CN112230299A - 一种多时相热红外遥感探测北方地热异常方法 - Google Patents

一种多时相热红外遥感探测北方地热异常方法 Download PDF

Info

Publication number
CN112230299A
CN112230299A CN202011082256.3A CN202011082256A CN112230299A CN 112230299 A CN112230299 A CN 112230299A CN 202011082256 A CN202011082256 A CN 202011082256A CN 112230299 A CN112230299 A CN 112230299A
Authority
CN
China
Prior art keywords
temperature
cluster
remote sensing
abnormal
time phase
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
Application number
CN202011082256.3A
Other languages
English (en)
Other versions
CN112230299B (zh
Inventor
刘善伟
叶传龙
孙钦婷
段忠丰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Petroleum East China
Original Assignee
China University of Petroleum East China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China University of Petroleum East China filed Critical China University of Petroleum East China
Priority to CN202011082256.3A priority Critical patent/CN112230299B/zh
Publication of CN112230299A publication Critical patent/CN112230299A/zh
Application granted granted Critical
Publication of CN112230299B publication Critical patent/CN112230299B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V8/00—Prospecting or detecting by optical means
    • G01V8/10—Detecting, e.g. by using light barriers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N25/00—Investigating or analyzing materials by the use of thermal means

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Radiation Pyrometers (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种多时相热红外遥感探测北方地热异常方法，涉及遥感地质领域，基本步骤为：选取相同区域的多时相遥感影像；对遥感影像进行辐射定标和几何配准得到处理后影像；构建用于地表温度反演的背景场；计算各时相的地表温度反演结果；提取出各时相的温度异常区域；得出地热异常区域。本发明综合考虑常见地物对地表温度反演以及地热异常探测的影响，避免单时相遥感影像进行地热异常探测所带来的误检，具有科学合理、易于实现、精度高等优点。

Description

一种多时相热红外遥感探测北方地热异常方法
技术领域
本发明涉及遥感地质领域，尤其涉及一种多时相热红外遥感探测北方地热异常方法。
背景技术
地热资源是一种新型的清洁能源，其具有可再生、分布广泛、蕴藏量丰富、单位成本低等优点。传统地球物理探测方式具有成本高、耗时耗力、破坏性强等缺点，是限制地热资源发展的主要原因之一。热红外遥感可以从宏观上反演地表温度，基于地表温度进行地热异常探测能够有效地探测出地热资源。
目前采用热红外遥感技术进行北方地热异常探测，尚有很多弊端，例如茂盛的植被会干扰地表温度反演、不透水面与水体的地表温度反演结果会对地热异常圈定产生误判，故采用单时相遥感影像进行地热探测存在一定的偶然性。而自然界中的地热具有稳定性，在时间维度上能持续性表现为温度异常，基于以上特征，本发明提出了一种多时相热红外遥感探测北方地热异常方法。
发明内容
(一)要解决的技术问题
本发明提供了一种多时相热红外遥感探测北方地热异常方法，以提高北方地热异常区域的圈定精度。
(二)技术方案
本发明包含以下步骤：
(1)选取相同区域的n(n＞2)个时相的遥感影像Gi(i＝1,2,...,n)；
其中，影像选取要求：秋冬季植被落叶后的遥感影像，研究区域内无云；
(2)对步骤(1)中选取的遥感影像Gi进行辐射定标和几何配准，得到处理后影像Ii(i＝1,2,...,n)；
(3)利用步骤(2)中得到的处理后影像Ii计算背景场Fi(i＝1,2,...,n)；
其中，背景场的计算步骤如下：
3.1)选取步骤(2)中拍摄时间最晚的处理后影像M；
3.2)随机选取M中的四个像素点作为四个簇(植被，水体，裸地和不透水面)的质心；
3.3)将各像素点分到距离各簇质心最近的一簇中，重新计算每一簇的质心，其中像素点到各簇质心的距离计算公式如下：
Figure BDA0002719031250000021
式中
Figure BDA0002719031250000022
表示像素点(j,k)到第t(1≤t≤4)簇质心的距离，
Figure BDA0002719031250000023
表示像素点(j,k)第p(1≤p≤b)波段的像素值，b表示处理后影像M的全部波段数，Yt p表示第t簇第p波段的质心值，其计算公式如下：
Figure BDA0002719031250000024
式中
Figure BDA0002719031250000025
表示第t簇中第s个像素点(j,k)的第p波段的像素值，Nt表示第t簇中所有像素点的个数；
3.4)重复步骤3.3)直到每一簇的质心不再改变，绘制每一簇质心曲线，分别与植被，水体，裸地和不透水面的光谱曲线进行匹配，得到每一簇的类别；
3.5)标记步骤3.4)中水体和不透水面的像素点，然后在各处理后影像Ii中删除与标记像素点位置相对应像素点，得到各处理后影像Ii对应的背景场Fi(i＝1,2,...,n)；
(4)利用步骤(3)中背景场Fi的热红外波段Di(i＝1,2,...,n)，基于单窗算法进行温度反演，得到n个时相的地表温度反演结果Ti(i＝1,2,...,n)；
(5)利用步骤(4)中得到的地表温度反演结果，提取各时相温度异常区域；
其中，温度异常区域提取过程如下：
5.1)将各时相的地表温度反演结果经过Canny算子处理得到各温度异常区域的边界范围，保留内部温度大于外部温度的温度异常区域；
5.2)对各时相的温度异常区域进行聚类处理，将相邻距离小于20倍影像分辨率的温度异常区域合并为一类，得到各时相温度异常区域；
(6)利用步骤(5)中得到的各时相温度异常区域，进行地热异常区域判别；
其中，地热异常区域判别过程如下：
6.1)选取任一时相的温度异常区域作为地热异常区域；
6.2)若地热异常子区域与另一时相温度异常子区域存在空间相交情况，则合并该两子区域作为新的地热异常子区域；
6.3)重复步骤6.2)，直至遍历剩余n-2时相的温度异常区域，得到最终的地热异常区域。
(三)有益效果
本发明的优点体现在：
本发明提供一种多时相热红外遥感探测北方地热异常方法，该方法综合考虑地表覆盖物对温度反演和地热异常圈定的影响，克服了单期遥感影像进行地热异常探测具有偶然性的弊端，为北方地热异常区域的精确圈定提供了技术支撑。
附图说明
图1为本发明实施的步骤流程图，
图2为地热异常区域选取示意图。
具体实施方式
为使本发明的目的、内容、和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述：
参照图1，本发明的具体实施步骤为：
(1)选取相同区域的n(n＞2)个时相的遥感影像Gi(i＝1,2,...,n)；
其中，影像选取要求：秋冬季植被落叶后的遥感影像，研究区域内无云；
(2)对步骤(1)中选取的遥感影像Gi进行辐射定标和几何配准，得到处理后影像Ii(i＝1,2,...,n)；
(3)利用步骤(2)中得到的处理后影像Ii计算背景场Fi(i＝1,2,...,n)；
其中，背景场的计算步骤如下：
3.1)选取步骤(2)中拍摄时间最晚的处理后影像M；
3.2)随机选取M中的四个像素点作为四个簇(植被，水体，裸地和不透水面)的质心；
3.3)将各像素点分到距离各簇质心最近的一簇中，重新计算每一簇的质心，其中像素点到各簇质心的距离计算公式如下：
Figure BDA0002719031250000041
式中
Figure BDA0002719031250000042
表示像素点(j,k)到第t(1≤t≤4)簇质心的距离，
Figure BDA0002719031250000043
表示像素点(j,k)第p(1≤p≤b)波段的像素值，b表示处理后影像M的全部波段数，Yt p表示第t簇第p波段的质心值，其计算公式如下：
Figure BDA0002719031250000044
式中
Figure BDA0002719031250000045
表示第t簇中第s个像素点(j,k)的第p波段的像素值，Nt表示第t簇中所有像素点的个数；
3.4)重复步骤3.3)直到每一簇的质心不再改变，绘制每一簇质心曲线，分别与植被，水体，裸地和不透水面的光谱曲线进行匹配，得到每一簇的类别；
3.5)标记步骤3.4)中水体和不透水面的像素点，然后在各处理后影像Ii中删除与标记像素点位置相对应像素点，得到各处理后影像Ii对应的背景场Fi(i＝1,2,...,n)；
(4)利用步骤(3)中背景场Fi的热红外波段Di(i＝1,2,...,n)，基于单窗算法进行温度反演，得到n个时相的地表温度反演结果Ti(i＝1,2,...,n)；
其中，以常见的Landsat-8影像为例，基于单窗算法进行温度反演过程如下：
a:计算第i时相的大气平均作用温度Ta i，其计算过程如下：
Figure BDA0002719031250000051
式中，
Figure BDA0002719031250000052
为第i时相的当地温度；
b:计算第i时相像素点(j,k)的植被覆盖度Pvi(j,k)，其计算过程如下：
Figure BDA0002719031250000053
式中，NDVIi(j,k)为第i时相像素点(j,k)的归一化植被指数，其计算公式如下：
Figure BDA0002719031250000054
式中，NDVIi(j,k)为第i时相像素点(j,k)的归一化植被指数，Niri(j,k)为背景场Fi像素点(j,k)的近红外波段像素值，Ri(j,k)为背景场Fi像素点(j,k)的红波段像素值，
c:计算第i时相像素点(j,k)的地表比辐射率，其计算过程如下：
εi(j,k)＝0.004×Pvi(j,k)+0.986
d:计算第i时相像素点(j,k)的辐射亮度，其计算过程如下：
Figure BDA0002719031250000055
式中，TIi(j,k)表示背景场Fi中像素点(j,k)的热红外波段像素值，K1，K2为常量，对于Landsat-8常用热红外波段Band10，K1＝774.89，K2＝1321.08；
e:计算第i时相的大气透射率τi，对于Landsat-8数据，在NASA官网上输入影像的经纬度和时间信息可以得到大气透过率；
f:计算第i时相像素点(j,k)的地表温度Ti(j,k)，其计算过程如下：
Ti(j,k)＝(a×(1-Ci(j,k)-Di(j,k))+(b×(1-Ci(j,k)-Di(j,k))+Ci(j,k)+Di(j,k))×B(Ti)(j,k)
-Di(j,k)×Ta i)/Ci(j,k)
Ci(j,k)＝εi(j,k)×τi
Di(j,k)＝(1-τi)×[1+(1-εi(j,k))×τi]
式中，a，b为常量，a＝-66.51672，b＝0.45165；
(5)利用步骤(4)中得到的地表温度反演结果，提取各时相温度异常区域；
其中，温度异常区域提取过程如下：
5.1)将各时相的地表温度反演结果经过Canny算子处理得到各温度异常区域的边界范围，保留内部温度大于外部温度的温度异常区域；
其中Canny算子处理过程如下：
a:利用高斯函数构建5×5的高斯核，利用高斯核对地表温度反演结果Ti进行卷积操作，得到处理后结果Si(i＝1,2,...,n)，高斯函数公式如下：
Figure BDA0002719031250000061
式中，σ表示为高斯函数的标准差，dis表示高斯核中各点到高斯核中心的距离；
b:利用Sobel算子对Si进行卷积操作得到行和列方向的梯度值，计算各像素点的梯度模和梯度方向，并记录各时相梯度模中的最大值
Figure BDA0002719031250000062
和最小值
Figure BDA0002719031250000063
梯度模计算过程如下：
Figure BDA0002719031250000064
Figure BDA0002719031250000065
式中，Gi,j,k(i＝1,2,...,n)表示第i时相像素点(j,k)的梯度模，θi,j,k(i＝1,2,...,n)表示第i时相像素点(j,k)的梯度方向，G1,i,j,k，G2,i,j,k分别表示第i时相像素点(j,k)行和列方向的梯度值；
c:沿着像素点(j,k)梯度方向判断该点是否为局部最大值，若像素点(j,k)为局部最大值，则将其设置为边缘点；若不是，则忽略，得到各时相温度异常区域的初步边界；
d：对上述步骤c得到的边界进行双阈值处理，设置高阈值和低阈值，高阈值设置为
Figure BDA0002719031250000066
低阈值设置为
Figure BDA0002719031250000067
若边缘点的梯度值高于高阈值，则保留；低于低阈值，则舍弃；若梯度值介于高阈值和低阈值之间，则从该像素点的8邻域内寻找像素梯度值，如果存在像素梯度值高于高阈值，则保留，如果没有，则舍弃，得到改进后边界；
e：对d中得到的边界进行膨胀处理，再进行腐蚀处理，重复进行，直到各边界闭合，保留边界内部温度大于外部温度的边界，得到温度异常区域边界范围；
5.2)对各时相的温度异常区域进行聚类处理，将相邻距离小于20倍影像分辨率的温度异常区域合并为一类，得到各时相温度异常区域；
(6)利用步骤(5)中得到的各时相温度异常区域，进行地热异常区域判别；
其中，地热异常区域判别过程如下：
6.1)选取任一时相的温度异常区域作为地热异常区域；
6.2)如图2所示，若地热异常子区域与另一时相温度异常子区域存在空间相交情况，则合并该两子区域作为新的地热异常子区域；
6.3)重复步骤6.2)，直至遍历剩余n-2时相的温度异常区域，得到最终的地热异常区域。

Claims (1)

1.一种多时相热红外遥感探测北方地热异常方法，其特征在于，包括以下步骤：
(1)选取相同区域的n个时相的遥感影像Gi(i＝1,2,...,n)，n＞2；
其中，影像选取要求：秋冬季植被落叶后的遥感影像，研究区域内无云；
(2)对步骤(1)中选取的遥感影像Gi进行辐射定标和几何配准，得到处理后影像Ii(i＝1,2,...,n)；
(3)利用步骤(2)中得到的处理后影像Ii计算背景场Fi(i＝1,2,...,n)；
其中，背景场的计算步骤如下：
3.1)选取步骤(2)中拍摄时间最晚的处理后影像M；
3.2)随机选取M中的四个像素点作为四个簇的质心，所述四个簇为植被、水体、裸地和不透水面；
3.3)将各像素点分到距离各簇质心最近的一簇中，重新计算每一簇的质心，其中像素点到各簇质心的距离计算公式如下：
Figure FDA0002719031240000011
式中
Figure FDA0002719031240000012
表示像素点(j,k)到第t(1≤t≤4)簇质心的距离，
Figure FDA0002719031240000013
表示像素点(j,k)第p(1≤p≤b)波段的像素值，b表示处理后影像M的全部波段数，Yt p表示第t簇第p波段的质心值，其计算公式如下：
Figure FDA0002719031240000014
式中
Figure FDA0002719031240000015
表示第t簇中第s个像素点(j,k)的第p波段的像素值，Nt表示第t簇中所有像素点的个数；
3.4)重复步骤3.3)直到每一簇的质心不再改变，绘制每一簇质心曲线，分别与植被、水体、裸地和不透水面的光谱曲线进行匹配，得到每一簇的类别；
3.5)标记步骤3.4)中水体和不透水面的像素点，然后在各处理后影像Ii中删除与标记像素点位置相对应像素点，得到各处理后影像Ii对应的背景场Fi(i＝1,2,...,n)；
(4)利用步骤(3)中背景场Fi的热红外波段Di(i＝1,2,...,n)，基于单窗算法进行温度反演，得到n个时相的地表温度反演结果Ti(i＝1,2,...,n)；
(5)利用步骤(4)中得到的地表温度反演结果，提取各时相温度异常区域；
其中，温度异常区域提取过程如下：
5.1)将各时相的地表温度反演结果经过Canny算子处理得到各温度异常区域的边界范围，保留内部温度大于外部温度的温度异常区域；
5.2)对各时相的温度异常区域进行聚类处理，将相邻距离小于20倍影像分辨率的温度异常区域合并为一类，得到各时相温度异常区域；
(6)利用步骤(5)中得到的各时相温度异常区域，进行地热异常区域判别；
其中，地热异常区域判别过程如下：
6.1)选取任一时相的温度异常区域作为地热异常区域；
6.2)若地热异常子区域与另一时相温度异常子区域存在空间相交情况，则合并该两子区域作为新的地热异常子区域；
6.3)重复步骤6.2)，直至遍历剩余n-2时相的温度异常区域，得到最终的地热异常区域。
CN202011082256.3A 2020-10-12 2020-10-12 一种多时相热红外遥感探测北方地热异常方法 Active CN112230299B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011082256.3A CN112230299B (zh) 2020-10-12 2020-10-12 一种多时相热红外遥感探测北方地热异常方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011082256.3A CN112230299B (zh) 2020-10-12 2020-10-12 一种多时相热红外遥感探测北方地热异常方法

Publications (2)

Publication Number Publication Date
CN112230299A true CN112230299A (zh) 2021-01-15
CN112230299B CN112230299B (zh) 2021-12-14

Family

ID=74112175

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011082256.3A Active CN112230299B (zh) 2020-10-12 2020-10-12 一种多时相热红外遥感探测北方地热异常方法

Country Status (1)

Country Link
CN (1) CN112230299B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115272883A (zh) * 2022-09-28 2022-11-01 北京市生态环境监测中心 区域面源提取方法、装置、计算机设备及可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10358938A1 (de) * 2003-12-15 2005-07-21 Deutsches Zentrum für Luft- und Raumfahrt e.V. Verfahren und Vorrichtung zur mindestens teilweise automatisierten Auswertung von Fernerkundungsdaten
CN104236716A (zh) * 2013-06-17 2014-12-24 中国科学院城市环境研究所 基于成对hj-1b影像时空信息的地表温度反演方法
US20190340914A1 (en) * 2018-05-03 2019-11-07 Quantum IR Technologies, LLC Infrared imaging systems and methods for gas leak detection
CN111651856A (zh) * 2020-04-23 2020-09-11 中国科学院空天信息创新研究院 一种自适应的工业热异常检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10358938A1 (de) * 2003-12-15 2005-07-21 Deutsches Zentrum für Luft- und Raumfahrt e.V. Verfahren und Vorrichtung zur mindestens teilweise automatisierten Auswertung von Fernerkundungsdaten
CN104236716A (zh) * 2013-06-17 2014-12-24 中国科学院城市环境研究所 基于成对hj-1b影像时空信息的地表温度反演方法
US20190340914A1 (en) * 2018-05-03 2019-11-07 Quantum IR Technologies, LLC Infrared imaging systems and methods for gas leak detection
CN111651856A (zh) * 2020-04-23 2020-09-11 中国科学院空天信息创新研究院 一种自适应的工业热异常检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LU XIAN ET AL.: "Multi-parameters of Thermal Infrared Ｒemote Sensing Anomalies of the Earthquake", 《EARTHQUAKE ＲESEARCH IN CHINA》 *
孟庆岩等: "地震红外背景场研究进展与示范区亮温背景场构建", 《地震学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115272883A (zh) * 2022-09-28 2022-11-01 北京市生态环境监测中心 区域面源提取方法、装置、计算机设备及可读存储介质

Also Published As

Publication number Publication date
CN112230299B (zh) 2021-12-14

Similar Documents

Publication Publication Date Title
Ma et al. Coupling urbanization analyses for studying urban thermal environment and its interplay with biophysical parameters based on TM/ETM+ imagery
WO2017049994A1 (zh) 一种高光谱图像角点检测方法与系统
Huang et al. Feature-based image registration using the shape context
Jawak et al. A rapid extraction of water body features from antarctic coastal oasis using very high-resolution satellite remote sensing data
Jawak et al. Improved land cover mapping using high resolution multiangle 8-band WorldView-2 satellite remote sensing data
Rahmati et al. Quantitative remote sensing of soil electrical conductivity using ETM+ and ground measured data
Lasaponara et al. Image enhancement, feature extraction and geospatial analysis in an archaeological perspective
CN111008664B (zh) 一种基于空谱联合特征的高光谱海冰检测方法
Singh et al. WSB-DA: water surface boundary detection algorithm using Landsat 8 OLI data
Shaoqing et al. The comparative study of three methods of remote sensing image change detection
CN111007013B (zh) 面向东北冷凉区的作物轮作休耕遥感监测方法与装置
Goodarzi Mehr et al. Using the mixture-tuned matched filtering method for lithological mapping with Landsat TM5 images
Cubero-Castan et al. A physics-based unmixing method to estimate subpixel temperatures on mixed pixels
Chen et al. Extraction of bridges over water from high-resolution optical remote-sensing images based on mathematical morphology
CN106447653B (zh) 基于空间约束的卡方变换的多时相遥感影像变化检测方法
He et al. Improving change vector analysis by cross-correlogram spectral matching for accurate detection of land-cover conversion
Borzov et al. Efficiency of the spectral-spatial classification of hyperspectral imaging data
Lv et al. Novel automatic approach for land cover change detection by using VHR remote sensing images
CN112230299B (zh) 一种多时相热红外遥感探测北方地热异常方法
Corradino et al. Detection of subtle thermal anomalies: Deep learning applied to the ASTER global volcano dataset
Liang et al. An entropy-weighted network for polar sea ice open lead detection from sentinel-1 SAR images
Cheng et al. Road extraction from high-resolution SAR images via automatic local detecting and human-guided global tracking
Jawak et al. Iterative spectral index ratio exploration for object-based image analysis of Antarctic coastal oasis using high resolution satellite remote sensing data
Ni et al. Hurricane eye morphology extraction from SAR images by texture analysis
Pan et al. Macroalgae monitoring from satellite optical images using Context-sensitive level set (CSLS) model

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