CN113269175B - 一种火情监测方法和装置 - Google Patents
一种火情监测方法和装置 Download PDFInfo
- Publication number
- CN113269175B CN113269175B CN202110822421.2A CN202110822421A CN113269175B CN 113269175 B CN113269175 B CN 113269175B CN 202110822421 A CN202110822421 A CN 202110822421A CN 113269175 B CN113269175 B CN 113269175B
- Authority
- CN
- China
- Prior art keywords
- pixel
- data
- initial pixel
- initial
- preset
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012544 monitoring process Methods 0.000 title claims abstract description 27
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 20
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 230000003044 adaptive effect Effects 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012806 monitoring device Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 7
- AYFVYJQAPQTCCC-GBXIJSLDSA-N L-threonine Chemical compound C[C@@H](O)[C@H](N)C(O)=O AYFVYJQAPQTCCC-GBXIJSLDSA-N 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0014—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation from gases, flames
- G01J5/0018—Flames, plasma or welding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Plasma & Fusion (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种火情监测方法和装置，涉及火情监测的技术领域，包括：获取待检测区域的遥感数据和待检测区域的辅助数据，并对遥感数据进行预处理，得到待检测区域的栅格数据，其中，辅助数据包括：水体掩膜，云掩膜和破损数据掩模；基于辅助数据和栅格数据，确定出栅格数据中的目标像元，其中，目标像元用于表征待检测区域中存在火情的区域；基于目标像元和待检测区域的地理信息矢量数据，得到目标像元对应的明火面积和目标像元对应的地理信息，解决了现有的火情监测方法的准确率较低的技术问题。
Description
技术领域
本发明涉及火情监测的技术领域，尤其是涉及一种火情监测方法和装置。
背景技术
目前基于卫星遥感数据的森林火情监测方法，步骤流程都类似，大致包括云检测、水体监测、潜在火点判别、最终火点的计算提取等，方法的区别在于每个流程中具体的判识方法的区别。
在现有技术中，云检测的方法使用单一的阈值进行计算识别，因此在云边缘等区域识别准确率不高，潜在火点判识使用单一的阈值进行计算识别，无法适应不同地区的独特性，以及未提及如何提取地面热源点和明火面积的计算方法，导致现有的火情监测方法的准确率较低。
针对上述问题，还未提出有效的解决方案。
发明内容
有鉴于此，本发明的目的在于提供一种火情监测方法和装置，以缓解了现有的火情监测方法的准确率较低的技术问题。
第一方面，本发明实施例提供了一种火情监测方法，包括：获取待检测区域的遥感数据和所述待检测区域的辅助数据，并对所述遥感数据进行预处理，得到所述待检测区域的栅格数据，其中，所述辅助数据包括：水体掩膜，云掩膜和破损数据掩模；基于所述辅助数据和所述栅格数据，确定出所述栅格数据中的目标像元，其中，所述目标像元用于表征所述待检测区域中存在火情的像元；基于所述目标像元和所述待检测区域的地理信息矢量数据，得到所述目标像元对应的明火面积和所述目标像元对应的地理信息。
进一步地，所述遥感数据进行预处理，得到所述待检测区域的栅格数据，包括：基于所述遥感数据，提取出每个像元的属性数据，其中，所述属性数据至少包括：经纬度，太阳观测角度，短波波段反照率和红外波段亮温数据；基于每个像元的属性数据，构建所述待检测区域的栅格数据。
进一步地，基于所述辅助数据和所述栅格数据，确定出所述栅格数据中的目标像元，包括：基于所述属性数据，确定出所述栅格数据中的第一初始像元，其中，所述第一初始像元为红外波段亮温数据大于第一预设自适应阈值的像元；基于所述辅助数据和所述栅格数据，确定出所述栅格数据中的第二初始像元，其中，所述第二初始像元为所述栅格数据中除所述第一初始像元以外的存在火情的区域对应的像元；将所述第一初始像元和所述第二初始像元，确定为所述目标像元。
进一步地，基于所述辅助数据和所述栅格数据，确定出所述栅格数据中的第二初始像元，包括：基于所述辅助数据，利用第一预设窗口对所述栅格数据进行筛选，确定出所述栅格数据中的第三初始像元，其中，所述第三初始像元为所述栅格数据中除水体像元、太阳耀斑像元和所述第一初始像元以外的像元；以所述第三初始像元为中心，利用第二预设窗口和第一预设条件，确定出所述第三初始像元对应的背景窗口，其中，所述第一预设条件为所述第三初始像元对应的背景窗口包含的像元数量大于预设阈值且所述第三初始像元对应的背景窗口包含的有效像元数量与所述第三初始像元对应的背景窗口包含的像元数量之间的比值大于第一预设比例；基于所述待检测区域的历史遥感观测热点数据和DBSCAN算法，确定出第四初始像元，其中，所述第四初始像元为地面固定热源点对应的第三初始像元；基于所述第三初始像元对应的背景窗口中各个像元的属性数据和第二预设条件，确定出第五初始像元，其中，所述第二预设条件为中红外波段亮温数据小于第二预设自适应阈值，或，所述第三初始像元对应的背景窗口包含的有效像元邻域内的可监测像元总数与目标像元数量之间的比值大于第二预设比例，所述目标像元数量为所述第三初始像元对应的背景窗口包含的像元数量减去9；从所述第三初始像元中去除所述第四初始像元和所述第五初始像元，得到所述第二初始像元。
进一步地，若所述第三初始像元对应的背景窗口不符合所述第二预设条件，则调整所述第二预设窗口，直至所述第三初始像元对应的背景窗口符合所述预设条件或所述第二预设窗口的参数值达到预设参数值。
进一步地，基于所述目标像元和所述待检测区域的地理信息矢量数据，得到所述目标像元对应的明火面积和所述目标像元对应的地理信息，包括：利用预设公式，确定出所述目标像元对应的明火面积，其中，所述预设公式为Area = (mir_R - mir_b_R) / (mir_fire_R - mir_b_R) * pixel_area，Area为明火面积，mir_R为目标像元的辐亮度，mir_b_R指的是目标像元对应的背景像元的辐亮度，mir_fire_R为火区的辐亮度，pixel_area为所示目标像元的实际面积；基于所述属性数据和所述待检测区域的地理信息矢量数据，确定出所述目标像元对应的地理信息，其中，所述地理信息至少包括：所述目标像元的经纬度，所述目标像元的下垫面类型。
进一步地，基于所述目标像元对应的明火面积、所述目标像元对应的地理信息和预设数据，得到统计信息，其中，所述预设数据包括：林地资料、行政区划数据，所述统计信息包括：所述目标像元的位置信息，火情方向，乡镇与所述目标像元之间的距离信息。
第二方面，本发明实施例还提供了一种火情监测装置，包括：获取单元，第一确定单元和第二确定单元，其中，所述获取单元，用于获取待检测区域的遥感数据和所述待检测区域的辅助数据，并对所述遥感数据进行预处理，得到所述待检测区域的栅格数据，其中，所述辅助数据包括：水体掩膜，云掩膜和破损数据掩模；所述第一确定单元，用于基于所述辅助数据和所述栅格数据，确定出所述栅格数据中的目标像元，其中，所述目标像元用于表征所述待检测区域中存在火情的像元；所述第二确定单元，用于基于所述目标像元和所述待检测区域的地理信息矢量数据，得到所述目标像元对应的明火面积和所述目标像元对应的地理信息。
第三方面，本发明实施例还提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储支持处理器执行上述第一方面中所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
第四方面，本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行第一方面中所述方法的步骤。
在本发明实施例中，通过获取待检测区域的遥感数据和待检测区域的辅助数据，并对遥感数据进行预处理，得到待检测区域的栅格数据，其中，辅助数据包括：水体掩膜，云掩膜和破损数据掩模；基于辅助数据和栅格数据，确定出栅格数据中的目标像元，其中，目标像元用于表征待检测区域中存在火情的区域；基于目标像元和待检测区域的地理信息矢量数据，得到目标像元对应的明火面积和目标像元对应的地理信息，达到了对火情进行精准监测的目的，进而解决了现有的火情监测方法的准确率较低的技术问题，从而实现了提高火情监测方法的准确率的技术效果。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种火情监测方法的流程图；
图2为本发明实施例提供的第二初始像元的确定方法的流程图；
图3为本发明实施例提供的一种火情监测装置的示意图；
图4为本发明实施例提供的一种电子设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
根据本发明实施例，提供了一种火情监测方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种火情监测方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，获取待检测区域的遥感数据和所述待检测区域的辅助数据，并对所述遥感数据进行预处理，得到所述待检测区域的栅格数据，其中，所述辅助数据包括：水体掩膜，云掩膜和破损数据掩模；
需要书说明的是，待检测区域的遥感数据可以是风云3号极轨气象卫星L1级HDF格式数据，通过提取出遥感数据中每个像元的属性数据之后，利用每个像元的属性数据构建出待检测区域的栅格数据，属性数据至少包括：经纬度，太阳观测角度，短波波段反照率和红外波段亮温数据。
另外，还需要说明的是上述的辅助数据构建方法如下：
基于公开的土地利用类型数据，提取水体像元，构建水体掩模。
基于云掩模判识公式，构建云掩模，若该期次遥感影像处于白天，则判识条件为：
CM(x)= ρ_0.64 (x)>0.2⋀T_12.4 (x)<275K；
若该期次遥感影像处于夜晚，则判识条件为：
CM(x)= T_12.4 (x)<275K；
其中，x为遥感数据中的像元，CM为云掩膜判识值，ρ_0.64为中心波长0.64μm的波段反射率，T_12.4为中心波长12.4μm的波段亮温值。
利用异常值定位出破损数据，并进行标识，构建破损数据掩模。
步骤S104，基于所述辅助数据和所述栅格数据，确定出所述栅格数据中的目标像元，其中，所述目标像元用于表征所述待检测区域中存在火情的像元；
步骤S106，基于所述目标像元和所述待检测区域的地理信息矢量数据，得到所述目标像元对应的明火面积和所述目标像元对应的地理信息。
在本发明实施例中，通过获取待检测区域的遥感数据和待检测区域的辅助数据，并对遥感数据进行预处理，得到待检测区域的栅格数据，其中，辅助数据包括：水体掩膜，云掩膜和破损数据掩模；基于辅助数据和栅格数据，确定出栅格数据中的目标像元，其中，目标像元用于表征待检测区域中存在火情的区域；基于目标像元和待检测区域的地理信息矢量数据，得到目标像元对应的明火面积和目标像元对应的地理信息，达到了对火情进行精准监测的目的，进而解决了现有的火情监测方法的准确率较低的技术问题，从而实现了提高火情监测方法的准确率的技术效果。
在本发明实施例中，步骤S104包括如下步骤：
步骤S11，基于所述属性数据，确定出所述栅格数据中的第一初始像元，其中，所述第一初始像元为红外波段亮温数据大于第一预设自适应阈值的像元；
步骤S12，基于所述辅助数据和所述栅格数据，确定出所述栅格数据中的第二初始像元，其中，所述第二初始像元为所述栅格数据中除所述第一初始像元以外的存在火情的区域对应的像元；
步骤S13，将所述第一初始像元和所述第二初始像元，确定为所述目标像元。
在本发明实施例中，第一初始像元的确定方法如下：
对于在近红外波段温度非常高并且达到一定阈值的像元点，将其直接标注为火像元（即，第一初始像元），热异常点判断条件：
mir > thre_fire(x) & (mir-fir) > meanDT + thre_fire(x) & mir-meanMir> thre_fire(x)；
其中，mir指的是中红外波段亮温值，fir指的是远红外波段亮温值，meanDT指的是中红外和远红外波段亮温值之差的平均值， meanMir指的是中红外波段亮温值的平均值，thre_fire(x)指的是不同判识条件x下的第一预设自适应阈值。
在本发明实施例中，如图2所示，步骤S12包括如下步骤：
步骤S21，基于所述辅助数据，利用第一预设窗口对所述栅格数据进行筛选，确定出所述栅格数据中的第三初始像元，其中，所述第三初始像元为所述栅格数据中除水体像元、太阳耀斑像元和所述第一初始像元以外的像元；
步骤S22，以所述第三初始像元为中心，利用第二预设窗口和第一预设条件，确定出所述第三初始像元对应的背景窗口，其中，所述第一预设条件为所述第三初始像元对应的背景窗口包含的像元数量大于预设阈值且所述第三初始像元对应的背景窗口包含的有效像元数量与所述第三初始像元对应的背景窗口包含的像元数量之间的比值大于第一预设比例；
步骤S23，基于所述待检测区域的历史遥感观测热点数据和DBSCAN算法，确定出第四初始像元，其中，所述第四初始像元为地面固定热源点对应的第三初始像元；
步骤S24，基于所述第三初始像元对应的背景窗口中各个像元的属性数据和第二预设条件，确定出第五初始像元，其中，所述第二预设条件为中红外波段亮温数据小于第二预设自适应阈值，或，所述第三初始像元对应的背景窗口包含的有效像元邻域内的可监测像元总数与目标像元数量之间的比值大于第二预设比例，所述目标像元数量为所述第三初始像元对应的背景窗口包含的像元数量减去9；
步骤S25，从所述第三初始像元中去除所述第四初始像元和所述第五初始像元，得到所述第二初始像元。
在本发明实施例中，需要对栅格数据中的潜在火点进行判识，潜在的火像元（即，第三初始像元）将被留到下一步骤中进行进一步的鉴别。
利用辅助数据确定出栅格数据中的对非水、非太阳耀斑像元，以9 * 9大小窗口（即，第一预设窗口）进行中值滤波进行筛选。算法将潜在火像元分为两类，第一类是位于云下的火点；第二类则是晴空下的火点。
进行火点预判的关键信息来自于目标像元的中红外波段亮度温度与其周边窗口内背景像元中红外亮度温度之间的温差。
对第三初始像元对应的背景窗口的像元进行统计，首先，以潜在火像元（第三初始像元）为中心，自 3 * 3 窗口（即，第二预设窗口）开始，搜索符合条件的背景像元（非云、非水、非火）并计算其统计值，直到符合条件的背景像元的个数大于 8 并且背景窗口内有效像元的比例（即，第一预设比例）大于 25%为止。
需要说明的是，步骤S12还包括：
若所述第三初始像元对应的背景窗口不符合所述第二预设条件，则调整所述第二预设窗口，直至所述第三初始像元对应的背景窗口符合所述预设条件或所述第二预设窗口的参数值达到预设参数值，其中，预设参数值对应的第二预设窗口的大小为21 * 21。
由于误判火点包括处于地面固定热源点、云边缘、云附近等误判火点，因此，在确定出第三初始像元对应的背景窗口之后，首先，要确定出第三初始像元中包含的地面固定热源点对应的像元（即，第四初始像元）。
地面固定热源点的提取是基于历史遥感观测的热点数据，利用DBSCAN算法提取地面固定热源点。DBSCAN算法通过参数(𝜖, MinPts)来描述邻域的样本分布紧密程度，从某个热点开始，以其坐标为圆心，𝜖为半径统计该圆内热点的个数，如果大于MinPts，则认为是该圆内所有热点属于一类，即属于同一区域。这种类别标记具有传递性，以新标记热点为圆心，搜索相应圆内的热点，若在𝜖-邻域内存在热点，将其标记为同一类，若圆内没有其他未标记点，则这个热点区域搜索结束。
然后，通过第二预设条件确定出第五初始像元（云边缘误判火点和云附近误判火点对应的像元），其中，第二预设条件的表达式如下：
云边缘误判火点的判断条件：mir - meanMir < thre_fire(x) | DT < thre_fire(x)。
云附近误判火点的判断条件：Nbc / NT > thre_fire(x)。
其中，mir指的是中红外波段亮温值，meanMir指的是中红外波段亮温值的平均值，DT指的是中红外和远红外波段亮温值之差，Nbc指的是当前有效像元邻域内可监测像元总数，NT指的是背景窗口内像元总数减去9，thre_fire(x)指的是不同判识条件x下的第二预设自适应阈值。
最后，从第三初始像元中去除所述第四初始像元和第五初始像元，得到第二初始像元。
现有技术中，云检测的方法使用单一的阈值进行计算识别，因此在云边缘等区域识别准确率不高，本申请中加入了云边缘和云附近的判识方法，增加了云检测的准确率，从而提高火情监测的准确率；现有技术中，潜在火点判识使用单一的阈值进行计算识别，无法适应不同地区的独特性，本申请中加入了自适应阈值，根据地理区域进行阈值调整，增加了潜在火点判识的准确性；现有技术中，未提及如何提取地面热源点，本申请中利用DBSCAN算法提取地面固定热源点，从而降低潜在火点的误判。
在本发明实施例中，步骤S106包括如下步骤：
步骤S31，利用预设公式，确定出所述目标像元对应的明火面积，其中，所述预设公式为Area = (mir_R - mir_b_R) / (mir_fire_R - mir_b_R) * pixel_area，Area为明火面积，mir_R为目标像元的辐亮度，mir_b_R指的是目标像元对应的背景像元的辐亮度，mir_fire_R为火区的辐亮度，pixel_area为所示目标像元的实际面积；
步骤S32，基于所述属性数据和所述待检测区域的地理信息矢量数据，确定出所述目标像元对应的地理信息，其中，所述地理信息至少包括：所述目标像元的经纬度，所述目标像元的下垫面类型。
需要说明的是，目标像元对应的明火面积不等于目标像元的面积。
在本发明实施例中，根据目标像元的经纬度位置信息和地理信息矢量数据，提取火点所在省、市、县、下垫面类型等地理信息，从而完善火情详细信息。
在本发明实施例中，所述方法还包括如下步骤：
步骤S108，基于所述目标像元对应的明火面积、所述目标像元对应的地理信息和预设数据，得到统计信息，其中，所述预设数据包括：林地资料、行政区划数据，所述统计信息包括：所述目标像元的位置信息，火情方向，乡镇与所述目标像元之间的距离信息。
在本发明实施例中，在得到目标像元对应的明火面积和目标像元对应的地理信息之后，结合林地资料、行政区划数据实现对森林周围火点位置、所属行政区划、林地资源类型、空间分布状况的分析，得到森林火点位置、方向、最近乡镇、距离等统计信息。
实施例二：
本发明实施例还提供了一种火情监测装置，该火情监测装置用于执行本发明实施例上述内容所提供的火情监测方法，以下是本发明实施例提供的火情监测装置的具体介绍。
如图3所示，图3为上述火情监测.装置的示意图，该火情监测装置包括：获取单元10，第一确定单元20和第二确定单元30。
所述获取单元10，用于获取待检测区域的遥感数据和所述待检测区域的辅助数据，并对所述遥感数据进行预处理，得到所述待检测区域的栅格数据，其中，所述辅助数据包括：水体掩膜，云掩膜和破损数据掩模；
所述第一确定单元20，用于基于所述辅助数据和所述栅格数据，确定出所述栅格数据中的目标像元，其中，所述目标像元用于表征所述待检测区域中存在火情的像元；
所述第二确定单元30，用于基于所述目标像元和所述待检测区域的地理信息矢量数据，得到所述目标像元对应的明火面积和所述目标像元对应的地理信息。
在本发明实施例中，通过获取待检测区域的遥感数据和待检测区域的辅助数据，并对遥感数据进行预处理，得到待检测区域的栅格数据，其中，辅助数据包括：水体掩膜，云掩膜和破损数据掩模；基于辅助数据和栅格数据，确定出栅格数据中的目标像元，其中，目标像元用于表征待检测区域中存在火情的区域；基于目标像元和待检测区域的地理信息矢量数据，得到目标像元对应的明火面积和目标像元对应的地理信息，达到了对火情进行精准监测的目的，进而解决了现有的火情监测方法的准确率较低的技术问题，从而实现了提高火情监测方法的准确率的技术效果。
优选的，所述获取单元，还用于基于所述遥感数据，提取出每个像元的属性数据，其中，所述属性数据至少包括：经纬度，太阳观测角度，短波波段反照率和红外波段亮温数据；基于每个像元的属性数据，构建所述待检测区域的栅格数据。
进一步地，所述第一确定单元，用于基于所述属性数据，确定出所述栅格数据中的第一初始像元，其中，所述第一初始像元为红外波段亮温数据大于第一预设自适应阈值的像元；基于所述辅助数据和所述栅格数据，确定出所述栅格数据中的第二初始像元，其中，所述第二初始像元为所述栅格数据中除所述第一初始像元以外的存在火情的区域对应的像元；将所述第一初始像元和所述第二初始像元，确定为所述目标像元。
进一步地，所述第一确定单元，还用于基于所述辅助数据，利用第一预设窗口对所述栅格数据进行筛选，确定出所述栅格数据中的第三初始像元，其中，所述第三初始像元为所述栅格数据中除水体像元、太阳耀斑像元和所述第一初始像元以外的像元；以所述第三初始像元为中心，利用第二预设窗口和第一预设条件，确定出所述第三初始像元对应的背景窗口，其中，所述第一预设条件为所述第三初始像元对应的背景窗口包含的像元数量大于预设阈值且所述第三初始像元对应的背景窗口包含的有效像元数量与所述第三初始像元对应的背景窗口包含的像元数量之间的比值大于第一预设比例；基于所述待检测区域的历史遥感观测热点数据和DBSCAN算法，确定出第四初始像元，其中，所述第四初始像元为地面固定热源点对应的第三初始像元；基于所述第三初始像元对应的背景窗口中各个像元的属性数据和第二预设条件，确定出第五初始像元，其中，所述第二预设条件为中红外波段亮温数据小于第二预设自适应阈值，或，所述第三初始像元对应的背景窗口包含的有效像元邻域内的可监测像元总数与目标像元数量之间的比值大于第二预设比例，所述目标像元数量为所述第三初始像元对应的背景窗口包含的像元数量减去9；从所述第三初始像元中去除所述第四初始像元和所述第五初始像元，得到所述第二初始像元。
进一步地，所述第一确定单元，还用于若所述第三初始像元对应的背景窗口不符合所述第二预设条件，则调整所述第二预设窗口，直至所述第三初始像元对应的背景窗口符合所述预设条件或所述第二预设窗口的参数值达到预设参数值。
进一步地，所述第二确定单元，还用于利用预设公式，确定出所述目标像元对应的明火面积，其中，所述预设公式为Area = (mir_R - mir_b_R) / (mir_fire_R - mir_b_R)* pixel_area，Area为明火面积，mir_R为目标像元的辐亮度，mir_b_R指的是目标像元对应的背景像元的辐亮度，mir_fire_R为火区的辐亮度，pixel_area为所示目标像元的实际面积；基于所述属性数据和所述待检测区域的地理信息矢量数据，确定出所述目标像元对应的地理信息，其中，所述地理信息至少包括：所述目标像元的经纬度，所述目标像元的下垫面类型。
进一步地，所述装置还包括：第三确定单元，用于基于所述目标像元对应的明火面积、所述目标像元对应的地理信息和预设数据，得到统计信息，其中，所述预设数据包括：林地资料、行政区划数据，所述统计信息包括：所述目标像元的位置信息，火情方向，乡镇与所述目标像元之间的距离信息。
实施例三：
本发明实施例还提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储支持处理器执行上述实施例一中所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
参见图4，本发明实施例还提供一种电子设备100，包括：处理器50，存储器51，总线52和通信接口53，所述处理器50、通信接口53和存储器51通过总线52连接；处理器50用于执行存储器51中存储的可执行模块，例如计算机程序。
其中，存储器51可能包含高速随机存取存储器（RAM，Random Access Memory），也可能还包括非不稳定的存储器（non-volatile memory），例如至少一个磁盘存储器。通过至少一个通信接口53（可以是有线或者无线）实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线52可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器51用于存储程序，所述处理器50在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器50中，或者由处理器50实现。
处理器50可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器50中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器50可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器51，处理器50读取存储器51中的信息，结合其硬件完成上述方法的步骤。
实施例四：
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述实施例一中所述方法的步骤。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (7)
1.一种火情监测方法，其特征在于，包括：
获取待检测区域的遥感数据和所述待检测区域的辅助数据，并对所述遥感数据进行预处理，得到所述待检测区域的栅格数据，其中，所述辅助数据包括：水体掩膜，云掩膜和破损数据掩模；
基于所述辅助数据和所述栅格数据，确定出所述栅格数据中的目标像元，其中，所述目标像元用于表征所述待检测区域中存在火情的像元；
基于所述目标像元和所述待检测区域的地理信息矢量数据，得到所述目标像元对应的明火面积和所述目标像元对应的地理信息；
其中，对所述遥感数据进行预处理，得到所述待检测区域的栅格数据，包括：
基于所述遥感数据，提取出每个像元的属性数据，其中，所述属性数据至少包括：经纬度，太阳观测角度，短波波段反照率和红外波段亮温数据；
基于每个像元的属性数据，构建所述待检测区域的栅格数据；
其中，基于所述辅助数据和所述栅格数据，确定出所述栅格数据中的目标像元，包括：
基于所述属性数据，确定出所述栅格数据中的第一初始像元，其中，所述第一初始像元为红外波段亮温数据大于第一预设自适应阈值的像元；
基于所述辅助数据和所述栅格数据，确定出所述栅格数据中的第二初始像元，其中，所述第二初始像元为所述栅格数据中除所述第一初始像元以外的存在火情的区域对应的像元；
将所述第一初始像元和所述第二初始像元，确定为所述目标像元；
其中，基于所述辅助数据和所述栅格数据，确定出所述栅格数据中的第二初始像元，包括：
基于所述辅助数据，利用第一预设窗口对所述栅格数据进行筛选，确定出所述栅格数据中的第三初始像元，其中，所述第三初始像元为所述栅格数据中除水体像元、太阳耀斑像元和所述第一初始像元以外的像元；
以所述第三初始像元为中心，利用第二预设窗口和第一预设条件，确定出所述第三初始像元对应的背景窗口，其中，所述第一预设条件为所述第三初始像元对应的背景窗口包含的像元数量大于预设阈值且所述第三初始像元对应的背景窗口包含的有效像元数量与所述第三初始像元对应的背景窗口包含的像元数量之间的比值大于第一预设比例；
基于所述待检测区域的历史遥感观测热点数据和DBSCAN算法，确定出第四初始像元，其中，所述第四初始像元为地面固定热源点对应的第三初始像元；
基于所述第三初始像元对应的背景窗口中各个像元的属性数据和第二预设条件，确定出第五初始像元，其中，所述第二预设条件为中红外波段亮温数据小于第二预设自适应阈值，或，所述第三初始像元对应的背景窗口包含的有效像元邻域内的可监测像元总数与目标像元数量之间的比值大于第二预设比例，所述目标像元数量为所述第三初始像元对应的背景窗口包含的像元数量减去9；
从所述第三初始像元中去除所述第四初始像元和所述第五初始像元，得到所述第二初始像元。
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：
若所述第三初始像元对应的背景窗口不符合所述第二预设条件，则调整所述第二预设窗口，直至所述第三初始像元对应的背景窗口符合所述预设条件或所述第二预设窗口的参数值达到预设参数值。
3.根据权利要求1所述的方法，其特征在于，基于所述目标像元和所述待检测区域的地理信息矢量数据，得到所述目标像元对应的明火面积和所述目标像元对应的地理信息，包括：
利用预设公式，确定出所述目标像元对应的明火面积，其中，所述预设公式为Area =(mir_R - mir_b_R) / (mir_fire_R - mir_b_R) * pixel_area，Area为明火面积，mir_R为目标像元的辐亮度，mir_b_R指的是目标像元对应的背景像元的辐亮度，mir_fire_R为火区的辐亮度，pixel_area为所示目标像元的实际面积；
基于所述属性数据和所述待检测区域的地理信息矢量数据，确定出所述目标像元对应的地理信息，其中，所述地理信息至少包括：所述目标像元的经纬度，所述目标像元的下垫面类型。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述目标像元对应的明火面积、所述目标像元对应的地理信息和预设数据，得到统计信息，其中，所述预设数据包括：林地资料和行政区划数据，所述统计信息包括：所述目标像元的位置信息，火情方向和乡镇与所述目标像元之间的距离信息。
5.一种火情监测装置，其特征在于，包括：获取单元，第一确定单元和第二确定单元，其中，
所述获取单元，用于获取待检测区域的遥感数据和所述待检测区域的辅助数据，并对所述遥感数据进行预处理，得到所述待检测区域的栅格数据，其中，所述辅助数据包括：水体掩膜，云掩膜和破损数据掩模；
所述第一确定单元，用于基于所述辅助数据和所述栅格数据，确定出所述栅格数据中的目标像元，其中，所述目标像元用于表征所述待检测区域中存在火情的像元；
所述第二确定单元，用于基于所述目标像元和所述待检测区域的地理信息矢量数据，得到所述目标像元对应的明火面积和所述目标像元对应的地理信息；
其中，所述获取单元，还用于基于所述遥感数据，提取出每个像元的属性数据，其中，所述属性数据至少包括：经纬度，太阳观测角度，短波波段反照率和红外波段亮温数据；基于每个像元的属性数据，构建所述待检测区域的栅格数据；
其中，所述第一确定单元，用于基于所述属性数据，确定出所述栅格数据中的第一初始像元，其中，所述第一初始像元为红外波段亮温数据大于第一预设自适应阈值的像元；基于所述辅助数据和所述栅格数据，确定出所述栅格数据中的第二初始像元，其中，所述第二初始像元为所述栅格数据中除所述第一初始像元以外的存在火情的区域对应的像元；将所述第一初始像元和所述第二初始像元，确定为所述目标像元；
其中，所述第一确定单元，还用于基于所述辅助数据，利用第一预设窗口对所述栅格数据进行筛选，确定出所述栅格数据中的第三初始像元，其中，所述第三初始像元为所述栅格数据中除水体像元、太阳耀斑像元和所述第一初始像元以外的像元；以所述第三初始像元为中心，利用第二预设窗口和第一预设条件，确定出所述第三初始像元对应的背景窗口，其中，所述第一预设条件为所述第三初始像元对应的背景窗口包含的像元数量大于预设阈值且所述第三初始像元对应的背景窗口包含的有效像元数量与所述第三初始像元对应的背景窗口包含的像元数量之间的比值大于第一预设比例；基于所述待检测区域的历史遥感观测热点数据和DBSCAN算法，确定出第四初始像元，其中，所述第四初始像元为地面固定热源点对应的第三初始像元；基于所述第三初始像元对应的背景窗口中各个像元的属性数据和第二预设条件，确定出第五初始像元，其中，所述第二预设条件为中红外波段亮温数据小于第二预设自适应阈值，或，所述第三初始像元对应的背景窗口包含的有效像元邻域内的可监测像元总数与目标像元数量之间的比值大于第二预设比例，所述目标像元数量为所述第三初始像元对应的背景窗口包含的像元数量减去9；从所述第三初始像元中去除所述第四初始像元和所述第五初始像元，得到所述第二初始像元。
6.一种电子设备，其特征在于，包括存储器以及处理器，所述存储器用于存储支持处理器执行权利要求1至4任一项所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
7.一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，其特征在于，计算机程序被处理器运行时执行上述权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110822421.2A CN113269175B (zh) | 2021-07-21 | 2021-07-21 | 一种火情监测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110822421.2A CN113269175B (zh) | 2021-07-21 | 2021-07-21 | 一种火情监测方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113269175A CN113269175A (zh) | 2021-08-17 |
| CN113269175B true CN113269175B (zh) | 2021-10-22 |
Family
ID=77236981
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110822421.2A Active CN113269175B (zh) | 2021-07-21 | 2021-07-21 | 一种火情监测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113269175B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113989644B (zh) * | 2021-11-03 | 2022-08-19 | 中科三清科技有限公司 | 基于Himawari-8数据的沙尘区域获取方法 |
| CN114328782B (zh) * | 2021-12-24 | 2022-11-01 | 中科三清科技有限公司 | 地理矢量数据处理方法、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102116861A (zh) * | 2011-02-01 | 2011-07-06 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的秸秆焚烧点提取方法 |
| CN107481268A (zh) * | 2017-08-16 | 2017-12-15 | 北京信德智图科技有限公司 | 基于modis遥感数据的森林防火监控方法 |
| CN108898159A (zh) * | 2018-05-31 | 2018-11-27 | 中南林业科技大学 | 基于dbscan算法的虚假林火热点过滤方法 |
| 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 |
| CN112052801A (zh) * | 2020-09-08 | 2020-12-08 | 中科光启空间信息技术有限公司 | 基于Himawari-8的HSD数据火点实时监测自动分析系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210090300A1 (en) * | 2017-12-12 | 2021-03-25 | Oy Arbonaut Ltd. | A method to quantify fire risk to structures |
-
2021
- 2021-07-21 CN CN202110822421.2A patent/CN113269175B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102116861A (zh) * | 2011-02-01 | 2011-07-06 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的秸秆焚烧点提取方法 |
| CN107481268A (zh) * | 2017-08-16 | 2017-12-15 | 北京信德智图科技有限公司 | 基于modis遥感数据的森林防火监控方法 |
| CN108898159A (zh) * | 2018-05-31 | 2018-11-27 | 中南林业科技大学 | 基于dbscan算法的虚假林火热点过滤方法 |
| 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 |
| CN112052801A (zh) * | 2020-09-08 | 2020-12-08 | 中科光启空间信息技术有限公司 | 基于Himawari-8的HSD数据火点实时监测自动分析系统 |
Non-Patent Citations (2)
| Title |
|---|
| 《基于环境一号卫星数据的小麦秸秆焚烧点提取方法研究》;张为兵;《中国优秀博硕士学位论文全文数据库(硕士) 农业科技辑》;20140215(第02期);正文第3.4、4.1节 * |
| 《气象卫星遥感火情监测应用》;李亚君 等;《上海航天》;20170831;第34卷(第4期);正文第2.2.1节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113269175A (zh) | 2021-08-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109416413B (zh) | 太阳能预报 | |
| CN113269175B (zh) | 一种火情监测方法和装置 | |
| CN112001374B (zh) | 一种高光谱影像的云检测方法和装置 | |
| Giuliani et al. | Using crowdsourced web content for informing water systems operations in snow-dominated catchments | |
| CN111255636A (zh) | 确定风力发电机组的塔架净空的方法和装置 | |
| CN105469390B (zh) | 一种基于改进Seam Carving的全景海天线提取方法 | |
| CN115331190B (zh) | 一种基于雷视融合的道路隐患识别方法及装置 | |
| Ahmad et al. | A novel method for vegetation encroachment monitoring of transmission lines using a single 2D camera | |
| CN115631356B (zh) | 道路设施缺失识别方法、装置、存储介质及电子装置 | |
| CN112396646B (zh) | 台风中心点定位方法和装置 | |
| CN113297946A (zh) | 一种监控盲区识别方法和识别系统 | |
| CN114240940B (zh) | 一种基于遥感影像的云及云阴影检测方法和装置 | |
| CN113989644B (zh) | 基于Himawari-8数据的沙尘区域获取方法 | |
| CN113963314A (zh) | 降雨量监测方法、装置、计算机设备及存储介质 | |
| CN117809297A (zh) | 基于三维重建的输电线路危险源智能识别方法 | |
| CN113762083A (zh) | 识别微地形类型的方法、装置、终端设备以及存储介质 | |
| CN112016641A (zh) | 一种异物导致线路短路故障告警方法及装置 | |
| CN110942020A (zh) | 初生对流识别方法、装置、计算机设备和存储介质 | |
| CN116246308A (zh) | 基于视觉识别的多目标跟踪预警方法、装置及终端设备 | |
| CN114926424A (zh) | 一种检测方法和电子设备 | |
| CN112711793B (zh) | 一种削山建设识别方法及装置 | |
| CN115035051A (zh) | 光伏电站的组件分割方法、装置、电子设备及存储介质 | |
| CN113570291A (zh) | 一种生态功能区生态环境监测分析方法和系统 | |
| CN114820788A (zh) | 多参量雷电定位、系统、计算机设备及介质 | |
| CN114445326A (zh) | 光伏面板异常检测方法、检测装置及计算机可读存储装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |