CN108664926B - 森林火灾卫星监测云层反射虚假热点的识别方法 - Google Patents
森林火灾卫星监测云层反射虚假热点的识别方法 Download PDFInfo
- Publication number
- CN108664926B CN108664926B CN201810444591.XA CN201810444591A CN108664926B CN 108664926 B CN108664926 B CN 108664926B CN 201810444591 A CN201810444591 A CN 201810444591A CN 108664926 B CN108664926 B CN 108664926B
- Authority
- CN
- China
- Prior art keywords
- false
- cloud
- satellite
- hot spots
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
Abstract
本发明涉及一种森林火灾卫星监测云层反射虚假热点识别方法,该方法包括如下步骤:生成遥感林火图像;进行云检测,生成卫星云图;将卫星云图与遥感林火图像进行重置分析,生成疑似虚假热点的遥感图像;使用角度法验证虚假热点和非虚假热点,当可疑热点的卫星角度在某区间范围内时,识别该可疑热点为云层反射虚假热点。通过该方法,可以排除由于云层的广泛分布及变化无常等原因造成的云层反射虚假热点,提高林火监控的可靠性。
Description
技术领域
本申请涉及一种森林火灾卫星监测云层反射虚假点的识别方法。
背景技术
森林火灾严重危害森林生态系统,为此,如何有效的防范和扑救森林火灾是森林经营管理者关注的一个重要内容。随着遥感影像技术的快速进步与普及,人们发现,利用遥感卫星监测森林火灾不仅监测范围广、发现及时,而且成本相对低廉。因此,依靠卫星监测森林火灾为越来越多的人所重视。但是,由于受到云层反射、杂波干扰及地面其他热源干扰等影响,遥感影像上往往会出现大量虚假热点,此时,对所有热点快速加以甄别,过滤所有虚假热点显得尤为迫切。在上述虚假热点中,由于云层的广泛分布及变化无常等原因,云层虚假热点是最普遍且最难以辨别的虚假热点。
因此,需要一种可以有效过滤虚假热点的方法,将真实有效火点定位发送到相关部门,从而在遥感图像上进行火点表明,为制定正确的防范和救灾决策提供客观依据,进一步完善防火系统。
发明内容
基于此,有必要针对林火卫星监测中出现的云层反射虚假热点进行研究,提出识别虚假热点的方法,以在遥感图像上准确识别热点。
根据本发明的目的,提供一种森林火灾卫星监测云层反射虚假热点识别方法,其特征在于,该方法包括如下步骤:
生成遥感林火图像;
进行云检测,生成卫星云图;
将卫星云图与遥感林火图像进行重置分析,生成疑似虚假热点的遥感图像;
使用角度法验证虚假热点和非虚假热点,当可疑热点的卫星角度在某区间范围内时,识别该可疑热点为云层反射虚假热点。
进一步地,生成遥感林火图像是通过将森林分布图与区域地图相叠加、识别其中的林地、提取林地热点得到。
进一步地,本发明采用阈值法进行云检测,排除一部分由于云体所产生的虚假热点,生成虚假热点的遥感图像。
进一步地,所述阈值法为基于最大类间方差的动态阈值检测方法,具体为:设定较低和较高的初始阈值进行两次检测,然后利用Otsu算法进行第三次检测,解决一次检测时产生的虚检和漏检问题。
进一步地,角度法选取多个角度区间,结合一定时期内的云层反射虚假热点,通过曲线拟合,建立回归方程,得到不同角度的曲线拟合方程图,并建立各角度准确率箱式图,得到虚假热点与角度的关系。
进一步地,,所述的重置分析为叠加分析方法,所述叠加分析方法具体为:
首先对林地进行识别,排除林地以外的热点,形成A图;
将A图与卫星可见光云图B叠加,形成图像C;
其中C为研究区域热点与云层相叠加图,将图像C中与云层相交的热点列为可疑虚假热点。
本发明的有益效果包括:通过本申请的方法,解决了目前森林火灾卫星监测云层反射虚假热点识别过程当中云层反射造成的虚假热点进行实地验证时费时费力等问题,以分析数据为基础,采用ArcGIS软件、统计样本等方法相结合,由阈值法对遥感数据进行预处理,识别林区后对遥感林火图和卫星云图进行叠置分析,最后利用卫星监测角度进一步证实的方法,分析虚假热点与云层与卫星角度之间的关联,将阈值法、叠置分析法和角度法运用在云层反射虚假热点识别这一研究中,互为递进,环环相扣,可以对对已生成的遥感图像中未排除的云层反射虚假热点进一步过滤。可将该方法应用于森林火灾卫星监测中,实现对云层反射虚假热点的监测,达到及时、准确、快捷地对云层反射虚假热点在监测阶段的排除,云层反射虚假热点的过滤,将提高工作效率,完善卫星监测林火系统。
附图说明
图1为本发明的识别云层反射虚假热点流程图;
图2为本发明的识别林地热点图;
图3为本发明的空间叠置图;
图4为本申请的识别云层反射虚假热点叠置流程图;
图5为2016年2月8日湖南省卫星监测林火图;
图6为遥感监测林火与卫星云图叠置图;
图7为卫星移动示意图;
图8为各角度准确率箱式图;
图9为线性回归模型图。
具体实施方式
本发明实施方式提供一种监测云层反射虚假热点识别的方法,以解决由于由于云层反射、杂波干扰及地面其他热源干扰等影响,造成遥感图像上出现虚假热点的技术问题。
为了使本领域的技术人员能更好地解决本发明的技术方案,下面将结合本发明实施例中的附图,本发明实施例汇总的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
监测云层反射虚假热点识别的方法可以通过图1所示的流程实现:
卫星监测林火,生成遥感林火图像;进行云检测,生成卫星云图;将卫星云图与遥感林火图像进行重置分析,生成疑似虚假热点的遥感图像;使用角度法进一步验证虚假热点和非虚假热点,当可疑热点的卫星角度在区间范围内时,识别其为云层反射虚假热点。其中,生成遥感林火图像是通过将森林分布图与区域地图相叠加、识别其中的林地、提取林地热点得到。
下面详细描述云层反射虚假热点识别流程:
森林火灾卫星监测云层反射虚假热点识别,首先要对林区和非林区进行区分,排除非林区监测的热点,仅考虑林区内,也就是判断土地类型。判别林区热点后对收集的数据进行预处理,通常采取阈值法的方式提取热点,阈值法能够排除一部分云体,减低误判率,但缺陷在于阈值对结果的影响很大,过高会产生漏检,过低会虚检,因此,在阈值法排除一部分云体之后生成的热点遥感图,与当时当地的卫星可见光云图进行叠置分析,云层覆盖与热点交汇处列为可疑热点。最终采用角度观察法,查询可疑热点的卫星观察角度。经过对一年数据的总结统计,发现在数据中,卫星角度为某个区间时监测到的虚假热点最为准确,因此,当可疑热点的卫星角度在区间范围内,判定其为云层反射虚假热点。
固定热源,是指释放热量高、定点位置有规律性、监测林火时应首先排除热点,比如一些大型的电场、钢铁厂等等。遥感图像生成林火图时,由于烟囱、锅炉等设备不断释放热量,使得相对来说此处热量高于其他地区,图像结果显示会将这些热源列为林火。产生固定热源点还有一些分散的小型工厂,或是季节性的农田焚烧秸秆、岩石发热等等。需要排除这些固定热源,这就是固定热源的排除过滤。
土地类型的判别是剔除虚假火点的必要条件,可以有效剔除在农耕地外的工矿热点。林地利用类型的判别土地利用类型的判别是利用ArcMap软件的空间裁剪功能,将研究区域内的热异常点图层与同年的土地利用信息图层进行叠加,将火点类型区分为森林热点、秸秆焚烧热点及城市热点等,仅保留森林热点。
也可以通过比较热点在1年时间序列的热点特征来确定虚假火点,如果该热点在3个月内都有出现,则判定为虚假热点(规律性的,容易判断的,容易建立资料的)。为了保证虚假热点判定的准确性,可以利用地理信息系统(GIS)技术确认这些一场热点的经纬度坐标,再配合全球定位系统(GIS)精确定位,并到热源点实地考场,以验证判别的有效性。本申请将森林分布图与热点图相叠加,直接排除除森林以外的热点。图2从空间上说明了林地与遥感火点图的叠置。
云层反射虚假热点过滤
收集的数据进行固定阈值云检测。本申请中云检测的特征参数选取MODIS第1、2波段反射率数据和32波段的亮温数据,实验结果分别选取0.9、265、0.7、285。
通常阈值法都有固定的算法,该算法根据一些特定波段的反射率、亮温以及它们的组合指数的绝对阈值来识别云,这种方法对于典型的云可以获得满意的检测结果。但是阈值对结果的影响很大,有时会出现偏差。
基于MODIS数据进行固定阈值云检测算法研究。该算法根据一些特定波段的反射率、亮温以及它们的组合指数的绝对阈值来识别云,这种方法对于典型的云可以获得满意的检测结果。但是阈值对结果的影响很大,过高会产生漏检,过低会虚检。针对该问题,提出基于最大类间方差的动态阈值检测,设定较低和较高的初始阈值进行两次检测,然后利用Otsu算法进行第三次检测,解决一次检测时候产生的虚检和漏检问题。该方法一定程度上改善了云的检测效果,但是初始阈值的设置仍会影响检测结果。
对遥感图像进行预处理后,通过阈值的设定,能够初步排除一部分虚假热点,生成卫星监测遥感林火图。
云层反射可疑虚假热点识别
所谓叠置分析即是在大地坐标系的支持下,将同一地区、比例尺的2个或2个以上的GIS空间数据层叠加,由此产生的图形迭加和拓扑叠加,生成新的数据层,让新的层具有参加叠加层的多重属性和统计特征,称为叠置分析。包括将一个图层(要素集)A放在第二个图层B上面,产生图层C,C是A和B的一些组合,C通常是一个新图层,但可能是修改的图层B。在矢量GIS中,图层A由点、线和/或多边形做成,而图层B通常有多边形组成。通常所有对象被假定具有平面实现,由此得出的对象集或云层也必须具有平面实现性。这种操作通常称为拓扑叠置,但不同的GIS厂商使用了大量不同的术语,Egenhofer于1993年提出了9交模型。就如下面将要看到的。在栅格GIS中,图层A和图层B都是网格,它们应该具有相同的原点和方向,否则必须重采样。如表1中叠置分析说明表显示了此原理。
叠加图层的过程与点集理论有些相似,但是在不同的GIS软件包中,设计和实现了大量的变化其实叠加图层的过程与传统的点集理论十分相似。交:结果中包括所有既存在于A中又存在于B中的多边形部分。并:结果中包括所有或者存在于A中或者存在于B中的多边形部分,所以是A和B中所有部分的和。
表4.1叠置分析说明表
在ArcGIS中,这类操作就是通常所指的术语“叠置”,而在Manifold中,ArcGIS的Overlay操作被称为拓扑叠置,用于将这些复合操作区别于Manifold更普遍的基于要素的操作——空间叠置。
森林火灾卫星监测云层反射虚假热点识别模型主要采用叠加分析方法进行。根据GIS叠加分析方法,其中,叠置分析法先对林地进行识别,排除林地以外的热点,形成A图,之后与卫星可见光图B相叠加,形成新图像C,依此顺序将林火图和卫星可见光云图进行叠加。图3展示了叠置时的情况,在形成后A,其中A代表着森林资源分布图与遥感林火图相叠置之后形成的图,通过阈值法过滤一部分虚假热点之后,如图3所示,将A与卫星云图B相叠加,形成C,C为研究区域热点与云层相叠加图,可以将C图中与云层相交的热点列为可疑虚假热点。
具体流程如图4所示:
将森林资源分布图与遥感监测热点图重置,形成图形A,将A与卫星云图B相叠加,形成图形C,图形C为进一步识别虚假热点提供参考。
根据叠置方式的不同,叠置分析可分为信息复合叠置和视觉叠置。叠置分析是空间分析的功能之一,对其运用能为工作带来客观的数据支持。运用DEM与叠加分析方法可以对研究区林火和卫星云图进行叠加、分组和统计分析,从而得出研究区云层与虚假热点之间的关系,为研究由于云层反射造成的虚假热点提供技术支持。运用叠置分析可以归咎于研究某区因云层反射造成的虚假热点的空间分析特征,并且有助于进一步了虚假热点分布特征结构,形成系统的成因因素并提出有针对性的建议。叠置分析在卫星监测林火中也得到广泛的应用。基于ArcGIS软件平台下,运用叠置分析方法,对湖南省森林火灾卫星监测云层反射虚假热点数据进行综合分析,揭示不同的云层与虚假热点之间的关系,为辨识由于云层造成的虚假热点提供依据。
本申请重点研究森林火灾卫星监测云层反射虚假热点识别,因此按照图4所示的过程,在对区域云层反射虚假热点进行识别时,首先要将区域的森林资源分布图与遥感监测热点图相叠置,区分林地与非林地热点,生成林地热点遥感图。也就是图4中所说的图形A,然后将林地热点遥感图与同一时间段的卫星云图进行再次叠置分析,此卫星云图为图4中所标明的卫星云图B,最后生成疑似虚假热点的遥感叠置图,为进一步识别虚假热点提供参考。也就是图4中所表示的图形C。
例如,卫星于2016年2月8日湖南省遥感林火图。图5中显示2016年2月8日有25处热点,分别分布于新化县、涟源市、武冈市、邵阳县、邵东县、耒阳市、新田县、宁远县、永兴县、临武县、道县、祁阳县、茶陵县、衡东县、醴陵市、湘乡市、邵阳县、隆回县、岳阳市、临湘市、宜章县、汝城县。通过实地考察和汇报结果显示,其中真实热点为18处,而虚假热点7处,分布在宜章县、涟源市、湘乡市、醴陵县、茶陵县、宁远县、耒阳市。但卫星图并不能如实反映出虚假火点的位置,而是将虚假热点混同真实热点显示于遥感图中,因此,考虑将此日的卫星可见光云图和此图相叠加,结果如叠置图6所示。
通过图6的叠置图可以清晰地看到,虚假热点都与云层相交,观察并将2015年—2016年防火时期热点与云层逐个叠加,结合卫星云图和林火图的叠置分析,结果发现卫星误判为虚假热点处基本都有云覆盖,因此可以将其标识出来,列为可疑虚假热点。
利用叠置分析对卫星监测遥感林火图与相同时间段的卫星云图相叠加,将位于云层范围内的热点列为疑似虚假热点。此方法能够在阈值法的基础上将由于云层反射造成的虚假热点进行定位,快速有效地辨识出可疑虚假热点,
云层反射虚假热点确定
由于气象卫星进行探测是要求相对宽的视场,使得仪器在轨偏正实现困难,这就要求仪器必须进行严格的飞行定标,以保证仪器获得能够满足大气特性反演要求的偏振测量精度,但卫星姿态常有变化,即便采用偏振探测系统实现在轨偏正定标,保证了高精度的偏振信息获取,也无法完全保证卫星自身运转时产生的各种角度带来的测量精度受到影响。不仅如此,卫星星监测地面时也有角度之分,以NOAA卫星为例,它的应用目的是日常的气象业务,平时有两颗卫星运行。由于一颗卫星可以每天至少可以对地面同一地区进行两次观测,所以两颗卫星就可以进行四次以上的观测。每15分钟过境一次,相对太阳来说是在不断移动的,因此监测火点的时候,卫星本身运转会产生各种角度值。
通过分析卫星角度以及林火点、虚假位点的关系,发现,当卫星自身仪器角度为某个区间时,监测的虚假热点最多,因此,采用角度法进一步验证和确定虚假热点。
通过对湖南省区域检测2015年至2016年林火点和虚假热点以及卫星角度的综合总结,发现以下规律:在同一时间段,相对来说,当卫星自身仪器角度为40度—55度也就是1区间时,监测的虚假热点最多,如图7所示。
角度法选取30度—55度、60度—90度、100度—120度来进行比较做出曲线拟合,由卫星移动示意图7可知,30度—55度为1区间,60度—90度为2区间,100度—120度为3区间。但由于角度范围较广,本申请选取45度、60度、90度、120度四个点进行运算。将某段时间以来所有因云层反射造成的虚假热点和当时的卫星探测角度的关系进行分析,找寻其规律,利用SPSS软件进行曲线拟合,根据复合曲线公式得出不同角度曲线拟合方程图,结果如下:
对45、60、90、120度角度的仪器进行热点的检测,取各角度判别热点的准确率为检测值,并且按角度分组,结果显示,45度角的准确率最高,120度角的准确率最低。图8的箱式图横轴表明角度,纵轴表明准确率。当45度角时,数值为1左右,准确度最高,其他角度分别都有波动。
与各组检测的准确率进行卡方检验,结果见表2,卡方值=58.775,p=0.000,当p<0.5时表示显著性差异,p值明显小于0.5,因此说明以上各种角度判别热点的准确率有显著性差异。
表2卡方检验表
Table 4.4 The chi square test table
使用SPSS19软件,对样本数据进行一元线性回归拟合,结果显示见表3。方程如下:
y=1.46-0.011×x
R2=0.662 P=0.001 F=96.054
其中,y表示准确率,x表示角度值,表3显示,角度与观测准确率呈负相关关系,角度越小,观测准确率越高,角度每增加一个单位,准确率降低0.011个单位。
表3模型汇总与参数估计值表
将2015年至2016年卫星角度90天中的林火数据进行带入上述方程,可得图9所示的线性回归模型图,由图中数据可以直观看出,卫星角度为30度至55度时,准确率最高,其他范围角度相对误差较大。
通过对卫星角度和云层反射虚假热点进行分析,通过统计样本,对一定时期内云层反射虚假热点以及结合当时当地卫星观测角度的观察分析,对二者之间进行归纳统计,建立回归方程,确定在一定角度区间卫星监测虚假火点的准确率为最高。由此查看疑似虚假热点卫星监测角度,对已生成的叠置图上的可疑火点进行确认。在叠置分析的基础上进行角度分析,能够进一步锁定云层反射虚假热点。
本申请主要对云层反射虚假热点识别方法进行研究,首先通过将林火分布图与森林资源分布图叠置,剔除非林地热点,生成遥感图像;其次,将已生成的卫星云图与林火遥感图进行再次叠加,将叠置图中云层覆盖的热点列为可疑虚假热点;通过对防火期监测到的云层反射虚假热点与卫星角度相对比,对这段时间内监测云层反射虚假热点时卫星角度数值与云层反射虚假热点个数进行归纳统计,建立回归方程,得到虚假热点发生时的角度区间集,从而可以对虚假热点进行识别,提高林火监测的精度。
从以上描述可知,本申请主要的技术技术方案为:
首先对森林火灾卫星监测林火情况以及云层反射虚假火点进行数据搜集与预处理,对热点识别和云检测,因此,生成热点图和卫星云图,将森林资源分布图和热点图相叠加,得到林地热点遥感图,排除非林区监测的热点,仅考虑林区内的热点情况。
判别林区热点后采用阈值法对云进行过滤,排除一部分由于云体所产生对的虚假热点,生成遥感热点图,为下一步识别云层反射虚假热点奠定基础。
然后,将卫星云图和已生成的遥感热点图像进行叠置分析,将云层覆盖的火点列为可疑热点。最终采用角度观察法,查询可疑热点的卫星角度是否大约为一定范围内,比如30—55度角,进一步确定云层反射虚假热点。
通过本申请的方法,解决了目前森林火灾卫星监测云层反射虚假热点识别过程当中云层反射造成的虚假热点进行实地验证时费时费力等问题,以分析数据为基础,采用ArcGIS软件、统计样本等方法相结合,由阈值法对遥感数据进行预处理,识别林区后对遥感林火图和卫星云图进行叠置分析,最后利用卫星监测角度进一步证实的方法,分析虚假热点与云层与卫星角度之间的关联,将阈值法、叠置分析法和角度法运用在云层反射虚假热点识别这一研究中,互为递进,环环相扣,可以对对已生成的遥感图像中未排除的云层反射虚假热点进一步过滤。可将该方法应用于森林火灾卫星监测中,实现对云层反射虚假热点的监测,达到及时、准确、快捷地对云层反射虚假热点在监测阶段的排除,云层反射虚假热点的过滤,将提高工作效率,完善卫星监测林火系统。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种森林火灾卫星监测云层反射虚假热点识别方法,其特征在于,该方法包括如下步骤:
生成遥感林火图像;
进行云检测,生成卫星云图;
将卫星云图与遥感林火图像进行重置分析,生成疑似虚假热点的遥感图像;
使用角度法验证虚假热点和非虚假热点,当可疑热点的卫星角度在某区间范围内时,识别该可疑热点为云层反射虚假热点;
其中,所述的重置分析为叠加分析方法,所述叠加分析方法具体为:
首先对林地进行识别,排除林地以外的热点,形成A图;
将A图与卫星可见光云图B叠加,形成图像C;
其中C为研究区域热点与云层相叠加图,将图像C中与云层相交的热点列为可疑虚假热点。
2.根据权利要求1所述的方法,其特征在于,生成遥感林火图像是通过将森林分布图与区域地图相叠加、识别其中的林地、提取林地热点得到。
3.根据权利要求1所述的方法,其特征在于,采用阈值法进行云检测,排除一部分由于云体所产生的虚假热点,生成虚假热点的遥感图像。
4.根据权利要求3所述的方法,其特征在于,所述阈值法为基于最大类间方差的动态阈值检测方法,具体为:设定较低和较高的初始阈值进行两次检测,然后利用Otsu算法进行第三次检测,解决一次检测时产生的虚检和漏检问题。
5.根据权利要求1所述的方法,其特征在于,角度法选多个角度区间,结合一定时期内的云层反射虚假热点,通过曲线拟合,建立回归方程,得到不同角度的曲线拟合方程图,并建立各角度准确率箱式图,得到虚假热点与角度的关系。
6.根据权利要求1所述的方法,其特征在于,生成卫星云图的特征参数选取MODIS第1、2波段反射率数据和第32波段的亮温数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810444591.XA CN108664926B (zh) | 2018-05-10 | 2018-05-10 | 森林火灾卫星监测云层反射虚假热点的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810444591.XA CN108664926B (zh) | 2018-05-10 | 2018-05-10 | 森林火灾卫星监测云层反射虚假热点的识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108664926A CN108664926A (zh) | 2018-10-16 |
CN108664926B true CN108664926B (zh) | 2021-07-30 |
Family
ID=63779191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810444591.XA Active CN108664926B (zh) | 2018-05-10 | 2018-05-10 | 森林火灾卫星监测云层反射虚假热点的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108664926B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348421A (zh) * | 2019-07-18 | 2019-10-18 | 北华航天工业学院 | 基于modis数据的温带地区森林火灾检测方法 |
CN110853280A (zh) * | 2019-10-24 | 2020-02-28 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 结合卫星遥感和地表要素的山火识别方法及装置 |
CN112613347B (zh) * | 2020-12-03 | 2021-07-27 | 应急管理部国家自然灾害防治研究院 | 一种森林火灾过火范围和烧毁程度的自动识别方法 |
CN113361323B (zh) * | 2021-04-23 | 2023-04-25 | 云南电网有限责任公司输电分公司 | 一种基于卫星技术的高原地区电网附近火点监测方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101008676A (zh) * | 2006-01-16 | 2007-08-01 | 北京林业大学 | 无人机航空摄影遥感森林计测方法 |
CN103376163A (zh) * | 2012-04-21 | 2013-10-30 | 哈尔滨宝亮凯瑞科技发展有限公司 | 热成像用于森林防火的热点与火点探测方法 |
EP2866006A8 (en) * | 2013-09-30 | 2015-06-10 | The Hong Kong Research Institute of Textiles and Apparel Limited | Fast focusing method and device for multi-spectral imaging |
CN107945446A (zh) * | 2017-11-20 | 2018-04-20 | 北京中科锐景科技有限公司 | 基于多源卫星的监测对森林热点进行识别的方法及设备 |
-
2018
- 2018-05-10 CN CN201810444591.XA patent/CN108664926B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101008676A (zh) * | 2006-01-16 | 2007-08-01 | 北京林业大学 | 无人机航空摄影遥感森林计测方法 |
CN103376163A (zh) * | 2012-04-21 | 2013-10-30 | 哈尔滨宝亮凯瑞科技发展有限公司 | 热成像用于森林防火的热点与火点探测方法 |
EP2866006A8 (en) * | 2013-09-30 | 2015-06-10 | The Hong Kong Research Institute of Textiles and Apparel Limited | Fast focusing method and device for multi-spectral imaging |
CN107945446A (zh) * | 2017-11-20 | 2018-04-20 | 北京中科锐景科技有限公司 | 基于多源卫星的监测对森林热点进行识别的方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108664926A (zh) | 2018-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108664926B (zh) | 森林火灾卫星监测云层反射虚假热点的识别方法 | |
Tahir et al. | Evaluation of land use/land cover changes in Mekelle City, Ethiopia using Remote Sensing and GIS | |
Ji et al. | Estimating aboveground biomass in interior Alaska with Landsat data and field measurements | |
Dunn et al. | HadISD: A quality-controlled global synoptic report database for selected variables at long-term stations from 1973–2011 | |
Kepner et al. | A landscape approach for detecting and evaluating change in a semi-arid environment | |
Koltunov et al. | On timeliness and accuracy of wildfire detection by the GOES WF-ABBA algorithm over California during the 2006 fire season | |
KR102108754B1 (ko) | 접근불능지역 실시간 산불위험예보시스템 | |
CN109241922B (zh) | 一种基于遥感数据与数字田块的农业保险精准验保方法 | |
Kucuk et al. | Visibility analysis of fire lookout towers in the Boyabat State Forest Enterprise in Turkey | |
KR102108752B1 (ko) | 접근불능지역 실시간 산불위험예보방법 | |
CN110009031B (zh) | 一种基于多源遥感数据的卫星山火火点二次筛选方法 | |
Estornell et al. | Study of shrub cover and height using LiDAR data in a Mediterranean area | |
CN114333207A (zh) | 基于遥感数据的火灾全过程监测方法和装置 | |
Göltaş et al. | Visibility Analysis of Fire Watchtowers Using GIS; A Case Study in Dalaman State Forest Enterprise | |
Laefer et al. | Evacuation route selection based on tree-based hazards using light detection and ranging and GIS | |
CN108957507A (zh) | 基于增强现实技术的燃气管道泄漏处置方法 | |
US8483478B1 (en) | Grammar-based, cueing method of object recognition, and a system for performing same | |
KR20180117026A (ko) | 산업단지 내 위험확산 방지 방법 | |
Omo-Irabor et al. | A hybrid image classification approach for the systematic analysis of land cover (LC) changes in the Niger Delta region | |
KR20190129471A (ko) | 모바일 네트워크상에서의 접근불능지역 실시간 산불위험예보시스템 | |
Basofi et al. | Analysis of land use changed in ponorogo based on landsat 8 imaginary using ndvi classification | |
Sohn et al. | Resilient Heritage Using Aerial and Ground-Based Multi-sensor Imagery | |
Baldauf | Monitoring reduced emissions from deforestation and forest degradation (REDD+): capabilities of high-resolution active remote sensing | |
Filizzola et al. | Automatic RST-based system for a rapid detection of fires | |
Burow et al. | NDVI change analysis and damage mapping of the Vilonia, Arkansas tornado, 27 April 2014 |
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 |