CN112230299B - 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 PDFInfo
- Publication number
- CN112230299B CN112230299B CN202011082256.3A CN202011082256A CN112230299B CN 112230299 B CN112230299 B CN 112230299B CN 202011082256 A CN202011082256 A CN 202011082256A CN 112230299 B CN112230299 B CN 112230299B
- 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.)
- Active
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
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:
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:
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:
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:
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:
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:
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:
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;
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,高阈值设置为低阈值设置为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:
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。
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 CN112230299A (zh) | 2021-01-15 |
CN112230299B true 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) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115272883B (zh) * | 2022-09-28 | 2023-02-21 | 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 (3)
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 |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3099173A1 (en) * | 2018-05-03 | 2019-11-07 | Quantum IR Technologies, LLC | Infrared imaging systems and methods for gas leak detection |
-
2020
- 2020-10-12 CN CN202011082256.3A patent/CN112230299B/zh active Active
Patent Citations (3)
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 |
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)
Title |
---|
Multi-parameters of Thermal Infrared Remote Sensing Anomalies of the Earthquake;Lu Xian et al.;《Earthquake Research in China》;20161231;第30卷(第4期);第500-510页 * |
地震红外背景场研究进展与示范区亮温背景场构建;孟庆岩等;《地震学报》;20160531;第38卷(第3期);第438-447页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112230299A (zh) | 2021-01-15 |
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 | |
Cubero-Castan et al. | A physics-based unmixing method to estimate subpixel temperatures on mixed pixels | |
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 | |
Chen et al. | Extraction of bridges over water from high-resolution optical remote-sensing images based on mathematical morphology | |
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 | |
CN112230299B (zh) | 一种多时相热红外遥感探测北方地热异常方法 | |
Lv et al. | Novel automatic approach for land cover change detection by using VHR remote sensing images | |
Liang et al. | An entropy-weighted network for polar sea ice open lead detection from sentinel-1 SAR images | |
Corradino et al. | Detection of subtle thermal anomalies: Deep learning applied to the ASTER global volcano dataset | |
Cheng et al. | Invariant triangle-based stationary oil platform detection from multitemporal synthetic aperture radar data | |
Jawak et al. | Iterative spectral index ratio exploration for object-based image analysis of Antarctic coastal oasis using high resolution satellite remote sensing data | |
Cheng et al. | Road extraction from high-resolution SAR images via automatic local detecting and human-guided global tracking | |
Han et al. | Automatic and accurate registration of VHR optical and SAR images using a quadtree structure | |
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 |