CN111860205A - 基于多源遥感影像和网格的森林火情评价方法及存储介质 - Google Patents
基于多源遥感影像和网格的森林火情评价方法及存储介质 Download PDFInfo
- Publication number
- CN111860205A CN111860205A CN202010602651.3A CN202010602651A CN111860205A CN 111860205 A CN111860205 A CN 111860205A CN 202010602651 A CN202010602651 A CN 202010602651A CN 111860205 A CN111860205 A CN 111860205A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- fire
- image data
- sensing image
- source remote
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 20
- 238000003860 storage Methods 0.000 title claims abstract description 8
- 238000000034 method Methods 0.000 claims abstract description 38
- 230000001413 cellular effect Effects 0.000 claims abstract description 27
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 230000007480 spreading Effects 0.000 claims abstract description 9
- 238000003892 spreading Methods 0.000 claims abstract description 9
- 230000009471 action Effects 0.000 claims abstract description 5
- 238000002485 combustion reaction Methods 0.000 claims description 13
- 238000004088 simulation Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000005520 cutting process Methods 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000001228 spectrum Methods 0.000 claims description 4
- 241001464837 Viridiplantae Species 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000005728 strengthening Methods 0.000 claims 1
- 230000003313 weakening effect Effects 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 description 11
- 238000013135 deep learning Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 230000002265 prevention Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 4
- 238000010223 real-time analysis Methods 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 241000208818 Helianthus Species 0.000 description 1
- 235000003222 Helianthus annuus Nutrition 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 230000007096 poisonous effect Effects 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012876 topography Methods 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
- G06V20/188—Vegetation
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Remote Sensing (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Processing (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了基于多源遥感影像和网格的森林火情评价方法及存储介质,该方法包括以下步骤:S1:采集待监测森林的历史火情对应的多源遥感影像数据,并进行预处理;S2:根据预处理后的多源遥感影像数据,构建融合多源遥感影像数据的模拟森林火灾进行森林火蔓延时空过程的元胞自动机模型,按照一定比例将指定区域划分为网格,并使用火灾因子评估每个网格;S3:通过元胞自动机模型预测待监测森林的火情蔓延过程,指导应急行动,在火情前做准备,在火情中做预测决策,火情后做总结。本发明方法用于辅助分析、预测火情走势精准度高,且成本不高。
Description
技术领域
本发明涉及山火风险预警技术领域,尤其涉及基于多源遥感影像和网格的森林火情评价方法及存储介质。
背景技术
目前的火灾监测技术主要通过瞭望塔、视频监控实现。前者观测效果受地势影响大,覆盖面积小,同时存在人身危险,例如雷电、毒虫野兽等。后者与前者相比,仍然需要人工的参与,无法满足全时态全空间的需求。随着遥感技术的逐渐成熟,遥感+3D+AI的技术组合也参与到火情监控,实现了视频监控的自动化,烟火、火点的识别和定位,甚至可以评估火情蔓延态势;但是此技术在光线较暗,烟雾较大的场景下受限性较大,无法第一时间在火情的监控上起作用。以上三种主流技术均在发生火灾后才能产生作用,无法做到先“预”后“防”。
使用遥感栅格影像的红绿蓝三通道合成真彩图,配合机器学习和深度学习,构建大规模模型来预测火灾的走势。这些方法偏重基于概率的机理,模型运行时间相对来说较长,需要有高配置硬件环境,对成本的要求很高,也无法达到应急的要求,且该方法对样本的要求非常高,不同分辨率影像预测出的准确概率的微小区别在实际火场都会是很大的变化,这些变化会给应急策略的制定带来非常大的压力。无论是国内还是国外,对于像素分辨率在10米以内的遥感影像几乎都是需要收费,并且是按照一景收费。一般的一景遥感影像的地理范围远远大于火灾的过火范围,因此这又变相提高了成本。
传统的方法无法解决人力,而大规模神经网络又变相提高了成本。对于可以模拟多对象在时空演化过程的数学模型,例如元胞自动机。由于这些数学模型是基于对象的,所以这些模型会使用一个类棋盘的网格对对象进行定义。这种方法的不足是无法对拟定需要模拟的火场该划分多少格子,无法确定在真实情况下每个对象到底是可燃物还是裸地;在真实火场环境,如果没有当时的遥感影像,或如果使旧的遥感影像,则会对火场中的变化失去判断。如果事先派人去查看变化,或者买高分辨率遥感影像加强目视解译的结果,都会增加成本;尤其是目视解译需要专业人员,而影像里的云雾更会影像目视解译的准确性。
发明内容
本发明所要解决的技术问题是现有的火灾监测技术要么不监控预警不精准、要么监测成本较高,且在发生火灾后才能产生作用,无法做到先“预”后“防”等问题。
本发明提供了解决上述问题的基于多源遥感影像和网格的森林火情评价方法及存储介质,本发明在方法流程上进行了创新,本发明整合遥感影像、深度学习以及自动机数学模型三种方法的优势,同时降低人力成本及物力成本;同时对上述三种方法各自的使用方式进行创新,对火情进行监控、统计,结合预案进行实时分析,使结果更加精确。
本发明通过下述技术方案实现:
基于多源遥感影像和网格的森林火情评价方法,该方法包括以下步骤:
S1:采集待监测森林的历史火情对应的多源遥感影像数据,并进行预处理;其中,多源遥感影像数据包括卫星遥感影像数据和无人机遥感影像数据,历史火情信息包括可燃物特性、地形因子和气象因子;
S2:根据预处理后的多源遥感影像数据,构建融合多源遥感影像数据的模拟森林火灾进行森林火蔓延时空过程的元胞自动机模型,按照一定比例将指定区域划分为网格,并使用火灾因子评估每个网格;
S3:通过元胞自动机模型预测待监测森林的火情蔓延过程,指导应急行动,在火情前做准备,在火情中做预测决策,火情后做总结。
其中,网格划分的原理来元胞自动机,英文名cellular automata,缩写为CA。元胞自动机定义在一个离散且有限状态的元胞组成的元胞空间上,按照一定的局部规则(这里为火灾模拟规则)在离散时间维度上演化的动力学系统。其数学表达为:
F:S(t)Z-->S(t+1)Z
其中,S为元胞状态的有限集合,Z为整数集,t表示时间。
整个动力系统可以用以下关键词描述:
元胞:自动机的基本单元,可理解为网格中的每个格子。每一个元胞都有记忆存储的功能,记忆自身的状态(可燃物、空地、燃烧)和状态所对应的颜色(绿色、黑色、红色)。并且所有元胞都按照火灾规则不断更新。
元胞空间:元胞分布的空间网格的集合,可以分为一维、二维、三维元胞空间,森林火灾对应的是一个二维元胞空间。
邻域:元胞的演化规则定义为一个元胞在(t+1)时刻的状态取决于该元胞在t时刻本身的状态和它的邻居元胞的状态。在二维空间中模拟火灾使用的邻域有Moore邻域和扩展Moore邻域。一般情况下使用Moore邻域来模拟森林火灾。如果是火情中,可以考虑使用扩展邻域。
规则:自动机根据规则模拟局部元胞间的相互作用,从而引起全局变化。规则决定了元胞自动机的整个动力学行为,即邻域定义。
进一步地,步骤S1中的所述卫星遥感影像数据包括光学卫星影像数据、气象卫星影像数据、环境卫星影像数据和微波卫星影像数据。
进一步地,步骤S1中的对多源遥感影像数据进行的预处理包括拼接,具体包括:
S101:针对卫星遥感影像数据,统一栅格影像数据图像格式,将其转换为TIFF格式;非栅格的影像数据,矢量图保持原样;
评估格式转换后的栅格影像清晰度,如果不够清晰,或者色调影响目视解译,则对影像进行图像增强和大气校正;
S102:针对无人机遥感影像数据,结合POS系统中机体姿态角定位定向坐地;结合相机参数进行几何校正;根据计算出的定位,计算每一张影像左上角的坐标,对影像加入投影信息,生成TIFF格式;以及对多幅无人机影像按每幅影像左上角坐标进行拼接。
进一步地,步骤S1中的对多源遥感影像数据进行的预处理还包括裁剪,使用矢量图画出指定地区范围,裁剪处理步骤S101或步骤S102生成的影像。
进一步地,步骤S1中的对多源遥感影像数据进行的预处理还包括切片,将经过拼接、裁剪处理后的卫星遥感影像数据或无人机遥感影像数据按照TMS规范切片,发布为标准的地图服务。
进一步地,步骤S2中元胞自动机模型构建过程中,将森林视为元胞自动机模型中的二维空间,森林中的树木视为某一坐标(x,y)的元胞;
设定森林火灾的模拟规则如下:
a、状态:元胞有三个状态,包括可燃物0,空地1或燃烧2;
b、邻域:邻域为Moore邻域,以网格左上角为起始坐标,对一个位置为{x,y}的元胞,对于邻域范围内其它八个元胞的坐标为(x-1,y-1),(x,y-1),(x+1,y-1),(x-1,y),(x+1,y),(x-1,y+1),(x,y+1),(x+1,y+1);
c、演化规则:
c1:对应一个状态为可燃物0元胞(x,y)的邻域范围,查看邻域空间的八个元胞状态,若有一个为燃烧状态2,则元胞(x,y)在下一刻的状态也为燃烧2;
c2:若元胞(x,y)当前状态为燃烧2,下一刻为空地1;
c3:若该空间存在坡度,则存在风力等使火势减弱或加强的因子,则在给定概率p的条件下,邻域变为VonNeumann邻域或扩展Moore邻域或自定义邻域。
进一步地,步骤S2中网格的划分方式采用归一化差分植被指数NDVI来评估植被覆盖率,公式如下:
式中,NIR表示近红外,R表示红色光谱,计算出的NDVI的值在-1和1之间,一般情况下NDVI大于0.2的值对应绿植,即为可燃物;NDVI小于0的值对应空地。
另一方面,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述基于多源遥感影像和网格的森林火情评价方法的步骤。
本发明与现有技术相比,具有如下的优点和有益效果:
1、本发明基于遥感和地理信息知识,使用遥感影像,无人机影像,摄像头中相关数据,提取指定地域的相关信息,可靠的对森林火灾通过低中高三大层次,在应急前中后进行分析;遥感传感器数据格式是固定的,作为底层数据,使用现代计算机信息技术将其融入网络框架,从而快速生成结果,并且降低人力的投入。
2、本发明通过使用网格划分指定地域,使用户能够了解指定区域的变化,结合变化性分析林火,结果更精确;监测发生火灾时的火场区域、燃烧走势;明确应急救援方向,从整体上为防火工作提供及时的决策支撑。
3、本发明方法解决了火灾的预防性弱的问题,为应急等需要快速响应的场景提供了绝佳的效果,如森林火灾,城市火灾等应急监测应用;同时多源遥感影像的时效性极强,并且是一种标准数据,配合深度学习技术,可形成火灾知识库,为应急行动建立完整信息化服务。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为本发明基于多源遥感影像和网格的森林火情评价方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例
如图1所示,本发明提出一种基于多源遥感影像和网格的森林火情评价方法:结合多源遥感影像,主要包括各卫星影像和无人机影像;基于多源卫星影像数据对齐;大气校正;数据增强;无人机影像自定位;无人机影像自校正;无人机影像拼接;多源影像发布处理为标准地图服务;不同地区不同大小网格划分;基于不同火灾因素的模拟。该方法包括以下步骤:
S1:采集待监测森林的历史火情对应的多源遥感影像数据,并进行预处理;其中,多源遥感影像数据包括卫星遥感影像数据和无人机遥感影像数据,历史火情信息包括可燃物特性、地形因子和气象因子;
具体地,所述卫星遥感影像数据包括光学卫星影像数据、气象卫星影像数据、环境卫星影像数据和微波卫星影像数据。目前欧洲航天局的哨兵系列卫星、日本的葵花8号、美国NASA的陆地卫星LandSat数据,以及我国的的高分系列,环境卫星数据都可以从官网免费获得。
对多源遥感影像数据进行的预处理包括拼接,具体包括:
S101:针对卫星遥感影像数据,则对栅格影像数据,例如JP2000、IMG,进行图像格式统一,将其转换为TIFF格式;对非栅格的影像数据,例如csv,矢量图则保持原样;
评估格式转换后的栅格影像清晰度,如果不够清晰,或者色调影响目视解译,则使用软件,例如ArcGIS,对影像进行图像增强和大气校正;也可以使用各影像对应的图像增强库和6s模型编写代码对影像做图像增强和大气校正。
S102:针对无人机遥感影像数据,则结合POS系统中机体姿态角对坐地进行定位定向;结合相机参数进行几何校正;根据计算出的定位,计算每一张影像左上角的坐标,对影像加入投影信息,生成TIFF格式;以及对多幅无人机影像按每幅影像左上角坐标进行拼接。
对多源遥感影像数据进行的预处理还包括裁剪,使用矢量图画出指定地区的范围,裁剪处理步骤S101或步骤S102生成的影像。
对多源遥感影像数据进行的预处理还包括切片,按照TMS规范将经过拼接、裁剪处理后的卫星遥感影像数据或无人机遥感影像数据切片,发布为标准的地图服务。
S2:根据预处理后的多源遥感影像数据,构建融合多源遥感影像数据的模拟森林火灾进行森林火蔓延时空过程的元胞自动机模型,按照一定比例将指定区域划分为网格,并使用火灾因子评估每个网格;
具体地,元胞自动机模型构建过程中,将森林视为元胞自动机模型中的二维空间,森林中的树木视为某一坐标(x,y)的元胞;
设定森林火灾的模拟规则如下:
a、状态:元胞有三个状态,包括可燃物0,空地1或燃烧2;
b、邻域:邻域为Moore邻域,以网格左上角为起始坐标,对一个位置为{x,y}的元胞,对于邻域范围内其它八个元胞的坐标为(x-1,y-1),(x,y-1),(x+1,y-1),(x-1,y),(x+1,y),(x-1,y+1),(x,y+1),(x+1,y+1);
c、演化规则:
c1:对应一个状态为可燃物0元胞(x,y)的邻域范围,查看邻域空间的八个元胞状态,若有一个为燃烧状态2,则元胞(x,y)在下一刻的状态也为燃烧2;
c2:若元胞(x,y)当前状态为燃烧2,下一刻为空地1;
c3:若该空间存在坡度,则存在风力等使火势减弱或加强的因子,则在给定概率p的条件下,邻域变为VonNeumann邻域或扩展Moore邻域或自定义邻域。
此元胞自动机模型的上述表达方式决定了可以对该自动机进行数学编程并建模,是将自动机和遥感影像系统融合的必要条件。
具体地,网格的划分方式采用归一化差分植被指数NDVI(Normalized DifferenceVegetation Index)来评估植被覆盖率,公式如下:
式中,NIR表示近红外,R表示红色光谱,计算出的NDVI的值在-1和1之间,一般情况下NDVI大于0.2的值对应绿植,即为可燃物;NDVI小于0的值对应空地。
对于某一景栅格遥感影像,使用上述公式中对应的波段计算出NDVI,按照给定比例划分出网格。使用根据NDVI的值域可以判断出一个元胞是否为可燃物或空地。
S3:通过元胞自动机模型预测待监测森林的火情蔓延过程,指导应急行动,在火情前做准备,在火情中做预测决策,火情后做总结。
具体地,在火情前:
经常发生火灾的地区会造成长期的火灾威胁。对这些地点在火情前做以下流程操作:首先,调用历史火情对应的遥感影像,其中包含的火点,火灾走势,过火面积,风力,风向,地势等数据;其次,将这些图像划分网格,建立元胞状态,建立火灾因子的概率;然后,运行元胞自动机,结果和火灾走势,过火面积做比较并调整概率值做优化。
具体地,在火情中:
首先,使用当前时刻的遥感影像,根据先验经验做网格化;使用当前时间段遥感影像,或者无人机影像,寻找火点;同时,结合用气象卫星数据查询风力风向;其次,构建深度学习网络,检测森林的变化;使用相关归一化指数验证;然后,建立元胞自动机并运行,得出可能的火情走势。
具体地,在火情后:
更新自动机资料并存档。
本发明提供的基于多源遥感影像和网格的森林火情评价方法,整个过程采用流式化处理,从影像的预处理,发布为地图服务到使用自动机进行决策辅助,形成一个完整的火情评估自动处理链条。过程中的图像处理均采用GPU加速,运行在配置较好的服务器上,从而能够将整个处理过程控制在较短的时间。
多源遥感影像的探测器形式众多,成图清晰,使得对于不同大小地域有较多的影像选择;并且云雾,烟尘不会再影响监测效果。不仅可以整体感知地物,也可以准确的判断火灾发生时的风向、有害气体的流通。
网格式火灾评估是一个可补充火灾因子的自动机。火灾因子是可能引发火灾的因素,例如电网、森林、燃料;或导致被火灾趋势变化的因素,例如季风、近邻性。不同的火灾因子在不同的地域会按照先验经验给予不同的权重,不同的火灾因子会使自动机邻域发生变化,不同的地域的火灾因子数量也不一样。
总体来说,每一个火灾因子是独立性的因素,在元胞自动机中将独立因素的相互影响进行了完整的模拟,并且不同的地区可以制定不同的模拟规则。每一次的模拟结果都可以有遥感影像做结果比较,遥感影像计算出的指数也会加强自动机模拟的可靠性。因此,本发明的流程方法整合了规则的深度和火灾因子的广度,也使评估的综合度更高,科学性更强。
应用本发明方案,在整理出需要监测的地区的火灾因子后,可以在短时间得到火情相关的模拟和评估。无论是火情前,或者是火情中,还是火情后,都可以辅助分析做出决策,达到“打有准备之仗”的目的,解决了传统方法无法做到“先预后防”的问题。
工作原理如下:
本发明采用上述技术方案通过整合遥感影像、深度学习以及自动机数学模型的优势,同时降低人力成本及物力成本;同时创新上述三种方法各自的使用方式,目的是使结果更加精确,且成本不高,辅助分析预测火情走势。此三者彼此弥补各自的缺点。本发明的突出技术点:
(1)本发明摒弃传统方法中只使用单一遥感传感器,而是结合多源遥感传感器:光学,气象,微波,无人机,摄像头,达到在宏观,中观,微观层面的上的观测效果;
(2)突破先验经验带来的拘束性:所有的数据,例如地势,风向,水文。降低深度学习对于影像分辨率的要求,充分使用多元影像自带光谱构建针对于水文,植被,裸地,山石等的归一化指数。结合该指数进一步过滤深度学习结果,使结果更加精确可靠。
(3)突破数学经验构建自动机网格策略:模拟火情变化自动机的网格划分策略来自于遥感影像的信息。可燃物,裸地,河流均可利用多源遥感影像的归一化指数进行确认,脱离了人为的目视解译读取,避免了云雾的干扰。
另外,本发明方法将遥感,深度学习,自动机使用RESTful网络架构统一起来,完全达到自动化、数字化的要求。能够在火情未发生时能模拟火情走势,对火灾发生时的救援进行预案;在火情发生时能够结合多源遥感影像和深度学习技术,对火情进行监控、统计,结合预案进行实时分析;同时结合深度学习技术在火情后期对关键要素进行识别,打通了应急处理中的”先预“,后”防”的流程,为用户在时间维度和空间维度上对于不同时期的火情提供了决策支持。
另一方面,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述基于多源遥感影像和网格的森林火情评价方法的步骤。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.基于多源遥感影像和网格的森林火情评价方法,其特征在于,该方法包括以下步骤:
S1:采集待监测森林的历史火情对应的多源遥感影像数据,并进行预处理;其中,多源遥感影像数据包括卫星遥感影像数据和无人机遥感影像数据,历史火情信息包括可燃物特性、地形因子和气象因子;
S2:根据预处理后的多源遥感影像数据,构建融合多源遥感影像数据的模拟森林火灾进行森林火蔓延时空过程的元胞自动机模型,按照一定比例将指定区域划分为网格,并使用火灾因子评估每个网格;
S3:通过元胞自动机模型预测待监测森林的火情蔓延过程,指导应急行动,在火情前做准备,在火情中做预测决策,火情后做总结。
2.根据权利要求1所述的基于多源遥感影像和网格的森林火情评价方法,其特征在于,步骤S1中的所述卫星遥感影像数据包括光学卫星影像数据、气象卫星影像数据、环境卫星影像数据和微波卫星影像数据。
3.根据权利要求1所述的基于多源遥感影像和网格的森林火情评价方法,其特征在于,步骤S1中的对多源遥感影像数据进行的预处理包括拼接,具体包括:
S101:针对卫星遥感影像数据,统一栅格影像数据图像格式,将其转换为TIFF格式;非栅格的影像数据,矢量图保持原样;
评估格式转换后的栅格影像的清晰度,如果不够清晰,或者色调影响目视解译,则对影像进行图像增强和大气校正;
S102:针对无人机遥感影像数据,结合POS系统中机体姿态角定位定向坐地;结合相机参数进行几何校正;根据计算出的定位,计算每一张影像左上角的坐标,对影像加入投影信息,生成TIFF格式;以及对多幅无人机影像按每幅影像左上角坐标进行拼接。
4.根据权利要求3所述的基于多源遥感影像和网格的森林火情评价方法,其特征在于,步骤S1中的对多源遥感影像数据进行的预处理还包括裁剪,使用矢量图画出指定地区范围,裁剪处理步骤S101或步骤S102生成的影像。
5.根据权利要求4所述的基于多源遥感影像和网格的森林火情评价方法,其特征在于,步骤S1中的对多源遥感影像数据进行的预处理还包括切片,将经过拼接、裁剪处理后的卫星遥感影像数据或无人机遥感影像数据按照TMS规范切片,发布为标准的地图服务。
6.根据权利要求1所述的基于多源遥感影像和网格的森林火情评价方法,其特征在于,步骤S2中元胞自动机模型构建过程中,将森林视为元胞自动机模型中的二维空间,森林中的树木视为某一坐标(x,y)的元胞;
设定森林火灾的模拟规则如下:
a、状态:元胞有三个状态,包括可燃物0,空地1或燃烧2;
b、邻域:邻域为Moore邻域,以网格左上角为起始坐标,对一个位置为{x,y}的元胞,对于邻域范围内其它八个元胞的坐标为(x-1,y-1),(x,y-1),(x+1,y-1),(x-1,y),(x+1,y),(x-1,y+1),(x,y+1),(x+1,y+1);
c、演化规则:
c1:对应一个状态为可燃物0元胞(x,y)的邻域范围,查看邻域空间的八个元胞状态,若有一个为燃烧状态2,则元胞(x,y)在下一刻的状态也为燃烧2;
c2:若元胞(x,y)当前状态为燃烧2,下一刻为空地1;
c3:若该空间存在坡度,则存在使火势减弱或加强的因子,则在给定概率p的条件下,邻域变为VonNeumann邻域或扩展Moore邻域或自定义邻域。
8.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010602651.3A CN111860205B (zh) | 2020-06-29 | 2020-06-29 | 基于多源遥感影像和网格的森林火情评价方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010602651.3A CN111860205B (zh) | 2020-06-29 | 2020-06-29 | 基于多源遥感影像和网格的森林火情评价方法及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111860205A true CN111860205A (zh) | 2020-10-30 |
CN111860205B CN111860205B (zh) | 2024-03-19 |
Family
ID=72989491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010602651.3A Active CN111860205B (zh) | 2020-06-29 | 2020-06-29 | 基于多源遥感影像和网格的森林火情评价方法及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111860205B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112435207A (zh) * | 2020-12-07 | 2021-03-02 | 深圳航天智慧城市系统技术研究院有限公司 | 一种基于天空地一体化的森林火灾监测预警方法 |
CN112527442A (zh) * | 2020-12-24 | 2021-03-19 | 中国科学院地理科学与资源研究所 | 一种环境数据多维显示方法、装置、介质及终端设备 |
CN113139272A (zh) * | 2020-12-11 | 2021-07-20 | 西安天和防务技术股份有限公司 | 林火蔓延预测方法、装置、设备和存储介质 |
CN113269175A (zh) * | 2021-07-21 | 2021-08-17 | 航天宏图信息技术股份有限公司 | 一种火情监测方法和装置 |
CN113486814A (zh) * | 2021-07-08 | 2021-10-08 | 厦门理工学院 | 一种基于时空融合算法的森林火灾遥感动态监测方法 |
CN113821987A (zh) * | 2021-11-19 | 2021-12-21 | 浙江甲骨文超级码科技股份有限公司 | 复杂地形气象数据预测方法、系统和装置 |
CN113903136A (zh) * | 2021-12-13 | 2022-01-07 | 环球数科集团有限公司 | 一种森林火灾应急态势建模分析系统 |
CN114419835A (zh) * | 2021-11-30 | 2022-04-29 | 广州欧科信息技术股份有限公司 | 一种基于数字孪生技术的历史建筑火灾监测方法及系统 |
CN114549259A (zh) * | 2022-02-23 | 2022-05-27 | 中科海慧(北京)科技有限公司 | 一种基于多源数据融合的智慧城市优化管理方法 |
CN114648848A (zh) * | 2022-05-23 | 2022-06-21 | 四川嘉普信工程技术咨询有限公司 | 一种森林火灾监测方法、装置、设备及存储介质 |
CN114821320A (zh) * | 2022-04-27 | 2022-07-29 | 福州大学 | 通过林火迹地边界反向推演火源位置的方法 |
CN117557559A (zh) * | 2024-01-11 | 2024-02-13 | 青岛山科智汇信息科技有限公司 | 一种灭火弹的弹着点确定方法、介质及系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101719298A (zh) * | 2009-11-23 | 2010-06-02 | 中国科学院遥感应用研究所 | 森林草原火灾遥感监测预警方法 |
CN103426153A (zh) * | 2013-07-24 | 2013-12-04 | 广州地理研究所 | 一种无人机遥感影像快速拼接方法 |
CN103544390A (zh) * | 2013-10-18 | 2014-01-29 | 西南交通大学 | 基于元胞自动机的溃决洪水快速演进模拟分析方法 |
CN103870891A (zh) * | 2014-03-25 | 2014-06-18 | 安徽大学 | 基于网格流的输电线路火灾蔓延预测方法及系统 |
WO2016132161A1 (en) * | 2015-02-16 | 2016-08-25 | Kontoes Charalampos | Method that detects areas of active fire hotspots in real-time, calculates the most probable ignition point and assesses fire probability indicators, using satellite images and fuel data. |
CN106021666A (zh) * | 2016-05-10 | 2016-10-12 | 四川大学 | 一种架空输电线路的山火灾害预警方法 |
CN106447601A (zh) * | 2016-08-31 | 2017-02-22 | 中国科学院遥感与数字地球研究所 | 一种基于投影‑相似变换的无人机遥感影像拼接方法 |
CN107562886A (zh) * | 2017-09-05 | 2018-01-09 | 北京星球时空科技有限公司 | 一种生成相片地图的方法及装置 |
US20180079669A1 (en) * | 2015-07-23 | 2018-03-22 | G-Land | Method for selection of appropriate location to reduce the atmospheric carbon dioxide through large-scale iron fertilization with less accumulation rate of volcanic sulfur compounds |
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 |
CN110310248A (zh) * | 2019-08-27 | 2019-10-08 | 成都数之联科技有限公司 | 一种无人机遥感影像实时拼接方法及系统 |
CN110555119A (zh) * | 2019-08-27 | 2019-12-10 | 成都数之联科技有限公司 | 一种实时场景下无人机遥感影像切片方法及系统 |
-
2020
- 2020-06-29 CN CN202010602651.3A patent/CN111860205B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101719298A (zh) * | 2009-11-23 | 2010-06-02 | 中国科学院遥感应用研究所 | 森林草原火灾遥感监测预警方法 |
CN103426153A (zh) * | 2013-07-24 | 2013-12-04 | 广州地理研究所 | 一种无人机遥感影像快速拼接方法 |
CN103544390A (zh) * | 2013-10-18 | 2014-01-29 | 西南交通大学 | 基于元胞自动机的溃决洪水快速演进模拟分析方法 |
CN103870891A (zh) * | 2014-03-25 | 2014-06-18 | 安徽大学 | 基于网格流的输电线路火灾蔓延预测方法及系统 |
WO2016132161A1 (en) * | 2015-02-16 | 2016-08-25 | Kontoes Charalampos | Method that detects areas of active fire hotspots in real-time, calculates the most probable ignition point and assesses fire probability indicators, using satellite images and fuel data. |
US20180079669A1 (en) * | 2015-07-23 | 2018-03-22 | G-Land | Method for selection of appropriate location to reduce the atmospheric carbon dioxide through large-scale iron fertilization with less accumulation rate of volcanic sulfur compounds |
CN106021666A (zh) * | 2016-05-10 | 2016-10-12 | 四川大学 | 一种架空输电线路的山火灾害预警方法 |
CN106447601A (zh) * | 2016-08-31 | 2017-02-22 | 中国科学院遥感与数字地球研究所 | 一种基于投影‑相似变换的无人机遥感影像拼接方法 |
CN107562886A (zh) * | 2017-09-05 | 2018-01-09 | 北京星球时空科技有限公司 | 一种生成相片地图的方法及装置 |
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 |
CN110310248A (zh) * | 2019-08-27 | 2019-10-08 | 成都数之联科技有限公司 | 一种无人机遥感影像实时拼接方法及系统 |
CN110555119A (zh) * | 2019-08-27 | 2019-12-10 | 成都数之联科技有限公司 | 一种实时场景下无人机遥感影像切片方法及系统 |
Non-Patent Citations (8)
Title |
---|
IOANNIS KARAFYLLIDIS等: "A model for predicting forest fire spreading using cellular automata", 《ECOLOGICAL MODELLING》, vol. 99, no. 1, 16 June 1997 (1997-06-16), pages 87 - 97 * |
刘月文;杨宏业;王硕;赵淳;: "一种基于CA的林火蔓延模型的设计与实现――以内蒙古地区为例", 灾害学, no. 03, pages 2 - 3 * |
吴超;徐伟恒;黄邵东;秦明明;王秋华;: "林火监测中遥感应用的研究现状", 西南林业大学学报(自然科学), no. 03, 15 May 2020 (2020-05-15) * |
周利珍;陈娟;王俊明;: "立体化构建森林防火体系", 北京农业, no. 12, 25 April 2013 (2013-04-25) * |
张静;刘翌;: "应用于民用领域的航空摄像处理系统", 江西科学, no. 02, pages 2 - 3 * |
惠珊;芮小平;李尧;: "一种耦合元胞自动机的改进林火蔓延仿真算法", 武汉大学学报(信息科学版), no. 10, 5 October 2016 (2016-10-05) * |
杨志高, 张贵, 钱少青: "森林火灾的计算机仿真研究", 湖南林业科技, no. 01, pages 58 - 59 * |
赵丽娟;: "瓦片地图在遥感影像专题图中的应用研究", 测绘, no. 01, pages 17 - 19 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112435207B (zh) * | 2020-12-07 | 2024-04-09 | 深圳航天智慧城市系统技术研究院有限公司 | 一种基于天空地一体化的森林火灾监测预警方法 |
CN112435207A (zh) * | 2020-12-07 | 2021-03-02 | 深圳航天智慧城市系统技术研究院有限公司 | 一种基于天空地一体化的森林火灾监测预警方法 |
CN113139272A (zh) * | 2020-12-11 | 2021-07-20 | 西安天和防务技术股份有限公司 | 林火蔓延预测方法、装置、设备和存储介质 |
CN112527442A (zh) * | 2020-12-24 | 2021-03-19 | 中国科学院地理科学与资源研究所 | 一种环境数据多维显示方法、装置、介质及终端设备 |
CN113486814A (zh) * | 2021-07-08 | 2021-10-08 | 厦门理工学院 | 一种基于时空融合算法的森林火灾遥感动态监测方法 |
CN113269175A (zh) * | 2021-07-21 | 2021-08-17 | 航天宏图信息技术股份有限公司 | 一种火情监测方法和装置 |
CN113269175B (zh) * | 2021-07-21 | 2021-10-22 | 航天宏图信息技术股份有限公司 | 一种火情监测方法和装置 |
CN113821987A (zh) * | 2021-11-19 | 2021-12-21 | 浙江甲骨文超级码科技股份有限公司 | 复杂地形气象数据预测方法、系统和装置 |
CN114419835A (zh) * | 2021-11-30 | 2022-04-29 | 广州欧科信息技术股份有限公司 | 一种基于数字孪生技术的历史建筑火灾监测方法及系统 |
CN113903136B (zh) * | 2021-12-13 | 2022-02-22 | 环球数科集团有限公司 | 一种森林火灾应急态势建模分析系统 |
CN113903136A (zh) * | 2021-12-13 | 2022-01-07 | 环球数科集团有限公司 | 一种森林火灾应急态势建模分析系统 |
CN114549259A (zh) * | 2022-02-23 | 2022-05-27 | 中科海慧(北京)科技有限公司 | 一种基于多源数据融合的智慧城市优化管理方法 |
CN114821320A (zh) * | 2022-04-27 | 2022-07-29 | 福州大学 | 通过林火迹地边界反向推演火源位置的方法 |
CN114648848A (zh) * | 2022-05-23 | 2022-06-21 | 四川嘉普信工程技术咨询有限公司 | 一种森林火灾监测方法、装置、设备及存储介质 |
CN117557559A (zh) * | 2024-01-11 | 2024-02-13 | 青岛山科智汇信息科技有限公司 | 一种灭火弹的弹着点确定方法、介质及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111860205B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111860205A (zh) | 基于多源遥感影像和网格的森林火情评价方法及存储介质 | |
US11869192B2 (en) | System and method for vegetation modeling using satellite imagery and/or aerial imagery | |
Sahin et al. | The change detection in coastal settlements using image processing techniques: a case study of Korfez | |
Gigović et al. | GIS multi-criteria analysis for identifying and mapping forest fire hazard: Nevesinje, Bosnia and Herzegovina | |
CN114333207A (zh) | 基于遥感数据的火灾全过程监测方法和装置 | |
Huang et al. | Wildfire spread modeling with aerial image processing | |
CN115406412A (zh) | 一种基于bim无人机测绘装置及测绘方法 | |
CN113033401A (zh) | 一种面向生态保护红线的人类活动变化识别监管方法 | |
Barrile et al. | Integrated GIS system for post-fire hazard assessments with remote sensing | |
Salman Aal-shamkhi et al. | Extraction and modeling of urban sprawl development in Karbala City using VHR satellite imagery | |
JP5801277B2 (ja) | 林野火災の予測装置及び林野火災の予測プログラム | |
Albuquerque et al. | Remotely piloted aircraft imagery for automatic tree counting in forest restoration areas: a case study in the Amazon | |
CN112380945A (zh) | 一种输电通道环境隐患的识别方法和系统 | |
KOVAŘÍK | Possibilities of geospatial data analysis using spatial modeling in ERDAS IMAGINE | |
Bettineschi et al. | Clearence cairnfields forever: combining AI and LiDAR data in the Marcesina upland (northern Italy) | |
US20220131375A1 (en) | System and method for energy infrastructure and geospatial data visualization, management, and analysis using environment simulation and virtual realization | |
Değermenci | Spatio-temporal change analysis and prediction of land use and land cover changes using CA-ANN model | |
CN113506203A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN113378700A (zh) | 基于无人机航拍影像的草原鼠害动态监测方法 | |
Freitas et al. | Simulation of urban growth: a case study for Curitiba city, Brazil | |
Bilotta et al. | Wildfires: an application of remote sensing and OBIA | |
Alphan | Bi-temporal analysis of landscape changes in the easternmost Mediterranean deltas using binary and classified change information | |
Abd Latif et al. | Optimization of power transmission line location at tropical forest area in avoiding endangered tree species | |
Oliveira | Decision Support Platform for Enhanced Wildfire Prevention and Management | |
Osmólska et al. | Using a GEOBIA framework for integrating different data sources and classification methods in context of land use/land cover mapping |
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 | ||
CB02 | Change of applicant information |
Address after: 610000 No. 270, floor 2, No. 8, Jinxiu street, Wuhou District, Chengdu, Sichuan Applicant after: Chengdu shuzhilian Technology Co.,Ltd. Address before: 610000 No.2, 4th floor, building 1, Jule Road intersection, West 1st section of 1st ring road, Wuhou District, Chengdu City, Sichuan Province Applicant before: CHENGDU SHUZHILIAN TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |