基于遥感数据的森林火灾监测方法、系统及介质与流程

本发明涉及火灾监测，具体涉及基于遥感数据的森林火灾监测方法、系统及介质。

背景技术：

1、森林资源紧缺，森林火灾一旦发生，大片森林化为灰烬，会造成严重损失，同时林地容易造成水土流失，容易发生水旱风沙灾害，甚至影响到整个区域的生态环境和可持续发展。

2、目前，最有效的手段是通过遥感技术对林区的资源进行大范围、大视野的全天候24小时实时监测分析，在发现林区内的有火或者有烟的时候自动报警，并且能够将火点的位置能够定位，一旦遇到火灾自动报警，及时通知相关的工作人员的一种先进合理的监测机制。

3、但是目前现有的森林火灾监测机制还存在很多不足：在遥感影像上，很难单纯依靠辐射亮度或温度，将森林火灾与城市燃烧热源充分地分离，导致森林火灾监测精度不高，出现误报警。

技术实现思路

1、本发明所要解决的技术问题是：现有的森林火灾监测机制在遥感影像上，很难单纯依靠辐射亮度或温度，将森林火灾与城市燃烧热源充分地分离，将森林火灾与城市燃烧热源充分地分离，导致森林火灾监测精度不高，出现误报警；本发明目的在于提供基于遥感数据的森林火灾监测方法、系统及介质，结合历史火灾数据和遥感数据构建出火点监测指标函数，一方面火点监测指标函数考虑了微光波段亮度和植被指数以区分森林火灾与城市燃烧热源，另一方面还基于亮温特征表示修正火点监测指标函数，以区分火灾边缘与城市燃烧热源，实现对森林火灾的具有敏感性、稳定性和准确性的识别。

2、本发明通过下述技术方案实现：

3、本发明提供基于遥感数据的森林火灾监测方法，包括：

4、s1，获取待监测森林区域的历史火灾数据，所述历史火灾数据包括火点数据和遥感数据；

5、s2，基于历史火灾数据构建最优火点敏感波段组：基于波段特征和波段间相关系数进行波段组合，以oif指数最大的组合作为最优火点敏感波段组；

6、s3，在最优火点敏感波段组下确定亮温特征表示；

7、s4，构建关于为微光波段亮度和植被指数的火点监测指标函数，并基于亮温特征表示修正火点监测指标函数；

8、s5，将待监测森林区域的实时遥感数据输入修正后的火点监测指标函数进行森林火点监测。

9、本方案工作原理：现有的森林火灾监测机制在遥感影像上，单纯依靠辐射亮度或温度，很难将森林火灾与城市燃烧热源充分地分离，将森林火灾与城市燃烧热源充分地分离，导致森林火灾监测精度不高，出现误报警；本发明目的在于提供基于遥感数据的森林火灾监测方法，在现有的森林火灾监测机制上进行火点识别方法上的改进，结合历史火灾数据和遥感数据构建出火点监测指标函数，一方面火点监测指标函数考虑了微光波段亮度和植被指数以区分森林火灾与城市燃烧热源，另一方面还基于亮温特征表示修正火点监测指标函数，以区分火灾边缘位置与城市燃烧热源，实现对森林火灾的具有敏感性、稳定性和准确性的识别。

10、在遥感数据中，森林火灾表现为微光波段亮度增高、地物温度增高，但森林火灾与工业燃烧和城市热岛等城市热源，存在辐射亮度和地物温度混淆情况，很难单纯依靠微光波段亮度或地物温度将森林火灾与其他热源充分地分离；因此本方案通过构建关于为微光波段亮度和植被指数的火点监测指标函数，通过植被指数增大森林热源区域与城市热源区域之间的差异；然而在火点边缘，微光波段的辐射亮度和地物温度都有所降低，边缘疑似火灾像元与城市中心像元也易出现混淆，因此本方案还基于亮温特征表示修正火点监测指标函数，以增大边缘疑似火灾位置与城市中心位置的识别度。

11、进一步优化方案为，步骤s2包括以下子步骤：

12、s21，获取火点数据，并从遥感数据中提取出与火点数据空间对应的非火点数据；

13、s22，计算出火点数据与非火点数据在各个波段的特征值，所述特征值包括：最大值、最小值、平均值和标准差；找出火点数据与非火点数据特征值相差最大的波段作为基本波段；

14、s23，计算各波段与基本波段之间的相关系数，筛选出相关系数小于相关阈值qa的波段作为第一预选波段，计算各第一选波段之间的相关系数，筛选出相关系数小于相关阈值qa的波段作为第二预选波段；相关系数是衡量两个变量之间的线性相关的重要根据；相关系数越大，变量的相关性越强,所包含的信息越可能重复，为减少数据冗余，在波段组选取时优先选择相关系数小的波段。

15、s24，将基本波段与第二预选波段进行波段组合：以基本波段和两个第二预选波段组合成一个波段组；

16、s25，计算各波段组的oif指数，以oif指数最大的波段组为最优火点敏感波段组。

17、进一步优化方案为，所述相关系数根据下式计算

18、q＝(δij)2/(δii+δjj)

19、其中，(δij)2为波段i与波段j的协方差，δii为波段i的标准差，δjj波段j的标准差。

20、进一步优化方案为，所述基本波段的获取方法包括：

21、计算火点数据与非火点数据之间的：最大值的差量、最小值的差量、平均值的差量和标准差的差量；

22、计算最大值的差量、最小值的差量、平均值的差量和标准差的差量的算数平均数，筛选出算数平均数最大的波段作为基本波段。

23、进一步优化方案为，所述亮温特征表示包括当前位置的亮温表示和当前位置与背景像元的亮温差表示；

24、所述当前位置的亮温表示为当前位置在基本波段的亮温te；

25、所述当前位置与背景像元的亮温差表示为：

26、

27、其中，t1为当前位置在第一波段的亮温，t2为当前位置在第二波段的亮温，te0为基本波段背景像元温度的平均值，第一波段与第二波段属于最优火点敏感波段组。

28、进一步优化方案为，所述火点监测指标函数为：

29、

30、其中k为火点监测指标，ntlg为归一化后的微光波段亮度，所述归一化行线性函数归一化处理，使其值域在0和1之间；ndvip为p时间前的植被指数,a为火点监测系数。

31、考虑到植被与人类活动的关系，城市中心通常随着建筑密度增高而植被覆盖偏少，而在远离城市的郊区随着建筑密度减少而植被覆盖增多，使微光波段亮度与植被指数相乘后，高微光波段亮度特征在城市中心变小，在火灾中心变大，增强森林火灾与城市热源的光谱差异。

32、进一步优化方案为，所述火点监测指标函数的修正方法包括：

33、考虑亮温特征表示的火点监测指标为：

34、

35、其中teg为归一化后的当前位置亮温表示，δt为当前位置与背景像元的亮温差表示；所述归一化行线性函数归一化处理，使其值域在0和1之间。

36、当出现火点时，地物温度会出现异常增高(在遥感数据中表示为亮温增高)，同时植被指数减小，导致亮温与植被指数比值偏离自然变化范围。因此，基于地表温度通过潜热传递随植被密度的增加而降低的原理，以微光波段亮度和亮温与植被指数比值形式来表示火点监测指标。

37、火点边缘的微光波段亮度和亮温都有所降低，边缘疑似火点像元与城市中心像元易出现混淆，本方案利用火灾与背景像元的亮温差修正火点监测指标函数，进一步提高森林火灾识别能力。

38、进一步优化方案为，s5包括以下子步骤：

39、s51，将待监测森林区域地图划分成n*n的网格，在网格的每个方格中，选取方格四个角所在位置和方格中心位置为监测点；

40、s52，从待监测森林区域的实时遥感数据中提取出各监测点的判定数据：微光波段亮度ntl、p时间前的植被指数ndvip,以及在最优火点敏感波段组下监测点的亮温特征表示；

41、s52,将各监测点的判定数据输入火点监测模型计算出火点监测指标k；

42、s53,判断火点监测指标k是否超过火点阈值k，若是，则判定当前监测点为火点；否则，判定当前监测点为安全点；

43、s54，将网格上各火点用不同的形式区分显示。

44、用不同颜色表示或将火点监测指标相等的点连接在一起构成等指标线表示。便于及时找到火点的中心位置。

45、本方案还提供基于遥感数据的森林火灾监测系统，用于实现上述的基于遥感数据的森林火灾监测方法，包括：

46、采集模块，用于获取待监测森林区域的历史火灾数据，所述历史火灾数据包括火点数据和遥感数据；

47、组合构建模块，用于基于历史火灾数据构建最优火点敏感波段组：基于波段特征和波段间相关系数进行波段组合，以oif指数最大的组合作为最优火点敏感波段组；

48、表示构建模块，用于在最优火点敏感波段组下确定亮温特征表示；

49、函数构建模块，用于构建关于为微光波段亮度和植被指数的火点监测指标函数，并基于亮温特征表示修正火点监测指标函数；

50、监测模块，用于将待监测森林区域的实时遥感数据输入修正后的火点监测指标函数进行森林火点监测。

51、本方案还提供一种计算机可读介质，其上存储有计算机程序，，所述计算机程序被处理器执行可实现如上所述的基于遥感数据的森林火灾监测方法。

52、本发明与现有技术相比，具有如下的优点和有益效果：

53、本发明提供的基于遥感数据的森林火灾监测方法、系统及介质；在现有的森林火灾监测机制上进行火点识别方法上的改进，结合历史火灾数据和遥感数据构建出火点监测指标函数，一方面火点监测指标函数考虑了微光波段亮度和植被指数以区分森林火灾与城市燃烧热源，另一方面还基于亮温特征表示修正火点监测指标函数，以区分火灾边缘位置与城市燃烧热源，实现对森林火灾的具有敏感性、稳定性和准确性的识别。