实施方式】
[0057]下面将结合附图对本发明的实施例进行详细描述。
[0058]图1示出了本发明一个实施例的农田火灾遥感监测预警的方法的示意图。如图1所 示，该方法包括：
[0059] S1:根据卫星遥感数据获取农田中成熟作物的面积；
[0060] S2:根据所述成熟期作物的面积，获取农田中一定时间段内火灾发生的次数和每 次燃烧痕迹的面积，根据所述农田中火灾发生的次数和燃烧痕迹的面积计算农田火灾的发 生强度；
[0061] S3:根据所述火灾的发生强度和农田作物的冠层含水量确定火灾发生的可能性； 若所述火灾发生的可能性超过预定阈值，则进行农田火灾预警。
[0062]本实施例的农田火灾遥感监测预警的方法，根据成熟期作物的面积，获取农田中 一定时间段内火灾发生的次数和每次燃烧痕迹的面积，根据所述农田中火灾发生的次数和 燃烧痕迹的面积计算农田火灾的发生强度;根据农田火灾的发生强度和作物的冠层含水量 确定火灾发生的可能性，在统计多年火灾发生强度和作物冠层水分含量遥感反演的基础 上，进行火灾预警，火灾次数和面积遥感监测的方法简单、精确度高及预警效率高。
[0063]在一个可选的实施方式中，所述根据卫星遥感数据获取农田中成熟作物的面积， 包括：
[0064]根据时间序列的卫星遥感数据获取农田中作物及农田周围地物的物候信息；
[0065]根据作物物候信息和农田周围地物的物候信息差异，提取农田中成熟期作物的面 积。
[0066]图2示出了本发明一个实施例的获取农田中成熟期作物的面积的流程示意图。如 图2所示，获取农田中成熟期作物的面积包括：
[0067] S21:根据卫星遥感数据分别获取农田中作物和农田周围地物的归一化植被指数 (normalized difference vegetation index，NDVI)NDVI;
[0068] S22:通过Savitzky-Golay滤波模型分别获取农田中作物和农田周围地物的归一 化植被指数NDVI生长曲线；
[0069] S23:比较农田中作物和农田周围地物的NDVI生长曲线变化趋势和数值的差异；
[0070] S24:确定两个时相的遥感数据NDVI值，获取农田中成熟期作物的面积。
[0071]举例来说，以获取农田中成熟期小麦的面积为例。选择中分辨率成像光谱仪 (moderate-resolution imaging spectroradiometer，MODIS)高时间分辨率的遥感数据， 提取时间序列的ND VI，通过滤波的方法，得到时间序列的作物生育期生长曲线。滤波选择 Savitzky-Golay滤波模型。Savitzky-Golay滤波基本公式：
[0073]其中Y是指NDVI的原始值，Y*是NDVI的拟合值，Ci是第i个NDVI值滤波时的系数，N 是指卷积数目，也等于滑动数组的宽度(2m+l)。系数j是指原始NDVI数组的系数。滑动数组 包含有(2m+l)个点。该方法本质上是种平滑滤波，因此两个参数控制滤波效果，一个是m，即 滤波窗口大小;二是i，即平滑多项式的次数。
[0074]作物在生长最旺盛期（对应的NDVImax)后，进入成熟枯黄期，作物冠层自然失去水 分，才有可能发生火灾，因此需要提取进入成熟期作物的面积，根据生育期NDVI的差异进行 提取，因此需要确定能够反映差异的特征点。即生育期曲线峰值点NDVI的最大值NDVImax和 进入成熟枯黄期时间点的NDVU直，即：
[0075] NDVImax=max(NDVIti ,NDVIt2,......NDVItn),
[0076] NDVIw=min(NDVIti,NDVIt2,......NDVItn),
[0077] NDVIti,NDVIt2,......NDVItn为作物生育期时间序列的NDVI值。
[0078] 通过M0DIS时间序列的NDVI产品分析冬小麦生育期变化曲线，提取该曲线的目的 是通过比较冬小麦绿色全覆盖和成熟期冬小麦生长曲线的差异，提取成熟期冬小麦的面积 信息，因此用同样方法也提取了城镇和绿地的生长曲线。
[0079]如图3所示，冬小麦在第40天左右NDVI曲线开始逐渐增加，90-120天之间开始达到 峰值，然后曲线开始下降，在160天左右达到谷值;冬小麦生育期曲线明显高于城镇曲线，相 比绿地曲线，绿地在150-170天之间，生长曲线高于冬小麦。由此可见，冬小麦生育期内通过 生育期曲线比较分析，三者生长曲线具有较大的差异。
[0080] 为了增强火灾留下的燃烧痕迹效果，需要明显压缩背景信息。确定两个时相的遥 感数据NDVI值，获取农田中成熟期作物的面积，包括：
[0081] 根据公式一计算差值植被指数；
[0082] DVI=NDVIref-NDVI_i，公式一
[0083] DVI为差值植被指数；NDVIref为从NDVI生长曲线上确定的参考点的NDVI值； NDVI_i为待监测农田作物成熟期的NDVI值。
[0084] 因此构建成熟作物积信息提取模型，具体如下：
[0085] 通过上述方法，应用Landsat数据提取可能发生火灾的成熟的冬小麦面积信息。
[0086] 图4示出了本发明一个实施例的获取农田中燃烧痕迹的面积比例的流程示意图。 如图4所示，获取农田中燃烧痕迹的面积比例包括：
[0087] S41:根据卫星遥感数据获取光谱特征；
[0088] S42:根据所述光谱特征确定农田中作物燃烧痕迹指数；
[0089] S43:根据所述作物燃烧痕迹指数获取农田中燃烧痕迹的数量和面积。
[0090]进一步地，所述根据所述光谱特征确定农田中作物燃烧痕迹指数 [0091 ]根据公式二确定作物燃烧痕迹指数；
[0093]其中，BSI为作物燃烧痕迹指数，m为次方数，m2 0，RRed为光谱的红光位置（如 LandSatS数据的第4波段采用0.63-0.69微米之间的波段）；匕,为光谱的短波红外位置(如 LandSat8数据的第7波段采用2.090-2.350微米之间的波段）；R Green为光谱的绿光位置(如 LandSatS数据的第3波段采用0.525-0.600微米之间的波段）;R Nir为光谱的近红外波段位置 (如LandSat8数据的第5波段采用0.776-0.900微米之间的波段）。特别地，n = 4。
[0094] 由于上述的方法对于正在着火的区域监测精度相对较低，因此对于卫星过境时正 在着火的区域采用热红外波段监测的方法，所采用的热红外反演模型和方法及相应的产品 相对比较成熟，不再赘述。
[0095] 由于火灾发生后留下的燃烧痕迹和下垫面的其他地物(麦茬、成熟的小麦等)在像 元中以混合像元的形式存在，经过上述燃烧痕迹提取模型的增强作用，明显增强燃烧痕迹 信息，明显压缩背景信息（成熟的作物和作物茬地），因此混合像元包括背景信息和燃烧痕 迹信息，我们假设二者呈线性混合，因此混合分解模型如下：
[0096] BSI = fBBSIb+(l-fB)BSIbc,
[0098]其中，f b为像元中火灾燃烧痕迹所占的比例，l-fB为像元中除火灾燃烧痕迹以外的 背景信息所占的比例，BSIb为火灾燃烧痕迹的像元的均值，BSIb。为火灾燃烧痕迹的像元背 景的均值。
[0099]火灾监测预警需要考虑三个因素：一是某时间范围内发生的强度，即在一定时间 段内发生火灾的面积与监测面积之间的关系，该因子与作物成熟的时间、盛行风向、风力、 距离村庄远近、处理秸杆的习惯(烧秸杆、烧麦茬）、管理方式等有关;二是发生火灾的具体 时间点，作物冠层含水量是否达到可燃含水率;三是监测或预警单元的确定。
[0100] 在一种可选的实施方式中，所述根据所述农田中火灾发生的次数和燃烧痕迹的面 积计算火灾的发生强度，包括：
[0101] 根据公式四确定火灾的发生强度；
[0103] 其中，Fc为统计时间段内农田中监测单元c中火灾发生的强度;a+b = 1，a 2 0，b 2 〇，a和b分别为统计一定时间段内监测单元c中火灾发生次数和面积的权重;η为监测单元c 中火灾发生的次数;nmax为各监测单元中火灾发生的最大次数;Sn为监测单元c中发生火灾
的面积;Smax为各监测单元中火灾发生的最大面积 单元c中燃烧痕迹斑块k的面积;r为