CN110009031A - 一种基于多源遥感数据的卫星山火火点二次筛选方法 - Google Patents

Abstract

本申请实施例示出一种基于多源遥感数据的卫星山火火点二次筛选方法，通过遥感卫星获取预设时间内的火点数据，对原始数据进行合并和相交等预处理，获得研究区域的火点数据。在滤除工业火点、城市火点、次级危害火点和无效火点后，得到研究区域的有效火点。最终，判断对输电线路有影响的火点，输出火点验证结果。本申请示出的卫星山火火点二次筛选方法提高了火点判对率，克服了现有卫星识别山火的方法中存在较多的误判的问题，有针对性的解决了山火火点二次甄别的问题，提高了山火火点识别准确率，提升了输电线路山火预警的准确度。

Description

一种基于多源遥感数据的卫星山火火点二次筛选方法

技术领域

本发明涉及卫星遥感应用技术领域，特别是一种基于多源遥感数据的卫星山火火点二次筛选方法。

背景技术

近年来，随着全球气候变暖，极端气候天气频繁发生，我国中南地区在春耕和清明期间，越来越容易发生连续高温晴天天气。同时随着国家“退耕还林”等政策的实施，山区地区植被保持越来越完好，由于输电线走廊经常经过山区和农区，导致输电线路附近山火发生频率呈逐年上升趋势。输电线路山火已经成为当前影响智能电网安全运行的重大隐患，严重时甚至会造成电网崩溃，引发大面积停电。以2013年为例，山火导致电力系统多条输电线路出现故障，500kV及以上线路累计因山火跳闸多达30条次，特别是山火先后导致了特高压±800kV锦苏直流双极相继闭锁，龙政直流极I闭锁、复奉直流双极降压运行等重大事故，而特高压交流1000kV长南I线三次跳闸都是由于线路山火引起。山火已成为近年来威胁特高压线路和大电网安全稳定运行的重大威胁，严重影响人民日常生活和工农业生产。

目前，针对智能电网山火监测与灾害应急处置方法的研究工作大力发展，为满足输电线路山火广域监测的需求，输电线路山火监测需依赖卫星遥感监测技术，目前采用极轨气象卫星，同步气象卫星，高分卫星对输电线路山火进行监测。并且通过中分辨率成像光谱仪卫星(以下简称为MODIS)和苏奥米国家极轨伙伴卫星(以下简称为SUOMI-NPP)数据在监测火点方面都已获得了相当的应用，但是两者在设计和运行上的差异依然会导致火点预测的不一致性。MODIS可以保证每24小时对于指定观测区域进行两次以上的观测，则理论上每天可以获得4次MODIS观测数据。而对某个指定的观测区域，SUOMI-NPP卫星每天则至多可以有两次观测机会。因此对于相同的火点，可能经过多次观测。由于拍摄角度，传感器等区别，对于同一个火点，MODIS和SUOMI-NPP卫星的监测也可能会产生空间上的偏差。

现在卫星监测到的火点数据能够分析计算出经纬度坐标，但是由于并未考虑背景环境信息，很多火点属于工业火点和城市火点，比如工厂火源、烟囱、炉灶火、发电厂等等，在植被、水体覆盖较多的区域火点识别也易受背景环境影响。因此，传统卫星火点识别方法很容易造成误判。为了及时正确的发现输电线路山火火点以便告警，需要对工业用火点，城市火点和异常高温点有着准确的识别能力。而按照传统的计算方法，由于采用固定的阈值，阈值过高会漏判低温用火点，由于没有结合地面地理信息而无法识别工业火点与实际山火，并且仅考虑单一探测通道的信息会将由于太阳反射引起的异常高温点代入火点信息当中，传统的方法不能满足输电线路附近山火实时监测的需求。因此，利用卫星遥感技术获取热点信息之后，还需要对热点进行二次甄别，判别获得的热点是否真的是山火火点。现有的山火火点二次甄别方法一般采用专家打分法，很大程度上依赖于专家经验，难以根据不同地区不同气候不断进行调整，无法满足现有山火监测的准确度要求。

发明内容

本发明的目的在于提供一种基于多源遥感数据的卫星山火火点二次筛选方法，以解现有技术示出的方案存在的技术问题。

本申请实施例示出一种基于多源遥感数据的卫星山火火点二次筛选方法，所述卫星山火火点二次筛选方法包括：

步骤S1：获取预设时间内的数据；

步骤S2：对所述数据进行预处理，获得处理后的数据；

步骤S3：根据所述处理后的数据，滤除工业火点数据，城市火点数据，滤除次级危害火点数据，滤除无效火点数据，获得滤除后的火点数据；

步骤S4：根据所述滤除后的数据，确定对输电线路有影响的火点，输出对输电线路有影响的火点位置。

可选择的，所述获取预设时间内的数据的步骤包括：获得预设时间内的卫星遥感数据火点数据，反演所述预设时间内的卫星遥感数据火点数据，获得反演火点数据；获得预设时间段内的归一化植被覆盖指数数据和归一化建筑指数数据。

可选择的，所述将所述数据进行预处理的步骤包括：对所述反演火点数据进行预处理；对所述归一化植被覆盖指数数据进行预处理；对所述归一化建筑指数数据进行预处理。

可选择的，所述对所述反演火点数据进行预处理的步骤包括：将所述反演火点数据合并，与研究区域做相交，获得研究区域的预设时间内的火点数据。

可选择的，所述对所述归一化植被覆盖指数数据进行预处理的步骤包括：分别对所述归一化植被覆盖指数数据进行拼接、重投影，将拼接、重投影后的归一化植被覆盖指数数据转为TIFF格式；获得预设时间段内的归一化植被覆盖指数数值图，将所述归一化植被覆盖指数数值图转为TIFF格式。

可选择的，所述对所述归一化建筑指数数据进行预处理的步骤包括：分别对所述归一化建筑指数数据进行拼接、重投影，将拼接、重投影后的归一化建筑指数数据转为HDF格式；获得预设时间段内的归一化建筑指数数值图，将所述归一化建筑指数数值图转为TIFF格式。

可选择的，所述滤除工业火点数据，城市火点数据的步骤包括：滤除归一化植被覆盖指数＜0.65的火点数据，滤除归一化建筑指数＞0的火点数据。

可选择的，所述滤除次级危害火点数据的步骤包括：从制作的卫星监测的次级危害火点历史数据库中选取出研究区域在设定时长内重现频率大于或等于设定阈值的火点信息，与所述滤除城市火点数据进行对比，筛除次级危害火点。

可选择的，所述滤除无效火点数据的步骤包括：检测火点烟雾的形状，滤除具有烟囱效应的无效火点；检测火点气体成分，滤除占二氧化碳和水蒸汽低于烟雾成分的90％的火点数据。

可选择的，所述确定对输电线路有影响的火点的步骤包括：如果所述滤除后的火点数据中的某一火点与输电线路的距离＜2km，则输出对输电线路有影响的火点位置。

本申请实施例示出一种基于多源遥感数据的卫星山火火点二次筛选方法，提高了火点判对率，通过NDVI指数滤除工业火点，通过NDBI指数滤除城市火点，通过历史数据滤除次级危害火点，通过烟雾特征滤除无效火点，克服了现有卫星识别山火的方法中存在较多的误判的问题，有针对性的解决了山火火点二次甄别的问题，提高了山火火点识别准确率，提升了输电线路山火预警的准确度。

附图说明

图1为根据一优选实施例示出的一种基于多源遥感数据的卫星山火火点二次筛选方法的流程图；

图2为根据一优选实施例示出的云南省2018年1-7月Modis山火监测结果图；

图3为根据一优选实施例示出的云南省2018年1-7月Npp山火监测结果图；

图4为根据一优选实施例示出的经过NDVI筛选后的云南省2018年1-7月Modis山火监测结果图；

图5为根据一优选实施例示出的经过NDVI和NDBI筛选后的云南省2018年1-7月Modis山火监测结果图；

图6为根据一优选实施例示出的经过NDVI筛选后的云南省2018年1-7月Npp山火监测结果图；

图7为根据一优选实施例示出的经过NDVI和NDBI筛选后的云南省2018年1-7月Npp山火监测结果图；

图8为根据一优选实施例示出的云南省大理的输电线路图；

图9为根据一优选实施例示出的云南省大理2018年1-7月Modis有效火点图；

图10为根据一优选实施例示出的云南省大理2018年1-7月Npp有效火点图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通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，都属于本发明保护的范围。

请参阅图1，本申请实施例示出一种基于多源遥感数据的卫星山火火点二次筛选方法，所述卫星山火火点二次筛选方法包括：

步骤S1：获取预设时间内的数据；

步骤S2：对所述数据进行预处理，获得处理后的数据；

步骤S3：根据所述处理后的数据，滤除工业火点数据，城市火点数据，滤除次级危害火点数据，滤除无效火点数据，获得滤除后的火点数据；

步骤S4：根据所述滤除后的数据，确定对输电线路有影响的火点，输出对输电线路有影响的火点位置。

可选择的，所述获取预设时间内的数据的步骤包括：获得预设时间内的卫星遥感数据火点数据，反演所述预设时间内的卫星遥感数据火点数据，获得反演火点数据；获得预设时间段内的归一化植被覆盖指数(以下简称为NDVI)数据和归一化建筑指数(以下简称为NDBI)数据。从美国国家航空航天局(以下简称为NASA)下载MOD13Q1(16天合成NDVI产品)数据(行列号H26V06和H27V06各23景)，以及，MOD9A1(8天合成的地表反射率产品)数据(行列号H26V06和H27V06各1景)。

可选择的，所述将所述数据进行预处理的步骤包括：对所述反演火点数据进行预处理；对所述归一化植被覆盖指数数据进行预处理；对所述归一化建筑指数数据进行预处理。

可选择的，所述对所述反演火点数据进行预处理的步骤包括：将所述反演火点数据合并，与研究区域做相交，获得研究区域的预设时间内的火点数据。

之所以将所述反演火点数据合并，是因为反演获得的预设时间段内的火点数据分为很多个文件，需要利用Arcgis软件将其合并到一个图层上，方便后续的处理。与研究区域做相交，本实施例中选取的是云南省作为研究区域，用云南省的shp文件对之前合并的火点数据做相交，就可以得到研究区域的火点数据。

可选择的，所述对所述归一化植被覆盖指数数据进行预处理的步骤包括：分别对所述归一化植被覆盖指数数据进行拼接、重投影，将拼接、重投影后的归一化植被覆盖指数数据转为TIFF格式；获得预设时间段内的归一化植被覆盖指数数值图，将所述归一化植被覆盖指数数值图转为TIFF格式。具体的，使用MODIS Reprojection Tool(以下简称为MRT)软件分别对每次的2景(H26V06和H27V06)数据进行拼接、重投影，并转为1景TIFF格式文件，最后得到23景TIFF格式文件。NDVI数值图是一张TIFF格式的图像，其图像的DN值就是NDVI值，再通过IDL对其实现读取和筛选。

可选择的，所述对所述归一化建筑指数数据进行预处理的步骤包括：分别对所述归一化建筑指数数据的2景(H26V06和H27V06)数据进行拼接、重投影，将拼接、重投影后的归一化建筑指数数据转为HDF格式；获得预设时间段内的归一化建筑指数数值图，将所述归一化建筑指数数值图转为TIFF格式。使用MRT软件处理所述归一化建筑指数数据的2景(H26V06和H27V06)数据，得到23景TIFF格式文件的灰度图像，其DN值就是它的NDVI值。再使用ENVI软件的BandMath功能，将这23景图像做最大合成值，得到一年的NDVI图。

可选择的，所述滤除工业火点数据，城市火点数据的步骤包括：滤除归一化植被覆盖指数＜0.65的火点数据，滤除归一化建筑指数＞0的火点数据。

其中，NDVI为归一化植被覆盖指数，用以表征地面植被情况，如果满足NDVI≥0.65，那么就可以判定为有植被覆盖属于实际火点，否则为工业火点。NDBI为归一化建筑指数，用以表征城市地表情况，如果满足NDBI≤0，那么就可以判定为无建筑覆盖属于实际火点，否则为城市火点。

可选择的，所述滤除次级危害火点数据的步骤包括：从制作的卫星监测的次级危害火点历史数据库中选取出研究区域在设定时长内重现频率大于或等于设定阈值的火点信息，与所述滤除城市火点数据进行对比，筛除次级危害火点。其中，历史数据库是根据研究区域历史火点建立起来的数据库。

可选择的，所述滤除无效火点数据的步骤包括：检测火点烟雾的形状，滤除具有烟囱效应的无效火点；检测火点气体成分，滤除占二氧化碳和水蒸汽低于烟雾成分的90％的火点数据。

可选择的，所述确定对输电线路有影响的火点的步骤包括：如果所述滤除后的火点数据中的某一火点与输电线路的距离＜2km，则输出对输电线路有影响的火点位置。

本发明公开了一种基于多源遥感数据的卫星山火火点二次筛选方法，通过遥感卫星获取预设时间内的火点数据，并对原始数据进行合并和相交等预处理，获得研究区域的火点数据。然后，利用通过NDVI指数滤除工业火点，再通过NDBI指数滤除城市火点，通过历史数据库滤除次级危害火点和通过烟雾特征滤除无效火点，得到研究区域的有效火点。最终，判断对输电线路有影响的火点，并输出火点验证结果。

下面结合图2-图10对本发明的实施例进行详细说明。

本实施例选取中国云南省作为研究区域进行研究。云南地处中国西南边陲，位于东经97°31′至106°11′，北纬21°8′至29°15′之间，北回归线横贯本省南部，属低纬度内陆地区。云南省地处热带、亚热带的云贵高原地区，气候环境非常复杂多样。由于纬度低、海拔高等地理条件的综合影响，形成了四季温差小、干湿季分明、垂直变异显著的气候特征。再加上云南省森林覆盖率广，森林密度高，造就了云南省山林火灾非常严重的特点。

火点主要分布在云南省的东部，西部和西南部分，而云南省的城市也与这些区域有重合，其中有很多火点属于工业火点和城市火点，比如工厂火源、烟囱、炉灶火、发电厂等等，在植被、水体覆盖较多的区域火点识别也易受背景环境影响。因此很容易造成误判。

本实施例使用的数据包括：实验数据和筛选数据。

其中，实验数据为2018年1-7月的Modis和Npp检测出的火点数据，经过与研究区域云南省相交之后，得到如图2所示的云南省2018年1-7月Modis山火监测结果图和如图3所示的云南省2018年1-7月Npp山火监测结果图。

筛选数据为NDVI和NDBI数据，通过NASA官网(LAADS DAAC)下载，利用软件分别对数据进行拼接、重投影，再将多幅图像做最大合成值，得到一年的NDVI数值图。通过NASA官网下载，利用软件分别对数据进行拼接、重投影，再通过对通道02(0.841-0.876um)和通道06(1.628-1.652um)计算，得到NDBI数值图。

如图4所示，是经过NDVI筛选后的云南省2018年1-7月Modis山火监测结果图，如图5所示，是经过NDVI和NDBI共同筛选后的云南省2018年1-7月Modis山火监测结果图。如图6所示，是经过NDVI筛选后的云南省2018年1-7月Npp山火监测结果图，如图7所示，是经过NDVI和NDBI共同筛选后的云南省2018年1-7月Npp山火监测结果图。

本实施例采用如下方法来检测有效火点：

(1)通过NDVI指数滤除工业火点：

针对图2和图3所示的云南省的火点，若某一火点所在位置满足NDVI≥0.65，则该火点为实际火点，否则判定该火点为工业火点，得到图4和图6。

(2)通过NDBI指数滤除城市火点：

针对图4和图6所示的云南省的火点，若其中某一火点所在位置满足NDBI≤0，则该火点为实际火点，否则判定该火点为工业火点。得到图5和图7。

(3)通过历史数据滤除次级危害火点：

根据所制作的卫星监测的次级危害火点历史数据库，从中选取出研究区域在设定时长内重现频率大于或等于设定阈值的火点信息，然后与图5和图7得到的研究区域滤除城市火点后的火点数据作对比，筛除其中的次级危害火点，得到实际火点。

(4)通过烟雾特征滤除无效火点：

森林火灾与城市火灾的烟雾在形状和成分都有明显的区别。在形状方面，城市火灾由于烟囱效应会引起内部空气沿着有垂直坡度的空间向上升或下降，造成空气加强对流的现象，使烟雾沿着通道很快进行扩散或排出建筑物的现象，引起烟气垂直流动，形成烟柱。在成分方面，森林燃烧会产生大量的烟雾，由于森林的火灾的燃烧主体是树木，所以主要成分为二氧化碳和水蒸汽，这两种物质约占所有烟雾成分的90％～95％；而非森林燃烧会产生的如一氧化碳、碳氢化合物、碳化物、氮氧化物等其他成分，会减少其中二氧化碳和水蒸汽的含量。然后对根据烟雾的形状和成分的检测，滤除无效火点。

(5)判断对输电线路有影响的火点：

针对图5和图7所示的云南省的火点，因为数据原因，本发明选取了如图8所示的云南省大理市的输电线路图。若某一实际火点与输电线路的距离小于2km，则判断该实际火点会对输电线路产生引发山火跳闸的危险影响，即该火点为有效火点，否则判定该火点为对输电线路无影响的火点，得到如图9和图10所示的对输电线路有影响火点图。其中，图9是云南省大理2018年1-7月Modis有效火点图，图10是云南省大理2018年1-7月Npp有效火点图。

通过本实施例采用的方法检测有效火点结果如下：

对于Modis火点检测数据，图2中存在3274个火点，通过NDVI筛除工业火点之后，图4存在196个火点，再通过NDBI筛除城市火点之后，图5存在139个山火火点。再通过缓冲区(即输电线周围2km的范围)判断对输电线路有影响的火点之后，图9存在13个有效火点。

对于Npp火点检测数据，图3中存在19698个火点，通过NDVI筛除工业火点之后，图6存在3825个火点，再通过NDBI筛除城市火点之后，图7存在3204个山火火点。再通过缓冲区判断对输电线路有影响的火点之后，图10存在197个有效火点。

本发明的实施例针对Modis数据和Npp数据，将该方法应用于云南省的火点检测，成功筛选出研究区域山火火点情况。应用于云南省大理市的输电线路附近的火点检测，成功的筛选出对输电线路产生引发山火跳闸的危险影响的有效火点。不管从方法，还是从实证研究方面，对山火检测都具有重要的意义。

由以上技术方案可知，本申请实施例示出的基于多源遥感数据的卫星山火火点二次筛选方法具有以下的优点：本申请示出的卫星山火火点二次筛选方法，成功筛选出云南省2018年1-7月的山火火点，这些火点分散于中东部、中西部和西南部。相对于传统的火点筛选方法，本申请提出的基于多源遥感数据的卫星山火火点二次筛选方法提高了火点判对率，通过NDVI指数滤除工业火点，通过NDBI指数滤除城市火点，通过历史数据滤除次级危害火点，通过烟雾特征滤除无效火点，克服了现有卫星识别山火的方法中存在较多的误判的问题，有针对性的解决了山火火点二次甄别的问题，提高了山火火点识别准确率，提升了输电线路山火预警的准确度。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (10)

1.一种基于多源遥感数据的卫星山火火点二次筛选方法，其特征在于，所述卫星山火火点二次筛选方法包括：

获取预设时间内的数据；

对所述数据进行预处理，获得处理后的数据；

根据所述处理后的数据，滤除工业火点数据，城市火点数据，滤除次级危害火点数据，滤除无效火点数据，获得滤除后的火点数据；

根据所述滤除后的数据，确定对输电线路有影响的火点，输出对输电线路有影响的火点位置。

2.根据权利要求1所述的卫星山火火点二次筛选方法，其特征在于，所述获取预设时间内的数据的步骤包括：获得预设时间内的卫星遥感数据火点数据，反演所述预设时间内的卫星遥感数据火点数据，获得反演火点数据；获得预设时间段内的归一化植被覆盖指数数据和归一化建筑指数数据。

3.根据权利要求2所述的卫星山火火点二次筛选方法，其特征在于，所述将所述数据进行预处理的步骤包括：对所述反演火点数据进行预处理；对所述归一化植被覆盖指数数据进行预处理；对所述归一化建筑指数数据进行预处理。

4.根据权利要求3所述的卫星山火火点二次筛选方法，其特征在于，所述对所述反演火点数据进行预处理的步骤包括：将所述反演火点数据合并，与研究区域做相交，获得研究区域的预设时间内的火点数据。

5.根据权利要求4所述的卫星山火火点二次筛选方法，其特征在于，所述对所述归一化植被覆盖指数数据进行预处理的步骤包括：分别对所述归一化植被覆盖指数数据进行拼接、重投影，将拼接、重投影后的归一化植被覆盖指数数据转为TIFF格式；获得预设时间段内的归一化植被覆盖指数数值图，将所述归一化植被覆盖指数数值图转为TIFF格式。

6.根据权利要求5所述的卫星山火火点二次筛选方法，其特征在于，所述对所述归一化建筑指数数据进行预处理的步骤包括：分别对所述归一化建筑指数数据进行拼接、重投影，将拼接、重投影后的归一化建筑指数数据转为HDF格式；获得预设时间段内的归一化建筑指数数值图，将所述归一化建筑指数数值图转为TIFF格式。

7.根据权利要求6所述的卫星山火火点二次筛选方法，其特征在于，所述滤除工业火点数据，城市火点数据的步骤包括：滤除归一化植被覆盖指数＜0.65的火点数据，滤除归一化建筑指数＞0的火点数据。

8.根据权利要求7所述的卫星山火火点二次筛选方法，其特征在于，所述滤除次级危害火点数据的步骤包括：从制作的卫星监测的次级危害火点历史数据库中选取出研究区域在设定时长内重现频率大于或等于设定阈值的火点信息，与所述滤除城市火点数据进行对比，筛除次级危害火点。

9.根据权利要求8所述的卫星山火火点二次筛选方法，其特征在于，所述滤除无效火点数据的步骤包括：检测火点烟雾的形状，滤除具有烟囱效应的无效火点；检测火点气体成分，滤除占二氧化碳和水蒸汽低于烟雾成分的90％的火点数据。

10.根据权利要求9所述的卫星山火火点二次筛选方法，其特征在于，所述确定对输电线路有影响的火点的步骤包括：如果所述滤除后的火点数据中的某一火点与输电线路的距离＜2km，则输出对输电线路有影响的火点位置。