CN109060134A - 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 - Google Patents

Abstract

本发明涉及一种林火热点判别的VIRR传感器多时相红外辐射归一方法，包括：剔除云体影响像元；计算NDVI值，提取植被面积；将VIRR传感器红外数据进行辐射定标；选择参考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VIRR传感器红外影像数据；所述多时相红外辐射归一包括基于VIRR传感器的红外辐射归一，基于VIRR传感器的红外波段特性，采用VIRR的亮温值作为归一化数据。通过本发明的归一化方法，可以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VIRR传感器红外辐射对地物变化监测的准确度。

Description

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

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VIRR 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，同一传感器在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判别的VIRR传感器多时相红外辐射归一方法，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VIRR传感器红外数据进行辐射定标；

选择参考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VIRR传感器红外数据；

所述多时相红外辐射归一包括基于VIRR传感器多时相红外辐射归一，基于 VIRR传感器的红外波段特性，采用VIRR的亮度值作为归一化标准。

VIRR亮温值归一化流程如下：

(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；

(2)选取参考的红外辐射数据和待归一红外辐射数据进行散点回归，选取红外辐射数据集群中心进行主成分分析，确定斜率，向上向下选取百分之六十的红外数据，剔除影响像元；

(3)以未变化的像元为目标，利用一元一次方程确定红外波段的归一化方程；

(4)用回归方程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，并且结合了数学模型和抽样方法，建立了VIRR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VIRR红外辐射归一化流程图；

图3为VIRR红外辐射归一化拟合结果；

图4为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后的影像图。

具体实施方式

采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具有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火点判断基准，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三个传感器红外辐射归一化模型，并对三个不同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VIRR传感器的多时相红外辐射归一。

VIRR传感器多时相红外辐射归一

辐射归一化目的在于消除云层、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VIRR传感器红外数据并进行辐射定标，将热红外数据转换为亮温值，得到亮温数据。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VIRR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的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VIRR云检测中，采用多光谱阈值法进行云识别，利用云与其他地物反射率和辐射亮度值的差异，在可见光和红外通道上设定阈值。在11μm的红外窗区，设置低温对云进行检测。经过大量实验和统计分析，影像像元的亮温值低于T<267K即可被判别为云层。当T>273K时，判别为晴空。由于白天地表的反射率的变化差异，使得红外波段识别云的难度增大，结合可见光反射率设定阈值，云检测算法如下：

其中，R₁为可见光通道反射率，R₂为近红外通道反射率。RI为阈值范围。

R₃>RI_th且RI_{th_Min}<RI<RI_{th_Max}且T₄<T_4th

其中，T₄为热红外通道(10.3-11.3μm)等效黑体辐射亮温。RI_th、T_4th分别为R₁和T₄的阈值，RI_{th_Min}、RI_{th_Max}分别为RI的上下限阈值。通过数据统计，满足RI_th<267K，T_4th＝237K，RI_{th_Max}＝1.1，RI_{th_Min}＝0.95以下条件可以识别云。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，x_i，y_i，x_max，x_min，y_max，y_min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λ_max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VIRR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。森林植被在可见光的反射率大于在近红外，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VIRR传感器植被数据获取上，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。

在获取VIRR传感器多时相红外辐射归一化数据时，本发明采用亮温值进行多时相红外辐射归一。先对VIRR传感器数据进行星上定标，计算后，运用线性定标的辐射亮度值，进行辐亮度非线性订正最后计算假设黑体温度，最后计算假设黑体温度，计算公式如下：

影响因素分析

卫星传感器接收到的红外辐射亮度值为L_λ，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：

L_λ＝[ε*B(T_s)+(1-ε)L↓]*τ+L↑

其中，ε为比辐射率，T_S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(T_S)＝[L_λ-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也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，大气作用于云层的变化而增强而减弱。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。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，所以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：

y_n＝a_nx_n+b_n

其中，y_n为实验影像归一化之后在n波段的灰度值，a_n和b_n为在n波段回归方程的斜率和截距，x_n为实验影像在n波段的灰度值。通过最小二乘法得到 a_n和b_n，计算出归一化的影像图。

基于VIRR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，首先采用反射率波段设定阈值，剔除部分云层像元和水体像元，然后利用参考的红外影像与待归一红外影像的亮度温度值形成散点图，进行主成分分析，计算主轴斜率，以主轴为标准，向上向下范围控制选取百分之六十的红外辐射数据，并根据最大最小值进行分层，从中进行随机抽样，采用一元一次方程确定回归方程，如图2所示。

VIRR亮温值归一化流程如下：

(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。

(2)选取参考的红外辐射数据和待归一红外辐射数据进行散点回归，选取红外数据集群中心进行主成分分析，确定斜率，向上向下选取百分之六十的红外数据，剔除影响像元。

(3)以未变化的像元为目标，采用一元一次方程确定红外波段的归一化方程。

(4)用回归方程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

太阳耀斑是发生在太阳大气局部区域的一种最剧烈的爆发现象。它能在短时间内释放大量能量，引起局部区域瞬时加热，向外发射各种电磁辐射，并伴随粒子辐射突然增强。太阳耀斑对VIRR传感器中红外辐射波段有影响，所以确定其为VIRR红外辐射归一的参数。同时在大多数时间，风云气象卫星会受到大面积的云层覆盖，同时云层具有较高的反射率，温度较高能影响VIRR传感器多时相红外辐射归一精度。根据红外辐射特性分析，确定参数a为太阳耀斑反射率，b为云层反射率。当a＝0.893，b＝31.868时，能达到VIRR红外辐射归一化的最佳拟合效果。总结VIRR传感器求解归一化参数，用SPSS20.0软件进行分析，得到VIRR传感器多时相红外辐射归一化模型为：y＝0.9231x+22.525

结果精度检验

在VIRR传感器多时相红外辐射归一化中，采用2017年4月12号影像提取出来的影像亮温数据和2017年4月13号影像亮温数据进行拟合，首先，筛选剔除云水像元，通过最小二乘法进行回归分析，建立一元一次回归方程，结果表明，两幅影像数据之间呈线性相关关系，所以本发明建立的的VIRR多时相红外辐射归一模型能满足归一要求，并且在颜色上更加接近。拟合效果基本接近参考影像图，如图3所示。

在辐射归一的效果上，本发明采用的一元一次方程基本能接近参考影像，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VIRR传感器多时相红外辐射归一。根据前人的经验，针对MODIS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VIRR传感器红外辐射归一化精度检验结果。

表1VIRR传感器红外辐射归一化精度检验

Table1TheinfraredradiationnormalizedprecisiontestofVIRRsensor

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数据红外辐射归一化问题进行了深入的分析和探讨。

VIRR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VIRR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VIRR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：

(1)将VIRR传感器4μm红外波段亮温值进行多时相红外辐射归一，当 4μm红外波段亮温值小于310K时，即310K以下的亮温值处于未饱和状态，表明火点强度较小，排除该像元为高温热点的可能性，判定公式如下：

T_4μm＜310K

(2)当VIRR传感器4μm红外波段亮温值满足大于或等于310K时，满足高温点要求，即310K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19.67K时，判定该像元为疑似林火热点，判定公式如下：

T_4μm≥310K

T_4μm-T_11μm≥19.67K

VIRR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15:04:32的晴空少云影像数据，应用本发明构建的VIRR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4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VIRR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VIRR传感器不同时相红外辐射差异问题，建立辐射标准，构建VIRR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VIRR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 (2)

1.一种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，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VIRR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VIRR传感器红外数据；

所述多时相红外辐射归一包括基于VIRR传感器的红外辐射归一，基于传感器VIRR的红外波段特性，采用VIRR的亮温值进行归一化。

2.根据权利要求1所述的方法，其特征在于，VIRR亮度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；

(2)选取参考的红外辐射数据和待归一红外辐射数据进行散点回归，选取红外辐射数据集群中心进行主成分分析，确定斜率，向上向下选取百分之六十的红外数据，剔除影响像元；

(3)以未变化的像元为目标，以一元一次方程确定红外波段的归一化方程；

(4)用回归方程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。