CN112665728B - 一种基于双时相影像的亮温差校正火点检测的方法 - Google Patents
一种基于双时相影像的亮温差校正火点检测的方法 Download PDFInfo
- Publication number
- CN112665728B CN112665728B CN202011476256.1A CN202011476256A CN112665728B CN 112665728 B CN112665728 B CN 112665728B CN 202011476256 A CN202011476256 A CN 202011476256A CN 112665728 B CN112665728 B CN 112665728B
- Authority
- CN
- China
- Prior art keywords
- fire
- temperature
- value
- pixel
- brightness
- 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
Landscapes
- Fire-Detection Mechanisms (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种基于双时相影像的亮温差校正火点检测的方法,包括如下步骤:需要对高分四号PMS和IRS两个传感器的影像进行预处理;对区域内的云及水体像元进行掩膜处理,得到可替代探测像元背景亮温的无污染像元;进行潜在火点识别,然后获取时间尺度上的亮温补偿;采用空间协方差插值,得到的背景亮温拟合值;进行火点识别。本申请所提出的方法考虑相邻两时相之间的相关关系,并且采用统计学的插值方法降低空间异质性对于背景亮温估算的影响,从而得到较为准确的背景亮温。本申请的方法不受灾前影像选取时间的约束,具有较强的稳定性。能显著降低火线周围的错检率,综合分类评价指数在0.9以上,该方法能够正确检测到火灾,且可靠性较高。
Description
技术领域
本发明涉及遥感图像检测火点技术领域。具体地说是一种基于双时相影像的亮温差校正火点检测的方法。
背景技术
火灾是指在时间或空间上失去控制的灾害性燃烧现象。在各种灾害中,火灾是最经常、最普遍地威胁公众安全和社会发展的主要灾害之一;其中,森林火灾作为一种突发性强,破坏性大的自然灾害,对森林以及人类带来极大的危害和损失,尤其是2016年12月印发实施的《全国森林防火规划(2016-2025)》,更是将森林火灾防控问题提高到了国家战略层面,其中明确指出要建立健全科学防火和依法治火机制,全面提升森林火灾综合防控能力,因此对火灾发生前的风险评判以及发生后的快速识别具有极其重要的意义。
目前,卫星遥感数据由于其监测频次快,空间覆盖范围广,已经成为监测和处理森林火灾的重要数据来源。国外在上个世纪六十年代已经开始使用红外航空遥感探测器进行火灾探测;到八十年代,伴随着遥感技术的深入发展,出现了利用多个卫星平台协同监测森林火灾的研究。其中,根据平台的不同,可以将火灾监测的方法分为单时相和多时相两大类。具体而言,单时相监测是利用火灾发生时空间温度的差异进行监测,常用方法如单波段阈值法、多波段阈值法以及上下文法等。其中,单波段和多波段阈值法的优点是简单快速且有一定的应用鲁棒性,但忽略了季节的差异性以及区域的异质性;上下文法是指利用空间上下文信息对火点进行提取,目前广泛使用的全球火点产品的生产就是基于Giglio(2003)提出的上下文法的模型改进和发展而来,该方法能够降低部分较小火点的漏检精度,并已运用于NPP VIIRS数据的全球火情监测。相比于单时相监测,多时相监测则是通过利用同步卫星高重访率的特性,用多幅历史影像与当前影像相结合进行火点判断。此外,与极轨卫星相比,地球静止卫星的高时间分辨率不仅能够更好的排除掉耀斑、海岸线、沙漠等地区的虚警问题,同时还能补偿其在空间分辨率上的不足,因而在全球的火灾监测中具有明显的优势。目前,已有众多学者运用多时相监测的方法成功地对火点进行提取。具体如Filizola等(2016)利用欧洲MSG SEVIRI传感器,提出了适合同步卫星的RST-FIRES算法,且成功地用于火灾监测;Jang等(2019)提出了一种组合算法,并基于Himawari-8数据成功监测了韩国的森林火灾。
与国外相比,国内学者利用遥感数据对火点进行提取的研究起步虽然较晚,但是经过多年的发展,也取得了丰富的成果,如利用AVHRR数据及MODIS数据发展了适用于中国区域的火点探测算法,包括亮温植被指数法和火点指数法。另外,随着近些年国产卫星的陆续发射,出现了诸多针对国产卫星数据的火灾监测算法,具体如李家国等(2010)以澳大利亚森林火灾为研究对象,提出适用于HJ-1B卫星的火灾监测归一化火点指数;覃先林等(2010)提出了一种基于环境小卫星红外相机数据的火点提取算法;Lin等(2017)基于FY-3CVIRR数据,通过引入“动态阈值”和“红外梯度”特性以增强算法的性能,使其适合于VIRR仪器。
目前,随着“高分专项”全面启动,高分卫星数据为我国的灾害监测提供了一个全新的平台,但由于高分一号和高分二号均为光学遥感,没有搭载红外波段,因而在火灾监测中,主要是通过获取火烧迹地高分辨率遥感影像,从而对森林火灾受害程度和灾后植被恢复等进行评价与支持(刘树超,2018)。高分四号卫星作为一颗静止卫星,其搭载的中波红外相机(IRS)具有按秒成像的能力,并且具有较高温度饱和点,因而对于热异常及地物动态变化监测具有重要的应用前景。刘超树(2020)采用“劈窗法”构建高分四号的火点自适应阈值检测算法,该算法的检测准确率高于80%,能被应用于高分四号影像的火点检测。总体而言,国内外学者对于火点提取的研究日趋成熟,但是也存在以下问题:一是针对已有遥感数据的研究较丰富,但是对于新发射的卫星传感器数据火点提取算法研究较少;其二是已有单时相和多时相火点提取方法中,单时相大多是通过固定阈值从而提取出火点,多时相则需要大量的数据做拟合,但是鲜有基于双时相亮温校正的思想对火点进行提取的研究。
发明内容
为此,本发明所要解决的技术问题在于提供一种更好地拟合背景亮温,减少错分误差的基于双时相影像的亮温差校正火点检测的方法。
为解决上述技术问题,本发明提供如下技术方案:
一种基于双时相影像的亮温差校正火点检测的方法,包括如下步骤:
(1)需要对高分四号PMS和IRS两个传感器的影像进行预处理;
(2)对区域内的云像元及水体像元进行掩膜处理,得到可用来替代探测像元背景亮温的无污染像元;
(3)进行潜在火点识别,然后获取时间尺度上的亮温补偿;
(4)采用空间协方差插值,得到的背景亮温拟合值;
(5)进行火点识别。
上述一种基于双时相影像的亮温差校正火点检测的方法,在步骤(1)中,预处理包括辐射定标、大气校正、几何校正、亮温反演及反射率计算;
辐射定标:利用式(1)将影像灰度值转换为辐射亮度值;
Li=DNi·Gband+Bband (1);
式中,Li为卫星载荷通道入瞳的等效辐射亮度值,DNi为像元灰度值,Gband和Bband分别为不同波段增益量和偏置量;
大气校正:在ENVI 5.3SP1软件中,采用FLAASH大气校正模型对辐射定标后的数据进行校正,从而将辐射亮度值转换为地表真实反射率;
几何校正:利用高分四号影像中的RPC信息对影像进行几何校正,并与其他时相影像进行几何配准,误差控制在0.5个像元以内;
亮温反演:通过式(2)和式(3)可以反演得到亮温值;
其中:Li是式(1)计算得到的辐射亮度值,λ是波段值,Te是亮度温度值,h是普朗克常数,c是电磁波传播速度;
反射率计算:多光谱数据是用于污染像元的判定以及非火点的剔除,通过式(4)可得到不同波段通道的表观反射率;
式中:Li是式(1)计算得到的辐射亮度值;h为普朗克常数,λ为波长,d为日地天文单位距离,Esib为不同波段在大气层顶的平均太阳光谱辐照度,zs为太阳天顶角。
上述一种基于双时相影像的亮温差校正火点检测的方法,在步骤(2)中,云像元识别方法:
采用式(6)和式(7)组合识别云像元:
ρRed+ρNIR>0.7 (6);
T>285K (7);
式中ρRed、ρNIR分别为PMS传感器上4波段、5波段的反射率,T为IRS传感器的近红外亮温。
上述一种基于双时相影像的亮温差校正火点检测的方法,在步骤(2)中,水体识别方法:
采用式(8)和式(9)对水体进行提取:
ρNIR>0.15 (8);
NDVI<0.8 (9);
式中:ρNIR为PMS传感器上5波段的反射率;NDVI为归一化植被指数。
上述一种基于双时相影像的亮温差校正火点检测的方法,在步骤(3)中:
潜在火点识别:以各潜在点为中心选取窗口,计算背景亮温:初始窗口设为5×5,若参与计算的无污染像元低于窗口总体像元个数的20%,则扩大窗口至7×7,但受制于地物的差异性,窗口上限为21×21;
以目标亮温为中心的周围5×5至21×21的动态窗口内进行差值处理,并将窗口内满足条件的点作为样本点进行插值;
最终设定325K作为潜在火点像元的提取阈值,以最大程度上得到区域内所有的异常高温点。
上述一种基于双时相影像的亮温差校正火点检测的方法,在步骤(3)中:定义背景亮温为未发生火灾下的亮温,火点的探测是基于明火发生时的当前亮温与背景亮温的差值来进行判断,从而得到当前火灾发生时与火灾发生前的补偿亮温,构建着火点(i,j)的温差补偿值ΔT(i,j),如式(10)所示:
ΔT(i,j)=Tpo(i,j)-Tpr(i,j) (10);
式中,Tpo(i,j)是灾中像元亮温的集合,Tpr(i,j)是灾前像元亮温的集合。
上述一种基于双时相影像的亮温差校正火点检测的方法,在步骤(4)中:空间协方差插值采用克里金插值,采用式(11)的克里金计算公式:
上述一种基于双时相影像的亮温差校正火点检测的方法,背景亮温拟合:对于每一个用于计算的潜在像元窗口内,将计算的有效像元的温差补偿值作为采样数据,并利用半变异函数法对采样数据进行拟合,从而得到潜在火点与灾前数据的温差补偿值ΔT(i,j),之后将ΔT(i,j)与灾前的亮温相加得到潜在火点的背景亮温的预测值Tpred。
上述一种基于双时相影像的亮温差校正火点检测的方法,在步骤(5)中,采用式(12)可以用来将潜在火点判断为真实火点;
Tpo>Tpred+3δ (12);
式中δ为窗口中背景像元的平均绝对偏差;Tpred为背景亮温的预测值;Tpo是灾中像元亮温的集合。
上述一种基于双时相影像的亮温差校正火点检测的方法,在步骤(5)中,还需要剔除虚警:采用已有土地分类结果,将裸地赋值为1,非裸地赋值为0,从而得到二值化的裸地分布图;之后,利用式(13)对式(12)中火点识别结果进行裸地信息的去除;
if L(i,j)=1,then exclude (13);
式中,L(i,j)为某点的分类值。
本发明的技术方案取得了如下有益的技术效果:
1、本申请结合高分四号数据,首先对其在不同场景下的火灾监测潜力进行评价,其次构建了亮温差校正思想的火点检测方法,其通过引入灾前影像的时间信息来获得较为准确的亮温拟合数据,最后通过精确率、虚警率、漏警率和总体分类精度等指标对火点探测结果进行精度评价。
2、本申请在单时相火点判别的基础上增加一期灾前影像的时间信息用于拟合当前火点的亮温值,一方面可以保持单个像元在时间上的连续性同时不破坏其空间性,另一方面可以减少用于拟合亮温曲线的数据量,得到较为准确的背景亮温,整体符合高分四号卫星用于快速灾情应急的定位。
3、高分四号卫星是我国第一颗地球同步轨道分辨率最高的对地观测卫星,以其高频次的拍摄特点和灵活机动模式,为防灾减灾提供强有力的信息保障。本申请在已有单波段火点检测的基础上,结合灾前数据,构建亮温差校正的火点检测方法,并与单时相的火点检测方法进行对比。相比而言,本申请所提出的方法考虑了相邻两时相之间的相关关系,并且通过采用统计学的插值方法降低空间异质性对于背景亮温估算的影响,从而得到较为准确的背景亮温,最后通过空间上下文的整和,将前期的准确信息反馈至当前像元。
整体而言,相较于部分多时相火点提取的方法需要大量训练样本来说,本申请所提出的方法不受灾前影像选取时间的约束,具有较强的稳定性。
两个实验区研究结果表明,研究提出的算法相较于单波段的上下文算法能显著降低火线周围的错检率,且综合分类评价指数在0.9以上,验证了本申请所提出的方法能够正确检测到火灾,且可靠性较高。
但是,由于高分四号影像缺少热红外(11μm)波段,使得单波段火点探测受到一定的限制。在今后的研究中,需要进一步提高检测精度,并且检验该方法在其他卫星及地区的适用性从而为灾中迅速决策以及灾后的评估和植被恢复提供有效信息。
附图说明
图1本发明基于双时相影像的亮温差校正火点检测的方法的技术流程图;
图2山西沁源县灾前与灾中地表亮温散点图;
图3a不同插值方法拟合背景亮温对比图
图3b不同插值方法拟合背景亮温对比图(散点图);
图4a大兴安岭新巴尔虎左旗孟克西里地区采用自适应阈值分割火点检测结果图;
图4b大兴安岭新巴尔虎左旗孟克西里地区采用IDW亮温差校正火点检测结果图;
图4c大兴安岭新巴尔虎左旗孟克西里地区采用简单克里金亮温差校正火点检测结果图;
图4d大兴安岭新巴尔虎左旗孟克西里地区采用普通克里金亮温差校正火点检测结果图;
图5a山西省沁源县采用自适应阈值分割火点检测结果图;
图5b山西省沁源县采用IDW亮温差校正火点检测结果图;
图5c山西省沁源县采用简单克里金亮温差校正火点检测结果图;
图5d山西省沁源县采用普通克里金亮温差校正火点检测结果图;
图6a采用克里金插值的亮温差校正结果图;
图6b目视解译结果图。
具体实施方式
1、研究区域与数据处理
1.1研究区概况
本研究选取山西省沁源县和内蒙古呼伦贝尔市新巴尔虎左旗地区作为实验区。沁源县位于112.3E,26.5N,以超56.7%的森林覆盖率位居山西省之首;新巴尔虎左旗毗邻两国一盟四旗市位于东经117°33'~120°12',北纬46°10′~49°47′,春季干旱,多大风,边境线屡见火情。
1.2数据处理及技术路线
高分四号卫星是我国自主研制的第一颗,也是目前世界上地球同步轨道分辨率最高的对地观测卫星。该卫星具有普查、凝视、区域、机动查巡四种工作模式,可以长时间驻留在固定区域上空,对我国境内及周边地区进行近实时高频次的监测以及热点区域持续观测;其上搭载的全色多光谱相机(PMS)空间分辨率优于50m、单景成像幅宽优于500km、中波红外相机(IRS)空间分辨率优于400m、单景成像幅宽优于400km。具体卫星参数如下表1所示。
表1高分四号卫星参数
本申请研究所需数据包括高分四号PMS和IRS两个传感器(PMI)的影像。在进行火点提取前,需要对原始数据进行一系列预处理过程,包括辐射定标、大气校正、几何校正和亮温反演及反射率计算。具体步骤如下:
(1)辐射定标
由于从中国资源卫星应用中心下载的高分四号原始影像是只经过星上处理的1A级数据,利用式(1)将影像灰度值转换为辐射亮度值。
Li=DNi·Gband+Bband (1);
式中,Li为卫星载荷通道入瞳的等效辐射亮度值,DNi为像元灰度值,Gband和Bband分别为不同波段增益量和偏置量。
(2)大气校正
在ENVI 5.3SP1软件中,采用FLAASH大气校正模型对辐射定标后的数据进行校正,从而将辐射亮度值转换为地表真实反射率。
(3)几何校正
由于高分四号卫星姿态偏移等问题,因而需要利用高分四号影像中的RPC信息对影像进行几何校正,并与其他时相影像进行几何配准,其误差控制在0.5个像元以内。
(4)亮温反演及反射率计算
火点识别中主要使用中红外波段的亮温值,通过式(2)和式(3)可以反演得到亮温值。
其中:Li是式(1)计算得到的辐射亮度值,λ是波段值,Te是亮度温度值,h是普朗克常数,c是电磁波传播速度;
多光谱数据是用于污染像元的判定以及非火点的剔除,通过式(4)可得到不同波段通道的表观反射率;
式中:Li是式(1)计算得到的辐射亮度值;h为普朗克常数,λ为波长,d为日地天文单位距离,Esib为不同波段在大气层顶的平均太阳光谱辐照度,zs为太阳天顶角。
2.2.研究原理与方法(如图1所示)
2.1理论基础
热异常是探测森林草原等生物质燃烧的典型特征之一,传统用于森林火灾探测的卫星主要是利用其传感器热红外通道对于温度的敏感性来进行识别与探测,其数据遵循普朗克三定律,其中维恩位移定律表达式如式(5)所示。
λmax=b/T (5);
式中λmax为物体的辐射波,T为亮度温度值,b为常数,其值为2.8977685×10-3m·K。
根据以上定律,可以得到物体的辐射波长仅与温度有关,且温度越高,辐射波长向着短波方向移动。此外,根据维恩位移定律,物体辐射时,其波长的峰值也会随着温度的变化而改变,温度升高则峰值向短波方向过渡,温度降低则峰值向长波方向过渡。一般而言,森林热源燃烧时的温度超过500K。Robinson(1991)、Pereira和Setzer(1993)等人经实验研究得出林火的辐射峰值大致在3.7μm附近,而高分四号中红外波段波长范围为3.5-4.1μm,饱和温度为360K,可以满足基本的林火监测要求。
2.2火点判别方法
本实施例通过利用两期高分四号影像数据中的时间空间信息,构建了一套亮温差校正的火点检测方法,并将其用于区域内火点的识别。
具体而言,首先定义背景亮温为未发生火灾下的亮温,火点的探测是基于明火发生时的当前亮温与背景亮温的差值来进行判断。其次,以目标亮温为中心的周围5×5至21×21的动态窗口内进行差值处理,并将窗口内满足条件的点作为样本点进行插值,从而得到当前火灾发生时与火灾发生前的补偿亮温,之后将补偿亮温与灾前亮温相加得到校正后的亮温作为目标像元的新背景亮温,最后进行火点判定和虚警剔除。但是在进行上述操作步骤前,需要对区域内云及水体像元进行掩膜处理,从而得到可用来替代探测像元背景亮温的无污染像元。具体识别过程如以下六部分组成。
2.2.1云像元识别
由于光学传感器波段的电磁波无法穿透云层,因此云层所在区域的像元亮温较低,此外,受云层的影响,可见光和近红外波段的反射率增高。高精度的云掩膜在一定程度上可以降低由非火灾区域所产生的误差。为了提取区域内的云像元,本文采用式(6)和式(7)组合识别云像元。
ρRed+ρNIR>0.7 (6);
T>285K (7);
式中ρRed、ρNIR分别为PMS传感器上4波段、5波段的反射率,T为IRS传感器的近红外亮温。
2.2.2水体识别
与云像元相同,水体同样属于污染信息,需要对其进行掩膜处理。目前基于多光谱数据识别水体的常用方法有阈值法、多波段算法、谱间关系法、区域生长法等(刘明,2016)。在前人研究的基础上,本文采用式(8)和式(9)对水体进行提取。
ρNIR>0.15 (8);
NDVI<0.8 (9);
式中:ρNIR为PMS传感器上5波段的反射率;NDVI为归一化植被指数。
2.2.3潜在火点识别
本文经过多次实验,最终设定325K作为潜在火点像元的提取阈值,以最大程度上得到区域内所有的异常高温点。具体而言,首先以各潜在点为中心选取窗口,计算背景亮温。初始窗口设为5×5,若参与计算的无污染像元低于窗口总体像元个数的20%,则扩大窗口至7×7,但受制于地物的差异性,窗口上限为21×21。
2.2.4背景亮温计算
选定合适窗口后,为了获取准确的背景亮温,加入前一期灾前的影像信息,可以发现在无污染像元的情况下,相邻时相的两期影像既具有空间异质性,又有空间连续性,尤其是单个像元在时间上表现出强相关性。
由于高分四号卫星数据在灾前具有时间上的不确定性,两期影像的太阳高度角的不同,为了补偿两期影像的亮温,构建温差补偿值ΔT,如式(10)
所示。
ΔT(i,j)=Tpo(i,j)-Tpr(i,j) (10);
式中,Tpo(i,j)是灾中像元亮温的集合,Tpr(i,j)是灾前像元亮温的集合
对于每一个用于计算的潜在像元窗口内,将计算的有效像元的温差补偿值作为采样数据,并利用半变异函数法对采样数据进行拟合,从而得到潜在火点与灾前数据的温差补偿值ΔT(i,j),之后将ΔTij与灾前的亮温相加得到潜在火点的背景亮温的预测值Tpred。
潜在火点的温差补偿计算采用普通克里金插值法(Ordinary Kriging,OK),首先计算动态窗口中样本的变异函数值,之后采用加权最小二乘法进行拟合,从而得到所给定的理论变异函数模型的每个参数值,最后通过模型预测得到各点的属性值。该方法不需要最小二乘法中假设各个样本点无相关关系的前提条件,同时能够使样本数量较多且分隔距离较小的点具有比较大的权重系数。
总体而言,空间协方差方法不仅考虑了采样的已知点与预测点的距离关系,同时考虑了它们之间的自相关关系,其能够很好地反映两期影像中相同空间内的温度差。克里金插值的优势在于其不仅考虑已知点和预测点之间的距离关系,同时考虑已知点之间的自相关关系。式(11)为克里金计算公式。
2.2.5火点识别
式(12)可以用来将潜在火点判断为真实火点。
Tpo>Tpred+3δ (12)
式中,δ为窗口中背景像元的平均绝对偏差。
2.2.6虚警剔除
基于光谱信息的火点提取流程,在大尺度区域内,虚警率通常较高。已有研究表明裸土在光谱维度难以与火点进行区分,因此本文采用已有土地分类结果,,将裸地赋值为1,非裸地赋值为0,从而得到二值化的裸地分布图;之后,利用式(13)对2.2.5节火点识别结果的基础上进行裸地信息的去除。
if L(i,j)=1,then exclude (13)
式中,L(i,j)为某点的分类值。
3.结果与讨论
本申请通过结合高分四号PMS和IRS传感器数据分别对山西沁源县和大兴安岭新巴尔虎左旗两个区域进行火点检测。同时,对两个区域进行人工目视解译,将解译得到的火点数据与当地发生火灾时的其他文本数据作为验证数据。
遥感图像检测火点像元的方法本质是一个二分类问题。地表火灾会引起该区域辐射能量的急剧骤升,与自然状态下的背景像元辐射能量形成较大的差异,一般的单时相影像火点判别条件中背景亮温的估算由自适应窗口内的均值替代,多时相的火点判别则是基于大量的前期影像训练完成的DTC模型用于拟合当前背景亮温。
本研究在单时相火点判别的基础上增加一期灾前影像的时间信息用于拟合当前火点的亮温值,一方面可以保持单个像元在时间上的连续性同时不破坏其空间性,另一方面可以减少用于拟合亮温曲线的数据量,得到较为准确的背景亮温,整体符合高分四号卫星用于快速灾情应急的定位。
本研究对比灾前的亮温值,并对两期影像的亮温差进行预估。图2是山西沁源县潜在火点像元采用不同模型拟合形成的亮温曲线及对比结果。根据图2,可以得到在两期影像的亮温拟合结果中,基于单时相窗口得到的背景亮温峰值峰谷与灾前亮温相反,曲线波动不大,整体拟合值较低,且对于背景温度较高的区域有平滑作用,而对于一些低温火点的识别则不够准确。
简单克里金插值得到的结果能体现区域性,有突出的峰值且有对应于高亮温的像素点,但该模型假设未知点的属性值相对于平均值的偏差是已知点的属性值相对于平均值的偏差的加权求和,并且需要提前知道区域的期望值,因此用于预估的期望值可能有偏差;而普通克里金的插值是认为未知点的属性值是已知点的属性值的加权求和,从插值结果来看普通克里金插值既体现了像素区域的波动性又有一定的平滑效果避免峰值过高,是较为理想的拟合结果。图3a和图3b中ATPredicted、IDWPredicted、SKPredicted、OKPredicted分别代表自适应阈值分割方法、反距离加权、简单克里金以及普通克里金插值的亮温差校正方法得到的背景亮温拟合值。
3.2实验结果
2019年3月29日和2019年4月20日,山西沁源县王陶乡王陶村和大兴安岭新巴尔虎左旗孟克西里地区发生火灾。基于对应时间的高分四号PMI数据,本实施例通过使用提出的亮温差校正的火点提取方法对两起火灾区域的火点进行提取,并将其与单时相自适应阈值分割获得的火点提取结果进行对比,如图4a-图4d和图5a-图5d所示。需要注意的是,受烟雾的影响,在高分四号的多光谱影像中,目视解译的火点信息很难提取,因为顺风向的火点极容易被烟雾掩盖。
表2GF-4/PMI内蒙古新巴尔虎左旗孟克西里地区双时相不同插值方法及单时相火点检测信息表
表3GF-4/PMI山西省沁源县双时相不同插值方法及单时相火点检测信息表
3.3精度检验
针对实验区的火点识别结果,本研究以目视解译的火点结果作为真值构建区域火点识别精度评价体系。体系包括精确率(Precision,P)、虚警率(False alarm,F),漏警率(Missing alarm,M),总体分类精度(Overall Accuracy,OA)以及评价指标Fβ分数,具体计算公式如式(14)-式(17)所示。
式中:NTP是正确识别到的火点数,NFP是未被正确识别的火点数,NTN是被正确识别的非火点数,NFN是未被正确识别的非火点数。β是F分数的权重,本实施例中其值等于2。
表4着火点不同方法检测结果精度验证表
如表4和图6a、图6b所示,通过对比不同方法得到的火点检测结果和真实值结果,可以发现基于中红外信息的火点提取方法在结果方面具有一致性,其有相同的轮廓,且在火线附近的火点会出现不同程度的错检;单期影像的自适应阈值方法的错检率在两个区域的错检率分别为18%和13%,内蒙古呼伦贝尔市新巴尔虎左旗的火灾受检像元多,错检率也略高于山西沁源的火灾。
分析其错检原因,主要是在林火蔓延的过程中由于地面覆盖物的遮挡,传感器入瞳处接收到的信息大部分是树冠的辐射信息,而这种信息正是火点识别的关键,通常对于树冠火来说,地形、温度、风向等外在因素也会影响火的蔓延趋势并对环境产生影响。此外,由于植被遮挡,以及火焰尺度等因素,最终观测到的火点与遥感图像中对应的实际位置有偏差。
而本研究提出的亮温差校正的算法,错检率相较于之前的算法均有明显的降低,并且检查像素数量越多,错检率越低。
漏检一方面是由于在自适应窗口下,对于较大的火灾中心点,用于计算的可用像元由于附近的像素受火场蔓延的辐射影响亮温普遍升高,因此背景场亮温偏高。另一方面由于云和水由固定阈值确定,云像元是造成火点像元遗漏的重要原因,并且对于一些焖烧的低温点也可能存在漏检的情况。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本专利申请权利要求的保护范围之中。
Claims (7)
1.一种基于双时相影像的亮温差校正火点检测的方法,其特征在于,在单时相火点判别的基础上增加一期灾前影像的时间信息用于拟合当前火点的亮温值,包括如下步骤:
(1)需要对高分四号PMS和IRS两个传感器的影像进行预处理;
(2)对区域内的云像元及水体像元进行掩膜处理,得到可用来替代探测像元背景亮温的无污染像元;
(3)进行潜在火点识别,然后获取时间尺度上的亮温补偿;
潜在火点识别:以各潜在点为中心选取窗口,计算背景亮温:初始窗口设为5×5,若参与计算的无污染像元低于窗口总体像元个数的20%,则扩大窗口至7×7,但受制于地物的差异性,窗口上限为21×21;
以目标亮温为中心的周围5×5至21×21的动态窗口内进行差值处理,并将窗口内满足条件的点作为样本点进行插值;
最终设定325K作为潜在火点像元的提取阈值,以最大程度上得到区域内所有的异常高温点;
定义背景亮温为未发生火灾下的亮温,火点的探测是基于明火发生时的当前亮温与背景亮温的差值来进行判断,从而得到当前火灾发生时与火灾发生前的补偿亮温,构建着火点(i,j)的温差补偿值ΔT(i,j),如式(10)所示:
ΔT(i,j)=Tpo(i,j)-Tpr(i,j) (10);
式中,Tpo(i,j)是灾中像元亮温的集合,Tpr(i,j)是灾前像元亮温的集合;
(4)采用空间协方差插值,得到的背景亮温拟合值;
空间协方差插值采用克里金插值,采用式(11)的克里金计算公式:
其中是点(i,j)处的估计值,也就是潜在火点位置对应的补偿亮温,即等于ΔT(i,j);n为采样点个数;λm为权重系数,是用于满足点(i,j)处的估计值与真实值差最小的一套最优系数;tm为第m个采样点的亮温;
(5)进行火点识别。
2.根据权利要求1所述的一种基于双时相影像的亮温差校正火点检测的方法,其特征在于,在步骤(1)中,预处理包括辐射定标、大气校正、几何校正、亮温反演及反射率计算;
辐射定标:利用式(1)将影像灰度值转换为辐射亮度值;
Li=DNi·Gband+Bband (1);
式中,Li为卫星载荷通道入瞳的等效辐射亮度值,DNi为像元灰度值,Gband和Bband分别为不同波段增益量和偏置量;
大气校正:在ENVI 5.3SP1软件中,采用FLAASH大气校正模型对辐射定标后的数据进行校正,从而将辐射亮度值转换为地表真实反射率;
几何校正:利用高分四号影像中的RPC信息对影像进行几何校正,并与其他时相影像进行几何配准,误差控制在0.5个像元以内;
亮温反演:通过式(2)和式(3)可以反演得到亮温值;
其中:Li是式(1)计算得到的辐射亮度值,λ是波段值,Te是亮度温度值,h是普朗克常数,c是电磁波传播速度;Lλ为λ波段值的辐射亮度值,k为玻尔兹曼常数,Plank(λ,Te)为普朗克公式;
反射率计算:多光谱数据是用于污染像元的判定以及非火点的剔除,通过式(4)可得到不同波段通道的表观反射率;
式中:Li是式(1)计算得到的辐射亮度值;h为普朗克常数,λ为波长,d为日地天文单位距离,Esib为不同波段在大气层顶的平均太阳光谱辐照度,zs为太阳天顶角。
3.根据权利要求1所述的一种基于双时相影像的亮温差校正火点检测的方法,其特征在于,在步骤(2)中,云像元识别方法:
采用式(6)和式(7)组合识别云像元:
ρRed+ρNIR>0.7 (6);
T>285K (7);
式中ρRed、ρNIR分别为PMS传感器上4波段、5波段的反射率,T为IRS传感器的近红外亮温。
4.根据权利要求1所述的一种基于双时相影像的亮温差校正火点检测的方法,其特征在于,在步骤(2)中,水体识别方法:
采用式(8)和式(9)对水体进行提取:
ρNIR>0.15 (8);
NDVI<0.8 (9);
式中:ρNIR为PMS传感器上5波段的反射率;NDVI为归一化植被指数。
5.根据权利要求1所述的一种基于双时相影像的亮温差校正火点检测的方法,其特征在于,背景亮温拟合:对于每一个用于计算的潜在像元窗口内,将计算的有效像元的温差补偿值作为采样数据,并利用半变异函数法对采样数据进行拟合,从而得到潜在火点与灾前数据的温差补偿值ΔT(i,j),之后将ΔT(i,j)与灾前的亮温相加得到潜在火点的背景亮温的预测值Tpred。
6.根据权利要求5所述的一种基于双时相影像的亮温差校正火点检测的方法,其特征在于,在步骤(5)中,采用式(12)可以用来将潜在火点判断为真实火点;
Tpo>Tpred+3δ (12);
式中δ为窗口中背景像元的平均绝对偏差;Tpred为背景亮温的预测值;Tpo是灾中像元亮温的集合。
7.根据权利要求6所述的一种基于双时相影像的亮温差校正火点检测的方法,其特征在于,在步骤(5)中,还需要剔除虚警:采用已有土地分类结果,将裸地赋值为1,非裸地赋值为0,从而得到二值化的裸地分布图;之后,利用式(13)对式(12)中火点识别结果进行裸地信息的去除;
if L(i,j)=1,then exclude (13);
式中,L(i,j)为某点的分类值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011476256.1A CN112665728B (zh) | 2020-12-15 | 2020-12-15 | 一种基于双时相影像的亮温差校正火点检测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011476256.1A CN112665728B (zh) | 2020-12-15 | 2020-12-15 | 一种基于双时相影像的亮温差校正火点检测的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112665728A CN112665728A (zh) | 2021-04-16 |
CN112665728B true CN112665728B (zh) | 2022-04-15 |
Family
ID=75406007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011476256.1A Active CN112665728B (zh) | 2020-12-15 | 2020-12-15 | 一种基于双时相影像的亮温差校正火点检测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112665728B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113221057B (zh) * | 2021-05-14 | 2022-08-26 | 山东省生态环境监测中心 | 基于多时相卫星影像的秸秆焚烧火点监测方法 |
CN113340432B (zh) * | 2021-06-09 | 2022-08-23 | 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 |
CN115615559B (zh) * | 2022-12-19 | 2023-03-10 | 南京信大卫星应用研究院有限公司 | 一种基于图像信息采集的火灾状态监测系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678237A (zh) * | 2015-12-31 | 2016-06-15 | 张弓 | 一种火点确定方法及系统 |
CN106503480A (zh) * | 2016-12-14 | 2017-03-15 | 中国科学院遥感与数字地球研究所 | 一种静止卫星火灾遥感监测方法 |
CN106840409A (zh) * | 2017-01-23 | 2017-06-13 | 北京师范大学 | 一种基于modis的森林火灾火点检测方法 |
CN107576399A (zh) * | 2017-09-12 | 2018-01-12 | 北京师范大学 | 面向modis 林火探测的亮温预测方法和系统 |
CN112017178A (zh) * | 2020-09-08 | 2020-12-01 | 重庆市地理信息和遥感应用中心 | 一种基于双时相差值图像法的遥感图像区域变化检测方法 |
CN112033549A (zh) * | 2020-09-08 | 2020-12-04 | 中国林业科学研究院资源信息研究所 | 一种森林草原火灾中火场蔓延区域的检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ATE549691T1 (de) * | 2006-07-28 | 2012-03-15 | Telespazio Spa | Automatische detektion von feuer auf der erdoberfläche und von atmosphärischen phänomenen wie zum beispiel wolken, verschleierungen, nebel oder ähnlichem mittels satellitensystem |
FR2979456A1 (fr) * | 2011-08-26 | 2013-03-01 | Noveltis | Dispositif permettant de detecter de maniere precoce le depart de feux de foret |
GR20150100061A (el) * | 2015-02-16 | 2016-09-21 | Χαραλαμπος Χρηστου Κοντοες | Μεθοδος δορυφορικου εντοπισμου ενεργων εστιων πυρκαγιας, υπολογισμου του πιθανοτερου σημειου εναρξης πυρκαγιας και εκτιμηση της εξελιξης της σε πραγματικο χρονο |
-
2020
- 2020-12-15 CN CN202011476256.1A patent/CN112665728B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678237A (zh) * | 2015-12-31 | 2016-06-15 | 张弓 | 一种火点确定方法及系统 |
CN106503480A (zh) * | 2016-12-14 | 2017-03-15 | 中国科学院遥感与数字地球研究所 | 一种静止卫星火灾遥感监测方法 |
CN106840409A (zh) * | 2017-01-23 | 2017-06-13 | 北京师范大学 | 一种基于modis的森林火灾火点检测方法 |
CN107576399A (zh) * | 2017-09-12 | 2018-01-12 | 北京师范大学 | 面向modis 林火探测的亮温预测方法和系统 |
CN112017178A (zh) * | 2020-09-08 | 2020-12-01 | 重庆市地理信息和遥感应用中心 | 一种基于双时相差值图像法的遥感图像区域变化检测方法 |
CN112033549A (zh) * | 2020-09-08 | 2020-12-04 | 中国林业科学研究院资源信息研究所 | 一种森林草原火灾中火场蔓延区域的检测方法 |
Non-Patent Citations (2)
Title |
---|
利用动态阈值的森林草原火灾火点检测算法;刘良明等;《武汉大学学报(信息科学版)》;20111205(第12期);全文 * |
基于MODIS遥感影像的森林火灾火点检测方法;付迎春等;《华南师范大学学报(自然科学版)》;20080825(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112665728A (zh) | 2021-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112665728B (zh) | 一种基于双时相影像的亮温差校正火点检测的方法 | |
Polivka et al. | Improving nocturnal fire detection with the VIIRS day–night band | |
Wooster et al. | LSA SAF Meteosat FRP products–Part 1: Algorithms, product contents, and analysis | |
CN108564761B (zh) | 基于风云气象卫星数据的林火识别方法 | |
Zhu et al. | Cloud and cloud shadow detection for Landsat images: The fundamental basis for analyzing Landsat time series | |
CN113850139A (zh) | 一种基于多源遥感的森林年际物候监测方法 | |
CN113221057B (zh) | 基于多时相卫星影像的秸秆焚烧火点监测方法 | |
Chowdhury et al. | Daytime gas flare detection using Landsat-8 multispectral data | |
CN112697279B (zh) | 一种基于空间上下文特征的森林火点大范围检测方法 | |
CN113218508B (zh) | 一种基于Himawari-8卫星数据的林火判别方法 | |
Behrangi et al. | Evaluating the utility of multispectral information in delineating the areal extent of precipitation | |
Hally et al. | Assessment of the utility of the advanced Himawari imager to detect active fire over Australia | |
Li et al. | Automatic smoke detection in modis satellite data based on k-means clustering and fisher linear discrimination | |
KR102577435B1 (ko) | 정지궤도 적외선영상에서의 고도영향 저감방법 및 그 장치 | |
CN114964514A (zh) | 一种基于gk-2a的变时能量阈值火情遥感监测方法 | |
CN114526825A (zh) | 静止气象卫星火点判识系统及存储介质 | |
Liang et al. | Evaluation of the impact of a new quality control method on assimilation of CrIS data in HWRF-GSI | |
Zhukov et al. | Experience of detection and quantitative characterization of fires during the experimental small satellite mission BIRD | |
Hassini et al. | Thermal infrared geostationary satellite sensor data application for prediction and monitoring earthquake in Algeria | |
Miller et al. | Shedding new light on nocturnal monitoring of the environment with the VIIRS day/night band | |
Sun et al. | An Improved Fmask Algorithm in Tropical Regions for Landsat Images | |
Mitra et al. | Identification of weather events from INSAT-3D RGB scheme using RAPID tool | |
Nakalema | Detection of charcoal production sites in Somalia with very high resolution and Sentinel-2 Imagery | |
Khomarudin | Detecting the spatial distribution of settlements on volcanic region using image Landsat-8 oli imagery | |
Park et al. | An extraction of solar-contaminated energy part from MODIS middle infrared channel measurement to detect forest fires |
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 |