CN115146705B - 遥感和地表雷击火环境相结合识别森林雷击火的方法 - Google Patents

Abstract

本发明公开一种遥感和地表雷击火环境相结合识别森林雷击火的方法，属于森林火灾检测预警技术领域，首先分析与降水相关性较低的云地闪分布特征，为后续森林雷击火的地表干雷电环境奠定基础，然后通过闪电与卫星遥感火点的时空特征，识别森林雷击火区域，最后进行森林雷击火风险等级估测。本发明将高空火灾监测、地表干雷电环境相配合，增加了森林雷击火识别的时空分辨率；通过森林雷击火核密度分析，给出林分尺度森林雷击火预警级别，可针对性地大大提高森林雷击火防御水平，且空间维度上适用性强，成本低，可靠性高。

Description

遥感和地表雷击火环境相结合识别森林雷击火的方法

技术领域

本发明属于森林火灾检测预警技术领域，具体涉及一种遥感和地表雷击火环境相结合识别森林雷击火的方法。

背景技术

遥感，是从地面到空间各种对地球、天体观测的综合性技术系统的总称，可从遥感技术平台获取卫星数据、由遥感仪器以及信息接受、处理与分析。遥感技术已经形成的信息网络，正时时刻刻、源源不断地向人们提供大量的科学数据和动态信息，已成为森林灾害、特别是森林火灾监测的重要手段，大大弥补了人力监测的不足。

但遥感观测无法判别森林火灾类型中的雷击火。随着气候变化，森林雷击火在我国东北(于诗文等，2020)及西南(YanRong Y，et al.，2018)尤为突出，其频发性、灾害性强度加剧，每年的损失触目惊心。卫星遥感观测无法获知林火类型，无法满足多山天然林的雷击火监测任务，使雷击火防御滞后性严重。这些都大大提升了森林雷击火灾的危害。

当前，森林雷击火的预测多基于地表因子的观测，如气象、地形、可燃物等关键影响因子，由此建立统计模型。由于统计模型的地域局限性、时间局限性，在不同地区、不同季节，对森林雷击火预测缺乏适应性；且耗费人力物力。

发明内容

本发明解决的技术问题：本发明在MODIS识别森林火灾位置的基础上，增加地表云地闪位置、降水量等获取地表干雷电信息，将高空遥感与地表雷击火环境相结合，提出识别森林雷击火的新方法。这一方法主要解决的技术问题如下：

1.地表干雷电环境的识别。利用ArcGIS处理WWLLN数据(World-Wide LightningLocation Network，WWLLN)，获得研究区闪电时空分布，结合降水量观测资料，通过Pearson相关系数，得到“少量水、有闪电”的地表干雷电环境信息。

2.森林火灾类型中雷击火的判别。由MODIS获取植被火点数据NASA FIRMS，结合适宜的地表干雷电环境，以时间3小时、范围25Km为依据，对WWLLN资料和MODIS标准火灾数据进行处理，耦合得到雷击火起火点估划由此共同辨识森林火灾中的雷击火分布区域。

3.核密度分析识别森林雷击火等级借助ArcGIS工具的核密度分析模块，计算研究区森林雷击火点密度数值，判别森林雷击火风险级别。

技术方案：为了解决上述技术问题，本发明采用的技术方案如下：

一种遥感和地表雷击火环境相结合识别森林雷击火的方法，包括以下步骤：

步骤S1，地表少降水云地闪击区域识别；

步骤S2，植被雷击火区域识别；

步骤S3：森林雷击火风险等级识别。

进一步地，步骤S1的具体实现方法为：

S11：提取地表云地闪空间分布，合成月云地闪数据集；

S12：提取研究区域气象站点的降水量观测数据，合成月总降水量数据集；

S13：计算研究区域每个网格内的月均闪电频数与月降水量之间的皮尔森(Pearson)相关系数R；

S14：研究区域每个网格的月均闪电频数与(1-R²)相乘，得到单位网格内“少降水、无降水”闪电频数分布，并对所有网格进行计算；

进一步地，步骤S2中植被雷击火区域识别的实现方法为：

结合步骤S1得到的少降水云地闪区域识别结果，以雷电环境特定的空间和时间标准设定森林雷击火阈值区域，从空间和时间阈值区域数据进行遍历循环，输出满足标准的数据。

进一步地，设定森林野火与云地闪空间≤30Km、时间≤3H的区域为森林雷击火阈值区域。

进一步地，循环开始时，对WWLLN数据中闪电发生时间和MODIS森林火点资料中的观测时间进行处理，并转换为时间戳。

进一步地，计算云地闪发生时间和火灾观测时间之间的时间差，当时间≤3小时的数据则进行下一步操作，不满足条件则进入下一轮循环；同时，计算云地闪发生位置与火灾发生位置之间的空间差，当空间差≤30km，则输出此条数据，否则进入下一轮循环。

进一步地，步骤S3森林雷击火风险等级识别中，首选采用核密度分析法，对步骤S2输出的森林雷击火数据进行处理，计算研究区森林雷击火点分布密度，判别森林雷击火风险级别。

进一步地，根据具体计算出的雷击火点密度数值，判定雷击火风险等级，分别为高、中、低及无风险等级。

有益效果：与现有技术相比，本发明具有以下优点：

本发明的遥感和地表雷击火环境相结合识别森林雷击火的方法，在MODIS识别森林火灾位置的基础上，增加地表云地闪位置、降水量等，将高空遥感与地表雷击火环境信息相结合，提出识别森林雷击火的新方法。在遥感中，由MODIS传感器获取植被火点数据NASAFIRMS，结合地基云地闪数据WWLLN判别云地闪位置、降水量数据判别是否适宜火灾发生，共同判别森林火灾中的雷击火分布区域；解决了森林火灾类型中雷击火的判别问题。

本发明将高空火灾监测、地表雷击环境相配合，增加了森林雷击火识别的时空分辨率；通过森林雷击火核密度分析，给出林分尺度森林雷击火预警级别，可针对性地大大提高森林雷击火防御水平。

本发明与现有的森林雷击火预测方法相比，在时空维度上具有较好的适用性。本发明对森林雷击火的预测具有成本低的优势。

本发明所使用的数据有：全球闪电定位网资料，MODIS标准质量火灾数据，中国地面降水资料。以上三种数据集均具有覆盖范围广、时间连续的特点，在宏观尺度上对森林雷击火的识别具有低成本的优势。

本发明创造性地从宏观尺度上划分森林雷击火风险等级。随着科技的不断发展，卫星遥感对目标物的监测范围不断扩大，时间连续性不断增强。得益于此，本发明结合多源遥感数据在大尺度范围上，划分森林雷击火风险等级，并与历史森林雷击火资料对比，具有较强的可靠性。

附图说明

图1是遥感和地表雷击火环境相结合识别森林雷击火的方法技术路线图；

图2是西南地区年均闪电频数空间分布特征(a：2005-2009年数据，b：2010-2013年数据，c：2014-2017年数据)；

图3是西南地区四季“少降水、无降水”闪电频数分布特征；(a：春季，b：夏季，c：秋季，d：冬季)；

图4是西南地区森林雷击火风险等级区，其分布密度越高，表明发生雷击火的风险越高。

具体实施方式

下面结合具体实施例，进一步阐明本发明，实施例在以本发明技术方案为前提下进行实施，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围。

如图1所示，本发明的遥感和地表雷击火环境相结合识别森林雷击火的方法，具体包括以下步骤：

步骤S1，雷击火发生的地表少降水云地闪击区域识别。具体为：

S11：根据云间闪、云地闪比例，提取WWLLN中的云地闪信息。

S12：对云地闪数据进行空间上0.1°×0.1°网格化处理，时间上进行逐月均值处理。借助ArcGIS地理信息系统软件，可视化研究区域的平均闪电空间分布。

根据WWLLN数据，估算云地闪数量方法如下：

设WWLLN的总闪电数据中，云间闪、云地闪数量关系比为Z：

Z＝N_c/N_g

其中，N_c，N_g分别表示云间闪、云地闪数量。根据研究结果，Z多在3-4之间浮动。本发明中Z取3，基于ArcGIS计算所需时空尺度的云地闪频数。

S13：提取研究区域气象站点的降水量观测数据(中国气象数据网站点日值资料，V3.0版)，合成月总降水量数据集。采用Kriging插值法对气象站点的降水量观测数据进行插值，达到栅格化效果，空间分辨率设置为0.1°×0.1°。

S14：计算每个网格内的月均闪电频数与月总降水量之间的Pearson相关性指数R²。

本发明基于ArcGIS，逐网格计算降水量与闪电频数间的Pearson相关性，得到一组相关系数的矩阵，记为γ：

其中，a₁₁，a₁₂，...，a_1n，...，a_ml，a_m2，...a_mn的取值范围均为[-1，1]，a_mn是第m行、第n列网格内闪电频数与降水量之间的相关系数。

S15：每个网格内的月均闪电频数与系数(1-R²)相乘，得到单位网格内“少降水、无降水”闪电频数。采用相同的计算方法，对所有网格进行计算，并借助ArcGIS可视化四季“少降水、无降水”闪电频数分布特征。少降水、无降水云地闪的计算方法为：

其中，N表示单位网格内的闪电频数，ξ是干雷电数量的矩阵。以第m行、第n列的网格为例，从式可知，a_mn≥0.3且越接近1时，云地闪的数量就越少，其物理意义为网格内闪电频数与降水量的正相关性越高。

赋予该网格越小的权重ω，其中ω＝1-a_mn ²，以此来减少与降水量高度相关的闪电频数，反之则赋予的较大的权重；若a_mn＜0.3时，表示闪电频数与降水量无线性正相关性，因此该网格内少降水、无降水云地闪数量就等于闪电频数，即干雷电信息。

步骤S2，植被雷击火区域识别。具体为包括以下步骤：

S21：借助ArcGIS，分析MODIS森林火点数据NASA FIRMS。

S22：结合步骤S1得到的少降水云地闪识别结果，设定森林野火与云地闪空间≤30Km、时间≤3h为森林雷击火阈值区域，开始对两组数据遍历循环。循环开始时，对WWLLN数据中闪电发生时间和森林火灾资料中的观测时间进行处理，转换为时间戳。

本发明以时间3小时、范围25Km为依据，对WWLLN资料和MODIS标准火灾数据进行遍历循环，耦合得到雷击火起火点估划。

(1)循环开始时，对WWLLN数据中闪电发生时间和森林火灾资料中的观测时间进行处理，转换为时间戳；

(2)计算云地闪发生时间和火灾观测时间之间的时间差，当时间小于等于3小时的数据则进行下一步操作，不满足条件则进入下一轮循环；

(3)同时，计算云地闪发生位置与火灾发生位置之间的空间差，当空间差小于等于30km，则输出此条数据，否则进入下一轮循环。

步骤S3：森林雷击火风险等级识别。具体为：

S31：借助ArcGIS工具，采用核密度分析法，对第二步输出的森林雷击火点数据进行处理，计算研究区森林雷击火点分布密度。核密度分析识别森林雷击火等级的具体步骤为：

(1)利用ArcGIST具包中的核密度分析模块Kernel Density，得到步骤2的研究区森林雷击火点密度数值分布。具体如下：

假设有x₁，x₂，…，x_n共n个独立分布样本，设其概率密度函数为f，核密度估计为：

式中：K(x)为核函数，h＞0，表示平滑参数，即带宽。本发明采用的核函数为四次方核函数，具体公式如下：

本发明h的计算方法为：

其中，标准距离SD为：

式中，Dm为点到平均中心距离的中值，平均中心是指到n个二维点的平均值，为平均中心。

(2)根据具体计算出的雷击火点密度数值，依据数值高低排序，判定雷击火风险等级，分别为高、中、低及无风险等级。

S32：根据雷击火点密度排序，对森林雷击火分布密度划分风险等级。

本发明还公开一种遥感和地表雷击火环境相结合识别森林雷击火系统，包括“少降水、无降水”闪电空间分布特征分析模块，森林雷击火空间分布特征分析模块和森林雷击火核密度分析模块。

其中，少降水、无降水”闪电空间分布特征分析模块(如图1-模块一)，负责分析与降水相关性极低的闪电分布特征，为后续森林雷击火的识别奠定基础。

森林雷击火空间分布特征分析模块(如图1-模块二)，通过闪电与火点的时空特征，识别森林雷击火点。

森林雷击火核密度分析模块(如图1-模块三)，负责根据已知植被雷击火点，估算未知区域雷击火分布密度。

本发明以中国西南四省(云南、四川、贵州、重庆)为实施例验证本发明的方法：

闪电数据来源于WWLLN全球闪电定位系统，时间跨度为2005-2017年；植被火点数据来源于NASA FIRMS火灾管理系统，时间跨度为2005-2017年，空间分辨率1Km×1Km，该数据由搭载在Terra和Aqua两颗极轨卫星上MODIS传感器获取；2005-2017年中国地面降水资料来源于中国气象数据网站点日值资料(V3.0版)；DEM数据来源于美国国防部国家测绘局公布的SRTM(Sahttle Radar Topography Mission)数据，空间分辨率为30m。

采用“少降水、无降水”闪电空间分布特征分析模块实现以下功能：

(1)对西南四省所处的方形区域(97°-111°E，21°-34°N)划分成0.1°×0.1°的19600个网格，同时逐月统计2005-2017年单位网格内的月平均闪电频数。对统计出的数据，按季节(四季)分类，每个季节得到39个月的网格数据。根据WWLLN，提取西南地区云地闪数据。借助ArcGIS地理信息系统软件，可视化西南地区年平均闪电空间分布(如图2)。

(2)提取西南四省的105个气象站点的降水量数据，合成月总降水量数据集。采用Kriging插值法对站点数据进行插值，空间分辨率设置为0.1°×0.1°。

(3)计算每个网格内的月均闪电频数与月总降水量之间的Person相关性指数R。

(4)每个网格内的月均闪电频数与系数(1-R²)相乘，得到单位网格内“少降水、无降水”闪电频数。采用相同的计算方法，对所有网格进行计算，并借助ArcGIS可视化四季“少降水、无降水”闪电频数分布特征(如图3)。

采用植被雷击火空间分布特征分析模块实现以下功能：

(1)通过编写程序，设定参数一(d)为30(Km)，设定参数二(H)为3(hour)。

(2)步骤(1)完成后，开始对两组数据遍历循环，开始循环时，对WWLLN数据中闪电发生时间和植被火灾资料中的观测时间进行处理，转换为时间戳。

(3)计算闪电发生时间和火灾观测时间之间的时间差，记为H，对H＜＝3的数据进行下一步操作，不满足条件则进入下一轮循环。

(4)对满足步骤(3)的数据，计算闪电发生位置与火灾发生位置之间的直线距离，记为d，如d＜＝30，则输出此条数据，否则进入下一轮循环。

采用森林雷击火核密度分析模块实现以下功能：

(1)借助ArcGIS工具，采用核密度分析法，对模块二输出的森林雷击火点数据进行处理，计算西南地区雷击火点分布密度(如图4)。

(2)根据森林雷击火分布密度划分风险等级，借助ArcGIS工具，可视化西南四省森林雷击火风险等级。

本发明在遥感识别森林火灾的基础上，增加天然林地表雷击火环境信息，如云地闪位置、降水量等，将高空遥感与地表雷击火环境信息相结合，提出识别森林雷击火的新方法。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (3)

1.一种遥感和地表雷击火环境相结合识别森林雷击火的方法，其特征在于，包括以下步骤：

步骤S1，地表少降水云地闪击区域识别；具体实现方法为：

S11：提取地表云地闪空间分布，合成月云地闪数据集；

根据WWLLN数据，估算云地闪数量方法如下：

设WWLLN的总闪电数据中，云间闪、云地闪数量关系比为Z：

Z＝N_c/N_g；

其中，N_c，N_g分别表示云间闪、云地闪数量；Z取3；

基于ArcGIS计算所需时空尺度的云地闪频数；对云地闪数据进行空间上0.1°×0.1°网格化处理，时间上进行逐月均值处理，借助ArcGIS地理信息系统软件，可视化研究区域的平均闪电空间分布；

S12：提取研究区域气象站点的降水量观测数据，合成月总降水量数据集；

S13：计算研究区域每个网格内的月均闪电频数与月降水量之间的皮尔森相关系数R²；

S14：研究区域每个网格的月均闪电频数与(1-R²)相乘，得到单位网格内“少降水、无降水”闪电频数分布，并对所有网格进行计算；

基于ArcGIS，逐网格计算降水量与闪电频数间的Pearson相关性，得到一组相关系数的矩阵，记为γ：

其中，a₁₁,a₁₂,…,a_1n,…,a_m1,a_m2,…a_mn的取值范围均为[-1，1]，a_mn是第m行、第n列网格内闪电频数与降水量之间的相关系数；

少降水、无降水云地闪的计算方法为：

其中，N表示单位网格内的闪电频数，ξ是干雷电数量的矩阵；

步骤S2，植被雷击火区域识别；具体步骤如下：

S21：借助ArcGIS，分析MODIS森林火点数据NASA FIRMS；

S22：结合步骤S1得到的少降水云地闪识别结果，设定森林野火与云地闪空间≤30Km、时间≤3h为森林雷击火阈值区域，开始对两组数据遍历循环：

(1)循环开始时，对WWLLN数据中闪电发生时间和森林火灾资料中的观测时间进行处理，转换为时间戳；

(2)计算云地闪发生时间和火灾观测时间之间的时间差，当时间差小于等于3小时则进行下一步操作，不满足条件则进入下一轮循环；

(3)同时，计算云地闪发生位置与火灾发生位置之间的空间差，当空间差小于等于30km，则输出此条数据，否则进入下一轮循环；

步骤S3：森林雷击火风险等级识别。

2.根据权利要求1所述的遥感和地表雷击火环境相结合识别森林雷击火的方法，其特征在于：步骤S3森林雷击火风险等级识别中，采用核密度分析法，对步骤S2输出的森林雷击火数据进行处理，计算研究区域森林雷击火点分布密度，判别森林雷击火风险级别。

3.根据权利要求2所述的遥感和地表雷击火环境相结合识别森林雷击火的方法，其特征在于：对森林雷击火分布划分风险等级。