CN109214341B - 一种基于Himawari8的火点监测算法 - Google Patents

Abstract

本发明公开了一种基于Himawari8的火点监测算法，包括：S1，使用5×5像素的内核计算平均亮度温度；S2，为了确认火点像元，如果像元满足条件，则将像元初始识别为火点像元；S3，利用近红外B4波段和可见光B3波段对疑似火点进行二次审查；S4，采用相邻时段的两景影像进行最终的确认。本发明充分吸收前人的研究成果，综合利用Himawari8数据多波段的特性，采用多波段阈值法，火点识别精准快速，误报率低；本发明与目前技术相比，所用数据不同，提取模型不同。

Description

一种基于Himawari8的火点监测算法

技术领域

本发明涉及火点监测算法，具体涉及一种基于Himawari8的火点监测算法。

背景技术

目前，利用遥感技术对火点进行监测的原理是依据高温火点在红外光谱波段造成的与周围环境背景像元异常的特点。从20世纪60年代初便开始利用卫星遥感数据航空红外探测来监测大面积的火灾信息。然而到了20 世纪80年代人们开始利用NOAA/AVHRR(National Oceanographic and Atmospheric Administration Advanced Very HighResolution Radiometer)遥感数据和火烧迹地范围判别影像。NOAA系列卫星和GOES系列卫星为最早应用于该领域的卫星平台。这两大系列卫星在过去做最主要的遥感监测平台，更是在火灾监测领域中发挥举足轻重的作用。其中NOAA卫星承载的AVHRR传感器提供的数据在过去的30年内全球范围地应用于火情探测领域。使用AVHRR数据监测火点方面国内外广泛应用阈值模型法、亮温结合归一化植被指数法和邻近像元法。其中最为成熟的火点监测方法就是阈值模型法，最先是由Flannigan和VonderHaar等人在1986年首次在林火监测中运用。在此基础上1998年Kaufman等人在巴西的林火监测中使用了不同的阈值法。而在1999年加拿大国家遥感中心的李占清等分别采用热点探测算法、NDVI差值探测算法和混合算法对AVHRR资料探测森林火灾进行了定量研究，并取得了理想的进展。在国内覃先林等在2000年利用AVHRR数据对小火点自动识别方面进行研究。然而直到2004年四川农业气象中心的卿清涛对NOAA/AVHRR遥感监测森林火灾的准确性进行了研究，并根据加拿大遥感中心和中国气象局卫星中心提供的森林火灾监测阈值，提出了适合四川地区的阈值并进行了其准确性的验证。闫厚等在2005对气象卫星监测森林火灾的现状和发展趋势进行了总结。

现有的技术方案主要是前期波段运算剔除云雪等异常区域，然后利用对高温火点的通道反应以及利用经验统计来定义一个或几个判识火点与非火点的阈值条件成为阈值模型。符合判识火点的阈值条件的则认为该点是火点；符合判识非火点的阈值条件则认为是非火点。

上述技术存在常规地面监测方法监控范围小和覆盖程度低的缺点。

发明内容

本发明针对上述问题，提供了一种基于Himawari8的火点监测算法。

本发明采用的技术方案是：一种基于Himawari8的火点监测算法，包括以下步骤：

S1，使用5×5像素的内核计算平均亮度温度，T_b7bg＝平均值T_b7，5 ×5像素无云像素的内核小于20％，将逐渐扩展到7×7,9×9，...，51× 51；如果仍然无法达到无云像素小于20％的标准，则将像素排除在计算之外并标记为非火点像素；此前的计算需要确定并去除云，水体和其他可疑火像素；识别高温可疑像素的条件如下式所定义：

T_b7>313或δ_b7<2；

其中T_b7是波段7的亮度温度值，是对波段7进行辐射定标后然后利用普朗克公式的反函数推算得到对应的亮度温度；δ_b7是波段7的内核像素的标准差；

S2，为了确认火点像元，如果像元满足以下条件，则将像元初始识别为火点像元：

T_b7-T_b13＜N₁；

其中T_b7是内核中波段7的亮度温度值，T_b13是内核中波段13的亮度温度值；N₁, N₂是背景系数，该系数随不同地区和时间而变化；在北方区域设置为N₁＝4, N₂＝2.5；

S3，利用近红外B4波段和可见光B3波段对疑似火点进行二次审查，具体包括：

S31，潜在火点判断：

S32，火点判断：

其中μb3和δb3表示背景窗的平均值和标准平方差，在这个模型中背景窗口的范围大小从3×3到15×15，这个主要取决于背景窗口中的非潜在火点是不是高于25％；此模型中的关键在于背景窗口的选择，以实际情况作为依据来选取范围大小；如果背景窗口范围太小，会使得大火灾中的像元漏掉，如果范围太大精度达不到；背景窗：也就是以目标像素为中心的从3×3到15×15不等的周围像素集合；

Tb3：指波段3反演后的亮温值；

Tb4：指波段4反演后的亮温值；

N:为背景系数，该系数随监测的不同区域、不同时间以及不同角度均随时变化；对于北方地区设为2，南方地区设为3.5；

S4，采用相邻时段的两景影像进行最终的确认；采用第七波段， (B7new-B7old)/(B7new+B7old)<0.3；

其中B7new指当前时间影像的第七波段影像，B7old指十分钟前，也就是上一个时间段的第七波段影像。

进一步地，所述步骤S1中的：

Himawari8:日本气象卫星葵花八号；

背景像素：指区别于火点像素的普通地物所代表的像素；

内核：指计算所采用的像素点集合，5×5像素指计算指定像素的平均亮度温度取周围的25个像素计算；

平均亮度温度：指按内核计算后的像素亮度温度；

背景亮度温度：是平均亮度温度的一类，指不超过阈值的非火点的像素的亮度温度；

像元：也能描述为像素，指遥感成像的最小单位；

无云像素：指前期图像预处理标记为不含云的像素。

本发明的优点：

本发明充分吸收前人的研究成果，综合利用Himawari8数据多波段的特性，采用多波段阈值法，火点识别精准快速，误报率低；本发明与目前技术相比，所用数据不同，提取模型不同。

本发明为了进一步完善森林火灾的无死角、全天候、实时监控，为实现“预防为主、积极消灭”和“打早、打小、打了”的目标，保护和培育森林资源，优化生态环境。采用高频次气象卫星监测大范围森林火险，能有效解决常规地面监测方法监控范围小和覆盖程度低的缺点。

除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1是本发明的一种基于Himawari8的火点监测算法流程图；

图2是本发明的一种基于Himawari8的火点监测算法疑似火点判别的流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参考图1，如图1所示，一种基于Himawari8的火点监测算法，包括以下步骤：

S1，使用5×5像素的内核计算平均亮度温度，T_b7bg＝平均值T_b7，5 ×5像素无云像素的内核小于20％，将逐渐扩展到7×7,9×9，...，51× 51；如果仍然无法达到无云像素小于20％的标准，则将像素排除在计算之外并标记为非火点像素；此前的计算需要确定并去除云，水体和其他可疑火像素；识别高温可疑像素的条件如下式所定义：

T_b7>313或δb7<2；

其中T_b7是波段7的亮度温度值，是对波段7进行辐射定标后然后利用普朗克公式的反函数推算得到对应的亮度温度；δ_b7是波段7的内核像素的标准差；

S2，为了确认火点像元，如果像元满足以下条件，则将像元初始识别为火点像元：

T_b7-T_b13＜N₁；

其中T_b7是内核中波段7的亮度温度值，T_b13是内核中波段13的亮度温度值；N₁, N₂是背景系数，该系数随不同地区和时间而变化；在北方区域设置为N₁＝4, N₂＝2.5；

S3，利用近红外B4波段和可见光B3波段对疑似火点进行二次审查，具体包括：

S31，潜在火点判断：

S32，火点判断：

其中μb3和δb3表示背景窗的平均值和标准平方差，在这个模型中背景窗口的范围大小可以从3×3到15×15，这个主要取决于背景窗口中的非潜在火点是不是高于25％；此模型中的关键在于背景窗口的选择，以实际情况作为依据来选取范围大小；如果背景窗口范围太小，会使得大火灾中的像元漏掉，如果范围太大精度有可能达不到；背景窗：也就是以目标像素为中心的从3×3到15×15不等的周围像素集合；

Tb3：指波段3反演后的亮温值；

Tb4：指波段4反演后的亮温值；

N:为背景系数，该系数随监测的不同区域、不同时间以及不同角度均随时变化；对于北方地区可设为2，南方地区可设为3.5；

S4，采用相邻时段的两景影像进行最终的确认；采用第七波段， (B7new-B7old)/(B7new+B7old)<0.3；

其中B7new指当前时间影像的第七波段影像，B7old指十分钟前，也就是上一个时间段的第七波段影像。

所述步骤S1中的：

Himawari8:日本气象卫星葵花八号；

背景像素：指区别于火点像素的普通地物所代表的像素；

内核：指计算所采用的像素点集合，5×5像素指计算指定像素的平均亮度温度取周围的25个像素计算；

平均亮度温度：指按内核计算后的像素亮度温度；

背景亮度温度：是平均亮度温度的一类，指不超过阈值的非火点的像素的亮度温度；

像元：也能描述为像素，指遥感成像的最小单位；

无云像素：指前期图像预处理标记为不含云的像素。

图2是本发明的一种基于Himawari8的火点监测算法疑似火点判别的流程图，其中：

Tbb：亮度温度；

std：标准差；

I4：第7波段；

IR：第13波段。

本发明充分利用Himawari8多光谱特性，采用多重阈值加上下文综合模型，可以有效减少误差火点的报警频率。

首先是利用传感器中红外通道对高温火点辐射的高度吸收来区分疑似火点与非火点。然后是利用可见光通道的反射率和近红外通道的反射率组合来进一步排除干扰。

本发明充分吸收前人的研究成果，综合利用Himawari8数据多波段的特性，采用多波段阈值法，火点识别精准快速，误报率低；本发明与目前技术相比，所用数据不同，提取模型不同。

本发明为了进一步完善森林火灾的无死角、全天候、实时监控，为实现“预防为主、积极消灭”和“打早、打小、打了”的目标，保护和培育森林资源，优化生态环境。采用高频次气象卫星监测大范围森林火险，能有效解决常规地面监测方法监控范围小和覆盖程度低的缺点。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于Himawari8的火点监测算法，其特征在于，包括以下步骤：

S1，使用5×5像素的内核计算平均亮度温度，T_b7bg＝平均值T_b7，5×5像素无云像素的内核小于20％，将逐渐扩展到7×7,9×9，...，51×51；如果仍然无法达到无云像素小于20％的标准，则将像素排除在计算之外并标记为非火点像素；此前的计算需要确定并去除云，水体和其他可疑火像素；识别高温可疑像素的条件如下式所定义：

T_b7>313或δ_b7<2；

其中T_b7是波段7的亮度温度值，是对波段7进行辐射定标后然后利用普朗克公式的反函数推算得到对应的亮度温度；δ_b7是波段7的内核像素的标准差；

S2，为了确认火点像元，如果像元满足以下条件，则将像元初始识别为火点像元：

T_b7-T_b13＜N₁；

其中T_b7是内核中波段7的亮度温度值，T_b13是内核中波段13的亮度温度值；N₁, N₂是背景系数，该系数随不同地区和时间而变化；在北方区域设置为N₁＝4, N₂＝2.5；

S3，利用近红外B4波段和可见光B3波段对疑似火点进行二次审查，具体包括：

S31，潜在火点判断：

S32，火点判断：

其中μb3和δb3表示背景窗的平均值和标准平方差，在这个模型中背景窗口的范围大小从3×3到15×15，这个主要取决于背景窗口中的非潜在火点是不是高于25％；此模型中的关键在于背景窗口的选择，以实际情况作为依据来选取范围大小；如果背景窗口范围太小，会使得大火灾中的像元漏掉，如果范围太大精度达不到；背景窗：也就是以目标像素为中心的从3×3到15×15不等的周围像素集合；

Tb3：指波段3反演后的亮温值；

Tb4：指波段4反演后的亮温值；

N:为背景系数，该系数随监测的不同区域、不同时间以及不同角度均随时变化；对于北方地区设为2，南方地区设为3.5；

S4，采用相邻时段的两景影像进行最终的确认；采用第七波段，(B7new-B7old)/(B7new+B7old)<0.3；

其中B7new指当前时间影像的第七波段影像，B7old指十分钟前，也就是上一个时间段的第七波段影像。

2.根据权利要求1所述的基于Himawari8的火点监测算法，其特征在于，所述步骤S1中的：

Himawari8:日本气象卫星葵花八号；

背景像素：指区别于火点像素的普通地物所代表的像素；

内核：指计算所采用的像素点集合，5×5像素指计算指定像素的平均亮度温度取周围的25个像素计算；

平均亮度温度：指按内核计算后的像素亮度温度；

背景亮度温度：是平均亮度温度的一类，指不超过阈值的非火点的像素的亮度温度；

像元：也能描述为像素，指遥感成像的最小单位；

无云像素：指前期图像预处理标记为不含云的像素。

Images