CN112113913B - 一种基于背景阈值的Himawari8陆地火点探测算法 - Google Patents

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T_ABS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

一种基于背景阈值的Himawari8陆地火点探测算法

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T_ABS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>T_ABS).*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T_ABS，如果一个无云陆地像元满足T₄>T_ABS，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；③ρ_0.86<0.3；其中&表示“和”。

优选的，所述步骤S9中，筛选条件为

其中&&表示“与”。

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T_ABS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>T_ABS).*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T_ABS，如果一个无云陆地像元满足T₄>T_ABS，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；③ρ_0.86<0.3；其中&表示“和”。

本发明中，步骤S9中，筛选条件为

其中&&表示“与”，“A&&B,首先判断A的逻辑值，如果A的值为假，就可以判断整个表达式的值为假，就不需要再判断B的值”。

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T_ABS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>T_ABS).*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T_ABS，如果一个无云陆地像元满足T₄>T_ABS，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；③ρ_0.86<0.3；其中&表示“和”。

7.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，筛选条件为

其中&&表示“与”。

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。

Images