一种利用BFAST算法判别潜在火点的方法技术

本发明专利技术公开了一种利用BFAST算法判别潜在火点的方法，涉及火灾科学领域，首先对MOD02及MOD03数据构建时间序列数据，得到NDVI和亮温的时间序列日值数据，然后采用时间序列断点识别算法识别NDVI和亮温的时间序列日值数据中的断点，将识别出的断点作为潜在火点；采用空间上下文分析法从潜在火点中判别出相对火点；从自主模块化传感器数据中提取真实火点，将相对火点与真实火点进行对比，验证相对火点的正确性和遗漏率。本发明专利技术利用BFAST算法检测时间序列数据断点的方法判别潜在火点，更具有自适应性和灵活性，克服了固定阈值判别潜在火点无法满足区域性差异的不足，提高了火点判对率。提高了火点判对率。提高了火点判对率。

【技术实现步骤摘要】
一种利用BFAST算法判别潜在火点的方法
[0001]本专利技术是专利技术名称为“一种基于MODIS的森林火灾火点检测方法”的分案申请，其中，母案的申请号为201710049523.9，申请日为20170123。


[0002]本专利技术涉及火灾科学领域，特别是涉及一种利用BFAST算法判别潜在火点的方法。

技术介绍

[0003]随着MODIS火点检测产品的发展，相应算法不断丰富。目前林火火点检测算法主要有光谱法、阈值法、空间上下文分析法、多时相法等。光谱法借助火点与其他地物的光谱差异，增强图像信息，目视定性地了解火点大致位置。阈值法是根据区域和季节的先验信息，设定火点判别物理量的阈值，从而确定火点；Kaufman、Kennedy、Arino、Melinotte和覃先林等人分别引入亮温、反射率、反照率、NDVI阈值、亮温
‑
植被指数作为火点判别物理量，Lee和Tag技术依据像元背景亮温和地表温度的差异对通道亮温进行了校正；阈值方法简单省时高效，但很难适用于所有的气候和环境状况。
[0004]针对固定阈值法的不足，Giglio提出了上下文算法，并发展成为了MODIS V4算法；基于此，Wang引入烟羽掩膜确定潜在火点区域、Wang调整了潜在火点判别阈值中MIR和TIR通道的亮温差、彭光雄等采用了烟羽掩膜和自适应背景窗口技术、HEL等提出了消除太阳污染的方法、YingLi提出特征空间马氏距离法、肖霞提出类间方差和烟羽掩膜法，使得MODIS V4算法日益成熟。与此同时，多时相法得到迅速发展，Keiji和Kushida基于多时相MODIS V4产品构建双谱阈值的随机模型比MODIS V4精度更高；MovaghatiS利用自动Agent算法检测区域火点，对面积小、温度低火点检测比MODIS V4更有优势。
[0005]总的来说，上下文分析法设定自适应背景窗口内目标与背景的差异度判识火点，提高了方法的适用范围和准确度，但通过固定阈值确定潜在火点的方法灵活性差，区域性差异考虑不足；多时相火点检测方法虽然克服了不同区域环境阈值设置问题，更具有自适应性，能在早期发现火点，但要对历史数据进行统计分析和变化阈值设定。
[0006]因此，亟需一种利用BFAST算法判别潜在火点的方法，克服上述缺点。

技术实现思路

[0007]本专利技术的目的是提供一种利用BFAST算法判别潜在火点的方法，对于火点判别更具有自适应性和灵活性，克服固定阈值判别潜在火点无法满足区域性差异的不足。
[0008]为实现上述目的，本专利技术提供了如下方案：
[0009]一种利用BFAST算法判别潜在火点的方法，包括：
[0010]获取MODIS中若干天的MODO2数据和MODO3数据；
[0011]根据所述MODO2数据和MODO3数据构建时间序列数据，得到NDVI时间序列日值数据和亮温时间序列日值数据；
[0012]采用时间序列断点识别算法识别所述NDVI时间序列日值数据得到NDVI时间序列
断点数据，采用时间序列断点识别算法识别所述亮温时间序列日值数据得到亮温时间序列断点数据；
[0013]将识别出的所述NDVI时间序列断点数据和亮温时间序列断点数据作为潜在火点；
[0014]采用空间上下文分析对所述潜在火点进行识别，得到相对火点；
[0015]获取自主模块化传感器输出的真实火点，将所述真实火点与所述相对火点对比，计算所述相对火点的正确性和遗漏率。
[0016]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0017]本专利技术综合运用时间序列分析法和空间上下文分析法，利用时间序列断点识别算法检测归一化植被指数(NDVI)和亮温的时间序列断点数据，通过断点识别潜在火点，进而利用空间上下文统计分析确定相对火点；采用自主模块化传感器(AMS)数据的真实火点验证结果的准确性。本专利技术利用时间序列断点识别算法判别潜在火点，而不是固定阈值确定潜在火点，提高了火点判对率，对于火点判别更具有自适应性和灵活性，克服了固定阈值判别潜在火点无法满足区域性差异的不足。
附图说明
[0018]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的结构示意图。
[0019]图1为本专利技术提供的利用BFAST算法判别潜在火点的方法的流程结构示意图；
[0020]图2为圣迭戈林区分布图；
[0021]图3(a)为美国加利福尼亚州地理位置图；图3(b)为加利福尼亚州破坏性最大的林火分布图；图3(c)为加利福尼亚州伤亡最大的林火分布图；图3(d)为加利福尼亚州规模最大的林火分布图；
[0022]图4为样本点位置图；
[0023]图5(a)为1号样本点NDVI时间序列图；图5(b)为1号样本点亮温时间序列图；图5(c)为2号样本点NDVI时间序列图；图5(d)为2号样本点亮温时间序列图；
[0024]图6(a)为1号样本点NDVI断点检测结果；图6(b)为1号样本点亮温断点检测结果；图6(c)为2号样本点NDVI断点检测结果；图6(d)为2号样本点亮温断点检测结果；
[0025]图7(a)为AMS的火点分布图；图7(b)为AMS的3.7μm波段亮温分布图；图7(c)为AMS的3.7μm和10.76μm波段亮温散点图；图7(d)为AMS的10.76μm波段亮温分布图；
[0026]图8(a)为1号样本点的AMS火点分布图；图8(b)为2号样本点的AMS火点分布图；
[0027]图9(a)为MODIS V4算法的火点提取结果；图9(b)为本专利技术的火点提取结果；
[0028]图10(a)为2007年10月24日圣迭戈火点采用MODIS V4算法的火点提取结果；图10(b)为2007年10月24日圣迭戈火点采用本专利技术的火点提取结果；
[0029]图11(a)为确定有效背景像元时的5
×
5大小的窗口示意图；图11(b)为确定有效背景像元时的7
×
7大小的窗口示意图。
具体实施方式
[0030]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0031]如图2和3a所示，本实施例选取美国圣迭戈作为样本进行研究。圣迭戈(SanDiego)是美国加利福尼亚州的一个太平洋沿岸城市，位于加利福尼亚州的西南端，南距墨西哥边境20公里，西经117.6
°‑
116.0
°
，北纬32.5
°‑
33.6
°
。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用BFAST算法判别潜在火点的方法，其特征在于，所述利用BFAST算法判别潜在火点的方法包括：获取MODIS中若干天的MODO2数据和MODO3数据；根据所述MODO2数据和MODO3数据构建时间序列数据，得到NDVI时间序列日值数据和亮温时间序列日值数据；采用时间序列断点识别算法识别所述NDVI时间序列日值数据以得到NDVI时间序列断点数据，采用时间序列断点识别算法识别所述亮温时间序列日值数据以得到亮温时间序列断点数据；将识别出的所述NDVI时间序列断点数据和亮温时间序列断点数据作为潜在火点；采用空间上下文分析对所述潜在火点进行识别，得到相对火点；获取自主模块化传感器输出的真实火点，将所述真实火点与所述相对火点对比，计算所述相对火点的正确性和遗漏率。2.根据权利要求1所述的利用BFAST算法判别潜在火点的方法，其特征在于，所述采用时间序列断点识别算法识别所述NDVI时间序列日值数据以得到NDVI时间序列断点数据，采用时间序列断点识别算法识别所述亮温时间序列日值数据以得到亮温时间序列断点数据，具体包括：步骤1，采用可加性分解模型迭代拟合趋势组分和季节组分，得到计算公式为：Y
t
＝T
t
+S
t
+e
t
(t＝1,...,n)；其中，t为观测时间，Y
t
为t时刻观测值；T
t
为趋势组分；S
t
为季节组分；e
t
为噪声组分，所述噪声组分是观测值中除去趋势组分和季节成分后的剩余部分；设断点为则趋势组分Tt的线性模型表示为：其中，j为趋势断点所在位置，j＝1,
…
,m；α
j
为截距，β
j
为斜率，所述斜率为用来反演突变的幅度和断点前后渐变的斜率；对于断点t，若满足则断点t突变的幅度表示为：Magnitude＝(α
j
‑1‑
α
j
)+(β
j
‑1‑
β
j
)t；其中，β
j
‑1为断点前的渐变斜率，β
j
为断点后的渐变斜率；设断点为则季节组分St的谐波模型表示为：其中，j为季节断点所在位置，j＝1,...,p；k为谐波项数，f为频率；γ
j,k
＝a
j,k
cos(δ
j,k
)，θ
j,k
＝a
j,k
sin(δ
j,k
)，a
j,k
为频率f/k的振幅，δ
j,k
为频率f/k的相位；δ
j,k
＝tan
‑1(θ
j,k
/γ
j,k
)；步骤2，采用最小二乘法的移动求和分别检验所述NDVI时间序列日值数据和所述亮温时间序列日值数据中是否存在断点，采用最小贝叶斯信息准则确定所述NDVI时间序列日值
数据和所述亮温时间序列日值数据中断点的最优数量，采用最小残差平方和估算所述NDVI时间序列日值数据和所述亮温时间序列日值数据中断点的位置，最终得到NDVI时间序列断点数据和亮温时间序列断点数据。3.根据权利要求2所述的利用BFAST算法判别潜在火点的方法，其特征在于，所述步骤2具体包括：步骤21，如果最小二...

【专利技术属性】
技术研发人员：宫阿都，苏永荣，吕潇然，尹晓天，李静，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：