The invention discloses a method for identifying fire over-fires based on spectral index and neural network. By analyzing the spectral characteristics of different types of ground objects, the spectral index with the best separation for different types of ground objects is used as the input feature of the neural network, which can enhance the discrimination between the over-fires and other types of pixels. At the same time, the spectral index is used as a training sample to construct the fire over-fires. Establishment of classifier can realize the recognition of satellite images over-fires, and improve the applicability and accuracy.
【技术实现步骤摘要】
结合光谱指数和神经网络的火灾过火迹地识别方法
本专利技术涉及火灾灾害评估领域,尤其涉及一种结合光谱指数和神经网络的火灾过火迹地识别方法。
技术介绍
近些年来,自然火灾仍然是当今世界的主要灾害之一,对人类的生命财产安全、生物多样性和生态环境等造成了极大的威胁。森林、草原火灾突发性强、破坏力大,一旦爆发难以控制,极易造成重大的生命财产损失。生物质的燃烧会释放大量的温室气体(如CO2,CO,CH4,NOX等)和气溶胶,改变大气化学成分的同时,还会直接对全球气候系统造成影响。同时,自然火灾还会破坏生物栖息地和生物多样性,影响植被的演替生长过程。过火迹地是火灾发生之后植被燃烧的区域,可以模拟和统计火灾对生态、气候系统所造成影响,因此过火迹地的识别对于火灾灾害评估、灾后重建和植被恢复具有重要意义。随着卫星影像和遥感技术的不断发展,给过火迹地的研究带来了新的机遇。目前国内外很多学者研究了过火迹地的识别算法,主要采用的卫星传感器包括:AVHRR、VEGETATION、MODIS、ASTER、TM、ETM+、OLI等。其中搭载于Terra和Aqua卫星的MOIDS传感器每天最多可以过境4次,涵盖了从可见光至热红外的光谱区域共36个光谱波段,因此MOIDS传感器数据已成为进行过火迹地研究的主要数据。目前,过火迹地的识别方法主要分为基于多时相遥感数据和基于单幅遥感影像的算法。1、基于多时相遥感数据的算法主要包括:Fraser,R.H.,etal.(2000)利用检测的热点训练得到多时相归一化植被指数(NDVI)影像的差分阈值,从而识别过火迹地;Loboda,O'Nealetal ...
【技术保护点】
1.一种结合光谱指数和神经网络的火灾过火迹地识别方法,其特征在于,包括:对MODIS数据进行数据预处理,获取目标区域每个像元在各个光谱波段的反射率、发射率与亮温数据;同时,采用劈窗算法获得地表温度数据;结合目标区域每个像元在各个光谱波段的反射率与亮温数据,以及地表温度数据,通过经验公式方法、多阈值方法和目视判别法提取过火迹地、植被、裸土、云、阴影五种地物类型的数据;通过不同地物类型光谱特性的分离性分析,选择分离性最优的光谱指数建立训练样本作为神经网络的输入特征;其中,各光谱指数通过相应光谱波段的反射率与发射率来确定;采用训练样本对神经网络进行训练得到分类器,继而对测试数据进行分类,提取得到过火迹地区域。
【技术特征摘要】
1.一种结合光谱指数和神经网络的火灾过火迹地识别方法,其特征在于,包括:对MODIS数据进行数据预处理,获取目标区域每个像元在各个光谱波段的反射率、发射率与亮温数据;同时,采用劈窗算法获得地表温度数据;结合目标区域每个像元在各个光谱波段的反射率与亮温数据,以及地表温度数据,通过经验公式方法、多阈值方法和目视判别法提取过火迹地、植被、裸土、云、阴影五种地物类型的数据;通过不同地物类型光谱特性的分离性分析,选择分离性最优的光谱指数建立训练样本作为神经网络的输入特征;其中,各光谱指数通过相应光谱波段的反射率与发射率来确定;采用训练样本对神经网络进行训练得到分类器,继而对测试数据进行分类,提取得到过火迹地区域。2.根据权利要求1所述的一种结合光谱指数和神经网络的火灾过火迹地识别方法,其特征在于,所述对MODIS数据进行数据预处理包括:依次对数据进行辐射定标、几何校正和大气校正。3.根据权利要求1所述的一种结合光谱指数和神经网络的火灾过火迹地识别方法,其特征在于,所述结合目标区域每个像元在各个光谱波段的反射率与亮温数据,以及地表温度数据,通过经验公式方法、多阈值方法和目视判别法提取过火迹地、植被、裸土、云、阴影五种地物类型的数据包括:通过对多处火灾场景中的数据进行第5和第7波段反射率数据的散点图分析,满足如下公式即判定为过火迹地像素,从而提取过火迹地数据:(ρ5-β)/ρ7<α;其中,β与α均为设定的阈值;当像元满足以下条件时,即判定为植被像元,从而提取植被数据:NDVI=(ρ2-ρ1)/(ρ2+ρ1)>0.3;当像元满足以下条件时,即判定为云像元,从而提取云数据:(ρ1+ρ2)>0.7且BT32<285K;或者,(ρ1+ρ2)>0.9;或者,(BT32<265K);当像元满足以下条件时,即判定为裸土像元,从而提取裸土数据:NDVI<0.2且(ρ9-ρ7)/(ρ9+ρ7)≥0.1;上述式子中,ρ表示发射率,BT表示亮温值,下标数字表示波段的序号;对MODIS数据采用第1、4、3波段分别作为RGB合成图像的三个通道,然后对组合得到的真彩色影像采用目视判别法,提取得到阴影像元的数据。4.根据权利要求1所述的一种结合光谱指数和神经网络的火灾过火迹地识别方法,其特征在于,分离性最优的光谱指数包括:植被指数VI、炭土壤指数CSI、中红外燃烧指数MIRBI、归一化燃烧比率指数NBR以及基于NBR指数的波段组合形式并分别整合了发射率数据的指数NSEv1和地表温度数据的指数NSTv1,其表示为:VI=(ρNIR-ρLSWIR)/(ρNIR+ρLSWIR);CSI=ρNIR/ρSSWIR;MIRBI=10ρLSWIR-9.5ρSSWIR+2;NBR=(ρNIR-ρLSWIR)/(ρNIR+ρLSWIR);NSEv1=(ρNIR-ρLSWIR)×E/(ρNIR+ρLSWIR);NSTv1=(ρNIR-ρLSWIR)×Ts/(ρNIR-...
【专利技术属性】
技术研发人员:宋卫国,巴锐,张俊,叶锐,
申请(专利权)人:中国科学技术大学,
类型:发明
国别省市:安徽,34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。