[发明专利]森林火灾微光遥感识别方法

权利要求书

1.森林火灾微光遥感识别方法，其特征在于：包括利用NTL与NDVIpre组合刻画森林燃烧导致植被指数减小的过程，具体为基于地表温度通过潜热传递随植被密度的增加而降低的原理，采用亮度温度与植被指数比值，以增强夜光火灾扰动指数的形式，提高微光下火灾识别能力，充分地分离森林火灾与工业燃烧、城市热源。

2.根据权利要求1所述的森林火灾微光遥感识别方法，其特征在于：所述增强夜光火灾扰动指数的计算公式如下：

ENFDI＝T_mir/(1-NTL×NDVI_pre)；

其中，Tmir代表4um中红外波段亮温；NTL代表NPP-VIIRSDNB波段的辐射亮度；为了与NDVI匹配，NTL、Tmir均进行归一化处理，使其值域在0和1之间；NDVIpre代表火灾发生前的NDVI。

3.根据权利要求2所述的森林火灾微光遥感识别方法，其特征在于：上述计算公式中，各参数的具体得出方法为：以A时刻森林火灾为中轴，提取了NTL、Tmir以及火灾前B时刻NDVIpre纬度样带，并计算ENFDI，不考虑云污染影响，Tmir值在火点中心偏高，NTL值沿着纬度样带向城市中心和火灾中心的方向逐渐增加，而NDVIpre值在远离城市中心的地方较高；

NDVIpre和NTL之间的反比关系在城市中心最为明显，NDVIpre与NTL乘积在城市中心偏小；NDVIpre和NTL之间的正比关系在火灾中心最为明显，NDVIpre与NTL乘积在火灾中心偏大，因此ENFDI在火灾中心异常偏高，在城市中心出现小波峰。

4.根据权利要求3所述的森林火灾微光遥感识别方法，其特征在于：所述增强夜光火灾扰动指数的应用方法为：对比火灾前B时刻与火灾当时A时刻可知，在火灾前的影像上没有发现这处NTL高值区，因此在火灾发生时突增的NTL高值区并非是城区，而是着火点，基于NTL、Tmir和NDVIpre参数，根据ENFDI的计算公式，反演出A时刻火灾当时的ENFDI分布图；

图中ENFDI低值区为云区，中值区为非城市、无照明区域，通常是植被覆盖区，高值区为城市和森林火灾热源区域，森林火灾ENFDI明显高于城市，在1.073以上，ENFDI高值对森林火灾具有明显表征；城市ENFDI有一定程度的降低，为0.840～1.073，城市ENFDI略低并呈现明显的块状聚集分布。

5.根据权利要求4所述的森林火灾微光遥感识别方法，其特征在于：所述夜光火灾扰动指数在低照度条件下对城市与火灾差异的增强效果的方法为：进一步对ENFDI高值区的空间细节进行了分析，在微光遥感图像上，由于火光和灯光使得两个异质热源均获得很高的亮度，从NTL密度分割图上，看出森林火灾与城市灯光像元之间存在混淆，但ENFDI指数能增强森林火灾与城市灯光的光谱差异，提高微光下火灾识别能力。

6.根据权利要求5所述的森林火灾微光遥感识别方法，其特征在于：评估所述夜光火灾扰动指数森林火灾识别能力的方法为：

S1、从视觉角度对比了NTL和ENFDI反演结果，看出在NTL图像上森林火灾以及城市灯光区混淆在一起难以区分，但是通过ENFDI的反演结果，可直接利用阈值法识别出火点像元，进一步证明了ENFDI指数能够提高微光下火灾识别能力；

S2、由于VNP14IMG仅提供火灾发生位置信息，无亚像素火灾表征，因此从定位角度对比了VNP14IMG和ENFDI反演结果，发现二者具有良好的总体对应关系，为进一步实现火灾像素级表征提供可行性参考；

S3、从月相变化角度验证了ENFDI森林火灾遥感识别适用性，对比有月光图像和无月光图像，看出夜间森林火灾均被识别，这说明无论有无月光影响，ENFDI在火灾遥感识别方面均具有一定的稳定性。

7.根据权利要求6所述的森林火灾微光遥感识别方法，其特征在于：所述夜光火灾扰动指数去饱和修正方法如下：

火灾遥感常用中红外波段(4um)、远红外波段(11um)这对光谱带进行处理，它可以识别从中等到粗空间分辨率传感器的热异常，为验证ENFDI指数去饱和修正效果，提取火点中心纬度样带数据，分别利用ENFDI、NTL与VIIRS中红外波段、远红外波段的亮温差进行相关性分析，研究发现ENFDI指数与中远红外亮温差的相关性R高达0.94～0.97，明显高于NTL与中远红外亮温差的相关性(0.82～0.83)，验证ENFDI指数不仅可以有效缓解夜间NTL数据饱和问题，还可以提高对火灾识别的准确性。