CN117058559A - 一种基于卫星遥感的森林火灾态势分析方法、设备及介质 - Google Patents

一种基于卫星遥感的森林火灾态势分析方法、设备及介质 Download PDF

Info

Publication number
CN117058559A
CN117058559A CN202311083218.3A CN202311083218A CN117058559A CN 117058559 A CN117058559 A CN 117058559A CN 202311083218 A CN202311083218 A CN 202311083218A CN 117058559 A CN117058559 A CN 117058559A
Authority
CN
China
Prior art keywords
fire
remote sensing
image data
forest fire
satellite remote
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.)
Pending
Application number
CN202311083218.3A
Other languages
English (en)
Inventor
白晓春
景龑
耿明昕
唐洪城
侯从强
俞雷
王俊虎
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.)
Beijing Sixiang Aishu Technology Co ltd
Beijing State Grid Urban Rural Engineering Technology Research Institute
Electric Power Research Institute of State Grid Shaanxi Electric Power Co Ltd
Original Assignee
Beijing Sixiang Aishu Technology Co ltd
Beijing State Grid Urban Rural Engineering Technology Research Institute
Electric Power Research Institute of State Grid Shaanxi Electric Power 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 Beijing Sixiang Aishu Technology Co ltd, Beijing State Grid Urban Rural Engineering Technology Research Institute, Electric Power Research Institute of State Grid Shaanxi Electric Power Co Ltd filed Critical Beijing Sixiang Aishu Technology Co ltd
Priority to CN202311083218.3A priority Critical patent/CN117058559A/zh
Publication of CN117058559A publication Critical patent/CN117058559A/zh
Pending legal-status Critical Current

Links

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
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • Astronomy & Astrophysics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)

Abstract

本申请公开了一种基于卫星遥感的森林火灾态势分析方法、设备及介质，属于遥感应用技术领域。方法包括：采集待研究区域的多光谱卫星遥感影像数据，并对多光谱卫星遥感影像数据进行预处理，以获得多光谱卫星正射影像数据集；在待研究区域发生火灾的情况下，对多光谱卫星正射影像数据集进行假彩色波段合成，以获得假彩色影像，并通过对假彩色影像进行过火像元提取，以确定森林火灾火线轮廓线；基于Arcgis软件对森林火灾火线轮廓线内的面积进行计算，并基于ENVI软件计算灾前灾后的植被归一化指数差值，以进行火灾烈度评估。本申请通过上述方法实现了通过高效、精确的手段识别警森林火灾，以及在火灾发生后及时进行风险评估。

Description

一种基于卫星遥感的森林火灾态势分析方法、设备及介质
技术领域
本申请涉及遥感应用技术领域，尤其涉及一种基于卫星遥感的森林火灾态势分析方法、设备及介质。
背景技术
近年来，森林火灾频发，给环境、生态和社会经济带来巨大破坏。如何通过高效、精确的手段识别警森林火灾，以及在火灾发生后及时进行风险评估，以采取相应的救灾措施，成为保护生态环境和人民群众生命财产安全所迫切需要解决的问题。
发明内容
本申请实施例提供了一种基于卫星遥感的森林火灾态势分析方法、设备及介质，用以解决如下技术问题：如何通过高效、精确的手段识别警森林火灾，以及在火灾发生后及时进行风险评估。
第一方面，本申请实施例提供了一种基于卫星遥感的森林火灾态势分析方法，其特征在于，方法包括：采集待研究区域的多光谱卫星遥感影像数据，并对多光谱卫星遥感影像数据进行预处理，以获得多光谱卫星正射影像数据集；在待研究区域发生火灾的情况下，对多光谱卫星正射影像数据集进行假彩色波段合成，以获得假彩色影像，并通过对假彩色影像进行过火像元提取，以确定森林火灾火线轮廓线；基于Arcgis软件对森林火灾火线轮廓线内的面积进行计算，并基于ENVI软件计算灾前灾后的植被归一化指数差值，以进行火灾烈度评估。
在本申请的一种实现方式中，在获得多光谱卫星正射影像数据集之后，方法还包括：在需要对待研究区域进行森林火灾灾前预警监测的情况下，对多光谱卫星正射影像数据集进行波段运算，以反演得到预警数据，并对对多光谱卫星正射影像数据集进行植被覆盖分类；其中，预警数据包括：归一化指数、温度—植被干旱指数；将预警数据及植被覆盖分类输入预设的森林火灾预警模型，以确定火险综合预报指数；基于火险综合预报指数，确定森林火险等级。
在本申请的一种实现方式中，多光谱卫星遥感影像数据包括：Sentinel-2数据、MODIS数据、Landsat-8数据；对多光谱卫星遥感影像数据进行预处理，以获得多光谱卫星正射影像数据集，具体包括：基于ENVI软件对多光谱卫星遥感影像数据进行影像校正、影像融合、坐标转换以及影像配准，以获得配准后的多光谱卫星正射影像数据集。
在本申请的一种实现方式中，通过对假彩色影像进行过火像元提取，以确定森林火灾火线轮廓线，具体包括：通过高温火点综合阈值判别法，对假彩色影像进行过火像元提取，以确定若干个过火像元；确定若干个过火像元中的任意一个为种子过火像元点，并基于种子过火像元点，通过预设的区域增长法，以确定森林火灾火线轮廓线。
在本申请的一种实现方式中，基于种子过火像元点，通过预设的区域增长法，以确定森林火灾火线轮廓线，具体包括：确定种子过火像元点邻域的过火像元与种子过火像元点的像素差值；在像素差值大于预设像素阈值的情况下，确定过火像元为森林火灾火线轮廓线像元点；遍历森林火灾火线轮廓线像元点，以确定森林火灾火线轮廓线。
在本申请的一种实现方式中，对多光谱卫星正射影像数据集进行波段运算，由以下公式表示：
NDVI＝(ρnir-ρred)/(ρnir+ρred)
TVDI＝(Ts-TSmin)/(TSmax-TSmin)
其中，NDVI为归一化指数，ρnir为近红外波段反射率，ρred为红光波段反射率；TVDI为温度—植被干旱指数，Ts为任意像元的地表温度值，TSmax为某一NDVI值对应的最高地表温度，TSmin为某一NDVI值对应的最低地表温度。
在本申请的一种实现方式中，森林火灾预警模型，由以下公式表示：
F＝(NDVI+1-TVDI+0.1*Landuse)/3
其中，F为火险综合预报指数，Landuse为植被覆盖分类；NDVI与TVDI是0，1化的特征量；Landuse根据植被覆盖类型赋值：当植被覆盖类型为针叶林时Landuse＝1，当植被覆盖类型为灌木林时Landuse＝2，当植被覆盖类型为阔叶林时Landuse＝3，当植被覆盖类型为其它时Landuse＝4。
在本申请的一种实现方式中，对多光谱卫星正射影像数据集进行假彩色波段合成，以获得假彩色影像，具体包括：将多光谱卫星正射影像数据集中的中红外波段与热红外波段合成以获得假彩色影像。
第二方面，本申请实施例还提供了一种基于卫星遥感的森林火灾态势分析设备，其特征在于，设备包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：采集待研究区域的多光谱卫星遥感影像数据，并对多光谱卫星遥感影像数据进行预处理，以获得多光谱卫星正射影像数据集；在待研究区域发生火灾的情况下，对多光谱卫星正射影像数据集进行假彩色波段合成，以获得假彩色影像，并通过对假彩色影像进行过火像元提取，以确定森林火灾火线轮廓线；基于Arcgis软件对森林火灾火线轮廓线内的面积进行计算，并基于ENVI软件计算灾前灾后的植被归一化指数差值，以进行火灾烈度评估。
第三方面，本申请实施例还提供了一种基于卫星遥感的森林火灾态势分析的非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，计算机可执行指令设置为：采集待研究区域的多光谱卫星遥感影像数据，并对多光谱卫星遥感影像数据进行预处理，以获得多光谱卫星正射影像数据集；在待研究区域发生火灾的情况下，对多光谱卫星正射影像数据集进行假彩色波段合成，以获得假彩色影像，并通过对假彩色影像进行过火像元提取，以确定森林火灾火线轮廓线；基于Arcgis软件对森林火灾火线轮廓线内的面积进行计算，并基于ENVI软件计算灾前灾后的植被归一化指数差值，以进行火灾烈度评估。
本申请实施例提供的一种基于卫星遥感的森林火灾态势分析方法、设备及介质，提出了一种对森林火灾前后态势的全流程分析方法，将火灾前预警、火灾时火势蔓延面积以及火灾后风险程度进行了直接表达。基于NDVI、TVDI等多个遥感指标构建火灾预警模型，并结合实际经验数据划定风险等级，提高了火灾预警准确率。火灾轮廓的提取过程中，将基于多波段假彩色合成的高温火点综合阈值判别法与基于种子点区域增长轮廓提取法相结合，使得火灾轮廓提取速度快且准确。计算了火灾过火面积并划定了森林过火区域内的燃烧烈度等级，以及不同等级对应的面积占比，定性及定量的提取了森林火灾的相关信息，为决策者和相关人员提供了有利科学依据，以更好地了解火灾后的影响情况。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例提供的一种基于卫星遥感的森林火灾态势分析方法流程图；
图2为本申请实施例提供的一种基于卫星遥感的森林火灾态势分析设备内部结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请实施例提供了一种基于卫星遥感的森林火灾态势分析方法、设备及介质，用以解决如下技术问题：如何通过高效、精确的手段识别警森林火灾，以及在火灾发生后及时进行风险评估。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
图1为本申请实施例提供的一种基于卫星遥感的森林火灾态势分析方法流程图。如图1所示，本申请实施例提供的一种基于卫星遥感的森林火灾态势分析方法，具体包括以下步骤：
步骤101、采集待研究区域的多光谱卫星遥感影像数据，并对多光谱卫星遥感影像数据进行预处理，以获得多光谱卫星正射影像数据集。
首先需要说明的是，本申请的多光谱卫星遥感影像数据包括：Sentinel-2数据、MODIS数据、Landsat-8数据等。
在本申请的一个实施例中，在监测或检测某个待研究区域时，实时获取该区域的多光谱卫星遥感影像数据。
进一步地，对多光谱卫星遥感影像数据进行预处理，以获得多光谱卫星正射影像数据集。
具体地，基于ENVI软件对多光谱卫星遥感影像数据进行影像校正、影像融合、坐标转换以及影像配准，以获得配准后的多光谱卫星正射影像数据集。
在本申请的一个实施例中，在获得多光谱卫星正射影像数据集之后，若需要对待研究区域进行森林火灾灾前预警监测，对多光谱卫星正射影像数据集进行波段运算，以反演得到预警数据，并对对多光谱卫星正射影像数据集进行植被覆盖分类；其中，预警数据包括：归一化指数、温度—植被干旱指数；将预警数据及植被覆盖分类输入预设的森林火灾预警模型，以确定火险综合预报指数；基于火险综合预报指数，确定森林火险等级。
在本申请的一个实施例中，对多光谱卫星正射影像数据集进行波段运算，由以下公式表示：
NDVI＝(ρnir-ρred)/(ρnir+ρred)
TVDI＝(Ts-TSmin)/(TSmax-TSmin)
其中，NDVI为归一化指数，ρnir为近红外波段反射率，ρred为红光波段反射率；TVDI为温度—植被干旱指数，Ts为任意像元的地表温度值，TSmax为某一NDVI值对应的最高地表温度，TSmin为某一NDVI值对应的最低地表温度。
在本申请的一个实施例中，森林火灾预警模型，由以下公式表示：
F＝(NDVI+1-TVDI+0.1*Landuse)/3
其中，F为火险综合预报指数，Landuse为植被覆盖分类；NDVI与TVDI是0，1化的特征量；Landuse根据植被覆盖类型赋值：当植被覆盖类型为针叶林时Landuse＝1，当植被覆盖类型为灌木林时Landuse＝2，当植被覆盖类型为阔叶林时Landuse＝3，当植被覆盖类型为其它时Landuse＝4。
需要说明的是，根据历史经验及相关标准，可以对火险综合预报指数F(0≤F≤1)划定森林火险等级：当F≥0.50时，表明没有危险；0.40≤F＜0.50即为低度危险区域；0.30≤F＜0.40即为中度危险；当F＜0.30时，表明植物含水率与土壤湿度极小，森林火灾发生率极高，高度危险。
步骤102、在待研究区域发生火灾的情况下，对多光谱卫星正射影像数据集进行假彩色波段合成，以获得假彩色影像，并通过对假彩色影像进行过火像元提取，以确定森林火灾火线轮廓线。
在本申请的一个实施例中，在获得多光谱卫星正射影像数据集之后，在待研究区域发生火灾的情况下，首先对多光谱卫星正射影像数据集进行假彩色波段合成。
具体地，将多光谱卫星正射影像数据集中的中红外波段与热红外波段合成以获得假彩色影像。
进一步地，通过对假彩色影像进行过火像元提取，以确定森林火灾火线轮廓线。
具体地，通过高温火点综合阈值判别法，对假彩色影像进行过火像元提取，以确定若干个过火像元；确定若干个过火像元中的任意一个为种子过火像元点，并基于种子过火像元点，通过预设的区域增长法，以确定森林火灾火线轮廓线。
在本申请的一个实施例中，基于种子过火像元点，通过预设的区域增长法，以确定森林火灾火线轮廓线，具体包括：确定种子过火像元点邻域的过火像元与种子过火像元点的像素差值；在像素差值大于预设像素阈值的情况下，确定过火像元为森林火灾火线轮廓线像元点；遍历森林火灾火线轮廓线像元点，以确定森林火灾火线轮廓线。
步骤103、基于Arcgis软件对森林火灾火线轮廓线内的面积进行计算，并基于ENVI软件计算灾前灾后的植被归一化指数差值，以进行火灾烈度评估。
在本申请的一个实施例中，在确定森林火灾火线轮廓线之后，基于Arcgis软件可以对森林火灾火线轮廓线内的面积进行计算。基于ENVI软件计算灾前灾后的植被归一化指数差值，可以以进行火灾烈度评估。
进一步地，可以进行直方图统计，最后依据NDVI变化值直方图分布、过火区不同烈度遥感色调纹理特征等信息，进一步将过火区细分为燃烧余烬区、重度燃烧区、轻度燃烧区及未燃烧区4个燃烧烈度等级。
在本申请的一个实施例中，当0.2≤ΔNDVI<0.4且真彩色影像上呈现零星橘红色点则划为燃烧余烬区；当ΔNDVI≥0.4且影像呈现暗黑色、墨黑色，纹理光滑，与周边植被等地物区别明显则划为重度燃烧区；当0.1≤ΔNDVI<0.2且影像呈现浅绿色夹有少许灰黑色，絮状影纹且粗糙，则划为轻度燃烧区；当ΔNDVI<0.1且影像呈现灰绿色、绿色，常与过火区有明显界跳变，则被划为未燃烧区。最后利用Arcgis软件计算每个烈度等级的面积在整个森林过火区域的面积占比。
以上为本申请提出的方法实施例。基于同样的发明构思，本申请实施例还提供了一种基于卫星遥感的森林火灾态势分析设备，其结构如图2所示。
图2为本申请实施例提供的一种基于卫星遥感的森林火灾态势分析设备内部结构示意图。如图2所示，设备包括：
至少一个处理器201；
以及，与至少一个处理器通信连接的存储器202；
其中，存储器202存储有可被至少一个处理器执行的指令，指令被至少一个处理器201执行，以使至少一个处理器201能够：
采集待研究区域的多光谱卫星遥感影像数据，并对多光谱卫星遥感影像数据进行预处理，以获得多光谱卫星正射影像数据集；
在待研究区域发生火灾的情况下，对多光谱卫星正射影像数据集进行假彩色波段合成，以获得假彩色影像，并通过对假彩色影像进行过火像元提取，以确定森林火灾火线轮廓线；
基于Arcgis软件对森林火灾火线轮廓线内的面积进行计算，并基于ENVI软件计算灾前灾后的植被归一化指数差值，以进行火灾烈度评估。
本申请的一些实施例提供的对应于图1的一种基于卫星遥感的森林火灾态势分析的非易失性计算机存储介质，存储有计算机可执行指令，计算机可执行指令设置为：
采集待研究区域的多光谱卫星遥感影像数据，并对多光谱卫星遥感影像数据进行预处理，以获得多光谱卫星正射影像数据集；
在待研究区域发生火灾的情况下，对多光谱卫星正射影像数据集进行假彩色波段合成，以获得假彩色影像，并通过对假彩色影像进行过火像元提取，以确定森林火灾火线轮廓线；
基于Arcgis软件对森林火灾火线轮廓线内的面积进行计算，并基于ENVI软件计算灾前灾后的植被归一化指数差值，以进行火灾烈度评估。
本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于物联网设备和介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本申请实施例提供的系统和介质与方法是一一对应的，因此，系统和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述系统和介质的有益技术效果。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种基于卫星遥感的森林火灾态势分析方法，其特征在于，所述方法包括：
采集待研究区域的多光谱卫星遥感影像数据，并对所述多光谱卫星遥感影像数据进行预处理，以获得多光谱卫星正射影像数据集；
在所述待研究区域发生火灾的情况下，对所述多光谱卫星正射影像数据集进行假彩色波段合成，以获得假彩色影像，并通过对所述假彩色影像进行过火像元提取，以确定森林火灾火线轮廓线；
基于Arcgis软件对森林火灾火线轮廓线内的面积进行计算，并基于ENVI软件计算灾前灾后的植被归一化指数差值，以进行火灾烈度评估。
2.根据权利要求1所述的一种基于卫星遥感的森林火灾态势分析方法，其特征在于，在获得多光谱卫星正射影像数据集之后，所述方法还包括：
在需要对所述待研究区域进行森林火灾灾前预警监测的情况下，对所述多光谱卫星正射影像数据集进行波段运算，以反演得到预警数据，并对对所述多光谱卫星正射影像数据集进行植被覆盖分类；其中，所述预警数据包括：归一化指数、温度—植被干旱指数；
将所述预警数据及植被覆盖分类输入预设的森林火灾预警模型，以确定火险综合预报指数；
基于所述火险综合预报指数，确定森林火险等级。
3.根据权利要求1所述的一种基于卫星遥感的森林火灾态势分析方法，其特征在于，所述多光谱卫星遥感影像数据包括：Sentinel-2数据、MODIS数据、Landsat-8数据；
对所述多光谱卫星遥感影像数据进行预处理，以获得多光谱卫星正射影像数据集，具体包括：
基于所述ENVI软件对所述多光谱卫星遥感影像数据进行影像校正、影像融合、坐标转换以及影像配准，以获得配准后的多光谱卫星正射影像数据集。
4.根据权利要求1所述的一种基于卫星遥感的森林火灾态势分析方法，其特征在于，通过对所述假彩色影像进行过火像元提取，以确定森林火灾火线轮廓线，具体包括：
通过高温火点综合阈值判别法，对所述假彩色影像进行过火像元提取，以确定若干个过火像元；
确定所述若干个过火像元中的任意一个为种子过火像元点，并基于种子过火像元点，通过预设的区域增长法，以确定森林火灾火线轮廓线。
5.根据权利要求1所述的一种基于卫星遥感的森林火灾态势分析方法，其特征在于，基于种子过火像元点，通过预设的区域增长法，以确定森林火灾火线轮廓线，具体包括：
确定所述种子过火像元点邻域的过火像元与所述种子过火像元点的像素差值；
在所述像素差值大于预设像素阈值的情况下，确定所述过火像元为森林火灾火线轮廓线像元点；
遍历所述森林火灾火线轮廓线像元点，以确定森林火灾火线轮廓线。
6.根据权利要求2所述的一种基于卫星遥感的森林火灾态势分析方法，其特征在于，对所述多光谱卫星正射影像数据集进行波段运算，由以下公式表示：
NDVI＝(ρnir-ρred)/(ρnir+ρred)
TVDI＝(Ts-TSmin)/(TSmax-TSmin)
其中，NDVI为归一化指数，ρnir为近红外波段反射率，ρred为红光波段反射率；TVDI为温度—植被干旱指数，Ts为任意像元的地表温度值，TSmax为某一NDVI值对应的最高地表温度，TSmin为某一NDVI值对应的最低地表温度。
7.根据权利要求6所述的一种基于卫星遥感的森林火灾态势分析方法，其特征在于，所述森林火灾预警模型，由以下公式表示：
F＝(NDVI+1-TVDI+0.1*Landuse)/3
其中，F为火险综合预报指数，Landuse为植被覆盖分类；NDVI与TVDI是0，1化的特征量；Landuse根据植被覆盖类型赋值：当植被覆盖类型为针叶林时Landuse＝1，当植被覆盖类型为灌木林时Landuse＝2，当植被覆盖类型为阔叶林时Landuse＝3，当植被覆盖类型为其它时Landuse＝4。
8.根据权利要求1所述的一种基于卫星遥感的森林火灾态势分析方法，其特征在于，对所述多光谱卫星正射影像数据集进行假彩色波段合成，以获得假彩色影像，具体包括：
将所述多光谱卫星正射影像数据集中的中红外波段与热红外波段合成以获得假彩色影像。
9.一种基于卫星遥感的森林火灾态势分析设备，其特征在于，所述设备包括：
至少一个处理器；
以及，与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
采集待研究区域的多光谱卫星遥感影像数据，并对所述多光谱卫星遥感影像数据进行预处理，以获得多光谱卫星正射影像数据集；
在所述待研究区域发生火灾的情况下，对所述多光谱卫星正射影像数据集进行假彩色波段合成，以获得假彩色影像，并通过对所述假彩色影像进行过火像元提取，以确定森林火灾火线轮廓线；
基于Arcgis软件对森林火灾火线轮廓线内的面积进行计算，并基于ENVI软件计算灾前灾后的植被归一化指数差值，以进行火灾烈度评估。
10.一种基于卫星遥感的森林火灾态势分析的非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：
采集待研究区域的多光谱卫星遥感影像数据，并对所述多光谱卫星遥感影像数据进行预处理，以获得多光谱卫星正射影像数据集；
在所述待研究区域发生火灾的情况下，对所述多光谱卫星正射影像数据集进行假彩色波段合成，以获得假彩色影像，并通过对所述假彩色影像进行过火像元提取，以确定森林火灾火线轮廓线；
基于Arcgis软件对森林火灾火线轮廓线内的面积进行计算，并基于ENVI软件计算灾前灾后的植被归一化指数差值，以进行火灾烈度评估。
CN202311083218.3A 2023-08-25 2023-08-25 一种基于卫星遥感的森林火灾态势分析方法、设备及介质 Pending CN117058559A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311083218.3A CN117058559A (zh) 2023-08-25 2023-08-25 一种基于卫星遥感的森林火灾态势分析方法、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311083218.3A CN117058559A (zh) 2023-08-25 2023-08-25 一种基于卫星遥感的森林火灾态势分析方法、设备及介质

Publications (1)

Publication Number Publication Date
CN117058559A true CN117058559A (zh) 2023-11-14

Family

ID=88666060

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311083218.3A Pending CN117058559A (zh) 2023-08-25 2023-08-25 一种基于卫星遥感的森林火灾态势分析方法、设备及介质

Country Status (1)

Country Link
CN (1) CN117058559A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117436003A (zh) * 2023-12-15 2024-01-23 中国科学院、水利部成都山地灾害与环境研究所 考虑火烧严重度的火烧迹地土壤侵蚀遥感动态监测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117436003A (zh) * 2023-12-15 2024-01-23 中国科学院、水利部成都山地灾害与环境研究所 考虑火烧严重度的火烧迹地土壤侵蚀遥感动态监测方法
CN117436003B (zh) * 2023-12-15 2024-03-15 中国科学院、水利部成都山地灾害与环境研究所 考虑火烧严重度的火烧迹地土壤侵蚀遥感动态监测方法

Similar Documents

Publication Publication Date Title
US20160048925A1 (en) Method of determining structural damage using positive and negative tree proximity factors
CN112101159B (zh) 多时相林业遥感影像变化监测方法
CN117058559A (zh) 一种基于卫星遥感的森林火灾态势分析方法、设备及介质
CN113435252B (zh) 一种基于遥感的烟草病虫害监测预警方法和系统
Belenok et al. Investigating anthropogenically transformed landscapes with remote sensing
CN113033401B (zh) 一种面向生态保护红线的人类活动变化识别监管方法
CN112052878B (zh) 一种雷达的遮挡识别的方法、装置及存储介质
CN115424142A (zh) 基于遥感影像的海岸线类型判别方法、装置、介质和设备
Katagis et al. Trend analysis of medium-and coarse-resolution time series image data for burned area mapping in a Mediterranean ecosystem
Shahrin et al. Agricultural analysis and crop yield prediction of habiganj using multispectral bands of satellite imagery with machine learning
CN114398595B (zh) 一种基于bp神经网络的火点遥感识别方法
Artan et al. Testing NDVI, tree cover density and land cover type as fuel indicators in the wildfire spread capacity index (WSCI): case of Montenegro
Tuan et al. Monitoring urban surface water bodies change using mndwi estimated from pan-sharpened optical satellite images
CN115272883A (zh) 区域面源提取方法、装置、计算机设备及可读存储介质
Murray et al. Using fractal analysis of crown images to measure the structural condition of trees
CN113657275A (zh) 一种林草火点自动检测方法
Furtună et al. Change detection in the Cluj Forest District using remote sensing and GIS application.
CN112183489A (zh) 一种松材变色立木识别定位方法、装置、设备及存储介质
Owers et al. Remote sensing can locate and assess the changing abundance of hollow-bearing trees for wildlife in Australian native forests
CN115578646B (zh) 一种蓝藻水华监测方法及装置
Wickramarathna et al. Automated detection of individual juniper tree location and forest cover changes using Google Earth Engine
CN116893428B (zh) 基于激光点云的森林资源调查与监测方法及系统
Arvor et al. Semantic pre-classification of vegetation gradient based on linearly unmixed Landsat time series
CN115601596B (zh) 一种火后森林砍伐分布识别的制图方法及装置
CN112329632B (zh) 一种基于视频分析技术的烟雾识别方法

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