一种基于地形地貌及遥感数据进行森林火灾预测的方法技术

本发明专利技术提供一种基于地形地貌及遥感数据进行森林火灾预测的方法，包括如下步骤：(1)、数据特征选取：静态特征数据主要包括地形地貌数据、土地覆盖类型以及人类影响指数；(2)、数据预处理：地形数据、地形矢量数据及遥感数据一般为空间数据，其包含着空间地理坐标信息，而获取的数据往往不仅仅包含着待预测区域的数据；因此需要对空间数据进行范围等的相关处理；(3)、森林火灾预测：针对上述步骤(2)处理完成的栅格数据构建森林火灾预测模型，对待预测区域的每个网格进行预测。本发明专利技术根据遥感数据，人类影响指数及DEM高程地形等数据，通过一系列的数据处理、分类，对网格化的待预测区域依次进行森林火灾风险等级的预测。依次进行森林火灾风险等级的预测。依次进行森林火灾风险等级的预测。

【技术实现步骤摘要】
一种基于地形地貌及遥感数据进行森林火灾预测的方法


[0001]本专利技术涉及火灾预测
，具体涉及一种基于地形地貌及遥感数据进行森林火灾预测的方法。

技术介绍

[0002]森林是人类最宝贵的财富之一，森林不仅调节着自然界中空气与水的循环，影响着气候的变化，还为人类提供着生产生活所需要的各种资源，而高强度、大面积的森林火灾对森林资源乃至整个生态系统都会造成毁灭性的损害。我国森林火灾发生率很高，森林火灾发生区域往往存在较大的不确定性，森林所在区域范围大人员少，往往难以监测，因此，如何精准的预防森林火灾已是全球所需要解决的问题之一。
[0003]目前常用的森林火灾预测模型，通常采用历史时期内发生的森林火灾的时间、次数等相关数据进行统计分析，采用数学方法对未来森林火灾次数进行预测；或采用历史森林火灾发生位置、次数及人工报警数据，并依靠天气、降雨等信息对未来森林火灾发生概率进行预测。存在着准确率低、预测范围模糊、历史着火数据难以获取等诸多问题。并不能有效的对森林火灾发生的可能性及发生地点做出更为精准的预测并提供预警。

技术实现思路

[0004]本专利技术要解决的问题是现有森林火灾预测范围模糊、没有充分使用环境及遥感数据的实时监测信息对森林火灾的发生做出预测并进行预警。
[0005]为解决上述问题。本专利技术采用一种基于地形地貌及遥感数据进行森林火灾预测的方法，包括如下步骤：
[0006]步骤(1)、数据特征选取
[0007]森林火灾的预测常常使用气象因素进行分析预测，如美国国家火险危害等级系统、加拿大火险气候指数等均是采用气象因素为主要数据进行预测分析。而地形地貌以及基于遥感数据的多种火险因子往往对森林火灾的发生与否也起到了十分关键的作用，使用这些数据进行分析建模也是十分有必要的。遥感数据能够体现出待预测区域较为实时的植被、地表情况，在气象资料不完备与历史火灾数据较少的情况下，这些数据具有更强的使用价值。
[0008]将预测森林火灾使用的数据特征划分为静态数据和动态数据两类，所谓静态数据即如地形地貌、人类影响指数等不会随着时间变动的数据，该部分数据不会因短期时间的变化而变化，可作为森林火灾预测的基础数据；
[0009]静态特征数据主要包括地形地貌数据、土地覆盖类型(MOD12Q1)以及人类影响指数；
[0010]动态数据为每日的气象数据、每日地表反射率等描述当日气候或植被、土地情况的数据，具有一定的时效性；
[0011]具体选取的数据特征描述如下：
[0012]气象数据：待预测日前一日的降水量、蒸发量、待预测日预报的降水量、风速、风向等气象数据；
[0013]地形地貌数据：待预测区域的DEM高程数据、待预测区域坡度、坡向数据。
[0014]遥感数据：
[0015]1.土地覆盖类型：森林火灾的发生概率与土地的类型密不可分，如城镇与建成区、冰雪、水体、湿地等非草木类土地不可能发生森林火灾，而不同的自然植被类型的易燃情况也不相同。因此土地覆盖类型的使用十分有必要。MODIS数据产品将土地覆盖类型划分为17个类别，其中包括11个自然植被类型、3个土地开发和镶嵌的地类以及3个非草木土地的地类。本专利技术采用MOD12Q1地表覆盖类型96天合成数据。
[0016]2.地表温度数据：地表温度对森林火灾的预测是十分重要的，本专利技术采用每日MOD11A1的地表温度数据。MOD11A1为每日陆地温度产品，该产品中包含多个数据集，采用其中的LST_Day_1km数据集，该数据集为1km分辨率的白天地表温度，作为每日待预测区域的地表温度。
[0017]3.地表各波段反射率：火险因子指数通常是根据森林中分布的气象站点来计算的，但受到地形、经济等因素的制约，这些信息往往不够全面或难以获取。
[0018]因此，通过遥感数据来计算实时火险因子指数就十分有意义。火险因子指数可以采用每日地表各波段的反射率计算得到。
[0019]垂直水分指数(PMI)：该指数意义为计算活可燃物含水量。植被的含水量与森林火灾的发生具有极高的相关性。PMI作为反演植被含水量的重要指标之一。
[0020]可见大气指数(VARI)：该指数通过植被的相对绿色度来测量植被的含水量，其可以有效的监测森林火险情况。
[0021]归一化火灾指数(MNDFI)：该指数根据植被的活性而建立的，植被活性越高，其叶绿素含量越高，地表反射率第2波段与叶绿素成高度正相关，第7波段与温度相关，随着气温上升第7波段的反射率值也随之上升，综合考虑下得到归一化火灾指数。
[0022]本专利技术采用MOD09GA每日地表反射数据。MODIS反射率产品是计算地球地表反照率过程中最常用的数据，分为MOD09GA与MYD09GA两种，分别对应terra与aqua卫星。MOD09GA产品的时间分辨率为天，地理分辨率为1km，反射率空间分辨率为500m。每幅影像的500m反射率数据集中提供了1
‑
7波段的反射率、质量评估等级、观测范围、观测数和250m扫描信息等。1km地理信息数据集中提供了观测次数、质量评估等级、传感器方位角天顶角、太阳方位角高度角、轨道指针等信息。
[0023]采用该遥感数据集中的各波段反射率对相关特征进行计算。具体计算公式如公式(1
‑
1)至公式(1
‑
3)所示：
[0024]PMI＝
‑
0.73(λ5‑
0.94λ2‑
0.028)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1
‑
1)
[0025][0026][0027]其中λ
i
为某一波段的地表反射率。
[0028]其他数据：人类影响指数数据。人类影响指数是由野生动物保护协会(WCS)和哥伦
比亚大学国际地球科学信息网络中心共同提出的。该数据根据人口密度、道路、建成区、土地使用类型等综合要素建立的，其目的是对自然资源规划、人与自然的相互影响等方面进行研究。该数据范围为0～100，表示人类活动的密集性。值越大，表示该处人类活动越频繁，反之亦然。对于森林火灾而言，人类活动越频繁，虽人为产生火灾的风险会增大，但易于被人发现并及时扑灭，不易引发更大范围灾害，而人类活动较少的地区出现火点后难以及时发现，反而更容易引起森林火灾。因此该指数也被纳入森林火灾预测的特征中。
[0029]步骤(2)、数据预处理
[0030]地形数据、地形矢量数据及遥感数据一般为空间数据，其包含着空间地理坐标信息，而获取的数据往往不仅仅包含着待预测区域的数据。因此需要对空间数据进行范围等的相关处理。
[0031]具体步骤如下：
[0032]步骤2.1数据掩膜。掩膜是一种图像滤镜的模板，采用待预测区域的行政区划模板对遥感图像、DEM数据进行提取，就可以得到待预测区域的数据，去除冗余数据。数据处理的第一步分别将地形矢量数据、遥感数据。及人类影响指数等分别进行掩膜处理，得到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于地形地貌及遥感数据进行森林火灾预测的方法，其特征在于，包括如下步骤：步骤(1)、数据特征选取将预测森林火灾使用的数据特征划分为静态数据和动态数据两类，所谓静态数据即如地形地貌、人类影响指数等不会随着时间变动的数据，该部分数据不会因短期时间的变化而变化，可作为森林火灾预测的基础数据；静态特征数据主要包括地形地貌数据、土地覆盖类型(MOD12Q1)以及人类影响指数；动态数据为每日的气象数据、每日地表反射率等描述当日气候或植被、土地情况的数据，具有一定的时效性；步骤(2)、数据预处理地形数据、地形矢量数据及遥感数据一般为空间数据，其包含着空间地理坐标信息，而获取的数据往往不仅仅包含着待预测区域的数据；因此需要对空间数据进行范围等的相关处理；步骤(3)、森林火灾预测针对上述步骤(2)处理完成的栅格数据构建森林火灾预测模型，对待预测区域的每个网格进行预测。2.根据权利要求1中所述的一种基于地形地貌及遥感数据进行森林火灾预测的方法，其特征在于，步骤(1)中具体选取的数据特征描述如下：气象数据：待预测日前一日的降水量、蒸发量、待预测日预报的降水量、风速、风向等气象数据；地形地貌数据：待预测区域的DEM高程数据、待预测区域坡度、坡向数据；遥感数据：(1)、土地覆盖类型：森林火灾的发生概率与土地的类型密不可分，如城镇与建成区、冰雪、水体、湿地等非草木类土地不可能发生森林火灾，而不同的自然植被类型的易燃情况也不相同；因此土地覆盖类型的使用十分有必要；MODIS数据产品将土地覆盖类型划分为17个类别，其中包括11个自然植被类型、3个土地开发和镶嵌的地类以及3个非草木土地的地类；本发明采用MOD12Q1地表覆盖类型96天合成数据；(2)、地表温度数据：地表温度对森林火灾的预测是十分重要的，采用每日MOD11A1的地表温度数据；(3)、地表各波段反射率：火险因子指数通常是根据森林中分布的气象站点来计算的，但受到地形、经济等因素的制约，这些信息往往不够全面或难以获取；因此，通过遥感数据来计算实时火险因子指数就十分有意义；火险因子指数可以采用每日地表各波段的反射率计算得到；垂直水分指数(PMI)：该指数意义为计算活可燃物含水量；植被的含水量与森林火灾的发生具有极高的相关性；PMI作为反演植被含水量的重要指标之一；可见大气指数(VARI)：该指数通过植被的相对绿色度来测量植被的含水量，其可以有效的监测森林火险情况；归一化火灾指数(MNDFI)：该指数根据植被的活性而建立的，植被活性越高，其叶绿素含量越高，地表反射率第2波段与叶绿素成高度正相关，第7波段与温度相关，随着气温上升
第7波段的反射率值也随之上升，综合考虑下得到归一化火灾指数；采用MOD09GA每日地表反射数据；该遥感数据集中包含许多波段的地表反射情况；具体计算公式如公式(1
‑
1)至公式(1
‑
3)所示：PMI＝
‑
0.73(λ5‑
0.94λ2‑
0.028)
ꢀꢀꢀꢀꢀꢀꢀ
(1
‑
1)1)其中λ
i
为某一波段的地表反射率；其他数据：人类影响指数数据；人类影响指数是由野生动物保护协会(WCS)和哥伦比亚大学国际地球科学信息网络中心共同提出的；该数据根据人口密度、道路、建成区、土地使用类型等综合要素建立的，其目的是对自然资源规划、人与自然的相互影响等方面进行研究；该数据范围为0～100，表示人类活动的密集性；值越大，表示该处人类活动越频繁，反之亦然；对于森林火灾而言，人类活动越频繁，虽人为产生火灾的风险会增大，但易于被人发现并及时扑灭，不易引发更大范围灾害，而人类活动较少的地区出现火点后难以及时发现，反而更容易引起森林火灾；因此该指数也被纳入森林火灾预测的特征中。3.根据权利要求1中所述的一种基于地形地貌及遥感数据进行森林火灾预测的方法，其特征在于，步骤(2)中具体步骤如下：2.1、数据掩膜：掩膜是一种图像滤镜的模板，采用待预测区域的行政区划模板对遥感图像、DEM数据进行提取，就可以得到待预测区域的数据，去除冗余数据；数据处理的第一步分别将地形矢量数据、遥感数据；及人类影响指数等分别进行掩膜处理，得到待预测区域的数据集，完成数据处理的第一步；2.2、像元统一：对完成掩膜的数据进行像素大小统一；为了使森林火灾风险预测范围精确，方便找到易发生火灾的具体地理位置，我们将待预测区域...

【专利技术属性】
技术研发人员：李华松，尹书娟，朱安安，
申请(专利权)人：杭州叙简科技股份有限公司，
类型：发明
国别省市：