一种基于时间维特征增强的川西野火风险预警方法技术

该发明专利技术公开了一种基于时间维特征增强的川西野火风险预警方法，属于遥感技术领域。针对现有技术因为森林草原火灾的爆发需要长时间的干旱条件使得可燃物处于可以燃烧的条件，单一只从火灾发生当天的因子信息无法表征一个完整的火灾场景，没有火灾发生前诱发因子的长时间序列信息，模型很难学习到火灾发生的具体时空场景，继而无法对野火进行精确的预警的问题。本发明专利技术通过对野火诱发因子的时间维特征进行增强，在此基础之上结合皮尔逊相关系数针对每个因子选取最相关的五个特征，最终加入野火历史数据库，从而提高了数据库内因子的时间尺度上的异质性，进而提高模型的野火预警精度。度。度。

【技术实现步骤摘要】
一种基于时间维特征增强的川西野火风险预警方法


[0001]本专利技术属于遥感
，涉及基于时间维特征增强的川西野火风险预警方法。

技术介绍

[0002]在对生态系统塑造的过程中野火扮演着重要的角色，它可以有益于生态系统发展如：促进植被新老演替以及提升生态系统的抗虫害能力等。然而它也会造成土壤侵蚀、退化以及温室气体的排放等负面影响。野火的扑灭也相当危险，在2019年3月30日，四川省凉山州木里县突发森林大火，火场总过火面积约20公顷，遇难人数达31人。2019年7月8日起澳大利亚丛林野火开始肆虐，澳洲有超过1200万公顷土地过火，大约10亿野生动物在大火中丧命，在这场灾难中，33人不幸死亡，2500余间房屋被烧毁。在2020年3月30日，四川省西昌市也突发森林大火，火灾过火面积1000余公顷，毁坏面积为80余公顷，遇难人数达19人。面对着如此惨痛的损失，野火风险预警是迫在眉睫的。
[0003]近年来，随着遥感技术、计算机、机器学习等领域的高速发展及应用的普及，遥感结合机器学习算法的方法在火险预警领域发展速度飞快，面对近几年肆虐的大范围火灾造成的经济损失和人员伤亡，我们亟需一套能大范围、高精度和高分辨率预警的方法体系。构建一系列可以运用的大范围、高精度和高时空分辨率的野火预警模型，一方面可以为相关的决策部门提供科学决策支持，从而实现防范于未然，从源头上控制火灾的发生，有助于生态系统的环境保护；另一方面，可以为野火预警及其相关领域的研究提供依据，进而不断提升野火预警的效果。
[0004]针对于目前的关于野火风险预警的研究主要还是针对模型的选择以及因子的选择上着手，而这些研究未能考虑到因子的时间维特征在野火数据集构建方法的重要性。仅仅对火灾当时当地的场景进行复原，这种火灾数据集构建的方法虽然简单且高效，但是会存在诸多问题。因为森林草原火灾的爆发需要长时间的干旱条件使得可燃物处于可以燃烧的条件，单一只从火灾发生当天的因子信息无法表征一个完整的火灾场景，没有火灾发生前诱发因子的长时间序列信息，模型很难学习到火灾发生的具体时空场景，继而无法对野火进行精确的预警。

技术实现思路

[0005]本专利技术旨在提供一种通过对野火诱发因子的时间维特征进行特征增强，考虑火灾像元和非火灾像元的时间维特征的异质性来进行川西野火风险预警的模型。
[0006]本专利技术技术方案为一种基于时间维特征增强的川西野火风险预警方法，该方法包括：
[0007]步骤1：采集目标区域的遥感图像，获取遥感图像每个像元的可燃物含水率、生物量、人文因子、高程、坡度、坡向、风速、温度、降雨量、相对湿度和土地覆盖特征，和这些特征对应的火灾数据；
[0008]步骤2：对步骤1获得的数据中的可燃物含水率、风速、温度、降雨量、相对湿度进行
时间维特征增强；分别计算出遥感图像中属于森林的像元和属于草原的像元；
[0009]I：对属于森林的像元进行如下时间维特征增强；
[0010]一、对可燃物含水率进行时间维特征增强；
[0011](1)提取非线性时滞特征；
[0012][0013]其中，constant是一个常量，X
i
为时间序列为i的特征值，N为时序长度，C为计算得到的非线性时滞特征；
[0014]将某个目标像元一段时间内的可燃物含水率作为X，将其输入公式1得到非线性时滞特征，记为C
FMC
；
[0015](2)提取绝对熵特征；
[0016][0017]其中，AE为计算得到的绝对熵特征，X
i
为时间序列为i的特征值；
[0018]将某个目标像元一段时间内的可燃物含水率值作为X，将其输入公式2得到绝对熵特征，记为AE
FMC
；
[0019](3)提取CWT特征；
[0020][0021]其中，CWT为针对时间序列的Ricker连续小波变换的结果，D为小波函数的宽度参数，X为输入特征的时间序列特征；
[0022]将某个目标像元一段时间内的可燃物含水率值作为X，将其输入公式3得到CWT特征，记为CWT
FMC
；
[0023](4)提取低值统计数的个数；
[0024]CB＝count(X<constant)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式4
[0025]其中，CB为指计算统计时间序列的低于阈值的个数，constant是一个常量，X为输入特征的时间序列值；
[0026]将某个目标像元一段时间内的可燃物含水率值作为X，将其输入公式4得到低值统计数征，记为CB
FMC
；
[0027](5)提取分位数特征；
[0028]Q＝Quantile(X,constant)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式5
[0029]其中，Q为时间序列X的constant％分位数，constant是一个常量，X为输入特征的时间序列值；
[0030]将某个目标像元一段时间内的可燃物含水率值作为X，将其输入公式5得到分位数特征记为Q
FMC
；
[0031]二、针对风速进行时间维特征增强；
[0032](1)采用公式3的方法提取风速的CWT特征，记为CWT
WS
；
[0033](2)提取高值统计数；
[0034]CA＝count(X>constant)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式6
[0035]其中，CA为指计算统计时间序列的高于阈值的个数，constant是一个常量，X为输入特征的时间序列值；
[0036]将某个目标像元一段时间内的风速值作为X，将其输入公式6得到高值统计数，记为CA
WS
；
[0037](3)采用公式1的方法提取风速的非线性时滞特征，得到C
WS
；
[0038](4)提取值统计数；
[0039]VC＝count(X＝＝constant)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式7
[0040]其中，VC为指计算统计时间序列的等于恒定值的个数，constant是一个常量，X为输入特征的时间序列值；
[0041]将某个目标像元一段时间内的风速值作为X，将其输入公式7得到值统计数，记为VC
WS
；
[0042](5)提取范围统计数；
[0043]RC＝count(constant_low<X<constant_up)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式8
[0044]其中，RC为指计算统计时间序列规定范围内的个数，constant_low和constant_up是常量，X为输入特征的时间序列值；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时间维特征增强的川西野火风险预警方法，该方法包括：步骤1：采集目标区域的遥感图像，获取遥感图像每个像元的可燃物含水率、生物量、人文因子、高程、坡度、坡向、风速、温度、降雨量、相对湿度和土地覆盖特征，和这些特征对应的火灾数据；步骤2：对步骤1获得的数据中的可燃物含水率、风速、温度、降雨量、相对湿度进行时间维特征增强；分别计算出遥感图像中属于森林的像元和属于草原的像元；I：对属于森林的像元进行如下时间维特征增强；一、对可燃物含水率进行时间维特征增强；(1)提取非线性时滞特征；其中，constant是一个常量，X
i
为时间序列为i的特征值，N为时序长度，C为计算得到的非线性时滞特征；将某个目标像元一段时间内的可燃物含水率作为X，将其输入公式1得到非线性时滞特征，记为C
FMC
；(2)提取绝对熵特征；其中，AE为计算得到的绝对熵特征，X
i
为时间序列为i的特征值；将某个目标像元一段时间内的可燃物含水率值作为X，将其输入公式2得到绝对熵特征，记为AE
FMC
；(3)提取CWT特征；其中，CWT为针对时间序列的Ricker连续小波变换的结果，D为小波函数的宽度参数，X为输入特征的时间序列特征；将某个目标像元一段时间内的可燃物含水率值作为X，将其输入公式3得到CWT特征，记为CWT
FMC
；(4)提取低值统计数的个数；CB＝count(X＜constant)
ꢀꢀꢀꢀ
公式4其中，CB为指计算统计时间序列的低于阈值的个数，constant是一个常量，X为输入特征的时间序列值；将某个目标像元一段时间内的可燃物含水率值作为X，将其输入公式4得到低值统计数征，记为CB
FMC
；(5)提取分位数特征；Q＝Quantile(X，constant)
ꢀꢀꢀꢀ
公式5其中，Q为时间序列X的constant％分位数，constant是一个常量，X为输入特征的时间序列值；将某个目标像元一段时间内的可燃物含水率值作为X，将其输入公式5得到分位数特征
记为Q
FMC
；二、针对风速进行时间维特征增强；(1)采用公式3的方法提取风速的CWT特征，记为CWT
WS
；(2)提取高值统计数；CA＝count(X＞constant)
ꢀꢀꢀꢀ
公式6其中，CA为指计算统计时间序列的高于阈值的个数，constant是一个常量，X为输入特征的时间序列值；将某个目标像元一段时间内的风速值作为X，将其输入公式6得到高值统计数，记为CA
WS
；(3)采用公式1的方法提取风速的非线性时滞特征，得到C
WS
；(4)提取值统计数；VC＝count(X＝＝constant)
ꢀꢀꢀꢀ
公式7其中，VC为指计算统计时间序列的等于恒定值的个数，constant是一个常量，X为输入特征的时间序列值；将某个目标像元一段时间内的风速值作为X，将其输入公式7得到值统计数，记为VC
WS
；(5)提取范围统计数；RC＝count(constant_low＜X＜constant_up)
ꢀꢀꢀ
公式8其中，RC为指计算统计时间序列规定范围内的个数，constant_low和constant_up是常量，X为输入特征的时间序列值；将某个目标像元一段时间内的风速值作为X，将其输入公式8得到范围统计数，记为RC
WS
；三、针对温度进行时间维特征增强；(1)采用公式3的方法提取温度的的CWT特征，得到CWT
T
；(2)采用公式5的方法对温度进行分位数处理，得到Q
T
；(3)提取分组熵特征；其中，BE为计算得到的分组熵特征，P是样本百分比，nums是分组个数，X为输入特征的时间序列值；将某个目标像元一段时间内的温度值作为X，将其输入公式9得到分组熵特征，记为BE
T
；(4)采用公式2的方法对温度进行绝对熵处理，得到AE
T
；(5)采用公式4的方法对温度进行低值统计数处理，得到CB
T
；四、针对降雨量进行特征提取；(1)采用公式5的方法对降雨量进行分位数处理，得到Q
Rainfall
...

【专利技术属性】
技术研发人员：何彬彬，谢谦，全兴文，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：