CN114359716A - 一种基于多遥感火指数自动化集成的火烧迹地制图方法 - Google Patents

Abstract

本发明涉及一种基于多遥感火指数自动化集成的火烧迹地制图方法。首先使用阈值分割算法对目标区域各个光谱火指数的差异图进行二值化，得到对应的初始火烧迹地图，然后利用FCM聚类算法对综合变化强度图进行不确定性分析，得到确定的非过火区像素和确定的过火区像素用于评价各个初始火烧迹地图的整体精度OA，并对OA进行归一化处理，获得各个初始火烧迹地图的权重，通过加权投票法对各个初始火烧迹地图进行自动化集成，生成最终的火烧迹地图。本发明无需人工标记样本作为辅助，能够实现多遥感火指数的自动化集成以提高火烧迹地制图的准确性，并且可操作性强，自动化程度高，可扩展性强，具有很高的应用价值。

Description

一种基于多遥感火指数自动化集成的火烧迹地制图方法

技术领域

本发明属于遥感图像处理技术领域，具体涉及一种基于多遥感火指数自动化集成的火烧迹地制图方法。

背景技术

近些年，大型的森林火灾事件在世界范围内频繁发生，比如引人关注的2019年亚马逊大火、澳洲大火和2020年的美国西部火灾。大型森林火灾具有很强的破坏性，不仅会造成巨大的经济损失，而且还会破坏森林生态系统，造成严重的大气污染，甚至人员伤亡。及时准确地对森林火烧迹地进行制图有助于森林管理者掌握火灾的严重程度，因地制宜地制定有效的森林灾后恢复措施，同时对弄清林火分布的时空变化规律、林火预测模型的发展等也具有重要的意义。

现在流行的基于遥感影像的森林火烧迹地制图方法是光谱指数阈值分割法，即首先从遥感影像中提取某种光谱火指数，然后采用某种阈值算法对火指数进行阈值分割生成二值化的火烧迹地图。然而，不同光谱火指数往往有其适用的特定应用场景，且单个光谱火指数并不能有效地指示出大应用场景下所有的过火区域，因此，利用单一光谱火指数进行火烧迹地制图时制图的精度往往不够理想。而现有的一些基于多指数集成的火烧迹地制图方法则往往需要人工标记样本进行辅助，这不仅增加了人工工作量，而且大大降低了制图的自动化程度，不利于实际大尺度场景下的应用。因此，研究建立基于多遥感火指数自动化集成的非监督森林火烧迹地制图方法是非常必要的。

发明内容

本发明针对现有技术的不足，提供一种基于多遥感火指数自动化集成的火烧迹地制图方法，该方法无需人工标记样本作为辅助，能够实现多遥感火指数的自动化集成以提高火烧迹地制图的准确性，且该方法可操作性强，自动化程度高，整个模型的可扩展性强，具有很高的应用价值。

为了达到上述目的，本发明提供的技术方案是一种基于多遥感火指数自动化集成的火烧迹地制图方法，包括以下步骤：

步骤1，获取目标区域火灾前后的遥感影像数据，从获取的遥感影像中分别提取多个光谱火指数，并计算各个光谱火指数的差异图；

步骤2，采用阈值分割算法对步骤1中生成的各个光谱火指数的差异图进行二值化处理，令过火区像素值为1，非过火区像素值为0，生成各个光谱火指数对应的初始火烧迹地图；

步骤3，对步骤1中生成的各个火指数的差异图求均值，得到可以综合反映影像中各个像素属于过火区域概率的变化强度图；

步骤4，通过FCM聚类的方式对步骤3中生成的火灾前后影像的综合变化强度图进行不确定性分析；

步骤5，将步骤4中获得的确定的非过火区像素和确定的过火区像素作为样本，评估步骤2中生成的各个初始火烧迹地图的整体精度OA；

步骤6，对步骤5中各个初始火烧迹地图的整体精度OA进行归一化处理，得到各个初始火烧迹地图的权重；

步骤7，根据步骤6获得的权重，通过加权投票法对步骤2中生成的各个初始火烧迹地图进行自动化集成，生成最终的火烧迹地图。

而且，所述步骤1中差异图的计算方式如下：

式中，DI_n表示第n个光谱火指数的差异图，

表示从火灾发生前影像中提取的第n个光谱火指数，

表示从火灾发生后影像中提取的第n个光谱火指数，n＝1,2……,N，N表示所使用的光谱火指数的数量。

而且，所述步骤3中综合变化强度图CIM的计算方式如下：

式中，DI_n表示第n个光谱火指数的差异图，N表示所使用的光谱火指数的数量。

而且，所述步骤4中利用FCM聚类算法将综合变化强度图CIM中的所有像素聚类为三类：确定的非过火区像素、确定的过火区像素和不确定的像素，并将这三类像素的像素值分别赋值为0、1和0.5。其中将确定的非过火区像素和确定的过火区像素作为模拟样本，用于后续不同火指数制图结果的自动化集成过程。

而且，所述步骤5中比较各个初始火烧迹地图与综合变化强度图CIM相同位置处的像素值，若相同，则认为初始火烧迹地图中该像素分类正确，否则，分类错误。整体精度OA的计算公式如下：

式中，N_all表示步骤4中生成的样本的总数量，包括确定的非过火区像素和确定的过火区像素；N_c表示各个初始火烧迹地图中像素分类正确的数量。

而且，所述步骤6中初始火烧迹地图的整体精度OA越高，其在集成过程中所占的权重也应越高，各个初始火烧迹地图的权重计算方式如下：

式中，w_n表示第n个光谱火指数对应的初始火烧迹地图的权重，OA_n表示第n个光谱火指数对应的初始火烧迹地图的整体精度，n＝1,2,……,N,N表示所使用的光谱火指数的总数量，min(OA)表示初始火烧迹地图的整体精度中的最小值，max(OA)表示初始火烧迹地图的整体精度中的最大值。

而且，所述步骤7中包括以下几个步骤：

步骤7.1，首先计算影像中各个像素分别属于过火区域和非过火区域的得分S_burn和S_{no_burn}；

设在各个初始火烧迹地图中，过火区像素的像素值为1，非过火区像素的像素值为0，则S_burn和S_{no_burn}可以通过下列公式来计算：

式中，N表示所使用的光谱火指数的个数，即初始火烧迹地图的个数；w_n表示第n个初始火烧迹地图的权重，L_n表示第n个初始火烧迹地图中的像素值；

步骤7.2，比较像素属于过火区域的得分S_burn和属于非过火区域的得分S_{no_burn}的大小，若S_burn>S_{no_burn}，则对应的像素属于过火区像素，否则属于非过火区像素，生成最终的二值化火烧迹地图。

与现有技术相比，本发明具有如下优点：

1)无需人工标记样本作为输入，实现了多遥感火指数的自动化集成制图，计算效率快，可操作性强，自动化程度高，可扩展性强，具有很高的实用价值；

2)通过多遥感火指数的集成制图，整合了不同遥感火指数的优势，不仅能生成更准确可靠的火烧迹地图，而且很大程度上弱化了利用单一光谱火指数制图时应用场景的限制问题。

附图说明

图1为本发明实施例的流程图。

具体实施方式

本发明提供一种基于多遥感火指数自动化集成的火烧迹地制图方法，下面结合附图和实施例对本发明的技术方案作进一步说明。

如图1所示，本发明实施例的流程包括以下步骤：

步骤1，针对目标区域，获取火灾前后公开可利用的Landsat、Sentinel-2等遥感影像数据，然后从火灾前后的遥感影像中分别提取一系列具有较好火烧迹地制图效果的光谱火指数，如BAI、NBR、NBRT、MIRBI等，并计算各个光谱火指数的差异图。

差异图的计算方式如下：

式中，DI_n表示第n个光谱火指数的差异图，

表示从火灾发生前影像中提取的第n个光谱火指数，

表示从火灾发生后影像中提取的第n个光谱火指数，n＝1,2……,N，N表示所使用的光谱火指数的数量。

步骤2，采用阈值分割算法对步骤1中生成的各个光谱火指数的差异图进行二值化处理，令过火区像素值为1，非过火区像素值为0，生成各个光谱火指数对应的初始火烧迹地图。

步骤3，对步骤1中生成的各个火指数的差异图求均值，得到可以反映影像中各个像素属于过火区域概率的综合变化强度图。

综合变化强度图CIM的计算方式如下：

式中，DI_n表示第n个光谱火指数的差异图，N表示所使用的光谱火指数的数量。

步骤4，通过FCM聚类的方式对步骤3中生成的火灾前后影像的综合变化强度图CIM进行不确定性分析。

利用FCM聚类算法将综合变化强度图CIM中的所有像素聚类为三类：确定的非过火区像素、确定的过火区像素和不确定的像素，并将这三类像素的像素值分别赋值为0、1和0.5。其中将确定的非过火区像素和确定的过火区像素作为模拟样本，用于后续不同火指数制图结果的自动化集成过程。

步骤5，将步骤4中获得的确定的非过火区像素和确定的过火区像素作为样本，评估步骤2中生成的各个初始火烧迹地图的整体精度OA。

比较各个初始火烧迹地图与综合变化强度图CIM相同位置处的像素值，若相同，则认为初始火烧迹地图中该像素分类正确，否则，分类错误。

整体精度OA的计算公式如下：

式中，N_all表示步骤4中生成的样本的总数量(包括确定的非过火区像素和确定的过火区像素)，N_c表示各个初始火烧迹地图中像素分类正确的数量。

步骤6，对步骤5中各个初始火烧迹地图的整体精度OA进行归一化处理，得到各个初始火烧迹地图的权重。

初始火烧迹地图的整体精度OA越高，其在集成过程中所占的权重也应越高，各个初始火烧迹地图的权重计算方式如下：

式中，w_n表示第n个光谱火指数对应的初始火烧迹地图的权重，OA_n表示第n个光谱火指数对应的初始火烧迹地图的整体精度，n＝1,2,……,N,N表示所使用的光谱火指数的总数量，min(OA)表示初始火烧迹地图的整体精度中的最小值，max(OA)表示初始火烧迹地图的整体精度中的最大值。

步骤7，根据步骤6获得的权重，通过加权投票法对步骤2中生成的各个初始火烧迹地图进行自动化集成，生成最终的火烧迹地图。

步骤7.1，首先计算初始火烧迹地图中各个像素分别属于过火区域和非过火区域的得分S_burn和S_{no_burn}。

在各个初始火烧迹地图中，过火区像素的像素值为1，非过火区像素的像素值为0，则S_burn和S_{no_burn}可以通过下列公式来计算：

式中，N表示所使用的光谱火指数的个数，即初始火烧迹地图的个数；w_n表示第n个初始火烧迹地图的权重，L_n表示第n个初始火烧迹地图中的像素值。

步骤7.2，比较像素属于过火区域的得分S_burn和属于非过火区域的得分S_{no_burn}的大小，若S_burn>S_{no_burn}，则对应的像素属于过火区像素，否则属于非过火区像素，由此生成最终的二值化火烧迹地图。

具体实施时，以上流程可采用计算机软件技术实现自动运行流程。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (8)

1.一种基于多遥感火指数自动化集成的火烧迹地制图方法，其特征在于，包括以下步骤：

步骤1，获取目标区域火灾前后的遥感影像数据，从获取的遥感影像中分别提取多个光谱火指数，并计算各个光谱火指数的差异图；

步骤2，采用阈值分割算法对步骤1中生成的各个光谱火指数的差异图进行二值化处理，令过火区像素值为1，非过火区像素值为0，生成各个光谱火指数对应的初始火烧迹地图；

步骤3，对步骤1中生成的各个火指数的差异图求均值，得到可以反映影像中各个像素属于过火区域概率的综合变化强度图；

步骤4，通过FCM聚类的方式对步骤3中生成的火灾前后影像的综合变化强度图进行不确定性分析；

步骤5，将步骤4中获得的确定的非过火区像素和确定的过火区像素作为样本，评估步骤2中生成的各个初始火烧迹地图的整体精度OA；

步骤6，对步骤5中各个初始火烧迹地图的整体精度OA进行归一化处理，得到各个初始火烧迹地图的权重；

步骤7，根据步骤6获得的权重，通过加权投票法对步骤2中生成的各个初始火烧迹地图进行自动化集成，生成最终的火烧迹地图。

2.如权利要求1所述的一种基于多遥感火指数自动化集成的火烧迹地制图方法，其特征在于：步骤1中差异图的计算方式如下：

式中，DI_n表示第n个光谱火指数的差异图，

表示从火灾发生前影像中提取的第n个光谱火指数，

表示从火灾发生后影像中提取的第n个光谱火指数，n＝1,2……,N，N表示所使用的光谱火指数的数量。

3.如权利要求2所述的一种基于多遥感火指数自动化集成的火烧迹地制图方法，其特征在于：步骤3中综合变化强度图CIM的计算方式如下：

式中，DI_n表示第n个光谱火指数的差异图，N表示所使用的光谱火指数的数量。

4.如权利要求1所述的一种基于多遥感火指数自动化集成的火烧迹地制图方法，其特征在于：步骤4中利用FCM聚类算法将综合变化强度图CIM中的所有像素聚类为三类：确定的非过火区像素、确定的过火区像素和不确定的像素，并将这三类像素的像素值分别赋值为0、1和0.5，其中将确定的非过火区像素和确定的过火区像素作为模拟样本，用于后续不同火指数制图结果的自动化集成过程。

5.如权利要求1所述的一种基于多遥感火指数自动化集成的火烧迹地制图方法，其特征在于：步骤5中比较各个初始火烧迹地图与综合变化强度图CIM相同位置处的像素值，若相同，则认为初始火烧迹地图中该像素分类正确，否则，分类错误；整体精度OA的计算公式如下：

式中，N_all表示步骤4中生成的样本的总数量，包括确定的非过火区像素和确定的过火区像素；N_c表示各个初始火烧迹地图中像素分类正确的数量。

6.如权利要求1所述的一种基于多遥感火指数自动化集成的火烧迹地制图方法，其特征在于：步骤6中初始火烧迹地图的整体精度OA越高，其在集成过程中所占的权重也应越高，各个初始火烧迹地图的权重计算方式如下：

式中，w_n表示第n个光谱火指数对应的初始火烧迹地图的权重，OA_n表示第n个光谱火指数对应的初始火烧迹地图的整体精度，n＝1,2,……,N,N表示所使用的光谱火指数的总数量，min(OA)表示初始火烧迹地图的整体精度中的最小值，max(OA)表示初始火烧迹地图的整体精度中的最大值。

7.如权利要求6所述的一种基于多遥感火指数自动化集成的火烧迹地制图方法，其特征在于：步骤7中包括以下几个步骤：

步骤7.1，首先计算影像中各个像素分别属于过火区域和非过火区域的得分S_burn和S_{no_burn}；

步骤7.2，比较像素属于过火区域的得分S_burn和属于非过火区域的得分S_{no_burn}的大小，若S_burn>S_{no_burn}，则对应的像素属于过火区像素，否则属于非过火区像素，由此生成最终的二值化火烧迹地图。

8.如权利要求7所述的一种基于多遥感火指数自动化集成的火烧迹地制图方法，其特征在于：步骤7.1中设在各个初始火烧迹地图中，过火区像素的像素值为1，非过火区像素的像素值为0，则S_burn和S_{no_burn}可以通过下列公式来计算：

式中，N表示所使用的光谱火指数的个数，即初始火烧迹地图的个数；w_n表示第n个初始火烧迹地图的权重，L_n表示第n个初始火烧迹地图中的像素值。

Images