CN112488091A - 基于地球同步轨道卫星影像的火情监测方法及装置 - Google Patents

基于地球同步轨道卫星影像的火情监测方法及装置 Download PDF

Info

Publication number
CN112488091A
CN112488091A CN202110141494.5A CN202110141494A CN112488091A CN 112488091 A CN112488091 A CN 112488091A CN 202110141494 A CN202110141494 A CN 202110141494A CN 112488091 A CN112488091 A CN 112488091A
Authority
CN
China
Prior art keywords
screening
fire
pixel
temperature
fire point
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.)
Pending
Application number
CN202110141494.5A
Other languages
English (en)
Inventor
姬伟
冯德财
葛锡志
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.)
Zhongke Star Map Co ltd
Original Assignee
Zhongke Star Map Co ltd
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 Zhongke Star Map Co ltd filed Critical Zhongke Star Map Co ltd
Priority to CN202110141494.5A priority Critical patent/CN112488091A/zh
Publication of CN112488091A publication Critical patent/CN112488091A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/188Vegetation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/194Segmentation; Edge detection involving foreground-background segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/90Determination of colour characteristics
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/176Urban or other man-made structures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10032Satellite or aerial image; Remote sensing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30181Earth observation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30232Surveillance
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/194Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB

Abstract

本公开的实施例提供了基于地球同步轨道卫星影像的火情监测方法及装置、设备和计算机可读存储介质。所述方法包括接收并获取地球同步轨道卫星影像数据;根据所述卫星影像数据逐像元遍历进行疑似火点筛选;对所述筛选后的疑似火点基于背景窗口进行筛选;估计筛选后的火点的亚像元面积比及温度,完成最终筛选。以此方式,通过对疑似火点的多次筛选,火点判识精度高;并提供了火险等级分类。

Description

基于地球同步轨道卫星影像的火情监测方法及装置
技术领域
本公开的实施例一般涉及火情监测领域,并且更具体地,涉及基于地球同步轨道卫星影像的火情监测方法、装置、设备和计算机可读存储介质。
背景技术
卫星遥感监测森林火灾始于1980年代初,由于不同传感器的参数特征不同,森林火灾监测方法也不尽相同,但大多是在AVHRR反演方法基础上发展而来。应用于AVHRR的单阈值法、多阈值法,MODIS的绝对火点识别算法、上下文火点识别算法,VIRR的自适应火点检测法等。
目前,国内外火点检测模型主要有:Dozier模型(Dozier Method)、阈值模型(Threshold Method)、上下文模型(Contextual Method)和可燃物覆盖模型(Fuel MaskMethod)等。其中,阈值模型法和上下文模型法是目前广泛使用的火点检测方法,但是在业务应用中也存在局限性和限制性:
1)首先,虽然阈值模型法是最直接的火点检测的方式,但是在实际应用中,阈值与地表类型、地表温度、仪器灵敏度、空间分辨率有着密切的关系,对于大范围来说,需要设置不同的阈值。
2)其次,城市的炼钢厂、太阳能光伏电站等常规热点的存在也影响着火点检测的结果。
另外,现有的火点检测主要是基于极地太阳同步轨道卫星影像实现的,卫星平均每日过境频次为1~2次,时间分辨率低,而火灾受局地气象条件影响变化较快,需要更高的时间分辨率。
发明内容
根据本公开的实施例,提供了一种基于地球同步轨道卫星影像的火情监测方案。
在本公开的第一方面,提供了一种基于地球同步轨道卫星影像的火情监测方法。该方法包括:接收并获取地球同步轨道卫星影像数据;根据所述卫星影像数据逐像元遍历进行疑似火点筛选;对所述筛选后的疑似火点基于背景窗口进行筛选;估计筛选后的火点的亚像元面积比及温度,完成最终筛选。如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述方法还包括:利用最终筛选得到的火点的属性进行强度分级;导出所述火点筛选结果。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,接收并获取地球同步轨道卫星影像数据还包括获取土地利用数据;对所述卫星影像数据及土地利用数据进行预处理。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,对所述卫星影像数据进行预处理包括:可见光0.64um、短波红外3.9um、长波红外11.2um、12.4um辐射定标,可见光通道反射率定标,短波、长波红外通道亮温定标,短波红外3.9um反射率产品计算,可见光通道反射率校正。如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,根据所述卫星影像数据遍历逐像元进行疑似火点筛选包括:利用初始阈值、卫星观测角度、土地利用、云判识结果、耀斑污染区域进行疑似火点筛选。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,对所述筛选后的疑似火点基于背景窗口进行筛选包括:确定每个疑似火点周边的晴空背景窗口,对短波红外3.9um及长波红外11.2um通道亮温进行统计,并利用统计结果确认火点判识阈值,进行火点筛选。如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,对短波红外3.9um及长波红外11.2um通道亮温进行统计包括:将包含至少20%的像素为晴空和陆地区域的背景窗口内高温或低温像素去除后的背景值进行统计,计算方差;另外,采用“直方图统计”方法计算方差,将亮温值取整作为直方图的每一个区间进行统计,取分布在3.9μm通道与11.2μm通道亮温差频率最高的区间及相邻两个直方图区间之内的值,计算方差;取两个方差计算结果中较小的一个所采用的统计方法;并采用该统计方法进行均值、标准差的计算。
在本公开的第二方面,提供了一种基于地球同步轨道卫星影像的火情监测装置。该装置包括:接收模块,用于接收并获取地球同步轨道卫星影像数据;初筛模块,用于根据所述卫星影像数据逐像元遍历进行疑似火点筛选;背景窗口筛选模块,用于对所述筛选后的疑似火点基于背景窗口进行筛选;估计模块,用于估计筛选后的火点的亚像元面积比及温度,完成最终筛选。
在本公开的第三方面,提供了一种电子设备。该电子设备包括:存储器和处理器,所述存储器上存储有计算机程序,所述处理器执行所述程序时实现如根据本公开的第一方面的方法。
在本公开的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如根据本公开的第一方面的方法。
应当理解,发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征,亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中,相同或相似的附图标记表示相同或相似的元素,其中:
图1示出了根据本公开的实施例的基于地球同步轨道卫星影像的火情监测方法的流程图;
图2示出了根据本公开的实施例的地球同步轨道卫星影像数据和土地利用数据预处理流程图;
图3示出了根据本公开的实施例的基于地球同步轨道卫星影像的火情监测装置的方框图;
图4示出了能够实施本公开的实施例的示例性电子设备的方框图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例,都属于本公开保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
图2示出了基于地球同步轨道卫星影像的火情监测方法100的示意图。
在框102,接收并获取静止气象卫星(地球同步轨道气象卫星)影像数据。
在一些实施例中,通过互联网、接收天线、专线推送获取静止气象卫星(地球同步轨道气象卫星)的卫星影像数据。
所述卫星影像数据包括可见光通道0.64um反射率/反照率、短波红外3.9um通道亮温及辐射亮度、长波红外11.2um通道亮温及辐射亮度、长波红外12.4um通道亮温及辐射亮度、太阳角度、卫星角度等参数。
在一些实施例中,除获取卫星数据外,还获取辅助数据,所述辅助数据为土地利用数据,例如,采用MODIS年度土地利用合成产品(MCD12C1,分辨率为0.05°),产品包含3种土地利用分类方案:IGBP全球植被分类方案、美国马里兰大学(UMD)分类方案、基于叶面积指数(LAI)分类方案。采用其中IGBP分类方案,共17个分类。
在一些实施例中,如附图图3所示,对所述卫星数据进行预处理、投影变换。
其中,所述预处理包括:
1.卫星数据解析:从静止气象卫星(地球同步轨道气象卫星),例如葵花8(Himawari-8)卫星AHI传感器的HSD格式数据中解析出所需定标数据及下一步计算所需元数据(基本信息、投影信息、导航信息等);
2.数据定标:包括可见光通道0.64um、短波红外3.9um、长波红外11.2um、12.4um辐射定标,可见光通道反射率定标,短波、长波红外通道亮温定标,短波红外3.9um“反射率产品”计算,可见光通道反射率校正(用太阳天顶角);
在一些实施例中,
定标时首先需要计算辐射亮度值,进一步通过辐射亮度值定标反射率或亮温。
反射率产品(Reflectivity Product, Refl)计算时需要计算11.2μm亮温在3.9μm“空间”的等效辐亮度,然后计算3.9μm通道卫星观测辐亮度与上述等效辐射的差,最后将差值乘以10并取整作为后续判断的基础。可见光通道反射率只有在白天(太阳天顶角小于85°)可用,用来辅助云去除,在应用时将反射率除以太阳天顶角的余弦值作为后续计算的基础。
3.几何计算:包括经纬度坐标、卫星观测几何、太阳观测几何、像元面积、太阳耀斑角计算等,另外由于卫星位置相对固定,因此可以把经纬度、卫星天顶角、方位角写入到查找表;
在一些实施例中,
静止轨道卫星的经纬度计算,首先从原数据中读取相关投影信息,然后将图面坐标转换为一种中间坐标系,最后再通过中间坐标系来计算经纬度。
太阳天顶角及方位角通过经纬度及UTC时间计算,卫星天顶角及方位角通过经纬度及卫星位置计算,相对方位角由卫星及太阳方位角计算,耀斑角由太阳天顶角、卫星天顶角、相对方位角计算。
在计算像元面积时,假设像元为长方形,首先计算像元长边及短边边长,计算方法为:取像元延边长方向4个像素,得到像素两边经纬度,通过球面距离计算公式计算4个像素长度然后取平均作为边长。分别用上面方法计算2个方向边长,最后再计算像元面积。
考虑到静止卫星位置相对固定的特性,将上述几何信息中相对不变的量(经纬度、卫星天顶角、方位角、像元面积)写入查找表方便后续使用。
4.土地利用数据处理,结合经纬度信息将土地利用写入到查找表。
在一些实施例中,为了方便后续使用,将土地利用数据与葵花8卫星影像数据进行位置匹配,将对应位置的数据写入查找表。
在框104,根据所述卫星影像数据逐像元遍历进行疑似火点筛选;
在一些实施例中,遍历所述预处理后图像中的所有像元,利用初始阈值、卫星观测角度、土地利用、云判识结果、耀斑污染区域等条件进行疑似火点筛选,并对每一种判识进行标记。
在一些实施例中,所述疑似火点筛选包括:
1.卫星天顶角(satellite zenith angle, SZA)阈值筛选,如果当前像元SZA大于80°,则跳过当前像元;
太阳耀斑区域容易引起误报,因此需要将两个太阳反射区域标记出来。第一个区域定义为SZA小于10°区域,是太阳直射区域,第二个区域指耀斑角小于10°的区域,是光线由地表反射并被卫星接收的强光区域。
2.将短波红外3.9um通道和长波红外11.2um通道亮温为无效值或者超过系统定义的饱和温度5K及以上的像元定义为无效像素;将短波红外3.9um通道和长波红外11.2um通道亮温小于200K的像元定义为异常像元。将无效像元和异常像元分别加以标记;
3.根据土地利用进行判断,将水体及冰雪覆盖区域去除;
4.如果短波红外3.9um通道和长波红外11.2um通道辐射亮度值小于最小阈值,或者3.9um和11.2um 亮温差小于2K,则标识为非火点像元;
确定3.9um及11.2um亮温最小阈值(T3.9min、T11.2min),白天夜晚分别进行定义:
白天:T3.9min=[285+15*cos(solar zenith angle)] K
晚上:T3.9min=285 K
T11.2min=287 K
这里将太阳天顶角小于85°的区域定义为白天,将白天阈值定义为浮动值,中午时阈值最高。如果当前像元3.9um通道或11.2um通道亮温未能达到上述最小阈值,则标识为非火点。
5.云判识;
综合考虑不同观测条件和可用波段,满足以下条件之一标记为云:
T11.2<270K
T3.9-T11.2<-4K
如果是白天,用可见光通道0.64um判断:
太阳天顶角SZA<=70° AND 反照率Albedo>0.28
如果12.4um通道可用:
T12.3≤265K
T11.2<270K AND T11.2- T12.3<-4K
T11.2<270K AND T11.2- T12.3>-60K
6.沿扫描线反射率阈值筛选;
判断当前像元左边或右边3个像元的“反射率产品”小于2(对应约0.2辐射亮度值),则标识为非火点像元,具体阈值筛选条件如下:
T3.9<320K AND T3.9<T3.9min AND T3.9≥150 K
Refl-3<2 OR Ref+3<2
白天:
Albedo > 0.28 AND T3.9>320 K
Refl-3<2 OR Refl+3<2
在框106,对所述筛选后的疑似火点基于背景窗口进行筛选;
在一些实施例中,针对上一步筛选出来的疑似火点,确定每个疑似火点周边的晴空背景窗口,对3.9μm及11.2μm通道亮温等物理量进行统计,并利用统计结果确认火点判识阈值,进行火点筛选;
在一些实施例中,对每个疑似火点像元进行背景值统计,然后根据统计结果进一步进行火点判识,包括:
1.背景值统计;
背景指的是以当前像元为中心的一个动态窗口,该窗口内至少20%的像素为晴空和陆地区域。在确定背景窗口后,对背景窗口内亮温及亮温差等要素进行统计,统计值包括均值、方差及标准差;
在一些实施例中,初始窗口是以当前像元为中心的一个5x5窗口,如果当前窗口不满足条件(至少20%为晴空及陆地区域),则扩大窗口,每次扩大在各个方向增加5个像素,直到满足条件。但是窗口不能无限增长,因此需要设一个最大迭代次数(这里设置为20,也就是201x201像素),如果达到最大迭代次数,依然不能满足条件,将当前像元进行标记,并进行下一个像元计算。确定好背景窗口后,将窗口位置及达到满足条件时的迭代次数保存并参与到之后的统计计算。
在进行统计之前,首先需要将窗口内高温或低温像素去除,由于低温像素在进行云判识时已经基本去除,这里只进行高温像素去除。高温像素定义为3.9μm通道亮温值大于310K(白天需要额外加一个25*cos[solar zenith angle]的修正值)的像素。
统计量包括3.9μm通道亮温、11.2μm通道亮温、3.9μm通道与11.2μm通道亮温差的均值、方差及标准差。
在进行统计时,将所有满足条件的背景值一起进行统计,计算方差;另外,采用“直方图统计”方法计算方差,将亮温值取整作为直方图的每一个区间,取分布在3.9μm通道与11.2μm通道亮温差频率最高的区间及相邻两个直方图区间之内的值,计算方差;取两个方差计算结果中较小的一个所采用的统计方法,并用该统计方法进行其它量,如均值、标准差的统计。
2.阈值确定;
根据背景值统计结果确定火点判识的各个阈值;
在一些实施例中,基于背景值统计得到的均值及标准差确定上下文阈值;阈值包括3.9μm及11.2μm亮温及亮温差阈值、“反射率产品”阈值;其中,
3.9μm与11.2μm背景亮温差的标准差乘以2,并且将大于4的值设为4,表示如下:Std.Dev.(Tb3.9-Tb11.2)test;
3.9μm背景亮温标准差乘以2.5,然后加上一个常量,常量定义为5和达到满足条件时的背景窗口的迭代次数除以3两者之间较小的值,最后将小于4的值设为4,将大于10的部分设为10,表示如下:Std.Dev.(Tb3.9)test;
背景“反射率产品”标准差乘以2,然后将小于2的值设为2,大于10的部分设为10,表示如下:Std.Dev.(Reflb)test。
3.火点判识;
根据火点判识的各个阈值对每个疑似火点进行判识,筛选出火点像元。
在一些实施例中,亚像元火源会造成3.9μm亮温高于11.2μm亮温,3.9μm火点像素温度高于3.9μm背景温度。为保证亮温的变化不是由太阳污染,地表变化及随机噪声造成的,需要进行各种不同的阈值筛选。如果潜在火点通过以下四项筛选其中的一个,则被排除潜在火点:
(T3.9-T11.2) < Std.Dev.(Tb3.9-Tb11.2)test
T3.9-Tb3.9<Std.Dev.(Tb3.9)test
Refl< Std.Dev.(Reflb)test AND T3.9<320K
T11.2-Tb11.2<0.25K
在框108,估计背景窗口筛选后的火点的亚像元面积比及温度;
在一些实施例中,构建包含亚像元温度及面积比的方程,对方程进行解算得到亚像元温度和面积比例,进而计算火点面积,并利用火点温度对火点进一步筛选;计算600K-1400K温度区间的火点辐射能(FRP);
方程将像元能量分解为2部分,一部分由火源贡献,另一部分由非火源贡献,通过求解方程可以得到亚像元面积占比及火点温度;如果计算出来的火点温度小于400K,将该像元从疑似火点像元中剔除。
方程表示如下:
Figure DEST_PATH_IMAGE001
Figure 433239DEST_PATH_IMAGE002
其中,
Figure DEST_PATH_IMAGE003
表示利用普朗克方程计算出来的x波长辐射亮度值,
Figure 288063DEST_PATH_IMAGE004
表示3.9μm辐亮度,
Figure DEST_PATH_IMAGE005
表示11.2μm辐亮度,
Figure 707280DEST_PATH_IMAGE006
为3.9μm亮温,
Figure DEST_PATH_IMAGE007
为11.2μm亮温,p表示火点比例,(1-p)表示非火源占比,
Figure 992504DEST_PATH_IMAGE008
为火点亚像元温度,
Figure DEST_PATH_IMAGE009
为背景/非火源亮温,这里用11.2μm背景亮温表示。
FRP表示燃烧单位时间内释放的能量,单位为瓦(J/s)或兆瓦(106瓦),FRP与火点亚像元的温度和面积比有关,定义如下:
Figure 698554DEST_PATH_IMAGE010
其中,
Figure DEST_PATH_IMAGE011
为像元面积,ε表示火点发射率(通常假定为1),σ为史蒂芬-玻尔兹曼常数(5.67*10-8Wm-2K4),
Figure 691656DEST_PATH_IMAGE012
表示第k个火点亚像元面积,Tk表示第k个火点亚像元温度。
FRP可以用解算出来的火点亚像元面积及平均火点温度简化,也可以由中波红外方法估算,估算方法只适用于温度为600-1400K,估算公式如下:
Figure DEST_PATH_IMAGE013
其中,
Figure 633723DEST_PATH_IMAGE011
为像元面积,σ为史蒂芬-玻尔兹曼常数(5.67*10-8Wm-2K4),a为常数,对于波长3.9μm,温度在600K-1400K之间,a取值为3.0x10-9[Wm-2sr-1μm-1K-4],
Figure 661984DEST_PATH_IMAGE014
是3.9μm辐射亮度,
Figure DEST_PATH_IMAGE015
是3.9μm背景辐射亮度。
在框110,利用火点属性对火点进行强度分级;
在一些实施例中,按照3.9μm亮温与背景亮温之差(T3.9-Tb3.9)及3.9μm与11.2μm背景亮温差(Tb3.9 – Tb11.2)来进行火点强度等级划分,将火点强度分为高强度、中等强度及低强度3个类型。分级标准如下:
T3.9 – Tb3.9 > Thresh1_high, Thresh1_medium
AND
Tb3.9 – Tb11.2 > Thresh2_high, Thresh2_medium
其中,Thresh1_high和Thresh2_high是高强度火点阈值,Thresh1_medium和Thresh2_medium是中等强度火点阈值。
Thresh1_high和Thresh1_medium分别取7K和5K与另一个背景温度标准差变换因子之间的较大值。计算背景温度标准差变换因子之前,首先定义一个窗口大小偏移因子,该因子定义为5和计算背景窗口时的迭代次数除以3之间的较小值。然后将窗口大小偏移因子加上5(Thresh1_high)或者3(Thresh1_medium)以及2倍的3.9μm背景温度标准差。
Thresh2_high和Thresh2_medium的定义方法与Thresh1_high和 Thresh1_medium基本相同,分别取7K和5K与另一个背景温度标准差变换因子之间的较大值。计算背景温度标准差变换因子时,采用与上面相同的窗口大小偏移因子,然后加上5(Thresh2_high)或者3(Thresh2_medium),再加上3.9μm与11.2μm的亮温差以及2倍的3.9μm与11.2μm的背景亮温差的标准差。
在框112,结果导出:将火点判识结果按照一定格式进行导出。
在一些实施例中,将火点判识结果以一定格式,例如csv格式,导出。其中,所述火点判识结果包括:火点经度(°)、火点纬度(°)、3.9μm亮温(K)、11.2μm亮温(K)、火点温度(K)、火点亚像元面积(m2)、火点辐射能(W)、火点强度分级、卫星名称、传感器、日期时间、3.9μm背景亮温(K)、11.2μm背景亮温(K)、像元面积(m2)等。
根据本公开的实施例,实现了以下技术效果:
高空间分辨率、高观测频次和高时效特点;
通过对疑似火点的多次筛选,火点判识精度高;
提供了火险等级分类。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本公开并不受所描述的动作顺序的限制,因为依据本公开,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本公开所必须的。
以上是关于方法实施例的介绍,以下通过装置实施例,对本公开所述方案进行进一步说明。
图3示出了根据本公开的实施例的基于地球同步轨道卫星影像的火情监测装置300的方框图。如图3所示,装置300包括:
接收模块302,用于接收并获取地球同步轨道卫星影像数据;
初筛模块304,用于根据所述卫星影像数据逐像元遍历进行疑似火点筛选;
背景窗口筛选模块306,用于对所述筛选后的疑似火点基于背景窗口进行筛选;
估计模块308,用于估计筛选后的火点的亚像元面积比及温度,完成最终筛选。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,所述描述的模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图4示出了可以用来实施本公开的实施例的电子设备400的示意性框图。如图所示,设备400包括中央处理单元(CPU)401,其可以根据存储在只读存储器(ROM)402中的计算机程序指令或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序指令,来执行各种适当的动作和处理。在RAM 403中,还可以存储设备400操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405,包括:输入单元406,例如键盘、鼠标等;输出单元407,例如各种类型的显示器、扬声器等;存储单元408,例如磁盘、光盘等;以及通信单元409,例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理单元401执行上文所描述的各个方法和处理,例如方法100,以及实施例中的各个子步骤。例如,在一些实施例中,方法100可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM403并由CPU 401执行时,可以执行上文描述的方法100的一个或多个步骤。备选地,在其他实施例中,CPU 401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法100。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)等等。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外,虽然采用特定次序描绘了各操作,但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行,或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地,在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (10)

1.一种基于地球同步轨道卫星影像的火情监测方法,其特征在于,包括:
接收并获取地球同步轨道卫星影像数据;
根据所述卫星影像数据逐像元遍历进行疑似火点筛选;
对所述筛选后的疑似火点基于背景窗口进行筛选;
估计筛选后的火点的亚像元面积比及温度,完成最终筛选。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
利用最终筛选得到的火点的属性进行强度分级;
导出所述火点筛选结果。
3.根据权利要求1所述的方法,其特征在于,接收并获取地球同步轨道卫星影像数据还包括获取土地利用数据;对所述卫星影像数据及土地利用数据进行预处理。
4.根据权利要求3所述的方法,其特征在于,对所述卫星影像数据进行预处理包括:可见光0.64um、短波红外3.9um、长波红外11.2um、12.4um辐射定标,可见光通道反射率定标,短波、长波红外通道亮温定标,短波红外3.9um反射率产品计算,可见光通道反射率校正。
5.根据权利要求4所述的方法,其特征在于,根据所述卫星影像数据逐像元遍历进行疑似火点筛选包括:
利用初始阈值、卫星观测角度、土地利用、云判识结果、耀斑污染区域进行疑似火点筛选。
6.根据权利要求5所述的方法,其特征在于,对所述筛选后的疑似火点基于背景窗口进行筛选包括:
确定每个疑似火点周边的晴空背景窗口,对短波红外3.9um及长波红外11.2um通道亮温进行统计,并利用统计结果确认火点判识阈值,进行火点筛选。
7.根据权利要求6所述的方法,其特征在于,对短波红外3.9um及长波红外11.2um通道亮温进行统计包括:
将背景值一起进行统计,计算方差;
将亮温值取整作为直方图的每一个区间进行统计,取分布在通道7与通道14亮温差频率最高的区间及相邻两个直方图区间之内的值,计算方差;
取两个方差计算结果中较小的一个;
并采用较小的方差计算结果的统计方法进行均值、标准差的计算。
8.一种基于地球同步轨道卫星影像的火情监测装置,其特征在于,包括:
接收模块,用于接收并获取地球同步轨道卫星影像数据;
初筛模块,用于根据所述卫星影像数据逐像元遍历进行疑似火点筛选;
背景窗口筛选模块,用于对所述筛选后的疑似火点基于背景窗口进行筛选;
估计模块,用于估计筛选后的火点的亚像元面积比及温度,完成最终筛选。
9.一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1~7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1~7中任一项所述的方法。
CN202110141494.5A 2021-02-02 2021-02-02 基于地球同步轨道卫星影像的火情监测方法及装置 Pending CN112488091A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110141494.5A CN112488091A (zh) 2021-02-02 2021-02-02 基于地球同步轨道卫星影像的火情监测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110141494.5A CN112488091A (zh) 2021-02-02 2021-02-02 基于地球同步轨道卫星影像的火情监测方法及装置

Publications (1)

Publication Number Publication Date
CN112488091A true CN112488091A (zh) 2021-03-12

Family

ID=74912229

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110141494.5A Pending CN112488091A (zh) 2021-02-02 2021-02-02 基于地球同步轨道卫星影像的火情监测方法及装置

Country Status (1)

Country Link
CN (1) CN112488091A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113340432A (zh) * 2021-06-09 2021-09-03 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
CN114112065A (zh) * 2021-11-17 2022-03-01 贵州电网有限责任公司 一种卫星遥感火险判识的方法
CN114187351A (zh) * 2021-12-09 2022-03-15 北京劢亚科技有限公司 一种应用于卫星的图像采集方法及装置
CN114972545A (zh) * 2022-08-01 2022-08-30 潍坊绘圆地理信息有限公司 一种高光谱卫星的在轨数据快速预处理方法
CN115331117A (zh) * 2022-10-13 2022-11-11 青岛浩海网络科技股份有限公司 基于先验知识修正参数的GK-2a遥感火情监测方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1653193A1 (de) * 2004-10-29 2006-05-03 Deutsches Zentrum für Luft- und Raumfahrt e.V. Verfahren zur Eliminierung von Schatteneffekten in Fernerkundungsdaten über Land
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
CN106910311A (zh) * 2017-03-22 2017-06-30 国网湖南省电力公司 一种电网山火实时广域同步卫星监测方法及监测系统
CN107392959A (zh) * 2017-07-31 2017-11-24 北京师范大学 一种森林火灾亚像元火点特性反演方法
CN110634259A (zh) * 2019-09-25 2019-12-31 云南电网有限责任公司电力科学研究院 一种森林火灾的检测方法
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
CN112113913A (zh) * 2020-08-30 2020-12-22 山东锋士信息技术有限公司 一种基于背景阈值的Himawari8陆地火点探测算法
CN112183319A (zh) * 2020-09-27 2021-01-05 中国林业科学研究院资源信息研究所 基于遥感图像和植被类型图的森林草原火灾火势判别方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1653193A1 (de) * 2004-10-29 2006-05-03 Deutsches Zentrum für Luft- und Raumfahrt e.V. Verfahren zur Eliminierung von Schatteneffekten in Fernerkundungsdaten über Land
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
CN106910311A (zh) * 2017-03-22 2017-06-30 国网湖南省电力公司 一种电网山火实时广域同步卫星监测方法及监测系统
CN107392959A (zh) * 2017-07-31 2017-11-24 北京师范大学 一种森林火灾亚像元火点特性反演方法
CN110634259A (zh) * 2019-09-25 2019-12-31 云南电网有限责任公司电力科学研究院 一种森林火灾的检测方法
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
CN112113913A (zh) * 2020-08-30 2020-12-22 山东锋士信息技术有限公司 一种基于背景阈值的Himawari8陆地火点探测算法
CN112183319A (zh) * 2020-09-27 2021-01-05 中国林业科学研究院资源信息研究所 基于遥感图像和植被类型图的森林草原火灾火势判别方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113340432A (zh) * 2021-06-09 2021-09-03 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
CN114112065A (zh) * 2021-11-17 2022-03-01 贵州电网有限责任公司 一种卫星遥感火险判识的方法
CN114187351A (zh) * 2021-12-09 2022-03-15 北京劢亚科技有限公司 一种应用于卫星的图像采集方法及装置
CN114972545A (zh) * 2022-08-01 2022-08-30 潍坊绘圆地理信息有限公司 一种高光谱卫星的在轨数据快速预处理方法
CN114972545B (zh) * 2022-08-01 2022-11-04 潍坊绘圆地理信息有限公司 一种高光谱卫星的在轨数据快速预处理方法
CN115331117A (zh) * 2022-10-13 2022-11-11 青岛浩海网络科技股份有限公司 基于先验知识修正参数的GK-2a遥感火情监测方法
CN115331117B (zh) * 2022-10-13 2023-02-10 青岛浩海网络科技股份有限公司 基于先验知识修正参数的GK-2a遥感火情监测方法

Similar Documents

Publication Publication Date Title
CN112488091A (zh) 基于地球同步轨道卫星影像的火情监测方法及装置
CN102565778B (zh) 一种自动提取伪不变特征的遥感图像相对辐射校正方法
CN109974665B (zh) 一种针对缺少短波红外数据的气溶胶遥感反演方法及系统
Zhou et al. Dynamics of land surface temperature in response to land‐use/cover change
CN111795936B (zh) 一种基于查找表的多光谱遥感影像大气校正系统、方法及存储介质
CN111563962B (zh) 一种基于几何辐射一体化采样的遥感图像仿真方法
Koponen et al. Analysis on the feasibility of multi-source remote sensing observations for chl-a monitoring in Finnish lakes
de Wildt et al. Operational snow mapping using multitemporal Meteosat SEVIRI imagery
CN106940887B (zh) 一种gf-4卫星序列图像云与云下阴影检测方法
CN113340432B (zh) 一种基于静止气象卫星的火情监测方法及系统
US9383478B2 (en) System and method for atmospheric parameter enhancement
Sola et al. Synthetic images for evaluating topographic correction algorithms
CN111581884A (zh) 一种星载多分辨率目标光学辐射图像仿真方法
CN114022783A (zh) 基于卫星图像的水土保持生态功能遥感监测方法和装置
CN113970376A (zh) 一种基于海洋区域再分析资料的卫星红外载荷定标方法
CN103954974A (zh) 一种用于城市地区的颗粒物光学厚度遥感监测方法
CN114332085A (zh) 一种光学卫星遥感影像检测方法
CN114170503A (zh) 一种气象卫星遥感云图的处理方法
Debbage Sky-view factor estimation: A case study of Athens, Georgia
CN111199557A (zh) 一种遥感器衰变的定量分析方法及系统
CN116185616A (zh) 一种fy-3d mersi l1b数据自动化再处理方法
Panão et al. Determining the shading correction factor using a smartphone camera with a fisheye lens
CN105403201A (zh) 一种基于像元分解的遥感图像大气程辐射获取方法
CN115908318A (zh) 电力线弧垂确定方法、装置、设备、介质和产品
JP2005208023A (ja) 目標探知装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210312

RJ01 Rejection of invention patent application after publication