基于Landsat-8陆地卫星数据的火点检测方法
【专利摘要】本发明公开了一种基于Landsat?8陆地卫星数据的火点检测方法，涉及遥感技术领域。所述方法：利用空间分辨率为30米的Landsat?8OLI传感器数据，根据高温火点在近红外及短波红外波段的波谱特性，利用改进的归一化燃烧指数NBRS结果自适应地确定阈值来提取疑似火点，然后再利用高温火点在短波红外的峰值关系进行误检点剔除，从而得到最终的火点产品。本发明提出的算法能检测到所占像元面积10％左右的火点，并能够有效地排除云层及建筑物的干扰，在保证较低漏检率的同时还能达到90％左右的准确率，相比于传统算法的火点提取精度有很大的提高。
【专利说明】
基于Landsat-8陆地卫星数据的火点检测方法
技术领域
[0001] 本发明设及遥感技术领域，尤其设及一种基于Landsat-8陆地卫星数据的火点检 测方法。
【背景技术】
[0002] 遥感技术的快速发展为火情的检测、定位及灾后评估提供了有力的帮助，如中低 空间分辨率(500m~Ikm)的MODI S，N0AA/AV皿R等卫星，重返周期短，预警速度快，其火点产 品数据已经在火灾监测和预警方面得到了广泛而成功的应用。基于运些卫星数据的火点产 品算法比较成熟，主要包括:单通道阔值法、多通道阔值法和有效背景像元法。其中：
[0003] 1、单通道阔值法使用中红外波段数据，根据影像DN值反演出量溫数据，并通过固 定阔值来分割量溫产品来提取火点，如MOD IS判定绝对火点量溫阔值为T4〉360K (夜晚时为 330K)，该方法对云和高反射地物较为敏感，导致误检率相对较高，并且固定阔值法很难在 各种影像质量的条件下都能取得较好的检测结果。
[0004] 2、多通道阔值法即利用多个波段数据来共同完成火点检测任务，弥补了单通道阔 值法中使用信息过于单一的缺陷，能明显提高检测精度，如利用热红外波段做云掩膜，利用 NDV巧旨数去除高溫背景等。
[0005] 3、有效背景像元法则是先通过固定阔值法检测出潜在的火点，然后计算每个潜在 火点的有效背景像元量溫值的均值和标准差，并根据计算结果筛选出可信度较高的火点。
[0006] 此外还有一些其他的火点检测方法，如基于烟羽掩膜的算法、基于多时相影像变 化信息的算法等。但是上述火点检测算法因受空间分辨率的限制，对于一些燃烧区域直径 为IOm左右或更小的火情，如农田賴杆燃烧、城市周边垃圾焚烧W及人为纵火等现象很难取 得较好的检测结果。
【发明内容】
[0007] 本发明的目的在于提供一种基于Landsat-8陆地卫星数据的火点检测方法，从而 解决现有技术中存在的前述问题。
[000引为了实现上述目的，本发明所述基于Landsat-8陆地卫星数据的火点检测方法，所 述方法：
[0009] SI,利用Landsat-8卫星上的化I传感器获取两个短波红外波段的影像数据；
[0010] S2,在所述影像数据的基础上进行计算得到改进的归一化燃烧指数；
[0011] S3，根据燃烧指数在其直方图中的分布规律，确定自适应阔值；
[0012] S4，通过自适应阔值提取疑似火点；
[0013] S5,根据火点在两个短波红外的发射率关系进行误检点剔除，从而得到最终的火 点。
[0014] 优选地，步骤S2中，改进的归一化燃烧指数按照公式(1)计算：
[0015]
(I );
[0016] 其中，nbrs表示改进的归一化燃烧指数，化为近红外波段数据，P6、P7分别为两个短 波红外数据，k为控制P7数值大小的参数。
[0017] 优选地，步骤S3，具体按照下述步骤实现：
[0018] S31，获取燃烧指数的直方图
[0019] 首先将从步骤S2中获取的燃烧指数从其最小值到其最大值划分成N个等值小区 间，然后统计燃烧指数落入每个小区间像素点个数并将其为直方图的纵轴，所述直方图的 横轴为划分区间的标识为[0，N];
[0020] S32，对直方图中的数据进行平滑处理
[0021 ]具体为:将直方图中的数据划分成若干连续的子集，再用多项式最小二乘拟合得 到的子集，在保持原有数据特征的情况下降低直方图中的数据的信噪比，完成平滑处理；
[0022] S33,求直方图数据的梯度，首先通过一个较大阔值丫 1来确定上升趋势，然后W 丫 1所在点为起点回溯，W较小的阔值T 2确定最终拐点，获取所述拐点的在直方图中的横坐 标，最后通过公式(2)计算火点分割的自适应阔值t;
[0023]
(2).
[0024] 其中，^为点P姐燃烧指数直方图中的横坐标，Vmax、Vmin分别为燃烧指数直方图中 像素点个数之和的最大值和最小值，N为划分区间的个数。
[0025] 优选地，骤S4,通过自适应阔值提取疑似火点，具体为:判断燃烧指数直方图中各 个点与自适应阔值的关系，如果超过自适应阔值，则判定该点为火点；如果没有超过自适应 阔值，则忽略此点。
[00%] 优选地，步骤S5,具体按照下述步骤实现：
[0027]获取任意一个疑似火点在短波红外波段SWIRi的遥感影像像元亮度值D化和短波红 外波段SWIR2的遥感影像像元亮度值DN2;
[002引将面冷0.7励的疑似火点作为无检测点剔除，剩余的意思火点为最终火点。
[0029] 优选地，在步骤S5之后还包括估算一个像元中火点区域的面积S的取值范围，具体 为：
[0030] 假设分辨率为30m的一个像元中火点区域所占面积比例为S，如图8所示，其发射、 反射福射通量密度分别为化和M2,常溫背景区域所占面积比例即为1-S，发射、反射福射通量 密度分别为M3和M4,混合像元总的福射通量密度M的计算公式为公式(3);
[0031] M= (Mi+M2)S+(M3+M4) (I-S) (3)；
[0032] 忽略常溫地物的发射福射通量密度M3，令M2 = kiMi，M4 = k2化整理公式(3)可得公式 (4)：
[0033] M=化 i+l)SMi+k2(l-S)Mi (4)
[0034] 同时，若设定该混合像元可识别的临界条件为整理公式(4)可得火点区域 的面积S的公式(5):
[0035] S^k2/(ki-k2+l) (5)；
[0036] 完成估算一个像元中火点区域的面积S的取值范围。
[0037] 本发明的有益效果是：
[003引本发明利用空间分辨率为30米的Landsat-SOLI传感器数据，包括近红外波段 (Near Infrared,简写NIR) W及两个短波红外波段数据（短波红外波段化ort-wave Infrared简写SWI ,SWIRl、SWIR2，），计算改进的归一化燃烧指数NBRS并根据高溫火点在燃 烧指数直方图中的分布规律自适应地确定火点分割阔值，本发明能够检测到燃烧区域直径 最小为10米左右的高溫火点，此外还能自动过滤一部分高溫疑似火点，保持较高的检测精 度。
[0039] 本方法可检测到最小燃烧区域直径为10米左右的火点，极大提高火点产品的空间 分辨率，相对于MODIS等卫星的火点产品，增加了对小火点的检测能力，有效排除云层及建 筑物的干扰，检测准确率达90 %左右;本方法属全自动化，无需任何人工参与，能够快速批 量地生产火点产品，满足用户的实际生产需求。
【附图说明】
[0040] 图1是基于Landsat-8陆地卫星数据的火点检测方法的算法流程图；
[0041] 图2是燃烧区域和非燃烧区域典型地物的波谱曲线；
[0042] 图3是几种典型地物的NBRS指数分布及燃烧指数灰度直方图；
[0043] 图4是燃烧指数直方图拐点示意图；
[0044] 图5是维恩位移定律；
[0045] 图6是SWIRi和SWI化在不同溫度下的福射能量比值示意图；
[0046] 图7是火点像素短波红外比值点云图；
[0047] 图8是混合像元模型；
[0048] 图9是不同溫度条件下能检测到最小火点面积占像元总面积的比例；
[0049] 图10是火点检测的判定方法；
[0050] 图11是燃烧指数取不同阔值时对应的火点检测精度；
[0051] 图12是不同0值条件下的精度变化。
【具体实施方式】
[0052] 为了使本发明的目的、技术方案及优点更加清楚明白，W下结合附图，对本发明进 行进一步详细说明。应当理解，此处所描述的【具体实施方式】仅仅用W解释本发明，并不用于 限定本发明。
[0053] 光学遥感中，在不考虑各种福射误差影响的前提下，图像中的DN值就是由地物的 发射率和反射率的大小所共同决定。根据地物在不同波谱区间的反射和发射福射能量特 性，通过波段运算，可W分离出异常地物特征，如本文使用改进的归一化燃烧指数来提取火 点。在火点检测算法的波段选择中，多数算法选择利用中红外波段及热红外波段数据，但根 据Barducci及Dennison等人的研究发现，短波红外对低溫和高溫地物的区分度更大，运使 得利用短波红外波段数据的高溫检测模型更加的稳定。于一凡和袁悦等人对多种典型高溫 目标的溫度反演实验中表明，短波红外数据更能精确识别和定位高溫目标，并且相较于热 红外波段数据对低溫和高溫地物的区分度更大。刘安涛和朱亚静等人则利用短波红外反演 地表溫度来识别高溫地物，验证了短波红外也具有高溫目标识别的优势，能够避免云层的 干扰，并且对于小火点的检测能取得更高的精度，因此本文中用于火点检测的波段主要是 使用了短波红外波段。
[0054] 本文主要利用了 Landsat-SOLI传感器两个短波红外的影像数据，首先计算改进的 归一化燃烧指数NBRS值，然后通过燃烧区域在其灰度直方图中的分布规律自适应地确定阔 值提取疑似火点，最后再根据火点在短波红外的发射率关系进行误检点剔除，从而得到最 终的火点检测产品，更详细的说明如下：
[0055] 参照图1，本实施例所述的基于Landsat-8陆地卫星数据的火点检测方法，所述方 法：
[0056] SI,利用空间分辨率为30米的Landsat-SOLI传感器数据获取两个短波红外波段的 影像数据；
[0057] S2,在所述影像数据的基础上进行计算得到改进的归一化燃烧指数；
[0058] S3，根据燃烧指数在其直方图中的分布规律，确定自适应阔值；
[0059] S4，通过自适应阔值提取疑似火点；
[0060] S5,根据火点在短波红外的发射率关系进行误检点剔除，从而得到最终的火点。更 详细的解释说明为：
[0061] ( -）步骤 Sl和 S2
[0062] Lopez Garcia等人最早提出用Landsat影像的近红外波段(Near Infrared:NIR) 和短波红外（Sho;rt-wave Infrared: SWIR)计算归一化燃烧指数（Normalized Burning Ratio :NBR) eHolden等人将NBR指数进行改进得到了改进的归一化燃烧指数(Normalized Burning Ratio-化ermal:NBRT)，其在N服指数的基础之上加上，Landsat数据的热红外波段 数据作为权值进行计算，能比NBR指数在区分燃烧区域上取得更加优秀的结果。但是由于 Landsat-8热红外波段(TIRS)数据饱和溫度为360K，对于一些高溫非火点的识别效果差于 短波红外波段，并且短波红外数据分辨率也高于热红外波段数据，故，本文将NBRT中的热红 外波段替换成短波红外波段来计算改进的归一化燃烧指数NBRS(Normalized Burning Ratio Shod-wave)，最大的改进就是将NBRT中的热红外波段替换成短红外波段来计算燃 烧指数，其中NBRT的计算见公式(1-1) ,NBRS的计算公式件(1-2)
[0063] (1-1 ),
[0064] (1-2 );
[0065] 其中，nbrs表示改进的归一化燃烧指数，化为近红外波段数据，P6、P7分别为两个短 波红外数据SWWl和SWI化，PlQ为热红外波段数据，k为控制P7数值大小的参数。
[0066] (二)步骤S3,具体按照下述步骤实现：
[0067] S31，获取燃烧指数的直方图
[0068] 首先将从步骤S2中获取的燃烧指数从其最小值到其最大值划分成N个等值小区 间，然后统计燃烧指数落入每个小区间像素点个数并将其为直方图的纵轴，所述直方图的 横轴为划分区间的标识为[0，N];
[0069] S32，对直方图中的数据进行平滑处理
[0070] 由于该直方图为离散数据，为了求得相对稳定的拐点需要先进行平滑处理，本文 利用Savitzky-Golay数字滤波法的方法，具体为:将直方图中的源数据划分成若干连续的 子集，再用多项式最小二乘拟合得到的子集，在保持原有数据特征的情况下降低直方图中 的数据的信噪比，完成平滑处理；
[0071] S33,求直方图数据的梯度，首先通过一个较大阔值丫 1来确定上升趋势，然后W 丫 1所在点为起点回溯，W较小的阔值T 2确定最终拐点，获取所述拐点的在直方图中的横坐 标，最后通过公式(2)计算火点分割的自适应阔值t;
[0072]
(2-1 )；
[007引其中，X热为点P2在燃烧指数直方图中的横坐标，Vmax、Vmin分别为燃烧指数图中像素 点个数之和的最大值和最小值，N为划分区间的个数。
[0074]在得到NBRS燃烧指数图之后，要分离出火点检测结果还需要确定一个合适的阔 值。如图2所示，其中横坐标的分别代表蓝、绿、红、近红外、SWIRi波段和SWIR2波段，观察可知 燃烧区短波红外要远远大于近红外波段的数值，根据公式1-2可知，燃烧区域的NBRS指数值 趋向于-1;对于非燃烧区域，如农田、草地、林地、水域及裸地等，其短波红外和近红外波段 数值相差不大，从而计算出的NBRS指数离-1相对较远;此外对于部分建筑区域W及云层， NBRS指数值与燃烧区域指数值比较接近，容易产生混淆，本申请在步骤S5中提出了误检点 过滤的方法。
[00对如图3中所示，左图为火点、建筑、上壤、植被、水域和云层等几种典型地物NBRS指 数值的大致分布情况，其中只有云层和建筑区部分地物会和火点区域有重叠。右图为整幅 影像的NBRS指数直方图分布规律，根据地物在NBRS指数的分布规律，可W利用直方图中的 第一个拐点作为分割的阔值，图中星形点所示。
[0076] 如图4中所示，左图的曲线1为燃烧指数灰度直方图，曲线2为平滑后的数据，右边 曲线1为梯度曲线，曲线2为平滑处理后的数据，Pl为确定上升趋势时计算所得的点，P2为最 终的拐点，根据公式2-1可W求得燃烧指数的分割阔值t。
[0077] (=)步骤S4,通过自适应阔值提取疑似火点，具体为:判断燃烧指数直方图中各个 点与自适应阔值的关系，如果超过自适应阔值，则判定该点为火点；如果没有超过自适应阔 值，则忽略此点。
[0078] (四）步骤S5,具体按照下述步骤实现：获取任意一个疑似火点在短波红外波段 SWII^i的遥感影像像元亮度值D化和短波红外波段SWIR2的遥感影像像元亮度值0化;将面1> 0.7D化的疑似火点作为无检测点剔除，剩余的疑似火点为最终火点。
[0079] 因为通过自适应阔值法求得的疑似火点图由于部分建筑区域及云层的干扰，会存 在较多的误检点，故，本申请将通过地物在短波红外波段的波谱特征，提出针对误检火点的 过滤方法，从而得到最终的火点检测结果。
[0080] 如本领域技术人员公知：根据黑体福射理论模型，黑体福射通量密度Wa和其溫度 T，随着波长A的变化呈一定的分布规律，并且同一物体发射福射能量达到最大值时对应的 波长随着其溫度的升高向短波方向移动。具体的变化曲线如图5所示。其中，黑体福射通量 密度Wa的计算公式为公式(4-1):
[0081] (4-1 );
[0082] WT = C (4-2)；
[008；3] 其中，Wa为黑体福射通量密度，WAcm2 ?皿），A为光谱波长，T化)为黑体的溫度，h为 普朗克常数，C为光速，k为波尔兹曼常数，常数C = 2897.8;
[0084] Landsat-SSWIRi波谱区间为1.57-1.65皿，SWI化波谱区间为2.11-2.29皿，使得入max 落入SWIRi波谱区间的最小溫度为1756K，运远大于自然界火情现象的溫度范围（600K- 1000K)。所W理论上，火点区域的SWII^i波段的值应该小于SWIR2波段值，此外对于火点检测 结果产生混淆的建筑区和云层，其SWWi波段的DN值要大于SWI化波段的值。
[0085] 通过黑体福射模型可W大致估算出SWII^i和SWIR2波段的大小关系。根据公式4-1， 计算不同溫度(500K~1500K)条件下两个短波红外波段的黑体福射能量比值Wi/W2,并W该 比值的上限值作为图6的纵轴，如图6所示，800巧IjlOOOK的溫度，其Wi/W2的比值为0.32~ 0.5。对于火点像元的发射能量大于反射能量，因此SWII^i与SWIR2的比值理论上小于1，并且 接近黑体福射能量比值Wl/W2。
[0086] 图7是火点像素的散点分布图，横纵坐标分别是SWIR4和SW册波段的DN值，左图为 自适应阔值检测的火点图，右图为目视解译的火点图。W SWIDi <0 ? SWIEU作为判定火点为 真实火点的必要条件，如图7左图中所示，误检火点大多分布在0=1的直线附近，而真实火 点则分布于靠近横坐标的右半区。所W通过误检点和真实火点不同的聚类规律，可W调整0 的取值，来剔除误检点。如本文取e = 0.7,此时根据黑体福射定律计算的理论阔值火点溫度 为1200K，该阔值能包含绝大多数自然火点溫度并能够排除主要的误检点。
[0087] (五)在步骤S5之后还包括估算火点区域的面积S的取值范围
[0088] 具体为:如本领域技术人员公知，在存在火点的遥感影像中，高溫像元往往是由燃 烧区域和常溫地表区域组合而成的混合像元，其在短波红外波段的能量组成包括高溫区域 的发射、反射福射通量和常溫区域的发射、反射福射通量。
[0089] 假设分辨率为30m的一个像元中火点区域所占面积比例为S，如图8所示，其发射、 反射福射通量密度分别为化和M2,常溫背景区域所占面积比例即为1-S，发射、反射福射通量 密度分别为M3和M4,混合像元总的福射通量M的计算公式为公式巧-1);
[0090] M= (Mi+M2)S+(M3+M4) (I-S)巧-1)
[0091] 其中M为混合像元总的福射通量密度。
[0092] 根据于一凡等人通过高溫目标混合像元福射原理计算所得结果，如表1所示：
[0093] 表1不同溫度条件下在地物在短波红外波段的发射福射通量密度
[0094]
[OOM]表1中，列出了溫度在300K~1060K之间地物在短波红外的发射福射通量密度，同 时其反射福射通量密度M2 = 5.14W ? Hf2 ? WIfi,对于常溫地物(300K左右），在短波红外的发 射率M3 = 4.8X IQ-3W ? Hf2 ? Wifi,而W多种常溫地物的反射率均值计算可得M4= 13.89W ? m ^ ? Wif 1。显然M3的值远远小于化、M沸M4的值，即M3<< {Ml，M2，M4}，因此通常来说，可忽略常溫 地物的发射福射通量密度13。若令^fc = k^i，M4 = 1?化整理公式巧-1)可得公式巧-2):
[0096] M=化 i+l)SMi+k2(l-S)Mi (5-2)
[0097] 同时，若设定该混合像元可识别的临界条件为整理公式巧-2)可得：
[009引 S>k2/(k 广 k2+l) (5-3)
[0099] 根据W上Mi、M2和M4的值计算可得在不同溫度条件下的火点区域可识别大小的临 界值，如图9所示。由于自然火情溫度一般在600K~1000 K之间，所W利用短波红外数据至少 能检测到所占像元面积10%左右的火点。
[0100] 本申请的实际检验结果展示：
[0101] 第一组实验数据是迂宁省沈阳市周边的Landsat-8 OLI传感器数据，成像时间为 2014年10月26号，空间分辨率为30米。沈阳市秋季农作物W玉米为主，收获季节在十月初， 每年的十月下旬是玉米賴杆焚烧的高发时段，选取的实验影像包含了大量的小规模火点。
[0102] 第二组实验数据是美国俄勒冈州南部的landsat-8 OLI传感器数据，成像时间是 2013年8月4号，空间分辨率为30米。自2013年年初到9月，俄勒冈州南部地区长时间处于重 度或中度干旱状态，从7月底开始的森林大火一直持续到8月初，选取的实验影像包含了两 处较大规模的森林火情。
[0103] 精度评价方法:本文所用的精度评价方法是将人工目视解译的火点图作为真值与 本申请算法获取的火点检测结果图进行比对，利用准确率P和漏检率M来进行评价，此外还 通过综合准确率和漏检率的F值来进行统一的精度评定，如公式A-I~A-3。其中，目视解译 的火点图是在Landsat-8的762波段组合的基础上，人工勾画出包含火点像素和非火点像素 的二值图。评价指标中的准确率是指算法检测到的火点为真实火点的个数占检测火点总数 的比例，而漏检率是指真实火点图中没有被算法检测到的火点个数占真实火点总数的比 例。
[0104] 表2混淆矩阵
[0105]
[(
[(
[(
[0109] 其中，Yy为检测的火点为真实火点的个数，Ym为误检火点的个数，Ny为漏检火点的 个数，P和M分别为准确率和漏检率，F为准确率和漏检率的综合评价指标。
[0110] 在计算混淆矩阵值时，由于通过目视解译勾画的火点边缘存在必然的误差，故增 设了一个像元的宽容度，即在判定检测的火点是否为真实火点时，如果在真实火点图中W 对应像元为中屯、的3 X 3的窗口内有火点存在，则为真，否则为假;同理在判定真实火点是否 被漏检时，如果在检测火点图中W对应像元为中的3 X 3窗口内有火点存在，则没有被漏检， 反之视为漏检点。如图10所示，算法检测的火点d2~d5被判定为真实火点，dl则为误检火 点，真实火点图中的tl被判定为漏检点，t2~巧则不是漏检火点。
[0111] 对本申请提出的算法分析：
[0112] (i)自适应阔值分割法
[0113] 本文实验过程中，NBRS计算公式中的k = 0.001，划分燃烧指数的区间个数N = 5000，确定拐点的阔值丫 1 = 5，丫 2 = 0.5，即W梯度为5确定上升趋势，然后Wpi为起点回溯 找到梯度为0.5时的点P2。此时两幅实验图像燃烧指数的分割阔值分别为:ti = -〇.943和t2 = -0.934。此外为了确定自适应阔值的精度，从燃烧指数的最小值-1开始，WO.05为步长， 计算每个阔值条件下的准确率和漏检率，两幅火点影像的实验结果如图11示。由图11可W 发现，随着燃烧指数的阔值逐渐变大，火点检测的准确率会达到一个最大值，然后开始减 小，而漏检率则是随着阔值的变大而逐渐变大。自适应阔值法求得的两个阔值都稍大于F值 达到峰值点时的阔值，即自适应阔值相对于最优阔值使得更多的像点被当成了火点，减小 了火点检测的漏检率的同时却使得准确率也相对变小了。
[0114] (ii)误检点剔除
[0115] 为了确定最佳的0值来利用5胖11?1<0-8胖11?2作为条件剔除误检点，^〇.3为起始 值，0.01为步长，来计算不同的e值条件下，此时火点检测的准确率、误检率和F值的变化情 况，如图12所示，左图为第一组试验的结果，右图为第二组实验的结果。由图12可知，当0G [0.6，0.引时，F都能达到或接近峰值点，本申请选取0 = 0.7，即利用SWI^<0.7 . SWIR2作为 必要条件来判定每个自适应阔值条件下求得的火点，并剔除不满足运一条件的检测点。
[0116] 由表3可知，对于自适应阔值法检测精度较高的沈阳地区，经过误检点剔除之后， 其火点检测的准确率由79.1 %上升到86.0%，而漏检率基本不变，使得F有了一定的提高； 而对于自使用阔值法检测精度较低的俄勒冈州地区，经过误检点剔除之后其准确率由 52.7%上升到了97.5%，其漏检率基本不变，运使得F值由0.66提升到了0.92，火点检测精 度得到大幅提升。
[0117] 表3火点检测精度
[011 引
[0119] 基于DNFI的异常值提取算法结果图和基于马氏距离的多元截尾法结果图。运两种 方法对于容易产生干扰的部分人工建筑区域都不能有效排除，导致误检的火点区域相对较 多，提取精度偏低。而，本文算法能够有效地检测出图中存在的小规模火情现象，并保持较 低的漏检率，此外还能自动剔除容易产生混淆的高反射率建筑区，保证了检测火点的准确 率。
[0120] 两组实验区域，本文火点检测算法、多元截尾法、异常做法的精度对照表如表4所 示：
[0121] 表4精度对照表
[0122]
[0123] 本文算法对两组实验的图像的火点检测的精度(0.862,0.915)都明显高于多元截 尾法(0.589，0.787)和异常值法(0.485，0.584);而多源截尾法虽然准确率相对较低，但其 可W保持极低的漏检率(0.002,0.002);异常值法则由于实验图像的地物种类不同，导致其 检测结果产生了很大的波动，运也说明了该方法在火点检测中的不稳定性。综上所述，本文 提出的火点检测算法精度明显优于其他两种方法，漏检率维持在10%左右，并且准确率达 到了90%。
[0124] 利用遥感技术手段进行火点识别已经成功地应用于应急监测中，但目前广泛使用 的火点产品由于影像空间分辨率低，对大多数现实存在的小规模火情现象无能为力。本文 算法能够利用如Landsat-8运类具有近红外及短波红外波段的卫星数据，检测到最小燃烧 区域直径为10米左右的火点，极大提高了火点产品的空间分辨率，相对于MODIS等卫星的火 点产品，增加了对小火点的检测能力;并通过燃烧区域在NBRS灰度直方图中的分布情况，提 出了一种自适应地提取火点阔值的方法，相比于W往的固定阔值法更符合实际情况，最后 根据火点在SWRi波段发射福射能量和SWIR2波段发射福射能量的大小关系，创新性地提出 了利用SWIRi/SWIR2<0.7作为必要条件剔除误检点的方法，使得算法能够有效排除云层及 建筑物的干扰，在漏检率很低的情况下还能达到90%左右的准确率;本文所提出的方法是 完全自动化的，无需任何人工参与，能够快速批量地生产火点产品，满足用户的实际生产需 求。
[0125] 由于Landsat-8卫星的重访周期较低，使得单一数据源的火点产品的使用价值大 大减小。如果能将更多包含有短波红外的中等分辨率遥感数据综合应用，就能够有效地减 小火点产品生成的时间周期，从而弥补了单一影像在火点检测算法中时间分辨率较低的缺 陷。因此，如何综合利用多源遥感数据进行火点提取，便成了接来下的研究目标。
[0126] 通过采用本发明公开的上述技术方案，得到了如下有益的效果:本发明利用空间 分辨率为30米的Landsat-8 OLI传感器数据，包括近红外波段(Near Infrared,简写NIR)W 及两个短波红外波段数据(短波红外波段化ort-wave Infrared简写SWI ,SWIRl、SWIR2,）， 计算改进的归一化燃烧指数NBRS并根据高溫火点在燃烧指数直方图中的分布规律自适应 地确定火点分割阔值，本发明能够检测到燃烧区域直径最小为10米左右的高溫火点，此外 还能自动过滤一部分高溫疑似火点，保持较高的检测精度。
[0127] 本方法可检测到最小燃烧区域直径为10米左右的火点，极大提高火点产品的空间 分辨率，相对于MODIS等卫星的火点产品，增加了对小火点的检测能力，有效排除云层及建 筑物的干扰，检测准确率达90 %左右;本方法属全自动化，无需任何人工参与，能够快速批 量地生产火点产品，满足用户的实际生产需求。
[0128] W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W做出若干改进和润饰，运些改进和润饰也应 视本发明的保护范围。
【主权项】
1. 一种基于Landsat-8陆地卫星数据的火点检测方法，其特征在于，所述方法： Sl，利用Landsat-8卫星上的OLI传感器获取两个短波红外波段的影像数据； S2，在所述影像数据的基础上进行计算得到改进的归一化燃烧指数； S3，根据燃烧指数在其直方图中的分布规律，确定自适应阈值； S4，通过自适应阈值提取疑似火点； S5,根据火点在两个短波红外的发射率关系进行误检点剔除，从而得到最终的火点。2. 根据权利要求1所述方法，其特征在于，步骤S2中，改进的归一化燃烧指数按照公式 (1)计筧：(1)； 其中，nbrs表示改进的归一化燃烧指数，p5为近红外波段数据，p6、p7分别为两个短波红 外数据，k为控制P7数值大小的参数。3. 根据权利要求1所述方法，其特征在于，步骤S3，具体按照下述步骤实现： S31，获取燃烧指数的直方图 首先将从步骤S2中获取的燃烧指数从其最小值到其最大值划分成N个等值小区间，然 后统计燃烧指数落入每个小区间像素点个数并将其为直方图的纵轴，所述直方图的横轴为 划分区间的标识为[〇，N]; S32，对直方图中的数据进行平滑处理 具体为:将直方图中的数据划分成若干连续的子集，再用多项式最小二乘拟合得到的 子集，在保持原有数据特征的情况下降低直方图中的数据的信噪比，完成平滑处理； S33,求直方图数据的梯度，首先通过一个较大阈值丫:来确定上升趋势，然后以γ?所在 点为起点回溯，以较小的阈值γ 2确定最终拐点，获取所述拐点的在直方图中的横坐标，最 后通过公式(2)计算火点分割的自适应阈值t;(2 )；； 其中为点P2在燃烧指数直方图中的横坐标，1^_分别为燃烧指数直方图中像素 点个数之和的最大值和最小值，N为划分区间的个数。4. 根据权利要求1所述方法，其特征在于，步骤S4，通过自适应阈值提取疑似火点，具体 为:判断燃烧指数直方图中各个点与自适应阈值的关系，如果超过自适应阈值，则判定该点 为火点;如果没有超过自适应阈值，则忽略此点。5. 根据权利要求1所述方法，其特征在于，步骤S5，具体按照下述步骤实现： 获取任意一个疑似火点在短波红外波段SWIRj^遥感影像像元亮度值DN1和短波红外波 段SWIR2的遥感影像像元亮度值顯2; 将DN1^O. 7DN2的疑似火点作为无检测点剔除，剩余的意思火点为最终火点。6. 根据权利要求1所述方法，其特征在于，在步骤S5之后还包括估算一个像元中火点区 域的面积S的取值范围，具体为： 假设分辨率为30m的一个像元中火点区域所占面积比例为S，如图8所示，其发射、反射 辐射通量密度分别为施和跑，常温背景区域所占面积比例即为1-S，发射、反射辐射通量密度 分别为M3和M4,混合像元总的辐射通量密度M的计算公式为公式(3); M= (Mi+M2)S+(M3+M4) (I-S) (3)； 忽略常温地物的发射辐射通量密度M3，令M2 = IuM1，M4=IwM1整理公式(3)可得公式(4): M=(ki+l)SMi+k2(l-S)Mi (4) 同时，若设定该混合像元可识别的临界条件为M>2M4,整理公式(4)可得火点区域的面 积S的公式(5): S^k2/(ki_k2+l) (5); 完成估算一个像元中火点区域的面积S的取值范围。
【文档编号】G06T7/00GK106023203SQ201610340064
【公开日】2016年10月12日
【申请日】2016年5月19日
【发明人】杨进, 何阳, 李信鹏, 梁龙彬, 陈甫
【申请人】中国科学院遥感与数字地球研究所