[發(fā)明專利]一種森林火災(zāi)遙感動態(tài)監(jiān)測方法

在審

• 申請?zhí)枺?/td>: 202110774557.0
• 申請日: 2021-07-08
• 公開（公告）號: CN113469979A
• 公開（公告）日: 2021-10-01
• 發(fā)明（設(shè)計）人: 欒海軍;黃武彪
• 申請（專利權(quán)）人: 廈門理工學(xué)院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/50;G06T7/62;G06T7/90
• 代理公司: 廈門智慧呈睿知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 35222
• 代理人: 郭福利

本發(fā)明提供了一種森林火災(zāi)遙感動態(tài)監(jiān)測方法，包括如下步驟：(1)確定研究區(qū)域，獲取研究區(qū)域的影像數(shù)據(jù)對并進行預(yù)處理；(2)使用STARFM算法分別對所獲取的影像進行融合，進而生成待預(yù)測時刻的中等空間分辨率影像；(3)基于預(yù)測影像計算火災(zāi)指標(biāo)因子，進行火災(zāi)演化趨勢分析。本發(fā)明設(shè)計的改進策略可彌補經(jīng)典STARFM時空融合技術(shù)使用單一中等空間分辨率影像(如Landsat影像)與MOD I S(MOD I S：Moderate Reso l ut i onImagi ng Spectrorad i ometer，中分辨率成像光譜儀)影像時空融合的不足，在森林火災(zāi)遙感動態(tài)監(jiān)測場景中具有可行性。

技術(shù)領(lǐng)域

本發(fā)明涉及一種遙感動態(tài)監(jiān)測方法，尤其涉及一種森林火災(zāi)遙感動態(tài)監(jiān)測方法。

背景技術(shù)

森林火災(zāi)是突發(fā)性強、破壞性大、救援困難的一種自然災(zāi)害，全球每年平均發(fā)生森林火災(zāi)數(shù)十萬次，森林受災(zāi)面積達數(shù)百公頃，對部分區(qū)域的生態(tài)環(huán)境和經(jīng)濟發(fā)展造成了極大威脅。對于森林火災(zāi)，需要及時發(fā)現(xiàn)著火點的位置及其變化、過火面積，并準(zhǔn)確評估出火災(zāi)損失及影響，此時需要具有高重訪周期和高空間分辨率的遙感影像來進行分析判讀。但在現(xiàn)有傳感器硬件條件限制下，衛(wèi)星遙感數(shù)據(jù)無法同時滿足高空間分辨率和高時間分辨率的要求。針對遙感傳感器時間分辨率和空間分辨率的矛盾以及其他客觀因素的限制，很多學(xué)者提出時空融合的技術(shù)方法，從而能夠更加準(zhǔn)確、快速的獲得受災(zāi)區(qū)域高空間和高時間分辨率的遙感影像，為森林火災(zāi)的監(jiān)測和損失評估提供更加有力的數(shù)據(jù)支撐。

到目前為止，國內(nèi)外的學(xué)者做了大量關(guān)于時空融合算法的研究工作，并取得了一系列的成果。Gao等人提出時空自適應(yīng)反射率融合模型(Spatial and Temporal AdaptiveReflectance Fusion Model，STARFM)，用于融合Landsat影像和MODIS影像得到高時空分辨率的數(shù)據(jù)，取得了較好的效果。顧曉鶴等人提出了基于時間序列的遙感數(shù)據(jù)來構(gòu)建了時空融合模型。鄔明權(quán)等人提出了基于混合像元分解的方法(Spatial and Temporal DataFusion Model，STDFM)來融合MODIS和Landsat影像數(shù)據(jù)。Zhang等人對STDFM方法進行了改進，提出增強型基于混合像元分解的方法(Enhanced spatial and temporal data fusionmodel，ESTDFM)。Huang等人提出的基于稀疏表示的時空反射率融合模型(SParse-representation-based SpatioTem-poral reflectance Fusion Model，SPSTFM)，在原來的時空融合算法中引入稀疏表達的理論。謝登峰等人利用一種新的時空融合方法(Spatialand Temporal Data Fusion Algorithm，STDFA模型)融合MODIS和Landsat OLI數(shù)據(jù)。Hilker等人提出了一種針對反射率變化的時空自適應(yīng)融合模型算法(Spatial TemporalAdaptive Algorithm for mapping Reflectance Change，STAARCH)，從低分辨率影像的密集時間序列中檢測出變化點，以提高土地覆蓋類型變化時的STARFM性能。Zhu等人基于STARFM提出了一種增強型時空自適應(yīng)反射率融合模型(Enhanced Spatial and TemporalAdaptive Reflectance Fusion Model，ESTARFM)，引入了一個轉(zhuǎn)換系數(shù)，可以更好地預(yù)測異質(zhì)性地表的反射率的變化。Weng等人通過考慮年溫度循環(huán)和熱輻射率數(shù)據(jù)，基于STARFM提出了一種時空自適應(yīng)溫度映射數(shù)據(jù)融合算法(Spatio-temporal Adaptive Data FusionAlgorithm for Temperature mapping，SADFAT)。Cheng人等提出了一種時空非局部濾波融合模型(Spatial and Temporal Nonlocal Filter-Based Data Fusion Method，STNLFFM)，對于異質(zhì)性地表區(qū)域具有更高的預(yù)測精度。Zhao等人提出了一種針對復(fù)雜地表變化的魯棒性自適應(yīng)時空數(shù)據(jù)融合模型(Robust Adaptive Spatial and TemporalFusion Model，RASTFM)，在捕捉地表變化現(xiàn)象時具有更高的準(zhǔn)確度和魯棒性。