基于多源遥感数据的MODIS卫星火点准确性判别方法技术

本发明专利技术提供一种基于多源遥感数据的MODIS卫星火点准确性判别方法，综合MODIS遥感数据、气象数据、地表覆盖分类数据、高程数据、坡度数据、历史火点分布数据等数据对识别出的火点加以进一步的可信度验证，提高了遥感火点识别的准确性。经验证后可信度较高的火点将加入历史火点分布数据，从而不断更新历史火点分布数据，更新影响因子的客观权重，提高验证结果的准确性。

【技术实现步骤摘要】

本专利技术属于卫星遥感应用领域，具体涉及多源遥感数据在MODIS卫星火点识别分析的应用，。
技术介绍
火点在红外光谱波段会引起的异常高温，导致在影像上火点区域与周围像素有明显反差，遥感技术利用这个特点进行火点识别。早期用于火点识别的卫星平台如GOES和NOAA空间分辨率较低，美国的陆地卫星、法国的SPOT卫星等中分辨率数据动态监测能力低成本高，中分辨率成像光谱仪(MODIS)具有36个波段，电磁波谱范围为0.4-14μm，空间分辨率为250m，覆盖了从可见光到远红外波段的范围，对地表高温灵敏度高，对火点识别效果较好。传统的MODIS火点识别采用固定阈值法，即对校正影像的部分波段信息进行地面温度反演，然后结合背景像元的平均值、方差等信息设定阈值，通过固定阈值识别火点。有时为了避免误判，阈值设置较大，但是会遗漏部分小火点。传统火点识别方法并未考虑背景环境信息，同一温度火点在背景温度较低的影像中表现明显，在背景温度较高的影像中难以识别，在植被、水体覆盖较多的区域火点识别也易受背景环境影响。因此，传统MODIS火点识别算法很容易造成误判、漏判。
技术实现思路
针对现有MODIS火点识别方法中存在较多的误判概率，本专利技术提出一种基于多源遥感数据的MODIS卫星火点准确性判别方法，通过在MOIDS火点识别中引入MODIS干旱指数、土地覆盖分类信息、气象数据、历史火点数据、等数据，评估识别火点的准确性并筛选识别结果，提高识别准确性。为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于多源遥感数据的MODIS卫星火点准确性判别方法，其特征在于，包括以下步骤：步骤1：利用经典MODISV4火点识别算法，通过MODIS数据识别出实时火点；步骤2：获取火点识别区域该时段内MODIS数据，计算出火点覆盖范围的MODIS干旱影响因子；步骤3：获取火点识别区域该时间段内降水量数据，插值出火点覆盖范围的降水影响因子；步骤4：通过全球30米地表覆盖(GlobeLand30)分类数据，提取出火点覆盖范围的地表覆盖分类结果，计算火点位置的地表植被影响因子；步骤5：获取火点识别区域的高程(DEM)、坡度数据山火影响因子；步骤6：通过火点识别区域的历史火点分布，利用主观赋权法—熵值法求出步骤2得到的MODIS干旱影响因子、步骤3得到的降水影响因子、步骤4得到的地表植被影响因子以及步骤5得到的山火影响因子对应的权重；步骤7：综合火点覆盖范围的各影响因子与相对应的权重，加权计算出该范围内山火风险分布图，对火点位置区域进行山火风险评估，并以此为基础验证步骤1识别出的实时火点的准确性。如上所述的方法，所述步骤2包括以下步骤：步骤2.1：根据火点识别区域该时段内MODIS数据，计算归一化植被指数NDVI；步骤2.2：根据火点识别区域该时段内MODIS数据，计算陆地表面温度LST；步骤2.3：利用归一化植被指数NDVI和陆地表面温度LST构建NDVI-TS特征空间，得到温度植被旱情指数(TVDI)模型，计算不同时间不同气候区各像元的TVDI；步骤2.4：依据专家打分法，将TVDI重新分为5级，得出MODIS干旱影响因子。如上所述的方法，所述步骤4包括以下步骤：步骤4.1：提取火点周围1公里内区域的地表覆盖分类数据；步骤4.2：将地表覆盖分类数据重新分类为植被和非植被两类；步骤4.3：计算所述步骤4.1中区域的植被覆盖面积百分比，即为地表植被影响因子，计算公式如下：P=PFPL]]>其中，P为所述区域的植被覆盖面积百分比，PF为所述区域的植被覆盖面积，PL为所述区域总面积。如上所述的方法，所述步骤6进一步包括下述步骤：步骤6.1：计算在某一个影响因子各范围值区域内的历史火点个数ai，其中i＝1，2，…，m，m表示影响因子二级因子的个数。步骤6.2：通过统计各因素每段的历史火点个数并进行归一化后，将归一化的值作为求各因素信息熵的指标；步骤6.3：按照熵值法求出每个影响因子权重熵值，并计算每个影响因子的客观权重，权重熵值Ei计算公式为：Ei=-eΣj=1mIij1n(Iij),i=(1,2,...,n)]]>其中，Ii为所述影响因子第i个二级因子的归一化值，n是影响因子的个数，对于第i个因子来说，e是一个常数，取值为1/lnm，m为该因子的二级因子的个数；每个影响因子的客观权重由下式计算得出：Zi=1-Ein-Σi=1nEi,i=1,2,...,n]]>其中，n是影响因子的个数；步骤6.4：通过主观定权重的方法来确定植被覆盖影响因子的权重。本专利技术在MODIS火点检测算法识别火点的基础上，综合MODIS遥感数据、气象数据、地表覆盖分类数据、高程数据、坡度数据、历史火点分布数据等数据对识别出的火点加以进一步的可信度验证，提高了遥感火点识别的准确性。经验证后可信度较高的火点将加入历史火点分布数据，从而不断更新历史火点分布数据，更新影响因子的客观权重，提高验证结果的可靠性。附图说明图1为本专利技术所涉及的山火风险评估的流程图；图2为本专利技术所涉及的MODIS干旱指数计算流程图；图3为本专利技术所涉及的地表温度反演流程图；图4为本专利技术所涉及的熵值法求权重流程图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例提供一种基于多源遥感数据的MODIS卫星火点准确性判别方法，对中国湖北火点识别结果进行准确性验证。参见图1，本专利技术实施例具体包括以下步骤：步骤1：利用经典V4火点识别算法，通过MODIS数据识别出实时火点。基于亮温阈值法识别火点像素并计算其空间位置。选择MODIS数据21通道和31通道作为主要数据，T4为21通道亮温值，T41为21和31通道亮温值，结合背景像元平均值、方差等信息检测火点，识别的阈值和逻辑条件为：T4＞360k(夜间为330k)(1)T4＞320k(夜间为315k)(2)T41＞20k(夜间为20k)(3)<本文档来自技高网...

【技术保护点】
一种基于多源遥感数据的MODIS卫星火点准确性判别方法，其特征在于，包括以下步骤：步骤1：利用经典MODISV4火点识别算法，通过MODIS数据识别出实时火点；步骤2：获取火点识别区域该时段内MODIS数据，计算出火点覆盖范围的MODIS干旱影响因子；步骤3：获取火点识别区域该时间段内降水量数据，插值出火点覆盖范围的降水影响因子；步骤4：通过全球30米地表覆盖(GlobeLand30)分类数据，提取出火点覆盖范围的地表覆盖分类结果，计算火点位置的地表植被影响因子；步骤5：获取火点识别区域的高程(DEM)、坡度数据山火影响因子；步骤6：通过火点识别区域的历史火点分布，利用主观赋权法—熵值法求出步骤2得到的MODIS干旱影响因子、步骤3得到的降水影响因子、步骤4得到的地表植被影响因子以及步骤5得到的山火影响因子对应的权重；步骤7：综合火点覆盖范围的各影响因子与相对应的权重，加权计算出该范围内山火风险分布图，对火点位置区域进行山火风险评估，并以此为基础验证步骤1识别出的实时火点的准确性。

【技术特征摘要】
1.一种基于多源遥感数据的MODIS卫星火点准确性判别方法，其特征在于，包括以下步骤：
步骤1：利用经典MODISV4火点识别算法，通过MODIS数据识别出实时火点；
步骤2：获取火点识别区域该时段内MODIS数据，计算出火点覆盖范围的MODIS干旱影响因子；
步骤3：获取火点识别区域该时间段内降水量数据，插值出火点覆盖范围的降水影响因子；
步骤4：通过全球30米地表覆盖(GlobeLand30)分类数据，提取出火点覆盖范围的地表覆盖分类结果，计算火点位置的地表植被影响因子；
步骤5：获取火点识别区域的高程(DEM)、坡度数据山火影响因子；
步骤6：通过火点识别区域的历史火点分布，利用主观赋权法—熵值法求出步骤2得到的MODIS干旱影响因子、步骤3得到的降水影响因子、步骤4得到的地表植被影响因子以及步骤5得到的山火影响因子对应的权重；
步骤7：综合火点覆盖范围的各影响因子与相对应的权重，加权计算出该范围内山火风险分布图，对火点位置区域进行山火风险评估，并以此为基础验证步骤1识别出的实时火点的准确性。
2.根据权利要求1所述的多源遥感数据的MODIS卫星火点准确性判别方法，其特征在于，所述步骤2包括以下步骤：
步骤2.1：根据火点识别区域该时段内MODIS数据，计算归一化植被指数NDVI；
步骤2.2：根据火点识别区域该时段内MODIS数据，计算陆地表面温度LST；
步骤2.3：利用归一化植被指数NDVI和陆地表面温度LST构建NDVI-TS特征空间，得到温度植被旱情指数(TVDI)模型，计算不同时间不同气候区各像元的TVDI，其公式如下：
其中，TVDI为某像...

【专利技术属性】
技术研发人员：陈孝明，李陶，阮羚，张校志，黄俊杰，陈志国，方圆，吴文豪，
申请(专利权)人：国家电网公司，国网湖北省电力公司电力科学研究院，武汉大学，
类型：发明
国别省市：北京;11