基于modis数据自动探测草原火灾迹地的方法

专利名称：基于modis数据自动探测草原火灾迹地的方法
技术领域：
本发明涉及利用MODIS(Moderate Resolution Imaging Spectrometer中分辨率成像光谱仪)数据进行草原火灾迹地探测的方法，特别涉及利用MODIS数据进行草原火灾迹地自动探测的方法。
背景技术：
自然火灾(Wild fire)是生态系统演替过程的自然现象，但也对区域生态系统和全球气候系统造成了严重影响。表现为(1)植物燃烧向大气中排放大量的温室气体(CO2、CO、CH4、NOX等)和气溶胶，不仅改变大气化学成分、而且可能直接影响辐射平衡和全球气候系统；(2)破坏区域生态系统的生产功能，导致动物栖息地和生物多样性的减少；(3)改变了植被演替方式和生物营养循环。鉴于火灾迹地在生态系统管理以及全球变化研究中的重要作用，有必要在全球或区域尺度上对火情和火灾迹地面积进行监测，以便及时控制火灾灾情和准确估计火灾对生态环境的影响。
目前基于遥感的火灾监测方法可以分为火点(Hotspot)探测和火灾后迹地(Burn scar)识别两类。火点探测通常基于火的热学性质，使用中红外波段(3.55～3.93μm)对火点进行实时监测。常用的方法可概括为多波段固定阈值法和背景(Contexture)阈值法两大类。多波段固定阈值法对于在小区域上去除高反射率物质如云、温度较高的地物(如裸土)及日映(Sunglint)等的干扰减少火点误判十分有效，但在大区域采用固定阈值可能误判或遗漏火点。鉴于多波段固定阈值法在大区域应用上的缺陷，IGBP-DIS开发了背景阈值法以适用于全球尺度的火点监测。该类方法的阈值通过比较邻近像元的温度差异来确定，具有动态自适应的优势。MODIS火灾产品中对火点的监测结合了多波段固定阈值和背景阈值方法的优点。另一方面，火灾后迹地识别主要是通过判断植被在火灾前后的光谱变化来估算燃烧面积。目前应用较广泛的方法有火灾前后NDVI差值法、NDVI回归分析方法、HANDS方法等，这些方法都使用NOAA-AVHRR NDVI最大值合成数据，结合火点监测结果和植被覆盖图，在去除了植被时相上的NDVI差异之后，利用局部自动阈值的方法来判断火灾迹地像元。尽管采用时间序列合成数据能在一定程度上去除云、云的阴影、观测角度等带来的影响，但由于植被在火灾后的迅速恢复、风吹散燃烧残余物等因素，使得合成的时段选择受到植被覆盖类型的影响。利用单日数据提取火灾迹地则具有实时性、不受合成方法影响的优点，而且可以进行燃烧区域动态分析。Li et al.利用MODIS单日数据1.24μm和2.13μm两个波段，根据经验阈值的方法对火灾迹地进行了识别研究，参照非专利文献1。但总体而言，目前利用单日遥感数据提取火灾迹地的研究还不够成熟，主要是因为不同植被覆盖类型的火灾迹地光谱性质还不够清楚。此外，目前大多数有关火灾的遥感监测研究都在森林区域开展，而对于草原火灾的研究还相对滞后。
非专利文献1Li R R，Kaufman Y J，Hao W M，Salmon J M，Gao B C.Atechnique for detecting burn scar using MODIS data[J]，IEEE Transaction onGeoscience and Remote Sensing，2004，42(6)1300-1308.
非专利文献2Pinty B，Verstraete M M.GEMIA non-linear index tomonitor global vegetation from satellites[J]，Vegetation，1992，10115-20.
非专利文献3Stroppiana D，Pinnock S，Pereira J M C，Gregoire J M.Radiometric analysis of SPOT-VAGETATION images for burnt area detectionin Northern Australia[J]，Remote Sensing of Environment，2002，8121-37.

发明内容
本发明的目的在于提供一种基于MODIS数据自动探测草原火灾迹地的方法，该方法能够快速准确地提取火灾迹地的面积，且在计算过程中，根据每幅图像上火点周围像元自动获取火灾迹地的统计特征，避免了人为设定阈值和使用固定阈值可能出现的误判和漏判现象。
本发明的基于MODIS数据自动探测草原火灾迹地的方法，包括从卫星接收MODIS数据的步骤，其特征在于，还包括构建火灾迹地指数GEMI-B的步骤；探测火点的步骤；以每个火点为中心计算一定范围窗口中像元的火灾迹地指数的步骤；将火点添加进种子点序列的步骤；比较步骤，该步骤用于比较各扩散像元周围一定窗口内GEMI-B指数的均值和标准差是否与火灾迹地的统计特征值相接近，如果不接近，从种子点序列中去除；如果接近，以迹地像元为中心向外扩散，将扩散像元添加到种子点序列中，将计算过的种子点像元从种子点序列中去除的步骤；判断种子点数目是否为零的步骤，如果数目不为零，返回到比较步骤，如果判断为种子点数目为零，则前进到输出迹地图像的步骤。
本发明的基于MODIS数据自动探测草原火灾迹地的方法的特征还在于，利用MODIS数据的第5波段和第7波段来构建火灾迹地指数GEMI-B，其表达式为GEMI-B＝η(1-0.25η)-(ρ5-0.125)/(1-ρ5)(1)其中η=(2(ρ72-ρ52)+1.5ρ7+0.5ρ5)/(ρ7+ρ5+0.5)---(2)]]>上式中，ρ7和ρ5分别为MODIS第5和第7波段的反射率。
本发明的基于MODIS数据自动探测草原火灾迹地的方法，包括从卫星接收MODIS数据的步骤，其特征在于还包括计算火灾迹地指数GEMI-B的步骤；探测火点的步骤；以每个火点为中心计算3×3窗口中像元的火灾迹地指数的步骤；将火点添加进种子点序列的步骤；计算均值Ms、标准差SDs的步骤，该步骤用于计算所有火点的3×3窗口火灾迹地指数GEMI-B的均值Ms、标准差SDs；计算均值Mw、标准差SDw的步骤，该步骤用于逐个计算每个种子点为中心的3×3窗口的火灾迹地指数GEMI-B的均值Mw、标准差SDw；根据公式SDw＜Nl*SDs和公式Mw＜＝Ms±N2*SDs判断其均值Mw和标准差SDw是否与火灾迹地的统计特征值接近的步骤，其中，N1、N2为接近系数；如果不接近，判断为非迹地，从种子点序列中去除，如果接近，判断为迹地像元，以迹地像元为中心向外扩散，将扩散像元添加到种子点序列中，将计算过的种子点像元从种子点序列中去除的步骤；判断种子点数目是否为零的步骤，如果判断为种子点数目不为零，返回到计算均值Mw、标准差SDw的步骤，如果判断为种子点数目为零，则前进到输出迹地图像的步骤。
本发明的基于MODIS数据自动探测草原火灾迹地的方法的特征还在于，利用MODIS数据的第5波段和第7波段来构建火灾迹地指数GEMI-B，其表达式为GEMI-B＝η(1-0.25η)-(ρ5-0.125)/(1-ρ5)(1)其中η=(2(ρ72-ρ52)+1.5ρ7+0.5ρ5)/(ρ7+ρ5+0.5)---(2)]]>上式中，ρ7和ρ5分别为MODIS第5和第7波段的反射率。
本发明的基于MODIS数据自动探测草原火灾迹地的方法的特征还在于，用于判断每个种子点为中心的3×3窗口的火灾迹地指数均值Mw、标准差SDw是否与火灾迹地的统计特征值接近的系数N1、N2的范围为1.0＜＝N1＜＝2.0 2.0＜＝N2＜＝3.0。
本发明的基于火点和GEMI-B指数的火灾迹地自动识别方法，能够精确地理定位遥感数据、消除大气影响、准确提取火情或火烧迹地，，且在计算过程中，根据每幅图像上火点周围像元自动获取火灾迹地的统计特征，避免了人为设定阈值和使用固定阈值可能出现的误判和漏判现象。由于使用了火点作为初始种子点扩散的方法，即使只有很少的火点，也可以扩展到整个迹地。同时，该方法能对多幅图像进行批处理，可以方便的观察火灾迹地在时间序列上的变化特征。


图1是不同地表覆盖类型在MODIS波段1～7的平均反射率。
图2是本发明的基于MODIS数据自动探测草原火灾迹地的方法的流程图。
具体实施例方式
本发明使用的数据是搭载于Terra卫星上的MODIS数据。使用了MODIS的1～7波段(空间分辨率为500m)，以及第20、21、31波段(空间分辨率1km)数据。MODIS数据的时间跨度为2003年5月20日至5月31日(图2)。原始MODIS数据级别为Level 1B，未经过任何处理。在经过几何纠正和辐射纠正之后，分别生成了表观反射率数据(波段1～7)和亮度温度(Brightness temperature)数据(波段21、22、31)。研究中使用到的MODIS波段的属性见表1。
表1

1.波段1～7nm；波段21、22、31μm；2.研究中使用到的数据采样到500m；图1是不同地表覆盖类型在MODIS波段1～7的平均反射率。
由于未能及时测量2003年5月发生在中蒙边境的草原火灾迹地的光谱，发明人根据植被类型图，在不同日期的MODIS图像上分别选择了代表不同地表覆盖类型的若干像元，包括火灾迹地、未燃烧的森林和草地、水体、云、薄云覆盖的迹地等6大类，然后计算了各类地表覆盖的平均表观反射率(图3)。由图3可以看出(1)迹地和水体反射率较低且曲线平缓，在近红外到短波红外范围，迹地的反射率高于水体；(2)与之相对照，在整个光谱区间，植被和云的反射率都高于迹地，并且变化较大，整体而言，在可见光到近红外范围，云都具有高反射率的特征；(3)在可见光范围内，迹地与未燃烧的森林、草地具有十分相似的光谱特征，很难进行区分，与之相对照，近红外和短波红外范围上(波段2和波段5)，各类地物的反射特征区别最大；植被的燃烧过程表现为在可见光到短波红外范围上反射率的降低，尤其以波段2和波段5的降低最为显著；(4)薄云覆盖的火灾迹地具有迹地相似的光谱特征，但受高反射率云的影响，具有相对较高的反射率；(5)各类地物的反射率在波段7光谱范围内存在收敛的趋势。上述根据表观反射率得到的火灾迹地与其它地物的光谱特征差异，基本与NASA1995年在巴西的机载AVIRIS光谱测量结果相似。
根据火灾迹地的光谱特征，许多研究提出了反映火灾迹地特征的指数和识别火灾迹地的方法。较为常用的指数有NDVI、BAI(Burn Area Index)[18]、NDII(Normalized Difference Infrared Index)(相似的指数如SWVI(Short Wave Vegetation Index)和NDWI(Normalized Difference WaterIndex))、NBR(Normalized Burn Ratio)、VI3T、GEMI(Global EnvironmentMonitoring Index)等。这些指数的定义见附录。上述指数一般都利用植被燃烧后生物量和水分损失所导致的相应波段反射率降低的特征，因此对火灾迹地有较好的识别能力，森林区域的实验研究也取得了较为满意的结果。但上述指数一般使用波长较短的波段，受燃烧产生的烟尘、气溶胶和薄云的影响较为严重；同时，由于草原区域植被覆盖率较低，土壤背景值影响更为显著，再加上植被的水分含量较低，因此，在草原区域利用上述指数能否区分迹地还有待进一步验证。
Li et al.利用机载AVIRIS测量的森林区域燃烧前后400～2500nm的表观反射率光谱曲线，发现利用MODIS的1.24μm(波段5)和2.13μm波段(波段7)可以较好地区分出燃烧和未燃烧的像元。考虑到上述两波段波长较长，受到烟尘、气溶胶和薄云的影响相对较弱，本发明人也选用这两个波段构建火灾迹地指数。
本发明人提出了反映火灾迹地光谱特征的指数GEMI-B(GlobalEnvironment Monitoring Index-Burn scar)。GEMI-B将GEMI(参见非专利文献2、3)中的红光(RED)波段和近红外(NIR)波段分别替换为MODIS的第5波段和第7波段，即GEMI-B＝η(1-0.25η)-(ρ5-0.125)/(1-ρ5)(1)其中η=(2(ρ72-ρ52)+1.5ρ7+0.5ρ5)/(ρ7+ρ5+0.5)---(2)]]>上式中，ρ7和ρ5分别为MODIS第5和第7波段的反射率。由上述GEMI-B指数定义，计算各种地表覆盖类型的GEMI-B指数，火灾迹地的GEMI-B指数值为0.34，薄云覆盖的迹地GEMI-B指数值为0.27，而未燃烧的森林和草地GEMI-B指数值分别为0.09和-0.05，水体和云GEMI-B指数值分别为0.17和-0.51。相对于火灾迹地，而其它地物GEMI-B指数值较小，故可以有效地分离火灾迹地和其它地物。同时，GEMI-B指数还具有抗大气和土壤背景值干扰的优点。
以下参照图2对本发明的基于MODIS数据自动探测草原火灾迹地的方法进行详细说明。本发明的基于MODIS数据自动探测草原火灾迹地的方法，包括从卫星接收MODIS数据的步骤S01，其中，还包括计算火灾迹地指数GEMI-B的步骤S02；探测火点的步骤S03；以每个火点为中心计算3×3窗口中像元的火灾迹地指数的步骤S04；将火点添加进种子点序列的步骤S05；计算所有火点的3×3窗口火灾迹地指数GEMI-B的均值Ms、标准差SDs的步骤S06；逐个计算每个种子点为中心的3×3窗口的火灾迹地指数GEMI-B的均值Mw、标准差SDw的步骤S07；根据公式SDw＜Nl*SDs和公式Mw＜＝Ms±N2*SDs判断其均值Mw和标准差SDw是否与火灾迹地的统计特征值接近的步骤S08，其中，N1、N2为接近系数；如果不接近，判断为非迹地，从种子点序列中去除的步骤S09；如果接近，判断为迹地像元S10，以迹地像元为中心向外扩散，将扩散像元添加到种子点序列中，将计算过的种子点像元从种子点序列中去除的步骤S11；判断种子点数目是否为零的步骤S12，如果判断为种子点数目不为零，返回到步骤S07，如果判断为种子点数目为零，则前进到输出迹地图像的步骤S13。
本发明的基于MODIS数据自动探测草原火灾迹地的方法的特征还在于，利用MODIS数据的第5波段和第7波段来构建火灾迹地指数GEMI-B；其表达式为GEMI-B＝η(1-0.25η)-(ρ5-0.125)/(1-ρ5)(1)其中η=(2(ρ72-ρ52)+1.5ρ7+0.5ρ5)/(ρ7+ρ5+0.5)---(2)]]>上式中，ρ7和ρ5分别为MODIS第5和第7波段的反射率。
本发明的基于MODIS数据自动探测草原火灾迹地的方法在N1取1.5，N2取2.5时，所有图像均能较好的提取出火灾迹地。
本发明使用MODIS火灾产品(MODIS fire product)提供的火点探测方法进行火点提取。该算法综合了多波段固定阈值和背景阈值两种算法的优点，使用MODIS在4μm和11μm附近的亮度温度，分别以T4和T11表示。T4由波段21和波段22计算，其中波段21的饱和值为500K，波段22的饱和值为331K。由于波段22噪声较小(表1)，因此尽量使用波段22来计算T4，如果T4＞331则改用波段21。T11由波段31计算，其饱和值为400K。对于白天的MODIS数据，火点像元必须至少满足以下条件之一a.T4＞360K orb.{T4＞mean(T4)+3SD(T4)or T4＞330K}and(3){T4-T11＞median(T4-T11)+3SD(T4-T11)or T4-T11＞25K}式中mean、median和SD分别代表背景窗口的均值、中值和标准差(背景阈值)。背景窗口使用21×21的窗口。根据以上算法首先判断出各日的火点像元，然后将这些火点像元累加起来生成火点合成图像。该图像作为迹地种子点用于后续计算。
采用区分度(Discriminability)指标，对包括GEMI-B指数在内的上述各指数进行评价。这里采用常用的归一化距离(Normalized distance)作为区分度指标，评价以上指数在火灾迹地识别中的优劣。首先从各指数图像中目视选取火灾迹地与非迹地区域，分别计算其均值和标准差，然后根据下式计算归一化距离D=|Xb‾-Xu‾|SDb+SDu---(4)]]>其中 和 分别为迹地与非迹地区域的平均值，SDb和SDu分别为迹地与非迹地区域的标准差。归一化距离越大，表明迹地与非迹地的区别越明显，指数设计越好。
从2003年5月20日至5月31日的MODIS数据中选取了质量较好的5月22日、24日、26日、30日和31日共5幅图像，分别计算了BAI、NDII、VI3T、GEMI、GEMI-B及NDVI指数，然后根据所选取火灾迹地与非迹地区域计算归一化距离。所得到的区分度(归一化距离)见表2。从归一化距离来看，GEMI-B的每日图像的区分度都较高，具有最好的区分度，其次为VI3T、GEMI、NDII和NDVI，而BAI的区分度最低。高区分度说明GEMI-B指数与其他指数相比更适合在草原地区提取火灾迹地。
表2各种指数图像的区分度(归一化距离)Table2 Discriminability(normalized distance)of each index

通过以上说明可以看出，本发明的基于火点和GEMI-B指数的火灾迹地自动识别方法，能够精确地理定位遥感数据、消除大气影响、准确提取火情或火烧迹地，且在计算过程中，根据每幅图像上火点周围像元自动获取火灾迹地的统计特征，避免了人为设定阈值和使用固定阈值可能出现的误判和漏判现象。由于使用了火点作为初始种子点扩散的方法，即使只有很少的火点，也可以扩展到整个迹地。同时，该方法能对多幅图像进行批处理，可以方便的观察火灾迹地在时间序列上的变化特征。通过2003年5月中蒙边境草原火灾迹地面积提取的实验研究，表明该方法与TM数据的提取结果基本一致，具有准确和自动化程度高的特点。
各种用于火灾迹地提取的指数定义[1]NDVI＝(ρNIR-ρRED)/(ρNIR+ρRED)其中ρNIR和ρRED分别为近红外和红光波段的反射率。
BAI＝1/((PcRED-ρRED)2+(PcNIR-ρNIR)2)其中PcR和PcNIR分别是迹地像元在红光和近红外波段的平均反射率，可以通过图像或光谱实测来获得。
NDII＝(ρNIR-ρSWIR)/(ρNIR+ρSWIR)其中ρNIR和ρSWIR分别为近红外和短波红外波段的反射率。
VI3T＝(ρNIR-BT3/1000)/(ρNIR+BT3/1000)其中BT3是AVHRR第3波段(3.55～3.93μm)的亮度温度。
GEMI＝η(1-0.25η)-(ρRED-0.125)/(1-ρRED)其中η=(2(ρNIR2-ρRED2)+1.5ρNIR+0.5ρRED)/(ρNIR+ρRED+0.5)]]>
权利要求
1.一种基于MODIS数据自动探测草原火灾迹地的方法，包括从卫星接收MODIS数据的步骤，其特征在于，还包括构建火灾迹地指数GEMI-B的步骤；探测火点的步骤；以每个火点为中心计算一定范围窗口中像元的火灾迹地指数的步骤；将火点添加进种子点序列的步骤；比较步骤，该步骤用于比较各扩散像元周围一定窗口内GEMI-B指数的均值和标准差是否与火灾迹地的统计特征值相接近，如果不接近，从种子点序列中去除；如果接近，以迹地像元为中心向外扩散，将扩散像元添加到种子点序列中，将计算过的种子点像元从种子点序列中去除的步骤；判断种子点数目是否为零的步骤，如果数目不为零，返回到比较步骤，如果判断为种子点数目为零，则前进到输出迹地图像的步骤。
2.如权利要求1所述的基于MODIS数据自动探测草原火灾迹地的方法，其特征在于，利用MODIS数据的第5波段和第7波段来构建火灾迹地指数GEMI-B，其表达式为GEMI-B＝η(1-0.25η)-(ρ5-0.125)/(1-ρ5) (1)其中η=(2(ρ72-ρ52)+1.5ρ7+0.5ρ5)/(ρ7+ρ5+0.5)---(2)]]>上式中，ρ7和ρ5分别为MODIS第5和第7波段的反射率。
3.一种基于MODIS数据自动探测草原火灾迹地的方法，包括从卫星接收MODIS数据的步骤，其特征在于，还包括计算火灾迹地指数GEMI-B的步骤；探测火点的步骤；以每个火点为中心计算3×3窗口中像元的火灾迹地指数的步骤；将火点添加进种子点序列的步骤；计算均值Ms、标准差SDs的步骤，该步骤用于计算所有火点的3×3窗口火灾迹地指数GEMI-B的均值Ms、标准差SDs；以火点为中心的种子点扩散步骤，该步骤将火点周围像元逐步添加进种子点序列；计算均值Mw、标准差SDw的步骤，该步骤用于逐个计算每个种子点为中心的3×3窗口的火灾迹地指数GEMI-B的均值Mw、标准差SDw；根据公式SDw＜N1*SDs和公式Mw＜＝Ms±N2*SDs判断其均值Mw和标准差SDw是否与火灾迹地的统计特征值接近的步骤，其中，N1、N2为接近系数；如果不接近，判断为非迹地，从种子点序列中去除，如果接近，判断为迹地像元，以迹地像元为中心向外扩散，将扩散像元添加到种子点序列中，将计算过的种子点像元从种子点序列中去除的步骤；判断种子点数目是否为零的步骤，如果判断为种子点数目不为零，返回到计算均值Mw、标准差SDw的步骤，如果判断为种子点数目为零，则前进到输出迹地图像的步骤。
4.如权利要求3所述的基于MODIS数据自动探测草原火灾迹地的方法，其特征在于，利用MODIS数据的第5波段和第7波段来构建火灾迹地指数GEMI-B，其表达式为GEMI-B＝η(1-0.25η)-(ρ5-0.125)/(1-ρ5) (1)其中η=(2(ρ72-ρ52)+1.5ρ7+0.5ρ5)/(ρ7+ρ5+0.5)---(2)]]>上式中，ρ7和ρ5分别为MODIS第5和第7波段的反射率。
5.如权利要求3或权利要求4所述的基于MODIS数据自动探测草原火灾迹地的方法，其特征在于，用于判断每个种子点为中心的3×3窗口的火灾迹地指数均值Mw、标准差SDw是否与火灾迹地的统计特征值接近的系数N1、N2的范围为1.0＜＝N1＜＝2.0 2.0＜＝N2＜＝3.0。
6.如权利要求3或权利要求4所述的基于MODIS数据自动探测草原火灾迹地的方法，其特征在于，用于判断每个种子点为中心的3×3窗口的火灾迹地指数均值Mw、标准差SDw是否与火灾迹地的统计特征值接近的系数N1、N2的范围为1.3＜＝N1＜＝1.7 2.3＜＝N2＜＝2.7。
全文摘要
一种基于MODIS数据自动探测草原火灾迹地的方法，包括从卫星接收MODIS数据的步骤，其特征在于，还包括构建火灾迹地指数GEMI－B的步骤；探测火点的步骤；以每个火点为中心计算一定范围窗口中像元的火灾迹地指数的步骤；将火点添加进种子点序列的步骤；比较步骤，该步骤用于比较各扩散像元周围一定窗口内GEMI－B指数的均值和标准差是否与火灾迹地的统计特征值相接近，如果不接近，从种子点序列中去除；如果接近，以迹地像元为中心向外扩散，将扩散像元添加到种子点序列中，将计算过的种子点像元从种子点序列中去除的步骤；判断种子点数目是否为零的步骤，如果数目不为零，返回到比较步骤，如果判断为种子点数目为零，则前进到输出迹地图像的步骤。
文档编号G01S17/89GK1763560SQ20051010929
公开日2006年4月26日 申请日期2005年10月20日 优先权日2005年10月20日
发明者陈晋, 陈仲新, 谭明艳, 王利民, 曹鑫 申请人:中国农业科学院农业资源与农业区划研究所