CN111753754A - 一种基于热源重工业区域分析的秸秆燃烧火点识别方法 - Google Patents
一种基于热源重工业区域分析的秸秆燃烧火点识别方法 Download PDFInfo
- Publication number
- CN111753754A CN111753754A CN202010598177.1A CN202010598177A CN111753754A CN 111753754 A CN111753754 A CN 111753754A CN 202010598177 A CN202010598177 A CN 202010598177A CN 111753754 A CN111753754 A CN 111753754A
- Authority
- CN
- China
- Prior art keywords
- heat source
- area
- heavy industry
- product data
- fire point
- 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
- 239000010902 straw Substances 0.000 title claims abstract description 54
- 238000002485 combustion reaction Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004458 analytical method Methods 0.000 title claims abstract description 30
- 238000011160 research Methods 0.000 claims abstract description 52
- 239000010979 ruby Substances 0.000 claims abstract description 20
- 229910001750 ruby Inorganic materials 0.000 claims abstract description 20
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 238000005520 cutting process Methods 0.000 claims description 16
- 238000004220 aggregation Methods 0.000 claims description 10
- 230000002776 aggregation Effects 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 9
- 230000005855 radiation Effects 0.000 claims description 4
- 238000009826 distribution Methods 0.000 abstract description 7
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 241000196324 Embryophyta Species 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 240000008564 Boehmeria nivea Species 0.000 description 1
- 244000025254 Cannabis sativa Species 0.000 description 1
- 229920000742 Cotton Polymers 0.000 description 1
- 241000219146 Gossypium Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 240000000111 Saccharum officinarum Species 0.000 description 1
- 235000007201 Saccharum officinarum Nutrition 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 238000003723 Smelting Methods 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 244000098338 Triticum aestivum Species 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 235000019198 oils Nutrition 0.000 description 1
- 235000012015 potatoes Nutrition 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/20—Climate change mitigation technologies for sector-wide applications using renewable energy
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Astronomy & Astrophysics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了一种基于热源重工业区域分析的秸秆燃烧火点识别方法,包括获取目标研究区域的火点原始数据、“红宝石”热源重工业区域产品数据和地表覆盖产品数据;并分别对上述数据进行预处理;根据预处理后的“红宝石”热源重工业区域产品数据,构建热源重工业缓冲区域空间,以识别热源重工业缓冲区域空间内的火点类型;依据热源重工业缓冲区域空间内的火点类型,结合预处理后的地表覆盖产品数据,识别秸秆燃烧火点。优点是:利用长时序主动火点数据时间分辨率高、覆盖范围广以及热源重工业区域分布和运行生产的特点,结合地表覆盖产品和热源重工业区域,提高了秸秆燃烧识别的准确率,避免了热源重工业高频火点对秸秆燃烧火点的误判。
Description
技术领域
本发明涉及秸秆燃烧火点识别技术领域,尤其涉及一种基于热源重工业区域分析的秸秆燃烧火点识别方法。
背景技术
秸秆是指小麦、水稻、玉米、薯类、油料、棉花、甘蔗等农作物在收获籽实后剩余的部分。我国秸秆资源丰富,占世界秸秆总产量的20%~30%,其数量相当于我国北方草原产草总量的50余倍。焚烧秸秆严重污染环境,破坏生态平衡。露天焚烧产生的大量烟尘,威胁交通安全,易引发交通事故。利用遥感数据可在大面积范围内快速监测全国秸秆焚烧的情况,利用火点数据结合地表覆盖产品数据,识别秸秆燃烧火点,成为一种新的秸秆燃烧识别方式。
热源重工业,是指依靠热力作为生产动力,在生产活动中产生大量热量,并且持续工作至少30天以上的企业,包括钢铁厂、炼油厂、油气/燃气井、水泥厂、有色金属冶炼厂等。由于其分布具有:分布范围广、区域隐蔽的特点,同时考虑到火点几何定位精度问题,致使很多热源重工业火点被误分为秸秆燃烧火点,从而影响了秸秆燃烧问题的评价与评估。
发明内容
本发明的目的在于提供一种基于热源重工业区域分析的秸秆燃烧火点识别方法,从而解决现有技术中存在的前述问题。
为了实现上述目的,本发明采用的技术方案如下:
一种基于热源重工业区域分析的秸秆燃烧火点识别方法,所述识别方法包括如下步骤,
S1、获取目标研究区域的火点原始数据、“红宝石”热源重工业区域产品数据和地表覆盖产品数据;并分别对上述数据进行预处理;
S2、根据预处理后的“红宝石”热源重工业区域产品数据,构建热源重工业缓冲区域空间,以识别热源重工业缓冲区域空间内的火点类型;
S3、依据热源重工业缓冲区域空间内的火点类型,结合预处理后的地表覆盖产品数据,识别秸秆燃烧火点。
优选的,步骤S1包括如下内容,
S11、从NASA网站中下载目标研究区域的火点原始数据,并对所述火点原始数据进行解析和区域裁切;
S12、从中科院遥感所下载目标研究区域的“红宝石”热源重工业区域产品数据,即基于长时序火点分析构建的热源重工业区域产品数据,并根据目标研究区域对所述“红宝石”热源重工业区域产品数据进行解析和区域裁切;
S13、从全球精细地表覆盖网站中获取目标研究区域的地表覆盖产品数据,并对所述地表产品数据进行解析和区域裁切,形成目标研究区域的精细地表覆盖产品数据。
优选的,所述步骤S13具体包括如下内容,
S131、从全球精细地表覆盖网站中获取目标研究区域的地表覆盖产品数据,并对该数据进行解析;
S132、对目标研究区域的地表覆盖产品数据进行镶嵌融合;
S133、对经过镶嵌融合后的地表覆盖产品数据进行区域裁切,形成目标研究区域的精细地表覆盖产品数据。
优选的,步骤S131中获取的目标研究区域的地表覆盖产品数据为两景地表覆盖产品数据或多景地表覆盖产品数据。
优选的,步骤S132具体为,对两景地表覆盖数据或多景地表覆盖产品数据进行镶嵌融合,以形成大区域范围地表覆盖产品数据。
优选的,步骤S133具体为,对步骤S132中获取的大区域范围地表覆盖产品数据进行区域裁切,形成目标研究区域的精细地表覆盖产品数据。
优选的,步骤S2包括如下内容,
S21、根据解析和区域裁切后的“红宝石”热源重工业区域产品数据,设置热源重工业区域的火点辐射半径,以构建热源重工业缓冲区域空间;
S22、根据目标研究区域的空间位置,将热源重工业的缓冲区域空间与原始点火数据进行区域空间叠加分析,以识别出热源重工业缓冲区域空间内的非工业热源类型火点和工业热源类型火点;
S23、对各个所述工业热源类型火点,按照空间或时间聚集原则,剔除其中的虚假工业热源类型火点,并将该剔除的虚假工业热源类型火点划分为非工业热源类型火点。
优选的,步骤S3具体包括如下内容,
S31、针对非工业热源类型火点,叠加目标研究区域的精细地表覆盖产品数据,为非工业热源类型火点添加地表覆盖类型;
S32、依据地表覆盖类型,识别出目标研究区域的精细地表覆盖产品数据为耕地类型的火点;
S33、结合目标研究区域的耕种特点,识别出秸秆燃烧火点。
本发明的有益效果是:1、利用长时序主动火点数据时间分辨率高、覆盖范围广以及热源重工业区域分布和运行生产的特点,结合地表覆盖产品和热源重工业区域,提高了秸秆燃烧识别的准确率,避免了热源重工业高频火点对秸秆燃烧火点的误判。2、本发明提供的方法具备数据获取简便,结果客观可靠,时间跨度长,时间分辨率高的特点,为秸秆燃烧的大尺度、长时序分析提供了依据,为政府秸秆炭烧防控决策提供了必要的决策数据。3、利用热源重工业的火点分布具有空间聚集、时间连续的特点,根据热源重工业缓冲区内火点的空间布局,识别出非工业热源类型火点和热源重工业火点类型火点;并按照空间聚集原则,剔除部分虚假热源重工业火点类型数据,充分利用热源重工业火点布局特点,有效弥补了火点数据处理中几何定位不准的缺陷,提升了秸秆燃烧火点识别的准确率。
附图说明
图1是本发明实施例中识别方法的原理流程图。
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,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方式仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本实施例中,提供了一种基于热源重工业区域分析的秸秆燃烧火点识别方法,所述识别方法包括如下步骤,
S1、获取目标研究区域的火点原始数据、“红宝石”热源重工业区域产品数据和地表覆盖产品数据;并分别对上述数据进行预处理;
S2、根据预处理后的“红宝石”热源重工业区域产品数据,构建热源重工业缓冲区域空间,以识别热源重工业缓冲区域空间内的火点类型;
S3、依据热源重工业缓冲区域空间内的火点类型,结合预处理后的地表覆盖产品数据,识别秸秆燃烧火点。
本实施例中,所述识别方法主要包括三部分内容,分别为数据预处理、基于热源重工业地理缓冲区域空间的火点类型初识别、基于精细地表覆盖类型的火点类型的终识别。下面分别针对这三部分的内容,具体阐述。
一、数据预处理;
该部分对应的是步骤S1的内容,步骤S1包括如下内容,
S11、火点原始数据的获取与预处理;具体是从NASA网站中下载目标研究区域的火点原始数据(NPP Active Fire/Hotspot),并对所述火点原始数据进行解析和区域裁切;解析:对数据格式进行转换,并保存管理数据;区域裁切:根据目标研究区域,裁切出目标研究区域的原始火点数据。
S12、“红宝石”热源重工业区域产品数据的获取与预处理;具体为从中科院遥感所下载目标研究区域的“红宝石”热源重工业区域产品数据,即基于长时序火点分析构建的热源重工业区域产品数据,并根据目标研究区域对所述“红宝石”热源重工业区域产品数据进行解析和区域裁切;解析:对数据格式进行转换,并保存管理数据;区域裁切:根据目标研究区域,裁切出目标研究区域的“红宝石”热源重工业区域产品数据。
S13、精细地表覆盖产品数据的获取与预处理;具体为从全球精细地表覆盖网站中获取目标研究区域的地表覆盖产品数据,并对所述地表产品数据进行解析和区域裁切,形成目标研究区域的精细地表覆盖产品数据。解析:对数据格式进行转换,并保存管理数据;区域裁切:根据目标研究区域,裁切出目标研究区域的精细地表覆盖产品数据。
本实施例中,所述步骤S13是精细地表覆盖产品数据的获取与预处理,具体包括如下内容,
S131、精细地表覆盖产品数据的获取与解析;具体为从全球精细地表覆盖网站中获取目标研究区域的地表覆盖产品数据,并对该数据进行解析;本实施例中,获取的目标研究区域的地表覆盖产品数据包括格式为fromglc10v01_36_112.tif和fromglc10v01_36_114.tif的两景地表覆盖产品数据;
S132、精细地表覆盖产品数据的融合;具体为对目标研究区域的地表覆盖产品数据进行镶嵌融合;即对两景地表覆盖数据进行镶嵌融合,以形成大区域范围地表覆盖产品数据;
S133、精细地表覆盖产品数据的区域裁切;具体为对经过镶嵌融合后的地表覆盖产品数据进行区域裁切。即对步骤S132中获取的大区域范围地表覆盖产品数据进行区域裁切,形成目标研究区域的精细地表覆盖产品数据。
二、基于热源重工业地理缓冲区域空间的火点类型初识别
该部分内容对应的是步骤S2的内容,步骤S2具体包括,
S21、根据解析和区域裁切后的“红宝石”热源重工业区域产品数据,设置热源重工业区域的火点辐射半径,以构建热源重工业缓冲区域空间;
S22、根据目标研究区域的空间位置,将热源重工业的缓冲区域空间与原始点火数据进行区域空间叠加分析,以识别出热源重工业缓冲区域空间内的非工业热源类型火点和工业热源类型火点;
S23、对各个所述工业热源类型火点,按照空间或时间聚集原则,剔除其中的虚假工业热源类型火点,并将该剔除的虚假工业热源类型火点划分为非工业热源类型火点。空间/时间聚集原则是指按照工业热源“空间聚集,时间连续”的特点筛除森林火灾等空间密集的火点。
三、基于精细地表覆盖类型的火点类型的终识别
该部分内容对应的是步骤S3的内容,步骤S3具体包括,
S31、针对非工业热源类型火点,叠加目标研究区域的精细地表覆盖产品数据,为非工业热源类型火点添加地表覆盖类型;
S32、依据地表覆盖类型,识别出目标研究区域的精细地表覆盖产品数据为耕地类型的火点;
S33、结合目标研究区域的耕种特点,识别出秸秆燃烧火点。
其中,地表覆盖类型采用国际公开的地表覆盖产品。按照空间叠加分析,对火点数据添加地表覆盖类型属性,识别出目标研究区域的精细地表覆盖产品数据为耕地类型的火点。
步骤S33具体为根据目标研究区域作物的耕种周期,识别秸秆燃烧火点,以及可能的秸秆属性
实施例二
本实施例中,以邯郸为例,具体说明识别方法的实施过程。
一、数据预处理
火点原始数据的获取与预处理;具体为,从NASA网站中下载目标区域的NPPActiveFire/Hotspot数据,并进行数据解析,按照邯郸行政区域进行裁切;其中,数据的时间范围为2012.01.20-2018.12.31,此时间范围内邯郸区的火点数目为75513个;
“红宝石”热源重工业区域产品数据的获取与预处理;具体为,从中科院遥感所下载基于长时序火点分析构建的热源重工业区域产品数据,并按照邯郸行政区域对“红宝石”产品数据进行区域裁切,其中邯郸区热源重工业的数目为81个;
精细地表覆盖产品数据的获取与预处理;具体为,从全球精细地表覆盖网站中下载目标研究区域的地表覆盖产品数据(空间分辨率10m),共包括“fromglc10v01_36_112.tif”和“fromglc10v01_36_114.tif”两景地表覆盖产品数据,同时对此两景数据进行解析;对上述两景地表覆盖产品进行镶嵌融合,形成大区域范围地表覆盖产品;针对大区域范围地表覆盖产品,依据邯郸行政区范围,按照目标区域,对上一步形成的地表覆盖产品数据进行区域裁切,形成邯郸区的精细地表覆盖产品数据。
二、基于热源重工业地理缓冲区域空间分析的火点类型初识别
设置热源重工业区域的火点辐射半径为50m,共构建81个热源重工业的缓冲区域;按照空间位置,对81个热源重工业缓冲区域和75,513火点数据进行叠加分析,按照空间位置进行区域叠加,识别出非工业热源类型火点和工业热源类型火点;对各个热源重工业缓冲区内的工业热源类型火点,按照空间聚集原则,剔除部分虚假工业热源类型火点,并将之划分为非工业热源类型火点;此处共计识别出工业热源类型火点69,260个,非工业热源类型火点6,253个。
三、基于精细地表覆盖类型的火点类型终识别
对非工业热源类型火点,叠加邯郸区精细地表覆盖产品数据,为非工业热源类型火点数据添加地表覆盖类型;依据地表覆盖类型,识别出地表覆盖为耕地类型的火点数据,结合当地耕种特点,识别出秸秆燃烧火点,最终识别出的秸秆燃烧火点数目为4,831个,与仅采用精细地表覆盖产生的8,043个秸秆燃烧火点相比,有效的去除了3,212个热源重工业火点,提高了秸秆燃烧火点识别的准确性。
结果评定方式采用地图辅助+人工实地验证相结合的方式,其中,地图辅助方式是指:借助构建的热源对象的时间和几何属性,将其投影到Google Earth地图中,通过辅助视觉信息,进行结果评定;人工实地验证,通过分配具体的工作人员到具体的工地中,进行实地验证考核,获取实际的秸秆燃烧火点。
通过采用本发明公开的上述技术方案,得到了如下有益的效果:
本发明提供了一种基于热源重工业区域分析的秸秆燃烧火点识别方法,该方法利用长时序主动火点数据时间分辨率高、覆盖范围广以及热源重工业区域分布和运行生产的特点,结合地表覆盖产品和热源重工业区域,提高了秸秆燃烧识别的准确率,避免了热源重工业高频火点对秸秆燃烧火点的误判。该方法具备数据获取简便,结果客观可靠,时间跨度长,时间分辨率高的特点,为秸秆燃烧的大尺度、长时序分析提供了依据,为政府秸秆炭烧防控决策提供了必要的决策数据。该方法利用热源重工业的火点分布具有空间聚集、时间连续的特点,根据热源重工业缓冲区内火点的空间布局,识别出非工业热源类型火点和热源重工业火点类型火点;并按照空间聚集原则,剔除部分虚假热源重工业火点类型数据,充分利用热源重工业火点布局特点,有效弥补了火点数据处理中几何定位不准的缺陷,提升了秸秆燃烧火点识别的准确率。
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 (8)
1.一种基于热源重工业区域分析的秸秆燃烧火点识别方法,其特征在于:所述识别方法包括如下步骤,
S1、获取目标研究区域的火点原始数据、“红宝石”热源重工业区域产品数据和地表覆盖产品数据;并分别对上述数据进行预处理;
S2、根据预处理后的“红宝石”热源重工业区域产品数据,构建热源重工业缓冲区域空间,以识别热源重工业缓冲区域空间内的火点类型;
S3、依据热源重工业缓冲区域空间内的火点类型,结合预处理后的地表覆盖产品数据,识别秸秆燃烧火点。
2.根据权利要求1所述的基于热源重工业区域分析的秸秆燃烧火点识别方法,其特征在于:步骤S1包括如下内容,
S11、从NASA网站中下载目标研究区域的火点原始数据,并对所述火点原始数据进行解析和区域裁切;
S12、从中科院遥感所下载目标研究区域的“红宝石”热源重工业区域产品数据,即基于长时序火点分析构建的热源重工业区域产品数据,并根据目标研究区域对所述“红宝石”热源重工业区域产品数据进行解析和区域裁切;
S13、从全球精细地表覆盖网站中获取目标研究区域的地表覆盖产品数据,并对所述地表产品数据进行解析和区域裁切,形成目标研究区域的精细地表覆盖产品数据。
3.根据权利要求2所述的基于热源重工业区域分析的秸秆燃烧火点识别方法,其特征在于:所述步骤S13具体包括如下内容,
S131、从全球精细地表覆盖网站中获取目标研究区域的地表覆盖产品数据,并对该数据进行解析;
S132、对目标研究区域的地表覆盖产品数据进行镶嵌融合;
S133、对经过镶嵌融合后的地表覆盖产品数据进行区域裁切,形成目标研究区域的精细地表覆盖产品数据。
4.根据权利要求3所述的基于热源重工业区域分析的秸秆燃烧火点识别方法,其特征在于:步骤S131中获取的目标研究区域的地表覆盖产品数据为两景地表覆盖产品数据或多景地表覆盖产品数据。
5.根据权利要求4所述的基于热源重工业区域分析的秸秆燃烧火点识别方法,其特征在于:步骤S132具体为,对两景地表覆盖数据或多景地表覆盖产品数据进行镶嵌融合,以形成大区域范围地表覆盖产品数据。
6.根据权利要求5所述的基于热源重工业区域分析的秸秆燃烧火点识别方法,其特征在于:步骤S133具体为,对步骤S132中获取的大区域范围地表覆盖产品数据进行区域裁切,形成目标研究区域的精细地表覆盖产品数据。
7.根据权利要求1所述的基于热源重工业区域分析的秸秆燃烧火点识别方法,其特征在于:步骤S2包括如下内容,
S21、根据解析和区域裁切后的“红宝石”热源重工业区域产品数据,设置热源重工业区域的火点辐射半径,以构建热源重工业缓冲区域空间;
S22、根据目标研究区域的空间位置,将热源重工业的缓冲区域空间与原始点火数据进行区域空间叠加分析,以识别出热源重工业缓冲区域空间内的非工业热源类型火点和工业热源类型火点;
S23、对各个所述工业热源类型火点,按照空间或时间聚集原则,剔除其中的虚假工业热源类型火点,并将该剔除的虚假工业热源类型火点划分为非工业热源类型火点。
8.根据权利要求1所述的基于热源重工业区域分析的秸秆燃烧火点识别方法,其特征在于:步骤S3具体包括如下内容,
S31、针对非工业热源类型火点,叠加目标研究区域的精细地表覆盖产品数据,为非工业热源类型火点添加地表覆盖类型;
S32、依据地表覆盖类型,识别出目标研究区域的精细地表覆盖产品数据为耕地类型的火点;
S33、结合目标研究区域的耕种特点,识别出秸秆燃烧火点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010598177.1A CN111753754B (zh) | 2020-06-28 | 2020-06-28 | 一种基于热源重工业区域分析的秸秆燃烧火点识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010598177.1A CN111753754B (zh) | 2020-06-28 | 2020-06-28 | 一种基于热源重工业区域分析的秸秆燃烧火点识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111753754A true CN111753754A (zh) | 2020-10-09 |
CN111753754B CN111753754B (zh) | 2023-09-12 |
Family
ID=72677500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010598177.1A Active CN111753754B (zh) | 2020-06-28 | 2020-06-28 | 一种基于热源重工业区域分析的秸秆燃烧火点识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111753754B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115014535A (zh) * | 2022-05-30 | 2022-09-06 | 中科三清科技有限公司 | 火点辐射能量确定方法、排放清单确定方法和电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060273223A1 (en) * | 2005-01-12 | 2006-12-07 | Haaland Peter D | Fire suppression systems |
CN108304780A (zh) * | 2017-12-29 | 2018-07-20 | 中国电子科技集团公司第二十七研究所 | 一种基于风云三号卫星的秸秆焚烧火点遥感监测方法 |
CN108875806A (zh) * | 2018-05-31 | 2018-11-23 | 中南林业科技大学 | 基于时空数据的虚假林火热点挖掘方法 |
CN109033992A (zh) * | 2018-07-03 | 2018-12-18 | 中国科学院遥感与数字地球研究所 | 基于主动式火点数据的重工业区域发现算法 |
CN109325522A (zh) * | 2018-08-24 | 2019-02-12 | 中国科学院遥感与数字地球研究所 | 基于改进kmeans的重工业时序热源区域识别算法 |
CN109670556A (zh) * | 2018-12-27 | 2019-04-23 | 中国科学院遥感与数字地球研究所 | 基于火点和夜光数据的全球热源重工业区域识别算法 |
CN109977609A (zh) * | 2019-04-16 | 2019-07-05 | 哈尔滨工业大学 | 一种基于真实遥感数据的地面高温热源红外图像仿真方法 |
-
2020
- 2020-06-28 CN CN202010598177.1A patent/CN111753754B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060273223A1 (en) * | 2005-01-12 | 2006-12-07 | Haaland Peter D | Fire suppression systems |
CN108304780A (zh) * | 2017-12-29 | 2018-07-20 | 中国电子科技集团公司第二十七研究所 | 一种基于风云三号卫星的秸秆焚烧火点遥感监测方法 |
CN108875806A (zh) * | 2018-05-31 | 2018-11-23 | 中南林业科技大学 | 基于时空数据的虚假林火热点挖掘方法 |
CN109033992A (zh) * | 2018-07-03 | 2018-12-18 | 中国科学院遥感与数字地球研究所 | 基于主动式火点数据的重工业区域发现算法 |
CN109325522A (zh) * | 2018-08-24 | 2019-02-12 | 中国科学院遥感与数字地球研究所 | 基于改进kmeans的重工业时序热源区域识别算法 |
CN109670556A (zh) * | 2018-12-27 | 2019-04-23 | 中国科学院遥感与数字地球研究所 | 基于火点和夜光数据的全球热源重工业区域识别算法 |
CN109977609A (zh) * | 2019-04-16 | 2019-07-05 | 哈尔滨工业大学 | 一种基于真实遥感数据的地面高温热源红外图像仿真方法 |
Non-Patent Citations (6)
Title |
---|
MA C等: "Assessing heavy industrial heat source distribution in China using real-time VIIRS active fire/hotspot data", 《SUSTAINABILITY》, vol. 10, no. 12, pages 1 - 17 * |
孙佳琪等: "基于Suomi-NPP VIIRS夜间热异常产品的城市工业热源分类――以京津冀地区为例", 《地理与地理信息科学》, no. 3, pages 19 - 25 * |
康武略: "川南绥江地区地下热水成因机制与地热有利区预测研究", 《中国优秀硕士学位论文全文数据库 (基础科学辑)》, no. 1, pages 012 - 18 * |
张志清等: "FY-4卫星应用和发展", 《上海航天》, no. 4, pages 12 - 23 * |
李佳等: "基于MODIS的河南省秸秆焚烧遥感监测与分析", 《测绘工程》, vol. 27, no. 1, pages 44 * |
马彩虹等: "基于工业热源区域识别的邯郸市热异常产品分析", 《遥感技术与应用》, vol. 37, no. 1, pages 34 - 44 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115014535A (zh) * | 2022-05-30 | 2022-09-06 | 中科三清科技有限公司 | 火点辐射能量确定方法、排放清单确定方法和电子设备 |
CN115014535B (zh) * | 2022-05-30 | 2022-12-20 | 中科三清科技有限公司 | 火点辐射能量确定方法、排放清单确定方法和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111753754B (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Siegert et al. | The 1998 forest fires in East Kalimantan (Indonesia): A quantitative evaluation using high resolution, multitemporal ERS-2 SAR images and NOAA-AVHRR hotspot data | |
Miranda et al. | Evidence-based mapping of the wildland-urban interface to better identify human communities threatened by wildfires | |
Shi et al. | A high-resolution and multi-year emissions inventory for biomass burning in Southeast Asia during 2001–2010 | |
Ye et al. | Detecting subtle change from dense Landsat time series: Case studies of mountain pine beetle and spruce beetle disturbance | |
CN105740817B (zh) | 一种秸秆燃烧火点数据的判断方法及系统 | |
Prapas et al. | Deep learning methods for daily wildfire danger forecasting | |
AU2013254890A1 (en) | Quantitative risk assessment methods and systems for renewable and non-renewable energy projects | |
CN108664926B (zh) | 森林火灾卫星监测云层反射虚假热点的识别方法 | |
CN111753754B (zh) | 一种基于热源重工业区域分析的秸秆燃烧火点识别方法 | |
Radeloff et al. | Need and vision for global medium-resolution Landsat and Sentinel-2 data products | |
Venturieri et al. | The sustainable expansion of the cocoa crop in the state of Pará and its contribution to altered areas recovery and fire reduction. | |
Bourbonnais et al. | G eographic analysis of the impacts of mountain pine beetle infestation on forest fire ignition | |
Holland et al. | Source or Sink? A comparison of Landfire-and FIA-based estimates of change in aboveground live tree carbon in California’s forests | |
Loboda | Modeling fire danger in data-poor regions: a case study from the Russian Far East | |
Bonfiglio et al. | Interfacing NOAA/ANHRR NDVI and soil truth maps for monitoring vegetation phenology at a local scale in a heterogeneous landscape of Southern Italy | |
Ruminski et al. | Use of multiple satellite sensors in NOAA's operational near real-time fire and smoke detection and characterization program | |
Floyd et al. | Normalized Difference Vegetation Index (NDVI) Assessment of Vegetation Around Oben Gas Flow Station, Edo State, Nigeria | |
CN115791685B (zh) | 基于时间序列遥感影像的秸秆燃烧提取方法 | |
ARINO¹ et al. | Methods of mapping burned surfaces in vegetation fires | |
Filizzola et al. | Automatic RST-based system for a rapid detection of fires | |
Rodriguez | A Comprehensive Study of Forest Health and Structure Following the West Fork Fire Complex in Southwest Colorado through Normalized Difference Vegetation Index (NDVI) and Normalized Burn Ratio (NBR) | |
Shapiro et al. | Are deforestation and degradation in the Congo Basin on the rise? An analysis of recent trends and associated direct drivers. | |
CN117197680B (zh) | 基于多源卫星数据的输配电森林火灾监控方法、监控装置 | |
CN115880583B (zh) | 一种夜光遥感影像的农田火识别与去除方法 | |
Vadrevu et al. | Vegetation Fires in Laos—An Overview |
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 |