CN109509319A - 基于静止卫星监测资料的输电线路山火监测预警方法 - Google Patents
基于静止卫星监测资料的输电线路山火监测预警方法 Download PDFInfo
- Publication number
- CN109509319A CN109509319A CN201811640913.4A CN201811640913A CN109509319A CN 109509319 A CN109509319 A CN 109509319A CN 201811640913 A CN201811640913 A CN 201811640913A CN 109509319 A CN109509319 A CN 109509319A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- pixel
- transmission line
- inverting
- surface temperature
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 97
- 230000005540 biological transmission Effects 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 50
- 239000000463 material Substances 0.000 title claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 230000005611 electricity Effects 0.000 claims description 57
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 7
- 230000002776 aggregation Effects 0.000 claims description 6
- 238000004220 aggregation Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000004148 unit process Methods 0.000 claims description 3
- 239000002689 soil Substances 0.000 claims description 2
- 238000007689 inspection Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013506 data mapping Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012731 temporal analysis Methods 0.000 description 2
- 238000000700 time series analysis Methods 0.000 description 2
- 241000132092 Aster Species 0.000 description 1
- 239000002154 agricultural waste Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 239000010902 straw Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000005619 thermoelectricity Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/005—Fire alarms; Alarms responsive to explosion for forest fires, e.g. detecting fires spread over a large or outdoors area
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
Abstract
本发明提供一种基于静止卫星监测资料的输电线路山火监测预警方法,包括以下步骤:确定地貌图片每个像元所对应的土地覆盖类型,以及,计算输电线路单元权重;实时确定监测区域在监测时刻的大气廓线;确定卫星在相邻通道分别测得的地面亮温值;计算每个像元对应的反演的地表温度;在得到每个像元的反演的地表温度后,将每个像元的反演的地表温度标记于地貌图片上,对地貌图片上反演的地表温度的分布进行集中分析,从而进行山火监测预警。优点为:本发明提供的基于静止卫星监测资料的输电线路山火监测预警方法,能够提高反演的地表温度的精度,因此,根据反演的地表温度进行山火监测预警时,能有效提高山火监测预警的准确性。
Description
技术领域
本发明属于山火监测预警技术领域,具体涉及一种基于静止卫星监测资料的输电线路山火监测预警方法。
背景技术
近年来,随着全球气候变暖,极端天气频发,我国内陆地区在春秋季节有越来越多的高温晴天天气;同时我国作为农业大国,自古就有焚烧秸秆等农业废弃物的传统;虽然我国严厉禁止,游客上山旅游时携带任何火源,但是在部分人迹罕至的地区监管会松懈,部分游客失误导致山火发生。随着我国退耕还林政策的实施,山区植被保护越来越好,一旦发生山火将会迅速蔓延,如果不能及时扑灭,导致输电线路山火跳闸,严重威胁电网的安全稳定运行。
因此,目前急需一种能够准确的对输电线路进行山火监测预警的方法,从而降低山火对输电线路等电网资源造成的灾害性影响。
发明内容
针对现有技术存在的缺陷,本发明提供一种基于静止卫星监测资料的输电线路山火监测预警方法,可有效解决上述问题。
本发明采用的技术方案如下:
本发明提供一种基于静止卫星监测资料的输电线路山火监测预警方法,包括以下步骤:
步骤1,确定地貌图片每个像元所对应的土地覆盖类型,以及,计算输电线路单元权重;包括以下步骤:
步骤1.1,获取监测区域的历史火点监测数据;其中,所述历史火点监测数据包括火点经纬度位置、火点发生火灾的时间以及火点发生火灾的火势;
步骤1.2,获取监测区域的地貌图片;对所述地貌图片进行栅格化处理,得到栅格化图片;其中,每个栅格称为一个像元;
步骤1.3,分析每个所述像元的颜色分布,根据所述像元的颜色分布情况,标记每个所述像元对应的土地覆盖类型,得到已标记土地覆盖类型的地貌图片;
步骤1.4,将步骤1.1得到的所述历史火点监测数据,标记到步骤1.3得到的已标记土地覆盖类型的地貌图片的对应位置;
步骤1.5,将输电线路结合到步骤1.4得到的地貌图片上;因此,所述输电线路经过若干个像元,所述输电线路按照像元栅格化的方法,划分为若干节输电线路单元;每个所述输电线路单元对应一个像元;
步骤1.6,对于每个输电线路单元,采用下述方式计算输电线路单元权重;
输电线路单元权重,与输电线路单元经过的像元所属的土地覆盖类型的等级、输电线路单元周围火点的聚集程度、输电线路单元周围火点的火势成正比;
即:输电线路单元经过的像元所属的土地覆盖类型的等级越高,输电线路单元周围火点的聚集程度越高,输电线路单元周围火点的火势越大,则输电线路单元权重越高,代表该输电线路单元发生火灾的危险性越大;
步骤2,实时确定监测区域在监测时刻的大气廓线,包括以下步骤:
步骤2.1,对监测区域进行卫星遥感监测,实时获取监测区域的卫星遥感图片;
步骤2.2,对所述卫星遥感图片进行栅格化处理,栅格化为多个像元;
步骤2.3,对每个所述像元进行色彩分析,确定每个所述像元的星上亮温数据;
步骤2.4,根据各个所述像元的星上亮温数据及初始的气象要素,模拟得到监测时刻的大气状态;
步骤2.5,预建立大气状态与大气廓线的映射关系表;因此,查找所述大气廓线的映射关系表,得到与监测时刻的大气状态对应的监测时刻的大气廓线;
步骤3,确定卫星在相邻通道分别测得的地面亮温值,分别为Ti和Tj;其中,Ti为卫星第1通道检测到的第1通道地面亮温值;Tj为卫星第2道检测到的第2通道地面亮温值;
步骤4,根据每个像元对应的土地覆盖类型、经过的输电线路单元权重、在监测时刻的大气廓线、第1通道地面亮温值Ti和第2通道地面亮温值Tj,采用下式计算每个像元对应的反演的地表温度;
其中:
Ts为反演的地表温度,为待求值;
C为修正系数,是迭代变化的变量;在本次计算得到反演的地表温度后,根据反演的地表温度与地表温度实际观测值的偏差,以及,根据像元对应的输电线路单元权重确定修正系数C的大小;如果反演的地表温度与地表温度实际观测值的偏差越大,像元对应的输电线路单元权重越高,则修正系数C越大;
A1,A2,A3,B1,B2,B3和D为劈窗算法回归系数,根据所述像元对应的土地覆盖类型和在监测时刻的大气廓线确定;
ε=(ε1+ε2)/2,Δε=ε1–ε2:其中,ε1为第1通道的地表发射率,ε2为第2通道的地表发射率,与土地覆盖类型相关;Δε为第1通道的地表发射率和第2通道的地表发射率的差值;ε为第1通道的地表发射率和第2通道的地表发射率的平均值;
Ti为第1通道地面亮温值;Tj为第2通道地面亮温值;
步骤5,在得到每个像元的反演的地表温度后,将每个像元的反演的地表温度标记于步骤1.5得到的地貌图片上,对地貌图片上反演的地表温度的分布进行集中分析,如果某个区域的各个反演的地表温度普遍高于第1阈值,表明该区域正在发生火灾,进行报警;如果某个区域的各个反演的地表温度普遍低于第1阈值,但高于第2阈值,表明该区域将要发生火灾,进行预警,如果某个区域的各个反演的地表温度普遍低于第2阈值,表明该区域没有火灾灾情,不进行预警。
优选的,步骤1.3中,所述土地覆盖类型包括:荒漠地带、水体地带、植被区。
优选的,步骤4中,A1,A2,A3,B1,B2,B3和D为劈窗算法回归系数,为变量,每次进行像元的反演的地表温度预测后,后续根据反演的地表温度与地表温度实际观测值的偏差,修正劈窗算法回归系数。
本发明提供的基于静止卫星监测资料的输电线路山火监测预警方法具有以下优点:
本发明提供的基于静止卫星监测资料的输电线路山火监测预警方法,能够提高反演的地表温度的精度,因此,根据反演的地表温度进行山火监测预警时,能有效提高山火监测预警的准确性。
附图说明
图1为本发明提供的基于静止卫星监测资料的输电线路山火监测预警方法的流程示意图。
具体实施方式
为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白,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用以解释本发明,并不用于限定本发明。
电力部门的输电线路主要是在野外,山火爆发非常快,因此火点监测中数据计算速度和传输速度都会影响最终的输电线路的损耗和山火扑灭的速度。针对电力部门,传统的火点监测方法主要存在四个不足:1、受制于工作单位不同,气象部门和电力部门无法开展深度合作,往往气象等部门监测到火点,但是无法及时传达给对应的电力部门进行输电线路的保护;2、计算资源有限,传统的火点监测方法对监测区域一视同仁,无法突出重点区域;3、受制于算法计算精度,传统火点监测存在精度上不准,会有漏报和误报情况;4、利用单一数据源进行观测分析可能会误报。
本发明提供一种基于静止卫星监测资料的输电线路山火监测预警方法,本发明属于电力系统防灾减灾技术领域,涉及一种利用静止卫星对输电线路的山火进行检测和预警的方法,可有效解决上述问题,包括:1、针对信息传递中出现的问题,本发明将引入电力部门对应的信息,更快的分辨出对应的电力负责单位,确保信息准确快速的传递;2、针对计算资源的问题,本发明利用区域划分和更新算法的方式进行修正;3、针对单一数据源可能出现误报的情况,本发明引入多个卫星数据源,同时结合人工订正,确保监测的火点信息正确。
本发明提供一种基于静止卫星监测资料的输电线路山火监测预警方法,包括历史数据处理及标记分类、引入电网信息、算法更新、交叉验证等部分构成。
参考图1,具体包括以下步骤:
步骤1,确定地貌图片每个像元所对应的土地覆盖类型,以及,计算输电线路单元权重;包括以下步骤:
步骤1.1,获取监测区域的历史火点监测数据;其中,所述历史火点监测数据包括火点经纬度位置、火点发生火灾的时间以及火点发生火灾的火势;
步骤1.2,获取监测区域的地貌图片;对所述地貌图片进行栅格化处理,得到栅格化图片;其中,每个栅格称为一个像元;
步骤1.3,分析每个所述像元的颜色分布,根据所述像元的颜色分布情况,标记每个所述像元对应的土地覆盖类型,得到已标记土地覆盖类型的地貌图片;
其中,土地覆盖类型包括:荒漠地带、水体地带、植被区等。不同的土地覆盖类型对应不同的火灾发生几率,例如,植被区发生火灾的几率较高,而水体地带发生火灾的几率低等。
步骤1.1-步骤1.3,属于历史数据处理及标记分类步骤。主要是针对历史火点监测数据的处理和分类。基于MODIS、FLY-3和Himawari08的历史监测数据以及地面监测数据,对监测区域的每个像元的处理结果进行标记,标记可以分为41种,分为5种类,包括非观测区、非植被区(即无植被区,如荒漠地带、江河湖泊等内陆水体、海洋等)、非有效检测区(如太阳耀斑区、低温区、圆盘图边缘区等)、云区、火电类型(包括亚像元火点估算方式,如双通道、中红外单通道、远红外单通等)。
本发明参考MODIS土地覆盖类型的5种分类标准:第一类土地覆盖是国际地圈生物圈计划(IGBP)全球分类方案;第二个土地覆盖为马里兰大学(UMD)植被分类方案;第三类土地覆盖为MODIS提取叶面积指数/光合有效辐射分量(LAI/fPAR)方案;第四类土地覆盖为MODIS提取净第一生产力(NPP)方案;第五类土地覆盖为植被功能型(PFT)分类方案。5种分类方案互相补充,极大的完善了单一土地分类的不足,同时本技术方案还增加了未分类区,用以未来土地利用类型变化及分类错误的修正。
步骤1.4,将步骤1.1得到的所述历史火点监测数据,标记到步骤1.3得到的已标记土地覆盖类型的地貌图片的对应位置;
步骤1.5,将输电线路结合到步骤1.4得到的地貌图片上;因此,所述输电线路经过若干个像元,所述输电线路按照像元栅格化的方法,划分为若干节输电线路单元;每个所述输电线路单元对应一个像元;
步骤1.6,对于每个输电线路单元,采用下述方式计算输电线路单元权重;
输电线路单元权重,与输电线路单元经过的像元所属的土地覆盖类型的等级、输电线路单元周围火点的聚集程度、输电线路单元周围火点的火势成正比;
即:输电线路单元经过的像元所属的土地覆盖类型的等级越高,输电线路单元周围火点的聚集程度越高,输电线路单元周围火点的火势越大,则输电线路单元权重越高,代表该输电线路单元发生火灾的危险性越大;
具体的,将监测区域的土地覆盖类型分类完毕后,本技术方案引入电网输电线路信息。引入电网输电线路信息主要是为了解决在数据传输过程中的无效时间损耗。传统的火点监测分类中只会记录火点的经纬度信息,本技术方案会根据火点的经纬度信息以及分类信息与相对应的电力信息融合,随后将火点的位置实时发送给相对应的电力和气象部门,实现信息的高效传递。考虑到计算资源的问题,基于土地覆盖类型的分类结果,不同的监测区域将会给予不同的权重用以反演计算。例如,处于混交林区域的计算量级要优先于处于草原的监测区域;城市和建成区监测区域的计算量级要优于裸地或低植被覆盖地监测区域。
步骤2,实时确定监测区域在监测时刻的大气廓线,包括以下步骤:
步骤2.1,对监测区域进行卫星遥感监测,实时获取监测区域的卫星遥感图片;
利用卫星遥感技术可以快速的监测山火的发生和动态变化,进行准确的预警和山火扑救。
步骤2.2,对所述卫星遥感图片进行栅格化处理,栅格化为多个像元;
步骤2.3,对每个所述像元进行色彩分析,确定每个所述像元的星上亮温数据;
步骤2.4,根据各个所述像元的星上亮温数据及初始的气象要素,模拟得到监测时刻的大气状态;
步骤2.5,预建立大气状态与大气廓线的映射关系表;因此,查找所述大气廓线的映射关系表,得到与监测时刻的大气状态对应的监测时刻的大气廓线;
具体的实现方式为:
(1)根据卫星遥感传感器的通道响应函数,利用大气辐射传输模型模拟不同大气和地表状况下的星上亮温数据,即:得到大气和地表状况与星上亮温数据的对应关系;
(2)利用拓扑学挑选法国动力气象实验室建立的大气廓线数据库TIGR2000(Thermodynamic Initial Guess Retrieval database),其中包含2311条大气廓线,具有很好的代表性;
(3)根据大气和地表状况与星上亮温数据的对应关系,查找大气廓线数据库,得到与星上亮温数据对应的大气廓线;
(4)建立模拟数据库,利用最小二乘拟合多元线性回归,按照劈窗算法模型建立大气廓线和劈窗算法系数的关系,进而得到与监测时刻的大气廓线和地表状况对应的劈窗算法系数;其中,地表状况即为土地覆盖类型。
步骤3,确定卫星在相邻通道分别测得的地面亮温值,分别为Ti和Tj;其中,Ti为卫星第1通道检测到的第1通道地面亮温值;Tj为卫星第2道检测到的第2通道地面亮温值;
步骤4,根据每个像元对应的土地覆盖类型、经过的输电线路单元权重、在监测时刻的大气廓线、第1通道地面亮温值Ti和第2通道地面亮温值Tj,采用下式计算每个像元对应的反演的地表温度;
其中:
Ts为反演的地表温度,为待求值;
C为修正系数,是迭代变化的变量;在本次计算得到反演的地表温度后,根据反演的地表温度与地表温度实际观测值的偏差,以及,根据像元对应的输电线路单元权重确定修正系数C的大小;如果反演的地表温度与地表温度实际观测值的偏差越大,像元对应的输电线路单元权重越高,则修正系数C越大;
A1,A2,A3,B1,B2,B3和D为劈窗算法回归系数,根据所述像元对应的土地覆盖类型和在监测时刻的大气廓线确定;其中,A1,A2,A3,B1,B2,B3和D为变量,每次进行像元的反演的地表温度预测后,后续根据反演的地表温度与地表温度实际观测值的偏差,修正劈窗算法回归系数。
ε=(ε1+ε2)/2,Δε=ε1–ε2:其中,ε1为第1通道的地表发射率,ε2为第2通道的地表发射率,与土地覆盖类型相关;Δε为第1通道的地表发射率和第2通道的地表发射率的差值;ε为第1通道的地表发射率和第2通道的地表发射率的平均值;
Ti为第1通道地面亮温值;Tj为第2通道地面亮温值;
具体的,土地覆盖类型的分类及系统搭建完成后,本技术方案将着力提高火点监测的精度问题。要提高精度,首先要在算法上有所创新。本技术方案将利用劈窗算法反演的地表温度,其基本原理是:利用10—13μm大气窗口内的两个相邻通道(一般为10.5—11.5μm和11.5—12.5μm)对大气吸收作用的不同(尤其对大气水汽吸收作用的差异),通过两个相邻通道所测得的地面亮温值的线性组合或二次多项式组合来反演的地表温度。
在上面公式中,增加二次项D(Ti-Tj)2提高计算精度。
步骤5,在得到每个像元的反演的地表温度后,将每个像元的反演的地表温度标记于步骤1.5得到的地貌图片上,对地貌图片上反演的地表温度的分布进行集中分析,如果某个区域的各个反演的地表温度普遍高于第1阈值,表明该区域正在发生火灾,进行报警;如果某个区域的各个反演的地表温度普遍低于第1阈值,但高于第2阈值,表明该区域将要发生火灾,进行预警,如果某个区域的各个反演的地表温度普遍低于第2阈值,表明该区域没有火灾灾情,不进行预警。
本发明除了改进算法提高反演的精度外,本技术方案还增加单独的检验模块来保证反演温度的精度。本技术方案提供三种检验方法,一种是基于辐亮度的检验方法,一种是交叉比较,最后一种是时间序列分析。
基于辐亮度检验的方法为通过地面数据模拟地表辐射能量经过大气传输到达传感器这一过程,并通过此过程获得了多个站点地表温度相对“真值”,并以此对地表温度产品进行了检验。交叉比较的方法则是在没有大气轮廓线的情况下使用已知多个精度的地表温度产品进行产品间的交叉比较检验。本技术方案中交叉比较中主要的比较对象级参考数据为:MODIS和ASTER、FY-3A VIRR和MOD11_12、COMS和MD11_L2、AVHRR和Landsat。时间序列分析方法则是选取较长时段的反演的地表温度,分析自身表现的时序特征。
三种方法各有优劣,其中基于辐亮度的检验方法检验精度较高,同时能表现地表温度反演算法存在的问题;交叉比较的方法则比较简单,成本较低;时间序列分析的方法则能检验出传感器定标等问题。
针对不同的算法反演的地表温度,本技术方案主要采用标准偏差(SD,计算公式为其中Ti为反演的地表温度,为真实地表温度,N为参与计算的样本总数。)衡量不同的算法反演的地表温度的精度。
采用本发明方法对比QIN算法反演的地表温度与实际地表温度的偏差发现,当地表温度温度小于275K时,Qin算法的标准偏差为0.15K,本发明方法的标准偏差为0.08K;当地表温度大于275K时,Qin算法的标准偏差为0.14K,本发明方法的标准偏差为0.10K;整体来看Qin算法的标准偏差为0.14K,本发明方法的标准偏差为0.12K。以标准偏差为衡量,本发明方法的精度要大于Qin算法的精度。
本发明提供一种基于静止卫星监测资料的输电线路山火监测预警方法,具有以下创新:
本发明首先利用多种地表覆盖分类方案,对历史观测地表温度数据进行分类突出重点区域;其次引入电网信息,提高信息传递效率;然后改进反演算法提高反演的地表温度精度;最后通过多种检验方法保证反演的地表温度的精度。
具体的:本发明利用土地覆盖分类方案对监测区域进行分类,突出重点观测区域,优先对该区域进行观测及反演,保证了计算资源的高效使用。
本发明引入电网信息,可以实现观测到火点后立刻通知到相对应的电力部门,保证了数据传输的高效,避免因为数据传递导致的时间延误。
本发明引入修正项,改进了反演算法,提高了反演的地表温度的精度,使得观测的温度信息更加准确,提高了观测的准确率。
本发明引入多种检验方法,保证数据精度,同时多种检验方法交替使用,可以保证数据检验的效率和准确度,并且可以发现传感器等非反演问题导致的数据失真等。
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本发明的保护范围。
Claims (3)
1.一种基于静止卫星监测资料的输电线路山火监测预警方法,其特征在于,包括以下步骤:
步骤1,确定地貌图片每个像元所对应的土地覆盖类型,以及,计算输电线路单元权重;包括以下步骤:
步骤1.1,获取监测区域的历史火点监测数据;其中,所述历史火点监测数据包括火点经纬度位置、火点发生火灾的时间以及火点发生火灾的火势;
步骤1.2,获取监测区域的地貌图片;对所述地貌图片进行栅格化处理,得到栅格化图片;其中,每个栅格称为一个像元;
步骤1.3,分析每个所述像元的颜色分布,根据所述像元的颜色分布情况,标记每个所述像元对应的土地覆盖类型,得到已标记土地覆盖类型的地貌图片;
步骤1.4,将步骤1.1得到的所述历史火点监测数据,标记到步骤1.3得到的已标记土地覆盖类型的地貌图片的对应位置;
步骤1.5,将输电线路结合到步骤1.4得到的地貌图片上;因此,所述输电线路经过若干个像元,所述输电线路按照像元栅格化的方法,划分为若干节输电线路单元;每个所述输电线路单元对应一个像元;
步骤1.6,对于每个输电线路单元,采用下述方式计算输电线路单元权重;
输电线路单元权重,与输电线路单元经过的像元所属的土地覆盖类型的等级、输电线路单元周围火点的聚集程度、输电线路单元周围火点的火势成正比;
即:输电线路单元经过的像元所属的土地覆盖类型的等级越高,输电线路单元周围火点的聚集程度越高,输电线路单元周围火点的火势越大,则输电线路单元权重越高,代表该输电线路单元发生火灾的危险性越大;
步骤2,实时确定监测区域在监测时刻的大气廓线,包括以下步骤:
步骤2.1,对监测区域进行卫星遥感监测,实时获取监测区域的卫星遥感图片;
步骤2.2,对所述卫星遥感图片进行栅格化处理,栅格化为多个像元;
步骤2.3,对每个所述像元进行色彩分析,确定每个所述像元的星上亮温数据;
步骤2.4,根据各个所述像元的星上亮温数据及初始的气象要素,模拟得到监测时刻的大气状态;
步骤2.5,预建立大气状态与大气廓线的映射关系表;因此,查找所述大气廓线的映射关系表,得到与监测时刻的大气状态对应的监测时刻的大气廓线;
步骤3,确定卫星在相邻通道分别测得的地面亮温值,分别为Ti和Tj;其中,Ti为卫星第1通道检测到的第1通道地面亮温值;Tj为卫星第2道检测到的第2通道地面亮温值;
步骤4,根据每个像元对应的土地覆盖类型、经过的输电线路单元权重、在监测时刻的大气廓线、第1通道地面亮温值Ti和第2通道地面亮温值Tj,采用下式计算每个像元对应的反演的地表温度;
其中:
Ts为反演的地表温度,为待求值;
C为修正系数,是迭代变化的变量;在本次计算得到反演的地表温度后,根据反演的地表温度与地表温度实际观测值的偏差,以及,根据像元对应的输电线路单元权重确定修正系数C的大小;如果反演的地表温度与地表温度实际观测值的偏差越大,像元对应的输电线路单元权重越高,则修正系数C越大;
A1,A2,A3,B1,B2,B3和D为劈窗算法回归系数,根据所述像元对应的土地覆盖类型和在监测时刻的大气廓线确定;
ε=(ε1+ε2)/2,Δε=ε1–ε2:其中,ε1为第1通道的地表发射率,ε2为第2通道的地表发射率,与土地覆盖类型相关;Δε为第1通道的地表发射率和第2通道的地表发射率的差值;ε为第1通道的地表发射率和第2通道的地表发射率的平均值;
Ti为第1通道地面亮温值;Tj为第2通道地面亮温值;
步骤5,在得到每个像元的反演的地表温度后,将每个像元的反演的地表温度标记于步骤1.5得到的地貌图片上,对地貌图片上反演的地表温度的分布进行集中分析,如果某个区域的各个反演的地表温度普遍高于第1阈值,表明该区域正在发生火灾,进行报警;如果某个区域的各个反演的地表温度普遍低于第1阈值,但高于第2阈值,表明该区域将要发生火灾,进行预警,如果某个区域的各个反演的地表温度普遍低于第2阈值,表明该区域没有火灾灾情,不进行预警。
2.根据权利要求1所述的基于静止卫星监测资料的输电线路山火监测预警方法,其特征在于,步骤1.3中,所述土地覆盖类型包括:荒漠地带、水体地带、植被区。
3.根据权利要求1所述的基于静止卫星监测资料的输电线路山火监测预警方法,其特征在于,步骤4中,A1,A2,A3,B1,B2,B3和D为劈窗算法回归系数,为变量,每次进行像元的反演的地表温度预测后,后续根据反演的地表温度与地表温度实际观测值的偏差,修正劈窗算法回归系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811640913.4A CN109509319B (zh) | 2018-12-29 | 2018-12-29 | 基于静止卫星监测资料的输电线路山火监测预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811640913.4A CN109509319B (zh) | 2018-12-29 | 2018-12-29 | 基于静止卫星监测资料的输电线路山火监测预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109509319A true CN109509319A (zh) | 2019-03-22 |
CN109509319B CN109509319B (zh) | 2020-06-30 |
Family
ID=65755898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811640913.4A Active CN109509319B (zh) | 2018-12-29 | 2018-12-29 | 基于静止卫星监测资料的输电线路山火监测预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109509319B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110009031A (zh) * | 2019-03-29 | 2019-07-12 | 云南电网有限责任公司电力科学研究院 | 一种基于多源遥感数据的卫星山火火点二次筛选方法 |
CN111090715A (zh) * | 2019-12-26 | 2020-05-01 | 象辑知源(武汉)科技有限公司 | 卫星遥感火点监测系统 |
CN111445011A (zh) * | 2020-04-01 | 2020-07-24 | 成都思晗科技股份有限公司 | 一种基于气象和遥感数据的山火预警方法 |
CN111460733A (zh) * | 2020-04-01 | 2020-07-28 | 成都卡普数据服务有限责任公司 | 一种基于深度学习的山火预警方法 |
CN112487346A (zh) * | 2020-10-26 | 2021-03-12 | 中国农业科学院农业资源与农业区划研究所 | 一种山地地表温度遥感反演方法 |
CN114216563A (zh) * | 2021-11-16 | 2022-03-22 | 青岛星科瑞升信息科技有限公司 | 一种阈值自动生成的火灾遥感监测方法 |
CN116047546A (zh) * | 2022-07-07 | 2023-05-02 | 北京玖天气象科技有限公司 | 基于多源卫星数据的山火监测方法 |
CN117197680A (zh) * | 2023-08-20 | 2023-12-08 | 国网湖北省电力有限公司神农架供电公司 | 基于多源卫星数据的输配电森林火灾监控方法、监控装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455804A (zh) * | 2013-09-16 | 2013-12-18 | 国家电网公司 | 一种基于动态阈值的输电线路山火卫星火点辨识方法 |
CN103942912A (zh) * | 2014-05-09 | 2014-07-23 | 国家电网公司 | 一种基于亮温值分析的输电线路山火精细化定位方法 |
WO2017032210A1 (zh) * | 2015-08-24 | 2017-03-02 | 国家电网公司 | 一种基于聚类分析的输电线路山火风险区域划分方法 |
CN106503480A (zh) * | 2016-12-14 | 2017-03-15 | 中国科学院遥感与数字地球研究所 | 一种静止卫星火灾遥感监测方法 |
CN107424078A (zh) * | 2016-12-14 | 2017-12-01 | 云南电网有限责任公司电力科学研究院 | 基于卫星遥感的火点数据导致输电线路闪络的计算方法 |
CN108846987A (zh) * | 2018-06-28 | 2018-11-20 | 武汉智网兴电科技开发有限公司 | 一种基于北斗卫星传输系统的输电线路山火系统 |
-
2018
- 2018-12-29 CN CN201811640913.4A patent/CN109509319B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455804A (zh) * | 2013-09-16 | 2013-12-18 | 国家电网公司 | 一种基于动态阈值的输电线路山火卫星火点辨识方法 |
CN103942912A (zh) * | 2014-05-09 | 2014-07-23 | 国家电网公司 | 一种基于亮温值分析的输电线路山火精细化定位方法 |
WO2017032210A1 (zh) * | 2015-08-24 | 2017-03-02 | 国家电网公司 | 一种基于聚类分析的输电线路山火风险区域划分方法 |
CN106503480A (zh) * | 2016-12-14 | 2017-03-15 | 中国科学院遥感与数字地球研究所 | 一种静止卫星火灾遥感监测方法 |
CN107424078A (zh) * | 2016-12-14 | 2017-12-01 | 云南电网有限责任公司电力科学研究院 | 基于卫星遥感的火点数据导致输电线路闪络的计算方法 |
CN108846987A (zh) * | 2018-06-28 | 2018-11-20 | 武汉智网兴电科技开发有限公司 | 一种基于北斗卫星传输系统的输电线路山火系统 |
Non-Patent Citations (1)
Title |
---|
陆佳政等: "输电线路山火卫星监测与告警算法研究", 《中国电机工程学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110009031A (zh) * | 2019-03-29 | 2019-07-12 | 云南电网有限责任公司电力科学研究院 | 一种基于多源遥感数据的卫星山火火点二次筛选方法 |
CN110009031B (zh) * | 2019-03-29 | 2023-09-01 | 云南电网有限责任公司电力科学研究院 | 一种基于多源遥感数据的卫星山火火点二次筛选方法 |
CN111090715A (zh) * | 2019-12-26 | 2020-05-01 | 象辑知源(武汉)科技有限公司 | 卫星遥感火点监测系统 |
CN111460733A (zh) * | 2020-04-01 | 2020-07-28 | 成都卡普数据服务有限责任公司 | 一种基于深度学习的山火预警方法 |
CN111445011B (zh) * | 2020-04-01 | 2023-07-28 | 成都思晗科技股份有限公司 | 一种基于气象和遥感数据的山火预警方法 |
CN111445011A (zh) * | 2020-04-01 | 2020-07-24 | 成都思晗科技股份有限公司 | 一种基于气象和遥感数据的山火预警方法 |
CN111460733B (zh) * | 2020-04-01 | 2023-10-03 | 成都卡普数据服务有限责任公司 | 一种基于深度学习的山火预警方法 |
CN112487346A (zh) * | 2020-10-26 | 2021-03-12 | 中国农业科学院农业资源与农业区划研究所 | 一种山地地表温度遥感反演方法 |
CN112487346B (zh) * | 2020-10-26 | 2021-07-23 | 中国农业科学院农业资源与农业区划研究所 | 一种山地地表温度遥感反演方法 |
CN114216563A (zh) * | 2021-11-16 | 2022-03-22 | 青岛星科瑞升信息科技有限公司 | 一种阈值自动生成的火灾遥感监测方法 |
CN116047546A (zh) * | 2022-07-07 | 2023-05-02 | 北京玖天气象科技有限公司 | 基于多源卫星数据的山火监测方法 |
CN116047546B (zh) * | 2022-07-07 | 2024-02-27 | 北京玖天气象科技有限公司 | 基于多源卫星数据的山火监测方法 |
CN117197680A (zh) * | 2023-08-20 | 2023-12-08 | 国网湖北省电力有限公司神农架供电公司 | 基于多源卫星数据的输配电森林火灾监控方法、监控装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109509319B (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109509319A (zh) | 基于静止卫星监测资料的输电线路山火监测预警方法 | |
Naud et al. | The relationship between boundary layer stability and cloud cover in the post-cold-frontal region | |
CN105004320A (zh) | 一种高分卫星数据陆表植被覆盖度反演方法及系统 | |
CN107064937A (zh) | 一种双线偏振雷达系统及强雨的测量方法 | |
Yang et al. | The impact analysis of water body landscape pattern on urban heat island: a case study of Wuhan City | |
Li et al. | Estimating monthly average temperature by remote sensing in China | |
Rodriguez-Benitez et al. | Analysis of the intra-day solar resource variability in the Iberian Peninsula | |
Baranowski et al. | Multifractality of meteorological time series for Poland on the base of MERRA-2 data | |
Mengelkamp et al. | Evaporation over a heterogeneous land surface | |
Du et al. | Impact of the Zhalong Wetland on neighboring land surface temperature based on remote sensing and GIS | |
CN113553907A (zh) | 一种基于遥感技术的森林生态环境状况评价方法 | |
CN108874734B (zh) | 一种全球陆地降水反演方法 | |
Karbou et al. | Global 4DVAR assimilation and forecast experiments using AMSU observations over land. Part II: Impacts of assimilating surface-sensitive channels on the African monsoon during AMMA | |
CN114005048A (zh) | 基于多时相数据的土地覆盖变化与热环境影响研究方法 | |
Feng et al. | Reintensification of the anomalous western North Pacific anticyclone during the El Niño Modoki decaying summer: Relative importance of tropical Atlantic and Pacific SST anomalies | |
CN107403004A (zh) | 一种基于地形数据的遥测雨量站点可疑数值检验方法 | |
Guo et al. | Analysis of Driving Force and Driving Mechanism of the Spatial Change of LST Based on Landsat 8 | |
Soleimani et al. | Satellite aerosol optical depth prediction using data mining of climate parameters | |
Mao et al. | A neural-network technique for retrieving land surface temperature from AMSR-E passive microwave data | |
Ding et al. | Monitoring glaciers in the Chenab basin with SBAS InSAR technology | |
Olii et al. | Analysis of spatial distribution of the drought hazard index (DHI) by integration AHP-GIS-remote sensing in Gorontalo Regency | |
Kawai et al. | Characteristics of the satellite-derived sea surface temperature in the oceans around Japan | |
CN117541679B (zh) | 基于样本点个体代表性的森林冠层高度制图方法和系统 | |
CN109406911A (zh) | 一种星载微波传感器低频通道无线电频率干扰检测及校正方法 | |
Oliveira et al. | Multispectral Indices for Wildfire Management |
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 |