[发明专利]一种自适应的工业热异常检测方法

说明书

本发明涉及一种自适应的工业热异常检测方法，该方法包括如下步骤：步骤1)结合Google Earth选取训练所需的工厂样本；步骤2)采用辐射传输法反演研究区地表温度；步骤3)利用Arcmap的按掩膜提取工具裁剪研究区地表温度；步骤4)利用ArcMap查看研究区地表温度均值和标准差；步骤5)结合二分法，从1到5之间训练标准差倍数；步骤6)按照公式(临界值＝均值+标准差倍数*标准差)计算各倍数对应的临界值，将地表温度数值超过临界值的区域界定为热异常，叠加工厂训练样本，重叠度最高的即为本次循环的最佳热异常，继续循环直至边界值与中值的差值小于0.3，将重叠度最高的临界值为最佳临界值，并停止循环；步骤7)检验热异常提取精度，完成工业热异常制图。

技术领域

本发明涉及一种自适应的工业热异常检测方法，针对目标工厂的热环境情况，建立了适用于小尺度地物热环境监测的指标体系，结合地表温度反演算法和二分查找法，利用遥感手段对各时相的热环境指标进行对比与变化分析，以侧面反映在去产能政策影响下的工厂生产状态的变化程度。

背景技术

我国作为世界上最大的发展中国家，目前正处于工业化进程中。工业化水平从1990年的36.1％上升到2011年的41.3％。迅速的工业化给城市生态环境带来了巨大挑战，尤其是工业生产排放的大量废热，因以集中分布的形式，致使工业区形成城市热岛中的热岛的格局。因此，准确检测出引起热异常的工厂，对科学规划工业建设、改善城市热环境具有重要意义。

近年来，国内外学者利用遥感技术对工业区的热环境做了较多研究，热红外遥感等技术的发展更为其提供了有效的技术手段。常用异常值检测算法主要包括拉依达准则、肖维勒准则、格拉布斯准则和狄克逊准则。对于大样本实验，拉依达准则效果更佳。且因计算简便，应用广泛。如Grubbs等以均值与2倍标准差之和为临界值检测离群异常值、Tiejen等实验多组异常值检测，证实了均值与2倍标准差之和为临界值的有效性；jiang以均值与1.645倍标准差之和为临界值，检测多组离群异常值；宋冬梅以均值和1.6倍标准差之和为临界值，检测多景地表温度图中的热异常信息；Yang等以均值和1.5倍标准差之和为临界值，检测多景地表温度图中的热异常。但上述方法存在以下问题：(1)利用检测到的异常值进行遥感应用和分析，但对检测的异常值的准确性缺乏验证；(2) 研究中多采用固定标准差倍数，将该方法应用于多时相多空间遥感影像的热异常检测研究中，存在多提或漏提等问题，适应性较低。

发明内容

为提高多时相多空间遥感影像的热异常检测准确性，本文提出了一种自适应的热异常检测方法(adaptive thermal anomaly detect ion，Adaptive-TAD)，该方法通过工厂训练样本和标准差倍数训练样本，训练出热异常最佳临界值。同时，本文基于多时相Landsat 8遥感影像，采用辐射传输法反演地表温度，以茌平县和四会市两个工业城市为研究区，并结合Google Earth遥感影像对 Adaptive-TAD方法检测的结果进行精度验证。

本发明的目的通过以下技术步骤实现：

步骤1)结合Google Earth识别研究区域的训练工厂样本；

步骤2)采用辐射传输法反演覆盖研究区的地表温度；

步骤3)根据研究区矢量数据裁剪步骤1所得地表温度数据，即得到研究区的地表温度；

步骤4)在arcmap加载研究区地表温度数据，右键该数据属性，借用 histograms工具查询研究区地表温度数据的均值和标准差；

步骤5)；结合二分法思想，从1到5之间训练标准差倍数；