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

本发明专利技术提供基于多源异构数据融合的山火识别及过火面积估算方法，包括：获取含有热点目标的卫星遥感图像，并进行预处理；采用Faster R

【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。<br/>[0005]本专利技术采用如下技术方案：
[0006]基于多源异构数据融合的山火识别及过火面积估算方法，包括：
[0007]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；
[0008]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；
[0009]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；
[0010]分别采用NDVI阈值法和NBR阈值法对过火面积进行估算。
[0011]具体地，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：
[0012]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；
[0013]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；
[0014]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ROI Pooling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。
[0015]具体地，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：
[0016]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中预测框的地理坐标，并且进行地理坐标与行列号的转换；
[0017]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。
[0018]XG＝GT(0)+X*GT(1)+Y*GT(2)
[0019]YG＝GT(3+X*GT(4+Y*GT(5)
[0020]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。
[0021]具体地，实现非山火区域滤除，还包括：
[0022]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。
[0023]具体地，非山火区域滤除，具体包括：
[0024]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，并且除以该预测框内的像素点总数，得到该预测框内含有森林的概率；若概率大于设定的阈值，则认为该预测框内有森林，反之则无森林；
[0025]通过遍历所有的预测框，将非山火区域滤除；
[0026]完成滤除操作后，将非山火预测框剔除，保存山火区域预测框。
[0027]具体地，采用NDVI阈值法对过火面积进行估算，具体为：
[0028]NDVI阈值法：
[0029][0030]其中，NIR为近红外波段，RED为红光波段；分别对山火发生前后的两幅图像进行NDVI计算，并将NDVI阈值设置为0.3，将区域划分为植被区域和非植被区；当山火发生前的NDVI大于等于0.3，并且山火发生后的NDVI小于0.3时，则认为该像元为过火像元；统计过火像元总数，并与像元面积相乘即可获得过火面积。
[0031]具体地，采用NBR阈值法对过火面积进行估算，具体为：
[0032][0033]其中，NIR为近红外波段，SWIR为短波红外波段；分别对山火发生前后的两幅图像进行NBR计算，根据得到的NBR，通过下式来确定过火区域；
[0034]NBR
before
‑
NBR
after
＞T
NBR
[0035]其中，NBR
before
和NBR
after
分别表示为山火发生前后的NBR值，T
NDVI
为判别阈值；将T
NBR
阈值设置为0.4，大于0.4的像元则认为该像元为过火像元，最后统计过火像元个数得到过火面积。
[0036]本专利技术实施例另一方面提供基于多源异构数据融合的山火识别及过火面积估算系统，包括：
[0037]预处理单元：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；
[0038]目标检测单元：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；
[0039]非目标滤除单元：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；<本文档来自技高网...

【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：