【技术实现步骤摘要】
一种基于多维感知的森林火灾监测方法及系统
[0001]本专利技术涉及森林火灾监测
,具体涉及一种基于多维感知的森林火灾监测方法及系统。
技术介绍
[0002]森林因为其独特的自然环境常成为火灾的发生地,森林火灾巨大的破坏力给人类带来了无法挽回的重大经济损失、惨重的人员伤亡和对生态环境的严重破坏。要做到减少森林火灾造成的损失,就要在火灾发生的初级阶段就尽可能检测到火灾的发生。
[0003]目前对于森林火灾的监测具有以下几个缺陷:
[0004](1)目前对于森林火灾监测常用低空间分辨率的Himawari8卫星进行监测,由于其低空间分辨率的特性导致面积较小的森林火灾识别率低,响应时间长。
[0005](2)若采用高空间分辨率的卫星对森林火灾进行监测,随着高分辨率遥感影像空间分辨率不断提高,地形会造成山区遥感图像辐射畸变,从而导致对山的相对背向的林火监测效果不显著。
[0006]为此,亟待研发一种基于多维感知的森林火灾监测方法及系统,解决目前森林火灾监测预警系统效率低、识别精度低的现状,提高森林 ...
【技术保护点】
【技术特征摘要】
1.一种基于多维感知的森林火灾监测方法,其特征在于,包括如下步骤:步骤S1、获取卫星遥感图像;步骤S2、构建地形校正模型,通过所述地形校正模型对所述卫星遥感图像进行校正;步骤S3、构建森林火灾识别模型,从校正后的卫星遥感图像中提取火灾识别数据,将所述火灾识别数据以及火险风险因子整合成训练集合,通过所述训练集合对所述森林火灾识别模型进行训练;步骤S4、采用训练后的森林火灾识别模型进行烟雾识别和火点识别,得到烟雾预警值和火点预警值;步骤S5、基于川西森林特点和火险风险因子构建火灾判定阈值,将烟雾预警值和火点预警值与所述火灾判定阈值进行比对,得到川西森林火灾的预警结果;其中,构建地形校正模型包括:获取DEM数据,通过所述DEM数据构建第一校正因子,所述第一校正因子用于对所述卫星遥感图像进行校正;其中,获取DEM数据,通过所述DEM数据构建第一校正因子包括如下步骤:A、通过所述DEM数据计算得到第一坡度和第一坡向;B、对所述第一坡度进行校正,得到第二坡度;C、通过所述第一坡向和所述第二坡度计算校正参数;D、基于坡向类别和坡度等级的划分计算修正系数,通过修正系数对校正参数进行修正。2.根据权利要求1所述的一种基于多维感知的森林火灾监测方法,其特征在于,构建地形校正模型还包括:获取NDVI数据,通过所述NDVI数据和所述DEM数据构建第二校正因子,所述第二校正因子用于对所述卫星遥感图像进行校正。3.根据权利要求2所述的一种基于多维感知的森林火灾监测方法,其特征在于,构建地形校正模型还包括:获取辐射数据,通过所述辐射数据、所述NDVI数据和所述DEM数据构建第三校正因子,所述第三校正因子用于对所述卫星遥感图像进行校正。4.根据权利要求3所述的一种基于多维感知的森林火灾监测方法,其特征在于,通过所述地形校正模型对所述卫星遥感图像进行校正包括:利用所述第一校正因子、所述第二校正因子和所述第三校正因子对所述卫星遥感图像进行地形校正。5.根据权利要求4所述的一种基于多维感知的森林火灾监测方法,其特征在于,对所述卫星遥感图像进行地形校正包括如下步骤:分别利用第一校正因子、第二校正因子和第三校正因子对卫星遥感图像进行地形校正,得到第一校正图像、第二校正图像和第三校正图像;对第一校正图像、第二校正图像和第三校正图像进行映射,得到三个校正图像之间的映射关系;基于该映射关系对第一校正图像、第二校正图像和第三校正图像之间的映射值进行归一化计算,得到第一校正图像、第二校正图像和第三校正图像之间的相似度;
将所述相似度大于等于相似度阈值的像元进行合并,将小于相似度阈值的像元的灰度值进行归一化计算,并将归一化...
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。