基于光谱特征的森林火灾勘察定损方法技术

本发明专利技术公开基于光谱特征的森林火灾勘察定损方法，本发明专利技术采用光谱特征和影像色彩空间变换方法提取火烧迹地，森林火灾发生后，植被红光波段的吸收峰消失，遥感反射率增强，结合以上特征可区分植被与非植被像元，实现灾后面积的精准提取，生活中常用的色彩空间为RGB色彩显示，而HSV色彩空间其能够直观展现图像的色调H、饱和度S和亮度V，更适用于图像处理，常用分割指定颜色的物体，基于光谱特征对火灾后植被提取存在火烧与非火烧边界无法准确区分的问题，而HSV色彩空间可以单独处理色调值，而不会影响到饱和度和亮度，结合该点可解决边界像元提取困难的问题。像元提取困难的问题。像元提取困难的问题。

【技术实现步骤摘要】
基于光谱特征的森林火灾勘察定损方法


[0001]本专利技术属于火灾定损
，具体涉及基于光谱特征的森林火灾勘察定损方法。

技术介绍

[0002]随着全球气候变暖和极端天气增加，全球范围内森林火灾频发。森林火灾具有突发性强、破坏性大、救助困难等特点。火灾会导致植被覆盖度下降、森林生态系统破坏、人身财产受到危害和损失。因此如何准确做到对森林火灾后的信息提取、评估成为亟待解决的问题。卫星遥感技术具有监测范围广、高效率、低成本的优势，非常适合灾后勘察定损及相关信息提取。
[0003]森林火灾勘察定损的关键技术之一是对火烧面积的精确提取，其中基于温度提取火烧迹地的方法对遥感影像的时间分辨率要求较高，常用卫星数据为MODIS，但该类卫星空间分辨率较低，对燃烧范围难以精确统计。另一种提取火烧迹地方法为计算NDVI、GEMI、BAI等指数，设置各自阈值对着火范围进行提取，该类方法存在精确度低的问题，且不同卫星数据对上述指数适应性不尽相同。

技术实现思路

[0004]为解决上述
技术介绍
中提出的问题，本专利技术提供基于光谱特征的森林火灾勘察定损方法，以解决现有提取火烧迹地方法的精度低，并且对不同卫星适应性不高的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：基于光谱特征的森林火灾勘察定损方法，包括以下步骤：S1：基于发生森林火灾区域前后的无云卫星遥感影像，获取目标位置火灾前后的光谱信息；S2：建立植被像元筛选机制，通过植被像元筛选机制结合遥感影像的光谱信息将火灾前的植被像元和火灾后的植被像元分别标记为R1、R2；S3：对火灾后遥感影像进行色彩空间转换，将RGB色彩空间转换为HSV色彩空间，基于色调H分量提取出像元R3；S4：计算R1、R2和R3乘积并标记为像元R4；S5：计算R1与R4的像元面积差值，得到火烧面积。
[0006]优选地，S2的具体步骤为：S2.1：参考健康植被光谱曲线特征，设置蓝、绿、红波段之间的反射率规则，其中绿光波段反射率ρ
green
低于21%，设置蓝光波段ρ
blue
与红光波段反射率ρ
red
均低于绿光波段反射率ρ
green
；S2.2：通过反射率规则和火灾前后的的遥感影像的光谱信息计算归一化植被指数NDVI与比值植被指数RVI，获得NDVI值和RVI值；S2.3：建立植被像元筛选机制，通过植被像元筛选机制结合NDVI值和RVI值将火灾
前的植被像元和火灾后的植被像元分别标记为R1、R2。
[0007]优选地，S2.2中归一化植被指数NDVI与比值植被指数RVI的计算方法为：NDVI的计算方法为：；RVI的计算方法为：；其中，ρ
nir
为近红外波段反射率，ρ
red
为红光波段反射率。
[0008]优选地，像元筛选机制及R1、R2的获取方法为：条件1：NDVI值大于0.25的像元；条件2：RVI值大于2的像元；在计算公式（1）和计算公式（2）中代入火灾前的ρ
nir
和ρ
red
后，将同时满足条件1和条件2的像元标记为火灾前植被像元，记为R1；在计算公式（1）和计算公式（2）中代入火灾后的ρ
nir
和ρ
red
后，将同时满足条件1和条件2的像元标记为火灾后植被像元，记为R2。
[0009]优选地，R3的获取方法为：S3.1：对火灾后可见光卫星影像进行数据类型转换，将原影像数据类型转换为字节型；S3.2：将字节型RGB影像转换为HSV色彩空间影像；S3.3：对HSV影像的H分量进行灰度分割，提取植被像元，结果为R3。
[0010]优选地，无云卫星使用Sentinel2高分辨率多光谱成像卫星。
[0011]与现有技术相比，本专利技术的有益效果是：1、本专利技术采用光谱特征和影像色彩空间变换方法提取火烧迹地，森林火灾发生后，植被红光波段的吸收峰消失，遥感反射率增强，结合以上特征可区分植被与非植被像元，实现灾后面积的精准提取。
[0012]2、生活中常用的色彩空间为RGB色彩显示，而HSV色彩空间其能够直观展现图像的色调H、饱和度S和亮度V，更适用于图像处理，常用分割指定颜色的物体，基于光谱特征对火灾后植被提取存在火烧与非火烧边界无法准确区分的问题，而HSV色彩空间可以单独处理色调值，而不会影响到饱和度和亮度，结合该点可解决边界像元提取困难的问题。
附图说明
[0013]图1为本专利技术的方法步骤示意图；图2为火烧前植被提取结果R1的示意图，其中白色为植被区域；图3为火烧后植被提取结果R2的示意图，其中白色为植被区域。
具体实施方式
[0014]为便于本领域技术人员理解本专利技术的
技术实现思路
，以下结合附图和具体的实例对本专利技术作进一步地详细说明。应当理解，此处所描述的具体实例仅用以解释本专利技术，并不用于
限定本专利技术。
[0015]实施例1：如图1所示，基于光谱特征的森林火灾勘察定损方法，包括以下步骤：S1：基于发生森林火灾区域前后的无云卫星遥感影像，获取目标位置火灾前后的光谱信息；S2：建立植被像元筛选机制，通过植被像元筛选机制结合遥感影像的光谱信息将火灾前的植被像元和火灾后的植被像元分别标记为R1、R2；S3：对火灾后遥感影像进行色彩空间转换，将RGB色彩空间转换为HSV色彩空间，基于色调H分量提取出像元R3；S4：计算R1、R2和R3乘积并标记为像元R4；S5：计算R1与R4的像元面积差值，得到火烧面积。
[0016]在本实施例中，本专利技术采用光谱特征和影像色彩空间变换方法提取火烧迹地，森林火灾发生后，植被红光波段的吸收峰消失，遥感反射率增强，结合以上特征可区分植被与非植被像元，实现灾后面积的精准提取，生活中常用的色彩空间为RGB色彩显示，而HSV色彩空间其能够直观展现图像的色调H、饱和度S和亮度V，更适用于图像处理，常用分割指定颜色的物体，基于光谱特征对火灾后植被提取存在火烧与非火烧边界无法准确区分的问题，而HSV色彩空间可以单独处理色调值，而不会影响到饱和度和亮度，结合该点可解决边界像元提取困难的问题。
[0017]实施例2：
[0018]本实施例与实施例1的区别在于：S2的具体步骤为：S2.1：参考健康植被光谱曲线特征，设置蓝、绿、红波段之间的反射率规则，其中绿光波段反射率ρ
green
低于21%，设置蓝光波段ρ
blue
与红光波段反射率ρ
red
均低于绿光波段反射率ρ
green
；S2.2：通过反射率规则和火灾前后的的遥感影像的光谱信息计算归一化植被指数NDVI与比值植被指数RVI，获得NDVI值和RVI值；S2.3：建立植被像元筛选机制，通过植被像元筛选机制结合NDVI值和RVI值将火灾前的植被像元和火灾后的植被像元分别标记为R1、R2。
[0019]在本实施例中，RVI是绿色植物的灵敏指示参数，与LAI、叶干生物量(DM)、叶绿素含量相本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于光谱特征的森林火灾勘察定损方法，其特征在于，包括以下步骤：S1：基于发生森林火灾区域前后的无云卫星遥感影像，获取目标位置火灾前后的光谱信息；S2：建立植被像元筛选机制，通过植被像元筛选机制结合遥感影像的光谱信息将火灾前的植被像元和火灾后的植被像元分别标记为R1、R2；S3：对火灾后遥感影像进行色彩空间转换，将RGB色彩空间转换为HSV色彩空间，基于色调H分量提取出像元R3；S4：计算R1、R2和R3乘积并标记为像元R4；S5：计算R1与R4的像元面积差值，得到火烧面积。2.根据权利要求1所述的基于光谱特征的森林火灾勘察定损方法，其特征在于，S2的具体步骤为：S2.1：参考健康植被光谱曲线特征，设置蓝、绿、红波段之间的反射率规则，其中绿光波段反射率ρ
green
低于21%，设置蓝光波段ρ
blue
与红光波段反射率ρ
red
均低于绿光波段反射率ρ
green
；S2.2：通过反射率规则和火灾前后的的遥感影像的光谱信息计算归一化植被指数NDVI与比值植被指数RVI，获得NDVI值和RVI值；S2.3：建立植被像元筛选机制，通过植被像元筛选机制结合NDVI值和RVI值将火灾前的植被像元和火灾后的植被像元分别标记为R1、R2。3.根据权利要求2所述的基于光谱特征的森林火灾勘察定损方法，其特征在于，S2....

【专利技术属性】
技术研发人员：王会，代维，
申请(专利权)人：四川汉盛源科技有限公司，
类型：发明
国别省市：