时间、空间分辨率,其监测范围大,不仅能够详细地提供火灾发生的精确位置、成灾、过火面积、温度变化等,还可以连续跟踪、监测火灾的动态发展过程。特别是1999年,美国建立了对地观测系统(EOS),在Terra卫星上搭载的中分辨率光谱成像仪(MODIS)从设计上就考虑了火灾监测,其多个光谱均适用于火点的探测,从而为建立多时相的火灾预警和监测系统提供了数据支持。
综上所述,卫星遥感在林区火灾预警、监测以及救灾中起着非常重要的作用,较传统的监测手段有了质的飞越。目前,林区火灾遥感监测发展较快,模型较完善,但是大多建立在NOAA卫星的基础上。利用免费的MODI数据进行森林火灾灾前预警和灾后监测的研究还比较少,国内这方面的研究是凤毛麟角,并且都不够深入。
发明内容
针对现有的缺陷或不足,本发明提供了一种应用于林区的火点监测方法,其特征在于,包括以下步骤:
步骤1:获取卫星图像数据并进行预处理;
步骤2:确定并提取火灾影响因子;
步骤3:根据火灾影响因子,生成火灾监测模型,并预设火灾指数阈值;
步骤4:针对各检测区域,应用火灾监测模型,得到当地的火灾监测指数,当所述指数大于所述阈值时,标记为包含潜在火点。
步骤5:基于包含潜在火点的区域,提取潜在火点,识别并排除其中的干扰点,得到实际火点。
优选地,其中,步骤1,卫星图像数据为中分辨率成像光谱仪MODIS影像。
优选地,其中,步骤1预处理包括:几何纠正、大气辐射校正、条带滤除等。
优选地,其中,步骤2:确定并提取的火灾影响因子包括:可燃物水分饱和量、温度、湿度、植被覆盖率,其中,可燃物水分饱和量是关键;温度升高,水分饱和量迅速降低,着火点随之降低,容易产生火源;空气湿度是指水蒸气在空气中所占的比率,是用来表征空气干湿程度的物理量。当空气湿度比较大时,可燃物会从空气中吸收水分,增大自身的水分饱和量,从而不易被点燃;反之,当空气湿度降低时,空气就会从可燃物中吸收水分,降低可燃物水分饱和量,从而很容易被点燃。
优选地,其中,步骤3:根据火灾影响因子,生成火灾监测模型FPM为:
其中,
其中,MC表示可燃物水分饱和量,PC表示植被覆盖率,a表示倍数调节因子,一般取值为10的n次方,n为大于等于2的整数,T表示温度,H表示湿度,K表示调节因子,ρ1和ρ2分别表示MODIS影像第1、2波段的反射率,PC0表示植被分布稀疏时的植被覆盖率,PC1表示植被分布茂密时的植被覆盖率;
火灾监测模型FPM计算得到的火灾指数值越大,表示发生火灾的可能性越大,当大于预设的火灾指数阈值时,代表该地包含潜在火点。
优选地,其中,步骤5:识别并排除干扰点包括:识别并排除云、水体、工业火点的干扰。
本发明经过反复试验论证,利用MODIS数据获取可燃物水分饱和量、温度、湿度、植被覆盖率等与林区火灾密切相关的参数因子,并充分考虑林区实际情况,将各参数因子有机结合,建立火灾监测模型作为初步判断火点的依据,在此基础上,剔除水体和云等的干扰,得到实际火点。本发明能自动、快速、准确地辨识火点,大大降低了异常干扰点的误报率,提高了林区火点识别的准确率。
附图说明
图1本发明所提出的方法流程图。
具体实施方式
为了更好地理解本发明,下面结合附图参考实施例的描述,对本发明的方法进行进一步的说明。
为了全面理解本发明,在以下详细描述中提到了众多具体细节。但是本领域技术人员应该理解,本发明可以无需这些具体细节而实现。在实施例中,不详细描述公知的方法、过程、组件,以免不必要地使实施例繁琐。
参见图1所示,本发明的一种应用于林区的火点监测方法,其特征在于,包括以下步骤:
步骤1:获取卫星图像数据并进行预处理;
步骤2:确定并提取火灾影响因子;
步骤3:根据火灾影响因子,生成火灾监测模型,并预设火灾指数阈值;
步骤4:针对各检测区域,应用火灾监测模型,得到当地的火灾监测指数,当所述指数大于所述阈值时,标记为包含潜在火点。
步骤5:基于包含潜在火点的区域,提取潜在火点,识别并排除其中的干扰点,得到实际火点。
优选地,其中,步骤1,卫星图像数据为中分辨率成像光谱仪MODIS影像。
优选地,其中,步骤1预处理包括:几何纠正、大气辐射校正、条带滤除等。
优选地,其中,步骤2:确定并提取的火灾影响因子包括:可燃物水分饱和量、温度、湿度、植被覆盖率,其中,可燃物水分饱和量是关键;温度升高,水分饱和量迅速降低,着火点随之降低,容易产生火源;空气湿度是指水蒸气在空气中所占的比率,是用来表征空气干湿程度的物理量。当空气湿度比较大时,可燃物会从空气中吸收水分,增大自身的水分饱和量,从而不易被点燃;反之,当空气湿度降低时,空气就会从可燃物中吸收水分,降低可燃物水分饱和量,从而很容易被点燃。
优选地,其中,步骤3:根据火灾影响因子,生成火灾监测模型FPM为:
其中,
其中,MC表示可燃物水分饱和量,PC表示植被覆盖率,a表示倍数调节因子,一般取值为10的n次方,n为大于等于2的整数,T表示温度,H表示湿度,K表示调节因子,ρ1和ρ2分别表示MODIS影像第1、2波段的反射率,PC0表示植被分布稀疏时的植被覆盖率,PC1表示植被分布茂密时的植被覆盖率;
火灾监测模型FPM计算得到的火灾指数值越大,表示发生火灾的可能性越大,当大于预设的火灾指数阈值时,代表该地包含潜在火点。
优选地,其中,步骤5:识别并排除干扰点包括:识别并排除云、水体、工业火点的干扰。
本发明经过反复试验论证,利用MODIS数据获取可燃物水分饱和量、温度、湿度、植被覆盖率等与林区火灾密切相关的参数因子,并充分考虑林区实际情况,将各参数因子有机结合,建立火灾监测模型作为初步判断火点的依据,在此基础上,剔除水体和云等的干扰,得到实际火点。可见,本发明能自动、快速、准确地辨识火点,大大降低了异常干扰点的误报率,提高了林区火点识别准确率。
这里只说明了本发明的优选实施例,但其意并非限制本发明的范围、适用性和配置。相反,对实施例的详细说明可使本领域技术人员得以实施。应能理解,在不偏离所附权利要求书确定的本发明精神和范围情况下,可对一些细节做适当变更和修改。
Claims (6)
1.一种应用于林区的火点监测方法,其特征在于,包括以下步骤:
步骤1:获取卫星图像数据并进行预处理;
步骤2:确定并提取火灾影响因子;
步骤3:根据火灾影响因子,生成火灾监测模型,并预设火灾指数阈值;
步骤4:针对各检测区域,应用火灾监测模型,得到当地的火灾监测指数,当所述指数大于所述阈值时,标记为包含潜在火点;
步骤5:基于包含潜在火点的区域,提取潜在火点,识别并排除其中的干扰点,得到实际火点。
2.根据权利要求1所述的方法,其中,步骤1,卫星图像数据为中分辨率成像光谱仪MODIS影像。
3.根据权利要求1所述的方法,其中,步骤1预处理包括:几何纠正、大气辐射校正、条带滤除等。
4.根据权利要求1所述的方法,其中,步骤2:确定并提取的火灾影响因子包括:可燃物水分饱和量、温度、湿度、植被覆盖率,其中,可燃物水分饱和量是关键;温度升高,水分饱和量迅速降低,着火点随之降低,容易产生火源;空气湿度是指水蒸气在空气中所占的比率,是用来表征空气干湿程度的物理量。当空气湿度比较大时,可燃物会从空气中吸收水分,增大自身的水分饱和量,从而不易被点燃;反之,当空气湿度降低时,空气就会从可燃物中吸收水分,降低可燃物水分饱和量,从而很容易被点燃。
5.根据权利要求1所述的方法,其中,步骤3:根据火灾影响因子,生成火灾监测模型FPM为:
其中,
其中,MC表示可燃物水分饱和量,PC表示植被覆盖率,a表示倍数调节因子,一般取值为10的n次方,n为大于等于2的整数,T表示温度,H表示湿度,K表示调节因子,ρ1和ρ2分别表示MODIS影像第1、2波段的反射率,PC0表示植被分布稀疏时的植被覆盖率,PC1表示植被分布茂密时的植被覆盖率;
火灾监测模型FPM计算得到的火灾指数值越大,表示发生火灾的可能性越大,当大于预设的火灾指数阈值时,代表该地包含潜在火点。
6.根据权利要求1所述的方法,其中,步骤5:识别并排除干扰点包括:识别并排除云、水体、工业火点的干扰。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611207100.7A CN106652300B (zh) | 2016-12-23 | 2016-12-23 | 一种应用于林区的火点监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611207100.7A CN106652300B (zh) | 2016-12-23 | 2016-12-23 | 一种应用于林区的火点监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106652300A true CN106652300A (zh) | 2017-05-10 |
CN106652300B CN106652300B (zh) | 2019-03-15 |
Family
ID=58828230
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611207100.7A Active CN106652300B (zh) | 2016-12-23 | 2016-12-23 | 一种应用于林区的火点监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106652300B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107038833A (zh) * | 2017-06-13 | 2017-08-11 | 广东电网有限责任公司电力科学研究院 | 一种山火火点二次甄别方法及系统 |
CN109033992A (zh) * | 2018-07-03 | 2018-12-18 | 中国科学院遥感与数字地球研究所 | 基于主动式火点数据的重工业区域发现算法 |
CN113223262A (zh) * | 2021-05-06 | 2021-08-06 | 四川大熊猫数字科技发展有限公司 | 一种多源火情数据综合汇聚处理系统及方法 |
CN115205709A (zh) * | 2022-09-15 | 2022-10-18 | 眉山环天智慧科技有限公司 | 一种基于卫星遥感的森林火点识别方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101719298A (zh) * | 2009-11-23 | 2010-06-02 | 中国科学院遥感应用研究所 | 森林草原火灾遥感监测预警方法 |
CN102163358A (zh) * | 2011-04-11 | 2011-08-24 | 杭州电子科技大学 | 一种基于视频图像分析的烟雾/火焰检测方法 |
CN103632158A (zh) * | 2013-11-20 | 2014-03-12 | 北京环境特性研究所 | 森林防火监控方法及森林防火监控系统 |
CN104269012A (zh) * | 2014-09-28 | 2015-01-07 | 浙江大学 | 基于modis数据的输电线路附近山火监测方法 |
CN104537792A (zh) * | 2014-12-26 | 2015-04-22 | 浙江大学 | 基于背景信息的输电线路山火卫星监测方法 |
CN105469195A (zh) * | 2015-11-18 | 2016-04-06 | 国家电网公司 | 一种输电线路走廊环境火险等级评估方法 |
CN105740817A (zh) * | 2016-01-29 | 2016-07-06 | 张弓 | 一种秸秆燃烧火点数据的判断方法及系统 |
US20160266380A1 (en) * | 2013-08-09 | 2016-09-15 | Thermal Imaging Radar, LLC | System Including a Seamless Lens Cover and Related Methods |
-
2016
- 2016-12-23 CN CN201611207100.7A patent/CN106652300B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101719298A (zh) * | 2009-11-23 | 2010-06-02 | 中国科学院遥感应用研究所 | 森林草原火灾遥感监测预警方法 |
CN102163358A (zh) * | 2011-04-11 | 2011-08-24 | 杭州电子科技大学 | 一种基于视频图像分析的烟雾/火焰检测方法 |
US20160266380A1 (en) * | 2013-08-09 | 2016-09-15 | Thermal Imaging Radar, LLC | System Including a Seamless Lens Cover and Related Methods |
CN103632158A (zh) * | 2013-11-20 | 2014-03-12 | 北京环境特性研究所 | 森林防火监控方法及森林防火监控系统 |
CN104269012A (zh) * | 2014-09-28 | 2015-01-07 | 浙江大学 | 基于modis数据的输电线路附近山火监测方法 |
CN104537792A (zh) * | 2014-12-26 | 2015-04-22 | 浙江大学 | 基于背景信息的输电线路山火卫星监测方法 |
CN105469195A (zh) * | 2015-11-18 | 2016-04-06 | 国家电网公司 | 一种输电线路走廊环境火险等级评估方法 |
CN105740817A (zh) * | 2016-01-29 | 2016-07-06 | 张弓 | 一种秸秆燃烧火点数据的判断方法及系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107038833A (zh) * | 2017-06-13 | 2017-08-11 | 广东电网有限责任公司电力科学研究院 | 一种山火火点二次甄别方法及系统 |
CN107038833B (zh) * | 2017-06-13 | 2019-08-30 | 广东电网有限责任公司电力科学研究院 | 一种山火火点二次甄别方法及系统 |
CN109033992A (zh) * | 2018-07-03 | 2018-12-18 | 中国科学院遥感与数字地球研究所 | 基于主动式火点数据的重工业区域发现算法 |
CN109033992B (zh) * | 2018-07-03 | 2021-12-07 | 中国科学院遥感与数字地球研究所 | 基于主动式火点数据的重工业区域发现方法 |
CN113223262A (zh) * | 2021-05-06 | 2021-08-06 | 四川大熊猫数字科技发展有限公司 | 一种多源火情数据综合汇聚处理系统及方法 |
CN115205709A (zh) * | 2022-09-15 | 2022-10-18 | 眉山环天智慧科技有限公司 | 一种基于卫星遥感的森林火点识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106652300B (zh) | 2019-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pan et al. | Six global biomass burning emission datasets: intercomparison and application in one global aerosol model | |
Chuvieco et al. | Historical background and current developments for mapping burned area from satellite Earth observation | |
Amos et al. | Determining the use of Sentinel-2A MSI for wildfire burning & severity detection | |
CN106652300A (zh) | 一种应用于林区的火点监测方法 | |
More et al. | Comparison of aerosol products retrieved from AERONET, MICROTOPS and MODIS over a tropical urban city, Pune, India | |
Dı́az-Delgado et al. | Spatial patterns of forest fires in Catalonia (NE of Spain) along the period 1975–1995: Analysis of vegetation recovery after fire | |
Konovalov et al. | Constraining CO 2 emissions from open biomass burning by satellite observations of co-emitted species: a method and its application to wildfires in Siberia | |
De Santis et al. | Mapping burn severity and burning efficiency in California using simulation models and Landsat imagery | |
Berner et al. | Cajander larch (Larix cajanderi) biomass distribution, fire regime and post-fire recovery in northeastern Siberia | |
Loboda et al. | Mapping burned area in Alaska using MODIS data: a data limitations-driven modification to the regional burned area algorithm | |
CN103778418A (zh) | 一种输电线路杆塔图像监测系统的山火图像识别方法 | |
CN108240864A (zh) | 一种遥感影像的农田焚烧火点监控方法 | |
CN107657261A (zh) | 一种基于遥感影像的草场燃烧火点数据的判断方法 | |
Wu et al. | Vegetation burn severity mapping using Landsat-8 and WorldView-2 | |
CN113221057B (zh) | 基于多时相卫星影像的秸秆焚烧火点监测方法 | |
CN103344344A (zh) | 一种基于多源遥感数据的全球热异常点信息遥感快速监测及发布方法 | |
Oliveira et al. | Seasonal differences in fire activity and intensity in tropical savannas of northern Australia using satellite measurements of fire radiative power | |
CN111380807A (zh) | 一种基于静止卫星遥感数据的秸秆焚烧火点信息提取方法 | |
CN117057497A (zh) | 一种森林火灾风险评估方法及其模型构建方法和装置 | |
Radeloff et al. | Need and vision for global medium-resolution Landsat and Sentinel-2 data products | |
Gallo et al. | Identifying a regional aerosol baseline in the eastern North Atlantic using collocated measurements and a mathematical algorithm to mask high-submicron-number-concentration aerosol events | |
Gogoi et al. | Satellite (GOSAT-2 CAI-2) retrieval and surface (ARFINET) observations of aerosol black carbon over India | |
CN103942806A (zh) | 基于高光谱数据的多信息融合火灾着火点的检测方法 | |
Moody et al. | Flow climatology for physicochemical properties of dichotomous aerosol over the western North Atlantic Ocean at Bermuda | |
Stow et al. | Mapping burn severity of Mediterranean-type vegetation using satellite multispectral data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 101399 No. 2 East Airport Road, Shunyi Airport Economic Core Area, Beijing (1st, 5th and 7th floors of Industrial Park 1A-4) Applicant after: Zhongke Star Map Co., Ltd. Address before: 101399 Building 1A-4, National Geographic Information Technology Industrial Park, Guomen Business District, Shunyi District, Beijing Applicant before: Space Star Technology (Beijing) Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |