【技术实现步骤摘要】
本专利技术涉及环境监测，尤其涉及一种基于角度斜率指数的林火判别方法、系统、设备以及介质。
技术介绍
1、卫星遥感已成为当前林火快速监测的重要手段。目前已经有不少学者利用遥感数据进行林火识别相关研究。schmidt和prins等基于wf-abba算法编写了coesrabi火点识别算法理论文档(atbd)。m.j.wooster和g.roberts等基于欧洲meteosat卫星seviri传感器的ir3.9μm(mwir)，ir10.8μm(lwir)的ir12.0μm(lwir)通道的亮温值，ir3.9μm、vis0.6μm(visible)通道的光谱弧度构建lsa saf meteosat卫星火点提取指数[1]，该方法为了尽可能地避免对火点的漏检使用了较低的阈值，但在被太阳均匀加热区域的像元参数值也可能达到检测限，从而导致较大的误差。谭三清等根据中红外与热红外的亮温差异，利用影像像元值、影像均值和影像标准差之间的比值关系进行潜在火点判别[2]。宫阿都等针对固定阈值判别法无法满足区域性差异的不足，利用bfast算法检测时间序列数据断点判别潜在火点[3]。但是目前国内外学者对林火判别的研究主要还是基于红外波段的固定阈值法和单时像的林火判别，分析的结果具有很大的主观性，准确性、适用性差；同时，常用的卫星产品无法满足东亚地区森林火灾火情探测的需求。
2、目前国内外基于遥感数据的林火监测方法及林火产品都是基于红外波段(中红外、远红外)构建的阈值判别法，忽略了火灾发生对可见光区域的影响，同时忽略了波段间的相关性；而森林火灾发生后
技术实现思路
1、(一)要解决的技术问题
2、鉴于现有技术的上述缺点、不足，本专利技术提供一种基于角度斜率指数的林火判别方法、系统、设备以及介质，其解决了现有林火判别方法在林火监测过程中存在较高的漏分率和误分率的技术问题。
3、(二)技术方案
4、为了达到上述目的，本专利技术采用的主要技术方案包括：
5、第一方面，本专利技术实施例提供一种基于角度斜率指数的林火判别方法，包括：
6、获取目标区域的遥感卫星的波段组合影像；
7、对波段组合影像分别进行云、水体以及林地检测，得到剔除云、水体的林地区域影像；
8、根据波段组合影像中的各个波段之间的相关性、火灾发生前后的可见光波段、红外波段的反射率以及亮温值变化构建角度斜率指数；
9、基于角度斜率指数和预设的火点阈值对林地区域影像进行火点判别，或基于通过对由角度斜率指数构建的影像采用分解的三维otsu算法分割得到的不同地域的火点目标影像和由多时序影像的角度斜率指数解算得到的角度斜率差指数进行火点判别；
10、对火点判别结果进行非林火干扰点排除之后，输出林地区域影像的火点。
11、可选地，获取目标区域的遥感卫星的波段组合影像包括：
12、采集himawari-8卫星的多个波段数据以形成波段组合影像；
13、对波段组合影像进行包含目标区域剪裁、几何校正、辐射矫正的预处理，再遍历提取波段组合影像中每个网格的反射率数据和亮温数据。
14、可选地，对波段组合影像分别进行云、水体以及林地检测，得到剔除云、水体的林地区域影像包括：
15、利用himawari-8卫星03、04和05波段的反射率数据及07、14、16波段的亮温数据的不同阈值条件分别检测厚云、高云和中低云，并通过晴空修复公式对云检测结果中标记为云点的像元进行晴空修复，得到云检测最终结果；
16、利用从公共数据库调取的30米精度全球地表覆盖分类数据进行水体检测，得到水体检测结果；
17、利用从公共数据库调取的30米精度全球地表覆盖分类数据和himawari-8卫星03、04波段的反射率数据进行林地识别，得到林地识别结果；
18、其中，
19、厚云检测的阈值条件为：ρ03＞0.3，或者
20、高云检测的阈值条件为：bt16＜236k，或者(且ρ01＞0.1)；
21、中低云检测的阈值条件为：bt14＜278k，或者bt7-bt14＞20k；ρ表示可见光通道反射率，bt表示热红外通道亮温；
22、晴空修复公式为：-0.18≤ndvi≤0.2；
23、林地识别满足：ndvi＞0.45，或者30米全球地表覆盖分类数据中地表覆盖类型为林地；ndvi＝(ba03-ba04)/(ba03+ba04)，ba03、ba04分别为03、04波段的反射率。
24、可选地，角度斜率指数为：
25、
26、
27、|b03b04|2＝(x04-x03)2+（y04-y03)2
28、|b04b05|2＝(x05-x04)2+(y05-y04)2
29、|b03b05|2＝(x05-x03)2+(y05-y03)2
30、|b06b07|2＝(x07-x06)2+(y07-y06)2
31、|b07b08|2＝(x08-x07)2+(y08-y07)2
32、|b06b08|2＝(x08-x06)2+(y08-y06)2
33、其中，amir、anir分别为中红外角度斜率指数和近红外角度指数，b03b04、b04b05、b03b05、b06b07、b07b08、b06b08分别表示在设定坐标系中各波段对应的顶点之间的距离，x值为波段编号，y值分别为01～06波段的反射率数据和07～16波段的亮温数据；
34、预先设置的火点阈值为：
35、amir＞0.96；
36、amir＞0.95且anir＜0；
37、amir＞0.95，或者t7＞315k；
38、其中，t7＞315k这项条件应用在可见光波部分不起作用的时段。
39、可选地，基于通过对由角度斜率指数构建的影像采用分解的三维otsu算法分割得到的不同地域的火点目标影像和由多时序影像的角度斜率指数解算得到的角度斜率差指数进行火点判别包括：
40、获取包含至少两张火灾发生前后时序的林地区域影像的多时序影像；
41、求取火灾发生后的当前时序影像的amir、anir指数，并基于amir、anir指数构建amir-anir的影像；
42、针对影像不同区域和环境中的背景差异，采用分解的三维otsu算法计算amir-anir的影像的自适应阈值，并依据自适应阈值对amir-anir本文档来自技高网...
【技术保护点】
1.一种基于角度斜率指数的林火判别方法，其特征在于，包括：
2.如权利要求1所述的基于角度斜率指数的林火判别方法，其特征在于，获取目标区域的遥感卫星的波段组合影像包括：
3.如权利要求2所述的基于角度斜率指数的林火判别方法，其特征在于，对波段组合影像分别进行云、水体以及林地检测，得到剔除云、水体的林地区域影像包括：
4.如权利要求1所述的基于角度斜率指数的林火判别方法，其特征在于，角度斜率指数为：
5.如权利要求4所述的基于角度斜率指数的林火判别方法，其特征在于，基于通过对由角度斜率指数构建的影像采用分解的三维OTSU算法分割得到的不同地域的火点目标影像和由多时序影像的角度斜率指数解算得到的角度斜率差指数进行火点判别包括：
6.如权利要求1所述的基于角度斜率指数的林火判别方法，其特征在于，采用分解的三维OTSU算法计算自适应阈值是通过如下阈值判别公式实施：
7.如权利要求1-6任一项所述的基于角度斜率指数的林火判别方法，其特征在于，
8.一种基于角度斜率指数的林火判别系统，其特征在于，包括：>
9.一种基于角度斜率指数的林火判别设备，其特征在于，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如权利要求1-7中任一项所述的基于角度斜率指数的林火判别方法步骤。
10.一种计算机可读存储介质，其上存储有计算机可执行指令，其特征在于，所述可执行指令被处理器执行时实现如权利要求1-7任一项所述的基于角度斜率指数的林火判别方法步骤。
...【技术特征摘要】
1.一种基于角度斜率指数的林火判别方法，其特征在于，包括：
2.如权利要求1所述的基于角度斜率指数的林火判别方法，其特征在于，获取目标区域的遥感卫星的波段组合影像包括：
3.如权利要求2所述的基于角度斜率指数的林火判别方法，其特征在于，对波段组合影像分别进行云、水体以及林地检测，得到剔除云、水体的林地区域影像包括：
4.如权利要求1所述的基于角度斜率指数的林火判别方法，其特征在于，角度斜率指数为：
5.如权利要求4所述的基于角度斜率指数的林火判别方法，其特征在于，基于通过对由角度斜率指数构建的影像采用分解的三维otsu算法分割得到的不同地域的火点目标影像和由多时序影像的角度斜率指数解算得到的角度斜率差指数进行火点判别包括：
6.如权利要求1所述的基于角度斜率指数...
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。