环境小卫星HJ森林或草原火灾小火点探测系统及其方法

摘要

本发明涉及一种利用环境小卫星HJ的红外(IRS)数据进行森林或草原火灾的小火点自动探测系统及其方法。该方法包括：辐射校正；亮温计算；反射率计算；云和水体识别；潜在火点判定；绝对火点判定；背景特性分析；相对火点判定；火点置信度；探测火点输出。本发明通过上述解决方案，基于环境小卫星HJ本身的特点，仅仅利用红外(IRS)数据就可以实现森林或草原火灾的自动探测，提高我国国产卫星的防灾减灾能力，推进国产卫星产业化应用的进程。

说明书

技术领域

本发明涉及森林或草原火灾遥感监测领域，具体来说是涉及基于环境小卫星HJ数据的森林(草原)火灾小火点探测系统及其方法，用于环境小卫星HJ的火点自动探测。

背景技术

利用遥感技术监测森林火灾，开始于二十世纪60年代初期，当时采用的是航空红外探测器。随着航天技术和遥感应用技术的发展，先后开展了利用NOAA-AVHRR、TM、国防卫星(DMSP)等卫星数据探测森林火灾的实验和研究。自Terra卫星发射成功以来，MODIS数据在森林防火中的得到广泛应用，并对全球的火灾进行日常监测(Justice C O，Giglio L，Kaufman Y，etal.TheMODIS fire products[J].Remote Sensing of Environment，2002，83：244-262.)。目前的MODIS第四版(V4)火点探测算法(Giglio，L.，Descloitres，J.，Justice，C.O.，& Kaufman，Y.J..An enhancedcontextual fire detection algorithm for MODIS[J].Remote Sensing ofEnvironment，2003，87：273-282.)，是一种基于窗口搜索和背景像元空间分析技术的上下文算法，在全球的火灾监测中具有良好的适应性、准确性和稳定性，是火灾遥感监测中的经典算法。该算法主要针对全球的火点探测而设计的，因而，它在区域性的火点监测方面存在一定的局限性(Wang W T，Qu J J，Hao X J，etal.An improved algorithm for small and cool firedetection using MODIS data：A preliminary study in the southeasternUnited States [J].Remote Sensing ofEnvironment.2007(108)：163-170.)，表现在以下几个方面：一是对于潜在火点的判定阈值，没有考虑区域性差异；二是其假设火点周围的非火点像元具有相似的背景信息；三是没有考虑未探测到的火点对有效背景像元的影响等。因此V4算法若运用于非全球尺度的局部区域和新的卫星传感器时必须进行算法的重新设计，才能与新传感器的各项性能和火灾区域特性相匹配。

2008年9月6日环境与灾害监测预报小卫星星座A、B星(HJ-1A/1B星)在中国太原卫星发射中心成功发射。环境与灾害监测预报小卫星A、B星是我国“环境与灾害监测预报小卫星星座”三颗卫星中的两颗光学卫星。该星座的主要任务是对自然灾害、生态破坏、环境污染进行大范围、全天候、全天时的动态监测，对灾害和生态环境的发展变化趋势进行预测，对灾情和环境质量进行快速和科学评估，提高灾害和环境信息的观测、采集、传送和处理能力，为紧急救援、灾后救助及恢复重建和环境保护工作提供科学依据。然而到目前为止利用环境小卫星HJ进行森林火灾的监测主要是利用目视判读的传统方法，针对环境小卫星HJ的火灾自动探测方法还处于研发阶段。

发明内容

本发明目的在于公开一种利用环境小卫星HJ的红外(IRS)数据进行森林或草原火灾的小火点自动探测系统及其方法。

本发明通过如下技术方案实现：

一种利用环境小卫星HJ的红外(IRS)数据进行森林或草原火灾的小火点自动探测系统或方法，包含以下模块或步骤：

A、辐射校正：

将环境小卫星HJ红外(IRS)影像的灰度值(DN)转化为具有物理意义的辐射亮度值，其物理单位为：W·m^-2·sr^-1。

HJ-IRS相机波段1和波段2的绝对定标系数g值分别为4.2857和18.5579，利用绝对定标系数可将DN值图像转换为辐亮度图像的公式为：

L＝DN/g        公式1

对于HJ-IRS相机波段3和波段4，利用绝对定标系数将DN值图像转换为辐亮度图像的公式为：

L＝(DN-b)/g    公式2

式中L为辐亮度，g为绝对定标系数，b为偏移量；HJ-IRS相机波段3和波段4的绝对定标系数g值分别为12.662和61.472，偏移量b值分别为11.489和-44.598。

B、亮温计算：

亮度温度简称为亮温，即描述一般地物的“等效”温度参数，即在一定的波段范围内，一般地物与绝对黑体相比，具有相等的辐射亮度时，与此时绝对黑体温度等效地物的温度，此温度称为地物的亮度温度，由普朗克公式推导得出，如下式：

$T=\frac{\mathrm{hc}}{\lambda k\ln \left(\frac{{2\mathrm{\pi hc}}^2}{{\mathrm{L\pi \lambda }}^5+1}\right)}$公式3

式中：T是亮度温度(K)，h为普朗克常数，取值6.626×10^-34(J·s)；k为波尔兹曼常数，取值1.3806×10^-23(J·K^-1)；c为光速，取值2.998×10⁸(m·s^-1)；λ为波长(m)；π＝3.14159；L为辐射亮度(W·m^-2·sr^-1·μm^-1)。

用于计算亮温T4和亮温T11的环境小卫星红外波段分别为IRS3和IRS4。IRS3的空间分辨率为150米，中心波长λ为3.7μm，IRS43的空间分辨率为300米，中心波长λ为11.5μm。

C、反射率计算：

用6S大气校正模型模拟通常气象条件下环境小卫星HJ的反射率计算参数，计算公式如：

$\left(\begin{array}{c}y=x_a\times L_i-x_b\\ {\rho }_i=y/(1+x_c\times y)\end{array}\right)$公式4

ρ_i为i波段的反射率，L_i为i波段的辐射亮度，X_a、X_b、X_c、y分别为反射率计算参数。

IRS1和IRS2波段的空间分辨率均为150m，主要用于提取水和云的掩膜。IRS1波段X_a、X_b和X_c的值分别为0.0077、0.2502和0.0452，IRS2波段X_a、X_b和X_c的值分另为0.0062、0.0564和0.0753。

D、云和水体识别：

HJ的IRS传感器的水体判定条件如下：

Water＝(ρ₁＜0.02)and(T4＜272K)    公式5

式中：Water是水体，ρ₁表示IRS波段1的反射率，T4是IRS波段3的亮温。

HJ的IRS传感器的云判定条件如下：

Cloud＝(T11＜265)and(Water＝0)    公式6

式中：Cloud是云，T11是IRS波段4的亮温，Water是水体。

E、潜在火点判定：

潜在火点判定阈值为325K，满足下式条件则该像元为潜在火点像元。

T4＞325K    公式7

F、绝对火点判定：

绝对火点判定阈值为360K，满足下式条件则该像元为绝对火点像元。

T4＞360K    公式8

G、背景特性分析：

对被判定为潜在火点的像元，采用自适应窗口的上下文空间统计方法来对潜在火点像元逐个进行判识。在进行空间统计时涉及有效背景像元。所述有效背景像元是指以潜在火点的像元为中心并且满足以下四个条件的像元：1)所获取的遥感数据为非损坏数据；2)该像元为陆地像元；3)该像元为非云像元；4)该像元为非背景火点像元，背景火点像元是指T4＞325K并且T4-T11＞20K的像元。以潜在火点像元为中心，从5×5、7×7，依次搜索到21×21的窗口大小，当有效背景像元的数量占整个窗口像元数量的25％时停止搜索。

H、相对火点判定：

获取有效背景像元后，采用上下文空间统计方法对相对火点进行判定。若该相对火点同时满足下式中a、b、c、d四个条件，则，则此像元为火点像元。

$\left(\begin{array}{c}a:(T4-T11)>\mathrm{AVG}(T4-T11)+3.5\delta (T4-T11)\\ b:(T4-T11)>\mathrm{AVG}(T4-T11)+6K\\ c:T4>\mathrm{AVG}\left(T4\right)+3\delta \left(T4\right)\\ d:[T11>\mathrm{AVG}\left(T11\right)+\delta \left(T11\right)-4K)\left]\mathrm{or}\right[{\delta }^{\prime }\left(T4\right)>5k]\end{array}\right)$公式9

式中：AVG(T4-T11)为有效背景像元T4-T11亮温差的平均值，δ(T4-T11)为有效背景像元T4-T11亮温差的平均绝对偏差，AVG(T4)和AVG(T11)分别为有效背景像元T4和T11亮温的平均值，δ(T4)和δ(T11)分别为有效背景像元T4和T11亮温的平均绝对偏差，δ’(T4)为背景火点像元T4亮温的平均绝对偏差。

I、火点置信度：

置信度是表明抽样指标和总体指标的误差不超过一定范围的概率保证度。在大样本条件下，置信度是概率度的函数，概率度越大，置信度越越大。用到IRS波段3的亮温T₄，IRS波段3与波段4的亮温差ΔT＝T₄-T₁₁，背景特性分析时火点周围8邻域内的水体像元数量Naw，背景特性分析时火点周围8邻域内的云体像元数量Nac等参数。并定义Z₄和Z_ΔT两个变量，如公式10，公式11所示：

$Z_4=\frac{T_4-\mathrm{AVG}\left(T_4\right)}{{\delta }_4}$公式10

$Z_{\mathrm{\Delta T}}=\frac{\mathrm{\Delta T}-\mathrm{AVG}\left(\mathrm{\Delta T}\right)}{{\sigma }_{\mathrm{\Delta T}}}$公式11

在进行置信度计算时还用到以下函数S(x；α，β)：

$S(x;\alpha ,\beta )=\left(\begin{array}{c}0;x\le \alpha \\ (x-\alpha )/(\beta -\alpha );\alpha <x<\beta \\ 1;x\ge \beta \end{array}\right)$公式12

每个火点像元的置信度C由五个子置信度组合计算得出，这五个子置信度分别表示为C₁、C₂、C₃、C₄、C₅，它们值的范围为0(低置信度)到1(高置信度)之间，分别由下列公式来计算。

C₁＝S(T₂₂；302K，340K)    公式13

C₂＝S(Z₂；2.5，6)         公式14

C₃＝S(Z_ΔT；3，6)         公式15

C₄＝1-S(Nac；0，6)        公式16

C₅＝1-S(Naw；0，6)        公式17

$C=\sqrt[5]{C_1{C}_2{C}_3{C}_4{C}_5}$公式18

由公式18计算得到每个火点的置信度。置信度的值为0-1之间，置信度越低，实际发生火灾的概率越低；反之置信度越高，实际发生火灾的概率越高。

J、探测火点输出：

根据火点的探测结果，输出探测火点的坐标、亮温和置信度等相关信息。

附图说明

图1辐射校正；

图2亮温计算；

图3反射率计算；

图4水体信息提取；

图5云信息提取；

图6背景特性分析；

图7火点输出；

图8同区域同时相HJ-IRS和MODIS监测的火场面积误差曲线；

图9黑龙江沾河地区森林火灾HJ-IRS探测的火点及其影像；

图10本发明所述方法的流程图。

本发明仅基于HJ-IRS数据就能进行火点全自动探测。本发明通过辐射校正、亮温计算、反射率计算、云和水体识别步、潜在火点判定、绝对火点判定、背景特性分析、相对火点判定、火点置信度、探测火点输出等步骤，从而自动识别提取火点信息。因此，本发明根据环境小卫星HJ的红外(IRS)传感器的参数特点和我国森林或草原火灾的地区特性，研制了环境小卫星HJ森林(草原)火灾小火点探测系统及其方法。

具体实施方式：

本发明实施案例选择为2009年4月29发生的中国黑龙江沾河地区的森林火灾环境小卫星HJ的IRS影像。

1.系统流程

A、辐射校正：

用于将环境小卫星HJ红外(IRS)影像的灰度值(DN)转化校正为具有物理意义的辐射亮度值(单位为：W·m^-2·sr^-1。)。

B、亮温计算：

用于计算环境小卫星HJ的IRS波段3和波段4的亮温T4和T11。

C、反射率计算：

用于计算环境小卫星HJ的红外IRS波段1和波段2的反射率ρ₁和ρ₂。

D、云和水体识别：

用于进行云和水体的识别，生成云和水体的掩膜。

HJ的IRS传感器的水体判定条件如下：

Water＝(ρ₁＜0.02)and(T4＜272K)    公式

式中：Water是水体，ρ₁表示IRS波段1的反射率，T4是IRS波段3的亮温。

HJ的IRS传感器的云判定条件如下：

Cloud＝(T11＜265)and(Water＝0)    公式

式中：Cloud是云，T11是IRS波段4的亮温，Water是水体。

E、潜在火点判定：

用于判定像元是否属于潜在火点。

潜在火点判定阈值为325K，满足下式条件则该像元为潜在火点像元。

T4＞325K    公式25

F、绝对火点判定：

用于判定像元是否属于绝对火点。

绝对火点判定阈值为360K，满足下式条件则该像元为绝对火点像元。

T4＞360K    公式26

G、背景特性分析：

用于对潜在火点像元的周围环境进行空间统计分析。

对被判定为潜在火点的像元，采用自适应窗口的上下文空间统计方法来对潜在火点像元逐个进行判识。有效背景像元是指以潜在火点的像元为中心并且满足以下四个条件的像元：1)所获取的遥感数据为非损坏数据；2)该像元为陆地像元；3)该像元为非云像元；4)该像元为非背景火点像元，背景火点像元是指T4＞325K并且T4-T11＞20K的像元。以潜在火点像元为中心，从5×5、7×7，依次搜索到21×21的窗口大小，当有效背景像元的数量占整个窗口像元数量的25％时停止搜索。

H、相对火点判定：

用过进行相对火点的判定。

获取有效背景像元后，采用上下文空间统计方法对相对火点进行判定。若该相对火点同时满足下式中a、b、c、d四个条件，则，则此像元为火点像元。

$\left(\begin{array}{c}a:(T4-T11)>\mathrm{AVG}(T4-T11)+3.5\delta (T4-T11)\\ b:(T4-T11)>\mathrm{AVG}(T4-T11)+6K\\ c:T4>\mathrm{AVG}\left(T4\right)+3\delta \left(T4\right)\\ d:[T11>\mathrm{AVG}\left(T11\right)+\delta \left(T11\right)-4K)\left]\mathrm{or}\right[{\delta }^{\prime }\left(T4\right)>5k]\end{array}\right)$公式27

式中：AVG(T4-T11)为有效背景像元T4-T11亮温差的平均值，δ(T4-T11)为有效背景像元T4-T11亮温差的平均绝对偏差，AVG(T4)和AVG(T11)分别为有效背景像元T4和T11亮温的平均值，δ(T4)和δ(T11)分别为有效背景像元T4和T11亮温的平均绝对偏差，δ’(T4)为背景火点像元T4亮温的平均绝对偏差。

I、火点置信度：

用于计算火点的置信度。

J、探测火点输出：

用于将火点的探测结果以文本文件的形式输出。

2.结果分析及本方法的优越性

利用2009年4月27-5月2日发生的中国黑龙江沾河地区的森林火灾，和2009年5月8发生在美国加州的森林火灾选取几个不同时段的HJ-IRS和MODIS数据，选择多个测试区域(按影像重叠部分进行区域切割，对HJ-IRS和MODIS火点探测的结果进行比较分析，得到同区域同时相HJ-IRS和MODIS探测的火点情况，并利用现场观测和统计的各个火场的过火面积资料对上述两种方法的监测结果进行比较分析，统计结果见表1和图8。

表1

表1是同区域同时相HJ-IRS和MODIS的火点探测数量、火场遥感监测面积、火场实际面积及两种遥感手段监测的火场面积误差情况。

HJ-IRS探测的火点与IRS影像叠加的结果如图9所示。同区域同时相HJ-IRS和MODIS监测的火场面积误差平均值分别为4.56％和18.24％，可见用HJ-IRS监测的火场面积要比MODIS探测的火场面积的精度方面要高出13.68％，具有更高的森林(草原)火灾监测精度。与传统的专家目视判断方法相比，基于HJ-IRS森林(草原)火点自动探测方法则具有工作效率高，无需人员值守，自动报警成功等多项优点。本方法将有利于提高环境小卫星HJ在我国森林(草原)火灾遥感监测领域的应用水平和业务能力。