吉林一号光谱卫星在火点识别中的应用

吉林一号光谱卫星携带能够探测高温火点的中波红外相机,对提高我国环境监测和防灾减灾能力具有重要意义。本文针对吉林一号光谱卫星红外传感器的性能特点,构建了适用于吉林一号光谱卫星的火点识别算法,并且将该算法移植到吉林一号光谱卫星星载单机,可实现卫星在轨火点识别。以我国山西沁源、澳大利亚地区为研究对象,采用吉林一号光谱卫星火点识别算法生成火点监测产品,准确提取了火点的位置以及面积;在云南湄公河区域开展在轨火点识别试验,试验监测火点结果与实际位置一致,证明了在轨火点识别技术的可靠性。并且吉林一号光谱卫星分辨率相对于可用于监测火点的卫星如“土”/“水”卫星(Terra/Aqua)、向日葵八号卫星(Himawari-8)、环境一号B卫星、高分四号卫星等分辨率都要高,在小火点的探测上更具优势。

联合微光辅助红外遥感数据的夜间微小火点识别算法

基于美国国家极地操作环境(NPP)卫星可见光红外成像辐射仪(VIIRS)的红外和微光遥感数据开展夜间火点检测识别研究,并提出一种联合微光辅助红外遥感数据的夜间微小火点识别(FRJLI)算法。首先,采用VIIRS多天数据融合获得研究区的城市灯光背景图,为火点检测消除城市灯光影响;然后,在传统红外通道火点识别算法的基础上,联合微光通道的火点阈值调试,通过多通道阈值判别、绝对火点识别和上下文判别得到最终的识别结果。以韩国2022年3月4—13日森林火灾和蒙古国2022年4月18—19日草原火灾案例进行实验,根据夜间假彩图和植被指数验证了FRJLI算法识别火点的正确性,分析每天识别火点的亮温和辐射值关系,得出红外与微光数据的相关性及敏感性差异,FRJLI算法较NASA官方火点产品或其他火点算法结果具有更高的识别质量,特别是提高了微小火点的识别率,为更高效准确地识别火点提供了技术支持。针对森林和草原火点的识别效果表明,该算法适用性更广。

室内火灾高浓度烟雾环境火点增强识别仿真

火灾火点在形态上均具有不确定性,尤其在高浓度烟雾火灾环境中火点还具有随机透明度,易与图像的背景部分混合,导致火点位置识别难度较高。为此,提出室内火灾高浓度烟雾环境火点增强识别方法。对高浓度烟雾图像去噪、锐化以及分割处理,完成目标区域轮廓的提取。基于此,提取目标轮廓并对其增强,获取目标区域中火点的特征向量,结合孪生支持向量机对火点特征展开分类,实现室内火灾高浓度烟雾环境的火点的精准识别。实验结果表明,上述方法的火点识别精度高于98%,耗时低于210ms,且能够有效提取火点目标特征,证明了研究方法的应用效果更好,可靠性更高。

基于视觉识别的多点分散式火灾监控方法研究

为解决传统火灾监控方法火点识别精度不高、实时性差、布线复杂等问题,提出了基于视觉识别和无线通信的火灾监控新方法。在火点识别算法中,采用火焰静态特性和动态特性相结合的方法将摄像头采集的现场图像进行火点真伪识别。在火点信息传输中,采用无线通信技术实现上位机和PLC控制器的通信。实验证明,选取合适的火点脉动识别阈值k_f,系统可极大减少非火点光源的干扰,提高了火灾的识别精度,增强了识别的实时性,同时,采用无线通信解决了系统布线复杂、可靠性不高的问题,为多点分布式环境下的火灾监控提供了一种新的解决方案。

基于FY-3D MERSI数据的火点识别方法研究

火灾是一种全球性的自然灾害,及时准确地识别火点信息对防灾减灾及开展气候变化研究具有重要意义。基于我国新一代极轨卫星FY-3D MERSI影像数据,提出了改进的潜在火点识别算法,结合动态阈值法和上下文检测方法进行火点识别实验,并采用FY-3C VIRR数据、MOD14A1火点产品和Landsat8 OLI数据对火点识别结果进行验证分析。实验结果表明:改进后的算法能够快速有效地提取出火点信息,且对小型火点有较好的提取效果,为实现有效的灾情监测提供了方法手段。

基于MODIS地表覆盖(LC)的森林火灾识别方法

通过分析MODIS多光谱地表覆盖产品,证明MODIS本身具有精确识别包括5种森林在内的IGBP 17种地表类型的能力,完全可以满足识别森林火灾的实际需要。在此基础上提出基于MODIS地表覆盖的森林火点识别方法,探讨使用MODIS地表覆盖数据识别森林火灾的数据处理操作过程。应用该森林火点识别方法,MODIS实时广播接收站可以建立一套由MODIS火点侦测模块和MODIS森林火点识别模块构成的完全基于自身数据的森林火灾监测系统。5种森林地表整体平均识别误差为3.5%,可以满足卫星遥感森林火灾监测系统要求。

林火目标遥感多光谱识别指数构建方法研究

针对现有高温目标识别方法中波段筛选、识别指数构建缺少数学定量评判指标的问题,以内蒙古大兴安岭地区一次森林火灾为例,选用Landsat 8 OLI遥感影像数据进行林火目标多光谱识别指数构建方法的研究。研究发现,基于方差分析原理的"可分性度量"指标可作为高温目标识别方法研究中波段筛选、识别指数构建的数学定量评判指标,改进以往识别方法的定性分析方式。在区分林火目标与其他地物过程中,上述数学定量评判指标均具有遥感目标识别与分类的物理意义;其分类适宜性对林火目标的识别与提取具有重要作用。经过验证分析,利用"可分性度量"评判指标筛选出的适宜火点识别指数,在实际分类中效果良好、精确度较高,与理论结果相吻合。

基于Himawari-8卫星的自适应阈值火点判识算法适用性分析

为对比分析Himawari-8(葵花8号)静止气象卫星在不同地区反演火点效果,选取2017—2019年山东区域火点统计资料和卫星多通道监测数据,分析自适应阈值判识算法在山东的火点识别效果,针对算法中背景亮温(T3.9bg),背景窗亮温差(ΔT3.9_11bg),以及背景系数n1和n2进行林、草下垫面参数敏感性试验,并通过选取阈值干预算法检验了识别效果。结果表明,自适应阈值算法可多时次连续观测山东区域的火情监测信息,火点数具有明显季节变化特征,遥感识别准确率达71.5%;不同下垫面类型在四个参数试验中识别准确率变化趋势近似一致,但对阈值变化较为敏感;阈值干预算法对林地和草地的火点识别准确率样本均值为72.7%和81.6%,比原始算法分别提升了5.8%和3.8%;阈值干预识别算法能有效过滤误判像元,但两种算法均有漏判区域,根据本地化的下垫面属性优化阈值设定能够有效提升火点识别准确性。

2019—2020年澳大利亚森林火灾遥感监测研究

从2019年9月至2020年2月,澳大利亚的森林火灾持续数月,这是该国有记录以来最大的森林火灾。借助遥感卫星技术对已发生的森林火灾进行及时、有效地监测,有助于森林生态系统保护。本文以澳大利亚为研究区,基于MODIS数据,利用CART火点识别算法对研究区森林火灾进行识别,研究澳大利亚森林火灾时空分布规律。研究结果表明,2019年11月发生火灾次数最多,发生火灾火点个数达到了1410次,约占澳大利亚新南威尔士州火点总数的35.29%。

基于卫星遥感技术的输电线路山火风险评估系统

研发了输电线路走廊山火风险实时监测与分析系统,提出结合国内外卫星遥感影像数据分析的山火风险评估模型。将该系统成功的应用于湖北电网输电线路山火风险评估,实现了湖北电网范围内的输电线路不同区域的风险分级,应用结果表明,本系统通过互联网技术和卫星遥感,专家系统,大数据挖掘等多重手段,有效的获取了山火风险高发区段,指导了冬春季节的山火预防工作。

遥感技术在火情监测中的应用

随着遥感技术的快速发展,卫星监测森林火灾逐渐向远距离、智能化、信息化方向发展。本文主要介绍了遥感技术在林火预报预警、林火识别、林火行为特征监测及森林火灾灾后评估四个方面的应用,指出了当前卫星监测林火中存在的问题,并对今后火情监测方向进行了展望。

无人机图像采集技术在森林防火中的应用研究

近年来森林火灾时有发生,给人们的生命和财产安全带来了很大威胁。笔者针对无人机获取森林图像及处理分析的技术研究,介绍了无人机的特点,分析了无人机图像采集处理技术在森林火灾防控中的技术要点,旨在对森林火灾进行更好地预防和控制。

基于Google Earth的县域秸秆焚烧火点监测初探

通过对县域秸秆焚烧火点特征进行分析,利用Google Earth影像对同一区域不同时间的遥感图像的颜色、形状、色调、纹理、图案等特性进行对比,研究县域秸秆焚烧火点的遥感图像解译特征,使用图像解译特征在Google Earth遥感影像中进行火点监测。

一种耦合元胞自动机的改进林火蔓延仿真算法

针对传统林火蔓延仿真模型在模拟大范围森林火灾时误差大和效率低的问题,对文献[10]的林火模型添加时间修正来提升林火蔓延模拟的准确性,提出耦合地理元胞自动机模拟林火蔓延过程的仿真算法。分析了元胞自动机时间步长对模拟精度的影响,优化时间步长选择,提高了模拟大规模森林火灾的精度及效率。以模拟2006年5月大兴安岭林区森林大火蔓延过程为例验证本算法,发现地理元胞自动机算法中时间步长取整个元胞完全燃烧所需时间的1/8效果最好,林火蔓延模拟结果与实际TM影像解译的火情时空一致性较高,Kappa系数平均为0.6352,准确率平均为87.89%。算法可用于实际林火蔓延过程的重现及趋势预测,且算法可逆。

多源遥感影像在森林火灾监测中的应用

随着森林火灾造成的危害越来越大,防控的科学性和有效性已引起世界各国的关注,遥感技术在监测和预警方面的突破已成为林火防控的发展方向。针对当前林火监测的遥感影像众多、火点识别方法多样等问题,文中分析和总结了各种遥感数据的优势与不足,以及监测和预警技术的发展趋势,特别是对多源信息融合及人工智能的自动化火灾监测预警进行了展望,以期对遥感林火监测理论研究、应用研发和生产实践应用提供参考。

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。