CN108229356A - 动态集成自然灾害遥感监测方法 - Google Patents

Abstract

本发明提出了一种动态集成自然灾害遥感监测方法，其特征在于：具体包含如下步骤：基于Arcgis二次开发的典型应用系统平台，利用多光谱波段，应用在火灾、泥石流、洪涝、沙尘暴等重大自然灾害遥感监测中，业务化实现从而形成产品，以解决现有各灾害专题应用零散不能集中的问题。

Description

动态集成自然灾害遥感监测方法

技术领域

本发明涉及一种动态集成自然灾害遥感监测方法。

背景技术

多光谱遥感在我国的自然灾害监测中已取得一定的应用成果并发挥 着重要的作用，但目前国内外没有一种动态集成自然灾害遥感监测应用业 务软件动态集成的软件，只有一些针对某一种自然灾害应用的业务系统， 缺乏将各类自然灾害业务动态集成在同一遥感专题应用的软件。

发明内容

本发明提供了一种动态集成自然灾害遥感监测应用业务软件，以解决 现有遥感灾害监测缺乏集中性的软件的问题。

为达到以上目的，本发明提供一种动态集成自然灾害遥感监测方法， 其特征在于：具体包含如下步骤：

步骤1，采集研究区域的火点数据，和不同的波段或者波段组合进行 最小二乘相关性分析，通过比较相关系数得出最敏感波段或者波段组合， 基于此建立火点提取模型；

步骤2，采集研究区域的泥石流数据，和不同的波段或者波段组合进 行最小二乘相关性分析，通过比较相关系数得出最敏感波段或者波段组 合，基于此建立泥石流区域监测模型；

步骤3，采集研究区域的洪涝数据，和不同的波段或者波段组合进行 最小二乘相关性分析，通过比较相关系数得出最敏感波段或者波段组合， 基于此建立自动的洪涝监测模型；

步骤4，采集研究区域的沙尘暴数据，和不同的波段或者波段组合进 行最小二乘相关性分析，通过比较相关系数得出最敏感波段或者波段组 合，基于此建立沙尘暴提取模型。

作为本发明的一种优选方案，在步骤1中，火点提取的具体过程如下：

步骤1.1，读取卫星过境拍摄的MODIS影像，提取相应波段的定标参 数，计算出波段辐射值和反射率；

步骤1.2，若存在云掩膜文件，通过输入云掩膜数据可以使去云效果 达到最佳，提取非云非水的像素结果，以消除云对输出产品精度的影响， 当无云掩膜数据作为输入时，可跳过此步骤，直接执行步骤1.3；

步骤1.3，选择红波段、近红波段、中红外波段、远红外波段、远红 外波段；

步骤1.4，选择影像拍摄时段，白天或黑夜；

步骤1.5，得到绝对火点；

步骤1.6，对于疑似火点，即异常高温点需要通过背景窗信息辅助判 断；疑似火点的判断条件如下：

T4>T4b+weight*dT4b且ΔT41>ΔT41b+weight*dΔT41b

式中，T4是4μm波段的亮温，T4b是背景窗亮温的均值，dT4b是背 景窗亮温的标准偏差；ΔT41b，dΔT41b是4μm和11μm波段的亮温差 图像的均值和方差；

步骤1.7，排除耀斑反射太阳光产生的干扰，如果0.65μm和0.86 μm两个通道的反射率都大于0.3，则判定为耀斑；进而完成火点提取。

进而，作为本发明的一种优选方案，在步骤2中，泥石流区域监测的 具体过程如下：

步骤2.1，输入经过几何校正、大气校正后的地表反射率数据；

步骤2.2，若地表反射率数据中存在云掩膜文件，通过输入云掩膜文 件可以使去云效果达到最佳，以消除云对输出产品精度的影响，当无云掩 膜文件作为输入时，可跳过此步骤，直接执行步骤2.3；

步骤2.3，选择绿波段、红波段、近红波段；

步骤2.4，对多波段反射率产品数据逐像素计算WET-GREEN，计算获 得初始泥石流影像；计算获得原始灰度直方图，通过自适应获取或人工选 择阈值，得到泥石流候选区域；

步骤2.5，拖动阈值选择滑动条，在实时生成该阈值下的水域区域果 影像缩略图，生成水域区域影像；

步骤2.6，拖动阈值选择滑动条，在实时生成该阈值下的植被稀少区 域影像缩略图，生成植被稀少区域影像；

步骤2.7，将泥石流候选区域与水体、植被稀少区域影像做掩膜处理 获得泥石流区域。

进而，作为本发明的一种优选方案，在步骤3中，洪涝监测的具体过 程如下：

步骤3.1，输入洪水发生前的经过几何校正、大气校正后的地表反射 率数据；

步骤3.2，输入洪水发生后的经过几何校正、大气校正后的地表反射 率数据；

步骤3.3，选择绿波段、近红波段；

步骤3.4，分别计算洪灾前影像和洪灾后影像的NDWI；

步骤3.5，分别选择阈值对灾前灾后NDWI图像进行分类，以提取出 灾前灾后的水体，对两个时相提取出的水体做差值运算，以提取出洪水淹 没区域。

进而，作为本发明的一种优选方案，在步骤4中，沙尘暴提取的实施 方法具体如下：

步骤4.1，输入经过辐射定标的影像数据；

步骤4.2，若存在云掩膜文件，通过输入云掩膜文件可以使去云效果 达到最佳，以消除云对输出产品精度的影响，若无云掩膜文件作为输入时， 直接执行步骤4.3，

其中，云识别和水体识别算法，12μm波段的亮温值大于265的像素 为云，而NDVI值小于等于0时，为水体；其中亮温值通过以下公式获得：

输入图像的热辐射强度之后，利用普朗克方程求解出星上亮温，公式 如下：

T_i＝C₁/(L*ln(C₂/L⁵*B)+1)

式中，T_i是星上亮温，C₂＝1.19109*10-8，C₁＝14394.74，L是波 长，B是普朗克辐射值；

步骤4.3，选择蓝波段、蓝波段、红波段、近红外波段、近红外波段、 短波红外波段、短波红外波段、中红外波段、远红外波段、远红外波段、 远红外波段；当输入云掩膜数据时，远红外波段不可用；反之，可用。

步骤4.1，对沙尘暴过程MODIS光谱特征进行分析，确定对沙尘敏感 的波段，对几个敏感波段进行组合，构建了四个定量监测沙尘暴的沙尘指 数NDSI、DSI、DSI₂和SVI；

步骤4.1，当同时满足如下判别条件：NDSI>0，DSI>33，DSI₂>0.83， 1≤SVI<10，且非云非水时，判断为沙尘区。

具体实施方式

下面结合具体实施例对本发明进行详细说明。本实施例以本发明技术 方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发 明的保护范围不限于下述的实施例。

本发明提供了一种动态集成自然灾害遥感监测应用业务软件，包括：

S101、采集研究区域的火点数据，和不同的波段或者波段组合进行最 小二乘相关性分析，通过比较相关系数得出最敏感波段或者波段组合，基 于此建立火点提取模型。火点提取的实施过程如下：

S1011、读取卫星过境拍摄的MODIS影像，提取相应波段的定标参数， 计算出波段辐射值和反射率。

S1012、若存在云掩膜文件，通过输入云掩膜数据可以使去云效果达 到最佳，提取非云非水的像素结果，以消除云对输出产品精度的影响。当 无云掩膜数据作为输入时，可跳过此步骤，直接执行下一步。

S1013、选择红波段(0.645μm)、近红波段(0.86μm)、中红外波段 (3.96μm)、远红外波段(11.03μm)、远红外波段(12.02μm)。

S1014、选择影像拍摄时段，白天或黑夜。

S1015、得到绝对火点。

S1016、对于疑似火点，即异常高温点需要通过背景窗信息辅助判断； 判断条件如下：

T4>T4b+weight*dT4b且ΔT41>ΔT41b+weight*dΔT41b

式中，T4是4μm波段的亮温，T4b是背景窗亮温的均值，dT4b是背 景窗亮温的标准偏差；ΔT41b，dΔT41b是4μm和11μm波段的亮温差 图像的均值和方差。并且dT4b和dΔT41b中小于2K的设置为2K。异常 高温点中满足上面条件的为火点，不满足条件的将其标示为无法确定的异 常高温点。

S1017、排除耀斑反射太阳光产生的干扰，如果0.65μm和0.86μm 两个通道的反射率都大于0.3，则判定为耀斑。

S1018、得到最终火点提取的结果。

S102、采集研究区域的泥石流数据，和不同的波段或者波段组合进行 最小二乘相关性分析，通过比较相关系数得出最敏感波段或者波段组合， 基于此建立泥石流区域监测模型。泥石流区域监测的实施过程如下：

S1021、输入经过几何校正、大气校正后的地表反射率数据；

S1022、若存在云掩膜文件，通过输入云掩膜文件可以使去云效果达 到最佳，以消除云对输出产品精度的影响。当无云掩膜文件作为输入时， 可跳过此步骤，直接执行下一步。

S1023、选择绿波段(0.565μm)、红波段(0.645μm)、近红波段(0.86 μm)。

S1024、对多波段反射率产品数据逐像素计算“WET-GREEN”，计算获 得初始泥石流影像；之后计算获得原始灰度直方图，通过自适应获取或人 工选择阈值，得到泥石流候选区域；

S1025、拖动阈值选择滑动条，在实时生成该阈值下的水域区域果影 像缩略图，生成水域区域影像；

S1026、拖动阈值选择滑动条，在实时生成该阈值下的植被稀少区域 影像缩略图，生成植被稀少区域影像；

S1027、将泥石流候选区域与水体、植被稀少区域影像做掩膜处理获 得泥石流区域，即像素点为泥石流候选区域，且为非水体、非植被稀少区 域则判定该像素点为泥石流区域

S103、采集研究区域的洪涝数据，和不同的波段或者波段组合进行最 小二乘相关性分析，通过比较相关系数得出最敏感波段或者波段组合，基 于此建立自动的洪涝监测模型。洪涝监测的实施过程如下：

S1031、输入洪水发生前的经过几何校正、大气校正后的地表反射率 数据。

S1032、输入洪水发生后的经过几何校正、大气校正后的地表反射率 数据。

S1033、选择绿波段(0.55μm)、近红波段(0.86μm)。

S1034、分别计算洪灾前影像和洪灾后影像的NDWI(归一化水体指 数)。

S1035、分别选择阈值对灾前灾后NDWI图像进行分类，以提取出灾前 灾后的水体，对两个时相提取出的水体做差值运算，以提取出洪水淹没区 域。

S104、采集研究区域的沙尘暴数据，和不同的波段或者波段组合进行 最小二乘相关性分析，通过比较相关系数得出最敏感波段或者波段组合， 基于此建立沙尘暴提取模型。沙尘暴提取的实施过程如下：

S1041、输入经过辐射定标的影像数据；

S1042、若存在云掩膜文件，通过输入云掩膜文件可以使去云效果达 到最佳，以消除云对输出产品精度的影响。当无云掩膜文件作为输入时， 可跳过此步骤，直接执行下一步。云识别和水体识别算法，12μm波段的 亮温值大于265的像素为云，而NDVI值小于等于0时，为水体。其中亮 温值通过以下公式获得：

输入图像的热辐射强度之后，利用普朗克方程求解出星上亮温，公式 如下：

T_i＝C₁/(L*ln(C₂/L⁵*B)+1)

式中，T_i是星上亮温，C₂＝1.19109*10-8，C₁＝14394.74，L是波 长，B是普朗克辐射值。

S1043、选择蓝波段(0.41μm)、蓝波段(0.469μm)、红波段(0.645 μm)、近红外波段(0.86μm)、近红外波段(0.9μm)、短波红外波段(1.64 μm)、短波红外波段(2.13μm)、中红外波段(3.75μm)、远红外波段(8.55 μm)、远红外波段(11.03μm)、远红外波段(12.0μm)。当输入云掩膜数 据时，远红外波段(12.0μm)不可用；反之，可用。

S1043、对沙尘暴过程MODIS光谱特征进行分析，确定对沙尘敏感的 波段，对几个敏感波段进行组合，构建了四个定量监测沙尘暴的沙尘指数 NDSI、DSI、DSI₂和SVI。

S1044、当同时满足如下判别条件：NDSI>0，DSI>33，DSI₂>0.83，1 ≤SVI<10，且非云非水时，判断为沙尘区。

上述方案可以广泛应用于各类自然灾害监测。

本发明提供的一种动态集成自然灾害遥感监测应用业务软件装置，包 括：

第一计算单元，用于利用研究区域的火灾数据，和不同的波段或者波 段组合进行最小二乘相关性分析，通过比较相关系数得出最敏感波段或者 波段组合，基于此建立自动的火灾监测模型；

第二计算单元，用于利用研究区域的泥石流数据，和不同的波段或者 波段组合进行最小二乘相关性分析，通过比较相关系数得出最敏感波段或 者波段组合，基于此建立自动的泥石流监测模型；

第三计算单元，用于利用研究区域的洪涝灾害数据，和不同的波段或 者波段组合进行最小二乘相关性分析，通过比较相关系数得出最敏感波段 或者波段组合，基于此建立自动的洪涝灾害监测模型；

第四计算单元，用于利用研究区域的沙尘暴数据，和对应点的叶绿素 a浓度及其组合分别进行相关性分析，通过比较相关系数得出最敏感组 合，基于此建立自动的沙尘暴监测模型。

上述方案可以广泛应用于火点、泥石流、洪涝、沙尘暴等自然灾害监 测。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实 施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容， 可通过其它的方式实现。其中，以上所描述的装置实施示例仅仅是示意性 的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有 另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系 统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间 的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦 合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的， 作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地 方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分 或者全部单元来实现本实施示例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元 中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在 一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软 件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品 销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理 解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技 术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品 存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个 人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、 磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的 普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进 和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种动态集成自然灾害遥感监测方法，其特征在于：具体包含如下步骤：

步骤1，采集研究区域的火点数据，和不同的波段或者波段组合进行最小二乘相关性分析，通过比较相关系数得出最敏感波段或者波段组合，基于此建立火点提取模型；

步骤2，采集研究区域的泥石流数据，和不同的波段或者波段组合进行最小二乘相关性分析，通过比较相关系数得出最敏感波段或者波段组合，基于此建立泥石流区域监测模型；

步骤3，采集研究区域的洪涝数据，和不同的波段或者波段组合进行最小二乘相关性分析，通过比较相关系数得出最敏感波段或者波段组合，基于此建立自动的洪涝监测模型；

步骤4，采集研究区域的沙尘暴数据，和不同的波段或者波段组合进行最小二乘相关性分析，通过比较相关系数得出最敏感波段或者波段组合，基于此建立沙尘暴提取模型。

2.根据权利要求1所述的动态集成自然灾害遥感监测方法，其特征在于：在步骤1中，火点提取的具体过程如下：

步骤1.1，读取卫星过境拍摄的MODIS影像，提取相应波段的定标参数，计算出波段辐射值和反射率；

步骤1.2，若存在云掩膜文件，通过输入云掩膜数据可以使去云效果达到最佳，提取非云非水的像素结果，以消除云对输出产品精度的影响，当无云掩膜数据作为输入时，可跳过此步骤，直接执行步骤1.3；

步骤1.3，选择红波段、近红波段、中红外波段、远红外波段、远红外波段；

步骤1.4，选择影像拍摄时段，白天或黑夜；

步骤1.5，得到绝对火点；

步骤1.6，对于疑似火点，即异常高温点需要通过背景窗信息辅助判断；疑似火点的判断条件如下：

T4>T4b+weight*dT4b且ΔT41>ΔT41b+weight*dΔT41b

式中，T4是4μm波段的亮温，T4b是背景窗亮温的均值，dT4b是背景窗亮温的标准偏差；ΔT41b，dΔT41b是4μm和11μm波段的亮温差图像的均值和方差；

步骤1.7，排除耀斑反射太阳光产生的干扰，如果0.65μm和0.86μm两个通道的反射率都大于0.3，则判定为耀斑；进而完成火点提取。

3.根据权利要求1所述的动态集成自然灾害遥感监测方法，其特征在于：在步骤2中，泥石流区域监测的具体过程如下：

步骤2.1，输入经过几何校正、大气校正后的地表反射率数据；

步骤2.2，若地表反射率数据中存在云掩膜文件，通过输入云掩膜文件可以使去云效果达到最佳，以消除云对输出产品精度的影响，当无云掩膜文件作为输入时，可跳过此步骤，直接执行步骤2.3；

步骤2.3，选择绿波段、红波段、近红波段；

步骤2.4，对多波段反射率产品数据逐像素计算WET-GREEN，计算获得初始泥石流影像；计算获得原始灰度直方图，通过自适应获取或人工选择阈值，得到泥石流候选区域；

步骤2.5，拖动阈值选择滑动条，在实时生成该阈值下的水域区域果影像缩略图，生成水域区域影像；

步骤2.6，拖动阈值选择滑动条，在实时生成该阈值下的植被稀少区域影像缩略图，生成植被稀少区域影像；

步骤2.7，将泥石流候选区域与水体、植被稀少区域影像做掩膜处理获得泥石流区域。

4.根据权利要求1所述的动态集成自然灾害遥感监测方法，其特征在于：在步骤3中，洪涝监测的具体过程如下：

步骤3.1，输入洪水发生前的经过几何校正、大气校正后的地表反射率数据；

步骤3.2，输入洪水发生后的经过几何校正、大气校正后的地表反射率数据；

步骤3.3，选择绿波段、近红波段；

步骤3.4，分别计算洪灾前影像和洪灾后影像的NDWI；

步骤3.5，分别选择阈值对灾前灾后NDWI图像进行分类，以提取出灾前灾后的水体，对两个时相提取出的水体做差值运算，以提取出洪水淹没区域。

5.根据权利要求1所述的动态集成自然灾害遥感监测方法，其特征在于：在步骤4中，沙尘暴提取的实施方法具体如下：

步骤4.1，输入经过辐射定标的影像数据；

步骤4.2，若存在云掩膜文件，通过输入云掩膜文件可以使去云效果达到最佳，以消除云对输出产品精度的影响，若无云掩膜文件作为输入时，直接执行步骤4.3，

其中，云识别和水体识别算法，12μm波段的亮温值大于265的像素为云，而NDVI值小于等于0时，为水体；其中亮温值通过以下公式获得：

输入图像的热辐射强度之后，利用普朗克方程求解出星上亮温，公式如下：

T_i＝C₁/(L*ln(C₂/L⁵*B)+1)

式中，T_i是星上亮温，C₂＝1.19109*10-8，C₁＝14394.74，L是波长，B是普朗克辐射值；

步骤4.3，选择蓝波段、蓝波段、红波段、近红外波段、近红外波段、短波红外波段、短波红外波段、中红外波段、远红外波段、远红外波段、远红外波段；当输入云掩膜数据时，远红外波段不可用；反之，可用。

步骤4.1，对沙尘暴过程MODIS光谱特征进行分析，确定对沙尘敏感的波段，对几个敏感波段进行组合，构建了四个定量监测沙尘暴的沙尘指数NDSI、DSI、DSI₂和SVI；

步骤4.1，当同时满足如下判别条件：NDSI>0，DSI>33，DSI₂>0.83，1≤SVI<10，且非云非水时，判断为沙尘区。