一种基于遥感影像的火烧迹地提取方法及装置制造方法及图纸

本发明专利技术公开了一种基于遥感影像的火烧迹地提取方法及装置，方法包括：获取研究区的森林多光谱图像，对多光谱图像进行预处理；计算一个植被相关指数，将植被相关指数进行归一化；读入研究区矢量范围，对矢量范围进行裁剪；依据第一阈值对裁剪后区域进行区域提取，对已提取区域进行转化；依据第二阈值对转化后区域进行筛选，得到最终火烧迹地区域。本发明专利技术能够实现预处理和提取自动化，只使用一种植被指数，结合面积阈值，流程更加简化，就可以实现总体精度为90％，Kappa系数为0.85的提取精度，更加简单快捷，提升提取精度与效率。提升提取精度与效率。提升提取精度与效率。

【技术实现步骤摘要】
一种基于遥感影像的火烧迹地提取方法及装置


[0001]本专利技术涉及林火监测
，尤其涉及一种基于遥感影像的火烧迹地提取方法及装置。

技术介绍

[0002]遥感提取全球和区域尺度火烧迹地主要使用低分辨率的NOAA
‑
AVHRR，MODIS和SPOT
‑
VEGETATION，较高分辨率的TM/ETM+或者SAC
‑
C/MMRS等数据，其在火烧迹地提取上具有很高的潜力。
[0003]目前遥感提取火烧迹地的方法主要有植被指数法，基于规则、决策树和支持向量机等监督分类方法。基于火灾前后植被指数变化也是一种精度较高的方法，但局限于需要同时使用灾前和灾后遥感影像。植被指数法能容易实现程序自动化提取，常用于提取火烧迹地的植被指数有NDVI、EVI、归一化燃烧指数(NBR)、GEMI和BAI等。
[0004]现有技术总体精度为84.52，Kappa系数为0.81，提取精度还不够高，且需要的指数较多；目前还有基于深度学习提取水体的技术方案，模型更加复杂，样本的选择及训练过程等需要花费大量时间，对于小型项目的契合度却不高。

技术实现思路

[0005]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0006]鉴于上述现有存在的问题，提出了本专利技术。
[0007]因此，本专利技术提供了一种基于遥感影像的火烧迹地提取方法解决现有中压配电网N
‑
1分析工作量比较大，严重限制了计算速度，导致在实际应用中效率低的问题。
[0008]为解决上述技术问题，本专利技术提供如下技术方案：
[0009]第一方面，本专利技术提供了一种基于遥感影像的火烧迹地提取方法，包括：
[0010]获取研究区的森林多光谱图像，对所述多光谱图像进行预处理；
[0011]计算一个植被相关指数，将所述植被相关指数进行归一化；
[0012]读入研究区矢量范围，对所述矢量范围进行裁剪；
[0013]依据第一阈值对裁剪后区域进行区域提取，对已提取区域进行转化；
[0014]依据第二阈值对转化后区域进行筛选，得到最终火烧迹地区域。
[0015]作为本专利技术所述的基于遥感影像的火烧迹地提取方法的一种优选方案，其中：所述预处理包括，对多光谱图像数据进行辐射定标、大气校正和PRC正射校正。
[0016]作为本专利技术所述的基于遥感影像的火烧迹地提取方法的一种优选方案，其中：所述植被相关指数为BAI指数；
[0017]将所述植被相关指数进行归一化，包括，
[0018]读取BAI指数的最大值与最小值；
[0019]依据所述最大值与最小值进行归一化，表示为：
[0020]NBAI＝(BAI
‑
BAI
min
)/(BAI
max
‑
BAI
min
)
[0021]其中NBAI代表归一化后的BAI指数，BAI代表影像中任意一点的BAI指数值，BAI
max
是影像中BAI指数最大值，BAI
min
是影像中BAI指数最小值。
[0022]作为本专利技术所述的基于遥感影像的火烧迹地提取方法的一种优选方案，其中：读入研究区矢量范围，对所述矢量范围进行裁剪包括，
[0023]依据任意火烧迹地所处的范围划分一个或多个矩形，
[0024]将所述矩形之外的矢量范围进行裁剪，所保留的矩形为第一裁剪范围。
[0025]作为本专利技术所述的基于遥感影像的火烧迹地提取方法的一种优选方案，其中：依据第一阈值对裁剪后区域进行区域提取，对已提取区域进行转化，包括，
[0026]所述第一阈值设为0.28；
[0027]将大于第一阈值的第一裁剪范围进行提取，获得第一提取范围；
[0028]将第一提取范围栅格转化为矢量，得到第二提取范围；
[0029]计算第二提取范围的每个矢量的面积。
[0030]作为本专利技术所述的基于遥感影像的火烧迹地提取方法的一种优选方案，其中：依据第二提取范围位置，设定投影坐标系；
[0031]将第二提取范围在所设定的投影坐标系中进行投影，计算投影面积。
[0032]作为本专利技术所述的基于遥感影像的火烧迹地提取方法的一种优选方案，其中：依据第二阈值对转化后区域进行筛选，包括，
[0033]所述第二阈值设为100亩；
[0034]将小于第二阈值的第二提取范围进行筛选，得到杂波范围；
[0035]将杂波范围进行删除，得到最终火烧迹地区域。
[0036]第二方面，本专利技术提供了一种基于遥感影像的火烧迹地提取装置，包括，
[0037]获取模块，用于获取研究区的森林多光谱图像，对所述多光谱图像进行预处理；
[0038]计算模块，用于计算一个植被相关指数，将所述植被相关指数进行归一化；
[0039]裁剪模块，用于读入研究区矢量范围，对所述矢量范围进行裁剪；
[0040]提取模块，用于依据第一阈值对裁剪后区域进行区域提取，对已提取区域进行转化；
[0041]筛选模块，用于依据第二阈值对转化后区域进行筛选，得到最终火烧迹地区域。
[0042]第三方面，本专利技术提供了一种电子设备，包括，存储器和处理器；
[0043]所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述基于遥感影像的火烧迹地提取方法的步骤。
[0044]第四方面，本专利技术提供了一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述基于遥感影像的火烧迹地提取方法的步骤。
[0045]与现有技术相比，本专利技术的有益效果：本专利技术能够实现预处理和提取自动化，只使用一种植被指数，结合面积阈值，流程更加简化，可以实现总体精度为90％，Kappa系数为0.85的提取精度，更加简单快捷，提升提取精度与效率。
附图说明
[0046]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述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它的附图。其中：
[0047]图1为本专利技术一个实施例所述的基于遥感影像的火烧迹地提取方法的整体流程示意图；
[0048]图2为本专利技术一个实施例所述的基于遥感影像的火烧迹地提取方法中BAI指数与其他指数在不同地类上的分离度对比图；
[0049]图3为本专利技术一个实施例所述的基于遥感影像的火烧迹地提取方法中BAI指数不同阈值提取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遥感影像的火烧迹地提取方法，其特征在于，包括：获取研究区的森林多光谱图像，对所述多光谱图像进行预处理；计算一个植被相关指数，将所述植被相关指数进行归一化；读入研究区矢量范围，对所述矢量范围进行裁剪；依据第一阈值对裁剪后区域进行区域提取，对已提取区域进行转化；依据第二阈值对转化后区域进行筛选，得到最终火烧迹地区域。2.如权利要求1所述的基于遥感影像的火烧迹地提取方法，其特征在于，所述预处理包括，对多光谱图像数据进行辐射定标、大气校正和PRC正射校正。3.如权利要求2所述的基于遥感影像的火烧迹地提取方法，其特征在于，所述植被相关指数为BAI指数；将所述植被相关指数进行归一化，包括，读取BAI指数的最大值与最小值；依据所述最大值与最小值进行归一化，表示为：NBAI＝(BAI
‑
BAI
min
)/(BAI
max
‑
BAI
min
)其中NBAI代表归一化后的BAI指数，BAI代表影像中任意一点的BAI指数值，BAI
max
是影像中BAI指数最大值，BAI
min
是影像中BAI指数最小值。4.如权利要求2或3所述的基于遥感影像的火烧迹地提取方法，其特征在于，读入研究区矢量范围，对所述矢量范围进行裁剪包括，依据任意火烧迹地所处的范围划分一个或多个矩形，将所述矩形之外的矢量范围进行裁剪，所保留的矩形为第一裁剪范围。5.如权利要求4所述的基于遥感影像的火烧迹地提取方法，其特征在于，依据第一阈值对裁剪后区域进...

【专利技术属性】
技术研发人员：黄欢，刘丽，吴建蓉，陈果，张义钊，廖瑶，毛先胤，张明祥，曾华荣，彭波，范强，张啟黎，马晓红，吕黔苏，彭赤，张英，杜昊，张伟，陈沛龙，吕乾勇，邹雕，牛唯，杨旗，刘君，李欣，殷蔚翎，张迅，徐舒蓉，刘康，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：