[發明專利]基于靜止衛星的地面熱異常識別算法

在審

• 申請號: 202011550067.4
• 申請日: 2020-12-24
• 公開（公告）號: CN112834040A
• 公開（公告）日: 2021-05-25
• 發明（設計）人: 趙飛
• 申請（專利權）人: 合肥冬行信息科技有限公司
• 主分類號: G01J5/00
• 分類號: G01J5/00;G01D21/02;G06K9/00;G06K9/52;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于靜止衛星的地面熱異常識別算法，其特征在于：包括以下步驟：

S1、獲取靜止衛星的中紅外通道的像元亮度DN值及觀測幾何角度數據集，首先將DN值轉換為光強I，

I＝α*DN+β

S2、進而將光強轉換為輻射亮溫：

其中α，β為定標常數，h為普朗克常數，c為光速，k為玻爾茲曼常數，λ為中心波長；

S3、利用靜止衛星觀測獲取周平均下的地表植被指數NDVI，地表植被含水量NDWI；

S4、利用靜止衛星觀測的高時間分辨率優勢以提高信噪比，多次(次數為N)重復觀測噪聲信號降低正比于

S5、獲取時間鄰域的N個連續觀測值，空間領域5*5格點區域的靜止衛星觀測的紅外亮溫、觀測角度、模擬的溫度、壓強、風速、風向、相對濕度、累積降水量、大氣水汽柱總量、臭氧柱總量以及地表覆蓋類型；

S6、模型采用深度時空卷積神經網絡模型，模型結構如下：

y^predict＝f(T_b1,T_b2,...,T_bN,soz,raa,O₃,RH,Temperature,

Wind,Water,Precipitation,NVDI,NDWI,Land_Use,DEM)

其中y^predict為模型模擬的火輻射強度，T_b1,T_b2,...,T_bN為衛星紅外通道亮溫，soz為太陽天頂角，raa為相對方位角，RH為地表相對濕度，Temperature為地表溫度，Wind為風速及風向，O₃為臭氧柱總量，Water為水汽柱總量，Precipitation為五日內的累積降水量，NDVI為歸一化的植被指數，NDWI為歸一化的水體指數，DEM為海拔高度，Land_use為地表類型；

X_{output_layer}＝X_{input_layer}+F(X_{input_layer},Θ)

其中X_{input_layer}為輸入層，X_{output_layer}為輸出層，F為傳遞函數，θ為訓練參數。

2.根據權利要求1所述的基于靜止衛星的地面熱異常識別算法，其特征在于：所述步驟S3中考慮衛星觀測輻射亮溫受到地表溫度，大氣水汽以及臭氧在紅外波段的吸收影響；通過WRF-Chem模擬得到溫度、壓強、風速、風向、相對濕度、累積降水量、水汽柱總量、臭氧含量等數據，將數據重新格點到相同坐標尺度下；以及考慮到衛星觀測與地形關系，使用地表高程數據；以及考慮到地表熱異常的不同類型：林火、草原火災、秸稈燃燒、工廠熱源、爆炸等等，采用高精度的地表類型數據，這些數據作為熱異常的潛在指示依據，為紅外通道輻射亮溫提供判定依據。

3.根據權利要求1所述的基于靜止衛星的地面熱異常識別算法，其特征在于：所述步驟S4中考慮到靜止衛星觀測信噪比問題，不采用簡單的取平均值的做法，考慮到觀測亮溫可能受到多種瞬時效應影響以及熱異常發生的瞬時性，采用深度時空卷積時空網絡模型來提取時空背景特征以及熱異常的突發性特征。

4.根據權利要求1所述的基于靜止衛星的地面熱異常識別算法，其特征在于：所述步驟S5中獲取空間鄰域下與時間標量下的：地表高程、地表類型、NDVI、NDWI數據；標簽數據采用MODIS、VIIRS等極軌衛星觀測到的地表熱異常火強度數據集。

5.根據權利要求1所述的基于靜止衛星的地面熱異常識別算法，其特征在于：所述步驟S6中更為具體的，對于每個子模塊有：

X_{output_layer}(t,t-1,...,t-k)＝ConvLSTM (X_{input_layer}(t,t-1,...,t-k))

對于不同輸出層采用不同的時間軸長度k,對于最終輸出層之前的輸出層,k＝N即輸入數據序列長度，對于最終輸出層k＝0。

損失函數：

其中為模型預測結果，為樣本標簽。