[发明专利]一种多尺度信息融合的地热异常区提取方法

权利要求书

1.一种多尺度信息融合的地热异常区提取方法，其特征在于：包括以下步骤：

步骤1：获取研究区域不同时期的遥感影像并进行预处理，所述预处理包括辐射定标、大气校正、几何校正、镶嵌裁剪；

步骤2：使用全约束最小二乘混合像元分解和亚像元空间引力模型提高遥感影像的分辨率，得到亚像元地物分布图；

步骤3：采用基于地表类型权重叠置法获得高分辨率热红外波段的热辐射值，并在此基础上使用单窗算法反演地表温度；

步骤4：分别使用全局阈值、局部分块和高程分区三种方法提取温度异常范围，计算三种方法所得结果的交集作为最终提取的温度异常区；

其中，使用高程分区方法提取温度异常，确定高温异常区和低温异常区的阈值，公式如下：

T_H＝M^T+F′(1-α_H)σ^T

T_L＝M^T-F′(1-α_L)σ^T

其中T_H为高温异常区阈值，T_L为低温异常区阈值；F是概率论中的F-分布，F′(a)表示分布函数值为a时所对应的标准化温度值；M^T和σ^T分别是研究区域地表温度的均值和方差；α_H和α_L分别是研究区域中高、低温异常区所占比例；

使用全局阈值方法提取温度异常时，全局阈值设置为T_th＝M^T+eσ^T；1≤e≤2；

使用局部分块方法提取温度异常时，将整个研究区域分割成大小一致的子块，然后使用全局阈值T_th分别去提取每个子块中的温度异常；

步骤5：结合研究区域的地质断裂和步骤4所提取的温度异常区圈定地热异常范围；

步骤6：根据研究区域先验知识采用无人机热红外对地热异常区进一步提取。

2.根据权利要求1所述的多尺度信息融合的地热异常区提取方法，其特征在于：所述步骤2中，采用的全约束最小二乘混合像元分解包含两个约束条件：一个像元内每种端元的丰度图的像元亮度值范围在0～1之间，并且和为1；首先使用最小噪声分离变换MNF实现数据降维，然后计算纯净像元指数PPI，该指数越大代表像元的纯度越高，接着通过设置阈值选择纯净的像元投影到MNF变换主成分空间，最后结合n维可视化工具确定端元类型。

3.根据权利要求1所述的多尺度信息融合的地热异常区提取方法，其特征在于：所述步骤2中，使用亚像元空间引力模型SPSAM进行亚像元制图，通过计算像元内各个亚像元和其对应的邻域像元间空间引力大小，确定各亚像元的类别；具体如下：

记p_ij为像元P_ab内的一个亚像元，i,j＝1,2,…,S；a＝1,2,…,L_a；b＝1,2,…,L_b；L_a和L_b分别为低分辨率图像的行数和列数；S为放大比例值；则亚像元p_ij受到其邻域像元中第c类分量的引力之和D_c,ij为：

其中d_k为亚像元p_ij几何中心和像元P_k的几何中心的欧氏距离，c＝1,2,…,C,C是类别数目，N_A是领域像元个数，w_k是各个邻域像元的空间相关性权值，F_c(P_k)是第k个领域像元P_k中第c类的分量值；最后根据D_c,ij的大小来确定像元P_ab内属于类c的亚像元，对应引力值最大的D_c,ij亚像元归于c类。

4.根据权利要求1所述的多尺度信息融合的地热异常区提取方法，其特征在于：所述步骤3中，计算地表温度时，根据不同的地物对热辐射的贡献差异确定权重；从亚像元地物分布图中选取相应类别的样本，选取同种类别聚集的区域作为样本，以其中一种地物作为参考，采用比值法确定各类型的权重，然后使用叠置法进行像元分解；提高分辨率的热红外波段的热辐射值表示如下：

其中w(i,j)为分割的子像元(i,j)所对应的低空间分辨率像元的权重，I为低分辨率影像中热红外波段像元的辐亮度值，I(i,j)为对应高空间分辨率中子像元(i,j)的辐亮度值；S为放大比例值；

然后使用单窗算法反演地表温度信息，公式如下：

C＝ετ，D＝(1-τ)[1+(1-ε)τ]

其中T_S为地表温度，T_sensor为传感器上的亮度温度，T_a为大气平均温度，ε为比辐射率，τ为大气透射率，a，b为常数。