CN112113913B - 一种基于背景阈值的Himawari8陆地火点探测算法 - Google Patents
一种基于背景阈值的Himawari8陆地火点探测算法 Download PDFInfo
- Publication number
- CN112113913B CN112113913B CN202010891042.4A CN202010891042A CN112113913B CN 112113913 B CN112113913 B CN 112113913B CN 202010891042 A CN202010891042 A CN 202010891042A CN 112113913 B CN112113913 B CN 112113913B
- Authority
- CN
- China
- Prior art keywords
- fire
- land
- threshold
- cloud
- detection algorithm
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
Abstract
本发明公开了一种基于背景阈值的Himawari8陆地火点探测算法,包括卫星影像数据预处理方法以及火点探测算法;所述火点探测算法具体包括以下步骤:S1、绝对火点和相对火点阈值设置:将TABS设定为340K,作为判定火点的充分条件,不满足该条件的像元进入后续潜在火点的阈值判定,本发明涉及遥感科学技术领域。该基于背景阈值的Himawari8陆地火点探测算法,本算法利用MATLAB计算机语言,对卫星影像进行预处理,通过设定合理的云检测阈值、优化背景窗口大小和调整关键阈值,该算法具有处理速度快、提取精度高、普适性强的特点,可自动化快速监测热异常点,结合土地利用分类,方便识别不同类型的火点数据,为自然资源、生态环境监管监察提供数据支撑。
Description
技术领域
本发明涉及遥感科学技术领域,具体为一种基于背景阈值的Himawari8陆地火点探测算法。
背景技术
火点自动识别是提高火灾遥感监测响应速度的关键,结合土地利用分类,可快速方便的识别林火、草原火和秸秆焚烧,火点事件变化较快,对监测时效性要求较高,针对目前监管能力的高效化和科学化形式,以往依靠人力去现场监察火点的方式已经不能满足要求,随着卫星遥感技术和计算机技术的高速发展,使得快速、大范围和自动化监测秸秆焚烧火点成为可能;对于森林火灾和草原火灾,利用卫星遥感可以重现火点从发生到消失的连续动态全过程,为灾害评估和灾后重建提供数据支撑,静止卫星能够实现对某一地区进行连续监测,Himawari-8(向日葵8号)是日本2014年10月7日发射的地球同步气象卫星,有16个波谱通道(表1),包含3个可见光通道、3个近红外通道、10个红外线通道,空间分辨率从500米到2000米;全部通道10分钟可完成1幅地球全圆盘图,针对特定目标可实现2.5分钟一次的观测,可以实现对火点实时、连续、精准的监测。
然而现有的Himawari-8卫星影像中的探测算法对于不同类型的火点数据不方便进行有效区分,同时还存在算法处理速度慢、提取精度低以及适用范围窄的问题,在监测热异常点时自动化程度较低,同时监测速度缓慢,因此针对以上问题,本发明公开了一种基于背景阈值的Himawari8陆地火点探测算法。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种基于背景阈值的Himawari8陆地火点探测算法,解决了现有Himawari-8卫星影像中的探测算法对于不同类型的火点数据不方便进行有效区分,同时还存在算法处理速度慢、提取精度低以及适用范围窄的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:一种基于背景阈值的Himawari8陆地火点探测算法,包括卫星影像数据预处理方法以及火点探测算法;
所述火点探测算法具体包括以下步骤:
S1、绝对火点和相对火点阈值设置:将绝对火点温度TABS设定为340K,作为判定火点的充分条件,不满足该条件的像元进入后续潜在火点的阈值判定,使用4μm亮温值T4和4μm与11μm亮温差值T4-T11,根据实际火点探测结果统计,T4阈值T4day1和T4day2分别设定为315K和310K,T4-T11阈值DelTday1和DelTday2分别设定为10K和15K;
S2、提取耀斑:对于光学图像而言,太阳耀斑区的反射率远高于周边区域,使图像亮度变化较大,对耀斑像元进行提取;
S3、云像元检测:根据MODIS云掩膜产品算法,取3×3大小统计窗口,计算0.51μm表观反射率标准差,当标准差大于0.006时,窗口内所有像元判定为云像元;
S4、水体区域识别:取0.64μm和0.86μm两个通道,分别计算表观反射率的差值以及和值,若反射率差与和的比值为负值,则判定为水体像元;
S5、判断耀斑、云、水体像元:通过步骤S2-S4,分别提取了耀斑像元、云像元和水体像元,综合三个计算结果,则获得所有耀斑、云和水体像元;
S6、提取非耀斑、非云的陆地像元:根据S5中的计算结果,1为耀斑、云、水体像元,0为非耀斑、非云的陆地像元,提取值为0的像元,则可获得非耀斑、非云的陆地掩膜文件(LandMask);
S7、提取陆地上绝对火点:取绝对火点条件与非耀斑、非云的陆地掩膜文件作运算,提取陆地上绝对火点:AbsFire=(T4>TABS).*LandMask;
S8、提取陆地上潜在火点:对不满足绝对火点的非陆地无云像元再进行三次阈值判定,经过三个阈值条件筛选,提取陆地上所有潜在火点:SubFire=((SubFire1|SubFire2)&SubFire3).*LandMask,其中SubFire1为阈值条件1,SubFire2为阈值条件2,SubFire3为阈值条件3;
S9、从潜在火点中剔除伪火点:对每个潜在火点的背景温度特性进行提取,以潜在火点为中心,建立大小为11×11个像元的背景窗口,统计背景温度特性,包括计算4μm通道亮度温度的均值和标准偏差δT4,以及4μm和11μm亮温差值的均值和标准偏差δ(T4-T11),根据筛选条件,剔除伪火点;
S10、确认所有热异常点:所有火点即绝对火点与剔除伪火点的潜在火点的集合。
优选的,所述卫星影像数据预处理方法具体包括以下步骤:
T1、数据读取:Himawari-8卫星数据格式为.NC文件,利用MATLAB读取波谱通道数据、角度数据和经纬度数据,Himawari-8静止卫星具备高空间覆盖度、高时间分辨率的特点,可提供实时、连续、动态的监测数据;
T2、波段合成:对T1中的波谱通道数据和角度数据分别进行波段合成;
T3、几何校正:根据T1中的经纬度数据,对合成后的通道数据和角度数据添加投影和地理空间参考;
T4、影像裁切:根据研究区范围和文件的经纬度数据,确定裁剪的地理信息和角点经纬度所在矩阵的行列位置,取对应的矩阵子集数据。
优选的,所述步骤S1中,首先设定绝对火点亮温阈值TABS,如果一个无云陆地像元满足T4>TABS,则直接判定为火点,不再参与其它阈值条件判断。
优选的,所述步骤S2中,耀斑像元满足的条件为:0.64μm和0.86μm反射率值均大于0.3,且耀斑角小于40°。
优选的,所述步骤S3中,当0.47μm通道的表观反射率大于0.25,该像元也被判定为云像元。
优选的,所述步骤S8中,三个阈值条件的筛选方法为①SubFire1=T4>T4day1&T4-T11>DelTday1;②SubFire2=T4>T4day2&T4-T11>DelTday2;③ρ0.86<0.3;其中&表示“和”。
优选的,所述步骤S9中,背景温度特性指的是背景像元的平均温度特性。
(三)有益效果
本发明提供了一种基于背景阈值的Himawari8陆地火点探测算法。具备以下有益效果:该基于背景阈值的Himawari8陆地火点探测算法,通过卫星影像数据预处理方法以及火点探测算法;火点探测算法具体包括以下步骤:S1、绝对火点和相对火点阈值设置;S2、提取耀斑;S3、云像元检测;S4、水体区域识别;S5、判断耀斑、云、水体像元;S6、提取非耀斑、非云的陆地像元;S7、提取陆地上绝对火点;S8、提取陆地上潜在火点;S9、从潜在火点中剔除伪火点;S10、确认所有热异常点;卫星影像数据预处理方法具体包括以下步骤:T1、数据读取;T2、波段合成;T3、几何校正;T4、影像裁切;本算法利用MATLAB计算机语言,对卫星影像进行预处理,通过设定合理的云检测阈值、优化背景窗口大小和调整关键阈值,实现陆地火点提取,该算法具有处理速度快、提取精度高、普适性强的特点,可自动化快速监测热异常点,结合土地利用分类,能够方便识别不同类型的火点数据,为自然资源、生态环境监管监察提供数据支撑。
附图说明
图1为本发明Himawari8卫星参数列表的示意图;
图2为本发明卫星影像数据预处理方法的流程图;
图3为本发明火点探测算法的流程图。
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、完整地描述,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1-3,本发明实施例提供一种技术方案:一种基于背景阈值的Himawari8陆地火点探测算法,通过设定合理阈值、抑制背景因素、调整背景统计窗口大小,结合计算机技术,在已有“背景对比火点探测算法”基础上,优化阈值和背景窗口大小,提供人机交互时间短、响应速度快、提取效率高的火点探测方法,包括卫星影像数据预处理方法以及基于优化后的背景阈值火点探测算法;
基于优化后的背景阈值火点探测算法具体包括以下步骤:
S1、绝对火点和相对火点阈值设置:将绝对火点温度TABS设定为340K,作为判定火点的充分条件,不满足该条件的像元进入后续潜在火点的阈值判定,使用4μm亮温值T4和4μm与11μm亮温差值T4-T11,根据实际火点探测结果统计,T4阈值T4day1和T4day2分别设定为315K和310K,T4-T11阈值DelTday1和DelTday2分别设定为10K和15K;
S2、提取耀斑:对于光学图像而言,太阳耀斑区的反射率远高于周边区域,使图像亮度变化较大,为了剔除耀斑影响,减少误判,对耀斑像元进行提取;
S3、云像元检测:因火点信息无法穿过云区到达传感器,缺少辐射信息,且云像元的亮温值对火点探测干扰较大,为有效消除云的影响,更好地从遥感影像上提取火点信息,需要进行云区识别,即进行云像元检测,达到去云的目的,根据MODIS云掩膜产品算法,取3×3大小统计窗口,计算0.51μm表观反射率标准差,当标准差大于0.006时,窗口内所有像元判定为云像元;
S4、水体区域识别:火点像元仅出现在陆地上,因此需要对水体区域进行识别并剔除,取0.64μm和0.86μm两个通道,分别计算表观反射率的差值以及和值,若反射率差与和的比值为负值,则判定为水体像元;
S5、判断耀斑、云、水体像元:通过步骤S2-S4,分别提取了耀斑像元、云像元和水体像元,综合三个计算结果,则获得所有耀斑、云和水体像元;
S6、提取非耀斑、非云的陆地像元:根据S5中的计算结果,1为耀斑、云、水体像元,0为非耀斑、非云的陆地像元,提取值为0的像元,则可获得非耀斑、非云的陆地掩膜文件(LandMask);
S7、提取陆地上绝对火点:取绝对火点条件与非耀斑、非云的陆地掩膜文件作运算,提取陆地上绝对火点:AbsFire=(T4>TABS).*LandMask;
S8、提取陆地上潜在火点:对不满足绝对火点的非陆地无云像元再进行三次阈值判定,经过三个阈值条件筛选,提取陆地上所有潜在火点:SubFire=((SubFire1|SubFire2)&SubFire3).*LandMask,其中SubFire1为阈值条件1,SubFire2为阈值条件2,SubFire3为阈值条件3;
S9、从潜在火点中剔除伪火点:对每个潜在火点的背景温度特性进行提取,以潜在火点为中心,建立大小为11×11个像元的背景窗口,统计背景温度特性,包括计算4μm通道亮度温度的均值和标准偏差δT4,以及4μm和11μm亮温差值的均值和标准偏差δ(T4-T11),根据筛选条件,剔除伪火点;
S10、确认所有热异常点:所有火点即绝对火点与剔除伪火点的潜在火点的集合。
火点探测算法的核心内容是将目标像元的温度特性与周围背景像元的平均温度特性准确地统计出来,并进行多阈值判别,根据判别结果提取火点像元,再结合土地利用分类数据识别火点类型,本算法主要利用4μm和11μm通道的亮温值进行识别,以和表示,算法适用于白天,通过以上算法优化,可达到快速准确提取火点位置,此算法实现过程简单易懂,MATLAB和IDL可移植性强,基于Himawari-8静止卫星数据,更能够实现实时、动态监测效果。
本发明中,卫星影像数据预处理方法具体包括以下步骤:
T1、数据读取:Himawari-8卫星数据格式为.NC文件,利用MATLAB读取波谱通道数据、角度数据和经纬度数据;
T2、波段合成:对T1中的波谱通道数据和角度数据分别进行波段合成;
T3、几何校正:根据T1中的经纬度数据,对合成后的通道数据和角度数据添加投影和地理空间参考;
T4、影像裁切:根据研究区范围和文件的经纬度数据,确定裁剪的地理信息和角点经纬度所在矩阵的行列位置,取对应的矩阵子集数据,经过预处理的遥感数据作为提取火点的输入数据。
本发明中,步骤S1中,首先设定绝对火点亮温阈值TABS,如果一个无云陆地像元满足T4>TABS,则直接判定为火点,不再参与其它阈值条件判断。
本发明中,步骤S2中,耀斑像元满足的条件为:0.64μm和0.86μm反射率值均大于0.3,且耀斑角小于40°。
本发明中,步骤S3中,当0.47μm通道的表观反射率大于0.25,该像元也被判定为云像元。
本发明中,步骤S8中,三个阈值条件的筛选方法为①SubFire1=T4>T4day1&T4-T11>DelTday1;②SubFire2=T4>T4day2&T4-T11>DelTday2;③ρ0.86<0.3;其中&表示“和”。
本发明中,步骤S9中,背景温度特性指的是背景像元的平均温度特性。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种基于背景阈值的Himawari8陆地火点探测算法,其特征在于:包括卫星影像数据预处理方法以及火点探测算法;
所述火点探测算法具体包括以下步骤:
S1、绝对火点和相对火点阈值设置:将绝对火点温度TABS设定为340K,作为判定火点的充分条件,不满足该条件的像元进入后续潜在火点的阈值判定,使用4μm亮温值T4和4μm与11μm亮温差值T4-T11,根据实际火点探测结果统计,T4阈值T4day1和T4day2分别设定为315K和310K,T4-T11阈值DelTday1和DelTday2分别设定为10K和15K;
S2、提取耀斑:对于光学图像而言,太阳耀斑区的反射率远高于周边区域,使图像亮度变化较大,对耀斑像元进行提取;
S3、云像元检测:根据MODIS云掩膜产品算法,取3×3大小统计窗口,计算0.51μm表观反射率标准差,当标准差大于0.006时,窗口内所有像元判定为云像元;
S4、水体区域识别:取0.64μm和0.86μm两个通道,分别计算表观反射率的差值以及和值,若反射率差与和的比值为负值,则判定为水体像元;
S5、判断耀斑、云、水体像元:通过步骤S2-S4,分别提取了耀斑像元、云像元和水体像元,综合三个计算结果,则获得所有耀斑、云和水体像元;
S6、提取非耀斑、非云的陆地像元:根据S5中的计算结果,1为耀斑、云、水体像元,0为非耀斑、非云的陆地像元,提取值为0的像元,则可获得非耀斑、非云的陆地掩膜文件;
S7、提取陆地上绝对火点:取绝对火点条件与非耀斑、非云的陆地掩膜文件作运算,提取陆地上绝对火点:AbsFire=(T4>TABS).*LandMask;
S8、提取陆地上潜在火点:对不满足绝对火点的非陆地无云像元再进行三次阈值判定,经过三个阈值条件筛选,提取陆地上所有潜在火点:SubFire=((SubFire1|SubFire2)&SubFire3).*LandMask,其中SubFire1为阈值条件1,SubFire2为阈值条件2,SubFire3为阈值条件3;
S9、从潜在火点中剔除伪火点:对每个潜在火点的背景温度特性进行提取,以潜在火点为中心,建立大小为11×11个像元的背景窗口,统计背景温度特性,包括计算4μm通道亮度温度的均值和标准偏差δT4,以及4μm和11μm亮温差值的均值和标准偏差δ(T4-T11),根据筛选条件,剔除伪火点;
S10、确认所有热异常点:所有火点即绝对火点与剔除伪火点的潜在火点的集合。
2.根据权利要求1所述的一种基于背景阈值的Himawari8陆地火点探测算法,其特征在于:所述卫星影像数据预处理方法具体包括以下步骤:
T1、数据读取:Himawari-8卫星数据格式为.NC文件,利用MATLAB读取波谱通道数据、角度数据和经纬度数据;
T2、波段合成:对T1中的波谱通道数据和角度数据分别进行波段合成;
T3、几何校正:根据T1中的经纬度数据,对合成后的通道数据和角度数据添加投影和地理空间参考;
T4、影像裁切:根据研究区范围和文件的经纬度数据,确定裁剪的地理信息和角点经纬度所在矩阵的行列位置,取对应的矩阵子集数据。
3.根据权利要求1所述的一种基于背景阈值的Himawari8陆地火点探测算法,其特征在于:所述步骤S1中,首先设定绝对火点亮温阈值TABS,如果一个无云陆地像元满足T4>TABS,则直接判定为火点,不再参与其它阈值条件判断。
4.根据权利要求1所述的一种基于背景阈值的Himawari8陆地火点探测算法,其特征在于:所述步骤S2中,耀斑像元满足的条件为:0.64μm和0.86μm反射率值均大于0.3,且耀斑角小于40°。
5.根据权利要求1所述的一种基于背景阈值的Himawari8陆地火点探测算法,其特征在于:所述步骤S3中,当0.47μm通道的表观反射率大于0.25,该像元也被判定为云像元。
6.根据权利要求1所述的一种基于背景阈值的Himawari8陆地火点探测算法,其特征在于:所述步骤S8中,三个阈值条件的筛选方法为①SubFire1=T4>T4day1&T4-T11>DelTday1;②SubFire2=T4>T4day2&T4-T11>DelTday2;③ρ0.86<0.3;其中&表示“和”。
8.根据权利要求1所述的一种基于背景阈值的Himawari8陆地火点探测算法,其特征在于:所述步骤S9中,背景温度特性指的是背景像元的平均温度特性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010891042.4A CN112113913B (zh) | 2020-08-30 | 2020-08-30 | 一种基于背景阈值的Himawari8陆地火点探测算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010891042.4A CN112113913B (zh) | 2020-08-30 | 2020-08-30 | 一种基于背景阈值的Himawari8陆地火点探测算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112113913A CN112113913A (zh) | 2020-12-22 |
CN112113913B true CN112113913B (zh) | 2021-07-09 |
Family
ID=73804575
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010891042.4A Active CN112113913B (zh) | 2020-08-30 | 2020-08-30 | 一种基于背景阈值的Himawari8陆地火点探测算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112113913B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112837489A (zh) * | 2021-01-07 | 2021-05-25 | 云南电网有限责任公司电力科学研究院 | 基于卫星和气象数据的浮动阈值输电线路山火监测方法 |
CN112488091A (zh) * | 2021-02-02 | 2021-03-12 | 中科星图股份有限公司 | 基于地球同步轨道卫星影像的火情监测方法及装置 |
CN113218508B (zh) * | 2021-04-27 | 2022-07-01 | 中南林业科技大学 | 一种基于Himawari-8卫星数据的林火判别方法 |
CN113340432B (zh) * | 2021-06-09 | 2022-08-23 | 广东电网有限责任公司 | 一种基于静止气象卫星的火情监测方法及系统 |
CN113724239B (zh) * | 2021-09-09 | 2024-03-29 | 中国石油大学(华东) | 一种基于Himawari-8遥感影像的时空火点探测方法 |
CN113989644B (zh) * | 2021-11-03 | 2022-08-19 | 中科三清科技有限公司 | 基于Himawari-8数据的沙尘区域获取方法 |
CN116052012A (zh) * | 2022-12-21 | 2023-05-02 | 北京爱特拉斯信息科技有限公司 | 一种基于Himawari-8卫星数据的火点识别方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102116861A (zh) * | 2011-02-01 | 2011-07-06 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的秸秆焚烧点提取方法 |
CN102193093A (zh) * | 2010-03-15 | 2011-09-21 | 北京师范大学 | 环境小卫星hj森林或草原火灾小火点探测系统及其方法 |
CN104615848A (zh) * | 2014-12-26 | 2015-05-13 | 中国南方电网有限责任公司 | 一种集森林火险预报和地面火点监测于一体的综合应用方法 |
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 |
CN109035664A (zh) * | 2018-08-08 | 2018-12-18 | 湖北河海科技发展有限公司 | 基于葵花气象卫星的森林火灾监测方法及平台 |
CN109214341A (zh) * | 2018-09-13 | 2019-01-15 | 青岛浩海网络科技股份有限公司 | 一种基于Himawari8的火点监测算法 |
CN110348421A (zh) * | 2019-07-18 | 2019-10-18 | 北华航天工业学院 | 基于modis数据的温带地区森林火灾检测方法 |
CN110766685A (zh) * | 2019-10-31 | 2020-02-07 | 云南电网有限责任公司昆明供电局 | 一种基于遥感数据云检测的输电线路山火监测方法及系统 |
CN110853280A (zh) * | 2019-10-24 | 2020-02-28 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 结合卫星遥感和地表要素的山火识别方法及装置 |
CN111006771A (zh) * | 2019-12-27 | 2020-04-14 | 广东电网有限责任公司电力科学研究院 | 一种基于极轨气象卫星判识火点的方法与装置 |
CN111380807A (zh) * | 2020-03-30 | 2020-07-07 | 中国科学院东北地理与农业生态研究所 | 一种基于静止卫星遥感数据的秸秆焚烧火点信息提取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014179482A1 (en) * | 2013-04-30 | 2014-11-06 | The Regents Of The University Of California | Fire urgency estimator in geosynchronous orbit (fuego) |
-
2020
- 2020-08-30 CN CN202010891042.4A patent/CN112113913B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102193093A (zh) * | 2010-03-15 | 2011-09-21 | 北京师范大学 | 环境小卫星hj森林或草原火灾小火点探测系统及其方法 |
CN102116861A (zh) * | 2011-02-01 | 2011-07-06 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的秸秆焚烧点提取方法 |
CN104615848A (zh) * | 2014-12-26 | 2015-05-13 | 中国南方电网有限责任公司 | 一种集森林火险预报和地面火点监测于一体的综合应用方法 |
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 |
CN109035664A (zh) * | 2018-08-08 | 2018-12-18 | 湖北河海科技发展有限公司 | 基于葵花气象卫星的森林火灾监测方法及平台 |
CN109214341A (zh) * | 2018-09-13 | 2019-01-15 | 青岛浩海网络科技股份有限公司 | 一种基于Himawari8的火点监测算法 |
CN110348421A (zh) * | 2019-07-18 | 2019-10-18 | 北华航天工业学院 | 基于modis数据的温带地区森林火灾检测方法 |
CN110853280A (zh) * | 2019-10-24 | 2020-02-28 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 结合卫星遥感和地表要素的山火识别方法及装置 |
CN110766685A (zh) * | 2019-10-31 | 2020-02-07 | 云南电网有限责任公司昆明供电局 | 一种基于遥感数据云检测的输电线路山火监测方法及系统 |
CN111006771A (zh) * | 2019-12-27 | 2020-04-14 | 广东电网有限责任公司电力科学研究院 | 一种基于极轨气象卫星判识火点的方法与装置 |
CN111380807A (zh) * | 2020-03-30 | 2020-07-07 | 中国科学院东北地理与农业生态研究所 | 一种基于静止卫星遥感数据的秸秆焚烧火点信息提取方法 |
Non-Patent Citations (2)
Title |
---|
"Detection and Monitoring of Forest Fires Using Himawari-8 Geostationary Satellite Data in South Korea";Eunna Jang 等;《Remote Sensing》;20190130;第11卷(第271期);第1-25页 * |
"利用Himawari-8数据监测森林火情初探";杜品 等;《北京大学学报(自然科学版)》;20181130;第54卷(第6期);第1251-1258页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112113913A (zh) | 2020-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112113913B (zh) | 一种基于背景阈值的Himawari8陆地火点探测算法 | |
Feyisa et al. | Locally optimized separability enhancement indices for urban land cover mapping: Exploring thermal environmental consequences of rapid urbanization in Addis Ababa, Ethiopia | |
CN106646651A (zh) | 一种火灾火点检测方法 | |
Stroppiana et al. | The global fire product: Daily fire occurrence from April 1992 to December 1993 derived from NOAA AVHRR data | |
Gui et al. | Record-breaking dust loading during two mega dust storm events over northern China in March 2021: Aerosol optical and radiative properties and meteorological drivers | |
Morisette et al. | Validation of the MODIS active fire product over Southern Africa with ASTER data | |
Krstinić et al. | Histogram-based smoke segmentation in forest fire detection system | |
US9250135B2 (en) | MWIR sensor for flame detection | |
Hally et al. | Advances in active fire detection using a multi-temporal method for next-generation geostationary satellite data | |
Bruce et al. | Pre-processing methodology for application to Landsat TM/ETM+ imagery of the wet tropics | |
CN111006771A (zh) | 一种基于极轨气象卫星判识火点的方法与装置 | |
CN105931409A (zh) | 一种基于红外与可见光摄像机联动的森林火灾监测方法 | |
Kuhnell et al. | Mapping woody vegetation cover over the state of Queensland using Landsat TM imagery | |
CN114663776A (zh) | 一种基于gk-2a的高频空间自适应阈值火情遥感监测方法 | |
CN112697279A (zh) | 一种基于空间上下文特征的森林火点大范围检测方法 | |
He et al. | Enhancement of a fire detection algorithm by eliminating solar reflection in the mid-IR band: Application to AVHRR data | |
Engel et al. | A seasonal-window ensemble-based thresholding technique used to detect active fires in geostationary remotely sensed data | |
CN109902666B (zh) | 一种基于二维otsu的电网山火潜在火点识别方法 | |
Zhukov et al. | Experience of detection and quantitative characterization of fires during the experimental small satellite mission BIRD | |
Laneve et al. | SIGRI project: Products validation results | |
CN113724239B (zh) | 一种基于Himawari-8遥感影像的时空火点探测方法 | |
Elvidge et al. | Remote Sensing of Night-time Light | |
CN115331117B (zh) | 基于先验知识修正参数的GK-2a遥感火情监测方法 | |
CN116452993B (zh) | 基于葵花8号卫星波段数据构建bp神经网络的方法 | |
Roupioz et al. | Quantifying the impact of cloud cover on ground radiation flux measurements using hemispherical images |
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 |