公开/公告号CN112613347A
专利类型发明专利
公开/公告日2021-04-06
原文格式PDF
申请/专利权人 应急管理部国家自然灾害防治研究院;
申请/专利号CN202011395730.8
申请日2020-12-03
分类号G06K9/00(20060101);
代理机构41111 郑州大通专利商标代理有限公司;
代理人张立强
地址 100085 北京市海淀区清河安宁庄路1号
入库时间 2023-06-19 10:29:05
技术领域
本发明涉及遥感技术、应急管理和防灾减灾领域,尤其涉及一种森林火灾过火范围和烧毁程度的自动识别方法。
背景技术
森林火灾突发性强、蔓延速度快、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。全球气候变化背景下,森林火灾次数、面积及强度显著增加。2019年春季以来,我国山西、四川、内蒙古、河北多地频发森林火灾,山西、四川、陕西、云南、辽宁等地先后发生重大森林火灾,导致了森林资源及生态环境的严重损失,造成严重人员伤亡。
由于森林火灾的突发性强、蔓延速度快、破坏性大、危险性高等特点,加之森林面积普遍较大,发生森林火灾时难以采取有效的扑救手段。快速、准确获取森林火灾的过火范围和烧毁程度信息,对于确定森林火灾影响范围、灾后损失评估,以及火灾原因分析等具有非常重要的意义,有助于提高后续森林火灾的防控能力。
传统的森林火灾数据主要为统计数据,收集费时费力,且数据的数字化程度低,难以全面、完整描述森林火灾的位置、面积、空间范围和烧毁程度等信息。随着遥感数据的时间和空间分辨率逐步提高,其时效性和精确度能够较好的满足森林火灾的监测和防控需求,因此亟需一种基于遥感数据的森林火灾的过火范围和烧毁程度的识别方法。
发明内容
针对传统的森林火灾数据难以全面、完整描述森林火灾的空间范围和烧毁程度等信息的问题,本发明提供一种森林火灾过火范围和烧毁程度的自动识别方法。
本发明提供一种森林火灾过火范围和烧毁程度的自动识别方法,该方法包括:
步骤1:获取森林火灾发生前云量覆盖率低于预设覆盖率值的长时间序列遥感影像,记为灾前遥感影像序列;
步骤2:计算所述灾前遥感影像序列中每幅遥感影像的归一化植被指数NDVI;
步骤3:采用最小二乘回归方法对所述灾前遥感影像序列中每幅遥感影像的归一化植被指数NDVI进行逐像元回归,拟合无火灾扰动情况下每个像元的归一化植被指数回归模型,得到无火灾扰动情况下每个像元的年尺度的植被指数初始曲线;
步骤4:获取森林火灾发生后云量覆盖率低于预设覆盖率值的遥感影像,记为灾后遥感影像,计算所述灾后遥感影像的归一化植被指数NDVI
步骤5:基于无火灾扰动情况下每个像元的年尺度的植被指数初始曲线,模拟出与所述灾后遥感影像在相同时间段内的无扰动归一化植被指数NDVI
步骤6:根据所述无扰动归一化植被指数NDVI
步骤7:基于森林火灾的点位验证数据和所述森林火灾严重程度指数BSI,确定森林火灾严重程度指数图像的分割阈值,以识别森林火灾过火范围,并根据所述森林火灾严重程度指数BSI分级划分森林火灾烧毁程度。
进一步地,所述灾前遥感影像为云量覆盖率低于10%且没有大片薄云覆盖的遥感影像;并且,所述灾前遥感影像应满足每月至少1幅的数量要求。
进一步地,按照公式(1)计算归一化植被指数NDVI:
其中,NIR为遥感影像的近红外波段,R为遥感影像的红波段。
进一步地,所述最小二乘回归方法采用公式(2)所示的迭代加权最小二乘方法:
其中,x为儒略日;i为遥感影像的波段序号;T为一年内的天数;N为遥感影像选用的跨年数目;a
进一步地,按照公式(3)计算所述森林火灾严重程度指数BSI:
进一步地,所述森林火灾的点位验证数据包括森林火灾发生过程中局部区域的高分辨率遥感影像、火灾救灾过程中的现场照片和点位信息。
进一步地,所述森林火灾烧毁程度分为5级:未燃烧、极低烧毁程度、低烧毁程度、中度烧毁程度和高烧毁程度。
本发明的有益效果:
本发明采用重访周期短的卫星遥感数据,充分发挥遥感数据空间覆盖范围大、更新周期短的优势,能够自动提取森林火灾过火范围,并快速识别、评估火灾区域内的烧毁程度,为森林火灾的灾后评估和恢复提供有效的决策信息。
附图说明
图1为本发明实施例提供的一种森林火灾过火范围和烧毁程度的自动识别方法的流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
实施例1
如图1所示,本发明实施例提供一种森林火灾过火范围和烧毁程度的自动识别方法,包括以下步骤:
S101:获取森林火灾发生前云量覆盖率低于预设覆盖率值的长时间序列遥感影像,记为灾前遥感影像序列;
S102:计算所述灾前遥感影像序列中每幅遥感影像的归一化植被指数NDVI;
S103:采用最小二乘回归方法对所述灾前遥感影像序列中每幅遥感影像的归一化植被指数NDVI进行逐像元回归,拟合无火灾扰动情况下每个像元的归一化植被指数回归模型,得到无火灾扰动情况下每个像元的年尺度的植被指数初始曲线;
S104:获取森林火灾发生后云量覆盖率低于预设覆盖率值的遥感影像,记为灾后遥感影像,计算所述灾后遥感影像的归一化植被指数NDVI
S105:基于无火灾扰动情况下每个像元的年尺度的植被指数初始曲线,模拟出与所述灾后遥感影像在相同时间段内的无扰动归一化植被指数NDVI
S106:根据所述无扰动归一化植被指数NDVI
S107:基于森林火灾的点位验证数据和所述森林火灾严重程度指数BSI,确定森林火灾严重程度指数图像的分割阈值,以识别森林火灾过火范围,并根据所述森林火灾严重程度指数BSI分级划分森林火灾烧毁程度。
实施例2
在上述实施例1的基础上,本发明实施例提供另一种森林火灾过火范围和烧毁程度的自动识别方法,包括以下步骤:
(1)以Sentinel-2卫星遥感影像为例,选取云量覆盖率低于10%,且没有大片薄云覆盖的Sentinel-2影像数据,时间序列影像数据保证每个月至少1幅,获取森林火灾发生前年份从1月1日至12月31日的高质量Sentinel-2时间序列遥感影像数据。
(2)基于Sentinel-2时间序列遥感影像数据,计算所有灾前遥感影像的归一化植被指数NDVI,归一化植被指数NDVI的计算公式为:
NDVI计算公式中,NIR为遥感影像的近红外波段,R为遥感影像的红波段,分别对应Sentinel-2遥感影像的第8波段和第4波段数据。
(3)采用迭代加权最小二乘方法对Sentinel-2时间序列遥感影像中每个像元的归一化植被指数NDVI进行回归,迭代加权最小二乘方法的计算公式为:
其中,x为儒略日;i为遥感影像的波段序号;T为一年内的天数(T=365);N为遥感影像选用的跨年数目;a
拟合无火灾扰动情况下每个像元的归一化植被指数回归模型,获取无火灾扰动情况下每个像元的年尺度的植被指数初始曲线;
通过对每个像元位置进行归一化植被指数的拟合回归,得到每个像元上的迭代加权最小二乘回归方程,那么针对每个像元都可绘制无火灾扰动情况下的年尺度的植被指数初始曲线,该曲线以儒略日为横坐标,归一化植被指数数值为纵坐标。
(4)针对特定森林火灾事件,获取灾后某一日期的云量覆盖率低的遥感影像,计算其真实的归一化植被指数NDVI
(5)基于无火灾扰动情况下每个像元的年尺度的植被指数初始曲线,模拟出与灾后遥感影像相同日期的无扰动归一化植被指数NDVI
(6)利用模拟的无扰动归一化植被指数NDVI
并获得森林火灾严重程度指数图像。
(7)基于森林火灾的点位验证数据和森林火灾严重程度指数BSI,确定森林火灾严重程度指数图像的分割阈值;其中,森林火灾的点位验证数据包括森林火灾发生过程中局部区域的高分辨率遥感影像、火灾救灾过程中的现场照片和点位信息。其中,该点位信息是指该现场照片的拍摄点的地理位置信息。
依据该分割阈值,提取森林火灾过火范围的边界,以识别森林火灾过火范围;
根据森林火灾严重程度指数BSI的数值分级,进行森林火灾烧毁程度的分级与判别;其中,森林火灾烧毁程度分为5级,分别为:1-未燃烧、2-极低烧毁程度、3-低烧毁程度、4-中度烧毁程度、5-高烧毁程度,其中数字1-5分别烧毁程度的数字代码。
作为一种可实施方式,通过参考实际应用案例,按照表1确定森林火灾严重程度指数(BSI)的分级体系。
表1森林火灾严重程度指数(BSI)的分级体系表
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
机译: 森林火灾地点的自动识别方法
机译: 森林火灾自动识别方法和系统
机译: 森林火灾自动识别方法和系统