CN112435207A - 一种基于天空地一体化的森林火灾监测预警方法 - Google Patents
一种基于天空地一体化的森林火灾监测预警方法 Download PDFInfo
- Publication number
- CN112435207A CN112435207A CN202011437423.1A CN202011437423A CN112435207A CN 112435207 A CN112435207 A CN 112435207A CN 202011437423 A CN202011437423 A CN 202011437423A CN 112435207 A CN112435207 A CN 112435207A
- Authority
- CN
- China
- Prior art keywords
- forest fire
- image
- fire
- ground
- monitoring
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000010354 integration Effects 0.000 title claims abstract description 9
- 238000005516 engineering process Methods 0.000 claims abstract description 13
- 230000004927 fusion Effects 0.000 claims abstract description 12
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 238000007499 fusion processing Methods 0.000 claims abstract description 9
- 230000005855 radiation Effects 0.000 claims description 21
- 238000012937 correction Methods 0.000 claims description 18
- 238000010606 normalization Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000011161 development Methods 0.000 claims description 4
- 239000000779 smoke Substances 0.000 claims description 4
- 238000012952 Resampling Methods 0.000 claims description 3
- 238000013499 data model Methods 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000007500 overflow downdraw method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000007526 fusion splicing Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 230000008447 perception Effects 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 3
- 230000006872 improvement Effects 0.000 description 9
- 241000208818 Helianthus Species 0.000 description 2
- 235000003222 Helianthus annuus Nutrition 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 206010000369 Accident Diseases 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Processing (AREA)
Abstract
本发明涉及森林火灾预警领域，特别涉及一种基于天空地一体化的森林火灾监测预警方法。该方法包括步骤S1.对高时空分辨率多源卫星遥感数据的预处理；S2.天空地一体化协同监测与多源数据融合处理；S3.天空地一体化高精度森林火灾智能识别监测；S4.森林火灾火险天气等级建模与预警。该预警方法融合了卫星遥感、无人机遥感、地面感知等天空地立体化的感知监测手段，并提出多源数据融合分析监测技术，实现多源多尺度、高精度、全天候的森林火灾预测、识别和应急协同的创新，突破制约森林火灾监测与预警的重大技术瓶颈，为森林火灾监测预警提供全方位、全覆盖的感知监测手段，从而加快火灾应急救援效率，降低森林火灾对林区周边人民群众的生命财产威胁。
Description
技术领域
本发明涉及森林火灾预警领域，特别涉及一种基于天空地一体化的森林火灾监测预警方法。
背景技术
森林火灾突发性强、破坏性大、危险性高，是全球发生最频繁、处置最困难、危害最严重的自然灾害之一，是生态文明建设成果和森林资源安全的最大威胁，甚至引发生态灾难和社会危机。因此，对森林火灾高精度、全覆盖、及时监测预警，能够防止遏制森林火灾事故，特别是重特大森林火灾的发生，能够有效降低森林火灾对林区周边人民群众的生命财产威胁，维护社会稳定。
目前现有的森林火灾监测预警技术多采用单一手段，如卫星、飞机、瞭望台、人工监测等，但目前尚未形成一个集成高效、全面灵活的监控体系。目前我国各级防火机构所构建的林火监控信息系统，与卫星监测信息结合的较多，而与瞭望台、飞机巡护所获取的信息结合的较少，造成各信息源之间融合程度较差，各类信息在空间和时间尺度上匹配度不高，指挥中心也难以依据这些信息做出全面正确的反应。
现有森林火灾的监测预警技术包括卫星遥感监测、航空遥感监测、地面监测三种手段。
卫星遥感监测。利用极轨气象卫星、陆地资源卫星、地球静止卫星、低轨卫星探测林火。通过热红外波段能够发现热点，监测火场蔓延情况、及时提供火场信息，用遥感手段制作森林火险预报，用卫星数字资料估算过火面积。它探测范围广、搜集数据快、能得到连续性资料，反映火的动态变化，但部分遥感数据时效性低、分辨率也低，无法精确实时对林火进行监测预警，且光学和红外遥感在云雨天气下无法监测林火。
航空巡护。是利用巡护飞机进行森林火险的探测。它的优点是巡护视野宽、机动性大、速度快，同时对火场周围及火势发展能做到全面视察，可及时采取措施。缺点是夜间、大风天气、阴天能见度较低时难以起飞，同时巡视受航线、时间的限制，而且观察范围小，只能一天一次对某一林区进行观察。
地面监测。主要利用人工监测和林火视频监测手段。人工监测为地面巡护和瞭望台监测相结合，巡护面积小、视野受限、受天气影响大，且对工作人员的经验要求高，准确率低。林火视频监测采用在林区布设监控点进行视频监测，将图像传回监控中心，通过对林区图像的实时监测达到森林火灾监测的目的，该方法可全天候对林区进行监测，但覆盖范围有限、传输困难、维护成本高、易损坏。
发明内容
鉴于以上问题，本发明提供一种基于天空地一体化的森林火灾监测预警方法，旨在解决目前森林防火感知手段不足、观测效率低等问题。
本发明提供一种基于天空地一体化的森林火灾监测预警方法，包括以下步骤：
S1.对高时空分辨率多源卫星遥感数据的预处理：通过卫星地面站实时接收极轨气象卫星遥感数据、静止气象卫星遥感数据、SAR卫星数据，对遥感数据进行预处理，并构建基于卫星传感器的红外辐射归一化模型；
S2.天空地一体化协同监测与多源数据融合处理：通过基于统一地理空间坐标框架的天空地观测影像配准融合技术，将图像特征配准且不同分辨率的多源影像数据拼接融合，并输出全局拼接影像图；
S3.天空地一体化高精度森林火灾智能识别监测：利用监测区域的历史遥感数据，建立疑似森林火灾热点历史数据库，对疑似森林火灾热点进行时空聚类，排除虚假森林火灾热点，得出真实的森林火灾热点数据；建立森林火灾红外辐射归一化模型，并确定森林火灾热点判定阈值；
S4.森林火灾火险天气等级建模与预警：根据森林火灾热点历史数据库，建立森林火灾火险天气等级模型计算森林火险天气指数，并将该指数划分为多个等级，根据多个等级指数绘制森林火险天气等级实时动态分布图，并预警区域内的火灾发生趋势。
作为本发明的进一步改进，所述步骤S1中的预处理包括：数据质量检验、辐射定标、地形校正、几何校正、图像融合及镶嵌，最终根据区域范围进行裁剪。
作为本发明的进一步改进，所述步骤S1中，构建基于卫星传感器红外辐射归一化模型的步骤包括：
S11.获取极轨气象卫星、静止气象卫星、SAR卫星传感器的亮温值，设定其中一个传感器为标准卫星传感器，然后将其他卫星传感器辐射数据进行归一化处理，映射到0~1之间；
S12.选取标准影像与待归一化的影像进行线性拟合，建成各类传感器的红外辐射归一化模型。
作为本发明的进一步改进，所述步骤S2中，多源影像数据拼接融合，并输出全局拼接影像图的步骤包括：
S21a.针对不同卫星传感器拍摄的图像进行特征点提取，提取特征因子，形成特征向量；
S21b.针对特征点进行匹配，利用最邻近搜索，求距离最近的特征向量，作为互相匹配的特征点；
S21c.根据匹配的点来估算单应矩阵，将原图像中任意像素点坐标转换为新坐标点；
S21d.通过单应矩阵来对其两张图片实现图像拼接；
S21e.图像拼接后，针对重叠的部分进行融合处理，采用多段融合法，选取最优缝隙线，拼接融合输出全局图像。
作为本发明的进一步改进，所述步骤S2还包括步骤S22.以配准的航空影像为参考基准，利用导航定位和姿态测量系统信息进行几何校正；其中几何校正具体包括：
S22a.通过目视解译在航空影像为参考，在卫星遥感影像、地面设备观测图像上分别选择同名控制点，以建立图像与地图之间的投影关系；
S22b.根据图像的几何畸变性质及地面控制点的个数来确定校正数据模型，建立图像之间的空间关系；
S22c.对图像进行重采样内插，生成校正后的图像。
作为本发明的进一步改进，所述步骤S2中，输出全局拼接影像图还包括：
S23a.通过多级分辨率逐级配准算法，将卫星遥感影像、航空遥感影像、地面设备观测图像拼接融合；
S23b.通过加权平均法融合无人机影像序列或多架无人机影像，并基于融合后无人机影像修正其与航空影像的配准；
S23c.基于导航定位和姿态测量系统的可见光异构多模影像快速拼接，输出空天地一体化拼接影像图。
作为本发明的进一步改进，所述步骤S3中，疑似森林火灾热点历史数据库的建立过程中，疑似森林火灾热点的确定包括：
S31.对卫星遥感数据进行云层反射过滤，计算植被指数NDVI，利用卫星热点亮温和背景亮温的阈值，判别出疑似森林火灾的卫星热点。
作为本发明的进一步改进，所述步骤S3中排除虚假森林火灾热点包括：
S32a.对地表覆盖类型进行分类，分析火点的特征，并根据火点所处位置的地物覆盖类型与火点的特征，通过计算机自动判别该火点是否属于虚假火点，提取实时森林火灾热点信息，得出真实的森林火灾热点数据；
S32b.将提取的实时森林火灾热点信息，绘制森林火灾动态分布图，并对森林火灾的卫星遥感动态监测。
作为本发明的进一步改进，所述步骤S3中还包括：
S33.利用视频slam技术，基于无人机及其搭载的双光谱载荷实时生成二、三维现场态势信息；用地面全景摄像头全面收集森林视频信息，实时分析、识别烟火并报警。
作为本发明的进一步改进，所述步骤S4中，绘制森林火险天气等级实时动态分布图包括：
S41.确定森林火灾发生时的最高气温、最小相对湿度、降雨后的连旱日数、最大风力等级、生物及非生物物候季节的影响订正指数的五项因子指数值，建立森林火灾火险天气等级模型计算森林火险天气指数，将该指数划分为五个等级，从一级到五级森林火险等级逐步升高，五级为极高火险；根据确定山头地块的森林火险天气等级，绘制森林火险天气等级实时动态分布图；
预警区域内火灾发生趋势的过程包括：
S42a.利用森林火险天气等级实时动态分布图自动发布山头地块未来多天的森林火险天气等级；
S42b.采用克里金方法，结合信息扩散理论，对区域森林火灾的发生发展进行趋势预测，绘制区域森林火灾趋势实时动态预测图；
S42c.从区域森林火灾趋势实时动态预测图可得出森林火灾的高发中心和低发中心。
本发明的有益效果是：该预警方法融合了卫星遥感、无人机遥感、地面感知等天空地立体化的感知监测手段，并创新性提出多源数据融合分析监测技术， 实现多源多尺度、高精度、全天候的森林火灾预测、识别和应急协同的创新，突破制约森林火灾监测与预警的重大技术瓶颈，为森林火灾监测预警提供全方位、全覆盖的感知监测手段，从而加快火灾应急救援效率，降低森林火灾对林区周边人民群众的生命财产威胁。
附图说明
图1是本发明中森林火灾监测预警方法的流程框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。
实施例一：
为实现森林火灾高精度、全覆盖监测预警，本发明提出了基于天空地一体化的森林火灾监测预警技术，主要步骤包括高时空分辨率多源卫星遥感数据预处理、天空地一体化协同监测与多源数据融合处理、天空地一体化高精度森林火灾智能识别监测、森林火灾火险天气等级建模与预警四个部分。如图1所示，具体包括以下步骤：
S1.对高时空分辨率多源卫星遥感数据的预处理：通过卫星地面站实时接收极轨气象卫星遥感数据、静止气象卫星遥感数据、SAR卫星数据，对遥感数据进行预处理，并构建基于卫星传感器的红外辐射归一化模型；
S2.天空地一体化协同监测与多源数据融合处理：通过基于统一地理空间坐标框架的天空地观测影像配准融合技术，将图像特征配准且不同分辨率的多源影像数据拼接融合，并输出全局拼接影像图；
S3.天空地一体化高精度森林火灾智能识别监测：利用监测区域的历史遥感数据，建立疑似森林火灾热点历史数据库，对疑似森林火灾热点进行时空聚类，排除虚假森林火灾热点，得出真实的森林火灾热点数据；建立森林火灾红外辐射归一化模型，并确定森林火灾热点判定阈值；
S4.森林火灾火险天气等级建模与预警：根据森林火灾热点历史数据库，建立森林火灾火险天气等级模型计算森林火险天气指数，并将该指数划分为多个等级，根据多个等级指数绘制森林火险天气等级实时动态分布图，并预警区域内的火灾发生趋势。
实施例二：
对于步骤S1的高时空分辨率多源卫星遥感数据预处理，具体还包括：
通过卫星地面站实时接收高分系列、FY3系列、MODIS系列、NOAA系列等极轨气象卫星遥感数据，葵花8号、风云4号等静止气象卫星遥感数据，以及高分三号SAR卫星数据。对遥感数据进行预处理，预处理步骤包括数据质量检验、辐射定标、地形校正、几何校正、图像融合及镶嵌，最终根据区域范围进行裁剪，然后基于预处理后的数据构建基于高分系列、FY3系列、MODIS系列、NOAA系列、葵花8号、风云4号等卫星传感器的红外辐射归一化模型。
对于红外辐射归一化模型的构建过程包括：
S11.首选获取各类卫星传感器的亮温值，设定其中一个传感器为标准卫星传感器，然后将其他卫星传感器辐射数据进行归一化处理，映射到0~1之间；
S12.选取标准影像与待归一化的影像进行线性拟合，从而建成各类传感器的辐射归一化模型，为后续火点识别提供基础。
实施例三：
对于步骤S2的天空地一体化协同监测与多源数据融合处理，具体还包括：
通过基于统一地理空间坐标框架的天空地观测影像高精度、快速拼接配准融合技术，对图像特征配准的不同分辨率影像快速拼接，包括同一或相同分辨率下无人机视频的拼接融合、以及多级分辨率下基于底层视觉特征及高级语义特征配准的卫星遥感影像、航空遥感影像、无人机影像、地面站全景摄像头视频以及救援人员携带的视频设备的影像拼接融合，并输出全局拼接影像图。
其中，步骤S2中，多源影像数据拼接融合，并输出全局拼接影像图的步骤包括：
S21a.首先针对不同传感器拍摄的图像进行特征点提取，提取特征因子，形成特征向量；
S21b.然后针对特征点进行匹配，利用最邻近搜索，求距离最近的特征向量，则为互相匹配的特征点；
S21c.找到图像的匹配方式后，根据匹配的点来估算单应矩阵H，将原图像中任意像素点坐标转换为新坐标点；
S21d.通过单应矩阵来对其两张图片实现图像拼接；
S21e.图像拼接后，针对重叠的部分进行融合处理，采用多段融合法，选取最优缝隙线，实现最佳融合效果，最终拼接融合输出全局图像。
为实现在导航定位和姿态测量系统的不稳定状态下融合天空地平台以获取高精度、连续地表影像观测数据。在输出全局拼接影像图后需要对图像进行校准，包括步骤S22.以配准的航空影像为参考基准，利用导航定位和姿态测量系统信息进行几何校正提高配准精度，几何校正具体包括：
S22a.通过目视解译在航空影像为参考，在卫星遥感影像、地面设备观测图像上分别选择同名控制点，以建立图像与地图之间的投影关系，这些控制点应该选在能明显定位的地方，如河流交叉点等；
S22b.根据图像的几何畸变性质及地面控制点的个数来确定校正数据模型，建立图像之间的空间关系，如多项式方法；
S22c.对图像进行重采样内插，生成校正后的图像。
为提高图像配准精度的问题，在输出全局拼接影像图后，还包括：
S23a.通过多级分辨率逐级配准算法，解决由于不同分辨率之间相差较远导致的具有相似特征同名点少而难以配准的问题，将卫星遥感影像、航空遥感影像、地面设备观测图像拼接融合；
S23b.利用加权平均法融合无人机影像序列或多架无人机影像，并基于融合后的无人机影像修正其与航空影像配准提高无人机影像与航天影像的配准拼接融合精度；
S23c.最后基于导航定位和姿态测量系统的可见光等异构多模影像快速拼接，并输出空天地一体化拼接影像图，实现在图像特征较少时融合天地空影像以获取高精度、连续地表观测数据。
实施例四：
对于步骤S3的天空地一体化高精度森林火灾智能识别监测，具体包括：
对卫星遥感数据进行云层反射过滤，计算植被指数NDVI，利用卫星热点亮温和背景亮温的阈值，判别出疑似森林火灾的卫星热点；利用监测区域近10年来的遥感数据，建立疑似森林火灾热点历史数据库，对疑似森林火灾热点进行时空聚类，排除虚假森林火灾热点（固定热源、云层反射、水面反射、农用火源等），得出真实的森林火灾热点数据，经统计分析和建模研究得出森林火灾热点判定阈值，以及不同卫星传感器红外辐射归一化森林火灾热点判定阈值。利用森林火灾热点判定阈值提取实时森林火灾热点信息，绘制森林火灾动态分布图，从而实现对森林火灾的卫星遥感动态监测。
其中疑似森林火灾热点历史数据库的建立过程中，疑似森林火灾热点的确定包括：
S31.对卫星遥感数据进行云层反射过滤，计算植被指数NDVI，利用卫星热点亮温和背景亮温的阈值，判别出疑似森林火灾的卫星热点。
具体的，通过森林火灾热点历史数据进行时空聚类，排除虚假森林火灾热点，对卫星遥感数据进行云层反射过滤，去除云层影响，并计算植被指数NDVI获取植被范围，NDVI=(NIR-R)/(NIR+R)，其中NIR为近红外波段的反射值，R为红光波段的反射值。利用卫星热点亮温和背景亮温的阈值，判别出疑似森林火灾的卫星热点，通过4um和11um通道的亮温差值进行疑似林火识别，T为亮温值。通过以下公式遍历每一个像元，判断该像元是否为火点：(1)当T4um＜312K为非高温点；(2)当T4um≥312K，且T4um与T11um的差值≥10K时该像元为疑似火点；(3)当NDVI＞0.1且满足条件(2)时，判断该像元为疑似林火。
判断出疑似火点后，需要对这些火点进行虚假林火热点排除，包括：
S32a.对地表覆盖类型进行分类，分析火点的特征，并根据火点所处位置的地物覆盖类型与火点的特征，通过计算机自动判别该火点是否属于虚假火点，提取实时森林火灾热点信息，得出真实的森林火灾热点数据；
S32b.将提取的实时森林火灾热点信息，绘制森林火灾动态分布图，从而实现对森林火灾的卫星遥感动态监测。
通过建立森林火灾红外辐射归一化模型，来确定森林火灾热点判定阈值，判别精度更高、判别时间更快、更节省人力物力。
步骤S3中还包括：S33. 并利用视频slam技术，基于无人机及其搭载的双光谱载荷实时生成二、三维现场态势信息，使得火场的定位更精准、火线的变化趋势更清晰、火灾现场的整体态势更全面。使用地面全景摄像头全面收集森林视频信息，进行实时分析，识别烟火并报警。同时实现烟火监测和动植物、非法砍伐、非法入侵等的监测，可在防灾抗灾的同时增强森林资源保护。
实施例五：
对于步骤S4的森林火灾火险天气等级建模与预警，具体包括：
S41.根据森林火灾历史数据库，确定森林火灾发生时的最高气温T、最小相对湿度H、降雨后的连旱日数D、最大风力等级W、生物及非生物物候季节的影响订正指数L等五项因子指数值，其中生物及非生物物候季节的指数值因区域气候的不同可用相关因子替代，建立森林火灾火险天气等级模型计算森林火险天气指数，该指数=T+H+D+W-L。然后将该指数划分为五个等级，从一级到五级森林火险等级逐步升高，五级为极高火险。根据确定山头地块的森林火险天气等级，绘制森林火险天气等级实时动态分布图。
预警区域内火灾发生趋势的过程包括：利用森林火险天气等级实时动态分布图自动发布山头地块未来2-3天的森林火险天气等级。并采用克里金方法，结合信息扩散理论，对区域森林火灾的发生发展进行趋势预测，绘制区域森林火灾趋势实时动态预测图，从区域森林火灾趋势实时动态预测图可得出森林火灾的高发中心和低发中心，为森林火灾提供预警，并为合理分配森林火灾应急资源提供科学依据。
本发明融合天空地一体化的森林火灾监测预警技术，融合光学遥感卫星、热红外遥感卫星、SAR卫星、无人机遥感、地面视频摄像头、地面观测站等多平台监测手段进行数据融合处理，再通过模型算法对林火进行快速识别定位，实现全方位、立体化、高精度、全覆盖的森林火灾智能监测分析和预警，弥补传统单一手段观测能力不足、精度低、反应慢等缺点。使森林火灾快速、全方位、高精度进行监测预警，保障林火及时发现，有效预防火灾蔓延，为扑火救援提供宝贵时间。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (10)
1.一种基于天空地一体化的森林火灾监测预警方法，其特征在于，包括以下步骤：
S1.对高时空分辨率多源卫星遥感数据的预处理：通过卫星地面站实时接收极轨气象卫星遥感数据、静止气象卫星遥感数据、SAR卫星数据，对遥感数据进行预处理，并构建基于卫星传感器的红外辐射归一化模型；
S2.天空地一体化协同监测与多源数据融合处理：通过基于统一地理空间坐标框架的天空地观测影像配准融合技术，将图像特征配准且不同分辨率的多源影像数据拼接融合，并输出全局拼接影像图；
S3.天空地一体化高精度森林火灾智能识别监测：利用监测区域的历史遥感数据，建立疑似森林火灾热点历史数据库，对疑似森林火灾热点进行时空聚类，排除虚假森林火灾热点，得出真实的森林火灾热点数据；建立森林火灾红外辐射归一化模型，并确定森林火灾热点判定阈值；
S4.森林火灾火险天气等级建模与预警：根据森林火灾热点历史数据库，建立森林火灾火险天气等级模型计算森林火险天气指数，并将该指数划分为多个等级，根据多个等级指数绘制森林火险天气等级实时动态分布图，并预警区域内的火灾发生趋势。
2.根据权利要求1所述基于天空地一体化的森林火灾监测预警方法，其特征在于，所述步骤S1中的预处理包括：数据质量检验、辐射定标、地形校正、几何校正、图像融合及镶嵌，最终根据区域范围进行裁剪。
3.根据权利要求1所述基于天空地一体化的森林火灾监测预警方法，其特征在于，所述步骤S1中，构建基于卫星传感器红外辐射归一化模型的步骤包括：
S11.获取极轨气象卫星、静止气象卫星、SAR卫星传感器的亮温值，设定其中一个传感器为标准卫星传感器，然后将其他卫星传感器辐射数据进行归一化处理，映射到0~1之间；
S12.选取标准影像与待归一化的影像进行线性拟合，建成各类传感器的红外辐射归一化模型。
4.根据权利要求1所述基于天空地一体化的森林火灾监测预警方法，其特征在于，所述步骤S2中，多源影像数据拼接融合，并输出全局拼接影像图的步骤包括：
S21a.针对不同卫星传感器拍摄的图像进行特征点提取，提取特征因子，形成特征向量；
S21b.针对特征点进行匹配，利用最邻近搜索，求距离最近的特征向量，作为互相匹配的特征点；
S21c.根据匹配的点来估算单应矩阵，将原图像中任意像素点坐标转换为新坐标点；
S21d.通过单应矩阵来对其两张图片实现图像拼接；
S21e.图像拼接后，针对重叠的部分进行融合处理，采用多段融合法，选取最优缝隙线，拼接融合输出全局图像。
5.根据权利要求1所述基于天空地一体化的森林火灾监测预警方法，其特征在于，所述步骤S2还包括步骤S22.以配准的航空影像为参考基准，利用导航定位和姿态测量系统信息进行几何校正；其中几何校正具体包括：
S22a.通过目视解译在航空影像为参考，在卫星遥感影像、地面设备观测图像上分别选择同名控制点，以建立图像与地图之间的投影关系；
S22b.根据图像的几何畸变性质及地面控制点的个数来确定校正数据模型，建立图像之间的空间关系；
S22c.对图像进行重采样内插，生成校正后的图像。
6.根据权利要求1所述基于天空地一体化的森林火灾监测预警方法，其特征在于，所述步骤S2中，输出全局拼接影像图还包括：
S23a.通过多级分辨率逐级配准算法，将卫星遥感影像、航空遥感影像、地面设备观测图像拼接融合；
S23b.通过加权平均法融合无人机影像序列或多架无人机影像，并基于融合后无人机影像修正其与航空影像的配准；
S23c.基于导航定位和姿态测量系统的可见光异构多模影像快速拼接，输出空天地一体化拼接影像图。
7.根据权利要求1所述基于天空地一体化的森林火灾监测预警方法，其特征在于，所述步骤S3中，疑似森林火灾热点历史数据库的建立过程中，疑似森林火灾热点的确定包括：
S31.对卫星遥感数据进行云层反射过滤，计算植被指数NDVI，利用卫星热点亮温和背景亮温的阈值，判别出疑似森林火灾的卫星热点。
8.根据权利要求1所述基于天空地一体化的森林火灾监测预警方法，其特征在于，所述步骤S3中排除虚假森林火灾热点包括：
S32a.对地表覆盖类型进行分类，分析火点的特征，并根据火点所处位置的地物覆盖类型与火点的特征，通过计算机自动判别该火点是否属于虚假火点，提取实时森林火灾热点信息，得出真实的森林火灾热点数据；
S32b.将提取的实时森林火灾热点信息，绘制森林火灾动态分布图，并对森林火灾的卫星遥感动态监测。
9.根据权利要求1所述基于天空地一体化的森林火灾监测预警方法，其特征在于，所述步骤S3中还包括：
S33.利用视频slam技术，基于无人机及其搭载的双光谱载荷实时生成二、三维现场态势信息；用地面全景摄像头全面收集森林视频信息，实时分析、识别烟火并报警。
10.根据权利要求1所述基于天空地一体化的森林火灾监测预警方法，其特征在于，所述步骤S4中，绘制森林火险天气等级实时动态分布图包括：
S41.确定森林火灾发生时的最高气温、最小相对湿度、降雨后的连旱日数、最大风力等级、生物及非生物物候季节的影响订正指数的五项因子指数值，建立森林火灾火险天气等级模型计算森林火险天气指数，将该指数划分为五个等级，从一级到五级森林火险等级逐步升高，五级为极高火险；根据确定山头地块的森林火险天气等级，绘制森林火险天气等级实时动态分布图；
预警区域内火灾发生趋势的过程包括：
S42a.利用森林火险天气等级实时动态分布图自动发布山头地块未来多天的森林火险天气等级；
S42b.采用克里金方法，结合信息扩散理论，对区域森林火灾的发生发展进行趋势预测，绘制区域森林火灾趋势实时动态预测图；
S42c.从区域森林火灾趋势实时动态预测图可得出森林火灾的高发中心和低发中心。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011437423.1A CN112435207B (zh) | 2020-12-07 | 2020-12-07 | 一种基于天空地一体化的森林火灾监测预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011437423.1A CN112435207B (zh) | 2020-12-07 | 2020-12-07 | 一种基于天空地一体化的森林火灾监测预警方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112435207A true CN112435207A (zh) | 2021-03-02 |
| CN112435207B CN112435207B (zh) | 2024-04-09 |
Family
ID=74691771
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011437423.1A Active CN112435207B (zh) | 2020-12-07 | 2020-12-07 | 一种基于天空地一体化的森林火灾监测预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112435207B (zh) |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113095282A (zh) * | 2021-04-29 | 2021-07-09 | 中山大学 | 一种海岛分区火势等级划分方法、装置、设备及介质 |
| CN113223262A (zh) * | 2021-05-06 | 2021-08-06 | 四川大熊猫数字科技发展有限公司 | 一种多源火情数据综合汇聚处理系统及方法 |
| CN113218508A (zh) * | 2021-04-27 | 2021-08-06 | 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 |
| CN113222980A (zh) * | 2021-06-01 | 2021-08-06 | 安徽建筑大学 | 一种基于无人机平台的洪涝灾害查勘方法 |
| CN113240688A (zh) * | 2021-06-01 | 2021-08-10 | 安徽建筑大学 | 一种一体化洪涝灾害精准监测预警方法 |
| CN113486697A (zh) * | 2021-04-16 | 2021-10-08 | 成都思晗科技股份有限公司 | 基于空基多模态图像融合的森林烟火监测方法 |
| CN114111794A (zh) * | 2021-11-23 | 2022-03-01 | 山东善思明科技发展股份有限公司 | 一种基于无人机的森林防火方法、系统、设备及存储介质 |
| CN114495416A (zh) * | 2021-12-29 | 2022-05-13 | 北京辰安科技股份有限公司 | 基于无人机的火情监测方法、装置及终端设备 |
| 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 |
| CN115346140A (zh) * | 2022-10-18 | 2022-11-15 | 成都大汇物联科技有限公司 | 一种基于实时数据监测的地灾预警方法及系统 |
| CN115938059A (zh) * | 2022-11-11 | 2023-04-07 | 中国空间技术研究院杭州中心 | 一种基于五级分层框架结构的林火监测地面系统 |
| CN116047546A (zh) * | 2022-07-07 | 2023-05-02 | 北京玖天气象科技有限公司 | 基于多源卫星数据的山火监测方法 |
| CN116452984A (zh) * | 2023-06-14 | 2023-07-18 | 四川三思德科技有限公司 | 基于氧含量数据的火势识别预测方法和系统 |
| CN116562462A (zh) * | 2023-06-20 | 2023-08-08 | 航天宏图信息技术股份有限公司 | 森林火险预测方法、装置、电子设备及可读存储介质 |
| CN116824462A (zh) * | 2023-08-30 | 2023-09-29 | 贵州省林业科学研究院 | 一种基于视频卫星的森林智能防火方法 |
| CN117576848A (zh) * | 2024-01-17 | 2024-02-20 | 肥城市林业保护发展中心 | 一种林业火灾预警方法、系统、设备及储存介质 |
| CN117636169A (zh) * | 2023-12-05 | 2024-03-01 | 广州市林业和园林科学研究院 | 一种森林巡护方法及系统 |
| WO2024136789A1 (en) * | 2022-12-19 | 2024-06-27 | Plan S Uydu Ve Uzay Teknolojileri A.Ş. | Satellite based disaster detection and management system and method |
| CN118351442A (zh) * | 2024-04-16 | 2024-07-16 | 中国科学院地理科学与资源研究所 | 一种森林火灾燃烧区高分辨率监测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090214084A1 (en) * | 2005-10-21 | 2009-08-27 | Asner Gregory P | Remote Sensing Analysis of Forest Disturbances |
| CN103077527A (zh) * | 2013-02-05 | 2013-05-01 | 湖北工业大学 | 一种稳健的多源卫星遥感影像配准方法 |
| 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 |
| CN109598750A (zh) * | 2018-12-07 | 2019-04-09 | 中国地质大学（武汉） | 一种基于变形空间金字塔的大尺度差异图像特征点匹配方法 |
| CN110058237A (zh) * | 2019-05-22 | 2019-07-26 | 中南大学 | 面向高分辨率SAR影像的InSAR点云融合及三维形变监测方法 |
| CN111860205A (zh) * | 2020-06-29 | 2020-10-30 | 成都数之联科技有限公司 | 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 |
-
2020
- 2020-12-07 CN CN202011437423.1A patent/CN112435207B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090214084A1 (en) * | 2005-10-21 | 2009-08-27 | Asner Gregory P | Remote Sensing Analysis of Forest Disturbances |
| CN103077527A (zh) * | 2013-02-05 | 2013-05-01 | 湖北工业大学 | 一种稳健的多源卫星遥感影像配准方法 |
| 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 |
| CN109598750A (zh) * | 2018-12-07 | 2019-04-09 | 中国地质大学（武汉） | 一种基于变形空间金字塔的大尺度差异图像特征点匹配方法 |
| CN110058237A (zh) * | 2019-05-22 | 2019-07-26 | 中南大学 | 面向高分辨率SAR影像的InSAR点云融合及三维形变监测方法 |
| CN111860205A (zh) * | 2020-06-29 | 2020-10-30 | 成都数之联科技有限公司 | 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 |
Non-Patent Citations (2)
| Title |
|---|
| 沈文娟;李明诗;黄成全;: "长时间序列多源遥感数据的森林干扰监测算法研究进展", 遥感学报, no. 06, 25 November 2018 (2018-11-25) * |
| 覃先林;李晓彤;刘树超;刘倩;李增元;: "中国林火卫星遥感预警监测技术研究进展", 遥感学报, no. 05, 25 May 2020 (2020-05-25) * |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113486697A (zh) * | 2021-04-16 | 2021-10-08 | 成都思晗科技股份有限公司 | 基于空基多模态图像融合的森林烟火监测方法 |
| CN113486697B (zh) * | 2021-04-16 | 2024-02-13 | 成都思晗科技股份有限公司 | 基于空基多模态图像融合的森林烟火监测方法 |
| CN113218508A (zh) * | 2021-04-27 | 2021-08-06 | 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 |
| CN113095282A (zh) * | 2021-04-29 | 2021-07-09 | 中山大学 | 一种海岛分区火势等级划分方法、装置、设备及介质 |
| CN113223262A (zh) * | 2021-05-06 | 2021-08-06 | 四川大熊猫数字科技发展有限公司 | 一种多源火情数据综合汇聚处理系统及方法 |
| CN113222980A (zh) * | 2021-06-01 | 2021-08-06 | 安徽建筑大学 | 一种基于无人机平台的洪涝灾害查勘方法 |
| CN113240688A (zh) * | 2021-06-01 | 2021-08-10 | 安徽建筑大学 | 一种一体化洪涝灾害精准监测预警方法 |
| CN114111794B (zh) * | 2021-11-23 | 2023-11-24 | 山东善思明科技发展股份有限公司 | 一种基于无人机的森林防火方法、系统、设备及存储介质 |
| CN114111794A (zh) * | 2021-11-23 | 2022-03-01 | 山东善思明科技发展股份有限公司 | 一种基于无人机的森林防火方法、系统、设备及存储介质 |
| CN114495416A (zh) * | 2021-12-29 | 2022-05-13 | 北京辰安科技股份有限公司 | 基于无人机的火情监测方法、装置及终端设备 |
| 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 |
| CN116047546A (zh) * | 2022-07-07 | 2023-05-02 | 北京玖天气象科技有限公司 | 基于多源卫星数据的山火监测方法 |
| CN116047546B (zh) * | 2022-07-07 | 2024-02-27 | 北京玖天气象科技有限公司 | 基于多源卫星数据的山火监测方法 |
| CN115346140A (zh) * | 2022-10-18 | 2022-11-15 | 成都大汇物联科技有限公司 | 一种基于实时数据监测的地灾预警方法及系统 |
| CN115938059A (zh) * | 2022-11-11 | 2023-04-07 | 中国空间技术研究院杭州中心 | 一种基于五级分层框架结构的林火监测地面系统 |
| WO2024136789A1 (en) * | 2022-12-19 | 2024-06-27 | Plan S Uydu Ve Uzay Teknolojileri A.Ş. | Satellite based disaster detection and management system and method |
| CN116452984A (zh) * | 2023-06-14 | 2023-07-18 | 四川三思德科技有限公司 | 基于氧含量数据的火势识别预测方法和系统 |
| CN116452984B (zh) * | 2023-06-14 | 2023-09-08 | 四川三思德科技有限公司 | 基于氧含量数据的火势识别预测方法和系统 |
| CN116562462B (zh) * | 2023-06-20 | 2023-10-03 | 航天宏图信息技术股份有限公司 | 森林火险预测方法、装置、电子设备及可读存储介质 |
| CN116562462A (zh) * | 2023-06-20 | 2023-08-08 | 航天宏图信息技术股份有限公司 | 森林火险预测方法、装置、电子设备及可读存储介质 |
| CN116824462B (zh) * | 2023-08-30 | 2023-11-07 | 贵州省林业科学研究院 | 一种基于视频卫星的森林智能防火方法 |
| CN116824462A (zh) * | 2023-08-30 | 2023-09-29 | 贵州省林业科学研究院 | 一种基于视频卫星的森林智能防火方法 |
| CN117636169A (zh) * | 2023-12-05 | 2024-03-01 | 广州市林业和园林科学研究院 | 一种森林巡护方法及系统 |
| CN117636169B (zh) * | 2023-12-05 | 2024-08-20 | 广州市林业和园林科学研究院 | 一种森林巡护方法及系统 |
| CN117576848A (zh) * | 2024-01-17 | 2024-02-20 | 肥城市林业保护发展中心 | 一种林业火灾预警方法、系统、设备及储存介质 |
| CN117576848B (zh) * | 2024-01-17 | 2024-03-22 | 肥城市林业保护发展中心 | 一种林业火灾预警方法、系统、设备及储存介质 |
| CN118351442A (zh) * | 2024-04-16 | 2024-07-16 | 中国科学院地理科学与资源研究所 | 一种森林火灾燃烧区高分辨率监测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112435207B (zh) | 2024-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112435207B (zh) | 一种基于天空地一体化的森林火灾监测预警方法 | |
| CN112422783B (zh) | 一种基于停机坪集群的无人机智能巡查系统 | |
| US20210073692A1 (en) | Method and system for utility infrastructure condition monitoring, detection and response | |
| Ahmad et al. | Vegetation encroachment monitoring for transmission lines right-of-ways: A survey | |
| RU2669656C2 (ru) | Обнаружение состояния с использованием обработки изображений | |
| US9411072B1 (en) | Real-time adaptive weather surveillance system and method | |
| CN103942941B (zh) | 基于gis的移动监测融合平台 | |
| CN108564761B (zh) | 基于风云气象卫星数据的林火识别方法 | |
| CN101281142B (zh) | 一种测量大气能见度的方法 | |
| CN115348247A (zh) | 基于天空地一体化技术的森林火灾检测预警及决策系统 | |
| CN107316012B (zh) | 小型无人直升机的火灾检测与跟踪方法 | |
| CN101464521B (zh) | 静止气象卫星遥感白天和夜间海雾的检测方法 | |
| CN106441233A (zh) | 基于倾斜摄影三维重建技术的电力通道走廊巡检方法 | |
| CN101673448A (zh) | 一种森林火灾探测方法及系统 | |
| KR20170101519A (ko) | 무인 항공기를 이용한 재난 감시 장치 및 방법 | |
| CN112216052A (zh) | 森林防火监测预警方法和装置及设备、存储介质 | |
| Li et al. | Using high-resolution UAV-borne thermal infrared imagery to detect coal fires in Majiliang mine, Datong coalfield, Northern China | |
| CN112649900A (zh) | 一种能见度的监测方法、装置、设备、系统和介质 | |
| JP2022119973A (ja) | 画像識別に基づく飛行体強制着陸経路計画方法、システムおよび装置 | |
| CN117172411A (zh) | 一种全天候蓝藻水华实时自动判识预警方法及系统 | |
| CN107576399B (zh) | 面向modis林火探测的亮温预测方法和系统 | |
| US9979934B1 (en) | Automated weather sensing system and method using cameras | |
| KR102034193B1 (ko) | 모디스 위성영상 및 aws 자료를 이용한 시설물붕괴위험지도 자동정보시스템 | |
| CN114037910A (zh) | 一种无人机森林火灾检测系统 | |
| US20240257526A1 (en) | Monitoring method and apparatus, and unmanned vehicle and monitoring device |
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 |