CN108225572A - 基于热红外遥感数据的城市中高温热异常检测方法 - Google Patents
基于热红外遥感数据的城市中高温热异常检测方法 Download PDFInfo
- Publication number
- CN108225572A CN108225572A CN201810052441.4A CN201810052441A CN108225572A CN 108225572 A CN108225572 A CN 108225572A CN 201810052441 A CN201810052441 A CN 201810052441A CN 108225572 A CN108225572 A CN 108225572A
- Authority
- CN
- China
- Prior art keywords
- heat anomaly
- heat
- temperature
- wave
- formula
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 16
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 238000012937 correction Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 10
- 238000002310 reflectometry Methods 0.000 claims abstract description 9
- 230000003595 spectral effect Effects 0.000 claims abstract description 6
- 238000012360 testing method Methods 0.000 claims abstract description 5
- 241000132092 Aster Species 0.000 claims description 13
- 230000003287 optical effect Effects 0.000 claims description 2
- 239000000284 extract Substances 0.000 abstract description 7
- 238000011160 research Methods 0.000 description 6
- 241000196324 Embryophyta Species 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 241001269238 Data Species 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 206010042434 Sudden death Diseases 0.000 description 1
- 230000003471 anti-radiation Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Radiation Pyrometers (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了一种基于热红外遥感数据的城市中高温热异常检测方法,包括以下步骤:通过大气校正,得到可见光波段反射率和热红外波段光谱辐亮度;通过水体掩膜剔除影像中的水体;计算各波段的亮温;计算热异常指数;提取热异常点;对照高分辨率影像,进行精度验证。本发明的方法能快速地提取温度范围在400K以上的热异常点,并且提取得到的点能确定存在热异常的置信度为90%以上。该指数准确性高,简单便捷,尤其在夜间提取的精度更高,可用于夜间数据的快速热异常提取。
Description
技术领域
本发明涉及一种城市中高温热异常检测方法,具体地涉及一种基于热红外遥感数据的城市中高温热异常检测方法。
背景技术
对于地球表面而言,热异常这个概念,从宏观上可以理解为是相对于背景温度,该处的温度异常高的现象。地球表面的热异常现象主要包括火山活动、地震活动前的热异常、生物燃烧、工业热源、人为热等。这些热异常现象对人类的生活都有不同程度的影响。对于地球表面的热异常的研究,有针对城市热岛,讨论极热现象对突发性死亡的影响;或者讨论城郊热异常的时空分布特征;也有研究探索热异常在地震板块、火山岩中的分布规律;较为广泛的研究是在全球尺度或者区域尺度寻找热异常点,包括生物燃烧、火山喷发、工业热源、火灾等。
热异常的含义众多,涉及的方面也很广,但是针对城市热异常的研究依然较少。人们倾向于将城市热岛引起的城郊温差当做热异常,该部分的热异常只能反映整体的城市热环境,无法明确地指出热异常的原因以及具体位置。因此对于热异常的识别及提取需要有明确的定位,即找出温度异常高的点。由于热红外波段的传感器饱和问题,很多高温点无法被识别,因此中红外和短波红外逐渐被应用于热异常的识别中。对于高温的探测,最早是由Dozier提出,通过中红外和热红外通道来测量子像元温度。经过三十多年的发展,热异常检测从双谱段探测到高光谱探测,发生了许多变化。起初,人们用中红外和热红外波段来探测高温,后来,短波红外也被应用到高温的探测中。
随着卫星事业的发展,越来越多的遥感数据可以拿来进行热异常的研究。而通过遥感手段提取热异常点,是对热异常现象进行分析研究的基础。现有的方法中较为普遍应用的是双谱段和多谱段法,很多火点产品都是用这类方法来提取高温点。该类方法利用高温在中红外和热红外增加的辐亮度来检测热异常,但其候选的热异常点的阈值的确定需要通过移动窗口,联系上下文进行判断,过程繁琐复杂,并且能探测的温度下限在500-600K左右,对于城市中很多热异常点(例如在400-500K之间的工业热源)无法识别和监测。
因此,需要一种城市中高温热异常检测方法,其能够简单、快速、高效地进行地表热异常信息的提取,并且能够提取出一些温度较低的热异常点。
发明内容
为了解决上面提出的技术问题,本发明提供了一种基于热红外遥感数据的城市中高温热异常检测方法,包括以下步骤:
步骤一:将ASTER数据中的可见光和热红外数据进行大气校正,可见光波段经过大气校正得到反射率数据,热红外波段经过大气校正得到辐亮度数据。
步骤二:根据可见光波段的反射率数据,对水体进行掩模。
步骤三:在大气校正得到的热红外波段的辐亮度数据的基础上,根据普朗克定律,计算各波段的亮温。
步骤四:基于各波段的亮温,计算热异常指数,其计算公式如下:
式中,T10,T11,T12,T13,T14分别为ASTER第10,11,12,13,14波段的亮温。
步骤五:提取热异常点,热异常点的提取通过以下条件进行判断:
TAI>0
当计算得到的TAI的值大于0时,即判定存在热异常。
以上步骤三中的各个波段的亮温的计算公式如下:
式中,Ts即各波段对应的亮温,k1=C1/λ5,k2=C2/λ。
普朗克函数的公式如下:
式中,C1和C2是常数(C1=1.191×108W·μm–4·Sr–1·m–2,C2=1.439×104μm·K),λ是波长,T是绝对温度,单位为K,Bλ(T)是绝对温度为T时,波长λ处的光谱辐亮度。
优选地,本发明的基于热红外遥感数据的城市中高温热异常检测方法还包括步骤六对照高分辨率影像,进行精度验证。
本发明的基于热红外遥感数据的城市中高温热异常检测方法能快速地提取温度范围在400K以上的热异常点,并且提取得到的点能确定存在热异常的置信度为90%以上。该指数准确性高,简单便捷,尤其在夜间提取的精度更高,可用于夜间数据的快速热异常提取。
附图说明
下面结合附图,对本发明的具体实施方式进行详细说明。
图1是本发明的基于热红外遥感数据的城市中高温热异常检测方法的步骤流程图。
图2a是根据本发明的一个实施例,计算出的河北省唐山市2016年9月19日晚ASTER13波段的亮温图。
图2b是根据本发明的一个实施例,计算出的河北省唐山市2017年3月14日白天ASTER13波段的亮温图。
图3a是根据本发明的一个实施例,计算出的河北省唐山市2016年9月19日晚的热异常指数TAI图。
图3b是根据本发明的一个实施例,计算出的河北省唐山市2017年3月14日白天的热异常指数TAI图。
图4a是根据本发明的一个实施例,提取的河北省唐山市2016年9月19日晚的热异常点图。
图4b是根据本发明的一个实施例,提取的河北省唐山市2017年3月14日白天的热异常点图。
具体实施方式
本发明提供一种简单的热异常指数来进行地表热异常信息的快速提取。该指数是利用ASTER数据在热红外区域具有多个波段的特征而提出的。该指数具有快速高效的优点,并且能够提取出一些温度较低的热异常点。
ASTER是搭载在Terra卫星上的星载热量散发和反辐射仪。ASTER传感器分成三个独立的子系统,分别处于可见光/近红外、短波红外、热红外波段。ASTER影像的第一至第三波段位于可见光/近红外部分,空间分辨率为15米;第四至第九波段位于短波红外部分,空间分辨率为30米;第十至第十四波段位于热红外部分,地面分辨率为90米。本发明所用的数据包括第一到三波段,十到十四波段。
参见图1,本发明的城市中高温热异常检测方法包括如下步骤:
(1)大气校正
ASTER数据从https://glovis.usgs.gov/上下载,白天的数据包括可见光、热红外波段。可见光和热红外数据都需要经过大气校正,去除大气的干扰。可见光波段经过大气校正得到反射率数据,热红外波段经过大气校正得到辐亮度数据。该过程可以通过ENVI软件中已有的大气校正工具实现。
(2)水体掩膜
在提取热异常点之前,需要对水体进行掩膜。对水体的识别通过可见光波段的反射率来区分。当可见光的三个波段的反射率满足以下条件时,即分类为水体:
ρ1>ρ2>ρ3
式中,ρ1,ρ2,和ρ3分别为ASTER第一、二、三波段的反射率。
(3)计算亮温
本发明用到的热红外数据经过大气校正,得到光谱辐亮度,然后根据普朗克定律,获取各个波段的亮温。普朗克函数的公式如下:
式中,C1和2是常数(C1=1.191×108W·μm–4·Sr–1·m–2,C2=1.439×104μm·K),λ是波长,T是绝对温度,单位为K,Bλ(T)是绝对温度为T时,波长λ处的光谱辐亮度。
各波段的亮温计算公式如下:
式中,Ts即各波段对应的亮温,k1=C1/λ5,k2=C2/λ。
(4)热异常指数计算
该方法基于ASTER热红外数据,提出了一个热异常指数TAI用来提取热异常信息。该方法基于维恩位移定律,当温度升高时,最大辐亮度对应的波长向短波方向移动。因此,当温度升高时,短波波段辐亮度增加得较长波增加的多,对应的亮温升高的也比长波多。根据这一特点,本文通过ASTER数据的热红外波段亮温,构建热异常指数,其计算公式如下:
式中,T10,T11,T12,T13,T14分别为ASTER第10,11,12,13,14波段的亮温。
(5)热异常点提取
热异常点提取通过以下条件进行判断:
TAI>0 (4)
当计算得到的TAI的值大于0时,即判定存在热异常。
(6)精度验证
将提取的热异常点与google earth上高分辨的影像进行对比,判断提取的热异常点是否位于工厂附近。工厂的类型包括水泥厂、钢铁厂、焦化厂、矿厂、化工厂等具有高温作业过程的工厂。
实施例
选取的数据:本文选取河北唐山市作为研究区,白天的数据为2017年3月14日,夜晚的数据为2016年9月19日。
实现步骤:
步骤一:通过大气校正,得到可见光波段反射率和热红外波段光谱辐亮度;
步骤二:通过水体掩膜剔除影像中的水体;
步骤三:通过公式(2)计算各波段的亮温;
步骤四:通过公式(3)计算热异常指数;
步骤五:通过阈值公式(4)提取热异常点;
步骤六:对照高分辨率影像,进行精度验证。
图2a是在步骤三中计算得到的河北省唐山市2016年9月19日晚ASTER13波段的亮温图;图2b是在步骤三中计算出的河北省唐山市2017年3月14日白天ASTER13波段的亮温。
图3a是在步骤四中计算出的河北省唐山市2016年9月19日晚的热异常指数TAI;图3b是在步骤四中计算出的河北省唐山市2017年3月14日白天的热异常指数TAI。
图4a是在步骤五中提取的河北省唐山市2016年9月19日晚的热异常点图。
图4b是在步骤五中提取的河北省唐山市2017年3月14日白天的热异常点图。
将提取的热异常与google earth对比,得到统计结果如下:
表1.提取热异常点的准确率统计
通过TAI提取的点共229个,与google earth上的高分辨影像对比,可以确定共有210个点位于工厂,准确率在91.7%左右。这表明提取得到的热异常点,有91.7%的点可以确定是热异常点。
Claims (3)
1.一种基于热红外遥感数据的城市中高温热异常检测方法,包括以下步骤:
步骤一:将ASTER数据中的可见光和热红外数据进行大气校正,可见光波段经过大气校正得到反射率数据,热红外波段经过大气校正得到辐亮度数据;
步骤二:根据可见光波段的反射率数据,对水体进行掩模;
步骤三:在大气校正得到的热红外波段的辐亮度数据的基础上,根据普朗克定律,计算各波段的亮温;
步骤四:基于各波段的亮温,计算热异常指数TAI,其计算公式如下:
式中,T10,T11,T12,T13,T14分别为ASTER第10,11,12,13,14波段的亮温。
步骤五:提取热异常点,热异常点的提取通过以下条件进行判断:
TAI>0
当计算得到的TAI的值大于0时,即判定存在热异常。
2.根据权利要求1所述的方法,其特征在于,步骤三中的各波段的亮温的计算公式如下:
式中,Ts即各波段对应的亮温,k1=C1/λ5,k2=C2/λ;
普朗克函数的公式如下:
式中,C1和C2是常数(C1=1.191×108W·μm–4·Sr–1·m–2,C2=1.439×104μm·K),λ是波长,T是绝对温度,单位为K,Bλ(T)是绝对温度为T时,波长λ处的光谱辐亮度。
3.根据权利要求1或2所述的方法,其特征在于:还包括步骤六对照高分辨率影像,进行精度验证。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810052441.4A CN108225572B (zh) | 2018-01-19 | 2018-01-19 | 基于热红外遥感数据的城市中高温热异常检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810052441.4A CN108225572B (zh) | 2018-01-19 | 2018-01-19 | 基于热红外遥感数据的城市中高温热异常检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108225572A true CN108225572A (zh) | 2018-06-29 |
CN108225572B CN108225572B (zh) | 2019-11-29 |
Family
ID=62667933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810052441.4A Active CN108225572B (zh) | 2018-01-19 | 2018-01-19 | 基于热红外遥感数据的城市中高温热异常检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108225572B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109540297A (zh) * | 2018-10-23 | 2019-03-29 | 昆山优尼电能运动科技有限公司 | 基于fpa温度的红外热像仪标定方法 |
CN111651856A (zh) * | 2020-04-23 | 2020-09-11 | 中国科学院空天信息创新研究院 | 一种自适应的工业热异常检测方法 |
CN111914650A (zh) * | 2020-06-30 | 2020-11-10 | 核工业北京地质研究院 | 一种基于aster遥感数据识别盐湖富矿水域的方法 |
CN115311578A (zh) * | 2022-08-19 | 2022-11-08 | 国家卫星海洋应用中心 | 一种利用高分辨率红外影像识别海上漂浮物的方法 |
CN116721353A (zh) * | 2023-08-07 | 2023-09-08 | 南京大学 | 一种利用Sentinel-2日间影像探测火炬的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101738620A (zh) * | 2008-11-19 | 2010-06-16 | 中国农业科学院农业资源与农业区划研究所 | 从被动微波遥感数据amsr-e反演地表温度的方法 |
CN102116861A (zh) * | 2011-02-01 | 2011-07-06 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的秸秆焚烧点提取方法 |
CN102176073A (zh) * | 2011-01-24 | 2011-09-07 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的环境空气质量综合监测方法 |
CN103344344A (zh) * | 2013-07-04 | 2013-10-09 | 武汉珈和科技有限公司 | 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 |
US20150271876A1 (en) * | 2014-03-24 | 2015-09-24 | Elwha Llc | Systems and methods for warming plants |
-
2018
- 2018-01-19 CN CN201810052441.4A patent/CN108225572B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101738620A (zh) * | 2008-11-19 | 2010-06-16 | 中国农业科学院农业资源与农业区划研究所 | 从被动微波遥感数据amsr-e反演地表温度的方法 |
CN102176073A (zh) * | 2011-01-24 | 2011-09-07 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的环境空气质量综合监测方法 |
CN102116861A (zh) * | 2011-02-01 | 2011-07-06 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的秸秆焚烧点提取方法 |
CN103344344A (zh) * | 2013-07-04 | 2013-10-09 | 武汉珈和科技有限公司 | 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 |
US20150271876A1 (en) * | 2014-03-24 | 2015-09-24 | Elwha Llc | Systems and methods for warming plants |
Non-Patent Citations (1)
Title |
---|
宫阿都 等: "基于Landsat TM图像的北京城市地表温度遥感反演研究", 《遥感信息》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109540297A (zh) * | 2018-10-23 | 2019-03-29 | 昆山优尼电能运动科技有限公司 | 基于fpa温度的红外热像仪标定方法 |
CN109540297B (zh) * | 2018-10-23 | 2021-01-08 | 昆山优尼电能运动科技有限公司 | 基于fpa温度的红外热像仪标定方法 |
CN111651856A (zh) * | 2020-04-23 | 2020-09-11 | 中国科学院空天信息创新研究院 | 一种自适应的工业热异常检测方法 |
CN111651856B (zh) * | 2020-04-23 | 2024-01-23 | 中国科学院空天信息创新研究院 | 一种自适应的工业热异常检测方法 |
CN111914650A (zh) * | 2020-06-30 | 2020-11-10 | 核工业北京地质研究院 | 一种基于aster遥感数据识别盐湖富矿水域的方法 |
CN115311578A (zh) * | 2022-08-19 | 2022-11-08 | 国家卫星海洋应用中心 | 一种利用高分辨率红外影像识别海上漂浮物的方法 |
CN115311578B (zh) * | 2022-08-19 | 2023-08-25 | 国家卫星海洋应用中心 | 一种利用高分辨率红外影像识别海上漂浮物的方法 |
CN116721353A (zh) * | 2023-08-07 | 2023-09-08 | 南京大学 | 一种利用Sentinel-2日间影像探测火炬的方法 |
CN116721353B (zh) * | 2023-08-07 | 2023-11-03 | 南京大学 | 一种利用Sentinel-2日间影像探测火炬的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108225572B (zh) | 2019-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108225572B (zh) | 基于热红外遥感数据的城市中高温热异常检测方法 | |
Hulley et al. | High spatial resolution imaging of methane and other trace gases with the airborne Hyperspectral Thermal Emission Spectrometer (HyTES) | |
CN104502999B (zh) | 一种基于静止卫星多通道数据的昼夜云检测方法与装置 | |
Ma et al. | Coupling urbanization analyses for studying urban thermal environment and its interplay with biophysical parameters based on TM/ETM+ imagery | |
CN113537018B (zh) | 基于多时相卫星遥感和无人机技术的水土保持监测方法 | |
EP3158320B1 (en) | Methods and systems for detecting a chemical species | |
Wang et al. | Assessment of uncertainties in eddy covariance flux measurement based on intensive flux matrix of HiWATER-MUSOEXE | |
CN104484577B (zh) | 一种基于山脊能量校正的山地中带状地下目标的探测方法 | |
WO2015199912A1 (en) | Image quality enhancement of a differential image for a multiple detector system | |
Biswal et al. | Delineation and mapping of coal mine fire using remote sensing data–a review | |
CN108020322B (zh) | 煤田火区的机载热红外高光谱遥感定量探测方法 | |
Ding et al. | Mafic–ultramafic and quartz-rich rock indices deduced from ASTER thermal infrared data using a linear approximation to the Planck function | |
Matus et al. | The role of clouds in modulating global aerosol direct radiative effects in spaceborne active observations and the Community Earth System Model | |
CN107687900A (zh) | 一种适用于机载热红外成像光谱仪大气校正系统和方法 | |
Scafutto et al. | Evaluation of thermal infrared hyperspectral imagery for the detection of onshore methane plumes: Significance for hydrocarbon exploration and monitoring | |
Chan et al. | Exploring and monitoring geothermal and volcanic activity using Satellite Thermal Infrared data in TVG, Taiwan | |
CN110388986A (zh) | 基于tasi数据的土地表面温度反演方法 | |
Lee et al. | New approach for snow cover detection through spectral pattern recognition with MODIS data | |
Sengupta et al. | Identification and mapping of high-potential iron ore alteration zone across Joda, Odisha using ASTER and EO-1 hyperion data | |
Danaher et al. | Remote sensing of tree-grass systems: The Eastern Australian Woodlands | |
Rupakheti et al. | Modifications in aerosol physical, optical and radiative properties during heavy aerosol events over Dushanbe, Central Asia | |
Green | Retrieval of reflectance from calibrated radiance imagery measured by the Airborne Visible. Infrared Imaging spectrometer (AVIRIS) for lithological mapping | |
CN108717526A (zh) | 基于avhrr数据的卫星监测林火热点识别方法 | |
Biswal et al. | Studying the coal fire dynamics in Jharia coalfield, India using time-series analysis of satellite data | |
CN109738372A (zh) | 一种航空高光谱岩矿探测多元数据处理方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |