[发明专利]一种基于遥感数据的实时山火风险监测方法

权利要求书

1.一种基于遥感数据的实时山火风险监测方法，其特征在于，包括：

步骤S1：获取待监测区域Himawari-8气象卫星的原始波段数据以及获取待监测区域的火点数据；

步骤S2：根据原始波段数据和火点数据构建机器学习样本数据：

步骤S21：构建多时相特征数据；

步骤S22：将多时相特征数据和火点数据进行基于时间分辨率和空间分辨率的融合，得到样本数据，具体包括：

步骤S221：将火点数据与多时相特征数据进行时间和空间的近邻匹配，使两个源数据保持相同的时间分辨率和空间分辨率；

步骤S222：分别将历史火点数据与历史火点前N天数据划分为火点相关经纬度数据和非火点相关经纬度数据；按照时刻建立对应关系，并将二者的火点相关经纬度数据融合为火点待处理数据，将二者的非火点相关经纬度数据融合为非火点处理数据；

步骤S223：将融合后的数据进行非火点数据压缩，得到机器学习样本数据；

步骤S3：训练机器学习模型：

步骤S31：按照时间段将样本数据划分为训练集、验证集和测试集；

步骤S32：采用训练集对多时相特征数据中的每一个特征进行基于山火/非山火的标记，并进行有监督分箱；

步骤S33：在有监督分箱的结果上进行编码得到编码结果；

步骤S34：在编码结果上采用逻辑回归进行分类学习得到逻辑回归权重结果；

步骤S35：将编码结果和逻辑回归权重结果保存，得到机器学习模型；

步骤S4：基于机器学习模型实时监测。

2.根据权利要求1所述的一种基于遥感数据的实时山火风险监测方法，其特征在于，所述步骤S21中的多时相特征数据由原始波段数据根据波段值、空间分辨率和时间分辨率划分得到。

3.根据权利要求2所述的一种基于遥感数据的实时山火风险监测方法，其特征在于，所述时间分辨率包括天粒度特征和十分钟粒度特征，空间分辨率包括3*3特征、5*5特征和7*7特征；所述波段值包括3波段、4波段和7波段。

4.根据权利要求3所述的一种基于遥感数据的实时山火风险监测方法，其特征在于，所述步骤S4具体包括：

步骤S41：将当前数据和前N天数据按照多时相特征处理并进行山火/非山火标记和有监督分箱，在有监督分箱的结果上进行编码得到编码结果；

步骤S42：根据编码结果对待测数据进行转换，再采用逻辑回归权重进行预测，生成预测结果。

5.根据权利要求2所述的一种基于遥感数据的实时山火风险监测方法，其特征在于，所述多时相特征数据还根据物理意义特征进行细分，所述物理意义特征包括太阳天顶角SOZ和太阳方位角SOA。