您的当前位置:首页正文

一种基于多时相Landsat-8 OLI影像短波红外的火灾检测方法[发明专利]

2024-06-23 来源:钮旅网
(19)中华人民共和国国家知识产权局

(12)发明专利申请

(10)申请公布号 CN 109583300 A(43)申请公布日 2019.04.05

(21)申请号 201811268290.2(22)申请日 2018.10.29

(71)申请人 同济大学

地址 200092 上海市杨浦区四平路1239号(72)发明人 柳思聪 郑永杰 童小华 金雁敏 

谢欢 胡清 马小龙 (74)专利代理机构 上海科盛知识产权代理有限

公司 31225

代理人 杨宏泰(51)Int.Cl.

G06K 9/00(2006.01)G06T 7/136(2017.01)

权利要求书1页 说明书7页 附图15页

(54)发明名称

一种基于多时相Landsat-8 OLI影像短波红外的火灾检测方法(57)摘要

本发明涉及一种基于多时相Landsat-8 OLI影像短波红外的火灾检测方法,包括以下步骤:1)获取卫星火灾区影像数据,并对火灾前后的时相影像进行预处理;2)预处理后的影像计算NBRSWIR指数图;3)对前后时相的指数图进行差值运算获取NBRSWIR差值图,并根据NBRSWIR差值图进行火灾区域判定。与现有技术相比,本发明具有准确快速、有效实用等优点。

CN 109583300 ACN 109583300 A

权 利 要 求 书

1/1页

1.一种基于多时相Landsat-8 OLI影像短波红外的火灾检测方法,其特征在于,包括以下步骤:

1)获取卫星火灾区影像数据,并对火灾前后的时相影像进行预处理;2)预处理后的影像计算NBRSWIR指数图;

3)对前后时相的指数图进行差值运算获取NBRSWIR差值图,并根据NBRSWIR差值图进行火灾区域判定。

2.根据权利要求1所述的一种基于多时相Landsat-8 OLI影像短波红外的火灾检测方法,其特征在于,所述的步骤1)中,依次通过辐射定标、Flash大气校正和影像裁剪进行预处理,消除由大气产生的辐射误差。

3.根据权利要求1所述的一种基于多时相Landsat-8 OLI影像短波红外的火灾检测方法,其特征在于,所述的步骤2)具体为:

对Landsat8OLI影像的两个短波红外波段采取波段运算得到火灾前后时相的NBRSWIR指数图,具体为:

其中,NBRSWIR为新型火灾指数,SWIR1、SWIR2分别为Landsat-8 OLI影像的第6和第7波段数据。

4.根据权利要求3所述的一种基于多时相Landsat-8 OLI影像短波红外的火灾检测方法,其特征在于,所述的步骤3)中,对前后时相NBRSWIR指数图作差得到反映火灾信息的NBRSWIR指数差值结果,则有:

dNBRSWIR=NBRSWIRpost-NBRSWIRpre其中,NBRSWIRpost为火灾发生后影像的NBRSWIR指数图,NBRSWIRpre为火灾发生前影像的NBRSWIR指数图,dNBRSWIR为前后时相影像的NBRSWIR指数差值图。

5.根据权利要求4所述的一种基于多时相Landsat-8 OLI影像短波红外的火灾检测方法,其特征在于,所述的步骤3)具体为:

采用最大类间方差法对NBRSWIR指数差值图进行自适应阈值分割得到关于火灾区与非火灾区的二值检测结果图,其中,在二值检测结果图中,数值1为白色,代表火灾区,数值0为黑色,代表非火灾区,最终得到火灾区域。

2

CN 109583300 A

说 明 书

1/7页

一种基于多时相Landsat-8 OLI影像短波红外的火灾检测

方法

技术领域

[0001]本发明涉及火灾检测领域,尤其是涉及一种基于多时相Landsat-8 OLI影像短波红外的火灾检测方法。

背景技术

[0002]近几十年来,国内外学者基于遥感影像对林火信息提取展开了广泛研究。最初多使用NOAA/AVHRR和EOS/MODIS等低分辨率卫星影像数据监测林火。虽然它们具有很高的时间分辨率,但只能从大范围较粗空间分辨率下监测区域受灾情况,林火信息的提取也仅限于利用红外进行地表温度反演检测火点以及制作火情监测图,对于火烧迹地的提取误差较大。中等分辨率陆地卫星Landsat计划的开启,在很大程度上提高了火灾提取精度。其中,最新系列Landsat-8 OLI影像空间分辨率30m,波段6(1.57–1.65μm,新增短波红外波段)和波段7(2.11–2.29μm)均可用于监测火灾。传统基于遥感影像的火灾提取方法也比较成熟。包括光谱指数、地表温度反演、主成分分析、图像分类、神经网络和光谱混合分析等。光谱特征是用来识别卫星遥感影像上各种地物特征的重要表征,不同地物的光谱曲线具有唯一性和可区分性,常被用于提取地表专题信息。因此基于多时相火灾影像的光谱指数差值法由于其形式简单、计算迅速、准确度高,成为了提取火烧迹地的常用方式。森林植被的减少会导致反射率在短波红外光谱区间增加而在近红外光谱区间迅速减少,大多数指数的设计是基于近红外波段和短波红外波段来实现林地和林火的区分。然而,仅通过火灾后植被减少(林地)和燃烧残留物沉积(林火)两个变化特征极易忽略地表其它地物的变化,比如说水体、裸地、烟雾和城镇等,从而导致虚检现象的产生。发明内容

[0003]本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于多时相Landsat-8 OLI影像短波红外的火灾检测方法。

[0004]本发明的目的可以通过以下技术方案来实现:[0005]一种基于多时相Landsat-8 OLI影像短波红外的火灾检测方法,包括以下步骤:[0006]1)获取卫星火灾区影像数据,并对火灾前后的时相影像进行预处理;[0007]2)预处理后的影像计算NBRSWIR指数图;

[0008]3)对前后时相的指数图进行差值运算获取NBRSWIR差值图,并根据NBRSWIR差值图进行火灾区域判定。

[0009]所述的步骤1)中,依次通过辐射定标、Flash大气校正和影像裁剪进行预处理,消除由大气产生的辐射误差。[0010]所述的步骤2)具体为:[0011]对Landsat8 OLI影像的两个短波红外波段采取波段运算得到火灾前后时相的NBRSWIR指数图,具体为:

3

CN 109583300 A

说 明 书

2/7页

[0012]

其中,NBRSWIR为新型火灾指数,SWIR1、SWIR2分别为Landsat-8 OLI影像的第6和

第7波段数据。

[0014]所述的步骤3)中,对前后时相NBRSWIR指数图作差得到反映火灾信息的NBRSWIR指数差值结果,则有:

[0015]dNBRSWIR=NBRSWIRpost-NBRSWIRpre[0016]其中,NBRSWIRpost为火灾发生后影像的NBRSWIR指数图,NBRSWIRpre为火灾发生前影像的NBRSWIR指数图,dNBRSWIR为前后时相影像的NBRSWIR指数差值图。[0017]所述的步骤3)具体为:

[0018]采用最大类间方差法对NBRSWIR指数差值图进行自适应阈值分割得到关于火灾区与非火灾区的二值检测结果图,其中,在二值检测结果图中,数值1为白色,代表火灾区,数值0为黑色,代表非火灾区,最终得到火灾区域。附图说明

[0019]图1为三个研究区不同指数火灾区与非火灾区的分离度计算结果。[0020]图2为SF研究区光谱指数差值结果对比图,其中,图(2a)为原始影像,图(2b)为MIRBI差值图,图(2c)为NBR差值图,图(2d)为NBRT差值图,图(2e)为NSTV2差值图,图(2f)为NBRSWIR差值图。

[0021]图3为SFF研究区光谱指数差值结果对比图,其中,图(3a)为原始影像,图(3b)为MIRBI差值图,图(3c)为NBR差值图,图(3d)为NBRT差值图,图(3e)为NSTV2差值图,图(3f)为NBRSWIR差值图。

[0022]图4为GNPF研究区光谱指数差值对比图,其中,图(4a)为原始影像,图(4b)为MIRBI差值图,图(4c)为NBR差值图,图(4d)为NBRT差值图,图(4e)为NSTV2差值图,图(4f)为NBRSWIR差值图。

[0023]图5为SF研究区NBRSWIR、NBR以及NBRT三种指数的火灾检测结果对比图,其中,图(5a)为NBR指数二值图,图(5b)为NBRT指数二值图,图(5c)为NBRSWIR指数二值图,图(5d)为变化参考图。

[0024]图6为SFF研究区火灾OTSU方法提取结果图,其中,图(6a)为NBR指数二值图,图(6b)为NSTV2指数二值图,图(6c)为NBRSWIR指数二值图,图(6d)为变化参考图。[0025]图7为GNPF研究区火灾OTSU方法提取结果图,其中,图(7a)为NBR指数二值图,图(7b)为NSTV2指数二值图,图(7c)为NBRSWIR指数二值图,图(7d)为变化参考图。[0026]图8为本发明的方法流程图。

具体实施方式

[0027]下面结合附图和具体实施例对本发明进行详细说明。[0028]如图8所示,本发明提供一种基于多时相Landsat-8 OLI影像短波红外的火灾检测方法,本方法主要由以下三个步骤组成:

4

[0013]

CN 109583300 A[0029]

说 明 书

3/7页

(1)影像预处理

[0030]针对发明方法需求,对三个研究区影像数据的预处理依次采取了辐射定标、Flash大气校正和影像裁剪。消除了由大气产生的辐射误差进而反演地物真实反射率。[0031](2)NBRSWIR指数图[0032]利用公式1对Landsat8 OLI的两个短波红外波段采取波段运算得到火灾前后时相的NBRSWIR指数图。

[0033]

其中,SWIR1、SWIR2分别代表Landsat-8 OLI影像的第6、7波段,NBRSWIR为本发明

所提的新型火灾指数。[0035](3)NBRSWIR指数差值图[0036]利用公式2对前后时相NBRSWIR指数图作差得到反映火灾信息的NBRSWIR指数差值结果。

[0037]dNBRSWIR=NBRSWIRpost-NBRSWIRpre  (2)[0038]其中,NBRSWIRpost为火灾发生后影像的NBRSWIR指数图,NBRSWIRpre为火灾发生前影像的NBRSWIR指数图,dNBRSWIR代表前后时相影像的NBRSWIR指数差值图。[0039](4)NBRSWIR二值结果图

[0040]根据指数差值图利用最大类间方差法(OTSU)进行自适应阈值分割得到火灾区和非火灾区的二值检测结果图。

[0041]为综合对比不同遥感指数提取林火迹地的性能并验证本发明所提新型火灾指数NBRSWIR的有效性和优势,同时选取现有文献中8个效果较好且广泛使用的遥感指数一同进行定性与定量试验分析。包括植被指数中的NDVI、GEMI;火灾指数中的NBR、BAI、NDSWIR、MIRBI;改进指数中的NBRT、NSTV2。[0042]实施例:

[0043]实验数据采用中等分辨率Landsat-8卫星遥感1级(L1)产品数据,地图投影为UTM-WGS84南极洲极地投影,均来源于美国地质调查局(USGS)官网。共包括三个研究区的火灾前后时相影像数据:(1)研究区一位于美国阿拉斯加州,被称为安克雷奇火灾(Sockeye Fire,简称SF);(2)研究区二是澳大利亚阿德莱德市发生的桑普森平火灾(Sampson Flat Fire,简称SFF);(3)研究区三是澳大利亚东南部维多利亚州的格兰屏国家公园火灾(Grampians National Park Fire,简称GNPF)。详细信息如表1所示。[0044]表1三个火灾研究区所用Landsat-8数据介绍

[0045]

[0034]

5

CN 109583300 A

说 明 书

4/7页

[0046]

实验结果:

[0048]1、不同指数的火灾和非火灾区域分离能力分析

[0049]基于一定数量的随机样本(见表2)分别计算三个研究区9种指数火灾区和非火灾区两类地物的分离度。结果如图1所示。由图可知,所研究的9种指数分离度不一,但绝大多数都大于1,具有良好的可分离性。其中,本发明提出的新型火灾指数NBRSWIR计算得到的分离度最高(在三个数据集上分别为2.49,1.74和2.06),其次是标准火灾提取指数NBR以及在NBR基础上加入亮温改进的指数NSTV2。[0050]表2研究区样本选取介绍

[0047][0051]

2、NBRSWIR与部分指数差值图对比分析

[0053]利用不同指数差值结果图定性分析火灾与非火灾变化背景的分离程度。根据二值检测定量精度评价结果,将本发明提出的NBRSWIR与精度最高的几种光谱指数进行定性对比,包括MIRBI、NBR、NBRT和NSTV2。

[0054]图2是SF研究区五种指数差值图对比图。研究区分布有很多小型湖泊,在原始彩色合成影像上表现为黑色不规则封闭区域。从定性对比分析可以看出,相比其他指数,本发明提出的NBRSWIR指数整体对比度更加明显,火灾区域轮廓更为突出且非火灾背景抑制更好(见框选区域2及其放大图,该区域受浓烟影响较大,导致背景对比度差),特别对于潜在虚检来源如河流(见框选区域1)抑制效果更佳。而其他指数如MIRBI和NSTV2等背景区域呈现较高灰度特征,容易造成火灾区域的混分。

[0055]SFF研究区前后时相影像间隔约为1年,所以更多由于时相差异导致的地类变化,可以有效测试指数在复杂背景下的火灾区域提取性能。从图3可知,框选区域1为靠海的盐场,2是希望谷水库及其局部放大图。从指数图对比可知,在盐场以及希望谷水库边界处,

[0052]

6

CN 109583300 A

说 明 书

5/7页

NBR、NBRT和NSTV2几种指数差值结果均存在较多错检误差。NBRSWIR虽然也存在少量非火灾区变化的干扰,但在突出火灾区和抑制整体非火灾区背景的变化如盐场和水库变化等上,相对其它指数差值法具有明显优势。

[0056]图4是GNPF研究区五种指数差值结果对比图。该研究区火灾主要是雷电造成,加上强风导致小火灾区域较多且分布零散。如框选区域1对应的就是其中一处小火灾区域,框选区域2是朗斯代尔湖及其局部放大图。框选区域3是洛矶水库。无论是朗斯代尔湖还是洛矶水库,在NBR、NBRT、NSTV2三种指数差值图上都呈现较高灰度,极易被错分为火灾区。而提出的NBRSWIR指数差值图,除了水体边界处出现少量高亮度值,整体灰度均衡且较低,对于水体进行了有效抑制。主火灾区位于差值图中亮度最高、面积最大的白色区域。它所产生的烟雾沿着右下方移动,在各指数差值图上均有表现,但NBRSWIR指数抑制效果更好。整体定性分析来看,无论是抑制水体还是烟雾,提出的NBRSWIR差值法整体结果较好于其它四种。[0057]3、NBRSWIR与部分指数二值结果图对比分析

[0058]基于9种指数火灾检测结果图与三个研究区的验证数据(变化参考图)进行精度评价。具体步骤为:根据指数差值图利用最大类间方差法(OTSU)进行自适应阈值分割得到火灾区和非火灾区的二值检测结果图(简称二值图),再计算二值图与变化参考图的混淆矩阵。具体评价指标选取总体精度(Overall Accuracy,简称OA),Kappa系数(Kappa Coefficient,简称K),错分误差(Commission Error,简称CE),漏分误差(Omission Error,简称OE),总误差(Total Error,简称TE)五类。评价结果见表3,然后选取每处研究区评价精度最高的前三种指数二值检测结果与变化参考图进行对比分析。[0059]表3 OTSU方法精度评价表

[0060]

7

CN 109583300 A

说 明 书

6/7页

[0061]

图5是SF研究区NBRSWIR、NBR以及NBRT三种指数的火灾检测结果对比图。其中,1和

2分别代表河流支流和火灾局部区域(对应图2)的放大图。由表3可知,总体精度最高的是NBRSWIR指数。特别在局部区域1中的河流支流抑制效果较NBR和NBRT更好。受烟雾的影响,NBR、NBRT与NBRSWIR三种指数的差异在局部区域2处的火灾区较为明显,NBR和NBRT指数均存在大量的漏分。表3的漏分指标是对二值结果最好的证明。三种指数按照排名漏分误差依次为319、785和2118像素。

[0063]SFF研究区指数差值法的最终检测结果整体对比非常明显(见图6),在精度最高的三种指数火灾区提取结果中均存在一些背景变化的误检。提出的NBRSWIR差值法提取结果中对于火灾主题区域错分相对较少,仅存在类似噪声点的离散错分误差,其五种评价指标均远高于第二的NBR和第三的NSTV2。尤其是仅存在21像素的漏检,相对于NBR降低了6697个像素。因此,从整体来看,SFF研究区利用OTSU阈值分割后得到的结果与直接对不同光谱指数差值图定性分析的结论相符。[0064]在GNPF研究区中,OTSU方法获得精度最高的指数是NSTV2、NBRSWIR和NBR。其中图7中局部检测结果1、2、3分别对应图4中的小火灾区域、朗斯代尔湖和洛矶水库的放大图。通过对比发现,精度最高的NSTV2以及通过亮温改进的NBRT指数局部检测效果并不好,出现大量漏分现象(见图7-a和7-b区域1)。对比2、3两处水体局部检测结果,NBRT和NSTV2存在大量的错分像素。而NBRSWIR检测结果最好。但在整体背景区域,NBRSWIR还是存在一定的错分误差,总精度略低于NSTV2但基本相当。[0065]综上,在三个典型且复杂数据集上,经过一系列定性和定量的试验分析,结果证明

[0062]

8

CN 109583300 A

说 明 书

7/7页

所提出的新型NBRSWIR指数与其余8种指数相比,具有更高的火灾检测性能特别在突出火灾区域,抑制水体以及其它复杂背景变化上具有较明显的优势。

9

CN 109583300 A

说 明 书 附 图

1/15页

图1

10

CN 109583300 A

说 明 书 附 图

2/15页

11

CN 109583300 A

说 明 书 附 图

3/15页

12

CN 109583300 A

说 明 书 附 图

4/15页

图2

13

CN 109583300 A

说 明 书 附 图

5/15页

14

CN 109583300 A

说 明 书 附 图

6/15页

图3

15

CN 109583300 A

说 明 书 附 图

7/15页

16

CN 109583300 A

说 明 书 附 图

8/15页

17

CN 109583300 A

说 明 书 附 图

9/15页

图4

18

CN 109583300 A

说 明 书 附 图

10/15页

19

CN 109583300 A

说 明 书 附 图

11/15页

图5

20

CN 109583300 A

说 明 书 附 图

12/15页

21

CN 109583300 A

说 明 书 附 图

13/15页

图6

22

CN 109583300 A

说 明 书 附 图

14/15页

23

CN 109583300 A

说 明 书 附 图

图7

图8

24

15/15页

因篇幅问题不能全部显示,请点此查看更多更全内容