【技术实现步骤摘要】
基于多源异构数据融合的山火识别及过火面积估算方法
[0001]本专利技术涉及城市计算领域,特别是指基于多源异构数据融合的山火识别及过火面积估算方法。
技术介绍
[0002]在全球气温变暖的大趋势下,夏季的异常高温使得森林变得更加干旱,增加了山火发生的频率和严重程度。我国森林资源丰富,植物种类繁多,山火一旦发生,就会迅速蔓延致使房屋树木被毁,严重破坏森林结构和生态环境,污染周边空气,威胁居民的生命财产安全,且山火突发性强,破坏性大,常发生在交通不便的山野,使得救援工作进行困难。
[0003]传统的山火检测主要依赖于人工巡护,但是这种方法不仅耗费人力物力,并且还有监测面积小的缺陷,存在监测死角。各类传感器的出现逐渐取代人工检测,如烟雾传感器、温度传感器等,但是传感器容易受到环境的干扰,出现灵敏度低、误报漏报的情况,且监测面积也较小,无法满足全方位监测山火的要求。近年来也出现了基于可见光的检测系统,但是其成像必须依赖于外部可见光源,且容易受到云雾和烟雾的影响,可能无法检测到暗火,且无法实现全天候的监测。
技术实现思路
[0004]本专利技术的主要目的在于克服现有技术中的上述缺陷,提出基于多源异构数据融合的山火识别及过火面积估算方法,利用卫星热红外遥感数据对山火进行检测,对高温目标识别敏感,通过遥感图像中山火区域和背景区域的灰度值差异,并融合全球森林覆盖图,来有效判别火点,不依赖可见光,时间分辨率高、图像覆盖范围广,能够全天候大范围实现山火监测,并且卫星重访周期有利于对森林资源的动态监测和过程分析。< ...
【技术保护点】
【技术特征摘要】
1.基于多源异构数据融合的山火识别及过火面积估算方法,其特征在于,包括:获取含有热点目标的卫星遥感图像,并进行预处理,得到预处理后的卫星遥感图像;将预处理后的卫星遥感图像制作为热点目标数据集,采用Faster R
‑
CNN对卫星遥感图像进行热点目标检测,得到含有热点预测框的图像以及相对应的预测框坐标;将预测框坐标映射回原始卫星遥感图像,得到预测框在遥感图像中的地理坐标,经过坐标系转换后,得到预测框在全球森林覆盖图中的坐标,统计预测框内像素点值为1的个数占总像素点的比例,当小于设定的阈值时,删除该预测框,实现非山火区域滤除;分别采用NDVI阈值法和NBR阈值法对过火面积进行估算。2.根据权利要求1所述的基于多源异构数据融合的山火识别及过火面积估算方法,其特征在于,采用Faster R
‑
CNN对卫星遥感图像进行热点目标检测,得到含有热点预测框的图像以及相对应的预测框坐标,具体包括:首先通过自下而上的路径向ResNet 50网络中输入预处理后的遥感图像,产生四个不同尺度的特征图;以四个不同尺度的特征图作为FPN网络的输入,经过上采样以及横向连接操作,分别得到对应的处理后特征图;将处理后的特征图输入到RPN网络,RPN网络用于提取候选框,并输出至ROI Pooling层,同时,也将处理后的特征图输入到ROIPooling层中,为每个候选框提取相对应的特征图;最后将特征图经过一系列的全连接层,得到含有热点预测框的图像以及相对应的预测框坐标。3.根据权利要求1所述的基于多源异构数据融合的山火识别及过火面积估算方法,其特征在于,将预测框坐标映射回卫星遥感图像,得到预测框在遥感图像中的地理坐标,经过坐标系转换后,得到预测框在全球森林覆盖图中的坐标,具体包括:将预测框坐标映射回卫星遥感图像,而后利用GDAL库获取卫星遥感图像的中预测框的地理坐标,并且进行地理坐标与行列号的转换;图像的行列坐标与地理坐标之间的关系可以用如下数学关系表示。XG=GT(0)+X*GT(1)+Y*GT(2)YG=GT(3+X*GT(4+Y*GT(5)其中,XG,YG为图像的地理坐标;X,Y为图像的行列坐标;GT(0),GT(3)为图像左上角的经度和纬度;GT(1),GT(5)为图像的横向和纵向分辨率;GT(2),GT(4)为图像的旋转系数。4.根据权利要求1所述的基于多源异构数据融合的山火识别及过火面积估算方法,其特征在于,实现非山火区域滤除,还包括:对全球森林覆盖图进行切割,完成图像切割后,挑选出包含原始遥感图像的森林覆盖子图,获得预测框在森林覆盖子图中的行列坐标,用于非山火目标滤除。5.根据权利要求4所述的基于多源异构数据融合的山火识别及过火面积估算方法,其特征在于,非山火区域滤除,具体包括:首先遍历森林覆盖子图的像素点,当遍历到预测框所在的区域时,统计预测框内像素点值为1的个数,并且除以该预测框...
【专利技术属性】
技术研发人员:陈龙彪,翁丽娟,罗瑞祥,黄盟涵,陈少扬,王程,臧彧,程明,
申请(专利权)人:厦门大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。