一种火灾火点检测方法与流程

本发明涉及遥感技术领域，特别涉及利用卫星数据进行火点检测的方法。

背景技术：

卫星遥感具有较高的时间和空间分辨率以及覆盖范围广的特点，可以连续跟踪监测火灾发展的动态过程，可以提供详细的火灾位置，火灾面积，温度变化等信息。在遥感信息源方面，国内外应用较广的是甚高分辨率辐射计(AVHRR)和中分辨率成像分光辐射计(MODIS)数据，但是AVHRR用于火点监测的主要通道AVHRR-3(3.55～3.93微米)和AVHRR-4(10.5～11.3微米)的空间分辨率为1.1千米；MODIS用于火点监测的主要波段4微米和11微米的空间分辨率为1千米。这样的分辨率不利于小型火灾火点的检测。

VIIRS传感器搭载在NPP卫星上，于2011年10月28日发射升空，是扫描式成像辐射仪，可收集陆地、大气、冰层和海洋在可见光和红外波段的辐射图像。VIIRS具有5个高分辨率I通道，分辨率375米；16个中分辨率M通道，分辨率750米；一个白天/夜晚通道。VIIRS数据极大地提高了火点检测的空间分辨率，有利于检测到小范围秸秆焚烧的火点。但是，如何使用VIIRS数据进行火点识别，是一个需要解决的问题。

技术实现要素：

本申请提出一种火灾火点检测方法，利用VIIRS 375m数据的空间信息和波谱信息，实现基于VIIRS 375米数据的火灾火点检测。

本申请实施例提供一种火灾火点检测方法，包含以下步骤：

采集NPP卫星VIIRS传感器I1～I5波段数据，I1～I3为像元反射率数据，I4～I5为像元亮度温度数据；

根据亮度温度确定绝对火点像元；

根据相邻波段亮度温度差确定潜在火点像元；

用采样窗口分析方法在所述潜在火点像元中选出候选火点像元；

用上下文分析方法在所述候选火点像元中选出标称置信度火点像元；

用最小采样窗口分析方法在所述绝对火点像元中选出低置信度火点像元、高置信度火点像元(除特别标注外，以下方案内容中涉及的参数符号和含义见表1)。

优选地，所述火灾火点检测方法，还包含排除水体像元和/或排除云像元的步骤；

所述水体像元是根据I1～I3波段像元反射率下降确定，满足：

ρ₁>ρ₂>ρ₃；

所述云像元是根据反射率大且亮度温度低的特征确定，满足：

夜间，BT₅<265K&BT₄<295K；

日间，BT₅<265K|ρ₁+ρ₂>0.9&BT₅<295K|ρ₁+ρ₂>0.7&BT₅<285K。

优选地，所述确定绝对火点像元的亮度温度满足：

夜间，BT₄>320K&QF₄＝0

日间，BT₄＝367K&QF₄＝0&BT₅>290K&QF₅＝0&ρ₁+ρ₂>0.7。

优选地，所述潜在火点像元的相邻波段亮度温度差满足：

夜间，BT₄>300K&ΔBT₄₅>10K；

日间，BT₄>335K&ΔBT₄₅>30K。

优选地，所述采样窗口分析方法是，以所述潜在火点像元为中心的采样窗口，选出满足以下条件的潜在火点像元，作为候选火点像元：

夜间，BT₄>295K|ΔBT₄₅>10K；

日间，BT₄>BT_4S|ΔBT₄₅>25K；

其中，BT_4S＝Min[330，Max(325，M)]K；其中M是采样窗口中像元的BT₄中值。

优选地，所述上下文分析方法是，以所述候选火点像元为中心，最小11×11像元、最大31×31像元的采样窗口中，选出满足以下条件的像元：

日间：ΔBT₄₅>ΔBT_45b+2×δ_45b&ΔBT₄₅>ΔBT_45b+10&BT₄>BT_4b+3.5×δ_4b&(BT₅>BT_5b+δ_5b-4|δ’₄>5)；

夜间：ΔBT₄₅>ΔBT_45b+3×δ_45b&ΔBT₄₅>ΔBT_45b+9&BT₄>BT_4b+3×δ_4b；

优选地，所述最小采样窗口分析方法是，首先判断所有绝对火点是否满足如下条件：ΔBT₄₅<30K|θ_g<15°，不满足条件的绝对火点直接判定为高置信度火点，对满足条件的像元，再分析以其为中心的8个像元构成的环，如果绝对火点像元在I4波段的亮度温度比环中每个像元的亮度温度高15K以上；则为高置信度火点，否则为低置信度火点。

优选地，所述火灾火点检测方法，还包含排除耀斑像元的步骤，所述耀斑像元满足：

ρ₁+ρ₂>0.6&BT₅<285K&ρ₃>0.3&ρ₃>ρ2&ρ₂>0.25&BT₄<335K。

优选地，所述火灾火点检测方法，还包含排除沙漠边界地区像元的步骤，所述沙漠边界地区像元满足：以所述候选火点像元为中心的采样窗口中潜在火点像元的数量超过了有效背景像元数目的10％且大于4，且日间：

ρ₂>0.15&BT’₄<345&δ’₄<3&BT₄>BT’₄+6×δ’₄。

优选地，所述火灾火点检测方法，还包含排除高太阳反射像元的步骤，所述高太阳反射像元满足：

θ_g<15°&ρ₁+ρ₂>0.35|θ_g<25°&ρ₁+ρ₂>0.4；

其中，θ_g为地表到卫星的矢量方向与镜面反射方向的夹角。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：

充分弥补了AVHRR、MODIS数据在空间分辨率方面的不足，提高了对更小火点的检测能力，同时提高了对大型火灾的动态监测能力。本方法针对白天和夜晚的数据分别制定了不同的阈值参数。方法中加入了对云、水体、明亮地物，太阳反射等可能导致虚假警报的因素的检测，减少了误报；并使用可变的窗口分析的方法，保证了火点提取的精度和算法的空间适用性，减少了漏报。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本发明火灾火点检测方法的实施例流程图；

图2确定火点置信度的采样窗口方法原理示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

为了清楚地表述本申请文件中的各个参数的含义，对文中多次出现的部分参数，列参数的符号和含义如表1所示：

表1、参数符号和含义对照表

参数符号 含义

ρ₁ 通道I1反射率数据；

ρ₂ 通道I2反射率数据；

ρ₃ 通道I3反射率数据；

BT₄ 通道I4亮度温度数据；

BT₅ 通道I5亮度温度数据；

BT_4b 通道I4亮度温度数据的均值；

δ_4b 通道I4亮度温度数据的平均绝对偏差；

BT_5b 通道I5亮度温度数据的均值

δ_5b 通道I5亮度温度数据的平均绝对偏差；

ΔBT₄₅ 通道I4和I5亮度温度的差值；

ΔBT_45b 通道I4和I5亮度温度的差值的均值；

δ_45b 通道I4和I5亮度温度的差值的平均绝对偏差；

BT’₄ 通道I4的亮度温度数据在采样窗口的均值；

δ’₄ 通道I4的亮度温度数据在采样窗口的平均绝对偏差；

QF₄ 通道I4的质量标志；

QF₅ 通道I5的质量标志。

以下结合附图，详细说明本申请各实施例提供的技术方案。

图1为本发明火灾火点检测方法的实施例流程图；

步骤101、采集NPP卫星VIIRS传感器I1～I5波段数据；

所述数据中，I1～I3是反射率数据，分别用ρ₁、ρ₂、ρ₃表示，I4～I5是亮度温度数据，分别用BT₄、BT₅表示。

从VIIRS数据中心获取VIIRS I1-I5各个通道的传感器记录数据(SDR)，这是原始数据经过辐射定标和地理定位后的辐射亮度或反射率数据产品。VIIRS有22个SDR数据集，包括：16个M通道数据集，5个I通道数据集和一个DNB通道数据集。

还需要说明的是，全部数据包含日间数据和夜间数据，在取得数据时，能够根据数据类型标识区分为日间数据或夜间数据；当使用日间数据时，适用日间判别公式；使用夜间数据时，适用夜间判别公式。

本方法需要使用5个I通道数据集，其中包括I1～I3反射率数据、I4～I5亮度温度数据。详细的波段信息见表2。还需要I通道的地理定位数据集，其中包括经纬度信息、太阳方位角、太阳天顶角、卫星方位角、卫星天顶角。

表2 I1～I5通道数据集

步骤102、排除不合法的数据；

不合法的数据包括：缺失值65533和填充值65534。

ρ₁＝65533|ρ₂＝65533|ρ₃＝65533|BT₄＝65533|BT₅＝65533

ρ₁＝65534|ρ₂＝65534|ρ₃＝65534|BT₄＝65534|BT₅＝65534

I1～I5通道任何一个通道含有缺失值或者填充值，或者I4、I5通道的数据质量标志QF₄、QF₅非零，此像元就不能参与后续运算。

步骤103、排除水体像元；

白天水体检测，使用多通道结合的光谱分析法，所有被分成水体的像元都不参与白天火点背景的计算。所述水体像元是根据I1～I3波段像元反射率下降确定，满足：ρ₁>ρ₂>ρ₃。在一个具体实施例中，水体像元不再参与后续运算。

步骤104、排除云像元；

所述云像元是根据反射率大且亮度温度低的特征确定，满足：

夜间，BT₅<265K&BT₄<295K；

日间，BT₅<265K|ρ₁+ρ₂>0.9&BT₅<295K|ρ₁+ρ₂>0.7&BT₅<285K。

在一个具体实施例中，所有符合上面条件的像元，不再参与后续运算。步骤105、根据亮度温度确定绝对火点像元；

通过屏蔽I4通道的饱和像元，再结合通道I1，I2，I5数据，所述确定绝对火点像元的亮度温度满足：

夜间，BT₄>320K&QF₄＝0

日间，BT₄＝367K&QF₄＝0&BT₅>290K&QF₅＝0&ρ₁+ρ₂>0.7。

其中，QF₄是通道I4的质量标志，质量标志为0表示为标称数据质量。也就是说，在夜间数据中，符合以上条件的像元都确定是火点。

所谓绝对火点，就是理论上一定有明火发生的像元。有明火发生的像元在数据上有其固定的特征，设置一定的判断条件，满足条件的像元就认为是绝对火点。当然，实际情况要比理论复杂，所以实际应用中也有可能发生误判。所以，即使是绝对火点，也要对其进行进一步判断，体现在步骤112中。

有一种特殊的情况，通道I4像元的亮度温度值完全饱和(呈现为最大值)，与此同时，通道I5数据质量为标称。为了解决通道I4饱和时数据折叠的情形，所述绝对火点像元的检测使用以下条件：

夜间，(ΔBT₄₅<0&BT₅>310K&QF₅)|(BT₄＝208K&BT₅>335K)

日间，ΔBT₄₅<0&BT₅>325K&QF₅＝0

其中，ΔBT₄₅是通道I4和I5的亮度温度差。两个通道之间的负差异表示像元值的折叠。通常，这种条件只有在非常强烈的火灾核心区域观察到，被认为大大超过I4通道的有效饱和温度。

步骤106、根据相邻波段亮度温度差判断潜在火点像元；

经过上述步骤101～105，图像上的像元有的会被判别为缺失值，有的会被判别为云或者水体，有的会直接判别为绝对火点，还有一些像元不满足以上所有的判别条件。所谓潜在火点像元，就是在不满足上文提到的所有判别条件的像元中，选择满足以下条件的像元作为潜在火点像元，这些像元用于补充后面候选火点上下文分析中的像元特征。潜在火点像元的相邻波段亮度温度差满足：

夜间，BT₄>300K&ΔBT₄₅>10K；

日间，BT₄>335K&ΔBT₄₅>30K。

步骤107、排除耀斑像元；

辐射明亮的目标，例如沿着河床的沙洲，可以对日间VIIRS BT₄造成高像元值的小簇频带，其中一些像元可能与火点像元混淆。为了排除这些区域，日间像元满足以下条件的可以认为是亮目标(即耀斑)：

ρ₁+ρ₂>0.6&BT₅<285K&ρ₃>0.3&ρ₃>ρ2&ρ₂>0.25&BT₄<335K。

步骤108、候选火点检测，用采样窗口分析方法在所述潜在火点像元中选出候选火点像元；

以所述潜在火点像元为中心的采样窗口，选出满足以下条件的潜在火点像元，作为候选火点像元：

夜间，BT₄>295K|ΔBT₄₅>10K；

日间，BT₄>BT_4S|ΔBT₄₅>25K；

其中，BT_4S＝Min[330，Max(325，M)]K；其中M是采样窗口中像元的BT₄中值。

例如，采样窗口使用21×21像元，则BT_4S是在通道I4采用21×21的窗口算出采样窗口中心的像元亮度温度参考值。其中M是21×21的窗口算出的BT4中值。优选地，采样窗口中至少包含10个有效背景像元，否则BT_4S设置为330K。BT_4S只用于白天的数据，允许候选火点像元在通道I4的亮度温度在325～330K之间变化，以适应依赖场景变化的背景条件。研究发现，夜间背景条件基本不变，因此，选用一个固定值295K作为门限值来定于夜间候选火点像元。

需要指出的是，最初的大面积采样窗口可以容纳背景条件的变化，增加了候选火点像元的选择灵活性。它的目的是改善在较冷高纬度地区发生火灾算法的灵敏度，同时降低了在温暖背景的低纬度地区的误报率。

还需要指出的是，所述有效背景像元，不包括归类为云、水体、潜在火点像元、及任何具有非标称质量标志的像元。

步骤109、用上下文分析方法在所述候选火点像元中选出标称置信度火点像元；

用于VIIRS 375米火灾火点检测的上下文分析是动态改变采样窗口大小的分析方法，以便最佳表征候选火像元的背景。初始的采样窗口是以候选火点像元为中心的11×11的采样窗口；所述采样窗口可以增加至最大31×31的尺寸，直到样本像元中至少25％是由有效像元构成、或至少包含10个有效像元。选出满足以下条件的像元：

日间：ΔBT₄₅>ΔBT_45b+2×δ_45b&ΔBT₄₅>ΔBT_45b+10&BT₄>BT_4b+3.5×δ_4b&BT₅>BT_5b+δ_5b-4|δ’₄>5

夜间：ΔBT₄₅>ΔBT_45b+3×δ_45b&ΔBT₄₅>ΔBT_45b+9&BT₄>BT_4b+3×δ_4b

其中，BT_4b，δ_4b分别表示通道I4的均值和平均绝对偏差；BT_5b，δ_5b分别表示通道I5的均值和平均绝对偏差；ΔBT₄₅表示I4和I5波段亮度温度的差值；ΔBT_45b表示I4和I5波段亮度温度的差值的均值；δ_45b表示I4和I5波段亮度温度的差值的平均绝对偏差；BT’₄表示I4通道的亮度温度数据采样窗口的均值；δ’₄表示I4通道的亮度温度数据采样窗口的平均绝对偏差。

需要说明的是，如果在所述采样窗口中，有效像元的最小数目不能被满足，那么，作为采样窗口中心像元的候选火点像元被归类为“未知”，表示背景条件无法正确表征。

步骤110、排除沙漠边界地区像元；排除沙漠边界地区像元的步骤，所述沙漠边界地区像元满足：以所述候选火点像元为中心的采样窗口中，如果所述采样窗口中潜在火点像元的数量超过了有效背景像元数量的10％且大于4，且

日间：ρ₂>0.15&BT’₄<345&δ’₄<3&BT₄>BT’₄+6×δ’₄；

夜间：无其他附加条件。

这个检测的目标是沙漠边界区域，其中高、低温度地表的混合可能会导致错误的像元分类。所有符合这个条件的候选火点像元会被排除。

步骤111、排除高太阳反射像元；

高太阳反射是导致虚假警报的主要原因。工业园区的金属屋顶，大而明亮的表面，如混凝土路面，水体的镜面反射会导致I4通道亮度温度的局部峰值。为了解决这种情况，使用下面的条件检测所有被判定为火点的日间数据，所述高太阳反射像元满足：

θ_g<15°&ρ₁+ρ₂>0.35|θ_g<25°&ρ₁+ρ₂>0.4

其中，θ_g为地表到卫星的矢量方向与镜面反射方向的夹角。

其中，θ_v和θ_s分别为卫星高度角和太阳高度角，是相对方位角。之前被分类为火点的像元，如果条件，将会被降级到“与耀斑相关的虚假警报”类。

步骤112、用最小采样窗口分析方法在所述绝对火点像元中选出低置信度火点像元、高置信度火点像元。所述最小采样窗口分析方法是，首先判断所有绝对火点是否满足如下条件：ΔBT₄₅<30K|θ_g<15°，不满足条件的绝对火点直接判定为高置信度火点；对满足条件的绝对火点，再判断以其为中心的8个像元构成的环中，绝对火点像元在I4波段的亮度温度是否比环中每个像元的亮度温度高15K以上(此处以上表示≥)。如果是，则为高置信度火点；否则为低置信度火点。

图2是确定火点置信度的采样窗口分析方法原理示意图。首先，整个算法的输入数据，可以看成是5个(I1～I5)二维数组。数组的每个元素就是一个像元。对于I1～I3波段，每个元素的数值表示的是反射率(0-1之间无量纲)，对于I4和I5波段，每个元素的数值表示的亮度温度，单位是开尔文(K)。所谓采样窗口，就是以某一像元为中心的边长为N个像元的正方形范围。如图2.a，每一个格子代表一个像元，以格子1所表示的像元为中心，定义7×7大小的采样窗口(格子2的范围)，M就是这48(除了中心像元之外，7×7-1)个数值的中值，M的单位也是K。有了M之后，BT_4M取M和325之间的较大的那个数，BT_4S取BT_4M和330之间较小的那个数。

需要指出的是，所谓上下文分析，就是不再局限于对单个波段、单个像元设置判别条件，而是综合该像元的邻近像元，全面地进行分析。方案就是定义采样窗口，把要检测的像元与其周围像元联系起来研究。以图2.a为例，假如图中每个格子代表实际地面1平方米的面积，如果在图中格子1中有点火，热量会向外辐射，不会局限在格子1中，格子1周围的其他格子中也会有热量，比如格子3。因此，红外探测器会探测到很多格子都有热量，理论上格子1的热量最大。

实际上，在野外发生森林火灾或者农田发生秸秆焚烧，不只有一处火点。比如，格子4中可能也有明火，这样会导致格子1和格子4之间的格子也有很高的热量，但实际上并没有明火。上下文分析可以区分这些格子中有没有明火、对应的像元是不是真正的火点。

还需要说明的是，通过采样窗口，还可以实现绝对火点的置信度检测。分为两步：第一步，判断ΔBT₄₅<30K|θ_g<15°是否成立，如果成立，则进行第二步，如果不成立，则判断为高置信度火点。第二步，以绝对火点为中心开辟3×3大小采样窗口(如图2.b所示)，判断所述采样窗口内其他像元的I4通道的亮度温度是否都比本像元的亮度温度低15K以上，只要窗口内有一个像元不满足条件，本像元就被分配为低置信度。如图2.b，假设各格子中的数字表示亮度温度，中心像元(格子5)为待判断的绝对火点像元，假设它已经满足了第一步的条件，现在进行第二步判断，因为56-15＝41，所以其3×3采样窗口内的除了中心像元以外的环形区域的8个像元(格子6)的温度都要低于41K。假如有一个高于41K，那么这个中心像元就判定为低置信度火点，否则，就是高置信度火点。

需要说明的是，本发明的核心创新点是利用分辨率更高的VIIRS数据进行火点检测，其特点是提高了对更小火点的检测能力，同时提高了对大型火灾的动态监测能力。

特别是，本发明的创新点在于每个步骤检测条件的阈值设置，由于VIIRS是MODIS的替代传感器，其在波段设置上与MODIS有相似之处，所以本发明的核心思路还是继承了MODIS的上下文算法。但是在每个步骤的阈值设置中，与MODIS上下文算法都有不同。

本发明的特点还在于对虚假火点的排除方法，步骤107，排除了一部分河床的沙洲等可以对I4通道造成峰值、可能与动态火灾混淆的虚假火点；步骤110，排除了浮云，沙漠等容易与候选火点混淆的虚假火点；步骤111，排除了工业园区的金属屋顶、混凝土路面，水体的镜面反射等导致I4通道峰值的虚假火点。

还需要说明的是，在本说明书的全部公式中，逻辑运算符“&”表示“与”，逻辑运算符“|”表示“或”；除非特别说明，本申请中与程序设计的运算符号优先级规则一致，数学运算符的优先级高于逻辑运算符；括号内的运算式优先级高于没有括号的运算式；在相同条件下，运算符“&”的优先级高于“|”。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。