基于热红外遥感数据的城市中高温热异常检测方法与流程

本发明涉及一种城市中高温热异常检测方法，具体地涉及一种基于热红外遥感数据的城市中高温热异常检测方法。

背景技术：

对于地球表面而言，热异常这个概念，从宏观上可以理解为是相对于背景温度，该处的温度异常高的现象。地球表面的热异常现象主要包括火山活动、地震活动前的热异常、生物燃烧、工业热源、人为热等。这些热异常现象对人类的生活都有不同程度的影响。对于地球表面的热异常的研究，有针对城市热岛，讨论极热现象对突发性死亡的影响；或者讨论城郊热异常的时空分布特征；也有研究探索热异常在地震板块、火山岩中的分布规律；较为广泛的研究是在全球尺度或者区域尺度寻找热异常点，包括生物燃烧、火山喷发、工业热源、火灾等。

热异常的含义众多，涉及的方面也很广，但是针对城市热异常的研究依然较少。人们倾向于将城市热岛引起的城郊温差当做热异常，该部分的热异常只能反映整体的城市热环境，无法明确地指出热异常的原因以及具体位置。因此对于热异常的识别及提取需要有明确的定位，即找出温度异常高的点。由于热红外波段的传感器饱和问题，很多高温点无法被识别，因此中红外和短波红外逐渐被应用于热异常的识别中。对于高温的探测，最早是由Dozier提出，通过中红外和热红外通道来测量子像元温度。经过三十多年的发展，热异常检测从双谱段探测到高光谱探测，发生了许多变化。起初，人们用中红外和热红外波段来探测高温，后来，短波红外也被应用到高温的探测中。

随着卫星事业的发展，越来越多的遥感数据可以拿来进行热异常的研究。而通过遥感手段提取热异常点，是对热异常现象进行分析研究的基础。现有的方法中较为普遍应用的是双谱段和多谱段法，很多火点产品都是用这类方法来提取高温点。该类方法利用高温在中红外和热红外增加的辐亮度来检测热异常，但其候选的热异常点的阈值的确定需要通过移动窗口，联系上下文进行判断，过程繁琐复杂，并且能探测的温度下限在500-600K左右，对于城市中很多热异常点(例如在400-500K之间的工业热源)无法识别和监测。

因此，需要一种城市中高温热异常检测方法，其能够简单、快速、高效地进行地表热异常信息的提取，并且能够提取出一些温度较低的热异常点。

技术实现要素：

为了解决上面提出的技术问题，本发明提供了一种基于热红外遥感数据的城市中高温热异常检测方法，包括以下步骤：

步骤一：将ASTER数据中的可见光和热红外数据进行大气校正，可见光波段经过大气校正得到反射率数据，热红外波段经过大气校正得到辐亮度数据。

步骤二：根据可见光波段的反射率数据，对水体进行掩模。

步骤三：在大气校正得到的热红外波段的辐亮度数据的基础上，根据普朗克定律，计算各波段的亮温。

步骤四：基于各波段的亮温，计算热异常指数，其计算公式如下：

式中，T10，T11，T12，T13，T14分别为ASTER第10，11，12，13，14波段的亮温。

步骤五：提取热异常点，热异常点的提取通过以下条件进行判断：

TAI＞0

当计算得到的TAI的值大于0时，即判定存在热异常。

以上步骤三中的各个波段的亮温的计算公式如下：

式中，Ts即各波段对应的亮温，k1＝C1/λ⁵，k2＝C2/λ。

普朗克函数的公式如下：

式中，C1和C2是常数(C1＝1.191×10⁸W·μm^–4·Sr^–1·m^–2，C2＝1.439×10⁴μm·K)，λ是波长，T是绝对温度，单位为K，Bλ(T)是绝对温度为T时，波长λ处的光谱辐亮度。

优选地，本发明的基于热红外遥感数据的城市中高温热异常检测方法还包括步骤六对照高分辨率影像，进行精度验证。

本发明的基于热红外遥感数据的城市中高温热异常检测方法能快速地提取温度范围在400K以上的热异常点，并且提取得到的点能确定存在热异常的置信度为90％以上。该指数准确性高，简单便捷，尤其在夜间提取的精度更高，可用于夜间数据的快速热异常提取。

附图说明

下面结合附图，对本发明的具体实施方式进行详细说明。

图1是本发明的基于热红外遥感数据的城市中高温热异常检测方法的步骤流程图。

图2a是根据本发明的一个实施例，计算出的河北省唐山市2016年9月19日晚ASTER13波段的亮温图。

图2b是根据本发明的一个实施例，计算出的河北省唐山市2017年3月14日白天ASTER13波段的亮温图。

图3a是根据本发明的一个实施例，计算出的河北省唐山市2016年9月19日晚的热异常指数TAI图。

图3b是根据本发明的一个实施例，计算出的河北省唐山市2017年3月14日白天的热异常指数TAI图。

图4a是根据本发明的一个实施例，提取的河北省唐山市2016年9月19日晚的热异常点图。

图4b是根据本发明的一个实施例，提取的河北省唐山市2017年3月14日白天的热异常点图。

具体实施方式

本发明提供一种简单的热异常指数来进行地表热异常信息的快速提取。该指数是利用ASTER数据在热红外区域具有多个波段的特征而提出的。该指数具有快速高效的优点，并且能够提取出一些温度较低的热异常点。

ASTER是搭载在Terra卫星上的星载热量散发和反辐射仪。ASTER传感器分成三个独立的子系统，分别处于可见光/近红外、短波红外、热红外波段。ASTER影像的第一至第三波段位于可见光/近红外部分，空间分辨率为15米；第四至第九波段位于短波红外部分，空间分辨率为30米；第十至第十四波段位于热红外部分，地面分辨率为90米。本发明所用的数据包括第一到三波段，十到十四波段。

参见图1，本发明的城市中高温热异常检测方法包括如下步骤：

(1)大气校正

ASTER数据从https://glovis.usgs.gov/上下载，白天的数据包括可见光、热红外波段。可见光和热红外数据都需要经过大气校正，去除大气的干扰。可见光波段经过大气校正得到反射率数据，热红外波段经过大气校正得到辐亮度数据。该过程可以通过ENVI软件中已有的大气校正工具实现。

(2)水体掩膜

在提取热异常点之前，需要对水体进行掩膜。对水体的识别通过可见光波段的反射率来区分。当可见光的三个波段的反射率满足以下条件时，即分类为水体：

ρ1＞ρ2＞ρ3

式中，ρ1，ρ2，和ρ3分别为ASTER第一、二、三波段的反射率。

(3)计算亮温

本发明用到的热红外数据经过大气校正，得到光谱辐亮度，然后根据普朗克定律，获取各个波段的亮温。普朗克函数的公式如下：

式中，C1和2是常数(C1＝1.191×10⁸W·μm^–4·Sr^–1·m^–2，C2＝1.439×10⁴μm·K)，λ是波长，T是绝对温度，单位为K，Bλ(T)是绝对温度为T时，波长λ处的光谱辐亮度。

各波段的亮温计算公式如下：

式中，Ts即各波段对应的亮温，k1＝C1/λ⁵，k2＝C2/λ。

(4)热异常指数计算

该方法基于ASTER热红外数据，提出了一个热异常指数TAI用来提取热异常信息。该方法基于维恩位移定律，当温度升高时，最大辐亮度对应的波长向短波方向移动。因此，当温度升高时，短波波段辐亮度增加得较长波增加的多，对应的亮温升高的也比长波多。根据这一特点，本文通过ASTER数据的热红外波段亮温，构建热异常指数，其计算公式如下：

式中，T10，T11，T12，T13，T14分别为ASTER第10，11，12，13，14波段的亮温。

(5)热异常点提取

热异常点提取通过以下条件进行判断：

TAI＞0 (4)

当计算得到的TAI的值大于0时，即判定存在热异常。

(6)精度验证

将提取的热异常点与google earth上高分辨的影像进行对比，判断提取的热异常点是否位于工厂附近。工厂的类型包括水泥厂、钢铁厂、焦化厂、矿厂、化工厂等具有高温作业过程的工厂。

实施例

选取的数据：本文选取河北唐山市作为研究区，白天的数据为2017年3月14日，夜晚的数据为2016年9月19日。

实现步骤：

步骤一：通过大气校正，得到可见光波段反射率和热红外波段光谱辐亮度；

步骤二：通过水体掩膜剔除影像中的水体；

步骤三：通过公式(2)计算各波段的亮温；

步骤四：通过公式(3)计算热异常指数；

步骤五：通过阈值公式(4)提取热异常点；

步骤六：对照高分辨率影像，进行精度验证。

图2a是在步骤三中计算得到的河北省唐山市2016年9月19日晚ASTER13波段的亮温图；图2b是在步骤三中计算出的河北省唐山市2017年3月14日白天ASTER13波段的亮温。

图3a是在步骤四中计算出的河北省唐山市2016年9月19日晚的热异常指数TAI；图3b是在步骤四中计算出的河北省唐山市2017年3月14日白天的热异常指数TAI。

图4a是在步骤五中提取的河北省唐山市2016年9月19日晚的热异常点图。

图4b是在步骤五中提取的河北省唐山市2017年3月14日白天的热异常点图。

将提取的热异常与google earth对比，得到统计结果如下：

表1.提取热异常点的准确率统计

通过TAI提取的点共229个，与google earth上的高分辨影像对比，可以确定共有210个点位于工厂，准确率在91.7％左右。这表明提取得到的热异常点，有91.7％的点可以确定是热异常点。