基于MODIS火点指数监测森林火灾

在利用MODIS红外辐射遥感数据分析异常热点光谱辐射特性的基础上,提出了一个新的火情监测模型归一化差异火点指数,并通过几起较大的森林火灾对该模型进行了分析和验证,给出了该监测模型的详细算法。EOS-MODIS探测器具有多光谱、高光谱及热点监测动态范围宽的特点,MODIS的新一代多光谱探测器NPOESS NPP VIIRS同样继承了MODIS的优势,为归一化差异火点指数算法模型提供了广阔的应用前景。

澳大利亚东南部森林山火HJ卫星遥感监测

以2009年2月发生在澳大利亚东南部的森林山火为研究对象,利用HJ-1B遥感影像识别森林山火,分析HJ-1B在林火灾害事故中的监测能力,通过对HJ-1B IRS B07设计参数及数据特点进行分析,提出适用于HJ-1B卫星林火监测的归一化火点指数(Ku)算法.研究表明:Ku值大于0.40为潜在可能的火点像元,云耀斑和地表虚假高温点是影响林火监测的主要噪声.由于HJ-1B没有获取到研究区域未着火前的影像数据,利用MODIS(Moderate-resolution Imaging Spectroradiometer)空间分辨率为250 m的通道1和通道2计算植被指数,其结果能较好的应用于HJ-1B林火监测算法中.通过对比分析HJ-1B林火监测结果和MODIS林火产品MOD14认为,HJ-1B能更好的监测出澳大利亚东南部森林火灾,反映出火灾的局部空间分布和细节特征.

基于概率统计的输电线路山火监测方法

传统基于中分辨率成像光谱仪(MODIS)数据的山火监测方法火点误报率较高、判别低温火点的能力较弱、无法识别工业火点。为此,提出了一种基于概率统计的输电线路山火监测算法。该算法利用概率统计的方式提取潜在火点,对传统算法进行了标准差系数和背景阈值的修正。利用改进算法从已有的潜在火点中识别火点,将火点中的噪声点滤除,通过归一化植被指数(NDVI)的大小判断该火点是否为山火点。结果表明,该算法可以降低火点的误报率,具有较强的工业火点识别能力以及一定的低温火点识别能力。该算法成功辨识出了2013–10–25在安徽境内特高压线路锦苏线附近的山火,及时进行了预警,避免了山火跳闸事故的发生。

短波红外遥感高温地物目标识别方法研究

对于地表高温目标而言,具有明显区别于常温地物的独特波谱特性,在短波红外波段(1.3μm～3.0μm)遥感影像上,高温目标像元的辐射能量值为反射与发射能量综合。通过研究高温地物反射和发射光谱特性,构建高温目标短波红外遥感识别定量参数,提出了基于ETM+数据短波红外波段的归一化火点指数(NDFI)方法。实验结果表明,NDFI可探测传统热红外方法难以识别的小面积高温目标,经野外验证识别精度可达94%。

基于Fisher两类判别的高温目标精确识别方法

基于高温目标和绝大多数常温地物波谱特性的显著差异,可利用短波红外波段（1.3-3.0μm）识别高温目标。Landsat8的OLI数据第7波段对高温目标短波红外发射能量有较高的敏感性,可对高温目标（林火、草原火、火山、金属冶炼厂、煤层自燃等）进行有效识别。为实现高温目标的精确识别,对归一化火点指数（NDFI）法进行改进以去除水体干扰,并采用Fisher两类判别法进行高温目标和彩钢屋顶地物的分类。研究表明,改进的NDFI法结合Fisher两类判别法可有效用于高温目标识别,其高温目标识别理论精度为96.9%,实际精度为95.4%。

基于概率统计的输电线路山火监测算法研究

因电力系统的不断扩大，输电线路需穿过林区，从而可能引发山火事故。传统的山火监测方法是分辨率成像光谱仪（MODIS），其对低温火点的识别能力较弱，导致火点识别率较低，误报率高。针对此，文中以概率统计为基础，提出了一种输电线火山监测算法。该算法修正了传统算法的标准差系数和背景闽值，利用概率统计提取潜在火点，并滤除潜在火点中的噪声，根据归一化植被指数（NDVI）值来识别山火点。最后通过实验验证该算法，结果表明所提出的方法能够提高报告火点的准确率，具有较强的工业火点识别能力，且对降低电网停电风险，保障电力系统安全稳定运行等方面均具有重要意义。