[发明专利]一种基于MODIS的森林火灾火点检测方法

说明书

技术领域

本发明涉及一种基于MODIS的森林火灾火点检测方法。

背景技术

森林是一种主要的自然资源，在维持环境平衡中发挥着重要作用。而频发的森林火灾会直接导致森林退化，严重威胁地表植被和野生动物的生命健康。鉴于森林火灾的严重性，及时、准确地检测森林火点对减少灾害损失、保护森林资源和野生动物、掌握气候变化规律、维护生态平衡等具有重要意义。近年来，覆盖范围广、时空分辨率高的遥感手段在监测森林火灾中得到广泛的运用。而MODIS传感器扫描范围宽、属于太阳同步近极地轨道，空间分辨率与光谱分辨率适宜，在火灾监测方面表现良好的适用性和独特的优势。

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。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、Ying Li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；Movaghati S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。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。

发明内容

本发明的目的是解决目前森林火点检测方法中，上下文分析法需通过固定阈值确定潜在火点，灵活性差，区域性差异考虑不足；多时相火点检测方法要对历史数据进行统计分析和变化阈值设定，使用不便的技术问题。

为实现以上发明目的，本发明提供一种基于MODIS的森林火灾火点检测方法，包括如下步骤：

(1)识别潜在火点：先对来自MODIS的若干天的MOD02及MOD03数据构建时间序列数据，得到该若干天的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所述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；

(2)判别相对火点：基于所述潜在火点及其背景像元，进行空间上下文分析，将识别出的火点作为相对火点，所述相对火点为真实火点。

进一步地，所述步骤(1)中，在对所述MOD02及MOD03数据构建时间序列数据之前，先对所述MOD02及MOD03数据进行预处理。

进一步地，所述预处理包括几何校正、数据有效性检查、亮温反演和NDVI反演。

进一步地，所述几何校正包括去除“蝴蝶结”效应、投影转换和图像规则裁剪。

进一步地，所述数据有效性检查包括对经几何校正后的数据进行重新赋值以及数据拼接处理。

进一步地，步骤(1)中所述采用时间序列断点识别算法识别所述NDVI和亮温的时间序列日值数据中的断点的步骤如下：

(a1)利用可加性分解模型迭代拟合趋势组分和季节组分，表示为：

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，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T_t的线性模型表示为：