CN114648848B - 一种森林火灾监测方法、装置、设备及存储介质 - Google Patents
一种森林火灾监测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114648848B CN114648848B CN202210560417.8A CN202210560417A CN114648848B CN 114648848 B CN114648848 B CN 114648848B CN 202210560417 A CN202210560417 A CN 202210560417A CN 114648848 B CN114648848 B CN 114648848B
- Authority
- CN
- China
- Prior art keywords
- image
- multispectral
- fire
- forest
- images
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims description 55
- 238000003860 storage Methods 0.000 title claims description 13
- 238000010586 diagram Methods 0.000 claims abstract description 16
- 230000015654 memory Effects 0.000 claims description 17
- 230000003287 optical effect Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 7
- 238000012806 monitoring device Methods 0.000 claims description 5
- 230000003595 spectral effect Effects 0.000 abstract description 12
- 238000012545 processing Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 6
- 230000002265 prevention Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 4
- 241001464837 Viridiplantae Species 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000005422 blasting Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009313 farming Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000000149 penetrating effect Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000010902 straw Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/005—Fire alarms; Alarms responsive to explosion for forest fires, e.g. detecting fires spread over a large or outdoors area
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/28—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture specially adapted for farming
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种森林火灾监测方法、装置、设备及存储介质，通过对获取到的初始多光谱影像进行校正和拼接处理，与待测森林区域的地域矢量图取交集获得待测森林区域的多光谱影像，该多光谱影像中包含多个光谱波段，将多个波段进行融合，可以对过火区域进行监测，仅通过对图像信息的分析即可获得待测森林区域的火灾范围，减少了利用人力进行监测的危险性，提高了监测的精准度。
Description
技术领域
本申请涉及生态环境监测领域，尤其涉及一种森林火灾监测方法、装置、设备及存储介质。
背景技术
森林火灾是世界八大自然灾害之一，突发性强、破坏性大、危险性高、处置极其困难，严重危及人民生命财产和森林资源安全，甚至引发生态灾难。森林防火工作是我国防灾减灾工作的重要组成部分，通常情况下，防火方式是基于人力进行完成，例如将农事用火管理规定纳入乡规民约；健全野外用火巡逻制度，乡、村两级成立巡逻队；建立举报、奖惩制度；举报野外用火；加强野外火源的管理，需要生产用火许可证；禁止在林区内进行机械狩猎、实弹演习、爆破、勘察和施工等。
目前对森林火灾的监测，通常是通过重型云台的摄像头、红外测温传感器和激光传感器的综合使用发现火源，防火员通过调动防火物资设备对火源进行扑灭，并人工对火灾范围进行判断，但是山火复燃可能性高并且火向会随时变化，人工判断火灾范围的危险性较高。
发明内容
本申请的主要目的在于提供一种森林火灾监测方法、装置、设备及存储介质，旨在解决人工判断火灾范围的危险性高的技术问题。
为实现上述目的，本申请提供一种森林火灾监测方法，包括：
获取目标区域同一时间的n张初始多光谱影像；其中，n>1，n为整数，所述初始多光谱影像包括多个波段，所述目标区域包括待测森林区域；
对n张所述初始多光谱影像进行校正，获得n张第一多光谱影像；
对n张所述第一多光谱影像进行拼接，获得拼接多光谱影像；
根据所述待测森林区域的地域矢量图和所述拼接多光谱影像，获得所述待测森林区域的多光谱影像；
将所述待测森林区域的多光谱影像的多个波段进行融合，获得所述待测森林区域的火灾范围。
可选地，所述获取目标区域同一时间的n张初始多光谱影像的步骤，包括：
通过光学卫星，获得目标区域同一时间的m张卫星遥感影像；其中，0<m<n，m为整数；
通过无人机，获得目标区域同一时间的n-m张无人机影像；其中，所述无人机搭载有多光谱传感器；
通过m张所述卫星遥感影像和n-m张所述无人机影像，获得n张所述初始多光谱影像。
可选地，所述对n张所述初始多光谱影像进行校正，获得n张第一多光谱影像的步骤，包括：
对所述卫星遥感影像进行图像增强和大气校正，获得第一卫星遥感影像；
对所述无人机影像进行定位定向和几何校正，获得第一无人机影像；
通过所述第一卫星遥感影像和所述第一无人机影像，获得所述第一多光谱影像；其中，所述第一卫星遥感影像和所述第一无人机影像的图像格式相同。
可选地，所述对n张所述第一多光谱影像进行拼接，获得拼接多光谱影像的步骤，包括：
对m张所述第一卫星遥感影像进行地理级拼接，获得拼接卫星遥感影像；
对n-m张所述第一无人机影像进行地理级拼接，获得拼接无人机影像；
通过所述拼接卫星遥感影像和所述拼接无人机影像，获得所述拼接多光谱影像。
可选地，所述将所述待测森林区域的多光谱影像的多个波段进行融合，获得所述待测森林区域的火灾范围的步骤，包括：
将所述待测森林区域的多光谱影像的短红外波段、近红外波段和绿色波段进行融合，生成伪真彩色图；其中，所述伪真彩色图的深色区域为所述待测森林区域的火灾范围。
可选地，所述将所述待测森林区域的多光谱影像的多个波段进行融合，获得所述待测森林区域的火灾范围的步骤之后，还包括：
获取所述待测森林区域在火灾前的多光谱影像和所述待测森林区域在火灾发生后的多光谱影像；
通过所述火灾前的多光谱影像和所述火灾后的多光谱影像计算所述待测森林区域的灾后损失。
可选地，所述通过所述火灾前的多光谱影像和所述火灾后的多光谱影像计算所述待测森林区域的灾后损失的步骤，包括：
通过所述火灾前的多光谱影像和所述火灾后的多光谱影像的近红外波段和红色波段，获得火灾前的归一化差分植被指数和火灾后的归一化差分植被指数；
通过所述火灾前的归一化差分植被指数和所述火灾后的归一化差分植被指数的差值，得到所述待测森林区域的灾后损失。
此外，为实现上述目的，本申请还提供一种森林火灾监测装置，包括：
初始多光谱影像获取模块，获取目标区域同一时间的n张初始多光谱影像；其中，n>1，n为整数，所述初始多光谱影像包括多个波段，所述目标区域包括待测森林区域；
校正模块，用于对n张所述初始多光谱影像进行校正，获得n张第一多光谱影像；
拼接模块，用于对n张所述第一多光谱影像进行拼接，获得拼接多光谱影像；
多光谱影像获取模块，用于根据待测森林区域的地域矢量图和所述拼接多光谱影像，获得所述待测森林区域的多光谱影像；
火灾范围获取模块，用于将所述待测森林区域的多光谱影像的多个波段进行融合，获得所述待测森林区域的火灾范围。
此外，为实现上述目的，本申请还提供一种计算机设备，该计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序，实现上述的方法。
此外，为实现上述目的，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，处理器执行所述计算机程序，实现上述的方法。
本申请所能实现的有益效果。
本申请实施例提出的一种森林火灾监测方法、装置、设备及存储介质，通过获取目标区域同一时间的n张初始多光谱影像；其中，n>1，n为整数，所述初始多光谱影像包括多个波段，所述目标区域包括待测森林区域；对n张所述初始多光谱影像进行校正，获得n张第一多光谱影像；对n张所述第一多光谱影像进行拼接，获得拼接多光谱影像；根据所述待测森林区域的地域矢量图和所述拼接多光谱影像，获得所述待测森林区域的多光谱影像；将所述待测森林区域的多光谱影像的多个波段进行融合，获得所述待测森林区域的火灾范围。即通过对获取到的初始多光谱影像进行校正和拼接处理，与待测森林区域的地域矢量图取交集获得待测森林区域的多光谱影像，该多光谱影像中包含多个光谱波段，将多个波段进行融合，可以对过火区域进行监测，仅通过对图像信息的分析即可获得待测森林区域的火灾范围，减少了利用人力进行监测的危险性，提高了监测的精准度。
附图说明
图1为本申请实施例涉及的硬件运行环境的计算机设备结构示意图；
图2为本申请实施例提供的一种森林火灾监测方法的流程示意图；
图3为本申请实施例提供的一种森林火灾监测装置的功能模块示意图；
图4为本申请实施例提供的通过一种森林火灾监测方法获得的某地区森林火灾前的伪真彩色图；
图5为本申请实施例提供的通过一种森林火灾监测方法获得的某地区森林火灾后的伪真彩色图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例的主要解决方案是：提出的一种森林火灾监测方法、装置、设备及存储介质，通过获取目标区域同一时间的n张初始多光谱影像；其中，n>1，n为整数，所述初始多光谱影像包括多个波段，所述目标区域包括待测森林区域；对n张所述初始多光谱影像进行校正，获得n张第一多光谱影像；对n张所述第一多光谱影像进行拼接，获得拼接多光谱影像；根据所述待测森林区域的地域矢量图和所述拼接多光谱影像，获得所述待测森林区域的多光谱影像；将所述待测森林区域的多光谱影像的多个波段进行融合，获得所述待测森林区域的火灾范围。
现有技术中，森林火灾是世界八大自然灾害之一，突发性强、破坏性大、危险性高、处置极其困难，严重危及人民生命财产和森林资源安全，甚至引发生态灾难。森林防火工作是我国防灾减灾工作的重要组成部分，通常情况下，防火方式是基于人力进行完成，例如将农事用火管理规定纳入乡规民约；健全野外用火巡逻制度，乡、村两级成立巡逻队；建立举报、奖惩制度；举报野外用火；加强野外火源的管理，需要生产用火许可证；禁止在林区内进行机械狩猎、实弹演习、爆破、勘察和施工等。
目前对森林火灾的监测，通常是通过重型云台的摄像头、红外测温传感器和激光传感器的综合使用发现火源，防火员通过调动防火物资设备对火源进行扑灭，并人工对火灾范围进行判断，但是山火复燃可能性高并且火向会随时变化，人工判断火灾范围的危险性较高。并且现有技术常用光学卫星或无人机进行影像获取，高分辨率的卫星精准度高，但是收费昂贵，中低分辨率的卫星通常开源，但会受到天气、地形等影响，无法精确辨别火灾信息；而无人机虽能低空飞行排除天气、地理因素影响，但其能获取到的影像范围有限导致影像数量多，后续处理工作量大，光谱波段有限导致对森林情况识别的精准度差。
为此，本申请提供一种解决方案，通过对获取到的初始多光谱影像进行校正和拼接处理，与待测森林区域的地域矢量图取交集获得待测森林区域的多光谱影像，该多光谱影像中包含多个光谱波段，将多个波段进行融合，可以对过火区域进行监测，以及后续的灾后损失评估，仅通过对图像信息的分析即可获得待测森林区域的火灾范围，减少了利用人力进行监测的危险性，提高了监测的精准度；从初始多光谱影像的获取和处理到获取火灾范围和灾后损失，可以形成完成的计算机处理闭环，不需要人为进行处理，可以系统性地生成每次火灾的记录并形成档案，可以根据档案去分析和判断如何预防和应对下一次可能发生的火灾；同时，将光学卫星与无人机的影像结合，减少了获取影像的数量，进而减少了对影像处理的工作量，无人机影像的引入使得对光学卫星的分辨率降低，减少了获取高分辨率卫星遥感影像的经济成本。
参照图1，图1为本申请实施例方案涉及的硬件运行环境的计算机设备结构示意图。
如图1所示，该计算机设备可以包括：处理器1001，例如中央处理器（CentralProcessing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（WIreless-FIdelity，WI-FI）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM）存储器，也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及电子程序。
在图1所示的计算机设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明计算机设备中的处理器1001、存储器1005可以设置在计算机设备中，所述计算机设备通过处理器1001调用存储器1005中存储的森林火灾监测装置，并执行本申请实施例提供的森林火灾监测方法。
参照图2，基于前述实施例的硬件设备，本申请的实施例提供一种森林火灾监测方法，包括：
S10：获取目标区域同一时间的n张初始多光谱影像；其中，n>1，n为整数，所述初始多光谱影像包括多个波段，所述目标区域包括待测森林区域；
在具体实施过程中，光谱影像中包含了多种波段信息，如短红外波段、绿色波段、近红外波段等。短红外波段的大气散射作用小，具有较强的透雾、透烟尘能力，探测距离远，对于林火场景的适用性强于常用的可见光红绿蓝光谱（RGB）成像，能够查看火区域，识别着火点。绿色波段对森林、林地显示较好。近红外波段对火烧迹地显示较好。
作为一种可选的实施方式，所述获取目标区域同一时间的n张初始多光谱影像的步骤，包括：通过光学卫星，获得目标区域同一时间的m张卫星遥感影像；其中，0<m<n，m为整数；通过无人机，获得目标区域同一时间的n-m张无人机影像；其中，所述无人机搭载有多光谱传感器；通过m张所述卫星遥感影像和n-m张所述无人机影像，获得n张所述初始多光谱影像。
在具体实施过程中，通过光学卫星，获得目标区域同一时间的卫星遥感影像，本申请方案所需的遥感影像不需要高空间分辨率，10m左右的中分辨率影像就可以满足，因高时空分辨率的遥感影像需要采购，中分辨率的遥感卫星有很多开源的，本方案从数据获取阶段就降低了成本，使用的光学卫星包括但不限于欧空局的哨兵系列卫星、美国NASA的陆地卫星LandSat数据，以及我国的高分系列卫星等，卫星数据都可以从官网免费获得。通常来说，卫星遥感影像的辐射面积广，一般情况下一景卫星遥感影像可覆盖10000平方千米，足以覆盖一般的森林火灾迹地，m通常为1；当目标区域范围广或使用的光学卫星辐射面积小时，也可以获取多张卫星遥感影像，此时，m大于1。
同时，通过无人机，获得目标区域同一时间的多张无人机影像，无人机具备机动性强的特点，在山区或者其他复杂地形中也可以很好地获得影像。
在现有的使用无人机获取影像进而判断森林火灾的方法中，无人机仅使用红外传感器，获取波段单一，影像信息较少，对森林的植被、火灾等情况反应不全面，并且无人机飞行高度有限，其影像覆盖范围小，需要数量很多的影像才能够完成对目标区域的全覆盖，并且当目标区域范围较大时，该方法基本无法使用，或后续影像处理的工作量十分庞大，整体的工作效率低，花费时间长。本申请提出将光学卫星的遥感影像与无人机影像结合，在无人机上搭载多光谱传感器，可以获取到更多的波段，并且也可以与光学卫星的中分辨率互补，提高后续影像处理、信息获取的准确性，同时卫星遥感影像保证了覆盖范围和较少数量的图像，无人机影像保证了精准度，使得整体工作效率提高。初始多光谱影像包括通过光学卫星获得的卫星遥感影像和通过无人机获得的无人机影像。
S20：对n张所述初始多光谱影像进行校正，获得n张第一多光谱影像；
在具体实施过程中，初始多光谱影像是通过不同的途径获得的，可能存在不同的图像格式、多张初始多光谱影像的效果也不能保证完全相同，需要对其进行校正，获得处理后的第一多光谱影像。
作为一种可选的实施方式，所述对n张所述初始多光谱影像进行校正，获得n张第一多光谱影像的步骤，包括：对所述卫星遥感影像进行图像增强和大气校正，获得第一卫星遥感影像；对所述无人机影像进行定位定向和几何校正，获得第一无人机影像；通过所述第一卫星遥感影像和所述第一无人机影像，获得所述第一多光谱影像；其中，所述第一卫星遥感影像和所述第一无人机影像的图像格式相同。
在具体实施过程中，卫星遥感影像有2种影像，一种是栅格影像，另一种是矢量影像，其中栅格影像由像素构成，在本方案后续步骤中需要使用到像素，故卫星遥感影像选用栅格影像。而栅格影像可能存在不够清晰或者色调影响解译的情况，可以使用ArcGIS或SNAP等软件对卫星遥感影像进行图像增强和大气校正，得到第一卫星遥感影像。而无人机影像会因无人机分飞行姿态或飞行方向等产生偏转，需要结合无人机飞行姿态、飞行方向等飞行情况和搭载的相机参数对无人机影像进行定位定向和几何校正，得到第一无人机影像。第一多光谱影像包括第一卫星遥感影像和第一无人机影像。第一卫星遥感影像和第一无人机影像的影像格式是TIFF，也可以是其他影像通用格式。将不同方式获得的第一多光谱影像进行格式统一，便于后续对影像的处理操作。
S30：对n张所述第一多光谱影像进行拼接，获得拼接多光谱影像；
在具体实施过程中，多张第一光谱影像覆盖的范围各不相同，也可能有重复，需要对其进行拼接处理，获得拼接多光谱影像，该拼接多光谱影像能够覆盖目标区域。
作为一种可选的实施方式，所述对n张所述第一多光谱影像进行拼接，获得拼接多光谱影像的步骤，包括：对m张所述第一卫星遥感影像进行地理级拼接，获得拼接卫星遥感影像；对n-m张所述第一无人机影像进行地理级拼接，获得拼接无人机影像；通过所述拼接卫星遥感影像和所述拼接无人机影像，获得所述拼接多光谱影像。
在具体实施过程中，当m大于1时，对多张第一卫星遥感影像进行地理级拼接，获得一张拼接卫星遥感影像，当m为1时，第一卫星遥感影像即为拼接卫星遥感影像。根据每张第一无人机影像的坐标，对多张第一无人机影像进行地理级拼接，获得一张拼接无人机影像。拼接多光谱影像包括拼接卫星遥感影像和拼接无人机影像。
S40：根据所述待测森林区域的地域矢量图和所述拼接多光谱影像，获得所述待测森林区域的多光谱影像；
在具体实施过程中，拼接多光谱影像覆盖了目标区域，目标区域包括待测森林区域。通过已知的待测森林区域的地域矢量图和拼接多光谱影像做交集，能够在拼接多光谱影像上获得待测森林区域的监测范围，即为待测森林区域的多光谱影像。
S50：将所述待测森林区域的多光谱影像的多个波段进行融合，获得所述待测森林区域的火灾范围。
在具体实施过程中，火灾范围也称过火范围，可以在火灾中对林火走势进行分析，也可以在火灾后对损失进行评估。待测森林区域的多光谱影像包含上述提到的短红外波段、绿色波段、近红外波段等多个波段，具有不同的显示特点，通过各波段融合，能够获得待测森林区域的火灾范围。传统的火灾范围判定技术有两种，一是基于人工智能对火情进行识别；二是气象卫星对火点进行识别。这两种技术都是基于统计学和火点质信度进行判定，都具有一定的不准确性，两种技术的最后一步都是人工监测，但森林火复燃可能性大，火势变化和植被类型、风势风力相关，人工监测的危险性高，也需要一定的时间、金钱成本。本申请方案通过对影像处理获得火灾范围，规避了上述风险。
作为一种可选的实施方式，所述将所述待测森林区域的多光谱影像的多个波段进行融合，获得所述待测森林区域的火灾范围的步骤，包括：将所述待测森林区域的多光谱影像的短红外波段、近红外波段和绿色波段进行融合，生成伪真彩色图；其中，所述伪真彩色图的深色区域为所述待测森林区域的火灾范围。
在具体实施过程中，待测森林区域的多光谱影像包含上述提到的短红外波段、绿色波段、近红外波段等多个波段，短红外波段的大气散射作用小，具有较强的透雾、透烟尘能力，探测距离远，对于林火场景的适用性强于常用的可见光红绿蓝光谱（RGB）成像，能够查看火区域，识别着火点、绿色波段对森林、林地显示较好、近红外波段对火烧迹地显示较好。待测森林区域的多光谱影像包括待测森林区域的卫星遥感影像和待测森林区域的无人机影像。通过波段融合，把卫星遥感影像和无人机影像上的各个波段的图像信息融合到一起，生成一张伪真彩色图，通过伪真彩色图上的色彩显示即可获得待测森林区域的实际情况，其中深色区域即为火灾范围，规避了人为测定火灾范围的危险性。
图4为通过上述方法获得的某地区森林火灾前的伪真彩色图、图5为通过上述方法获得的某地区森林火灾后的伪真彩色图，因申请文件不显示图片颜色，仅以白色虚线对深浅进行区分，图5中的白色虚线圈出的区域即为伪真彩色图的深色区域，是待测森林区域的火灾范围。我国地形复杂，很多地区山高路陡、云密雾重，卫星遥感影像识别情况较差，通过拍照高度较卫星低很多的无人机获取的无人机影像，可以很好地规避卫星受天气、地形等制约，二者的结合使得伪真彩色图的显示准确度更高，对火灾范围的判定更精准。
另外，我国幅员辽阔，农情繁多，各地的焚烧政策不同，很多地区的秸秆焚烧、民间祭祀等居民行为都会影响到遥感卫星影像的呈现，也会影响到现有技术中基于卫星遥感影像进行火点识别的人工智能模型，在另一种实施例中，可以通过无人机影像对此类非监测对象进行标定，在遥感卫星影像和无人机影像进行对比删除，再进行上述操作，获得的伪真彩色图排除掉了上述居民行为的干扰，对森林火灾范围的显示更加精准可靠。
作为另一种可选的实施方式，所述将所述待测森林区域的多光谱影像的多个波段进行融合，获得所述待测森林区域的火灾范围的步骤之后，还包括：获取所述待测森林区域在火灾前的多光谱影像和所述待测森林区域在火灾发生后的多光谱影像；通过所述火灾前的多光谱影像和所述火灾后的多光谱影像计算所述待测森林区域的灾后损失。
在具体实施过程中，上述方案获得的待测森林区域的多光谱影像是某一时间的影像，实际的森林监测常为实时监测或定时监测，可以通过使用无人机反复在火灾上方巡航，或者直接调用遥感卫星对林火区域进行拍照，结合WebGIS来能实现对林火的时序监测，通过本申请方案可以获得对同一待测森林区域的多张多光谱影像，选取发生火灾前的多光谱影像和发生火灾后的多光谱影像，可以获得待测森林区域的火灾灾后损失。获得灾后损失后，通过对灾后损失进行评估，将上述获得的待测森林区域的多光谱影像进行档案化、资料化，便于后续进行复盘。
作为一种可选的实施方式，所述通过所述火灾前的多光谱影像和所述火灾后的多光谱影像计算所述待测森林区域的灾后损失的步骤，包括：通过所述火灾前的多光谱影像和所述火灾后的多光谱影像的近红外波段和红色波段，获得火灾前的归一化差分植被指数和火灾后的归一化差分植被指数；通过所述火灾前的归一化差分植被指数和所述火灾后的归一化差分植被指数的差值，得到所述待测森林区域的灾后损失。
在具体实施过程中，使用归一化差分植被指数（NDVI，Normalized DifferenceVegetation Index）来评估植被覆盖率，NDVI由近红外波段（NIR）和红色波段（R）获得，其公式为：
NDVI=(NIR-R)/(NIR+R)
计算出的NDVI的值在-1和1之间，根据行业内实际操作经验，一般情况下大于0.2的值对应绿植。
分别计算出火灾前的多光谱影像和发生火灾后的多光谱影像的NDVI，将二者绿植部分的NDVI像素作差，差值为因发生森林火灾而减少的绿植，即为待测森林区域的灾后损失，本申请方法可以在短时间得到林火迹地的评估，以辅助分析做出决策。本申请方法将影像和计算网络架构统一起来，能够达到自动化、数字化，为森林火情档案化、资料化提供了技术支持。
应当理解的是，以上仅为举例说明，对本申请的技术方案并不构成任何限制，本领域的技术人员在实际应用中可以基于需要进行设置，此处不做限制。
通过上述描述不难发现，本实施例是通过对获取到的初始多光谱影像进行校正和拼接处理，与待测森林区域的地域矢量图取交集获得待测森林区域的多光谱影像，该多光谱影像中包含多个光谱波段，将多个波段进行融合，可以对过火区域进行监测，以及后续的灾后损失评估，仅通过对图像信息的分析即可获得待测森林区域的火灾范围，减少了利用人力进行监测的危险性，提高了监测的精准度；从初始多光谱影像的获取和处理到获取火灾范围和灾后损失，可以形成完成的计算机处理闭环，不需要人为进行处理，可以系统性地生成，每次火灾的记录，形成档案，可以根据档案去分析和判断如何预防和应对下一次可能发生的火灾；同时，将光学卫星与无人机的影像结合，减少了获取影像的数量，进而减少了对影像处理的工作量，无人机影像的引入使得对光学卫星的分辨率降低，减少了获取高分辨率卫星遥感影像的经济成本。
参照图3，基于相同的发明思路，本申请的实施例还提供一种森林火灾监测装置，包括：
初始多光谱影像获取模块，获取目标区域同一时间的n张初始多光谱影像；其中，n>1，n为整数，所述初始多光谱影像包括多个波段，所述目标区域包括待测森林区域；
校正模块，用于对n张所述初始多光谱影像进行校正，获得n张第一多光谱影像；
拼接模块，用于对n张所述第一多光谱影像进行拼接，获得拼接多光谱影像；
多光谱影像获取模块，用于根据待测森林区域的地域矢量图和所述拼接多光谱影像，获得所述待测森林区域的多光谱影像；
火灾范围获取模块，用于将所述待测森林区域的多光谱影像的多个波段进行融合，获得所述待测森林区域的火灾范围。
需要说明的是，本实施例中森林火灾监测装置中各模块是与前述实施例中森林火灾监测方法中的各步骤一一对应，因此，本实施例的具体实施方式可参照前述森林火灾监测方法的实施方式，这里不再赘述。
此外，在一种实施例中，本申请的实施例还提供一种计算机设备，所述设备包括处理器，存储器以及存储在所述存储器中的计算机程序，所述计算机程序被处理器运行时实现前述实施例中方法的步骤。
此外，在一种实施例中，本申请的实施例还提供一种计算机存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器运行时实现前述实施例中方法的步骤。
在一些实施例中，计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备。计算机可以是包括智能终端和服务器在内的各种计算设备。
在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言（包括编译或解释语言，或者声明性或过程性语言）来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例，可执行指令可以但不一定对应于文件系统中的文件，可以可被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言（HTML，Hyper TextMarkup Language）文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件（例如，存储一个或多个模块、子程序或代码部分的文件）中。
作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如只读存储器/随机存取存储器、磁碟、光盘）中，包括若干指令用以使得一台多媒体终端设备（可以是手机，计算机，电视接收机，或者网络设备等）执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (9)
1.一种森林火灾监测方法，其特征在于，包括以下步骤：
获取目标区域同一时间的n张初始多光谱影像；其中，n>1，n为整数，所述初始多光谱影像包括多个波段，所述多个波段包括短红外波段、近红外波段和绿色波段，所述目标区域包括待测森林区域；
对n张所述初始多光谱影像进行校正，获得n张第一多光谱影像；
对n张所述第一多光谱影像进行拼接，获得拼接多光谱影像；
根据所述待测森林区域的地域矢量图和所述拼接多光谱影像，获得所述待测森林区域的多光谱影像；
将所述待测森林区域的多光谱影像的短红外波段、近红外波段和绿色波段进行融合，生成伪真彩色图，以获得待测森林区域的火灾范围；其中，所述伪真彩色图的深色区域为所述待测森林区域的火灾范围。
2.如权利要求1所述的森林火灾监测方法，其特征在于，所述获取目标区域同一时间的n张初始多光谱影像的步骤，包括：
通过光学卫星，获得目标区域同一时间的m张卫星遥感影像；其中，0<m<n，m为整数；
通过无人机，获得目标区域同一时间的n-m张无人机影像；其中，所述无人机搭载有多光谱传感器；
通过m张所述卫星遥感影像和n-m张所述无人机影像，获得n张所述初始多光谱影像。
3.如权利要求2所述的森林火灾监测方法，其特征在于，所述对n张所述初始多光谱影像进行校正，获得n张第一多光谱影像的步骤，包括：
对所述卫星遥感影像进行图像增强和大气校正，获得第一卫星遥感影像；
对所述无人机影像进行定位定向和几何校正，获得第一无人机影像；
通过所述第一卫星遥感影像和所述第一无人机影像，获得所述第一多光谱影像；其中，所述第一卫星遥感影像和所述第一无人机影像的图像格式相同。
4.如权利要求3所述的森林火灾监测方法，其特征在于，所述对n张所述第一多光谱影像进行拼接，获得拼接多光谱影像的步骤，包括：
对m张所述第一卫星遥感影像进行地理级拼接，获得拼接卫星遥感影像；
对n-m张所述第一无人机影像进行地理级拼接，获得拼接无人机影像；
通过所述拼接卫星遥感影像和所述拼接无人机影像，获得所述拼接多光谱影像。
5.如权利要求1所述的森林火灾监测方法，其特征在于，所述将所述待测森林区域的多光谱影像的多个波段进行融合，获得所述待测森林区域的火灾范围的步骤之后，还包括：
获取所述待测森林区域在火灾前的多光谱影像和所述待测森林区域在火灾发生后的多光谱影像；
通过所述火灾前的多光谱影像和所述火灾后的多光谱影像计算所述待测森林区域的灾后损失。
6.如权利要求5所述的森林火灾监测方法，其特征在于，所述通过所述火灾前的多光谱影像和所述火灾后的多光谱影像计算所述待测森林区域的灾后损失的步骤，包括：
通过所述火灾前的多光谱影像和所述火灾后的多光谱影像的近红外波段和红色波段，获得火灾前的归一化差分植被指数和火灾后的归一化差分植被指数；
通过所述火灾前的归一化差分植被指数和所述火灾后的归一化差分植被指数的差值，得到所述待测森林区域的灾后损失。
7.一种森林火灾监测装置，其特征在于，包括：
初始多光谱影像获取模块，获取目标区域同一时间的n张初始多光谱影像；其中，n>1，n为整数，所述初始多光谱影像包括多个波段，所述多个波段包括短红外波段、近红外波段和绿色波段，所述目标区域包括待测森林区域；
校正模块，用于对n张所述初始多光谱影像进行校正，获得n张第一多光谱影像；
拼接模块，用于对n张所述第一多光谱影像进行拼接，获得拼接多光谱影像；
多光谱影像获取模块，用于根据待测森林区域的地域矢量图和所述拼接多光谱影像，获得所述待测森林区域的多光谱影像；
火灾范围获取模块，用于将所述待测森林区域的多光谱影像的短红外波段、近红外波段和绿色波段进行融合，生成伪真彩色图，以获得待测森林区域的火灾范围；其中，所述伪真彩色图的深色区域为所述待测森林区域的火灾范围。
8.一种计算机设备，其特征在于，该计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序，实现如权利要求1-6中任一项所述的方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，处理器执行所述计算机程序，实现如权利要求1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210560417.8A CN114648848B (zh) | 2022-05-23 | 2022-05-23 | 一种森林火灾监测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210560417.8A CN114648848B (zh) | 2022-05-23 | 2022-05-23 | 一种森林火灾监测方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114648848A CN114648848A (zh) | 2022-06-21 |
| CN114648848B true CN114648848B (zh) | 2022-09-02 |
Family
ID=81997760
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210560417.8A Active CN114648848B (zh) | 2022-05-23 | 2022-05-23 | 一种森林火灾监测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114648848B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115400366B (zh) * | 2022-08-25 | 2023-04-07 | 中科海慧（北京）科技有限公司 | 一种基于遥感卫星数据处置森林火灾复燃的方法及系统 |
| CN115205709B (zh) * | 2022-09-15 | 2023-01-10 | 眉山环天智慧科技有限公司 | 一种基于卫星遥感的森林火点识别方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004094537A (ja) * | 2002-08-30 | 2004-03-25 | Hitachi Ltd | 周回衛星を用いたリモートセンシングシステムと方法、災害通報システムと方法、及びこれらに用いる装置 |
| US7298869B1 (en) * | 2003-07-21 | 2007-11-20 | Abernathy Donald A | Multispectral data acquisition system and method |
| CN107481268B (zh) * | 2017-08-16 | 2018-04-20 | 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 |
| CN109684929A (zh) * | 2018-11-23 | 2019-04-26 | 中国电建集团成都勘测设计研究院有限公司 | 基于多源遥感数据融合的陆生植物生态环境监测方法 |
| CN110020635A (zh) * | 2019-04-15 | 2019-07-16 | 中国农业科学院农业资源与农业区划研究所 | 基于无人机影像与卫星影像的种植区农作物精细分类方法和系统 |
| CN111860205B (zh) * | 2020-06-29 | 2024-03-19 | 成都数之联科技股份有限公司 | 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 |
| CN112102578B (zh) * | 2020-09-16 | 2022-05-06 | 成都信息工程大学 | 森林火灾监测与预警系统、方法、存储介质、计算机设备 |
| CN112435207B (zh) * | 2020-12-07 | 2024-04-09 | 深圳航天智慧城市系统技术研究院有限公司 | 一种基于天空地一体化的森林火灾监测预警方法 |
| CN112509265A (zh) * | 2020-12-14 | 2021-03-16 | 浙江大学德清先进技术与产业研究院 | 一种基于多源遥感大数据融合的森林火灾监测方法 |
-
2022
- 2022-05-23 CN CN202210560417.8A patent/CN114648848B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN114648848A (zh) | 2022-06-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114648848B (zh) | 一种森林火灾监测方法、装置、设备及存储介质 | |
| Hua et al. | The progress of operational forest fire monitoring with infrared remote sensing | |
| Mulero-Pázmány et al. | Remotely piloted aircraft systems as a rhinoceros anti-poaching tool in Africa | |
| Tang et al. | Drone remote sensing for forestry research and practices | |
| Laliberte et al. | UAS remote sensing missions for rangeland applications | |
| Ancin‐Murguzur et al. | Drones as a tool to monitor human impacts and vegetation changes in parks and protected areas | |
| CN111860205A (zh) | 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 | |
| US20120321129A1 (en) | Methods for identifying rooftops using elevation data sets | |
| McCarthy et al. | Mapping fire severity and fire extent in forest in Victoria for ecological and fuel outcomes | |
| CN112216052A (zh) | 森林防火监测预警方法和装置及设备、存储介质 | |
| CN112382043A (zh) | 基于卫星监测的灾害预警方法、设备、存储介质及装置 | |
| Zajkowski et al. | Evaluation and use of remotely piloted aircraft systems for operations and research–RxCADRE 2012 | |
| Georgiou et al. | UAV‐assisted real‐time evidence detection in outdoor crime scene investigations | |
| CN110261341B (zh) | 一种基于静止气象卫星数据的火山灰云检测方法及系统 | |
| Niedzielski et al. | The nested k‐means method: A new approach for detecting lost persons in aerial images acquired by unmanned aerial vehicles | |
| Blanks | UAS applications | |
| Graça et al. | Use of UAV platform as an autonomous tool for estimating expansion on invaded agricultural land | |
| Ribas Costa et al. | Uncrewed aircraft system spherical photography for the vertical characterization of canopy structural traits | |
| Xu et al. | Detecting forest fire omission error based on data fusion at subpixel scale | |
| Mangiameli et al. | A low cost methodology for multispectral image classification | |
| CN212158332U (zh) | 无人机识别探测装置 | |
| Laneve et al. | SIGRI project: Products validation results | |
| US20240233367A1 (en) | Methods, devices, and systems for sensor and satellite ai fusion | |
| Shahpurwala | Conflict, narratives, and forest fires in eastern Turkey: A quantitative perspective with remote sensing and GIS | |
| Ronkainen | Designing a drone based measurement system for outdoor material fields in industrial environment |
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 |