CN114037908A - 一种森林火点提取的方法 - Google Patents
一种森林火点提取的方法 Download PDFInfo
- Publication number
- CN114037908A CN114037908A CN202111347626.6A CN202111347626A CN114037908A CN 114037908 A CN114037908 A CN 114037908A CN 202111347626 A CN202111347626 A CN 202111347626A CN 114037908 A CN114037908 A CN 114037908A
- Authority
- CN
- China
- Prior art keywords
- fire
- fire point
- pixel
- temperature
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000005855 radiation Effects 0.000 claims abstract description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 6
- 238000007689 inspection Methods 0.000 claims abstract description 4
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 10
- 238000002310 reflectometry Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 5
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 230000036760 body temperature Effects 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 12
- 230000009286 beneficial effect Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Fire-Detection Mechanisms (AREA)
Abstract
本发明公开了一种森林火点提取的方法,它包括获取L1B级原始遥感影像经过定位、定标和质量检查预处理,形成标准数据格式的影像数据;云和水体检测去除云影响和水体影响;对遥感像元进行初步分类以区分初定火点像元与非火点像元;根据火点坐标信息在亮度温度图上定位火点获取比对不同平台或火点产品亮度温度值的差异;将确切的火点亮度温度由小到大排序,取2%位置的亮度温度值为初定火点最低阈值;通过绝对阈值确定火点;基于背景辐射信息确定火点;去除虚假火点;将火点与常规热点、土地利用数据集进行空间叠加操作,得到真实森林火点;本发明通过确定精确的参数解决了现有技术针对火点监测容易出现误判漏判情况发生等技术问题。
Description
技术领域
本发明属于森林火灾监测技术领域;尤其涉及一种森林火点提取的方法。
背景技术
森林火灾破坏了森林生态系统的结构与稳定,高强度的森林火灾还威胁人类生命安全。冬春之交林火多发,主要与当地地形、气候、森林分布、居民生活习惯等有关。山河相间纵列分布的复杂地形、干湿季分明的亚热带高原季风型气候、占比高的森林和少数缺乏防火意识的陋习,使得地面火情监测变得尤为重要。
森林火灾的遥感识别主要是通过卫星传感器在中红外波段对火灾中异常增温敏感性高的特点识别火点。为考虑全球或者较大固定范围的业务化火点监测,阈值往往是根据统计经验得来,但在某个特定区域,某个季节或者物候阶段,这些阈值不一定是最优的;在地形地形复杂区域选择现有大尺度的阈值对其不完全适宜,容易出现误判漏判情况发生。
发明内容
本发明要解决的技术问题:提供一种森林火点提取的方法,以解决现有技术针对火点监测选取的阈值根据经验得来,在某些特定区域,某个季节或者物候阶段,阈值不一定是最优的;尤其在地形地形复杂区域选择现有大尺度的阈值对其不完全适宜,容易出现误判漏判情况发生等技术问题。
本发明技术方案:
一种森林火点提取的方法,其特征在于:它包括:
步骤1:数据预处理,获取L1B级原始遥感影像经过定位、定标和质量检查预处理,形成标准数据格式的影像数据;
步骤2、基于预处理得到的影像数据进行火点判识,火点判识具体包括:
步骤2.1、云和水体检测,去除云影响和水体影响;
步骤2.2、初定火点判识,对遥感像元进行初步分类,以区分初定火点像元与非火点像元;
步骤2.3、阈值确定,根据火点坐标信息在亮度温度图上定位火点,获取比对不同平台或火点产品亮度温度值的差异;将确切的火点亮度温度由小到大排序,取2%位置的亮度温度值为初定火点最低阈值;
步骤2.4、通过绝对阈值确定火点;
步骤2.5、基于背景辐射信息确定火点;
步骤2.6、去除虚假火点;
步骤2.7、将火点与常规热点、土地利用数据集进行空间叠加操作,得到真实森林火点。
它还包括:将步骤2.6得到的结果输入受影响的点线面数据进行空间运算,用于分析林火带来的影响。
步骤1所述数据预处理的具体方法包括:
步骤1.1、辐射定位:
将L1B级原始遥感影像被拉伸,在计算时必须经过反射或辐射定标将DN值转变为亮度值,经定标后的图像L值在0~20;首先计算传感器接收到的辐亮度,计算辐亮度L的公式为:
L=(DN-offset)×scales (1)
式中,DN为图像的灰度值,offset和scales信息在对应遥感影像文件中记录。
步骤1.2、几何校正:通过ENVI的GLT工具进行几何校正;
步骤1.3、亮度温度计算:
亮度温度是指辐射出与观测物体相等辐射能量的黑体温度,是传感器在卫星高度所观测到的辐亮度相对应的温度;亮度温度公式计算得到:
式中:Τ为亮度温度,单位为K;c为光速,单位m/s,λ为波段的有效中心波长,单位为μm;L为辐射亮度,单位为W/(m2·sr·μm);h为普朗克常数,k为玻尔兹曼常数;
步骤1.4、波段融合:将对应表观反射率波段和亮度温度波段单独提取融合成一幅新影像。
步骤2.1所述云和水体检测,去除云影响和水体影响的方法包括:
云像元的判识条件为:
(ρr+ρn)>Thρ1∨(T12<Tht1)∨((ρr+ρn)>Thρ2∧T12<Tht2) (3)水体像元的判识条件为:
(ρn<Thρ3)^(NDVI<0)其中,(ρn-ρr)/(ρn+ρr) (4)式中:ρr表示像元在红波段的表观反射率;ρn表示像元在近红外波段的表观反射率;
T12表示像元在热红外波段的亮度温度,单位为K;Thρ1表示判识阈值,Thρ2表示判识阈值,Tht1表示判识阈值;Tht2表示判识阈值;Thρ3表示判识阈值;NDVI表示归一化植被指数。
步骤2.2所述初定火点判识,对遥感像元进行初步分类,以区分初定火点像元与非火点像元的方法为:
初定火点判识条件为:
(T4>Tht3)∧(ΔT>ThΔt1)∧(ρn<Thρ4) (5)
式中:T4表示像元在中红外波段的亮度温度,单位为K;ΔT表示像元在中红外波段与热红外波段的亮度温度的差值,单位为K;Thρ4表示判识阈值;Tht3表示判识阈值;ThΔt1表示判识阈值。
步骤2.4所述通过绝对阈值确定火点的方法为:绝对阈值采用标准通用的360K,同理确定两通道中红外波段与热红外波段差值的阈值;在满足初定火点判别情况下,当亮度温度达到阈值直接确定为火点,判识条件为:
T4>Tht5 or(T4>Tht6 andΔT>ThΔt2) (6)
式中:Tht5表示判识阈值,参考值为360K;Tht6表示判识阈值;ΔT表示像元在中红外波段与热红外波段的亮度温度的差值,单位为K;ThΔt2表示判识阈值。
基于背景辐射信息确定火点的方法为:以初定火点为中心,建立N×N的背景窗口,对窗口中的背景像元进行分类统计器亮度温度特征;背景像元包括背景火点像元和有效背景像元两种类型;
其中,背景火点像元满足以下条件:
(T4>Tht7)∧(ΔT>ThΔt2) (7)
式中:Tht7表示判识阈值,参考值为325K;ThΔt2表示判识阈值,参考值为20K;
窗口中背景火点像元之外的无云陆地背景像元为有效背景像元;如果有效背景像元数量满足窗口内总像元数的25%,且多于8个,则统计窗口的背景像元温度特性,窗口起始大小为3×3;若有效背景像元不够,则增大窗口,并继续进行上述分类和统计,直到窗口中有足够的有效背景像元;如果当N=21时仍未选出足够有效背景像元,则该初定火点被标识为非火点;
如果背景火点像元和有效背景像元温度特性被成功提取,则将其与初定火点的温度特性(T4、T11及ΔT)进行多个阈值条件的判识,具体如下:
式中:
T11表示像元在热红外波段的亮度温度,单位为K;
Τhe1表示判识阈值;
ΤhΔt4表示判识阈值;
Τhe2表示判识阈值;
Τht9表示判识阈值;
Τht10表示判识阈值;
如果初定火点满足上式(8)中所有条件,则被标识为暂定火点,否则被标识为非火点;将暂定火点进行虚假火点去除,得到火点。
步骤2.6所述去除虚假火点包括去除太阳耀斑;具体方法为:
计算火点像元的耀光角:
cosθg=cosθvcosθs-sinθvsinθscosφ (9)
式中θg表示火点像元的耀光角,单位为°;θv表示观测天顶角,单位为°;θs表示太阳方位角,单位为°;φ表示相对方位角,单位为°;
判识太阳耀斑的阈值条件为:
式中:Thα1表示判识阈值;Thα2表示判识阈值;Thα3表示判识阈值;Thρ5表示判识阈值;Thρ6表示判识阈值;Nw统计窗口中水体像元的个数;
如果暂定火点像元满足公式(10)中条件之一,则判定为太阳耀光引起的虚假火点。
步骤2.6所述去除虚假火点包括去除沙漠边缘;具体方法为:针对沙漠边缘的辐射特点设置识别虚假火点的阈值条件:
式中:Nf表示统计窗口中背景火点的个数;Nv表示统计窗口中有效背景像元个数;
表示背景火点像元4附近波段亮度温度的均值,单位为K;The3表示判识阈值;Thn1表示判识阈值;Thρ7表示判识阈值;Tht11表示判识阈值;Tht12表示判识阈值;The4表示判识阈值;如果暂定像元满足公式(11)中的全部条件,则被判定为沙漠边缘的虚假火点。
本发明的有益效果:
本发明基于L1B级原始遥感影像提取森林火点的方法,优化已存在算法,通过精确计算合理调整阈值,以符合小尺度、局部或者某个特定区域,提高火点遥感区域监测精度;本发明相较于现有的技术而言重点在于林火遥感监测的参数确定;通过精确的参数解决了现有技术针对火点监测选取的阈值根据经验得来,在某些特定区域,某个季节或者物候阶段,阈值不一定是最优的;尤其在地形地形复杂区域选择现有大尺度的阈值对其不完全适宜,容易出现误判漏判情况发生等技术问题。
附图说明
图1为本发明流程示意图;
图2为本发明阈值确定示意图;
图3为本发明阈值确定流程示意图。
具体实施方式
本发明旨在提高小尺度或局部地区林火遥感监测精度,阈值方式是当前所有卫星遥感监测中最适合的方法,本发明合理调整参数有助于提高林火遥感监测精度。由此可推广至其他任意小尺度地区。
本发明基于L1B级原始遥感影像提取森林火点,优化已存在算法,通过合理调整阈值,以符合小尺度、局部或者某个特定区域,提高火点遥感区域监测精度。
如图1所示,本发明具体包括如下步骤:
步骤1:预处理。L1B级原始遥感影像应经过定位、定标、质量检查等预处理,形成标准的数据格式,其中可见光和近红外通道应该经过太阳高度角订正。
步骤对L1B级数据预处理进一步包括步骤A1-A4。
步骤A1:辐射定标。为了方便存储,L1B级原始遥感影像被拉伸,在计算时必须经过反射/辐射定标将DN值转变为亮度值才能使用,经定标后的图像L值一般在0~20。首先要计算传感器接收到的辐亮度,根据下面的公式来计算辐亮度L(W/(m2·sr·μm))
L=(DN-offset)×scales (1)
式中,DN为图像的灰度值,offset和scales信息在对应遥感影像文件中记录。
步骤A2:几何校正。在卫星遥感成像过程中,由于受到传感器结构的内部因素和传感器外部方位变化、地球曲率、地形起伏、地球旋转等外部因素的影响,图像必然会产生一定的几何畸变。所以需要对遥感影像进行几何校正。如MODIS和FY-3D均可以通过ENVI的GLT工具进行几何校正。
步骤A3:亮度温度计算。亮度温度是指辐射出与观测物体相等辐射能量的黑体温度,也是传感器在卫星高度所观测到的辐亮度相对应的温度。亮度温度可以根据下面公式计算得到:
其中,Τ为亮度温度,单位为K;
c为光速,单位m/s,
λ为波段的有效中心波长,单位为μm;
L为辐射亮度,单位为W/(m2·sr·μm);
h为普朗克常数,取6.626×10-34J·s;
k为玻尔兹曼常数,取1.38×10-23J/K。
步骤A4:波段融合。为便于后续计算,将对应表观反射率波段和亮度温度波段单独提取融合成一幅新影像。如MODIS包含可见光波段1、2、7通道、中红外波段21通道和热红外波段31通道共6个通道,FY-3D包含可见光波段3通道、中红外波段15通道和热红外波段20、24通道共4个波段。
步骤B:基于步骤A预处理得到的影像数据进行火点判识。
步骤B1:云和水体检测。由于厚云遮盖的地区探测不到火点,可能会引起漏判,首先要去除受云影响的区域。其次森林中的水不可燃,受多重因素影像可能会出现误判,应该去除水体的影响。
云像元的判识条件为:
(ρr+ρn)>Thρ1∨(T12<Tht1)∨((ρr+ρn)>Thρ2∧T12<Tht2) (3)水体像元的判识条件为:
(ρn<Thρ3)^(NDVI<0)其中,(ρn-ρr)/(ρn+ρr) (4)
式中:
ρr表示像元在红波段的表观反射率;
ρn表示像元在近红外波段的表观反射率;
T12表示像元在热红外波段(12μm附近)的亮度温度,单位为K;
Thρ1表示判识阈值,参考值为0.9;
Thρ2表示判识阈值,参考值为0.7;
Tht1表示判识阈值,参考值为265K;
Tht2表示判识阈值,参考值为285K;
Thρ3表示判识阈值,参考值为0.15;
NDVI表示归一化植被指数;
步骤B2:初定火点判识。首先对遥感像元进行初步分类,以区分初定火点像元与非火点像元。
初定火点判识条件为:
(T4>Tht3)∧(ΔT>ThΔt1)∧(ρn<Thρ4) (5)
式中:
T4表示像元在中红外波段(4μm附近)的亮度温度,单位为K;
ΔT表示像元在中红外波段(4μm附近)与热红外波段(11μm附近)的亮度温度的差值,单位为K;
Thρ4表示判识阈值,参考值为0.3;
Tht3表示判识阈值,参考值为300K;
ThΔt1表示判识阈值,参考值为10K;
步骤B3:阈值确定。
阈值的确定是本发明的关键。阈值依赖于定标的准确性,应该综合考虑。基于现有多个火点平台或火点产品提供的火点坐标信息,在步骤A4得到的亮度温度图上定位以上火点,获取比对不同平台或火点产品亮度温度值的差异。将确切的火点亮度温度由小到大排序,考虑到误提漏提现象,取2%位置的亮度温度值为初定火点最低阈值,绝对阈值采用标准通用的360K(图2,图3)。同理可确定两通道(中红外波段(4μm附近)与热红外波段(11μm附近))差值的阈值。
步骤B4:绝对阈值确定火点。
在满足初定火点判别情况下,当亮度温度达到一定的阈值直接确定为火点,其判识条件为:
T4>Tht5 or(T4>Tht6 andΔT>ThΔt2) (6)
式中:
Tht5表示判识阈值,参考值为360K;
Tht6表示判识阈值,参考值为300K;
ΔT表示像元在中红外波段(4μm附近)与热红外波段(11μm附近)的亮度温度的差值,单位为K;
ThΔt2表示判识阈值,参考值为20K;
步骤B5:基于背景辐射信息确定火点。以初定火点为中心,建立N×N的背景窗口,对窗口中的背景像元进行分类统计器亮度温度特征。背景像元包括背景火点像元和有效背景像元两种类型。
其中,背景火点像元应满足以下条件:
(T4>Tht7)∧(ΔT>ThΔt2) (7)
式中:
Tht7表示判识阈值,参考值为325K;
ThΔt2表示判识阈值,参考值为20K;
窗口中背景火点像元之外的无云陆地背景像元为有效背景像元。如果有效背景像元数量满足窗口内总像元数的25%,且多于8个,则统计窗口的背景像元温度特性,窗口起始大小为3×3。若有效背景像元不够,则增大窗口(如:5×5、7×7……21×21),并继续进行上述分类和统计,直到窗口中有足够的有效背景像元。如果当N=21时仍未选出足够有效背景像元,则该初定火点被标识为非火点。
如果上述背景火点像元和有效背景像元温度特性被成功提取,则将其与初定火点的温度特性(T4、T11及ΔT)进行多个阈值条件的判识,具体如下:
式中:
T11表示像元在热红外波段(11μm附近)的亮度温度,单位为K;
Τhe1表示判识阈值,参考值为3.5;
ΤhΔt4表示判识阈值,参考值为6K;
Τhe2表示判识阈值,参考值为3;
Τht9表示判识阈值,参考值为4K;
Τht10表示判识阈值,参考值为5K;
如果初定火点满足上式(8)中所有条件,则被标识为暂定火点,否则被标识为非火点。
将暂定火点进行虚假火点去除,得到火点。
步骤B6:虚假火点去除(太阳耀斑、沙漠边缘)。
太阳耀斑。
计算火点像元的耀光角:
cosθg=cosθvcosθs-sinθvsinθscosφ (9)
式中:
θg表示火点像元的耀光角,单位为°;
θv表示观测天顶角,单位为°;
θs表示太阳方位角,单位为°;
φ表示相对方位角,单位为°。
判识太阳耀斑的阈值条件为:
式中:
Thα1表示判识阈值,参考值为2°;
Thα2表示判识阈值,参考值为8°;
Thα3表示判识阈值,参考值为12°;
Thρ5表示判识阈值,参考值为0.1;
Thρ6表示判识阈值,参考值为0.2;
Nw统计窗口中水体像元的个数。
如果暂定火点像元满足公式(10)中条件之一,则判定为太阳耀光引起的虚假火点。
沙漠边缘。
针对沙漠边缘的辐射特点设置识别虚假火点的阈值条件:
式中:
Nf表示统计窗口中背景火点的个数;
Nv表示统计窗口中有效背景像元个数;
The3表示判识阈值,参考值为0.1;
Thn1表示判识阈值,参考值为4;
Thρ7表示判识阈值,参考值为0.15;
Tht11表示判识阈值,参考值为345K;
Tht12表示判识阈值,参考值为3K;
The4表示判识阈值,参考值为6。
如果暂定像元满足公式(11)中的全部条件,则被判定为沙漠边缘的虚假火点。
步骤B7:将火点与常规热点、土地利用数据集进行空间叠加操作,得到真实森林火点。
步骤B8:根据B6结果输入受影响的点线面数据进行空间运算,分析林火带来的影响。
Claims (9)
1.一种森林火点提取的方法,其特征在于:它包括:
步骤1:数据预处理,获取L1B级原始遥感影像经过定位、定标和质量检查预处理,形成标准数据格式的影像数据;
步骤2、基于预处理得到的影像数据进行火点判识,火点判识具体包括:
步骤2.1、云和水体检测,去除云影响和水体影响;
步骤2.2、初定火点判识,对遥感像元进行初步分类,以区分初定火点像元与非火点像元;
步骤2.3、阈值确定,根据火点坐标信息在亮度温度图上定位火点,获取比对不同平台或火点产品亮度温度值的差异;将确切的火点亮度温度由小到大排序,取2%位置的亮度温度值为初定火点最低阈值;
步骤2.4、通过绝对阈值确定火点;
步骤2.5、基于背景辐射信息确定火点;
步骤2.6、去除虚假火点;
步骤2.7、将火点与常规热点、土地利用数据集进行空间叠加操作,得到真实森林火点。
2.根据权利要求1所述的一种森林火点提取的方法,其特征在于:它还包括:将步骤2.6得到的结果输入受影响的点线面数据进行空间运算,用于分析林火带来的影响。
3.根据权利要求1所述的一种森林火点提取的方法,其特征在于:步骤1所述数据预处理的具体方法包括:
步骤1.1、辐射定位:
将L1B级原始遥感影像被拉伸,在计算时必须经过反射或辐射定标将DN值转变为亮度值,经定标后的图像L值在0~20;首先计算传感器接收到的辐亮度,计算辐亮度L的公式为:
L=(DN-offset)×scales (1)
式中,DN为图像的灰度值,offset和scales信息在对应遥感影像文件中记录。
步骤1.2、几何校正:通过ENVI的GLT工具进行几何校正;
步骤1.3、亮度温度计算:
亮度温度是指辐射出与观测物体相等辐射能量的黑体温度,是传感器在卫星高度所观测到的辐亮度相对应的温度;亮度温度公式计算得到:
式中:Τ为亮度温度,单位为K;c为光速,单位m/s,λ为波段的有效中心波长,单位为μm;L为辐射亮度,单位为W/(m2·sr·μm);h为普朗克常数,k为玻尔兹曼常数;
步骤1.4、波段融合:将对应表观反射率波段和亮度温度波段单独提取融合成一幅新影像。
4.根据权利要求1所述的一种森林火点提取的方法,其特征在于:步骤2.1所述云和水体检测,去除云影响和水体影响的方法包括:云像元的判识条件为:
(ρr+ρn)>Thρ1∨(T12<Tht1)∨((ρr+ρn)>Thρ2∧T12<Tht2) (3)
水体像元的判识条件为:
(ρn<Thρ3)∧(NDVI<0)其中,(ρn-ρr)/(ρn+ρr) (4)
式中:ρr表示像元在红波段的表观反射率;ρn表示像元在近红外波段的表观反射率;
T12表示像元在热红外波段的亮度温度,单位为K;Thρ1表示判识阈值,Thρ2表示判识阈值,Tht1表示判识阈值;Tht2表示判识阈值;Thρ3表示判识阈值;NDVI表示归一化植被指数。
5.根据权利要求1所述的一种森林火点提取的方法,其特征在于:步骤2.2所述初定火点判识,对遥感像元进行初步分类,以区分初定火点像元与非火点像元的方法为:
初定火点判识条件为:
(T4>Tht3)∧(ΔT>ThΔt1)∧(ρn<Thρ4) (5)
式中:T4表示像元在中红外波段的亮度温度,单位为K;ΔT表示像元在中红外波段与热红外波段的亮度温度的差值,单位为K;Thρ4表示判识阈值;Tht3表示判识阈值;ThΔt1表示判识阈值。
6.根据权利要求1所述的一种森林火点提取的方法,其特征在于:步骤2.4所述通过绝对阈值确定火点的方法为:绝对阈值采用标准通用的360K,同理确定两通道中红外波段与热红外波段差值的阈值;在满足初定火点判别情况下,当亮度温度达到阈值直接确定为火点,判识条件为:
T4>Tht5 or(T4>Tht6 and ΔT>ThΔt2) (6)
式中:Tht5表示判识阈值,参考值为360K;Tht6表示判识阈值;ΔT表示像元在中红外波段与热红外波段的亮度温度的差值,单位为K;ThΔt2表示判识阈值。
7.根据权利要求1所述的一种森林火点提取的方法,其特征在于:基于背景辐射信息确定火点的方法为:以初定火点为中心,建立N×N的背景窗口,对窗口中的背景像元进行分类统计器亮度温度特征;背景像元包括背景火点像元和有效背景像元两种类型;
其中,背景火点像元满足以下条件:
(T4>Tht7)∧(ΔT>ThΔt2) (7)
式中:Tht7表示判识阈值,参考值为325K;ThΔt2表示判识阈值,参考值为20K;
窗口中背景火点像元之外的无云陆地背景像元为有效背景像元;如果有效背景像元数量满足窗口内总像元数的25%,且多于8个,则统计窗口的背景像元温度特性,窗口起始大小为3×3;若有效背景像元不够,则增大窗口,并继续进行上述分类和统计,直到窗口中有足够的有效背景像元;如果当N=21时仍未选出足够有效背景像元,则该初定火点被标识为非火点;
如果背景火点像元和有效背景像元温度特性被成功提取,则将其与初定火点的温度特性(T4、T11及ΔT)进行多个阈值条件的判识,具体如下:
式中:
T11表示像元在热红外波段的亮度温度,单位为K;
Τhe1表示判识阈值;
ΤhΔt4表示判识阈值;
Τhe2表示判识阈值;
Τht9表示判识阈值;
Τht10表示判识阈值;
如果初定火点满足上式(8)中所有条件,则被标识为暂定火点,否则被标识为非火点;将暂定火点进行虚假火点去除,得到火点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111347626.6A CN114037908A (zh) | 2021-11-15 | 2021-11-15 | 一种森林火点提取的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111347626.6A CN114037908A (zh) | 2021-11-15 | 2021-11-15 | 一种森林火点提取的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114037908A true CN114037908A (zh) | 2022-02-11 |
Family
ID=80144383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111347626.6A Pending CN114037908A (zh) | 2021-11-15 | 2021-11-15 | 一种森林火点提取的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114037908A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105510987A (zh) * | 2015-11-19 | 2016-04-20 | 中国林业科学研究院资源信息研究所 | 一种利用单中波红外通道进行林火识别的方法 |
US20190246477A1 (en) * | 2016-10-11 | 2019-08-08 | Signify Holding B.V. | Control system for a surveillance system, surveillance system and method of controlling a surveillance system |
CN110348421A (zh) * | 2019-07-18 | 2019-10-18 | 北华航天工业学院 | 基于modis数据的温带地区森林火灾检测方法 |
CN112665728A (zh) * | 2020-12-15 | 2021-04-16 | 中国科学院空天信息创新研究院 | 一种基于双时相影像的亮温差校正火点检测的方法 |
-
2021
- 2021-11-15 CN CN202111347626.6A patent/CN114037908A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105510987A (zh) * | 2015-11-19 | 2016-04-20 | 中国林业科学研究院资源信息研究所 | 一种利用单中波红外通道进行林火识别的方法 |
US20190246477A1 (en) * | 2016-10-11 | 2019-08-08 | Signify Holding B.V. | Control system for a surveillance system, surveillance system and method of controlling a surveillance system |
CN110348421A (zh) * | 2019-07-18 | 2019-10-18 | 北华航天工业学院 | 基于modis数据的温带地区森林火灾检测方法 |
CN112665728A (zh) * | 2020-12-15 | 2021-04-16 | 中国科学院空天信息创新研究院 | 一种基于双时相影像的亮温差校正火点检测的方法 |
Non-Patent Citations (3)
Title |
---|
LIZHONG HUA等: "The progress of operational forest fire monitoring with infrared remote sensing", 《J. FOR. RES.》, vol. 28, no. 2, 17 December 2016 (2016-12-17), pages 215, XP036163929, DOI: 10.1007/s11676-016-0361-8 * |
环境保护部卫星环境应用中心等: "《生态环境遥感监测技术》", vol. 1, 31 December 2013, 中国环境出版社, pages: 1 - 19 * |
许青云等: "秸秆焚烧火点遥感监测算法实现", 《遥感技术与应用》, vol. 32, no. 4, 31 August 2017 (2017-08-31), pages 728 - 733 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106023203B (zh) | 基于Landsat-8陆地卫星数据的火点检测方法 | |
WO2020015326A1 (zh) | 一种地表类型数据支持的遥感图像云阴影检测方法 | |
CN108169142B (zh) | 基于遥感影像的水色异常快速定位方法和装置 | |
Chen et al. | An automated cloud detection method for daily NOAA-14 AVHRR data for Texas, USA | |
CN112113913B (zh) | 一种基于背景阈值的Himawari8陆地火点探测算法 | |
Lück et al. | Evaluation of a rule-based compositing technique for Landsat-5 TM and Landsat-7 ETM+ images | |
CN111832518B (zh) | 基于时空融合的tsa遥感影像土地利用方法 | |
Franya et al. | A simple cloud masking approach using NOAA AVHRR daytime data for tropical areas | |
CN113176211B (zh) | 一种基于hsv颜色空间模型变换的日间云检测方法 | |
CN109214341B (zh) | 一种基于Himawari8的火点监测算法 | |
CN110852381A (zh) | 一种林火火烧迹地的提取方法及系统 | |
CN113218508B (zh) | 一种基于Himawari-8卫星数据的林火判别方法 | |
CN113408506A (zh) | 一种静止卫星全天时云检测方法及装置 | |
CN114511781B (zh) | 无人机搭载多光谱相机对伪装人员识别的方法、装置及介质 | |
Atak et al. | Evaluating spectral indices for estimating burned areas in the case of Izmir/Turkey | |
CN114037908A (zh) | 一种森林火点提取的方法 | |
CN109033984B (zh) | 一种夜间雾快速自动检测方法 | |
CN114216563B (zh) | 一种阈值自动生成的火灾遥感监测方法 | |
CN114863261A (zh) | 一种基于可见光红外图像的水面溢油检测算法 | |
CN109978862B (zh) | 一种基于卫星图像的空气污染估计方法 | |
Asakuma et al. | Detection of biomass burning smoke in satellite images using texture analysis | |
CN117333779B (zh) | 基于角度斜率指数的林火判别方法、系统、设备以及介质 | |
CN109060134B (zh) | 应用于林火热点判别的virr传感器多时相红外辐射归一方法 | |
CN111079635A (zh) | 一种基于变化向量的有林地变化检测方法 | |
CN117576362B (zh) | 一种基于遮挡比的低分辨率热红外影像飞机识别方法 |
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 |