CN108734150A - 应用于林火热点判别的avhrr传感器多时相红外辐射归一方法 - Google Patents
应用于林火热点判别的avhrr传感器多时相红外辐射归一方法 Download PDFInfo
- Publication number
- CN108734150A CN108734150A CN201810551158.6A CN201810551158A CN108734150A CN 108734150 A CN108734150 A CN 108734150A CN 201810551158 A CN201810551158 A CN 201810551158A CN 108734150 A CN108734150 A CN 108734150A
- Authority
- CN
- China
- Prior art keywords
- infra
- red radiation
- avhrr
- normalizing
- radiation
- 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
- 230000005855 radiation Effects 0.000 title claims abstract description 117
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000010606 normalization Methods 0.000 claims abstract description 40
- 241001269238 Data Species 0.000 claims abstract description 9
- 244000025254 Cannabis sativa Species 0.000 claims abstract description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 13
- 238000002310 reflectometry Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 14
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 abstract description 10
- 230000000694 effects Effects 0.000 description 12
- 238000010521 absorption reaction Methods 0.000 description 6
- 238000005286 illumination Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 239000000443 aerosol Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- FNMKZDDKPDBYJM-UHFFFAOYSA-N 3-(1,3-benzodioxol-5-yl)-7-(3-methylbut-2-enoxy)chromen-4-one Chemical compound C1=C2OCOC2=CC(C2=COC=3C(C2=O)=CC=C(C=3)OCC=C(C)C)=C1 FNMKZDDKPDBYJM-UHFFFAOYSA-N 0.000 description 1
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000005520 electrodynamics Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- -1 steam Chemical compound 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- 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
-
- 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
- G01J5/0014—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation from gases, flames
- G01J5/0018—Flames, plasma or welding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G01J2005/0077—Imaging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Plasma & Fusion (AREA)
- Image Processing (AREA)
- Radiation Pyrometers (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明涉及一种林火热点判别的AVHRR传感器多时相红外辐射归一方法,包括如下步骤:剔除云体影响像元;计算NDVI值,提取植被面积;将AVHRR传感器红外数据进行辐射定标;选择参考的红外影像数据与待归一的红外影像数据进行曲线拟合,获取红外辐射归一化参数,确定红外辐射归一化模型,形成新的红外辐射归一化影像图。通过本发明的归一化方法,解决AVHRR传感器红外通道不同时相的辐射差异问题,建立辐射标准,构建AVHRR传感器多时相红外辐射归一化模型。本发明建立的红外辐射归一化模型能较好地消除辐射差异影响,弥补卫星传感器的时间差异性,提高AVHRR传感器红外辐射对地物变化监测的准确度。
Description
技术领域
本发明涉及林火监测技术领域,尤其涉及一种应用于林火热点判别的AVHRR传感器多时相红外辐射归一方法。
背景技术
遥感对地观测已有几十年的观测历史,由于星载或机载平台使用的传感器不同,所以获取的影像数据具有不同的几何、辐射及时像特性。现有的遥感卫星遍及气象、资源、海洋、环境减灾等各项应用,已经实现了相关领域的产业发展,与此同时积累了多年的遥感数据,记录着地表及大气的变化。充分利用这些宝贵的历史资源,对于全球气候研究、经济社会的发展及人类文明的进步有着重大的历史意义。对传感器进行高精度的辐射定标是生产定量化遥感产品的基础,对于不同平台的数据,如何实现多平台遥感数据之间的跨平台使用,是近些年来遥感数据发展的新方向。有效地利用这些历史观测数据,需要解决对历史数据进行再定标问题,形成大量归一化后的数据,使传感器的遥感数据归一化到同一个辐射基准上(即多源辐射归一化),这样既可以使卫星遥感探测资料在不同平台的传感器之间进行转换,及时弥补同一类型传感器某个区域数据的缺失,这对遥感数据应用具有重大意义。
采用同一传感器监测地物并在判断变化时,更加要求多时相影像来自于同一传感器,使得监测更具有连续性,然而,同一传感器监测地物的时候并不能满足研究者们的要求,所以只能采用不同传感器来监测。各传感器情况如下:(1)重返周期的不一致。中分辨率成像光谱仪MODIS每1~2天观测地球,一天观测四次分为上午和下午。第三代实用中分辨率观测气象卫星NOAA一天两次,配有夜间观测通道。中国风云气象卫星一天扫描两次。由于各传感器在时间上监测的不连续,导致监测效果不佳;(2)天气条件的变化。在某时刻由于地域原因,经常出现云及阴影的影响,在影像成像过程中,导致地物信息的缺失,采用单一传感器无法实时监测地物变化。如果,当时相1受到云的影响无法使用时,在这种情况下,可以考虑获取时相2来自另一传感器的无云影像。实现连续不间断的监测;(3)卫星运行寿命的限制。每颗人造地球卫星向天空发射到在轨运行停止工作都有一定的使用寿命,基于使用的限制,在使用过程会出现传感器辐射差异成像问题,导致监测效果不佳。
结合不同传感器的监测时间和作用,可以将辐射波段数据进行归一,实现不同传感器多时相辐射归一。此前,遥感辐射归一化应用较多的仍然是针对中低分辨率的基于像元的相对辐射归一化方法。近年来,随着航天遥感技术不断发展,遥感影像空间分辨率不断提高,不同遥感传感器的高分辨率遥感影像的相对辐射归一化方法受到了越来越多的关注。虽然有一些方法能够取得较好的效果,但也存在很多的不足,因此,需要一种能进一步提高辐射归一化效果的方法。
发明内容
根据本发明的目的,提供一种应用于林火热点判别的AVHRR传感器多时相红外辐射归一方法,其特征在于,该方法包括如下步骤:
剔除云体影响像元;
计算NDVI值,提取植被面积;
将不同传感器红外数据进行辐射定标;
选择参考的红外影像数据与待归一红外影像数据进行曲线拟合,获取红外辐射归一化参数,确定红外辐射归一化模型,形成新的红外辐射归一化影像图。
所述传感器数据为AVHRR传感器红外辐射数据。
所述的多时相红外辐射归一包括对AVHRR传感器红外数据进行归一化;基于AVHRR的红外波段特性,选择地表温度值进行归一化。
优选地,基于AVHRR传感器多时相红外辐射归一时,首先通过反射率设置阈值,识别云体、水体,并对识别出的云、水像元进行剔除,根据NDVI选取全部植被覆盖像元;将AVHRR红外通道影像数据通过劈窗算法得到地表温度。
进一步地,根据多时相影像之间存在比较强的线性关系,采用典型相关分析建立AVHRR传感器红外辐射归一模型,具体过程如下:
两幅影像图的具有n个通道影像x=[x1……xn和y=[y1……yn],形成两组线性组合,即:
a1x1+a2x2+...+anxn=aTx=U
b1y1+b2y2+...+bnyn=bTy=V
其中,t1和t2时间的影像可表示为x=[x1,x2,x3...xn]T,y=[y1,y2,y3...yn]T,a=[a1,a2,a3...an]T,b=[b1,b2,b3...bn]T,得到典型变量之间的相关系数为:
假设两组影像数据相关性高时,满足下面的条件:
var(u,v)=aT∑xya=bT∑xyb
得到:
ρ=aT∑xyb=max
为了解决极值问题,引入拉格朗日乘数,根据计算影像x,y典型变量差MAD和方差得到:
MADi=Ui-Vi i=1,2,3……n
var=MADi=var(ui,vi)=2(1-ρi)
典型变量数据筛选公式如下:
其中,t为阈值;假设成立时,归一后的MAD的变量差和方差和的值均满足卡方分布。
优选地,AVHRR地表温度值归一化流程如下:
(1)利用反射率1,2波段进行归一,设定阈值进行云水检测,剔除云水像元,获取植被像元;
(2)选取百分之六十的参考红外影像数据和待归一的红外影像数据进行散点回归,计算两幅影像的典型变量;
(3)根据阈值t进行样本选点,设置ρ值;
(4)根据阈值选取样本点,用最小二乘法对新的红外影像图进行回归运算,得到归一化后的红外影像图。
本发明在建立多时相红外辐射归一化模型时,确定了红外辐射归一化参数,并且结合数学模型和抽样方法,建立了AVHRR传感器红外辐射归一化模型,应用归一化模型平分大气辐射误差,减少来自同一传感器不同时相的红外辐射差异。
附图说明
图1为云检测剔除图;
图2为AVHRR红外辐射归一化拟合结果;
图3为AVHRR传感器多时相红外辐射归一化林火热点识别。
具体实施方式
用遥感手段监测林火热点时,AVHRR传感器具有高空间分辨率和覆盖范围广,在接收林火热点能量时,通道3具有敏感的特性,能够快速监测林火热点,但饱和温度较低时,3通道容易饱和造成虚假林火热点的产生,时间上很难再次进行判断。而MODIS较高的时空分辨率和光谱分辨率能够弥补AVHRR传感器本身的缺陷,且结合VIRR气象卫星数据统一建立林火热点判断基准,能够提高林火热点的识别精度。因此,需要构建辐射归一模型,主要分为两部分:多时相红外辐射归一和不同传感器的红外辐射归一。在多时相红外辐射归一化上,分别建立MODIS、AVHRR、VIRR传感器多时相红外辐射归一化模型,针对三个不同传感器的红外辐射归一化模型,进行参数的确定和结果精度检验。本发明研究AVHRR传感器的多时相红外辐射归一。
AVHRR传感器多时相红外辐射归一
辐射归一化的目的在于消除云层、水体、光照对辐射的影响,校正传感器偏差,提高辐射归一化精度。在红外辐射归一化方法中,首先剔除云体影响像元,计算NDVI值提取植被面积。获取AVHRR传感器红外数据并进行辐射定标,将热红外数据进行劈窗算法得到地表温度数据。通过反射率设置阈值,识别云体、水体,并对识别出的云、水像元进行剔除。通过重分类将地物分类成陆地、森林植被、水体。选取参考的红外影像数据与待归一红外影像数据进行曲线拟合,获取红外辐射归一化参数,确定红外辐射归一化模型,形成新的红外辐射归一化影像图。
云水剔除
在进行AVHRR传感器多时相红外辐射归一化前,需在剔除云水干扰像元的前提下对云进行检测,根据各传感器的影像在可见光波段的反射率和热红外波段的亮温进行云的区分,将有云像元采用相近时相影像的相对变化率来替代云区像元灰度值,保持了影像的连续性。
在AVHRR云检测中则采用多通道动态阈值云检测算法,该方法将某一通道像元阵的直方图曲线中,取地表峰值云层部分一侧直方图曲线二阶差分的最大极值点,直方图曲线最大变率的位置,进行晴空与云像元的阈值判定。在AVHRR传感器的5个通道中,将1、2通道进行比值计算和3、4、5通道进行差值计算,把结果数据进行直方图和阈值的选择,判断被云覆盖的像元。在多时相AVHRR观测数据处理时,为了保持数据的连续使用,根据卫星天顶角和通道的动态阈值进行加权处理,提高云检测效果。同时,基于像元数据的不连续性出现边缘数据的不连续性,需要对动态阈值进行平滑处理。云检测剔除如图1所示。
由于云在红外波段的灵敏度高且不同季节阈值范围出现差异,对云层进行剔除和云修复,采用多时相的相对变化率来反演替代云层的方法,算法如下:
设置云的影像为X,替补图像为Y,
令
m,n为影像像元和替补像元的个数,则无云,有云影像像元值为:
其中,xi,yi,xmax,xmin,ymax,ymin分别为影像像元和替补影像像元值、最大值、最小值。在两幅影像的重叠处没有发生较大变化时,引用此方法可以修复云层区域的影像。反之,使用此算法会使像元值发生较大改变。
数据获取
根据维恩定律,辐射峰值波长λmax和黑体温度T成反比。温度越高,波长越往短波方向移动。根据MODIS传感器、AVHRR传感器和VIRR传感器红外波段特性,选择MODIS传感器的亮度温度值、AVHRR传感器的地表温度和VIRR传感器的亮温值。
在获取AVHRR传感器多时相红外辐射归一化数据前,需要进行森林植被提取。根据遥感原理可知,在中分辨率卫星传感器的波段设置上,红外波段无法分辨地物类型,反射率在可见光波段中能反应植被覆盖状况。森林植被在可见光波段的反射率大于在近红外波段的反射率,以两者波段的归一方程构成如下:
其中,b1为波段1的反射率,b2为波段2的反射率。当归一化值大于零时,所在像元被识别为植被覆盖像元。在传感器AVHRR植被数据获取上,通过目测方法大概确定植被覆盖的像元,当NDVI大于一定范围时,相对应的像元被确认为森林植被像元。
在AVHRR传感器多时相红外辐射归一化方法上,采用分裂劈窗算法进行热红外通道4,5波段的亮温线性拟合得到地表温度,将其进行AVHRR传感器的多时相红外辐射归一化。公式如下:
T0=a+bT4+cT5
其中:a、b、c为常数,主要取决于大气中水分的含量和地表比辐射率。结合coll提出的如下改进分裂劈窗算法:
T0=T4+[1.34+0.39(T4-T5)(T4-T5)+α(1-ε)-βΔε+0.56]
α=ω3-8ω2+17ω+40
β=150(1-ω/4.5)
其中:T0为地表温度,单位为(K),T4和T5为AVHRR 4通道和5通道热红外通道的亮温值,ω为大气水含量,单位为(g/cm2),ε为4通道和5通道热红外通道的比辐射率的平均值,Δε为4通道和5通道比辐射率的差值。
影响因素分析
卫星传感器接收到的红外辐射亮度值为Lλ,在红外辐射传输过程中,主要包括三部分:大气向上辐射亮度值L↑,大气向下辐射亮度值为L↓,地面的真实辐射亮度值经过大气后到达卫星传感器的能量,辐射传输方程为:
Lλ=[ε*B(Ts)+(1-ε)L↓]*τ+L↑
其中,ε为比辐射率,TS为地表真实温度,B(Ts)为普朗克定律推算得到的黑体在Ts的热辐射亮度,τ为大气透过率。温度T的黑体在红外波段的辐射亮度值B(Ts)为:
B(TS)=[Lλ-L↑-τ(1-ε)*L↓]/τ*ε
在热红外传输方程中,可见大气在热红外通道影响很大,主要包括大气的吸收和散射。大气中的二氧化碳、臭氧、水汽、一氧化碳、悬浮物对大气有吸收的作用。其中水汽对红外辐射的吸收能力最明显,水汽吸收带占有较宽的波段,主要集中在红外波段区域。大气中的水汽随着季节、时间、地域的变化而不一致,且变化明显,浮动较大。水汽含量越高,红外辐射波段对水汽的吸收就越大。其次,二氧化碳气体对红外辐射具有一定影响,虽然吸收太阳辐射能量少,但能吸收地面辐射能量向四周散发长波辐射,对获取地面信息造成干扰。太阳辐射是地表能量的主要来源,辐射穿过大气时对红外辐射具有选择和吸收作用,因此大气会吸收一部分辐射能量转化为内部能量。同时由于大气分子和气溶胶的影响,将能量转化为热能和电离能。云层在红外辐射波段具有强烈的吸收能力,在传感器探测地物真实温度时,由于有云层的遮盖,只能反映云层顶部的温度。大气对于红外辐射波段与尘埃、雾霾、蒸气、气溶胶之间作用存在散射,穿过大气时又存在折射。因不同传感器不同波长大气传输的作用不同,波段设置的不一致,成像时间的不同,大气条件的不稳定,造成同一地物的红外辐射存在差异。
模型构建
根据同一传感器的同种地物具有类似的灰度值,且同一传感器影像之间的大气和传感器的差异呈现线性关系,即相同波段的灰度值具有线性关系,采用一元一次方程进行辐射归一化:
yn=anxn+bn
其中,yn为实验影像归一化之后在n波段的灰度值,an和bn为在n波段回归方程的斜率和截距,xn为实验影像在n波段的灰度值。通过最小二乘法得到an和bn,计算出归一化后的影像图。
基于AVHRR传感器的红外波段特性,本发明采用线性回归的方式进行多时相红外辐射归一化,首先采用反射率设置阈值,识别云体、水体,并对识别出的云、水像元进行剔除,从参考红外影像数据和待归一红外影像数据中选取重叠区域的红外影像数据,并根据最大最小值进行分层,从中进行随机抽样,抽样数量满足总数量的百分之六十以上。最后,根据抽样后的两幅影像的红外影像数据,通过最小二乘法确定红外辐射归一化方程。如图2所示。
基于AVHRR传感器多时相红外辐射归一,首先通过反射率设置阈值,识别云体、水体,并对识别出的云、水像元进行剔除,根据NDVI选取全部植被覆盖像元。将AVHRR红外影像数据通过劈窗算法得到地表温度。根据多时相影像之间存在比较强的线性关系,本发明采用典型相关分析建立归一模型。典型相关分析是由霍特林最早提出来的,其基本思想和主成分非常的相似。两幅影像图的具有n个通道影像x=[x1……xn]和y=[y1……yn],形成两组线性组合,即:
a1x1+a2x2+...+anxn=aTx=U
b1y1+b2y2+...+bnyn=bTy=V
其中,t1和t2时间的影像可表示为x=[x1,x2,x3...xn]T,y=[y1,y2,y3...yn]T,a=[a1,a2,a3...an]T,b=[b1,b2,b3...bn]T,得到典型变量之间的相关系数为:
假设两组影像数据相关性高时,满足下面的条件:
var(u,v)=aT∑xya=bT∑xyb
得到:
ρ=aT∑xyb=max
为了解决极值问题,引入拉格朗日乘数,根据计算影像x,y典型变量差MAD和方差得到:
MADi=Ui-Vi i=1,2,3……n
var=MADi=var(ui,vi)=2(1-ρi)
典型变量数据筛选公式如下:
其中,t为阈值。假设成立时,归一后的MAD的变量差和方差和的值满足卡方分布。
AVHRR地表温度值归一化流程如下:
(1)利用可见光波段和近红外波段的1,2反射率值进行归一,设定阈值进行云水检测,剔除云水像元,获取植被像元。
(2)选取百分之六十以上的参考红外影像数据和待归一红外影像数据,将两组红外影像数据进行散点回归,计算两幅影像的典型变量。
(3)根据阈值t进行样本选点,设置ρ值。
(4)根据阈值选取样本点,用最小二乘法对新的红外影像图进行回归运算,得到归一化后的红外影像图。
参数确定
地表温度,就是指地面的温度。太阳的热能辐射到地面后,一部分被反射,一部分被地表吸收,使地面增热,对地面温度进行量测所得的温度就是地表温度。影响AVHRR地表温度的因素有很多,包括气温、湿度、地物表面状态、光照地形等,本文影响地表温度的因素主要是气温和湿度。将数据输入SPSS进行分析确定参数,参数a为气温,参数b为湿度,参数c为光照强度。当a=0.0049,b=3.0694,c=778.67时,AVHRR传感器红外辐射拟合效果更好。总结AVHRR传感器求解红外辐射归一化参数,用SPSS软件进行分析,得到AVHRR传感器多时相红外辐射归一化模型为:y=0.0049x2-3.0694x+778.67
结果精度检验
在AVHRR传感器多时相红外辐射归一化中,采用2017年4月12号影像地表温度数据和4月13号影像地表温度数据进行曲线拟合,通过筛选剔除了云水像元,通过最小二乘法进行回归分析,发现两幅影像数据之间呈现二项式关系。气温对于热红外通道具有大气辐射和吸收的作用,地表温度随着气温的增加而增加。湿度与地表温度在一定时间范围内,成负相关关系,即当湿度逐渐增加时,地表温度逐渐降低。太阳辐射地面时,光能累积转化成热能被地面储存,随着光照强度的增长,地表温度逐渐升高,即光照强度与地表温度呈线性正相关关系。拟合回归曲线如图2所示。
在红外辐射归一的效果上,本发明采用的一元一次方程进行辐射归一后的影像基本与原影像相接近,在剔除云水影响因素下能够保证辐射精度,满足地物温度较大的变化,平分了辐射归一时的误差,实现AVHRR传感器多时相红外辐射归一。根据前人的经验,针对AVHRR传感器归一化反演的结果精度,本发明采用决定系数R2和均方差误差RMSE来评价归一化的模型精度,公式如下:
其中,y0为经辐射归一化之后的红外数据,y1为原始的红外数据,n为像元个数。RMSE值越小,表示拟合的效果越好。RMSE值越大,拟合的效果不佳。表1为AVHRR传感器红外辐射归一化精度检验。
表1 AVHRR传感器红外辐射归一化精度检验
Table 1 The infrared radiation normalized precision test of MODISsensor.
本发明通过对以上方面进行了研究与探讨,对中低分辨率不同传感器遥感红外辐射数据归一化问题进行了深入的分析和探讨。
AVHRR传感器多时相红外辐射归一后的林火热点阈值确定
通过对AVHRR传感器红外影像数据进行多时相红外辐射归一,平分了红外影像中未变化亮温的大气误差,对背景亮温值进行了归一,突显了火点高温像元,排除了气温、湿度、光照强度对AVHRR传感器监测地物温度的影响,提高了传感器监测地物温度的精度。利用归一化的红外影像图通过阈值范围的设定,对林火热点进行判别。该发明基于湖南省的气候和地理背景,采用4μm红外波段亮温值,以及4μm和11μm红外波段之间亮温差值进行林火热点判别:
当AVHRR传感器4μm红外波段亮温值大于或等于317K时,满足高温点要求,即317K以上的亮温值处于饱和状态,表明火点强度较大,符合高温热点的判定要求,并将4μm红外波段和11μm红外波段的背景亮温值进行差值计算,当其差值大于或等于21.85K时,判定该像元为疑似林火热点,判定公式如下:
T4μm≥317K
T4μm-T11μm≥21.85K
AVHRR传感器多时相红外辐射归一方法验证
本发明采用2017年4月1日15:47:20的晴空少云影像数据,应用本发明构建的AVHRR多时相红外辐射归一化模型对红外辐射影像数据进行归一,归一后采用本发明建立的多时相影像林火热点阈值模型进行林火热点提取。如图3所示。
本发明在建立多时相红外辐射归一化模型时,确定了红外辐射归一化参数,并且结合数学模型和抽样方法,建立了AVHRR传感器的多时相红外辐射归一化模型,应用归一化模型平分大气辐射误差,减少来自同一传感器不同时相的红外辐射差异。
通过本发明的归一化方法,解决AVHRR传感器不同时相红外辐射差异问题,建立辐射标准,构建AVHRR传感器多时相红外辐射归一化模型。本发明建立的红外辐射归一化模型能较好地消除辐射差异影响,弥补卫星传感器的时间差异性,提高AVHRR传感器红外辐射对地物变化监测的准确度。
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 (4)
1.一种应用于林火热点判别的AVHRR传感器多时相红外辐射归一方法,其特征在于,该方法包括如下步骤:
剔除云体影响像元;
计算NDVI值,提取植被面积;
将不同传感器红外数据进行辐射定标;
选择参考的红外影像数据与待归一的红外影像数据进行曲线拟合,获取红外辐射归一化参数,确定红外辐射归一化模型,形成新的红外辐射归一化影像图;
所述传感器数据为AVHRR传感器红外辐射数据。
所述的多时相红外辐射归一包括对AVHRR传感器的红外数据进行归一化;基于AVHRR的红外波段特性,选择地表温度进行归一化。
2.根据权利要求1所述的方法,其特征在于,基于AVHRR传感器多时相红外辐射归一时,通过反射率设置阈值,识别云体、水体,并对识别出的云、水像元进行剔除,根据NDVI选取全部植被覆盖像元;将AVHRR红外通道影像数据通过劈窗算法得到地表温度。
3.根据权利要求2所述的方法,其特征在于,根据多时相影像之间存在比较强的线性关系,采用典型相关分析建立AVHRR传感器红外辐射归一模型,具体过程如下:
两幅影像图具有n个通道影像x=[x1……xn]和y=[y1……yn],形成两组线性组合,即:
a1x1+a2x2+...+anxn=aTx=U
b1y1+b2y2+...+bnyn=bTy=V
其中,t1和t2时间的影像可表示为x=[x1,x2,x3...xn]T,y=[y1,y2,y3...yn]T,a=[a1,a2,a3...an]T,b=[b1,b2,b3...bn]T,得到典型变量之间的相关系数为:
假设两组影像数据相关性高时,满足下面的条件:
var(u,v)=aT∑xya=bT∑xyb
得到:
ρ=aT∑xyb=max
为了解决极值问题,引入拉格朗日乘数,根据计算影像x,y典型变量差MAD和方差得到:
MADi=Ui-Vi i=1,2,3……n
var=MADi=var(ui,vi)=2(1-ρi)
典型变量数据筛选公式如下:
其中,t为阈值;假设成立时,归一后的MAD的变量差和方差和的值均满足卡方分布。
4.根据权利要求3所述的方法,其特征在于,AVHRR地表温度值归一化流程如下:
(1)利用反射率1,2波段进行归一,设定阈值进行云水检测,剔除云水像元,获取植被像元;
(2)选取百分之六十的参考红外影像数据和待归一的红外影像数据进行散点回归,计算两幅影像的典型变量;
(3)根据阈值t进行样本选点,设置ρ值;
(4)根据阈值选取样本点,用最小二乘法对新的红外影像数据进行回归运算,得到归一化后的红外辐射影像图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810551158.6A CN108734150B (zh) | 2018-05-31 | 2018-05-31 | 应用于林火热点判别的avhrr传感器多时相红外辐射归一方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810551158.6A CN108734150B (zh) | 2018-05-31 | 2018-05-31 | 应用于林火热点判别的avhrr传感器多时相红外辐射归一方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108734150A true CN108734150A (zh) | 2018-11-02 |
CN108734150B CN108734150B (zh) | 2021-07-27 |
Family
ID=63931279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810551158.6A Active CN108734150B (zh) | 2018-05-31 | 2018-05-31 | 应用于林火热点判别的avhrr传感器多时相红外辐射归一方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108734150B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112613347A (zh) * | 2020-12-03 | 2021-04-06 | 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 |
CN113723228A (zh) * | 2021-08-16 | 2021-11-30 | 北京大学 | 地表类型占比的确定方法、装置、电子设备和存储介质 |
CN117333779A (zh) * | 2023-10-26 | 2024-01-02 | 中南林业科技大学 | 基于角度斜率指数的林火判别方法、系统、设备以及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799561A (zh) * | 2010-02-05 | 2010-08-11 | 民政部国家减灾中心 | 一种基于减灾小卫星的雪灾遥感监测模拟评估方法 |
CN104361338A (zh) * | 2014-10-17 | 2015-02-18 | 中国科学院东北地理与农业生态研究所 | 一种基于ENVISAT ASAR、Landsat TM与DEM数据的泥炭沼泽信息提取方法 |
US9089032B2 (en) * | 2012-02-13 | 2015-07-21 | Lumenetix, Inc. | System and method for color tuning light output from an LED-based lamp |
CN106295696A (zh) * | 2016-08-09 | 2017-01-04 | 中国科学院遥感与数字地球研究所 | 一种多源遥感影像辐射归一化方法 |
-
2018
- 2018-05-31 CN CN201810551158.6A patent/CN108734150B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799561A (zh) * | 2010-02-05 | 2010-08-11 | 民政部国家减灾中心 | 一种基于减灾小卫星的雪灾遥感监测模拟评估方法 |
US9089032B2 (en) * | 2012-02-13 | 2015-07-21 | Lumenetix, Inc. | System and method for color tuning light output from an LED-based lamp |
CN104361338A (zh) * | 2014-10-17 | 2015-02-18 | 中国科学院东北地理与农业生态研究所 | 一种基于ENVISAT ASAR、Landsat TM与DEM数据的泥炭沼泽信息提取方法 |
CN106295696A (zh) * | 2016-08-09 | 2017-01-04 | 中国科学院遥感与数字地球研究所 | 一种多源遥感影像辐射归一化方法 |
Non-Patent Citations (2)
Title |
---|
丽娜: "基于多源遥感数据的中蒙边境地区草原火实时监测", 《中国优秀硕士学位论文全文数据库 农业科技辑》 * |
余晓敏: "基于改进的自动散点控制回归算法的遥感影像相对辐射归一化", 《光学技术》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112613347A (zh) * | 2020-12-03 | 2021-04-06 | 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 |
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 |
CN113723228A (zh) * | 2021-08-16 | 2021-11-30 | 北京大学 | 地表类型占比的确定方法、装置、电子设备和存储介质 |
CN113723228B (zh) * | 2021-08-16 | 2024-04-26 | 北京大学 | 地表类型占比的确定方法、装置、电子设备和存储介质 |
CN117333779A (zh) * | 2023-10-26 | 2024-01-02 | 中南林业科技大学 | 基于角度斜率指数的林火判别方法、系统、设备以及介质 |
CN117333779B (zh) * | 2023-10-26 | 2024-04-30 | 中南林业科技大学 | 基于角度斜率指数的林火判别方法、系统、设备以及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108734150B (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5471056A (en) | Airborne scanner image spectrometer | |
US11461994B2 (en) | Methods for in-scene shadow compensation using sunlit and skylit illumination factors | |
North et al. | Retrieval of land surface bidirectional reflectance and aerosol opacity from ATSR-2 multiangle imagery | |
Colombo et al. | Estimation of leaf and canopy water content in poplar plantations by means of hyperspectral indices and inverse modeling | |
CN108731817B (zh) | 应用于林火热点判别的不同传感器红外辐射归一建模方法 | |
CN108763782A (zh) | 应用于林火热点判别的modis传感器多时相红外辐射归一方法 | |
Kaufman et al. | Detection of dust over deserts using satellite data in the solar wavelengths | |
CN108734150A (zh) | 应用于林火热点判别的avhrr传感器多时相红外辐射归一方法 | |
CN108120510B (zh) | 一种光学遥感器基于反射镜阵列的在轨绝对辐射定标方法 | |
Rossow et al. | Global, seasonal surface variations from satellite radiance measurements | |
US6837617B1 (en) | Detection and recognition of objects by multispectral sensing | |
CN103400364A (zh) | 一种森林资源变化监测方法 | |
CN115292616B (zh) | 基于光谱不变理论的植被蓝天空反照率估算方法及装置 | |
Ogunjobi et al. | Intercomparison and validation of satellite and ground-based aerosol optical depth (AOD) retrievals over six AERONET sites in West Africa | |
CN115507959A (zh) | 一种用于目标检测的红外辐射特性分析方法 | |
Wang et al. | A cloud detection scheme for the Chinese Carbon Dioxide Observation Satellite (TANSAT) | |
Zheng et al. | Quantification of the adjacency effect on measurements in the thermal infrared region | |
Ientilucci | Leveraging lidar data to aid in hyperspectral image target detection in the radiance domain | |
CN109035663B (zh) | 应用于林火热点判别的不同传感器多时相红外辐射归一方法 | |
Schläpfer et al. | Correction of shadowing in imaging spectroscopy data by quantification of the proportion of diffuse illumination | |
Bindschadler et al. | Characterizing and correcting Hyperion detectors using ice-sheet images | |
Petropoulos et al. | Multispectral vegetation indices in remote sensing: an overview | |
Tagesson et al. | Deriving seasonal dynamics in ecosystem properties of semi-arid savanna grasslands from in situ-based hyperspectral reflectance | |
CN109060134B (zh) | 应用于林火热点判别的virr传感器多时相红外辐射归一方法 | |
Mei et al. | Retrieval of aerosol optical depth over land surfaces from AVHRR 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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |