CN115331117A - 基于先验知识修正参数的GK-2a遥感火情监测方法 - Google Patents

基于先验知识修正参数的GK-2a遥感火情监测方法 Download PDF

Info

Publication number
CN115331117A
CN115331117A CN202211250748.8A CN202211250748A CN115331117A CN 115331117 A CN115331117 A CN 115331117A CN 202211250748 A CN202211250748 A CN 202211250748A CN 115331117 A CN115331117 A CN 115331117A
Authority
CN
China
Prior art keywords
fire
band
data
priori knowledge
remote sensing
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.)
Granted
Application number
CN202211250748.8A
Other languages
English (en)
Other versions
CN115331117B (zh
Inventor
逄增伦
王毅
刘其顺
逄增辉
武彬
孙晓燕
柳燕
王夏青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
QINGDAO HAOHAI NETWORK TECHNOLOGY CO LTD
Original Assignee
QINGDAO HAOHAI NETWORK TECHNOLOGY CO LTD
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by QINGDAO HAOHAI NETWORK TECHNOLOGY CO LTD filed Critical QINGDAO HAOHAI NETWORK TECHNOLOGY CO LTD
Priority to CN202211250748.8A priority Critical patent/CN115331117B/zh
Publication of CN115331117A publication Critical patent/CN115331117A/zh
Application granted granted Critical
Publication of CN115331117B publication Critical patent/CN115331117B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • 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
    • 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
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Fire Alarms (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了基于先验知识修正参数的GK‑2a遥感火情监测方法，涉及遥感火情监测技术领域，具体步骤包括：数据预处理；使用阈值判别方法去除云、水体、沙漠、耀斑点无效像元；有效背景下的疑似火点筛选；背景像元窗口提取和真实火点像元判别；虚假火点去除。本发明解决了现阶段利用GK‑2a数据提取火点的算法在大面积区域普适性较差，在不同地区火点提取效果不一致的问题，有效增加算法的适用性，提升火点提取能力，提高火点提取精度，达到火点监测的准确性和算法鲁棒性的兼顾，实现快速有效的遥感火情监测需求，满足火情监测工作在保护人民生命财产安全中的提升拓展。

Description

基于先验知识修正参数的GK-2a遥感火情监测方法
技术领域
本发明涉及遥感火情监测技术领域，尤其是一种基于先验知识修正参数的GK-2a遥感火情监测方法。
背景技术
火灾影响全球生态系统模式和过程，包括植被分布和结构、碳循环和气候。森林火灾会导致土壤贫瘠，破坏森林结构，造成生态环境失衡；损坏基础设施，造成经济损失，危害人类健康，甚至威胁人类生命安全。因此森林防火工作是保护森林资源的重要部分。准确的监测森林火灾可以及时控制火灾的发展蔓延，降低损失。GeoKompsat2A（简称“GK-2a”）是韩国新一代地球同步气象卫星，2018年12月4日发射，2019年7月25日开始提供数据服务，定位于128.2°E的赤道上空。GK-2A携带先进气象成像仪(Advanced Meteorological Imager，AMI)具有更高的辐射、光谱、时间和空间分辨率；AMI的硬件配置与GOES-16系列和Himawari-8/9相似，每10分钟扫描一次地球完整磁盘，特定区域可每2分钟扫描一次，AMI通道覆盖可见光-近红外、中红外和远红外，共16个通道，空间分辨率为0.5、1和2km，包含有利于火点判识的3.8µm、11.2µm和12.3µm通道。
卫星遥感监测方式，具有监测范围大、覆盖性强，瞬时成像、实时传输、快速处理、迅速获取信息和实时动态监测、受地面影响小等优势。常温地物热辐射能最的峰值位于长波红外波段,随着温度升高，热辐射的峰值向波长较短的波段移动。因此火点的一个显著特征就是中红外波段的辐射能最高于常温地物,通过温感观测的辐射能可以计算物体的先度温度，基于上述特征可设置适当的亮度温度阔值实现基于遥感卫星数据的火点判别。GK-2a作为静止卫星，其一特点是监测范围大，一景遥感影像可以监测到全球大部分地区，这就导致不同采用单一或不变阈值对全球不同区域进行火点提取的算法鲁棒性较差；另一特点为因其相对于地球相对静止，这就导致画幅中观测到的区域位置不发生改变。
发明内容
本发明的目的在于重点解决GK-2a数据的覆盖面积广，现有针对该数据不同地区的火点提取方法单一、且固定，火点提取准确率无法在广范围和长时间中得到有效延续的问题，提供了一种基于先验知识修正参数的GK-2a数据遥感火情监测方法，以达到火点监测的准确性和算法鲁棒性的兼顾，实现快速有效的遥感火情监测需求，满足火情监测工作在保护人民生命财产安全中的提升拓展，具体的技术方案如下：
基于先验知识修正参数的GK-2a遥感火情监测方法，包括如下步骤：基于先验知识修正参数的GK-2a遥感火情监测方法，包括如下步骤：
步骤1，获取静止轨道GK-2a卫星数据；
步骤2，对步骤1所得卫星数据进行预处理；
步骤3，对步骤2预处理后的数据进行无效像元去除；
步骤4，在步骤3所得数据的基础上采用阈值判别的方法提取疑似火点；
步骤5，对步骤4所得疑似火点进行背景像元窗口提取：采用自适应窗口对可疑火点进行遍历，提取合适窗口大小的区域像元值；
步骤6，采用阈值判别的方法进行真实火点判别；
步骤7，对步骤6所得数据进行虚假火点剔除；
其中步骤4中具体判别方法为：
Figure 443386DEST_PATH_IMAGE001
Figure 829368DEST_PATH_IMAGE002
其中，
Figure 937002DEST_PATH_IMAGE003
为中间变量；
Figure 597790DEST_PATH_IMAGE004
为数据波段7的亮度温度；
Figure 881004DEST_PATH_IMAGE005
为数据波段15的亮度温 度；中间变量LIM计算公式为：
Figure 31362DEST_PATH_IMAGE006
其中，
Figure 563975DEST_PATH_IMAGE003
为中间变量；
Figure 966137DEST_PATH_IMAGE007
为经度；
Figure 228491DEST_PATH_IMAGE008
为纬度；
所述步骤6中真实火点判别方法具体为：
Figure 487435DEST_PATH_IMAGE009
Figure 445026DEST_PATH_IMAGE010
其中，
Figure 775513DEST_PATH_IMAGE004
为数据波段7的亮度温度；
Figure 564478DEST_PATH_IMAGE005
为数据波段15的亮度温度；
Figure 463164DEST_PATH_IMAGE011
为窗 口波段7的亮度温度均值；
Figure 32685DEST_PATH_IMAGE012
为窗口波段15的亮度温度均值；
Figure 573388DEST_PATH_IMAGE013
、
Figure 685701DEST_PATH_IMAGE014
、
Figure 348763DEST_PATH_IMAGE015
为先验知识，其中
Figure 343264DEST_PATH_IMAGE014
为调整
Figure 890920DEST_PATH_IMAGE004
、
Figure 716793DEST_PATH_IMAGE005
两通道火点差异性阈值的先验知识参数，
Figure 754020DEST_PATH_IMAGE013
和
Figure 173500DEST_PATH_IMAGE015
是调整
Figure 383901DEST_PATH_IMAGE004
通道数据同
Figure 1964DEST_PATH_IMAGE005
通道数据均值差异的参数；
Figure 413354DEST_PATH_IMAGE016
为窗口波段7的标准差；
Figure 179185DEST_PATH_IMAGE017
为窗口波段7和波段15 之差的标准差。
上述的基于先验知识修正参数的GK-2a遥感火情监测方法，所述步骤1中GK-2a卫星数据作为特征提取火点所需要的波段为第3波段：中心波长0.64μm、第4波段：中心波长0.85μm、第6波段：中心波长1.61μm、第7波段：中心波长3.83μm和第15波段：中心波长12.36μm。
上述的基于先验知识修正参数的GK-2a遥感火情监测方法，所述步骤3中无效像元去除包括云像元、水体像元、沙漠像元及耀斑点区域的去除。
上述的基于先验知识修正参数的GK-2a遥感火情监测方法，所述云像元的标记方法为：
Figure 68643DEST_PATH_IMAGE018
Figure 806792DEST_PATH_IMAGE019
Figure 248138DEST_PATH_IMAGE020
式中
Figure 438948DEST_PATH_IMAGE004
为数据波段7的亮度温度；
Figure 132097DEST_PATH_IMAGE005
为数据波段15的亮度温度；
Figure 521490DEST_PATH_IMAGE021
为数据波段3 的反射率；
Figure 71420DEST_PATH_IMAGE022
为数据波段4的反射率。
上述的基于先验知识修正参数的GK-2a遥感火情监测方法，所述水体像元的标记方法为：
Figure 952789DEST_PATH_IMAGE023
式中
Figure 308684DEST_PATH_IMAGE021
为数据波段3的反射率；
Figure 959108DEST_PATH_IMAGE022
为数据波段4的反射率；
Figure 414360DEST_PATH_IMAGE024
为数据波段6的反射 率。
上述的基于先验知识修正参数的GK-2a遥感火情监测方法，所述沙漠像元的标记方法为：
Figure 642079DEST_PATH_IMAGE025
Figure 677031DEST_PATH_IMAGE026
Figure 244279DEST_PATH_IMAGE027
Figure 932749DEST_PATH_IMAGE028
Figure 788709DEST_PATH_IMAGE029
Figure 424090DEST_PATH_IMAGE030
式中
Figure 642582DEST_PATH_IMAGE004
为数据波段7的亮度温度；
Figure 908478DEST_PATH_IMAGE005
为数据波段15的亮度温度；
Figure 782893DEST_PATH_IMAGE021
为数据波段3 的反射率；
Figure 284282DEST_PATH_IMAGE022
为数据波段4的反射率；
Figure 763805DEST_PATH_IMAGE024
为数据波段6的反射率。
上述的基于先验知识修正参数的GK-2a遥感火情监测方法，所述耀斑点区域的判别方法为：
Figure 997340DEST_PATH_IMAGE031
Figure 421368DEST_PATH_IMAGE032
式中
Figure 601814DEST_PATH_IMAGE033
为耀斑角；
Figure 732581DEST_PATH_IMAGE021
为数据波段3的反射率；
Figure 199334DEST_PATH_IMAGE022
为数据波段4的反射率。
上述的基于先验知识修正参数的GK-2a遥感火情监测方法，所述步骤5中自适应窗口大小的变化逻辑为：以可疑火点为窗口中心，初始提取5*5的窗口大小，在有效像元个数占窗口大小的80%以上时，固定有效窗口大小；若不满足，将以步长为2进行窗口扩大，直到扩大为15*15大小停止。
上述的基于先验知识修正参数的GK-2a遥感火情监测方法，所述步骤6中虚假火点去除后，将该去除的虚假火点作为先验知识纳入下一次火点监测中。
本发明的有益效果是，本发明公开了一种基于先验知识修正参数的GK-2a数据遥感火情监测方法，解决了现阶段利用GK-2a数据提取火点的算法在大面积区域普适性较差，在不同地区火点提取效果不一致的问题，有效增加算法的适用性，提升火点提取能力，提高火点提取精度，达到火点监测的准确性和算法鲁棒性的兼顾，实现快速有效的遥感火情监测需求，满足火情监测工作在保护人民生命财产安全中的提升拓展。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明技术路线图；
图2是本发明经纬度信息、太阳方位角高度角和卫星方位角高度角圆盘图，其中（a）为经度信息圆盘图，（b）为纬度信息圆盘图，（c）为太阳方位角圆盘图，（d）为太阳高度角圆盘图，（e）为卫星方位角圆盘图，（f）为卫星高度角圆盘图。
具体实施方式
为使本领域技术人员更好的理解本发明的技术方案，下面结合附图和具体实施方式对本发明作详细说明。
本实施例公开了一种基于先验知识修正参数的GK-2a数据遥感火情监测方法，以2022年4月10日山东省威海市文登区火点提取过程和结果为例，并结合过程以及过程附图对具体实施过程进行进一步说明。
火情监测方法如图1所示，具体包括如下步骤：
（1）数据预处理：GK-2a数据的经纬度计算、太阳方位角高度角和卫星方位角高度角的计算、投影转换、辐射校正、大气校正、区域掩膜等；
经纬度信息、太阳方位角高度角和卫星方位角高度角信息圆盘的计算结果如图2所示，其中图2中，（a）为经度信息圆盘图，（b）为纬度信息圆盘图，（c）为太阳方位角圆盘图，（d）为太阳高度角圆盘图，（e）为卫星方位角圆盘图，（f）为卫星高度角圆盘图，对红外波段数据利用了6S辐射传输模型进行了大气校正，并依据经纬度信息对数据圆盘进行重投影操作。
（2）无效像元去除：使用阈值判别方法去除云、水体、沙漠、耀斑点等区域；
在本实施例中，威海市文登区没有沙漠及耀斑点，因此在进行无效像元去除时只需要去除云像元和水体像元；
（3）有效背景下的疑似火点筛选：在去除云、水体、沙漠等区域后的区域中，采用阈值判别方法提取可能为火点的像元，并标记，此过程可以在接下来的过程中节约计算资源；
（4）背景像元窗口提取：采用自适应窗口对可疑火点进行遍历，提取合适窗口大小的区域像元值，并计算如均值等判别参数；
（5）真实火点像元判别：使用阈值判别的方法进行真实火点的判别。
在本实施例中，最终输出的真实火点位置，提取的火点的中心亮温为319.1K，经纬度为37°20′44″N、121°49′11″，符合真实火点的位置。
（6）虚假火点去除：对如光伏电站、发电站等假火点进行剔除，确保真火点的准确性，在本实施例中，没有虚假火点，因此没有进行虚假火点剔除。
进一步的，步骤（2）中，云像元的标记方法如式：
Figure 251604DEST_PATH_IMAGE034
Figure 766899DEST_PATH_IMAGE035
Figure 80068DEST_PATH_IMAGE036
式中
Figure 858668DEST_PATH_IMAGE037
为数据波段7的亮度温度；
Figure 194972DEST_PATH_IMAGE038
为数据波段3的反射率；
Figure 841854DEST_PATH_IMAGE039
为数据波段4的反 射率。
进一步的，步骤（2）中，水像元的标记方法如式：
Figure 884896DEST_PATH_IMAGE040
式中
Figure 631135DEST_PATH_IMAGE038
为数据波段3的反射率；
Figure 517052DEST_PATH_IMAGE039
为数据波段4的反射率；
Figure 577412DEST_PATH_IMAGE041
为数据波段6的反射 率。
进一步的，步骤（2）中，沙漠像元的标记方法如式：
Figure 537277DEST_PATH_IMAGE042
Figure 782314DEST_PATH_IMAGE043
Figure 30893DEST_PATH_IMAGE044
Figure 691681DEST_PATH_IMAGE045
Figure 833950DEST_PATH_IMAGE046
Figure 125254DEST_PATH_IMAGE047
式中
Figure 657866DEST_PATH_IMAGE037
为数据波段7的亮度温度；
Figure 450242DEST_PATH_IMAGE048
为数据波段15的亮度温度；
Figure 56803DEST_PATH_IMAGE038
为数据波段 3的反射率；
Figure 581326DEST_PATH_IMAGE039
为数据波段4的反射率；
Figure 929130DEST_PATH_IMAGE041
为数据波段6的反射率。
进一步的，步骤（2）中，耀斑点像元的标记过程如下。
Figure 869405DEST_PATH_IMAGE049
式中
Figure 658369DEST_PATH_IMAGE050
为耀斑角；
Figure 416109DEST_PATH_IMAGE051
为卫星观测天顶角；
Figure 860997DEST_PATH_IMAGE052
为太阳观测天顶角；
Figure 667279DEST_PATH_IMAGE053
为卫星方位角 和太阳天顶角只差。
计算完
Figure 638646DEST_PATH_IMAGE050
耀斑角，即可进行耀斑点像元的判断：
Figure 442654DEST_PATH_IMAGE054
Figure 437155DEST_PATH_IMAGE055
式中
Figure 843866DEST_PATH_IMAGE050
为耀斑角；
Figure 810685DEST_PATH_IMAGE038
为数据波段3的反射率；
Figure 582332DEST_PATH_IMAGE039
为数据波段4的反射率。
作为本发明的进一步改进，所述步骤（3）中，因为不同位置的地区性差异，因为纬度、海拔差异等因素，导致平均亮度温度存在着显著性差异，具体来说高纬度地区因光照时间短，太阳天顶角大，其平均的亮度温度相较于低纬度地区更低；另外一方面，受到海拔和下垫面等因素的影响，地表温度区分较大。依据以上的先验知识，本发明对可疑火点的提取阈值参数进行了修正调整，避免出现全国使用统一的阈值进行计算所导致的如西部地区的火点漏报而东部地区的火点却多报错报等问题。为了获取全国有效可疑火点的提取，基于GK-2a数据热红外通道数据，提出了基于先验知识阈值调整的可疑火点判别方法，具体的判别方法公式如下：
Figure 126445DEST_PATH_IMAGE056
式中
Figure 477792DEST_PATH_IMAGE057
为中间变量；
Figure 95855DEST_PATH_IMAGE058
为经度；
Figure 366300DEST_PATH_IMAGE059
为纬度。判断式如下：
Figure 273076DEST_PATH_IMAGE060
Figure 959272DEST_PATH_IMAGE061
式中
Figure 759738DEST_PATH_IMAGE057
为中间变量；
Figure 76450DEST_PATH_IMAGE037
为数据波段7的亮度温度；
Figure 267260DEST_PATH_IMAGE048
为数据波段15的亮度 温度。
进一步的，步骤（4）中，提取窗口的大小变化逻辑为，以可疑火点为窗口中心，初始提取5*5的窗口大小，在有效像元个数（排除云像元、水像元、沙漠像元等）占窗口大小的80%以上时，固定有效窗口大小；若不满足，将以步长为2进行窗口扩大，直到扩大为15*15大小停止。
作为本发明的进一步改进，在步骤（5）真实火点的判断中，主要引入了窗口波段的亮温标准差和均值。因为不同地区的下垫面情况并不相同，这就导致不同地区的以可疑火点为中心的窗口均值标准差具有较大的差异性。在东部地区由于地物种类的差异化程度远远大于西部地区，例如城市热岛效应等情况的出现使得窗口内亮温差异性出现较大变化。同时由于GK-2a数据的空间分辨率较差（部分波段为2km），混合像元的数量大大增加，这就使得简单采用土地利用类型进行判别的方法有很大的局限性。本创新采用可变阈值的方法，将不同地区的阈值变化量作为先验知识指导火点的计算，同时在基于先验知识的火点结果不理想时改变该地区的先验知识，进而不断完善火点算法和火点提取能力。具体的判别方法公式如下：
Figure 819464DEST_PATH_IMAGE062
Figure 615381DEST_PATH_IMAGE063
Figure 165311DEST_PATH_IMAGE064
其中，
Figure 905734DEST_PATH_IMAGE037
为数据波段7的亮度温度；
Figure 136996DEST_PATH_IMAGE048
为数据波段15的亮度温度；
Figure 584157DEST_PATH_IMAGE065
为窗 口波段7的亮度温度均值；
Figure 632885DEST_PATH_IMAGE066
为窗口波段15的亮度温度均值；
Figure 735970DEST_PATH_IMAGE067
为窗口波段7的 标准差；
Figure 567660DEST_PATH_IMAGE068
为窗口波段7和波段15之差的标准差；
Figure 931645DEST_PATH_IMAGE013
、
Figure 26640DEST_PATH_IMAGE014
、
Figure 679338DEST_PATH_IMAGE015
为先验知识，针对与实际中 的影响火点提取较大的影响因素，采用其他辅助数据的先验知识对火点提取阈值进行限 制，如地类信息、经纬度信息和气象数据等，其中
Figure 377036DEST_PATH_IMAGE014
为调整
Figure 736473DEST_PATH_IMAGE004
、
Figure 799107DEST_PATH_IMAGE005
两通道火点差异性阈值 的先验知识参数，
Figure 1418DEST_PATH_IMAGE013
和
Figure 378173DEST_PATH_IMAGE015
是调整
Figure 654433DEST_PATH_IMAGE004
通道数据同
Figure 950286DEST_PATH_IMAGE005
通道数据均值差异的参数。
例如当引入土地利用数据时，可以利用土地利用类型才差异对火点提取的阈值进 行按地区区分，将耕地、林地、草地、水域、城乡居民用地、未利用土地和其他类的输入值τ分 别定义为8、12、8、7、4、4和7，此时
Figure 515259DEST_PATH_IMAGE069
，
Figure 226863DEST_PATH_IMAGE070
，
Figure 951106DEST_PATH_IMAGE067
为窗口波 段7的标准差；
Figure 293225DEST_PATH_IMAGE068
为窗口波段7和波段15之差的标准差，可以写为：
Figure 142232DEST_PATH_IMAGE071
Figure 985424DEST_PATH_IMAGE072
Figure 173959DEST_PATH_IMAGE073
又例如，在我国的西北方地区，相较于东南方地区，地表植被类型覆盖差别较大，西北地区的火点像元对比周围地区的火点像元亮温差别更小，这里引入经纬度信息作为先验知识进行阈值的我国不同区域划分，可以写为：
Figure 749297DEST_PATH_IMAGE074
Figure 436934DEST_PATH_IMAGE075
Figure 693603DEST_PATH_IMAGE076
式中
Figure 798963DEST_PATH_IMAGE037
为数据波段7的亮度温度；
Figure 873098DEST_PATH_IMAGE048
为数据波段15的亮度温度；
Figure 368801DEST_PATH_IMAGE065
为窗 口波段7的亮度温度均值；
Figure 819374DEST_PATH_IMAGE066
为窗口波段15的亮度温度均值；
Figure 779240DEST_PATH_IMAGE067
为窗口波段7的标 准差；
Figure 634063DEST_PATH_IMAGE068
为窗口波段7和波段15之差的标准差，
Figure 272855DEST_PATH_IMAGE058
为经度。
作为本发明的进一步改进，在步骤（6）中，虚假火点的去除后同样作为先验知识纳入下一次的火点监测中。具体来说，如果某地多次误报，则将该处作为虚假火点异常位置纳入先验知识进行标记，在下次火点提取的步骤（2）中，直接将该位置进行剔除。同时，设定一定的时间，将虚假火点异常位置从先验知识中进行释放再判断，防止因地表下垫面的变化出现火点而被规避，以免造成火点漏报的情况出现。
作为本发明的进一步改进，在步骤（2）、步骤（5）和步骤（6）中，所使用的先验知识数据存放在数据库中，并在火点提取过程中不断更新，提供给接下来的火点提取工作。
以上实施例仅为本发明的示例性实施例，不用于限制本发明，本发明的保护范围由权利要求书限定。本领域技术人员可以在本发明的实质和保护范围内，对本发明做出各种修改或等同替换，这种修改或等同替换也应视为落在本发明的保护范围内。

Claims (9)

1.基于先验知识修正参数的GK-2a遥感火情监测方法，其特征在于，包括如下步骤：
步骤1，获取静止轨道GK-2a卫星数据；
步骤2，对步骤1所得卫星数据进行预处理；
步骤3，对步骤2预处理后的数据进行无效像元去除；
步骤4，在步骤3所得数据的基础上采用阈值判别的方法提取疑似火点；
步骤5，对步骤4所得疑似火点进行背景像元窗口提取：采用自适应窗口对可疑火点进行遍历，提取合适窗口大小的区域像元值；
步骤6，采用阈值判别的方法进行真实火点判别；
步骤7，对步骤6所得数据进行虚假火点剔除；
其中步骤4中具体判别方法为：
Figure 744518DEST_PATH_IMAGE002
Figure 927238DEST_PATH_IMAGE004
其中，
Figure 362768DEST_PATH_IMAGE005
为中间变量；
Figure 23556DEST_PATH_IMAGE006
为数据波段7的亮度温度；
Figure 103507DEST_PATH_IMAGE007
为数据波段15的亮度温度；中 间变量LIM计算公式为：
Figure 332495DEST_PATH_IMAGE008
其中，
Figure 865107DEST_PATH_IMAGE005
为中间变量；
Figure 329587DEST_PATH_IMAGE009
为经度；
Figure 152793DEST_PATH_IMAGE010
为纬度；
所述步骤6中真实火点判别方法具体为：
Figure DEST_PATH_IMAGE011
Figure 677315DEST_PATH_IMAGE012
其中，
Figure 838169DEST_PATH_IMAGE006
为数据波段7的亮度温度；
Figure 840760DEST_PATH_IMAGE007
为数据波段15的亮度温度；
Figure 629724DEST_PATH_IMAGE013
为窗口波段 7的亮度温度均值；
Figure 715361DEST_PATH_IMAGE014
为窗口波段15的亮度温度均值；
Figure 222566DEST_PATH_IMAGE015
、
Figure 763268DEST_PATH_IMAGE016
、
Figure 813264DEST_PATH_IMAGE017
为先验知识，其中
Figure 414010DEST_PATH_IMAGE016
为调 整
Figure 408511DEST_PATH_IMAGE006
、
Figure 644582DEST_PATH_IMAGE007
两通道火点差异性阈值的先验知识参数，
Figure 408139DEST_PATH_IMAGE015
和
Figure 445365DEST_PATH_IMAGE017
是调整
Figure 536949DEST_PATH_IMAGE006
通道数据同
Figure 950613DEST_PATH_IMAGE007
通道 数据均值差异的参数；
Figure 568676DEST_PATH_IMAGE018
为窗口波段7的标准差；
Figure 901437DEST_PATH_IMAGE019
为窗口波段7和波段15之差的 标准差。
2.根据权利要求1所述的基于先验知识修正参数的GK-2a遥感火情监测方法，其特征在于，所述步骤1中GK-2a卫星数据作为特征提取火点所需要的波段为第3波段：中心波长0.64μm、第4波段：中心波长0.85μm、第6波段：中心波长1.61μm、第7波段：中心波长3.83μm和第15波段：中心波长12.36μm。
3.根据权利要求1所述的基于先验知识修正参数的GK-2a遥感火情监测方法，其特征在于，所述步骤3中无效像元去除包括云像元、水体像元、沙漠像元及耀斑点区域的去除。
4.根据权利要求3所述的基于先验知识修正参数的GK-2a遥感火情监测方法，其特征在于，所述云像元的标记方法为：
Figure 870530DEST_PATH_IMAGE021
Figure 556726DEST_PATH_IMAGE023
Figure 170241DEST_PATH_IMAGE025
式中
Figure 814849DEST_PATH_IMAGE006
为数据波段7的亮度温度；
Figure 5659DEST_PATH_IMAGE007
为数据波段15的亮度温度；
Figure 112856DEST_PATH_IMAGE026
为数据波段3的反 射率；
Figure 705511DEST_PATH_IMAGE027
为数据波段4的反射率。
5.根据权利要求3所述的基于先验知识修正参数的GK-2a遥感火情监测方法，其特征在于，所述水体像元的标记方法为：
Figure 255441DEST_PATH_IMAGE029
式中
Figure 808914DEST_PATH_IMAGE026
为数据波段3的反射率；
Figure 368071DEST_PATH_IMAGE027
为数据波段4的反射率；
Figure 815233DEST_PATH_IMAGE030
为数据波段6的反射率。
6.根据权利要求3所述的基于先验知识修正参数的GK-2a遥感火情监测方法，其特征在于，所述沙漠像元的标记方法为：
Figure 395119DEST_PATH_IMAGE032
Figure 826100DEST_PATH_IMAGE034
Figure 657790DEST_PATH_IMAGE036
Figure 100403DEST_PATH_IMAGE038
Figure 992136DEST_PATH_IMAGE040
Figure 644834DEST_PATH_IMAGE042
式中
Figure 906314DEST_PATH_IMAGE006
为数据波段7的亮度温度；
Figure 328068DEST_PATH_IMAGE007
为数据波段15的亮度温度；
Figure 390702DEST_PATH_IMAGE026
为数据波段3的反 射率；
Figure 140483DEST_PATH_IMAGE027
为数据波段4的反射率；
Figure 845134DEST_PATH_IMAGE030
为数据波段6的反射率。
7.根据权利要求3所述的基于先验知识修正参数的GK-2a遥感火情监测方法，其特征在于，所述耀斑点区域的判别方法为：
Figure 121394DEST_PATH_IMAGE044
Figure 479563DEST_PATH_IMAGE046
式中
Figure DEST_PATH_IMAGE047
为耀斑角；
Figure 372433DEST_PATH_IMAGE026
为数据波段3的反射率；
Figure 224983DEST_PATH_IMAGE027
为数据波段4的反射率。
8.根据权利要求1所述的基于先验知识修正参数的GK-2a遥感火情监测方法，其特征在于，所述步骤5中自适应窗口大小的变化逻辑为：以可疑火点为窗口中心，初始提取5*5的窗口大小，在有效像元个数占窗口大小的80%以上时，固定有效窗口大小；若不满足，将以步长为2进行窗口扩大，直到扩大为15*15大小停止。
9.根据权利要求1所述的基于先验知识修正参数的GK-2a遥感火情监测方法，其特征在于，所述步骤6中虚假火点去除后，将该去除的虚假火点作为先验知识纳入下一次火点监测中。
CN202211250748.8A 2022-10-13 2022-10-13 基于先验知识修正参数的GK-2a遥感火情监测方法 Active CN115331117B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211250748.8A CN115331117B (zh) 2022-10-13 2022-10-13 基于先验知识修正参数的GK-2a遥感火情监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211250748.8A CN115331117B (zh) 2022-10-13 2022-10-13 基于先验知识修正参数的GK-2a遥感火情监测方法

Publications (2)

Publication Number Publication Date
CN115331117A true CN115331117A (zh) 2022-11-11
CN115331117B CN115331117B (zh) 2023-02-10

Family

ID=83914993

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211250748.8A Active CN115331117B (zh) 2022-10-13 2022-10-13 基于先验知识修正参数的GK-2a遥感火情监测方法

Country Status (1)

Country Link
CN (1) CN115331117B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112488091A (zh) * 2021-02-02 2021-03-12 中科星图股份有限公司 基于地球同步轨道卫星影像的火情监测方法及装置
CN112712275A (zh) * 2021-01-07 2021-04-27 南京大学 基于Maxent和GIS的森林火灾风险评估方法
US20220148190A1 (en) * 2021-01-20 2022-05-12 Beijing Baidu Netcom Science Technology Co., Ltd. Method, electronic device and storage medium for detecting change of building
CN114663776A (zh) * 2022-02-25 2022-06-24 星图智绘(西安)数字科技有限公司 一种基于gk-2a的高频空间自适应阈值火情遥感监测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112712275A (zh) * 2021-01-07 2021-04-27 南京大学 基于Maxent和GIS的森林火灾风险评估方法
US20220148190A1 (en) * 2021-01-20 2022-05-12 Beijing Baidu Netcom Science Technology Co., Ltd. Method, electronic device and storage medium for detecting change of building
CN112488091A (zh) * 2021-02-02 2021-03-12 中科星图股份有限公司 基于地球同步轨道卫星影像的火情监测方法及装置
CN114663776A (zh) * 2022-02-25 2022-06-24 星图智绘(西安)数字科技有限公司 一种基于gk-2a的高频空间自适应阈值火情遥感监测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WINFRIED HALLE，AND ETC: "Firebird― Small Satellites for Wild Fire Assessment", 《IGARSS 2018 - 2018 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM》 *
周强等: "基于Himawari-8卫星的自适应阈值火点判识算法适用性分析", 《海洋气象学报》 *

Also Published As

Publication number Publication date
CN115331117B (zh) 2023-02-10

Similar Documents

Publication Publication Date Title
Murakami Analysis of the deep convective activity over the western Pacific and southeast Asia Part I: Diurnal variation
Chow et al. Intra-hour forecasting with a total sky imager at the UC San Diego solar energy testbed
Levizzani et al. Multispectral, high-resolution satellite observations of plumes on top of convective storms
Cao et al. Detecting light outages after severe storms using the S-NPP/VIIRS day/night band radiances
CN108564761B (zh) 基于风云气象卫星数据的林火识别方法
CN102565778B (zh) 一种自动提取伪不变特征的遥感图像相对辐射校正方法
Harris et al. Automated, high temporal resolution, thermal analysis of Kilauea volcano, Hawai'i, using GOES satellite data
CN113221057B (zh) 基于多时相卫星影像的秸秆焚烧火点监测方法
CN111008599B (zh) 一种基于时间尺度特征评估的山火同步卫星监测预警方法及系统
CN109214341B (zh) 一种基于Himawari8的火点监测算法
CN112113913B (zh) 一种基于背景阈值的Himawari8陆地火点探测算法
CN103322981B (zh) Tdi ccd相机的成像参数在轨优化方法
CN112665728B (zh) 一种基于双时相影像的亮温差校正火点检测的方法
CN113537018A (zh) 基于多时相卫星遥感和无人机技术的水土保持监测方法
CN114663776A (zh) 一种基于gk-2a的高频空间自适应阈值火情遥感监测方法
CN108509844B (zh) 基于地基云图的vper云团识别方法
CN114923867B (zh) 基于fy-3d mersi-ii数据的赤潮监测方法及装置
CN112697279B (zh) 一种基于空间上下文特征的森林火点大范围检测方法
Liang et al. Monitoring and risk assessment of wildfires in the corridors of high-voltage transmission lines
CN113218508A (zh) 一种基于Himawari-8卫星数据的林火判别方法
Inoue Features of clouds over the tropical Pacific during northern hemispheric winter derived from split window measurements
CN115331117B (zh) 基于先验知识修正参数的GK-2a遥感火情监测方法
CN104881659A (zh) 一种不透水层的提取方法及装置
CN114964514A (zh) 一种基于gk-2a的变时能量阈值火情遥感监测方法
Chen et al. Application of FY-4B geostationary meteorological satellite in grassland fire dynamic monitoring

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