一种基于3S技术的森林火灾监测方法与流程
本发明属森林火灾监测方法技术领域，尤其涉及结合中分辨率遥感数据和多光谱高分辨率遥感影像、gps定位采样信息对森林火灾进行监测，能够提高火灾信息识别的准确性和效率的一种基于3s技术的森林火灾监测方法。
背景技术：
现有的森林火灾监测技术中：森林火灾发生后，首先获得火灾区域相应遥感影像，目前用的最多的是noaa/avhrr和modis中低分辨率数据，然后对数据进行预处理，通过三通道合成法或者绝对火点识别法或者上下文火点识别法识别出火点区域，计算火灾面积，进行火灾监测。在大面积受灾时，通过这些数据和手段可以相对准确识别出火灾区域和受灾面积，但由于noaa/avhrr和modis数据空间分辨率都为中低分辨率，当监测小区域受灾范围的时候，位置和面积的精度要求更高，就不能满足实际要求，而且识别效率较低。
技术实现要素：
本发明解决的技术问题是结合中分辨率遥感数据和多光谱高分辨率遥感影像、gps定位采样信息对森林火灾进行监测，提高火灾信息识别的准确性和效率。提供一种基于3s技术的森林火灾监测方法，使技术人员能通过实时获取影像数据，用中等分辨率的影像快速进行火灾区域粗定位，结合gps定位采样信息，运用多光谱高分辨率遥感影像最终准确快速的完成森林火灾监测。
本发明采用的技术方案是：
一种基于3s技术的森林火灾监测方法，包括以下步骤：
步骤1）、当收到火灾初步信息后，立即在nasa官网和欧空局数据分发网站上下载灾后的包括受灾区域的中低分辨率modis数据和灾前以及灾后多光谱高分辨率哨兵2号遥感监测卫星影像并进行处理，为后期的火灾识别做数据准备；
1.1modis数据的处理步骤：
a.预处理，包括影像拼接、重投影、格式的转换、辐射定标和大气校正；所述影像拼接、重投影、格式的转换为利用针对modis数据的处理工具mrt完成modis数据的影像拼接、重投影和格式的转换，所述mrt是一种针对modis数据的处理工具；所述辐射定标为将记录的原始dn值转换为大气外层表面反射率；所述大气校正为将辐射亮度或者表面反射率转换为地表实际反射率；
b.数据反演：根据近红外和红外波段反演出归一化植被指数ndvi，
反演归一化公式为
其中：
然后计算出热红外波段的辐射率，
辐射率计算为
其中：
根据黑体辐射定律反变换，计算得到地表的亮温值，
地表的亮温值计算公式为：
其中：
t：亮度温度，单位：k，
h：普朗克常数，
k：波尔兹曼常数，
c：光速，
l：辐射亮度，单位：
1.2对哨兵2号遥感监测卫星的l1c级多光谱数据msi进行辐射定标和大气校正处理，所述哨兵2号遥感监测卫星的l1c级多光谱数据msi为经过几何精校正的正射影像；具体步骤为：
a.利用esa发布的用于生产l2a级数据的插件sen2cor进行辐射定标和大气校正的预处理，其中对哨兵2号遥感监测卫星原始数据的10m和20m空间分辨率波段进行处理；所述l2a级数据包括经过辐射定标和大气校正的大气底层反射率数据；
b.数据重采样：将l2a级数据中的b5-vegetationrededge、b6-vegetationrededge、b7-vegetationrededge、b8a-vegetationrededge、b11-swir、b12-swir六个20m分辨率的波段利用cubicconvolution的方法进行重采样为10m分辨率；
c.波段合成：将l2a级数据中的b2-blue、b3-green、b4-red、b8-nir，和经过数据重采样得到的b5-vegetationrededge、b6-vegetationrededge、b7-vegetationrededge、b8a-vegetationrededge、b11-swir、b12-swir，共计十个10m分辨率的影像波段合成为一景多光谱高分辨率影像；
步骤2）、外业采集：派出外业调查人员到受灾现场使用rtk进行精准定位采样，以及利用拍照设备和使用移动端的绘制软件进行外业采样，对受灾现场进行拍照和地块信息的采集，从而获得受灾地点的gps坐标、受灾区域情况信息等，同时结合土地利用现状图对拍摄的受灾地区记录其他火灾基本信息，其他火灾基本信息包括受灾时间和受灾情况；
步骤3）、火灾区域的识别：
3.1利用modis数据，根据反演的ndvi值和亮温值的相应阈值识别出火灾区域的大概位置；
3.2根据得到的火灾大概位置对火灾前后的哨兵2号遥感监测卫星数据进行裁剪，缩小数据的大小和范围；
3.3基于预处理后的哨兵2号影像数据运用最小噪声分离变换的方法（mnf：minimumnoisefraction）对数据进行降维处理后，利用ppi（pixelpurityindex）纯净像元指数通过反复迭代图像中的像素点，从而找到图像中相对纯净的像元作为图像波谱的基本组分，确定终端像元的范围，将终端像元运用mtmf（mixturetunedmatchedfiltering:混合调谐匹配滤波）混合像元分解，得到终端像元类型的丰度图，从丰度图上提取不同组成比例的像元，从而降低混合像元的影响；
3.4基于以上处理的哨兵2号遥感监测卫星数据，根据上述确定的火灾和非火灾的纯净端元反射率的阈值，利用决策树分类建立模型，依据阈值的变化范围进行火灾区域的识别；
3.5结合实测样方火灾的采样信息，验证火灾区域的识别精度；
步骤4）、生成监测服务报告：对受灾的情况以专题地图的形式进行展示，形成完整的监测服务报告。
本发明的有益效果是：
通过发明提供的基于3s技术对森林火灾进行监测，可以协助相关部门快速准确的获得实时受灾情况，根据实时提供的受灾评估报告，可以足不出户的准确的定位到受灾区域、了解到实时的受灾面积，实现信息的快速准确掌握。同时根据现场调查的信息，可以辅助专家对森林整体受灾情况进行多方面分析，通过结合3s的手段，节省了大量的人力和时间，对森林火灾的实时精准监测工作起到了巨大的辅助作用。
（1）结合多光谱高分辨率哨兵2号遥感监测卫星数据以及mnf变换的mtmf混合像元分解，降低混合像元的影响，相应地提高了火灾区域识别的准确性，使大小区域的火灾识别都具有较高的精度。
（2）利用遥感影像识别受灾区域，减少了人工繁琐的机械化操作，达到了简单的数据和参数输入，便能快速得出火灾前后的变化区域即火灾区域。
附图说明
图1是本发明提供的一种基于3s技术的森林火灾监测方法的流程图；
图2是本发明提供的一种基于3s技术的森林火灾监测方法中所采用的哨兵2号遥感监测卫星(sentinel-2)的光谱数据表；
图3是本发明提供的一种基于3s技术的森林火灾监测方法中基于mnf的mtmf混合像元分解流程图。
具体实施方式
本发明的核心是提供一种基于3s技术的森林火灾监测方法。
如图1所示，一种基于3s技术的森林火灾监测方法，包括以下步骤：
步骤1）、当收到火灾初步信息后，立即在nasa官网和欧空局数据分发网站上下载灾后的包括受灾区域的中低分辨率modis数据和灾前以及灾后多光谱高分辨率哨兵2号遥感监测卫星影像并进行处理，为后期的火灾识别做数据准备；
1.1modis数据的处理步骤：
a.预处理，包括影像拼接、重投影、格式的转换、辐射定标和大气校正；所述影像拼接、重投影、格式的转换为利用针对modis数据的处理工具mrt完成modis数据的影像拼接、重投影和格式的转换，所述mrt是一种针对modis数据的处理工具；所述辐射定标为将记录的原始dn值转换为大气外层表面反射率；所述大气校正为将辐射亮度或者表面反射率转换为地表实际反射率；
b.数据反演：根据近红外和红外波段反演出归一化植被指数ndvi，
反演归一化公式为
其中：
然后计算出热红外波段的辐射率，
辐射率计算为
其中：
根据黑体辐射定律反变换，计算得到地表的亮温值，
地表的亮温值计算公式为：
其中：
t：亮度温度，单位：k，
h：普朗克常数，
k：波尔兹曼常数，
c：光速，
l：辐射亮度，单位：
1.2对哨兵2号遥感监测卫星的l1c级多光谱数据msi进行辐射定标和大气校正处理，所述哨兵2号遥感监测卫星的l1c级多光谱数据msi为经过几何精校正的正射影像；图2是所采用的哨兵2号遥感监测卫星(sentinel-2)的光谱数据表；具体步骤为：
a.利用esa发布的用于生产l2a级数据的插件sen2cor进行辐射定标和大气校正的预处理，其中对哨兵2号遥感监测卫星原始数据的10m和20m空间分辨率波段进行处理；所述l2a级数据包括经过辐射定标和大气校正的大气底层反射率数据；
b.数据重采样：将l2a级数据中的b5-vegetationrededge、b6-vegetationrededge、b7-vegetationrededge、b8a-vegetationrededge、b11-swir、b12-swir六个20m分辨率的波段利用cubicconvolution的方法进行重采样为10m分辨率；
c.波段合成：将l2a级数据中的b2-blue、b3-green、b4-red、b8-nir，和经过数据重采样得到的b5-vegetationrededge、b6-vegetationrededge、b7-vegetationrededge、b8a-vegetationrededge、b11-swir、b12-swir，共计十个10m分辨率的影像波段合成为一景多光谱高分辨率影像；
步骤2）、外业采集：派出外业调查人员到受灾现场使用rtk进行精准定位采样，以及利用拍照设备和使用移动端的绘制软件进行外业采样，对受灾现场进行拍照和地块信息的采集，从而获得受灾地点的gps坐标、受灾区域情况信息等，同时结合土地利用现状图对拍摄的受灾地区记录其他火灾基本信息，其他火灾基本信息包括受灾时间和受灾情况；
步骤3）、火灾区域的识别：
3.1利用modis数据，根据反演的ndvi值和亮温值的相应阈值识别出火灾区域的大概位置；
3.2根据得到的火灾大概位置对火灾前后的哨兵2号遥感监测卫星数据进行裁剪，缩小数据的大小和范围；
3.3基于预处理后的哨兵2号影像数据运用最小噪声分离变换的方法（mnf：minimumnoisefraction）对数据进行降维处理后，利用ppi（pixelpurityindex）纯净像元指数通过反复迭代图像中的像素点，从而找到图像中相对纯净的像元作为图像波谱的基本组分，确定终端像元的范围，将终端像元运用mtmf（mixturetunedmatchedfiltering:混合调谐匹配滤波）混合像元分解，得到终端像元类型的丰度图，从丰度图上提取不同组成比例的像元，从而降低混合像元的影响；图3是基于mnf的mtmf混合像元分解流程图；
3.4基于以上处理的哨兵2号遥感监测卫星数据，根据上述确定的火灾和非火灾的纯净端元反射率的阈值，利用决策树分类建立模型，依据阈值的变化范围进行火灾区域的识别；
3.5结合实测样方火灾的采样信息，验证火灾区域的识别精度；
步骤4）、生成监测服务报告：对受灾的情况以专题地图的形式进行展示，形成完整的监测服务报告。
- 还没有人留言评论。精彩留言会获得点赞！