基于Landsat-8陆地卫星数据的火点检测方法

发布时间：2019-07-10 19:23

【摘要】：传统的火点检测算法通常利用高温地物在中红外波段或热红外波段的高发射率特性来提取火点,然而受制于影像空间分辨率的限制如MODIS、AVHRR等,使得很多小规模火情现象被漏检.研究发现短波红外数据也同样能被用于高温地物的识别和检测,并且相较于热红外波段数据对低温和高温地物的区分度更大,在精确识别和定位高温目标方面更加准确.文章利用空间分辨率为30米的Landsat-8 OLI传感器数据,根据高温火点在近红外及短波红外波段的波谱特性,利用改进的归一化燃烧指数(NBRS)结果自适应地确定阈值来提取疑似火点,然后再利用高温火点在短波红外的峰值关系进行误检点剔除,从而得到最终的火点产品.提出的算法能检测到所占像元面积10%左右的火点,并能够有效地排除云层及建筑物的干扰,在保证较低漏检率的同时还能达到90%左右的准确率,相比于传统算法的火点提取精度有很大的提高.
文内图片：

图片说明：亚静等人则利用短波红外反演地表温度来识别高温地物，验证了短波红外也具有高温目标识别的优势，能够避免云层的干扰，并且对于小火点的检测能取得更高的精度［16］，因此本文中用于火点检测的波段主要是使用了短波红外波段．主要利用了Landsat-8OLI传感器两个短波红外的影像数据，首先计算改进的归一化燃烧指数NBＲS值，然后通过燃烧区域在其灰度直方图中的分布规律自适应地确定阈值提取疑似火点，最后再根据火点在短波红外的发射率关系进行误检点剔除，从而得到最终的火点检测产品，其技术流程如图1所示．图1技术流程图Fig．1Flowchartoffiredetectionmethod1．1改进的归一化燃烧指数(NBＲS)LopezGarcia等人最早提出用Landsat影像的近红外波段(NearInfrared:NIＲ)和短波红外(Short-waveInfrared:SWIＲ)计算归一化燃烧指数(Normal-izedBurningＲatio:NBＲ)［17］．Holden等人将NBＲ指数进行改进得到了改进的归一化燃烧指数(Nor-malizedBurningＲatio-Thermal:NBＲT)［18］，其在NBＲ指数的基础之上加上Landsat数据的热红外波段数据作为权值进行计算，能比NBＲ指数在区分燃烧区域上取得更加优秀的结果［19］．但是由于Land-sat-8热红外波段(TIＲS)数据饱和温度为360K［20］，对于一些高温非火点的识别效果差于短波红外波段，并且热红外波段数据的分辨率也小于短波红外波段的分辨率，故本文提出了一种改进的归一化燃烧指数，即NBＲS来计算燃烧指数(见公式2)．其最大的改进就是将NBＲT(见公式1)中的热红外波段替换成短波红外波段来计算燃烧指数．nbrt=ρ5－kρ6ρ10ρ5+kρ6ρ10，(1)nbrt=ρ5－kρ6ρ7ρ5+kρ6ρ7．(2)其中，为近红外波段，为热
文内图片：

图片说明：率也小于短波红外波段的分辨率，故本文提出了一种改进的归一化燃烧指数，，即NBＲS来计算燃烧指数(见公式2)．其最大的改进就是将NBＲT(见公式1)中的热红外波段替换成短波红外波段来计算燃烧指数．nbrt=ρ5－kρ6ρ10ρ5+kρ6ρ10，(1)nbrt=ρ5－kρ6ρ7ρ5+kρ6ρ7．(2)其中，为近红外波段，为热红外波段，分别为两个短波红外数据，k为控制数值大小的参数．1．2自适应火点分割阈值在得到NBＲS燃烧指数图之后，要分离出火点检测结果还需要确定一个合适的阈值．如图2左图所示，其中横坐标的分别代表蓝、绿、红、近红外、SWIＲ2和SWIＲ1波段，观察可知燃烧区短波红外要远远大于近红外波段的数值，根据公式2可知，燃烧区域的NBＲS指数值趋向于;对于非燃烧区域(见图2右图)，如农田、草地、林地、水域及裸地等，其短波红外和近红外波段数值相差不大，从而计算出的NBＲS指数离相对较远;但对于部分建筑区域以及云层，NBＲS指数值与燃烧区域指数值比较接近，容易产生混淆，本方法后续会对这些误检点进行过滤剔除(见1．3．2)．图2燃烧区域(左图)和非燃烧区域(右图)典型地物的波谱曲线Fig．2Spectralcurveofburningarea(left)andnon-burn-ingarea(right)如图3中所示，左图为火点、建筑、土壤、植被、602
【作者单位】：中国科学院遥感与数字地球研究所;中国科学院大学;
【基金】：中国科学院135突破项目~~
【分类号】：TP79;TP212

【相似文献】