一种基于天空地一体化的森林火灾监测预警方法与流程

[0001]
本发明涉及森林火灾预警领域，特别涉及一种基于天空地一体化的森林火灾监测预警方法。


背景技术：

[0002]
森林火灾突发性强、破坏性大、危险性高，是全球发生最频繁、处置最困难、危害最严重的自然灾害之一，是生态文明建设成果和森林资源安全的最大威胁，甚至引发生态灾难和社会危机。因此，对森林火灾高精度、全覆盖、及时监测预警，能够防止遏制森林火灾事故，特别是重特大森林火灾的发生，能够有效降低森林火灾对林区周边人民群众的生命财产威胁，维护社会稳定。
[0003]
目前现有的森林火灾监测预警技术多采用单一手段，如卫星、飞机、瞭望台、人工监测等，但目前尚未形成一个集成高效、全面灵活的监控体系。目前我国各级防火机构所构建的林火监控信息系统，与卫星监测信息结合的较多，而与瞭望台、飞机巡护所获取的信息结合的较少，造成各信息源之间融合程度较差，各类信息在空间和时间尺度上匹配度不高，指挥中心也难以依据这些信息做出全面正确的反应。
[0004]
现有森林火灾的监测预警技术包括卫星遥感监测、航空遥感监测、地面监测三种手段。
[0005]
卫星遥感监测。利用极轨气象卫星、陆地资源卫星、地球静止卫星、低轨卫星探测林火。通过热红外波段能够发现热点，监测火场蔓延情况、及时提供火场信息，用遥感手段制作森林火险预报，用卫星数字资料估算过火面积。它探测范围广、搜集数据快、能得到连续性资料，反映火的动态变化，但部分遥感数据时效性低、分辨率也低，无法精确实时对林火进行监测预警，且光学和红外遥感在云雨天气下无法监测林火。
[0006]
航空巡护。是利用巡护飞机进行森林火险的探测。它的优点是巡护视野宽、机动性大、速度快，同时对火场周围及火势发展能做到全面视察，可及时采取措施。缺点是夜间、大风天气、阴天能见度较低时难以起飞，同时巡视受航线、时间的限制，而且观察范围小，只能一天一次对某一林区进行观察。
[0007]
地面监测。主要利用人工监测和林火视频监测手段。人工监测为地面巡护和瞭望台监测相结合，巡护面积小、视野受限、受天气影响大，且对工作人员的经验要求高，准确率低。林火视频监测采用在林区布设监控点进行视频监测，将图像传回监控中心，通过对林区图像的实时监测达到森林火灾监测的目的，该方法可全天候对林区进行监测，但覆盖范围有限、传输困难、维护成本高、易损坏。


技术实现要素：

[0008]
鉴于以上问题，本发明提供一种基于天空地一体化的森林火灾监测预警方法，旨在解决目前森林防火感知手段不足、观测效率低等问题。
[0009]
本发明提供一种基于天空地一体化的森林火灾监测预警方法，包括以下步骤：
s1.对高时空分辨率多源卫星遥感数据的预处理：通过卫星地面站实时接收极轨气象卫星遥感数据、静止气象卫星遥感数据、sar卫星数据，对遥感数据进行预处理，并构建基于卫星传感器的红外辐射归一化模型；s2.天空地一体化协同监测与多源数据融合处理：通过基于统一地理空间坐标框架的天空地观测影像配准融合技术，将图像特征配准且不同分辨率的多源影像数据拼接融合，并输出全局拼接影像图；s3.天空地一体化高精度森林火灾智能识别监测：利用监测区域的历史遥感数据，建立疑似森林火灾热点历史数据库，对疑似森林火灾热点进行时空聚类，排除虚假森林火灾热点，得出真实的森林火灾热点数据；建立森林火灾红外辐射归一化模型，并确定森林火灾热点判定阈值；s4.森林火灾火险天气等级建模与预警：根据森林火灾热点历史数据库，建立森林火灾火险天气等级模型计算森林火险天气指数，并将该指数划分为多个等级，根据多个等级指数绘制森林火险天气等级实时动态分布图，并预警区域内的火灾发生趋势。
[0010]
作为本发明的进一步改进，所述步骤s1中的预处理包括：数据质量检验、辐射定标、地形校正、几何校正、图像融合及镶嵌，最终根据区域范围进行裁剪。
[0011]
作为本发明的进一步改进，所述步骤s1中，构建基于卫星传感器红外辐射归一化模型的步骤包括：s11.获取极轨气象卫星、静止气象卫星、sar卫星传感器的亮温值，设定其中一个传感器为标准卫星传感器，然后将其他卫星传感器辐射数据进行归一化处理，映射到0~1之间；s12.选取标准影像与待归一化的影像进行线性拟合，建成各类传感器的红外辐射归一化模型。
[0012]
作为本发明的进一步改进，所述步骤s2中，多源影像数据拼接融合，并输出全局拼接影像图的步骤包括：s21a.针对不同卫星传感器拍摄的图像进行特征点提取，提取特征因子，形成特征向量；s21b.针对特征点进行匹配，利用最邻近搜索，求距离最近的特征向量，作为互相匹配的特征点；s21c.根据匹配的点来估算单应矩阵，将原图像中任意像素点坐标转换为新坐标点；s21d.通过单应矩阵来对其两张图片实现图像拼接；s21e.图像拼接后，针对重叠的部分进行融合处理，采用多段融合法，选取最优缝隙线，拼接融合输出全局图像。
[0013]
作为本发明的进一步改进，所述步骤s2还包括步骤s22.以配准的航空影像为参考基准，利用导航定位和姿态测量系统信息进行几何校正；其中几何校正具体包括：s22a.通过目视解译在航空影像为参考，在卫星遥感影像、地面设备观测图像上分别选择同名控制点，以建立图像与地图之间的投影关系；s22b.根据图像的几何畸变性质及地面控制点的个数来确定校正数据模型，建立图像之间的空间关系；s22c.对图像进行重采样内插，生成校正后的图像。
[0014]
作为本发明的进一步改进，所述步骤s2中，输出全局拼接影像图还包括：
s23a.通过多级分辨率逐级配准算法，将卫星遥感影像、航空遥感影像、地面设备观测图像拼接融合；s23b.通过加权平均法融合无人机影像序列或多架无人机影像，并基于融合后无人机影像修正其与航空影像的配准；s23c.基于导航定位和姿态测量系统的可见光异构多模影像快速拼接，输出空天地一体化拼接影像图。
[0015]
作为本发明的进一步改进，所述步骤s3中，疑似森林火灾热点历史数据库的建立过程中，疑似森林火灾热点的确定包括：s31.对卫星遥感数据进行云层反射过滤，计算植被指数ndvi，利用卫星热点亮温和背景亮温的阈值，判别出疑似森林火灾的卫星热点。
[0016]
作为本发明的进一步改进，所述步骤s3中排除虚假森林火灾热点包括：s32a.对地表覆盖类型进行分类，分析火点的特征，并根据火点所处位置的地物覆盖类型与火点的特征，通过计算机自动判别该火点是否属于虚假火点，提取实时森林火灾热点信息，得出真实的森林火灾热点数据；s32b.将提取的实时森林火灾热点信息，绘制森林火灾动态分布图，并对森林火灾的卫星遥感动态监测。
[0017]
作为本发明的进一步改进，所述步骤s3中还包括：s33.利用视频slam技术，基于无人机及其搭载的双光谱载荷实时生成二、三维现场态势信息；用地面全景摄像头全面收集森林视频信息，实时分析、识别烟火并报警。
[0018]
作为本发明的进一步改进，所述步骤s4中，绘制森林火险天气等级实时动态分布图包括：s41.确定森林火灾发生时的最高气温、最小相对湿度、降雨后的连旱日数、最大风力等级、生物及非生物物候季节的影响订正指数的五项因子指数值，建立森林火灾火险天气等级模型计算森林火险天气指数，将该指数划分为五个等级，从一级到五级森林火险等级逐步升高，五级为极高火险；根据确定山头地块的森林火险天气等级，绘制森林火险天气等级实时动态分布图；预警区域内火灾发生趋势的过程包括：s42a.利用森林火险天气等级实时动态分布图自动发布山头地块未来多天的森林火险天气等级；s42b.采用克里金方法，结合信息扩散理论，对区域森林火灾的发生发展进行趋势预测，绘制区域森林火灾趋势实时动态预测图；s42c.从区域森林火灾趋势实时动态预测图可得出森林火灾的高发中心和低发中心。
[0019]
本发明的有益效果是：该预警方法融合了卫星遥感、无人机遥感、地面感知等天空地立体化的感知监测手段，并创新性提出多源数据融合分析监测技术， 实现多源多尺度、高精度、全天候的森林火灾预测、识别和应急协同的创新，突破制约森林火灾监测与预警的重大技术瓶颈，为森林火灾监测预警提供全方位、全覆盖的感知监测手段，从而加快火灾应急救援效率，降低森林火灾对林区周边人民群众的生命财产威胁。
附图说明
[0020]
图1是本发明中森林火灾监测预警方法的流程框图。
具体实施方式
[0021]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。
[0022]
实施例一：为实现森林火灾高精度、全覆盖监测预警，本发明提出了基于天空地一体化的森林火灾监测预警技术，主要步骤包括高时空分辨率多源卫星遥感数据预处理、天空地一体化协同监测与多源数据融合处理、天空地一体化高精度森林火灾智能识别监测、森林火灾火险天气等级建模与预警四个部分。如图1所示，具体包括以下步骤：s1.对高时空分辨率多源卫星遥感数据的预处理：通过卫星地面站实时接收极轨气象卫星遥感数据、静止气象卫星遥感数据、sar卫星数据，对遥感数据进行预处理，并构建基于卫星传感器的红外辐射归一化模型；s2.天空地一体化协同监测与多源数据融合处理：通过基于统一地理空间坐标框架的天空地观测影像配准融合技术，将图像特征配准且不同分辨率的多源影像数据拼接融合，并输出全局拼接影像图；s3.天空地一体化高精度森林火灾智能识别监测：利用监测区域的历史遥感数据，建立疑似森林火灾热点历史数据库，对疑似森林火灾热点进行时空聚类，排除虚假森林火灾热点，得出真实的森林火灾热点数据；建立森林火灾红外辐射归一化模型，并确定森林火灾热点判定阈值；s4.森林火灾火险天气等级建模与预警：根据森林火灾热点历史数据库，建立森林火灾火险天气等级模型计算森林火险天气指数，并将该指数划分为多个等级，根据多个等级指数绘制森林火险天气等级实时动态分布图，并预警区域内的火灾发生趋势。
[0023]
实施例二：对于步骤s1的高时空分辨率多源卫星遥感数据预处理，具体还包括：通过卫星地面站实时接收高分系列、fy3系列、modis系列、noaa系列等极轨气象卫星遥感数据，葵花8号、风云4号等静止气象卫星遥感数据，以及高分三号sar卫星数据。对遥感数据进行预处理，预处理步骤包括数据质量检验、辐射定标、地形校正、几何校正、图像融合及镶嵌，最终根据区域范围进行裁剪，然后基于预处理后的数据构建基于高分系列、fy3系列、modis系列、noaa系列、葵花8号、风云4号等卫星传感器的红外辐射归一化模型。
[0024]
对于红外辐射归一化模型的构建过程包括：s11.首选获取各类卫星传感器的亮温值，设定其中一个传感器为标准卫星传感器，然后将其他卫星传感器辐射数据进行归一化处理，映射到0~1之间；s12.选取标准影像与待归一化的影像进行线性拟合，从而建成各类传感器的辐射归一化模型，为后续火点识别提供基础。
[0025]
实施例三：对于步骤s2的天空地一体化协同监测与多源数据融合处理，具体还包括：通过基于统一地理空间坐标框架的天空地观测影像高精度、快速拼接配准融合技术，
对图像特征配准的不同分辨率影像快速拼接，包括同一或相同分辨率下无人机视频的拼接融合、以及多级分辨率下基于底层视觉特征及高级语义特征配准的卫星遥感影像、航空遥感影像、无人机影像、地面站全景摄像头视频以及救援人员携带的视频设备的影像拼接融合，并输出全局拼接影像图。
[0026]
其中，步骤s2中，多源影像数据拼接融合，并输出全局拼接影像图的步骤包括：s21a.首先针对不同传感器拍摄的图像进行特征点提取，提取特征因子，形成特征向量；s21b.然后针对特征点进行匹配，利用最邻近搜索，求距离最近的特征向量，则为互相匹配的特征点；s21c.找到图像的匹配方式后，根据匹配的点来估算单应矩阵h，将原图像中任意像素点坐标转换为新坐标点；s21d.通过单应矩阵来对其两张图片实现图像拼接；s21e.图像拼接后，针对重叠的部分进行融合处理，采用多段融合法，选取最优缝隙线，实现最佳融合效果，最终拼接融合输出全局图像。
[0027]
为实现在导航定位和姿态测量系统的不稳定状态下融合天空地平台以获取高精度、连续地表影像观测数据。在输出全局拼接影像图后需要对图像进行校准，包括步骤s22.以配准的航空影像为参考基准，利用导航定位和姿态测量系统信息进行几何校正提高配准精度，几何校正具体包括：s22a.通过目视解译在航空影像为参考，在卫星遥感影像、地面设备观测图像上分别选择同名控制点，以建立图像与地图之间的投影关系，这些控制点应该选在能明显定位的地方，如河流交叉点等；s22b.根据图像的几何畸变性质及地面控制点的个数来确定校正数据模型，建立图像之间的空间关系，如多项式方法；s22c.对图像进行重采样内插，生成校正后的图像。
[0028]
为提高图像配准精度的问题，在输出全局拼接影像图后，还包括：s23a.通过多级分辨率逐级配准算法，解决由于不同分辨率之间相差较远导致的具有相似特征同名点少而难以配准的问题，将卫星遥感影像、航空遥感影像、地面设备观测图像拼接融合；s23b.利用加权平均法融合无人机影像序列或多架无人机影像，并基于融合后的无人机影像修正其与航空影像配准提高无人机影像与航天影像的配准拼接融合精度；s23c.最后基于导航定位和姿态测量系统的可见光等异构多模影像快速拼接，并输出空天地一体化拼接影像图，实现在图像特征较少时融合天地空影像以获取高精度、连续地表观测数据。
[0029]
实施例四：对于步骤s3的天空地一体化高精度森林火灾智能识别监测，具体包括：对卫星遥感数据进行云层反射过滤，计算植被指数ndvi，利用卫星热点亮温和背景亮温的阈值，判别出疑似森林火灾的卫星热点；利用监测区域近10年来的遥感数据，建立疑似森林火灾热点历史数据库，对疑似森林火灾热点进行时空聚类，排除虚假森林火灾热点（固定热源、云层反射、水面反射、农用火源等），得出真实的森林火灾热点数据，经统计分析和
建模研究得出森林火灾热点判定阈值，以及不同卫星传感器红外辐射归一化森林火灾热点判定阈值。利用森林火灾热点判定阈值提取实时森林火灾热点信息，绘制森林火灾动态分布图，从而实现对森林火灾的卫星遥感动态监测。
[0030]
其中疑似森林火灾热点历史数据库的建立过程中，疑似森林火灾热点的确定包括：s31.对卫星遥感数据进行云层反射过滤，计算植被指数ndvi，利用卫星热点亮温和背景亮温的阈值，判别出疑似森林火灾的卫星热点。
[0031]
具体的，通过森林火灾热点历史数据进行时空聚类，排除虚假森林火灾热点，对卫星遥感数据进行云层反射过滤，去除云层影响，并计算植被指数ndvi获取植被范围，ndvi=(nir-r)/(nir+r)，其中nir为近红外波段的反射值，r为红光波段的反射值。利用卫星热点亮温和背景亮温的阈值，判别出疑似森林火灾的卫星热点，通过4um和11um通道的亮温差值进行疑似林火识别，t为亮温值。通过以下公式遍历每一个像元，判断该像元是否为火点：(1)当t4um＜312k为非高温点；(2)当t4um≥312k，且t4um与t11um的差值≥10k时该像元为疑似火点；(3)当ndvi＞0.1且满足条件(2)时，判断该像元为疑似林火。
[0032]
判断出疑似火点后，需要对这些火点进行虚假林火热点排除，包括：s32a.对地表覆盖类型进行分类，分析火点的特征，并根据火点所处位置的地物覆盖类型与火点的特征，通过计算机自动判别该火点是否属于虚假火点，提取实时森林火灾热点信息，得出真实的森林火灾热点数据；s32b.将提取的实时森林火灾热点信息，绘制森林火灾动态分布图，从而实现对森林火灾的卫星遥感动态监测。
[0033]
通过建立森林火灾红外辐射归一化模型，来确定森林火灾热点判定阈值，判别精度更高、判别时间更快、更节省人力物力。
[0034]
步骤s3中还包括：s33. 并利用视频slam技术，基于无人机及其搭载的双光谱载荷实时生成二、三维现场态势信息，使得火场的定位更精准、火线的变化趋势更清晰、火灾现场的整体态势更全面。使用地面全景摄像头全面收集森林视频信息，进行实时分析，识别烟火并报警。同时实现烟火监测和动植物、非法砍伐、非法入侵等的监测，可在防灾抗灾的同时增强森林资源保护。
[0035]
实施例五：对于步骤s4的森林火灾火险天气等级建模与预警，具体包括：s41.根据森林火灾历史数据库，确定森林火灾发生时的最高气温t、最小相对湿度h、降雨后的连旱日数d、最大风力等级w、生物及非生物物候季节的影响订正指数l等五项因子指数值，其中生物及非生物物候季节的指数值因区域气候的不同可用相关因子替代，建立森林火灾火险天气等级模型计算森林火险天气指数，该指数=t+h+d+w-l。然后将该指数划分为五个等级，从一级到五级森林火险等级逐步升高，五级为极高火险。根据确定山头地块的森林火险天气等级，绘制森林火险天气等级实时动态分布图。
[0036]
预警区域内火灾发生趋势的过程包括：利用森林火险天气等级实时动态分布图自动发布山头地块未来2-3天的森林火险天气等级。并采用克里金方法，结合信息扩散理论，对区域森林火灾的发生发展进行趋势预测，绘制区域森林火灾趋势实时动态预测图，从区域森林火灾趋势实时动态预测图可得出森林火灾的高发中心和低发中心，为森林火灾提供
预警，并为合理分配森林火灾应急资源提供科学依据。
[0037]
本发明融合天空地一体化的森林火灾监测预警技术，融合光学遥感卫星、热红外遥感卫星、sar卫星、无人机遥感、地面视频摄像头、地面观测站等多平台监测手段进行数据融合处理，再通过模型算法对林火进行快速识别定位，实现全方位、立体化、高精度、全覆盖的森林火灾智能监测分析和预警，弥补传统单一手段观测能力不足、精度低、反应慢等缺点。使森林火灾快速、全方位、高精度进行监测预警，保障林火及时发现，有效预防火灾蔓延，为扑火救援提供宝贵时间。
[0038]
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。