CN116047546A - 基于多源卫星数据的山火监测方法 - Google Patents
基于多源卫星数据的山火监测方法 Download PDFInfo
- Publication number
- CN116047546A CN116047546A CN202210804344.2A CN202210804344A CN116047546A CN 116047546 A CN116047546 A CN 116047546A CN 202210804344 A CN202210804344 A CN 202210804344A CN 116047546 A CN116047546 A CN 116047546A
- Authority
- CN
- China
- Prior art keywords
- heat source
- mountain fire
- res
- fire monitoring
- max
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 230000010354 integration Effects 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 5
- 101100511466 Caenorhabditis elegans lon-1 gene Proteins 0.000 claims description 6
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 claims description 6
- PCHPORCSPXIHLZ-UHFFFAOYSA-N diphenhydramine hydrochloride Chemical compound [Cl-].C=1C=CC=CC=1C(OCC[NH+](C)C)C1=CC=CC=C1 PCHPORCSPXIHLZ-UHFFFAOYSA-N 0.000 claims description 6
- 101100182248 Caenorhabditis elegans lat-2 gene Proteins 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 2
- 230000006855 networking Effects 0.000 abstract description 4
- 241000208818 Helianthus Species 0.000 description 2
- 235000003222 Helianthus annuus Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Fire Alarms (AREA)
Abstract
本发明公开了一种基于多源卫星数据的山火监测方法，包括以下步骤：时间流截断，即按时间段提取每个卫星系统的山火监测结果；热源点信息提取，即对每个卫星系统的山火监测结果进行统一格点化处理；单卫星系统整合，即对单个卫星系统的山火监测结果进行事件聚类、编号、以及边界提取；多卫星系统整合，即把不同卫星系统的相同的热源簇标记出来。本发明通过卫星系统组网有效地提高了山火监测的时空分辨率和监测准确性，减少了误判和漏判；可以作为通用的组网算法应用在多源卫星的山火监测当中，并为后续山火监测产品面向不同用户提供了有效的数据支持，减少存储空间。
Description
技术领域
本发明涉及气象观测领域，尤其是涉及一种基于多源卫星数据的山火监测方法。
背景技术
不同种类的卫星系统能提供不同的观测和测量能力，可以用来监测不同的火灾特征：干燥且易受野火爆发影响的地区、活跃燃烧区和闷烧区、已过火区域以及烟雾和微量气体排放。目前，有几种卫星系统(极轨气象卫星系统、静止气象卫星系统、以及国土资源卫星系统等)可针对在空间分辨率、灵敏程度、多光谱通道、过境时间和频率方面进行不同能力的火灾监测。但是，火灾在大小、持续时间、温度上差异很大，比如在潮湿的热带地区，火灾具有很强的日间循环。目前没有哪个卫星系统能为火灾监控提供最佳特性，所以需要多传感器数据融合来优化当前系统的使用。如何在不丢失信息的条件下，高效应用不同卫星的数据，从时空多个维度来满足对山火的监测，是一个亟需解决的问题。
发明内容
针对现有技术存在的上述问题，本发明提供了一种基于多源卫星数据的山火监测方法，采用先时间匹配、再空间匹配的方法，将不同的卫星监测系统下的山火产品进行匹配，最终融合成高时空分辨率、高精准度的山火监测产品，并在保证原始数据不丢失的前提下添加更多有效信息。
本发明的技术方案如下：
基于多源卫星数据的山火监测方法，包括以下步骤：
S1：选定需要监测山火的地区，即山火地区；
S2：时间流截断，具体步骤如下：
S2-1：采集在山火地区过境的所有卫星系统对山火地区的监测结果；
S2-2：以时长τ为时间间隔，将时间轴划分为M段：T1、T2、…、TM；
S2-3：对步骤S2-1的监测结果进行拆分，如果某个卫星系统的观测时间在时间间隔Tx内，则将该卫星系统在这段时间内的监测结果标记为该卫星系统属于时间间隔Tx的山火监测产品：
Product(wildfire1,wildfire2,…,wildfireN)
其中wildfire1、wildfire2、…、wildfireN代表该卫星系统监测到的N个山火数据；
S3：热源点信息提取，即在相同的地理坐标系和近似原始分辨率的条件下，对山火监测产品Product(wildfire1,wildfire2,…,wildfireN)进行统一格点化处理，得到格点化山火监测产品：
Grid(wildfire1,wildfire2,…,wildfireN)；
S4：单卫星系统整合，即对卫星系统的格点化山火监测产品进行事件聚类、编号、以及边界提取；重复执行步骤S2至S4，直至在山火地区过境的所有卫星系统的格点化山火监测产品都整合完毕；
S5：多卫星系统整合，具体步骤如下：
S5-1：把不同卫星系统的格点化山火监测产品中的相同的热源簇标记出来；
S5-2：按照山火事件编号，每个山火事件中包括不同卫星系统下的热源簇，每个热源簇中包含热源点的以下信息：亮温、坐标、下垫面信息、卫星系统来源、空间分辨率；
S5-3：将山火事件的数据保存为json格式。
进一步的，步骤S4的具体步骤如下：
S4-1：采用二值图像轮廓提取算法对空间连续多热源点的外轮廓进行提取，同一外轮廓被记录为同一热源簇；对属于不同外轮廓下的热源簇进行一一编号；
S4-2：在识别过程中有比较小范围的热源点被归为单独的热源簇，即热源簇中热源点的数量≤2时，处理方法如下：
(1)如果热源簇中热源点的数量为1，那么热源簇的外轮廓坐标为：
左上：
左下：
右上：
右下：
其中热源点坐标为(lon,lat)，分辨率为reslon、reslat；
(2)如果热源簇中热源点的数量为2，那么热源簇的外轮廓坐标为：
左上：
左下：
右上：
右下：
其中2个热源点坐标分别为：(lon1,lat1)、(lon1,lat2)，分辨率分别为：reslon、reslat；
S4-3：记录下所有热源簇中被识别成热源点的信息：亮温、坐标、下垫面信息、卫星系统来源、空间分辨率。
进一步的，步骤S5-1的具体步骤如下：
S5-1-1：查找不同卫星系统的分辨率，将最高分辨率记录为res_min，最低分辨分辨率记录为res_max；
S5-1-2：查找所有热源簇的经纬度记录最大经度lonmax，最大纬度latmax，最小经度lonmin，最小纬度latmin；
S5-1-3：设置画布frame，frame的分辨率为res_min,边界为:
左上：[lonmax+2×res_max，latmax+2×res_max],
左下：[lonmax+2×res_max，latmax-2×res_max],
右上：[lonmax-2×res_max，latmax+2×res_max],
右下：[lonmax-2×res_max，latmax-2×res_max]；
S5-1-4：在frame进行热源簇标记，将面积交叉的热源簇记录为相同的热源簇。
进一步的，步骤S5-1-4判断两个热源簇的面积是否有交叉的算法如下：
S5-1-4-1：确定热源簇1与热源簇2的重合部位，并计算重合部位的面积S∩；
S5-1-4-2：计算热源簇1减去重合部位后的剩余面积S1；
S5-1-4-3：计算热源簇2减去重合部位后的剩余面积S2；
S5-1-4-4：计算面积交叉IoU：
S5-1-4-5：如果面积交叉IoU>0.2，就将热源簇1与热源簇2标记为相同的热源簇，否则标记为不相同的热源簇。
进一步的，步骤S2-2所述时间间隔τ为5分钟。
本发明有益的技术效果在于：
(1)通过卫星系统组网有效的提高时空分辨率的山火监测，并且有效提高监测的准确性，减少误判和漏判；
(2)作为通用的组网算法应用多源卫星的山火监测当中，并为后续山火监测产品面向不同用户提供了有效的数据支持，减少存储空间。
附图说明
图1是本发明的流程示意图；
图2是实施例的山火监测效果图。
具体实施方式
下面结合附图和实施例，对本发明进行具体描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例选用的卫星系统有2个：风云4、葵花8；
风云卫星的距离分辨率为4km，时间分辨率为5～15分钟；
葵花卫星的距离分辨率为2km，时间分辨率为10分钟。
选定需要监测山火的地区为：山西阳泉市孟县。
如图1所示，实施例的具体步骤如下：
S1：时间流截断，具体步骤如下：
(1-1)采集在山西阳泉市孟县过境的所有卫星系统对山火地区的监测结果；
(1-2)以5分钟为时间间隔，将时间轴划分为M段：T1、T2、…、TM；
(1-3)对步骤(1-1)的监测结果进行拆分，如果某个卫星系统的观测时间在时间间隔Tx内，则将该卫星系统在这段时间内的监测结果标记为该卫星系统属于时间间隔Tx的山火监测产品：
Product(wildfire1,wildfire2,…,wildfireN)
其中wildfire1、wildfire2、…、wildfireN代表该卫星系统监测到的N个山火数据。
S2：热源点信息提取，即在相同的地理坐标系和近似原始分辨率的条件下，对山火监测产品Product(wildfire1,wildfire2,…,wildfireN)进行统一格点化处理，得到格点化山火监测产品：
Grid(wildfire1,wildfire2,…,wildfireN)。
S3：单卫星系统整合，即对卫星系统的格点化山火监测产品进行事件聚类、编号、以及边界提取，具体步骤如下：
(3-1)采用二值图像轮廓提取算法(Abe S K.Topological structural analysisof digitized binary images by border following[J].Computer Vision,Graphics,and Image Processing,1985)对空间连续多热源点的外轮廓进行提取，同一外轮廓被记录为同一热源簇；对属于不同外轮廓下的热源簇进行一一编号；
(3-2)在识别过程中有比较小范围的热源点被归为单独的热源簇，即热源簇中热源点的数量≤2时，处理方法如下：
①如果热源簇中热源点的数量为1，那么热源簇的外轮廓坐标为：
左上：
左下：
右上：
右下：
其中热源点坐标为(lon,lat)，分辨率为reslon、reslat；
②如果热源簇中热源点的数量为2，那么热源簇的外轮廓坐标为：
左上：
左下：
右上：
右下：
其中2个热源点坐标分别为：(lon1,lat1)、(lon1,lat2)，分辨率分别为：reslon、reslat；
(3-3)记录下所有热源簇中被识别成热源点的信息：亮温、坐标、下垫面信息、卫星系统来源、空间分辨率。
重复执行步骤S1至S3，直至在山西阳泉市孟县过境的所有卫星系统的格点化山火监测产品都整合完毕。
S4：多卫星系统整合，具体步骤如下：
(4-1)把不同卫星系统的格点化山火监测产品中的相同的热源簇标记出来，具体步骤如下：
(4-1-1)查找不同卫星系统的分辨率，将最高分辨率记录为res_min，最低分辨分辨率记录为res_max；
(4-1-2)查找所有热源簇的经纬度记录最大经度lonmax，最大纬度latmax，最小经度lonmin，最小纬度latmin；
(4-1-3)设置画布frame，frame的分辨率为res_min,边界为:
左上：[lonmax+2×res_max，latmax+2×res_max],
左下：[lonmax+2×res_max，latmax-2×res_max],
右上：[lonmax-2×res_max，latmax+2×res_max],
右下：[lonmax-2×res_max，latmax-2×res_max]；
(4-1-4)在frame进行热源簇标记，将面积交叉的热源簇记录为相同的热源簇。面积交叉的算法如下：
(4-1-4-1)确定热源簇1与热源簇2的重合部位，并计算重合部位的面积S∩；
(4-1-4-2)计算热源簇1减去重合部位后的剩余面积S1；
(4-1-4-3)计算热源簇2减去重合部位后的剩余面积S2；
(4-1-4-4)计算面积交叉IoU：
(4-1-4-5)如果面积交叉IoU>0.2，就将热源簇1与热源簇2标记为相同的热源簇，否则标记为不相同的热源簇。
(4-2)按照山火事件编号，每个山火事件中包括不同卫星系统下的热源簇，每个热源簇中包含热源点的以下信息：亮温、坐标、下垫面信息、卫星系统来源、空间分辨率；
(4-3)将山火事件的数据保存为json格式。
最终得到时间分辨率为5分钟、距离分辨率为2km的山火监测产品，如图2所示。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，对于本领域的普通技术人员而言，在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节。
Claims (5)
1.基于多源卫星数据的山火监测方法，其特征在于，包括以下步骤：
S1：选定需要监测山火的地区，即山火地区；
S2：时间流截断，具体步骤如下：
S2-1：采集在山火地区过境的所有卫星系统对山火地区的监测结果；
S2-2：以时长τ为时间间隔，将时间轴划分为M段：T1、T2、…、TM；
S2-3：对步骤S2-1的监测结果进行拆分，如果某个卫星系统的观测时间在时间间隔Tx内，则将该卫星系统在这段时间内的监测结果标记为该卫星系统属于时间间隔Tx的山火监测产品：
Product(wildfire1,wildfire2,…,wildfireN)
其中wildfire1、wildfire2、…、wildfireN代表该卫星系统监测到的N个山火数据；
S3：热源点信息提取，即在相同的地理坐标系和近似原始分辨率的条件下，对山火监测产品Product(wildfire1,wildfire2,…,wildfireN)进行统一格点化处理，得到格点化山火监测产品：
Grid(wildfire1,wildfire2,…,wildfireN)；
S4：单卫星系统整合，即对卫星系统的格点化山火监测产品进行事件聚类、编号、以及边界提取；重复执行步骤S2至S4，直至在山火地区过境的所有卫星系统的格点化山火监测产品都整合完毕；
S5：多卫星系统整合，具体步骤如下：
S5-1：把不同卫星系统的格点化山火监测产品中的相同的热源簇标记出来；
S5-2：按照山火事件编号，每个山火事件中包括不同卫星系统下的热源簇，每个热源簇中包含热源点的以下信息：亮温、坐标、下垫面信息、卫星系统来源、空间分辨率；
S5-3：将山火事件的数据保存为json格式。
2.根据权利要求1所述的基于多源卫星数据的山火监测方法，其特征在于,步骤S4的具体步骤如下：
S4-1：采用二值图像轮廓提取算法对空间连续多热源点的外轮廓进行提取，同一外轮廓被记录为同一热源簇；对属于不同外轮廓下的热源簇进行一一编号；
S4-2：在识别过程中有比较小范围的热源点被归为单独的热源簇，即热源簇中热源点的数量≤2时，处理方法如下：
(1)如果热源簇中热源点的数量为1，那么热源簇的外轮廓坐标为：
左上：
左下：
右上：
右下：
其中热源点坐标为(lon,lat)，分辨率为reslon、reslat；
(2)如果热源簇中热源点的数量为2，那么热源簇的外轮廓坐标为：
左上：
左下：
右上：
右下：
其中2个热源点坐标分别为：(lon1,lat1)、(lon1,lat2)，分辨率分别为：reslon、reslat；
S4-3：记录下所有热源簇中被识别成热源点的信息：亮温、坐标、下垫面信息、卫星系统来源、空间分辨率。
3.根据权利要求1所述的基于多源卫星数据的山火监测方法，其特征在于，步骤S5-1的具体步骤如下：
S5-1-1：查找不同卫星系统的分辨率，将最高分辨率记录为res_min，最低分辨分辨率记录为res_max；
S5-1-2：查找所有热源簇的经纬度记录最大经度lonmax，最大纬度latmax，最小经度lonmin，最小纬度latmin；
S5-1-3：设置画布frame，frame的分辨率为res_min,边界为:
左上：[lonmax+2×res_max，latmax+2×res_max],
左下：[lonmax+2×res_max，latmax-2×res_max],
右上：[lonmax-2×res_max，latmax+2×res_max],
右下：[lonmax-2×res_max，latmax-2×res_max]；
S5-1-4：在frame进行热源簇标记，将面积交叉的热源簇记录为相同的热源簇。
4.根据权利要求4所述的基于多源卫星数据的山火监测方法，其特征在于，步骤S5-1-4判断两个热源簇的面积是否有交叉的算法如下：
S5-1-4-1：确定热源簇1与热源簇2的重合部位，并计算重合部位的面积S∩；
S5-1-4-2：计算热源簇1减去重合部位后的剩余面积S1；
S5-1-4-3：计算热源簇2减去重合部位后的剩余面积S2；
S5-1-4-4：计算面积交叉IoU：
S5-1-4-5：如果面积交叉IoU>0.2，就将热源簇1与热源簇2标记为相同的热源簇，否则标记为不相同的热源簇。
5.根据权利要求1所述的基于多源卫星数据的山火监测方法，其特征在于，步骤S2-2所述时间间隔τ为5分钟。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210804344.2A CN116047546B (zh) | 2022-07-07 | 2022-07-07 | 基于多源卫星数据的山火监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210804344.2A CN116047546B (zh) | 2022-07-07 | 2022-07-07 | 基于多源卫星数据的山火监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116047546A true CN116047546A (zh) | 2023-05-02 |
| CN116047546B CN116047546B (zh) | 2024-02-27 |
Family
ID=86131898
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210804344.2A Active CN116047546B (zh) | 2022-07-07 | 2022-07-07 | 基于多源卫星数据的山火监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116047546B (zh) |
Citations (40)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100220193A1 (en) * | 2009-03-02 | 2010-09-02 | Flir Systems, Inc. | Systems and methods for processing infrared images |
| CN101989373A (zh) * | 2009-08-04 | 2011-03-23 | 中国科学院地理科学与资源研究所 | 基于可见光—热红外的多光谱多尺度森林火情监测方法 |
| CN102116861A (zh) * | 2011-02-01 | 2011-07-06 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的秸秆焚烧点提取方法 |
| CN105117520A (zh) * | 2015-07-29 | 2015-12-02 | 国家电网公司 | 基于卫星数据图片的输电线路火点处理方法及装置 |
| CN105389559A (zh) * | 2015-11-12 | 2016-03-09 | 中国科学院遥感与数字地球研究所 | 基于高分辨率遥感影像的农业灾害范围识别系统及方法 |
| CN105740817A (zh) * | 2016-01-29 | 2016-07-06 | 张弓 | 一种秸秆燃烧火点数据的判断方法及系统 |
| CN105761408A (zh) * | 2016-04-25 | 2016-07-13 | 国网湖南省电力公司 | 输电线路山火卫星的动态阈值监测方法及系统 |
| CN105930867A (zh) * | 2016-04-19 | 2016-09-07 | 中国科学院遥感与数字地球研究所 | 一种基于时间序列夜光遥感影像的数据挖掘方法 |
| CN105976550A (zh) * | 2016-07-20 | 2016-09-28 | 国网湖南省电力公司 | 基于聚类分析去背景场的电网山火卫星火点判识方法 |
| CN106339657A (zh) * | 2015-07-09 | 2017-01-18 | 张�杰 | 基于监控视频的秸秆焚烧监测方法、装置 |
| CN106709509A (zh) * | 2016-11-30 | 2017-05-24 | 哈尔滨工业大学 | 一种基于时间序列特殊点的卫星遥测数据聚类方法 |
| CN107784657A (zh) * | 2017-09-29 | 2018-03-09 | 西安因诺航空科技有限公司 | 一种基于颜色空间分类的无人机遥感图像分割方法 |
| CN107945446A (zh) * | 2017-11-20 | 2018-04-20 | 北京中科锐景科技有限公司 | 基于多源卫星的监测对森林热点进行识别的方法及设备 |
| US20180189898A1 (en) * | 2015-08-24 | 2018-07-05 | State Grid Corporation Of China | Cluster analysis based power transmission line mountain fire risky area division method |
| CN108898159A (zh) * | 2018-05-31 | 2018-11-27 | 中南林业科技大学 | 基于dbscan算法的虚假林火热点过滤方法 |
| CN109509319A (zh) * | 2018-12-29 | 2019-03-22 | 北京恒泰实达科技股份有限公司 | 基于静止卫星监测资料的输电线路山火监测预警方法 |
| CN109741446A (zh) * | 2018-12-12 | 2019-05-10 | 四川华控图形科技有限公司 | 一种三维数字地球上动态生成精细海岸地形的方法 |
| CN109731258A (zh) * | 2018-12-19 | 2019-05-10 | 沈阳天眼智云信息科技有限公司 | 基于红外技术的变压器着火点监测及灭火方法和系统 |
| CN110298558A (zh) * | 2019-06-11 | 2019-10-01 | 欧拉信息服务有限公司 | 车辆资源部署方法和装置 |
| CN110907927A (zh) * | 2019-11-26 | 2020-03-24 | 国网山西省电力公司电力科学研究院 | 一种山火目标自动定位监测系统及方法 |
| CN111008599A (zh) * | 2019-12-06 | 2020-04-14 | 国网湖南省电力有限公司 | 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 |
| CN111078909A (zh) * | 2019-12-06 | 2020-04-28 | 国网湖南省电力有限公司 | 一种基于四面体模型的电网山火卫星监测影像同化建模方法及系统 |
| CN111339947A (zh) * | 2020-02-26 | 2020-06-26 | 苏州中科天启遥感科技有限公司 | 遥感影像模糊边界地物的提取方法及系统、存储介质、设备 |
| CN111538935A (zh) * | 2019-12-26 | 2020-08-14 | 北京玖天气象科技有限公司 | 基于地形特征和多源模式产品的精细化降水融合方法、系统、电子设备及存储介质 |
| CN111782689A (zh) * | 2020-06-29 | 2020-10-16 | 北京华云星地通科技有限公司 | 基于卫星数据的多任务并行处理方法 |
| CN111858813A (zh) * | 2020-07-21 | 2020-10-30 | 云南电网有限责任公司带电作业分公司 | 一种基于卫星技术的非火点区域排除方法 |
| CN112232318A (zh) * | 2020-12-14 | 2021-01-15 | 北京华云星地通科技有限公司 | 云加端智慧火情遥感监测预警方法 |
| CN112418133A (zh) * | 2020-12-01 | 2021-02-26 | 四川航天神坤科技有限公司 | 一种基于多源遥感影像的秸秆焚烧监测方法 |
| CN112435207A (zh) * | 2020-12-07 | 2021-03-02 | 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 |
| CN112527936A (zh) * | 2020-12-16 | 2021-03-19 | 平安科技（深圳）有限公司 | 灾难密度的统计方法、装置、计算机设备以及存储介质 |
| CN112801148A (zh) * | 2021-01-14 | 2021-05-14 | 西安电子科技大学 | 基于深度学习的火情识别定位系统及方法 |
| CN113269240A (zh) * | 2021-05-17 | 2021-08-17 | 中国水利水电科学研究院 | 一种雨量站选址信息输出方法、装置、电子设备和介质 |
| AU2021106836A4 (en) * | 2021-08-24 | 2021-11-18 | Bangaru, Balakrishna Mr | Identification of forest fire susceptibility using gis and neural network approaches |
| CN114120563A (zh) * | 2021-11-24 | 2022-03-01 | 浙江省气候中心 | 一种基于多源卫星遥感技术的林火监测系统及方法 |
| US20220072350A1 (en) * | 2018-12-21 | 2022-03-10 | University Of Hawaii | Automated wildfire detection |
| CN114333207A (zh) * | 2021-12-30 | 2022-04-12 | 北京航天泰坦科技股份有限公司 | 基于遥感数据的火灾全过程监测方法和装置 |
| CN114417964A (zh) * | 2021-12-10 | 2022-04-29 | 中国卫通集团股份有限公司 | 卫星运营商分类方法、装置及电子设备 |
| US20220187847A1 (en) * | 2019-11-05 | 2022-06-16 | Strong Force Vcn Portfolio 2019, Llc | Robot Fleet Management for Value Chain Networks |
| CN114664048A (zh) * | 2022-05-26 | 2022-06-24 | 环球数科集团有限公司 | 一种基于卫星遥感监测的火情监测及火灾预警方法 |
| 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 |
-
2022
- 2022-07-07 CN CN202210804344.2A patent/CN116047546B/zh active Active
Patent Citations (41)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100220193A1 (en) * | 2009-03-02 | 2010-09-02 | Flir Systems, Inc. | Systems and methods for processing infrared images |
| CN101989373A (zh) * | 2009-08-04 | 2011-03-23 | 中国科学院地理科学与资源研究所 | 基于可见光—热红外的多光谱多尺度森林火情监测方法 |
| CN102116861A (zh) * | 2011-02-01 | 2011-07-06 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的秸秆焚烧点提取方法 |
| CN106339657A (zh) * | 2015-07-09 | 2017-01-18 | 张�杰 | 基于监控视频的秸秆焚烧监测方法、装置 |
| CN105117520A (zh) * | 2015-07-29 | 2015-12-02 | 国家电网公司 | 基于卫星数据图片的输电线路火点处理方法及装置 |
| US20180189898A1 (en) * | 2015-08-24 | 2018-07-05 | State Grid Corporation Of China | Cluster analysis based power transmission line mountain fire risky area division method |
| CN105389559A (zh) * | 2015-11-12 | 2016-03-09 | 中国科学院遥感与数字地球研究所 | 基于高分辨率遥感影像的农业灾害范围识别系统及方法 |
| CN105740817A (zh) * | 2016-01-29 | 2016-07-06 | 张弓 | 一种秸秆燃烧火点数据的判断方法及系统 |
| CN105930867A (zh) * | 2016-04-19 | 2016-09-07 | 中国科学院遥感与数字地球研究所 | 一种基于时间序列夜光遥感影像的数据挖掘方法 |
| CN105761408A (zh) * | 2016-04-25 | 2016-07-13 | 国网湖南省电力公司 | 输电线路山火卫星的动态阈值监测方法及系统 |
| CN105976550A (zh) * | 2016-07-20 | 2016-09-28 | 国网湖南省电力公司 | 基于聚类分析去背景场的电网山火卫星火点判识方法 |
| CN106709509A (zh) * | 2016-11-30 | 2017-05-24 | 哈尔滨工业大学 | 一种基于时间序列特殊点的卫星遥测数据聚类方法 |
| CN107784657A (zh) * | 2017-09-29 | 2018-03-09 | 西安因诺航空科技有限公司 | 一种基于颜色空间分类的无人机遥感图像分割方法 |
| CN107945446A (zh) * | 2017-11-20 | 2018-04-20 | 北京中科锐景科技有限公司 | 基于多源卫星的监测对森林热点进行识别的方法及设备 |
| CN108898159A (zh) * | 2018-05-31 | 2018-11-27 | 中南林业科技大学 | 基于dbscan算法的虚假林火热点过滤方法 |
| CN109741446A (zh) * | 2018-12-12 | 2019-05-10 | 四川华控图形科技有限公司 | 一种三维数字地球上动态生成精细海岸地形的方法 |
| CN109731258A (zh) * | 2018-12-19 | 2019-05-10 | 沈阳天眼智云信息科技有限公司 | 基于红外技术的变压器着火点监测及灭火方法和系统 |
| US20220072350A1 (en) * | 2018-12-21 | 2022-03-10 | University Of Hawaii | Automated wildfire detection |
| CN109509319A (zh) * | 2018-12-29 | 2019-03-22 | 北京恒泰实达科技股份有限公司 | 基于静止卫星监测资料的输电线路山火监测预警方法 |
| CN110298558A (zh) * | 2019-06-11 | 2019-10-01 | 欧拉信息服务有限公司 | 车辆资源部署方法和装置 |
| US20220187847A1 (en) * | 2019-11-05 | 2022-06-16 | Strong Force Vcn Portfolio 2019, Llc | Robot Fleet Management for Value Chain Networks |
| CN110907927A (zh) * | 2019-11-26 | 2020-03-24 | 国网山西省电力公司电力科学研究院 | 一种山火目标自动定位监测系统及方法 |
| CN111008599A (zh) * | 2019-12-06 | 2020-04-14 | 国网湖南省电力有限公司 | 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 |
| CN111078909A (zh) * | 2019-12-06 | 2020-04-28 | 国网湖南省电力有限公司 | 一种基于四面体模型的电网山火卫星监测影像同化建模方法及系统 |
| CN111538935A (zh) * | 2019-12-26 | 2020-08-14 | 北京玖天气象科技有限公司 | 基于地形特征和多源模式产品的精细化降水融合方法、系统、电子设备及存储介质 |
| CN111339947A (zh) * | 2020-02-26 | 2020-06-26 | 苏州中科天启遥感科技有限公司 | 遥感影像模糊边界地物的提取方法及系统、存储介质、设备 |
| CN111782689A (zh) * | 2020-06-29 | 2020-10-16 | 北京华云星地通科技有限公司 | 基于卫星数据的多任务并行处理方法 |
| CN111858813A (zh) * | 2020-07-21 | 2020-10-30 | 云南电网有限责任公司带电作业分公司 | 一种基于卫星技术的非火点区域排除方法 |
| CN112418133A (zh) * | 2020-12-01 | 2021-02-26 | 四川航天神坤科技有限公司 | 一种基于多源遥感影像的秸秆焚烧监测方法 |
| CN112435207A (zh) * | 2020-12-07 | 2021-03-02 | 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 |
| CN112232318A (zh) * | 2020-12-14 | 2021-01-15 | 北京华云星地通科技有限公司 | 云加端智慧火情遥感监测预警方法 |
| CN112527936A (zh) * | 2020-12-16 | 2021-03-19 | 平安科技（深圳）有限公司 | 灾难密度的统计方法、装置、计算机设备以及存储介质 |
| WO2022126979A1 (zh) * | 2020-12-16 | 2022-06-23 | 平安科技（深圳）有限公司 | 灾难密度的统计方法、装置、计算机设备以及存储介质 |
| CN112801148A (zh) * | 2021-01-14 | 2021-05-14 | 西安电子科技大学 | 基于深度学习的火情识别定位系统及方法 |
| CN113269240A (zh) * | 2021-05-17 | 2021-08-17 | 中国水利水电科学研究院 | 一种雨量站选址信息输出方法、装置、电子设备和介质 |
| AU2021106836A4 (en) * | 2021-08-24 | 2021-11-18 | Bangaru, Balakrishna Mr | Identification of forest fire susceptibility using gis and neural network approaches |
| CN114120563A (zh) * | 2021-11-24 | 2022-03-01 | 浙江省气候中心 | 一种基于多源卫星遥感技术的林火监测系统及方法 |
| CN114417964A (zh) * | 2021-12-10 | 2022-04-29 | 中国卫通集团股份有限公司 | 卫星运营商分类方法、装置及电子设备 |
| CN114333207A (zh) * | 2021-12-30 | 2022-04-12 | 北京航天泰坦科技股份有限公司 | 基于遥感数据的火灾全过程监测方法和装置 |
| 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 |
| CN114664048A (zh) * | 2022-05-26 | 2022-06-24 | 环球数科集团有限公司 | 一种基于卫星遥感监测的火情监测及火灾预警方法 |
Non-Patent Citations (13)
| Title |
|---|
| ERICA SCADUTO等: "Satellite-Based Fire Progression Mapping: A Comprehensive Assessment for Large Fires in Northern California", 《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》, no. 13, pages 5102 - 5114, XP011808952, DOI: 10.1109/JSTARS.2020.3019261 * |
| YANYAN GAO等: "Multi-Scale Coal Fire Detection Based on an Improved Active Contour Model from Landsat-8 Satellite and UAV Images", 《TERNATIONAL JOURNAL OF GEO-INFORMATION》, vol. 10, no. 7, pages 1 - 17 * |
| 刘耀: "全球热源工厂提取算法的并行化实现", 《中国优秀硕士论文全文数据库》, no. 4, pages 028 - 64 * |
| 叶宽: "多源数据融合的森林火灾监控方法", 《科学技术与工程》, vol. 22, no. 13, pages 5176 - 5181 * |
| 张亦舒: "自由对流层气溶胶主被动遥感协同探测方法", 《中国优秀硕士论文全文数据库》, no. 3, pages 009 - 282 * |
| 李峰: "矿区煤火遥感监测技术的研究进展", 《煤矿安全》, vol. 47, no. 12, pages 191 - 195 * |
| 玉山: "内蒙古草原火行为及其模拟研究", 《中国博士学位论文全文数据库》, no. 1, pages 008 - 46 * |
| 纪轩禹: "京津冀地区工业热源活动卫星遥感监测及环境影响研究", 《中国优秀硕士论文全文数据库》, no. 5, pages 027 - 668 * |
| 赵云华: "测绘地理信息智能化监测在森林防灭火工作中的应用", 《测绘通报》, no. 7, pages 126 - 130 * |
| 邓忠坚: "云南卫星林火监测中的地面核查辅助决策模型研究", 《河北省科学院学报》, vol. 31, no. 4, pages 26 - 31 * |
| 郑伟: "FY-3D_MERSI-II全球火点监测产品及其应用", 《遥感学报》, vol. 24, no. 5, pages 521 - 530 * |
| 陈佳慧: "内蒙古自治区野火时空格局研究", 《中国优秀硕士论文全文数据库》, no. 12, pages 046 - 15 * |
| 陈有利: "基于天气雷达和极轨卫星的火点识别应用", 《中低纬山地气象》, vol. 42, no. 1, pages 7 - 10 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116047546B (zh) | 2024-02-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Severe particulate pollution days in China during 2013–2018 and the associated typical weather patterns in Beijing-Tianjin-Hebei and the Yangtze River Delta regions | |
| CN106777093B (zh) | 基于空间时序数据流应用的Skyline查询系统 | |
| Sánchez-Benítez et al. | Tracking Iberian heatwaves from a new perspective | |
| Wulder et al. | Biomass status and dynamics over Canada’s forests: disentangling disturbed area from associated aboveground biomass consequences | |
| CN109407177B (zh) | 基于机器学习与常规气象观测的大雾识别系统和应用方法 | |
| Chen et al. | Spatial patterns and drivers for wildfire ignitions in California | |
| CN112232318A (zh) | 云加端智慧火情遥感监测预警方法 | |
| CN116047546B (zh) | 基于多源卫星数据的山火监测方法 | |
| Alessandri et al. | Varying snow and vegetation signatures of surface-albedo feedback on the Northern Hemisphere land warming | |
| Khennou et al. | Forest fire spread prediction using deep learning | |
| CN111709661A (zh) | 业务数据的风险处理方法、装置、设备及存储介质 | |
| CN113434576A (zh) | 一种enso事件类型划分方法 | |
| Smith et al. | Fog trends in India: Relationships to fog type and western disturbances | |
| Anwar et al. | Wildfire Risk Map Based on DBSCAN Clustering and Cluster Density Evaluation | |
| Xue et al. | Object-oriented spatial-temporal association rules mining on ocean remote sensing imagery | |
| Su et al. | A novel framework for identifying causes of forest fire events using environmental and temporal characteristics of the ignition point in fire footprint | |
| CN109670556B (zh) | 基于火点和夜光数据的全球热源重工业区域识别方法 | |
| Jiang et al. | Analysis of changes in large-scale circulation patterns driving extreme precipitation events over the central-eastern China | |
| CN113868465A (zh) | 一种基于二维时间格网的可定位视频检索方法 | |
| CN109146910B (zh) | 一种基于目标定位的视频内容分析指标评价方法 | |
| Javed et al. | The decline in western disturbance activity over Northern India in recent decades | |
| Fariza et al. | Spatial-Temporal Visualization of Dengue Haemorrhagic Fever Vulnerability in Kediri District, Indonesia, Using K-means Algorithm | |
| Bhowmik | A multi-modal wildfire prediction and personalized early-warning system based on a novel machine learning framework | |
| Abera | Resettlement, spatiotemporal dynamics of land use/cover and livelihood aspects in Chewaka district, southwestern Ethiopia | |
| CN114241318A (zh) | 一种确定刚竹毒蛾危害蔓延特征的方法及系统 |
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 |