[发明专利]面向MODIS林火探测的亮温预测方法和系统

说明书

本发明涉及一种面向MODIS林火探测的亮温预测方法，包括步骤A：接收设定区域和时间的MODIS数据；步骤B：处理MODIS数据；步骤C：计算亮温。通过本发明的方法，能有效提高像元亮温的预测精度，能进一步提高相对火点的判别精度，提高火点判对率。

技术领域

本发明涉及利用遥感信息监测火灾领域，尤其涉及一种面向MODIS林火探测的亮温预测方法和系统。

背景技术

森林火灾突发性强、破坏性大，易对环境、生态健康、人身财产造成巨大的影响。全世界每年发生林火灾害数十万次，受灾面积达数百万公顷，约占森林总面积的0.1％。卫星遥感技术可以提供大尺度、连续、低成本的信息，在林火监测方面具有广泛应用。快速、准确地获取林火信息的空间、时间信息可有效降低火灾影响，中等分辨率成像光谱辐射计(MODIS：Moderate resolution imaging spectroradiometer)具有高辐射分辨率、中等空间分辨率及高饱和度，覆盖范围广、时间分辨率为每天1-2次，具有很高的火灾监测精度，MODIS产品已成为火灾监测应用最为广泛的数据。基于空间上下文生产的MOD14是目前应用最为广泛的全球火产品，其原理是基于背景像元的亮温预测中心像元的亮温，通过判断中心像元亮温的预测值与观测值间的差异来判定火点。因此，构建亮温预测模型是火点检测中至关重要的一步。

目前亮温预测模型的构建主要分为：空间上下文、时间序列法、时空结合法。空间上下文依据背景像元的均值作为中心像元的亮温预测值；时间序列法依据中心像元的历史亮温时间序列数据预测中心像元的亮温。Roberts等人通过模拟有效像元的亮温昼夜变化周期(DTC)来构建亮温预测模型，并设定误差阈值来识别含火像元；苏永荣等人利用BFAST算法进行潜在火点提取，即首先利用亮温最优拟合模型预测中心像元的亮温，再结合亮温观测值识别潜在火点，可以提高潜在火点的提取精度。

综上所述，目前应用在火点检测中的亮温预测模型考虑到了中心像元亮温的时间属性、背景像元与中心像元间亮温间的空间关系以及时间属性，但忽略了背景像元与中心像元的空间距离属性，精度不够高。

发明内容

为了克服现有的缺陷，本发明提出一种面向MODIS林火探测的亮温预测方法和系统。

根据本发明的一个方面，提出一种该方法包括：步骤A：接收设定区域和时间的MODIS数据；步骤B：处理MODIS数据；步骤C：计算像元亮温。

进一步的，MODIS数据包括MOD02 1km数据、MOD03 1km地理校正数据以及MODIS 3级土地覆盖类型数据MCD12Q1 500m数据。

进一步的，步骤B包括：步骤B01：数据预处理，包括对MODIS数据的几何校正、格式转换、投影转换以及去除蝴蝶结效应；步骤B02：对预处理后的数据，进行数据拼接、剔除无效数据以及筛选每日时间接近的影像；步骤B03：通过辐射定标以及亮温计算获得像元在每一时刻的反射率和亮温数据；步骤B04：删除云体/水体，识别潜在火点像元，提取有效背景像元，得到潜在火点像元的亮温时间序列数据、潜在火点像元的有效背景像元的亮温时间序列数据。

优选的，基于空间上下文中设定的反射率、亮温阈值来识别潜在火点像元。

进一步的，步骤C包括：步骤C01：MODIS数据中t_k+1时刻中心像元o的亮温比值关系矩阵由t₁到t_k时刻的亮温比值关系矩阵加权计算得到：

式中，ρ₁为控制不同时期比值矩阵权重大小的参数，表示t_k时刻的亮温比值关系矩阵，为t_k时刻中心像元o的亮温比值关系矩阵，