CN112697279A - 一种基于空间上下文特征的森林火点大范围检测方法 - Google Patents

Abstract

该发明公开了一种基于空间上下文特征的森林火点大范围检测方法，属于遥感技术领域。本发明通过分析火点周围像元的中红外和热红外波段从而检测火点的方法。在此基础之上，本方法结合水、云的光谱特征，运用相应波段对其进行检测，从而消除水、云对火点检测的影响。并对检测得到的火点进行一系列的虚警去除工作。同时，针对该方法所使用的卫星数据的特性，对方法结构进行调整、对判别式进行调参。从而提高了该方法在空间上的敏感性，提高森林火点检测精度。

Description

一种基于空间上下文特征的森林火点大范围检测方法

技术领域

本发明属于遥感技术领域，涉及一种基于地球同步轨道卫星Himawari-8的森林火点检测方法。

背景技术

全球生态环境在气候变暖的影响下正逐渐恶化，大规模自然灾害与极端气候事件频繁发生。其中，森林火灾作为一种严重的自然灾害，近年来多次发生，对经济发展、全球生态平衡、个人生命财产安全造成巨大威胁。森林火灾的扑灭工作十分危险，在2019年3月30日，四川省凉山州木里县突发森林大火，火场总过火面积约20公顷，遇难人数达31人。2019年7月8 日起澳大利亚林火灾肆虐，过火面积高达1200万公顷，约10亿野生动物在大火中失去生命，在这场可怕的灾难中，33人不幸死亡，2500余间房屋受到不同程度损毁。在2020年3月30 日，四川省西昌市突发森林大火，火灾过火面积1000余公顷，毁坏面积为80余公顷，遇难人数高达19人。为将森林火灾带来的损失降至最低，研发近实时森林火点检测方法监测和管理火情显得十分必要。

近年来，随着地球同步轨道卫星、高性能计算等领域的高速发展，相关方法的应用得到了大规模普及。使用地球同步轨道卫星结合大规模高性能计算设备的方法在森林火点检测领域发展迅猛，面对近几年肆虐的大范围森林火灾和由此造成的经济损失和人员伤亡，我们亟需建立大范围、高精度和近实时的森林火点检测方案。构建一系列可以落地运用且效率极高的森林火点检测算法，一方面可以为相关的决策部门提供科学决策支持，在第一时间确定燃烧的区域位置，帮助一线灭火队员在最快时间内扑灭火灾；另一方面，相关算法的研究和发明可以为该领域的进一步发展提供支持。不断提升针对不同区域和气象条件背景下，森林火点检测方法的效果。

目前基于空间特征的森林火点检测方法的研究主要集中在检测特定像元的热异常，该研究思路继承自基于极轨卫星的火点检测方法。然而这些研究方案并不能直接应用在地球同步轨道卫星上，一方面，地球同步轨道卫星的高度和极轨卫星具有较大的差别，这决定了传感器接收到的信号，在分辨率和能量强度上有所不同。同时，不同纬度，不同海拔，不同气象条件下的算法参数将对火点检测结果造成较大影响。仅迁移基于极轨卫星的火点检测算法参数，这种思路简单且高效，但算法精度不能得到保障。因平原地区的阈值普遍偏高，在部分多云雾和高海拔地区使用相同参数，将导致小型森林火灾的漏检。同时，太阳高度角和卫星天顶角的变化也将导致一天中地表热辐射强度发生变化。在算法中使用固定阈值将导致虚警火点的生成，为火点检测和火灾扑灭带来不利影响。因此很有必要针对研究区域和卫星传感器的特点，对极轨卫星算法中的检测流程进行修改，同时调整参数修改阈值。

发明内容

本发明旨在提供一种基于空间特征，且适用于Himawari-8卫星数据的上下文森林火点检测方法，来进行中国西南地区的森林火点近实时检测。该方法包含一系列预处理过程，以检测并去除对中红外和热红外波段影响较大的水、云像元。同时通过并行的光谱检测和空间检测，初步分析数据中的热异常像元。将这些像元进行后续的上下文计算，并结合三种虚警去除手段，从而得到最终的森林火点分布数据。

本发明技术方案为:一种基于空间上下文特征的森林火点大范围检测方法,该方法包括:

步骤1:对图像进行水检测，获得图像中的为水体的像元；

步骤2：对图像进行云检测，获得图像中为云的像元；

步骤3:剔除步骤1和步骤2检测出的水、云像元，然后采用如下公式对剩余图像进行边缘检测，得到热异常区域；

其中G_x和G_y分别代表横向和纵向边缘检测后得到的图像灰度值，A代表原始图像数据，图像的每一个像素的横向和纵向滤波结果通过以下两种方法中的一种进行结合，得到该像元最终的灰度大小：

或|G|＝|G_x|+|G_y|

步骤4：剔除步骤1和步骤2检测出的水、云像元，然后对剩余图像进行光谱分析，同时满足如下条件的像元为热异常区域；

其中T_3.9为中红外3.9μm通道的亮温，

为该地区影像在3.9μm通道亮温的均值；T_12.4为热红外12.4μm通道的亮温，

为该地区影像在12.4μm通道亮温的均值；ΔT_3.9-12.4为3.9 μm和12.4μm通道亮温差，

区域内亮温差的均值；

代表卫星成像时对应像元的太阳天顶角；

步骤5：将步骤3和步骤4的结果取交集，得到潜在着火点；

步骤6：根据每一个潜在着火点热异常区域计算出该潜在着火点的窗口，选择出该窗口中，非云，非水，非火点的像元，认为是背景像元；

步骤7：根据像元温度及上下文对步骤5得到的潜在着火点进行初步筛选；

步骤8：根据像元的太阳闪烁角、现有的土地覆盖数据、置信度对初步筛选后的着火点像元依次进行虚警去除。

进一步的，所述步骤1的检测方法为；

白天时：A_2.3＞0.05的像元表示为水体；

夜间时：|A_0.64|<0.01并且|A_0.86|<0.01的像元表示为水体；

其中，A_2.3表示数据在近红外2.3μm通道的反照率，A_0.64为近红外0.64μm通道的反照率，A_0.86表示近红外0.86μm通道的反照率；

进一步的，所述步骤2的检测方法为；

白天时：A_0.64+A_0.86＜1.2且T_12.4>256K且A_0.64+A_0.86＜0.7的像元表示为云，或T_12.4＞285K的像元表示为云；

夜间时：|A_0.64|<0.01并且|A_0.86|<0.01的像元表示为云；

其中，T_12.4表示热红外12.4μm通道的亮温；

进一步的，所述步骤7的具体方法为：

满足如下条件1或条件2的潜在着火点像元为初步筛选后的着火点像元；

条件1：T_3.9＞360K；

条件2：

且

且

且

且(

或σ'_MIR＞8.2K)

其中,T_3.9代表中红外3.9μm处亮温，L_0.64/3.9，

分别代表0.64μm波段和3.9μm波段辐亮度之比及周围背景像元的均值，ΔT_3.9-12.4，

代表3.9μm和12.4μm波段亮温差及周围背景像元均值，及标准差；T_3.9，

代表3.9μm波段亮温和周围背景像元亮温均值，及标准差；T_12.4，

代表12.4μm波段亮温和周围背景像元亮温均值；σ'_MIR代表背景像元中红外波段3.9μm处的标准差。

进一步的，所述步骤8的具体方法为：

步骤8.1：通过如下公式通过计算太阳闪烁角θ_g，剔除初步筛选后的着火点像元中太阳闪烁角θ_g小于设定阈值的像元：

θ_g＝cosθ_vcosθ_s-sinθ_vsinθ_scosθ_φ

其中θ_v表示像元对应的卫星天顶角，θ_s表示像元对应的太阳天顶角，,θ_φ表示像元对应的星天顶角与太阳天顶角之间的差；

步骤8.2：采用现有的土地覆盖数据，剔除小区域水体和城市中的人工热源；

步骤8.3：计算置信度，剔除置信度小于设定阈值的像元；

置信度C的计算公式为：

其中：

C₁＝S(T_3.9；310K,340K)

C₂＝S(Z_3.9；2.5,6)

C₃＝S(Z_3.9-12.4；3,6)

C₄＝1-S(N_ac；3,6)

C₅＝1-S(N_aw；3,6)

S(x；α,β)、Z_3.9、Z_3.9-12.4的计算公式如下：

N_aw代表与火点像元领接的水像元的数量，N_ac代表与火点像元领接的云像元的数量；T_3.9，

δ_3.9代表3.9μm波段亮温和周围背景像元亮温的均值，及标准差；

δ_3.9-12.4代表3.9μm和12.4μm波段亮温差及周围背景像元均值，及标准差。

本发明的有益效果：本发明提出一种基于地球同步轨道卫星Himawari-8的空间上下文特征森林火点检测方法。是一种通过光谱滤波和空间滤波检测潜在火点像元，在此基础上结合潜在火点周围的非火点空间信息，对该区域特定波段和波段之间的差进行统计分析，最终确认真正的火点，并执行一系列虚警去除流程的方法。本发明提高了不同时段下森林火点检测的空间敏感性，进而提高了该方法的森林火点检测精度。

附图说明

图1为整个发明的运行的流程图

图2为西南研究区示意图，图中标注了西南研究区在Himawari-8影像中的分布位置，研究区的地形情况，以及森林草原灌木在研究区的分布情况，如右图用绿色区域所示。图中展示的西南研究区的具体组成部分为：贵州省、云南省、四川省、重庆市。

图3为预处理阶段水、云检测展示，左图展示的是本方法对水像元的识别，右图展示的是本方法对云像元的识别，需要注意的是，Himawari-8的像元空间分辨率极低，有可能出现对薄云，小面积水域的漏检。这些影响可以在后续的处理中消除。

图4为边缘检测结果展示，算法标注出了由森林燃烧产生的烟雾轮廓，以及由地形等原因造成的中红外热红外热差异区。

图5为光谱分析结果展示，图中标注出了经由像元波段分析后得到的热异常区域。

图6为光谱分析和边缘检测合成得到的潜在火点。

图7为上下文运行原理图，包括上下文背景像元的选择依据，以及经过调参获得的最佳计算公式及参数。

图8为上下文生成得到的火点，土地覆盖检查示意，以及最终置信度计算说得结果图。

图9为参考火点和本发明生成火点的对比图。

具体实施方式

下面结合附图对本发明做进一步的说明。

数据获取：本发明所采用的遥感数据为日本Himawari-8地球同步轨道卫星数据，成像范围涵盖整个亚太地区，成像时间为10分钟/景。用户在提交账户密码后，可通过下述网站进行数据获取：ftp://ftp.ptree.jaxa.jp//jma/netcdf。

实施工具：

本发明的全部试验过程基于PYTHON 3.7实现，流程代码为本发明原创。

附图中所使用的影像为北京时间2020年4月1日13时20分的Himawari-8影像，截取到研究区，研究区概况如图2所示。

实施流程如图1所示，下面做详细介绍。

步骤1：

为了确保计算时，本发明的火点检测算法不受到云和水的干扰，需要在预处理阶段针对被这两种目标覆盖的像元进行掩膜处理。在白昼阶段对比水体的吸收峰和陆地的吸收峰，可在 2.3μm成功的检测水体，因此：

白天时：A_2.3＞0.05的像元表示为水体；

夜间时：|A_0.64|<0.01并且|A_0.86|<0.01的像元表示为水体；

其中，A_2.3表示数据在近红外2.3μm通道的反照率，A_0.64为近红外0.64μm通道的反照率，A_0.86表示近红外0.86μm通道的反照率。水检测结果如图3左图所示，该方法成功的在研究区标注了水体像元。

步骤2：

云在白昼阶段具有高亮的特征，在Himawari-8的功能波段(0.64μm)，和近红外波段(0.86 微米)其反照率呈现较高趋势；因此：

白天时：A_0.64+A_0.86＜1.2且T_12.4>256K且A_0.64+A_0.86＜0.7的像元表示为云，或T_12.4＞285K的像元表示为云；

夜间时：|A_0.64|<0.01并且|A_0.86|<0.01的像元表示为云；

其中A_0.64表示数据在0.64μm通道的反照率，A_0.86为近红外0.86μm通道的反照率，T_12.4表示热红外12.4μm通道的亮温。云检测结果如图3右图所示，与左图中的云进行比较(左图中的云并未被覆盖)发现，云及检测成功的检测出研究区大部分云层区域，且并未将燃烧产生的烟雾误判为云。

步骤3：

剔除步骤1和步骤2检测出的水、云像元，然后采用如下公式对剩余图像进行边缘检测，满足P_{high_pass}≥ασ_kernel的像元将被表示为冷像元和热像元的边缘像元。其中σ_kernel是研究区内无云，无水像元的特定波段数据标准差。边缘检测的运算原理如发明内容中的步骤3所示，滑动窗口采用3,5,7,9的大小，α经过调试，在1.65效果最好。边缘检测的结果如图4所示，在图4中，左图为整个研究区的边缘检测结果，可观察到云和陆地的边界。同时，右边两幅子图展示的是火灾燃烧地区木里地区和迪庆地区的边缘检测情况，木里地区火灾为大型火点聚类，被边缘检测成功的检测出边界，而迪庆地区的火灾面积较小，本发明也同样成功的检测出孤立火点和周边的云边界。这证明了本发明提出的边缘检测方法能有效的提取热异常边界，包括：大型火点聚类，小型孤立火点，云边界。

步骤4：

光谱分析提取潜在火点，潜在火点的提取是为了用少量的计算资源对异常火点进行初步筛选，降低森林火点检测过程中的漏检率。光谱分析的具体计算方法如下：

满足

且

且

的像元为光谱分析得到的潜在火点像元。

其中T_3.9为中红外3.9μm通道的亮温，

为该地区影像在3.9μm通道亮温的均值；T_12.4为热红外12.4μm通道的亮温，

为该地区影像在12.4μm通道亮温的均值；ΔT_3.9-12.4为3.9 μm和12.4μm通道亮温差，

区域内亮温差的均值；

代表卫星成像时对应像元的太阳天顶角。光谱分析的结果如图5所示，其中左图展示的是研究区整体的光谱分析情况，右图同样展示了两个火灾发生区的光谱分析结果，结合烟雾的位置可以看到，光谱分析检测出了热异常区域，同时，热异常区域包含少量云边缘的点，这些点可在后续计算中被剔除掉。

步骤5：将步骤3和步骤4的结果取交集，得到潜在着火点。潜在火点提取结果如图6所示，图6左图展示了研究区整个潜在火点的提取情况，右图的两幅子图同样展示了两个火灾发生区的潜在火点检测情况。本发明的边缘检测结合光谱分析的方式可以成功的提取火灾发生区的潜在火点像元，从而极大限度降低漏检情况，保证检测精度。

步骤6：根据每一个潜在着火点热异常区域计算出该潜在着火点的窗口，选择出该窗口中，非云，非水，非火点的像元，认为是背景像元；

步骤7：使用上下文确定火点。

整个流程如图7所示，设定一个研究窗口，该窗口中心遍历潜在火点。窗口大小的确定方法为：从大小为13的窗口开始，若窗口内的有效背景像元达到了总像元数的25％便使用此大小的窗口，否则扩大窗口大小，直到大小为21。若窗口到达21，有效背景像元数却没有达标，则认为该潜在火点无法检测，放弃该点。满足如下条件1或条件2的潜在着火点像元为初步筛选后的着火点像元；

条件1：T_3.9＞360K；

条件2：

且

且

且

且(

或σ'_MIR＞8.2K)

其中T_3.9代表中红外3.9μm处亮温，L_0.64/3.9，

分别代表0.64μm波段和3.9μm波段辐亮度之比及周围背景像元的均值，ΔT_3.9-12.4，

代表3.9μm和12.4μm波段亮温差及周围背景像元均值，及标准差。T_3.9，

代表3.9μm波段亮温和周围背景像元亮温均值，及标准差。T_12.4，

代表12.4μm波段亮温和周围背景像元亮温均值。σ'_MIR代表背景像元中红外波段3.9μm处的标准差。

步骤8：太阳闪烁角校正

太阳闪烁角表示为：θ_g＝cosθ_vcosθ_s-sinθ_vsinθ_scosθ_φ；其中θ_v,θ_s,θ_φ代表卫星天顶角，太阳天顶角和两角之间的差。满足θ_g＜2°像元为过饱和像元，该像元从着火点像元中进行剔除。

步骤9：土地覆盖检查：利用MCD12Q1土地覆盖产品进行的土地覆盖检查，进一步剔除人造地物和研究区外的着火点像元。

步骤10：计算火点像元的置信度

计算火点置信度C：

其中C₁＝S(T_3.9；310K,340K)，C₂＝S(Z_3.9；2.5,6)， C₃＝S(Z_3.9-12.4；3,6)，C₄＝1-S(N_ac；3,6)，C₅＝1-S(N_aw；3,6)；

并且：N_aw代表与中心火点像元领接的水像元的数量，N_ac代表与中心火点像元领接的云像元的数量。T_3.9，

δ_3.9代表3.9μm波段亮温和周围背景像元亮温的均值，及标准差；T_3.9-12.4，

δ_3.9-12.4代表3.9μm和12.4μm波段亮温差及周围背景像元均值，及标准差。

上下文计算得到的火点结果，土地覆盖检查示意图，以及最终的置信度计算结果如图8所示，图8分左、中、右三组图，其中左图代表上下文计算后生成的火点图，第一幅为研究区总体火点检核结果图，其下两幅图为两个燃烧区的火点检测细节图，中图表示火点和土地覆盖关系图，其位置分布与左图一致，展示了火点与绿色表示的森林灌木等植被区域的关系，在土地覆盖检查中，不在植被区域的火点将被剔除。右图展示的是最终经过前几步处理后得到的火点，对其进行置信度计算后得到的结果。其中，右图的顶图为整个研究区最终火点的置信度展示，其下分别为：木里和迪庆区域的火点置信度展示图，西双版纳地区的火点置信度展示图(西双版纳地区森林火灾由境外蔓延而来，故在研究区边界且火点稀少)。

值得注意的是，由于太阳闪烁角校正只发生在特定时间段和特定地理位置需要使用，在本研究影像中并没有触发该校正，但本发明每天，每10分钟处理一景影像，涵盖的时间范围十分广，需要提前设计和准备好该校正。

图8表明，本发明的上下文火点检测方法可以有效的提取出研究区火点分布情况，通过一系列虚警去除手段，可以获得高质量的火点。

本发明最终生成的火点和国际通用产品的火点对比如图9所示。受限于极轨卫星的过境时间，用于对比的火点产品的生产时间为2020年4月1日14点30分，采用NPP卫星VIIRS传感器(分辨率375m)火点产品VNP14IMG，置信度选择为高，以及MODIS传感器火点产品MCD14DL (分辨率1km)并集生成对比标签。对比结果如图8所示，左图为合成的参考火点，右图为生成的火点。本发明提出的方法可成功的检测出影像中的主要森林火灾着火区域。而参考火点中的部分小型燃烧区域未能检测到，一方面，参考火点和生成火点在时间上相差了1小时，存在一定误差，另一方面，参考火点也具有误差，同时，本发明所采用的卫星数据分辨率为2km，低于MODIS和VIIRS两种传感器产生的数据，最后，本发明采用的计算空间特征和虚警去除的方法更好的剔除掉了由非森林火灾因素导致的像元热异常。

Claims (5)

1.一种基于空间上下文特征的森林火点大范围检测方法,该方法包括:

步骤1:对图像进行水检测，获得图像中的为水体的像元；

步骤2：对图像进行云检测，获得图像中为云的像元；

步骤3:剔除步骤1和步骤2检测出的水、云像元，然后采用如下公式对剩余图像进行边缘检测，得到热异常区域；

其中G_x和G_y分别代表横向和纵向边缘检测后得到的图像灰度值，A代表原始图像数据，图像的每一个像素的横向和纵向滤波结果通过以下两种方法中的一种进行结合，得到该像元最终的灰度大小：

或|G|＝|G_x|+|G_y|

步骤4：剔除步骤1和步骤2检测出的水、云像元，然后对剩余图像进行光谱分析，同时满足如下条件的像元为热异常区域；

其中T_3.9为中红外3.9μm通道的亮温，

为该地区影像在3.9μm通道亮温的均值；T_12.4为热红外12.4μm通道的亮温，

为该地区影像在12.4μm通道亮温的均值；ΔT_3.9-12.4为3.9μm和12.4μm通道亮温差，

区域内亮温差的均值；

代表卫星成像时对应像元的太阳天顶角；

步骤5：将步骤3和步骤4的结果取交集，得到潜在着火点；

步骤6：根据每一个潜在着火点热异常区域计算出该潜在着火点的窗口，选择出该窗口中，非云，非水，非火点的像元，认为是背景像元；

步骤7：根据像元温度及上下文对步骤5得到的潜在着火点进行初步筛选；

步骤8：根据像元的太阳闪烁角、现有的土地覆盖数据、置信度对初步筛选后的着火点像元依次进行虚警去除。

2.如权利要求1所述的一种基于空间上下文特征的森林火点大范围检测方法，其特征在于，所述步骤1的检测方法为；

白天时：A_2.3＞0.05的像元表示为水体；

夜间时：|A_0.64|<0.01并且|A_0.86|<0.01的像元表示为水体；

其中，A_2.3表示数据在近红外2.3μm通道的反照率，A_0.64为近红外0.64μm通道的反照率，A_0.86表示近红外0.86μm通道的反照率。

3.如权利要求1所述的一种基于空间上下文特征的森林火点大范围检测方法，其特征在于，所述步骤2的检测方法为；

白天时：A_0.64+A_0.86＜1.2且T_12.4>256K且A_0.64+A_0.86＜0.7的像元表示为云，或T_12.4＞285K的像元表示为云；

夜间时：|A_0.64|<0.01并且|A_0.86|<0.01的像元表示为云；

其中，T_12.4表示热红外12.4μm通道的亮温。

4.如权利要求1所述的一种基于空间上下文特征的森林火点大范围检测方法，其特征在于，所述步骤7的具体方法为：

满足如下条件1或条件2的潜在着火点像元为初步筛选后的着火点像元；

条件1：T_3.9＞360K；

条件2：

且

且

且

且(

或σ'_MIR＞8.2K)

其中,T_3.9代表中红外3.9μm处亮温，L_0.64/3.9，

分别代表0.64μm波段和3.9μm波段辐亮度之比及周围背景像元的均值，ΔT_3.9-12.4，

代表3.9μm和12.4μm波段亮温差及周围背景像元均值，及标准差；T_3.9，

代表3.9μm波段亮温和周围背景像元亮温均值，及标准差；T_12.4，

代表12.4μm波段亮温和周围背景像元亮温均值；σ'_MIR代表背景像元中红外波段3.9μm处的标准差。

5.如权利要求1所述的一种基于空间上下文特征的森林火点大范围检测方法，其特征在于，所述步骤8的具体方法为：

步骤8.1：通过如下公式通过计算太阳闪烁角θ_g，剔除初步筛选后的着火点像元中太阳闪烁角θ_g小于设定阈值的像元：

θ_g＝cosθ_vcosθ_s-sinθ_vsinθ_scosθ_φ

其中θ_v表示像元对应的卫星天顶角，θ_s表示像元对应的太阳天顶角，,θ_φ表示像元对应的星天顶角与太阳天顶角之间的差；

步骤8.2：采用现有的土地覆盖数据，剔除小区域水体和城市中的人工热源；

步骤8.3：计算置信度，剔除置信度小于设定阈值的像元；

置信度C的计算公式为：

其中：

C₁＝S(T_3.9；310K,340K)

C₂＝S(Z_3.9；2.5,6)

C₃＝S(Z_3.9-12.4；3,6)

C₄＝1-S(N_ac；3,6)

C₅＝1-S(N_aw；3,6)

S(x；α,β)、Z_3.9、Z_3.9-12.4的计算公式如下：

N_aw代表与火点像元领接的水像元的数量，N_ac代表与火点像元领接的云像元的数量；T_3.9，

δ_3.9代表3.9μm波段亮温和周围背景像元亮温的均值，及标准差；T_3.9-12.4，

δ_3.9-12.4代表3.9μm和12.4μm波段亮温差及周围背景像元均值，及标准差。

Images