基于Landsat-8陸地衛(wèi)星數(shù)據(jù)的火點檢測方法
【專利摘要】本發(fā)明公開了一種基于Landsat?8陸地衛(wèi)星數(shù)據(jù)的火點檢測方法，涉及遙感技術(shù)領域。所述方法：利用空間分辨率為30米的Landsat?8OLI傳感器數(shù)據(jù)，根據(jù)高溫火點在近紅外及短波紅外波段的波譜特性，利用改進的歸一化燃燒指數(shù)NBRS結(jié)果自適應地確定閾值來提取疑似火點，然后再利用高溫火點在短波紅外的峰值關系進行誤檢點剔除，從而得到最終的火點產(chǎn)品。本發(fā)明提出的算法能檢測到所占像元面積10％左右的火點，并能夠有效地排除云層及建筑物的干擾，在保證較低漏檢率的同時還能達到90％左右的準確率，相比于傳統(tǒng)算法的火點提取精度有很大的提高。
【專利說明】
基于Landsat-8陸地衛(wèi)星數(shù)據(jù)的火點檢測方法
技術(shù)領域
[0001] 本發(fā)明設及遙感技術(shù)領域，尤其設及一種基于Landsat-8陸地衛(wèi)星數(shù)據(jù)的火點檢 測方法。
【背景技術(shù)】
[0002] 遙感技術(shù)的快速發(fā)展為火情的檢測、定位及災后評估提供了有力的幫助，如中低 空間分辨率(500m~Ikm)的MODI S，N0AA/AV皿R等衛(wèi)星，重返周期短，預警速度快，其火點產(chǎn) 品數(shù)據(jù)已經(jīng)在火災監(jiān)測和預警方面得到了廣泛而成功的應用?；谶\些衛(wèi)星數(shù)據(jù)的火點產(chǎn) 品算法比較成熟，主要包括:單通道闊值法、多通道闊值法和有效背景像元法。其中：
[0003] 1、單通道闊值法使用中紅外波段數(shù)據(jù)，根據(jù)影像DN值反演出量溫數(shù)據(jù)，并通過固 定闊值來分割量溫產(chǎn)品來提取火點，如MOD IS判定絕對火點量溫闊值為T4〉360K (夜晚時為 330K)，該方法對云和高反射地物較為敏感，導致誤檢率相對較高，并且固定闊值法很難在 各種影像質(zhì)量的條件下都能取得較好的檢測結(jié)果。
[0004] 2、多通道闊值法即利用多個波段數(shù)據(jù)來共同完成火點檢測任務，彌補了單通道闊 值法中使用信息過于單一的缺陷，能明顯提高檢測精度，如利用熱紅外波段做云掩膜，利用 NDV巧旨數(shù)去除高溫背景等。
[0005] 3、有效背景像元法則是先通過固定闊值法檢測出潛在的火點，然后計算每個潛在 火點的有效背景像元量溫值的均值和標準差，并根據(jù)計算結(jié)果篩選出可信度較高的火點。
[0006] 此外還有一些其他的火點檢測方法，如基于煙羽掩膜的算法、基于多時相影像變 化信息的算法等。但是上述火點檢測算法因受空間分辨率的限制，對于一些燃燒區(qū)域直徑 為IOm左右或更小的火情，如農(nóng)田賴桿燃燒、城市周邊垃圾焚燒W及人為縱火等現(xiàn)象很難取 得較好的檢測結(jié)果。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的在于提供一種基于Landsat-8陸地衛(wèi)星數(shù)據(jù)的火點檢測方法，從而 解決現(xiàn)有技術(shù)中存在的前述問題。
[000引為了實現(xiàn)上述目的，本發(fā)明所述基于Landsat-8陸地衛(wèi)星數(shù)據(jù)的火點檢測方法，所 述方法：
[0009] SI,利用Landsat-8衛(wèi)星上的化I傳感器獲取兩個短波紅外波段的影像數(shù)據(jù)；
[0010] S2,在所述影像數(shù)據(jù)的基礎上進行計算得到改進的歸一化燃燒指數(shù)；
[0011] S3，根據(jù)燃燒指數(shù)在其直方圖中的分布規(guī)律，確定自適應闊值；
[0012] S4，通過自適應闊值提取疑似火點；
[0013] S5,根據(jù)火點在兩個短波紅外的發(fā)射率關系進行誤檢點剔除，從而得到最終的火 點。
[0014] 優(yōu)選地，步驟S2中，改進的歸一化燃燒指數(shù)按照公式(1)計算：
[0015]
(I );
[0016] 其中，nbrs表示改進的歸一化燃燒指數(shù)，化為近紅外波段數(shù)據(jù)，P6、P7分別為兩個短 波紅外數(shù)據(jù)，k為控制P7數(shù)值大小的參數(shù)。
[0017] 優(yōu)選地，步驟S3，具體按照下述步驟實現(xiàn)：
[0018] S31，獲取燃燒指數(shù)的直方圖
[0019] 首先將從步驟S2中獲取的燃燒指數(shù)從其最小值到其最大值劃分成N個等值小區(qū) 間，然后統(tǒng)計燃燒指數(shù)落入每個小區(qū)間像素點個數(shù)并將其為直方圖的縱軸，所述直方圖的 橫軸為劃分區(qū)間的標識為[0，N];
[0020] S32，對直方圖中的數(shù)據(jù)進行平滑處理
[0021 ]具體為:將直方圖中的數(shù)據(jù)劃分成若干連續(xù)的子集，再用多項式最小二乘擬合得 到的子集，在保持原有數(shù)據(jù)特征的情況下降低直方圖中的數(shù)據(jù)的信噪比，完成平滑處理；
[0022] S33,求直方圖數(shù)據(jù)的梯度，首先通過一個較大闊值丫 1來確定上升趨勢，然后W 丫 1所在點為起點回溯，W較小的闊值T 2確定最終拐點，獲取所述拐點的在直方圖中的橫坐 標，最后通過公式(2)計算火點分割的自適應闊值t;
[0023]
(2).
[0024] 其中，^為點P姐燃燒指數(shù)直方圖中的橫坐標，Vmax、Vmin分別為燃燒指數(shù)直方圖中 像素點個數(shù)之和的最大值和最小值，N為劃分區(qū)間的個數(shù)。
[0025] 優(yōu)選地，驟S4,通過自適應闊值提取疑似火點，具體為:判斷燃燒指數(shù)直方圖中各 個點與自適應闊值的關系，如果超過自適應闊值，則判定該點為火點；如果沒有超過自適應 闊值，則忽略此點。
[00%] 優(yōu)選地，步驟S5,具體按照下述步驟實現(xiàn)：
[0027]獲取任意一個疑似火點在短波紅外波段SWIRi的遙感影像像元亮度值D化和短波紅 外波段SWIR2的遙感影像像元亮度值DN2;
[002引將面冷0.7勵的疑似火點作為無檢測點剔除，剩余的意思火點為最終火點。
[0029] 優(yōu)選地，在步驟S5之后還包括估算一個像元中火點區(qū)域的面積S的取值范圍，具體 為：
[0030] 假設分辨率為30m的一個像元中火點區(qū)域所占面積比例為S，如圖8所示，其發(fā)射、 反射福射通量密度分別為化和M2,常溫背景區(qū)域所占面積比例即為1-S，發(fā)射、反射福射通量 密度分別為M3和M4,混合像元總的福射通量密度M的計算公式為公式(3);
[0031] M= (Mi+M2)S+(M3+M4) (I-S) (3)；
[0032] 忽略常溫地物的發(fā)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] 同時，若設定該混合像元可識別的臨界條件為整理公式(4)可得火點區(qū)域 的面積S的公式(5):
[0035] S^k2/(ki-k2+l) (5)；
[0036] 完成估算一個像元中火點區(qū)域的面積S的取值范圍。
[0037] 本發(fā)明的有益效果是：
[003引本發(fā)明利用空間分辨率為30米的Landsat-SOLI傳感器數(shù)據(jù)，包括近紅外波段 (Near Infrared,簡寫NIR) W及兩個短波紅外波段數(shù)據(jù)（短波紅外波段化ort-wave Infrared簡寫SWI ,SWIRl、SWIR2，），計算改進的歸一化燃燒指數(shù)NBRS并根據(jù)高溫火點在燃 燒指數(shù)直方圖中的分布規(guī)律自適應地確定火點分割闊值，本發(fā)明能夠檢測到燃燒區(qū)域直徑 最小為10米左右的高溫火點，此外還能自動過濾一部分高溫疑似火點，保持較高的檢測精 度。
[0039] 本方法可檢測到最小燃燒區(qū)域直徑為10米左右的火點，極大提高火點產(chǎn)品的空間 分辨率，相對于MODIS等衛(wèi)星的火點產(chǎn)品，增加了對小火點的檢測能力，有效排除云層及建 筑物的干擾，檢測準確率達90 %左右;本方法屬全自動化，無需任何人工參與，能夠快速批 量地生產(chǎn)火點產(chǎn)品，滿足用戶的實際生產(chǎn)需求。
【附圖說明】
[0040] 圖1是基于Landsat-8陸地衛(wèi)星數(shù)據(jù)的火點檢測方法的算法流程圖；
[0041] 圖2是燃燒區(qū)域和非燃燒區(qū)域典型地物的波譜曲線；
[0042] 圖3是幾種典型地物的NBRS指數(shù)分布及燃燒指數(shù)灰度直方圖；
[0043] 圖4是燃燒指數(shù)直方圖拐點示意圖；
[0044] 圖5是維恩位移定律；
[0045] 圖6是SWIRi和SWI化在不同溫度下的福射能量比值示意圖；
[0046] 圖7是火點像素短波紅外比值點云圖；
[0047] 圖8是混合像元模型；
[0048] 圖9是不同溫度條件下能檢測到最小火點面積占像元總面積的比例；
[0049] 圖10是火點檢測的判定方法；
[0050] 圖11是燃燒指數(shù)取不同闊值時對應的火點檢測精度；
[0051] 圖12是不同0值條件下的精度變化。
【具體實施方式】
[0052] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，W下結(jié)合附圖，對本發(fā)明進 行進一步詳細說明。應當理解，此處所描述的【具體實施方式】僅僅用W解釋本發(fā)明，并不用于 限定本發(fā)明。
[0053] 光學遙感中，在不考慮各種福射誤差影響的前提下，圖像中的DN值就是由地物的 發(fā)射率和反射率的大小所共同決定。根據(jù)地物在不同波譜區(qū)間的反射和發(fā)射福射能量特 性，通過波段運算，可W分離出異常地物特征，如本文使用改進的歸一化燃燒指數(shù)來提取火 點。在火點檢測算法的波段選擇中，多數(shù)算法選擇利用中紅外波段及熱紅外波段數(shù)據(jù)，但根 據(jù)Barducci及Dennison等人的研究發(fā)現(xiàn)，短波紅外對低溫和高溫地物的區(qū)分度更大，運使 得利用短波紅外波段數(shù)據(jù)的高溫檢測模型更加的穩(wěn)定。于一凡和袁悅等人對多種典型高溫 目標的溫度反演實驗中表明，短波紅外數(shù)據(jù)更能精確識別和定位高溫目標，并且相較于熱 紅外波段數(shù)據(jù)對低溫和高溫地物的區(qū)分度更大。劉安濤和朱亞靜等人則利用短波紅外反演 地表溫度來識別高溫地物，驗證了短波紅外也具有高溫目標識別的優(yōu)勢，能夠避免云層的 干擾，并且對于小火點的檢測能取得更高的精度，因此本文中用于火點檢測的波段主要是 使用了短波紅外波段。
[0054] 本文主要利用了 Landsat-SOLI傳感器兩個短波紅外的影像數(shù)據(jù)，首先計算改進的 歸一化燃燒指數(shù)NBRS值，然后通過燃燒區(qū)域在其灰度直方圖中的分布規(guī)律自適應地確定闊 值提取疑似火點，最后再根據(jù)火點在短波紅外的發(fā)射率關系進行誤檢點剔除，從而得到最 終的火點檢測產(chǎn)品，更詳細的說明如下：
[0055] 參照圖1，本實施例所述的基于Landsat-8陸地衛(wèi)星數(shù)據(jù)的火點檢測方法，所述方 法：
[0056] SI,利用空間分辨率為30米的Landsat-SOLI傳感器數(shù)據(jù)獲取兩個短波紅外波段的 影像數(shù)據(jù)；
[0057] S2,在所述影像數(shù)據(jù)的基礎上進行計算得到改進的歸一化燃燒指數(shù)；
[0058] S3，根據(jù)燃燒指數(shù)在其直方圖中的分布規(guī)律，確定自適應闊值；
[0059] S4，通過自適應闊值提取疑似火點；
[0060] S5,根據(jù)火點在短波紅外的發(fā)射率關系進行誤檢點剔除，從而得到最終的火點。更 詳細的解釋說明為：
[0061] ( -）步驟 Sl和 S2
[0062] Lopez Garcia等人最早提出用Landsat影像的近紅外波段(Near Infrared:NIR) 和短波紅外（Sho;rt-wave Infrared: SWIR)計算歸一化燃燒指數(shù)（Normalized Burning Ratio :NBR) eHolden等人將NBR指數(shù)進行改進得到了改進的歸一化燃燒指數(shù)(Normalized Burning Ratio-化ermal:NBRT)，其在N服指數(shù)的基礎之上加上，Landsat數(shù)據(jù)的熱紅外波段 數(shù)據(jù)作為權(quán)值進行計算，能比NBR指數(shù)在區(qū)分燃燒區(qū)域上取得更加優(yōu)秀的結(jié)果。但是由于 Landsat-8熱紅外波段(TIRS)數(shù)據(jù)飽和溫度為360K，對于一些高溫非火點的識別效果差于 短波紅外波段，并且短波紅外數(shù)據(jù)分辨率也高于熱紅外波段數(shù)據(jù)，故，本文將NBRT中的熱紅 外波段替換成短波紅外波段來計算改進的歸一化燃燒指數(shù)NBRS(Normalized Burning Ratio Shod-wave)，最大的改進就是將NBRT中的熱紅外波段替換成短紅外波段來計算燃 燒指數(shù)，其中NBRT的計算見公式(1-1) ,NBRS的計算公式件(1-2)
[0063] (1-1 ),
[0064] (1-2 );
[0065] 其中，nbrs表示改進的歸一化燃燒指數(shù)，化為近紅外波段數(shù)據(jù)，P6、P7分別為兩個短 波紅外數(shù)據(jù)SWWl和SWI化，PlQ為熱紅外波段數(shù)據(jù)，k為控制P7數(shù)值大小的參數(shù)。
[0066] (二)步驟S3,具體按照下述步驟實現(xiàn)：
[0067] S31，獲取燃燒指數(shù)的直方圖
[0068] 首先將從步驟S2中獲取的燃燒指數(shù)從其最小值到其最大值劃分成N個等值小區(qū) 間，然后統(tǒng)計燃燒指數(shù)落入每個小區(qū)間像素點個數(shù)并將其為直方圖的縱軸，所述直方圖的 橫軸為劃分區(qū)間的標識為[0，N];
[0069] S32，對直方圖中的數(shù)據(jù)進行平滑處理
[0070] 由于該直方圖為離散數(shù)據(jù)，為了求得相對穩(wěn)定的拐點需要先進行平滑處理，本文 利用Savitzky-Golay數(shù)字濾波法的方法，具體為:將直方圖中的源數(shù)據(jù)劃分成若干連續(xù)的 子集，再用多項式最小二乘擬合得到的子集，在保持原有數(shù)據(jù)特征的情況下降低直方圖中 的數(shù)據(jù)的信噪比，完成平滑處理；
[0071] S33,求直方圖數(shù)據(jù)的梯度，首先通過一個較大闊值丫 1來確定上升趨勢，然后W 丫 1所在點為起點回溯，W較小的闊值T 2確定最終拐點，獲取所述拐點的在直方圖中的橫坐 標，最后通過公式(2)計算火點分割的自適應闊值t;
[0072]
(2-1 )；
[007引其中，X熱為點P2在燃燒指數(shù)直方圖中的橫坐標，Vmax、Vmin分別為燃燒指數(shù)圖中像素 點個數(shù)之和的最大值和最小值，N為劃分區(qū)間的個數(shù)。
[0074]在得到NBRS燃燒指數(shù)圖之后，要分離出火點檢測結(jié)果還需要確定一個合適的闊 值。如圖2所示，其中橫坐標的分別代表藍、綠、紅、近紅外、SWIRi波段和SWIR2波段，觀察可知 燃燒區(qū)短波紅外要遠遠大于近紅外波段的數(shù)值，根據(jù)公式1-2可知，燃燒區(qū)域的NBRS指數(shù)值 趨向于-1;對于非燃燒區(qū)域，如農(nóng)田、草地、林地、水域及裸地等，其短波紅外和近紅外波段 數(shù)值相差不大，從而計算出的NBRS指數(shù)離-1相對較遠;此外對于部分建筑區(qū)域W及云層， NBRS指數(shù)值與燃燒區(qū)域指數(shù)值比較接近，容易產(chǎn)生混淆，本申請在步驟S5中提出了誤檢點 過濾的方法。
[00對如圖3中所示，左圖為火點、建筑、上壤、植被、水域和云層等幾種典型地物NBRS指 數(shù)值的大致分布情況，其中只有云層和建筑區(qū)部分地物會和火點區(qū)域有重疊。右圖為整幅 影像的NBRS指數(shù)直方圖分布規(guī)律，根據(jù)地物在NBRS指數(shù)的分布規(guī)律，可W利用直方圖中的 第一個拐點作為分割的闊值，圖中星形點所示。
[0076] 如圖4中所示，左圖的曲線1為燃燒指數(shù)灰度直方圖，曲線2為平滑后的數(shù)據(jù)，右邊 曲線1為梯度曲線，曲線2為平滑處理后的數(shù)據(jù)，Pl為確定上升趨勢時計算所得的點，P2為最 終的拐點，根據(jù)公式2-1可W求得燃燒指數(shù)的分割闊值t。
[0077] (=)步驟S4,通過自適應闊值提取疑似火點，具體為:判斷燃燒指數(shù)直方圖中各個 點與自適應闊值的關系，如果超過自適應闊值，則判定該點為火點；如果沒有超過自適應闊 值，則忽略此點。
[0078] (四）步驟S5,具體按照下述步驟實現(xiàn)：獲取任意一個疑似火點在短波紅外波段 SWII^i的遙感影像像元亮度值D化和短波紅外波段SWIR2的遙感影像像元亮度值0化;將面1> 0.7D化的疑似火點作為無檢測點剔除，剩余的疑似火點為最終火點。
[0079] 因為通過自適應闊值法求得的疑似火點圖由于部分建筑區(qū)域及云層的干擾，會存 在較多的誤檢點，故，本申請將通過地物在短波紅外波段的波譜特征，提出針對誤檢火點的 過濾方法，從而得到最終的火點檢測結(jié)果。
[0080] 如本領域技術(shù)人員公知：根據(jù)黑體福射理論模型，黑體福射通量密度Wa和其溫度 T，隨著波長A的變化呈一定的分布規(guī)律，并且同一物體發(fā)射福射能量達到最大值時對應的 波長隨著其溫度的升高向短波方向移動。具體的變化曲線如圖5所示。其中，黑體福射通量 密度Wa的計算公式為公式(4-1):
[0081] (4-1 );
[0082] WT = C (4-2)；
[008；3] 其中，Wa為黑體福射通量密度，WAcm2 ?皿），A為光譜波長，T化)為黑體的溫度，h為 普朗克常數(shù)，C為光速，k為波爾茲曼常數(shù)，常數(shù)C = 2897.8;
[0084] Landsat-SSWIRi波譜區(qū)間為1.57-1.65皿，SWI化波譜區(qū)間為2.11-2.29皿，使得入max 落入SWIRi波譜區(qū)間的最小溫度為1756K，運遠大于自然界火情現(xiàn)象的溫度范圍（600K- 1000K)。所W理論上，火點區(qū)域的SWII^i波段的值應該小于SWIR2波段值，此外對于火點檢測 結(jié)果產(chǎn)生混淆的建筑區(qū)和云層，其SWWi波段的DN值要大于SWI化波段的值。
[0085] 通過黑體福射模型可W大致估算出SWII^i和SWIR2波段的大小關系。根據(jù)公式4-1， 計算不同溫度(500K~1500K)條件下兩個短波紅外波段的黑體福射能量比值Wi/W2,并W該 比值的上限值作為圖6的縱軸，如圖6所示，800巧IjlOOOK的溫度，其Wi/W2的比值為0.32~ 0.5。對于火點像元的發(fā)射能量大于反射能量，因此SWII^i與SWIR2的比值理論上小于1，并且 接近黑體福射能量比值Wl/W2。
[0086] 圖7是火點像素的散點分布圖，橫縱坐標分別是SWIR4和SW冊波段的DN值，左圖為 自適應闊值檢測的火點圖，右圖為目視解譯的火點圖。W SWIDi <0 ? SWIEU作為判定火點為 真實火點的必要條件，如圖7左圖中所示，誤檢火點大多分布在0=1的直線附近，而真實火 點則分布于靠近橫坐標的右半?yún)^(qū)。所W通過誤檢點和真實火點不同的聚類規(guī)律，可W調(diào)整0 的取值，來剔除誤檢點。如本文取e = 0.7,此時根據(jù)黑體福射定律計算的理論闊值火點溫度 為1200K，該闊值能包含絕大多數(shù)自然火點溫度并能夠排除主要的誤檢點。
[0087] (五)在步驟S5之后還包括估算火點區(qū)域的面積S的取值范圍
[0088] 具體為:如本領域技術(shù)人員公知，在存在火點的遙感影像中，高溫像元往往是由燃 燒區(qū)域和常溫地表區(qū)域組合而成的混合像元，其在短波紅外波段的能量組成包括高溫區(qū)域 的發(fā)射、反射福射通量和常溫區(qū)域的發(fā)射、反射福射通量。
[0089] 假設分辨率為30m的一個像元中火點區(qū)域所占面積比例為S，如圖8所示，其發(fā)射、 反射福射通量密度分別為化和M2,常溫背景區(qū)域所占面積比例即為1-S，發(fā)射、反射福射通量 密度分別為M3和M4,混合像元總的福射通量M的計算公式為公式巧-1);
[0090] M= (Mi+M2)S+(M3+M4) (I-S)巧-1)
[0091] 其中M為混合像元總的福射通量密度。
[0092] 根據(jù)于一凡等人通過高溫目標混合像元福射原理計算所得結(jié)果，如表1所示：
[0093] 表1不同溫度條件下在地物在短波紅外波段的發(fā)射福射通量密度
[0094]
[OOM]表1中，列出了溫度在300K~1060K之間地物在短波紅外的發(fā)射福射通量密度，同 時其反射福射通量密度M2 = 5.14W ? Hf2 ? WIfi,對于常溫地物(300K左右），在短波紅外的發(fā) 射率M3 = 4.8X IQ-3W ? Hf2 ? Wifi,而W多種常溫地物的反射率均值計算可得M4= 13.89W ? m ^ ? Wif 1。顯然M3的值遠遠小于化、M沸M4的值，即M3<< {Ml，M2，M4}，因此通常來說，可忽略常溫 地物的發(fā)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] 同時，若設定該混合像元可識別的臨界條件為整理公式巧-2)可得：
[009引 S>k2/(k 廣 k2+l) (5-3)
[0099] 根據(jù)W上Mi、M2和M4的值計算可得在不同溫度條件下的火點區(qū)域可識別大小的臨 界值，如圖9所示。由于自然火情溫度一般在600K~1000 K之間，所W利用短波紅外數(shù)據(jù)至少 能檢測到所占像元面積10%左右的火點。
[0100] 本申請的實際檢驗結(jié)果展示：
[0101] 第一組實驗數(shù)據(jù)是迂寧省沈陽市周邊的Landsat-8 OLI傳感器數(shù)據(jù)，成像時間為 2014年10月26號，空間分辨率為30米。沈陽市秋季農(nóng)作物W玉米為主，收獲季節(jié)在十月初， 每年的十月下旬是玉米賴桿焚燒的高發(fā)時段，選取的實驗影像包含了大量的小規(guī)?；瘘c。
[0102] 第二組實驗數(shù)據(jù)是美國俄勒岡州南部的landsat-8 OLI傳感器數(shù)據(jù)，成像時間是 2013年8月4號，空間分辨率為30米。自2013年年初到9月，俄勒岡州南部地區(qū)長時間處于重 度或中度干旱狀態(tài)，從7月底開始的森林大火一直持續(xù)到8月初，選取的實驗影像包含了兩 處較大規(guī)模的森林火情。
[0103] 精度評價方法:本文所用的精度評價方法是將人工目視解譯的火點圖作為真值與 本申請算法獲取的火點檢測結(jié)果圖進行比對，利用準確率P和漏檢率M來進行評價，此外還 通過綜合準確率和漏檢率的F值來進行統(tǒng)一的精度評定，如公式A-I~A-3。其中，目視解譯 的火點圖是在Landsat-8的762波段組合的基礎上，人工勾畫出包含火點像素和非火點像素 的二值圖。評價指標中的準確率是指算法檢測到的火點為真實火點的個數(shù)占檢測火點總數(shù) 的比例，而漏檢率是指真實火點圖中沒有被算法檢測到的火點個數(shù)占真實火點總數(shù)的比 例。
[0104] 表2混淆矩陣
[0105]
[(
[(
[(
[0109] 其中，Yy為檢測的火點為真實火點的個數(shù)，Ym為誤檢火點的個數(shù)，Ny為漏檢火點的 個數(shù)，P和M分別為準確率和漏檢率，F(xiàn)為準確率和漏檢率的綜合評價指標。
[0110] 在計算混淆矩陣值時，由于通過目視解譯勾畫的火點邊緣存在必然的誤差，故增 設了一個像元的寬容度，即在判定檢測的火點是否為真實火點時，如果在真實火點圖中W 對應像元為中屯、的3 X 3的窗口內(nèi)有火點存在，則為真，否則為假;同理在判定真實火點是否 被漏檢時，如果在檢測火點圖中W對應像元為中的3 X 3窗口內(nèi)有火點存在，則沒有被漏檢， 反之視為漏檢點。如圖10所示，算法檢測的火點d2~d5被判定為真實火點，dl則為誤檢火 點，真實火點圖中的tl被判定為漏檢點，t2~巧則不是漏檢火點。
[0111] 對本申請?zhí)岢龅乃惴ǚ治觯?br>[0112] (i)自適應闊值分割法
[0113] 本文實驗過程中，NBRS計算公式中的k = 0.001，劃分燃燒指數(shù)的區(qū)間個數(shù)N = 5000，確定拐點的闊值丫 1 = 5，丫 2 = 0.5，即W梯度為5確定上升趨勢，然后Wpi為起點回溯 找到梯度為0.5時的點P2。此時兩幅實驗圖像燃燒指數(shù)的分割闊值分別為:ti = -〇.943和t2 = -0.934。此外為了確定自適應闊值的精度，從燃燒指數(shù)的最小值-1開始，WO.05為步長， 計算每個闊值條件下的準確率和漏檢率，兩幅火點影像的實驗結(jié)果如圖11示。由圖11可W 發(fā)現(xiàn)，隨著燃燒指數(shù)的闊值逐漸變大，火點檢測的準確率會達到一個最大值，然后開始減 小，而漏檢率則是隨著闊值的變大而逐漸變大。自適應闊值法求得的兩個闊值都稍大于F值 達到峰值點時的闊值，即自適應闊值相對于最優(yōu)闊值使得更多的像點被當成了火點，減小 了火點檢測的漏檢率的同時卻使得準確率也相對變小了。
[0114] (ii)誤檢點剔除
[0115] 為了確定最佳的0值來利用5胖11?1<0-8胖11?2作為條件剔除誤檢點，^〇.3為起始 值，0.01為步長，來計算不同的e值條件下，此時火點檢測的準確率、誤檢率和F值的變化情 況，如圖12所示，左圖為第一組試驗的結(jié)果，右圖為第二組實驗的結(jié)果。由圖12可知，當0G [0.6，0.引時，F(xiàn)都能達到或接近峰值點，本申請選取0 = 0.7，即利用SWI^<0.7 . SWIR2作為 必要條件來判定每個自適應闊值條件下求得的火點，并剔除不滿足運一條件的檢測點。
[0116] 由表3可知，對于自適應闊值法檢測精度較高的沈陽地區(qū)，經(jīng)過誤檢點剔除之后， 其火點檢測的準確率由79.1 %上升到86.0%，而漏檢率基本不變，使得F有了一定的提高； 而對于自使用闊值法檢測精度較低的俄勒岡州地區(qū)，經(jīng)過誤檢點剔除之后其準確率由 52.7%上升到了97.5%，其漏檢率基本不變，運使得F值由0.66提升到了0.92，火點檢測精 度得到大幅提升。
[0117] 表3火點檢測精度
[011 引
[0119] 基于DNFI的異常值提取算法結(jié)果圖和基于馬氏距離的多元截尾法結(jié)果圖。運兩種 方法對于容易產(chǎn)生干擾的部分人工建筑區(qū)域都不能有效排除，導致誤檢的火點區(qū)域相對較 多，提取精度偏低。而，本文算法能夠有效地檢測出圖中存在的小規(guī)?；鹎楝F(xiàn)象，并保持較 低的漏檢率，此外還能自動剔除容易產(chǎn)生混淆的高反射率建筑區(qū)，保證了檢測火點的準確 率。
[0120] 兩組實驗區(qū)域，本文火點檢測算法、多元截尾法、異常做法的精度對照表如表4所 示：
[0121] 表4精度對照表
[0122]
[0123] 本文算法對兩組實驗的圖像的火點檢測的精度(0.862,0.915)都明顯高于多元截 尾法(0.589，0.787)和異常值法(0.485，0.584);而多源截尾法雖然準確率相對較低，但其 可W保持極低的漏檢率(0.002,0.002);異常值法則由于實驗圖像的地物種類不同，導致其 檢測結(jié)果產(chǎn)生了很大的波動，運也說明了該方法在火點檢測中的不穩(wěn)定性。綜上所述，本文 提出的火點檢測算法精度明顯優(yōu)于其他兩種方法，漏檢率維持在10%左右，并且準確率達 到了90%。
[0124] 利用遙感技術(shù)手段進行火點識別已經(jīng)成功地應用于應急監(jiān)測中，但目前廣泛使用 的火點產(chǎn)品由于影像空間分辨率低，對大多數(shù)現(xiàn)實存在的小規(guī)?；鹎楝F(xiàn)象無能為力。本文 算法能夠利用如Landsat-8運類具有近紅外及短波紅外波段的衛(wèi)星數(shù)據(jù)，檢測到最小燃燒 區(qū)域直徑為10米左右的火點，極大提高了火點產(chǎn)品的空間分辨率，相對于MODIS等衛(wèi)星的火 點產(chǎn)品，增加了對小火點的檢測能力;并通過燃燒區(qū)域在NBRS灰度直方圖中的分布情況，提 出了一種自適應地提取火點闊值的方法，相比于W往的固定闊值法更符合實際情況，最后 根據(jù)火點在SWRi波段發(fā)射福射能量和SWIR2波段發(fā)射福射能量的大小關系，創(chuàng)新性地提出 了利用SWIRi/SWIR2<0.7作為必要條件剔除誤檢點的方法，使得算法能夠有效排除云層及 建筑物的干擾，在漏檢率很低的情況下還能達到90%左右的準確率;本文所提出的方法是 完全自動化的，無需任何人工參與，能夠快速批量地生產(chǎn)火點產(chǎn)品，滿足用戶的實際生產(chǎn)需 求。
[0125] 由于Landsat-8衛(wèi)星的重訪周期較低，使得單一數(shù)據(jù)源的火點產(chǎn)品的使用價值大 大減小。如果能將更多包含有短波紅外的中等分辨率遙感數(shù)據(jù)綜合應用，就能夠有效地減 小火點產(chǎn)品生成的時間周期，從而彌補了單一影像在火點檢測算法中時間分辨率較低的缺 陷。因此，如何綜合利用多源遙感數(shù)據(jù)進行火點提取，便成了接來下的研究目標。
[0126] 通過采用本發(fā)明公開的上述技術(shù)方案，得到了如下有益的效果:本發(fā)明利用空間 分辨率為30米的Landsat-8 OLI傳感器數(shù)據(jù)，包括近紅外波段(Near Infrared,簡寫NIR)W 及兩個短波紅外波段數(shù)據(jù)(短波紅外波段化ort-wave Infrared簡寫SWI ,SWIRl、SWIR2,）， 計算改進的歸一化燃燒指數(shù)NBRS并根據(jù)高溫火點在燃燒指數(shù)直方圖中的分布規(guī)律自適應 地確定火點分割闊值，本發(fā)明能夠檢測到燃燒區(qū)域直徑最小為10米左右的高溫火點，此外 還能自動過濾一部分高溫疑似火點，保持較高的檢測精度。
[0127] 本方法可檢測到最小燃燒區(qū)域直徑為10米左右的火點，極大提高火點產(chǎn)品的空間 分辨率，相對于MODIS等衛(wèi)星的火點產(chǎn)品，增加了對小火點的檢測能力，有效排除云層及建 筑物的干擾，檢測準確率達90 %左右;本方法屬全自動化，無需任何人工參與，能夠快速批 量地生產(chǎn)火點產(chǎn)品，滿足用戶的實際生產(chǎn)需求。
[0128] W上所述僅是本發(fā)明的優(yōu)選實施方式，應當指出，對于本技術(shù)領域的普通技術(shù)人 員來說，在不脫離本發(fā)明原理的前提下，還可W做出若干改進和潤飾，運些改進和潤飾也應 視本發(fā)明的保護范圍。
【主權(quán)項】
1. 一種基于Landsat-8陸地衛(wèi)星數(shù)據(jù)的火點檢測方法，其特征在于，所述方法： Sl，利用Landsat-8衛(wèi)星上的OLI傳感器獲取兩個短波紅外波段的影像數(shù)據(jù)； S2，在所述影像數(shù)據(jù)的基礎上進行計算得到改進的歸一化燃燒指數(shù)； S3，根據(jù)燃燒指數(shù)在其直方圖中的分布規(guī)律，確定自適應閾值； S4，通過自適應閾值提取疑似火點； S5,根據(jù)火點在兩個短波紅外的發(fā)射率關系進行誤檢點剔除，從而得到最終的火點。2. 根據(jù)權(quán)利要求1所述方法，其特征在于，步驟S2中，改進的歸一化燃燒指數(shù)按照公式 (1)計筧：(1)； 其中，nbrs表示改進的歸一化燃燒指數(shù)，p5為近紅外波段數(shù)據(jù)，p6、p7分別為兩個短波紅 外數(shù)據(jù)，k為控制P7數(shù)值大小的參數(shù)。3. 根據(jù)權(quán)利要求1所述方法，其特征在于，步驟S3，具體按照下述步驟實現(xiàn)： S31，獲取燃燒指數(shù)的直方圖 首先將從步驟S2中獲取的燃燒指數(shù)從其最小值到其最大值劃分成N個等值小區(qū)間，然 后統(tǒng)計燃燒指數(shù)落入每個小區(qū)間像素點個數(shù)并將其為直方圖的縱軸，所述直方圖的橫軸為 劃分區(qū)間的標識為[〇，N]; S32，對直方圖中的數(shù)據(jù)進行平滑處理 具體為:將直方圖中的數(shù)據(jù)劃分成若干連續(xù)的子集，再用多項式最小二乘擬合得到的 子集，在保持原有數(shù)據(jù)特征的情況下降低直方圖中的數(shù)據(jù)的信噪比，完成平滑處理； S33,求直方圖數(shù)據(jù)的梯度，首先通過一個較大閾值丫:來確定上升趨勢，然后以γ?所在 點為起點回溯，以較小的閾值γ 2確定最終拐點，獲取所述拐點的在直方圖中的橫坐標，最 后通過公式(2)計算火點分割的自適應閾值t;(2 )；； 其中為點P2在燃燒指數(shù)直方圖中的橫坐標，1^_分別為燃燒指數(shù)直方圖中像素 點個數(shù)之和的最大值和最小值，N為劃分區(qū)間的個數(shù)。4. 根據(jù)權(quán)利要求1所述方法，其特征在于，步驟S4，通過自適應閾值提取疑似火點，具體 為:判斷燃燒指數(shù)直方圖中各個點與自適應閾值的關系，如果超過自適應閾值，則判定該點 為火點;如果沒有超過自適應閾值，則忽略此點。5. 根據(jù)權(quán)利要求1所述方法，其特征在于，步驟S5，具體按照下述步驟實現(xiàn)： 獲取任意一個疑似火點在短波紅外波段SWIRj^遙感影像像元亮度值DN1和短波紅外波 段SWIR2的遙感影像像元亮度值顯2; 將DN1^O. 7DN2的疑似火點作為無檢測點剔除，剩余的意思火點為最終火點。6. 根據(jù)權(quán)利要求1所述方法，其特征在于，在步驟S5之后還包括估算一個像元中火點區(qū) 域的面積S的取值范圍，具體為： 假設分辨率為30m的一個像元中火點區(qū)域所占面積比例為S，如圖8所示，其發(fā)射、反射 輻射通量密度分別為施和跑，常溫背景區(qū)域所占面積比例即為1-S，發(fā)射、反射輻射通量密度 分別為M3和M4,混合像元總的輻射通量密度M的計算公式為公式(3); M= (Mi+M2)S+(M3+M4) (I-S) (3)； 忽略常溫地物的發(fā)射輻射通量密度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) 同時，若設定該混合像元可識別的臨界條件為M>2M4,整理公式(4)可得火點區(qū)域的面 積S的公式(5): S^k2/(ki_k2+l) (5); 完成估算一個像元中火點區(qū)域的面積S的取值范圍。
【文檔編號】G06T7/00GK106023203SQ201610340064
【公開日】2016年10月12日
【申請日】2016年5月19日
【發(fā)明人】楊進, 何陽, 李信鵬, 梁龍彬, 陳甫
【申請人】中國科學院遙感與數(shù)字地球研究所