基於modis數據自動探測草原火災跡地的方法
2023-09-18 01:38:20 1
專利名稱：基於modis數據自動探測草原火災跡地的方法
技術領域：
本發明涉及利用MODIS(Moderate Resolution Imaging Spectrometer中解析度成像光譜儀)數據進行草原火災跡地探測的方法，特別涉及利用MODIS數據進行草原火災跡地自動探測的方法。
背景技術：
自然火災(Wild fire)是生態系統演替過程的自然現象，但也對區域生態系統和全球氣候系統造成了嚴重影響。表現為(1)植物燃燒向大氣中排放大量的溫室氣體(CO2、CO、CH4、NOX等)和氣溶膠，不僅改變大氣化學成分、而且可能直接影響輻射平衡和全球氣候系統；(2)破壞區域生態系統的生產功能，導致動物棲息地和生物多樣性的減少；(3)改變了植被演替方式和生物營養循環。鑑於火災跡地在生態系統管理以及全球變化研究中的重要作用，有必要在全球或區域尺度上對火情和火災跡地面積進行監測，以便及時控制火災災情和準確估計火災對生態環境的影響。
目前基於遙感的火災監測方法可以分為火點(Hotspot)探測和火災後跡地(Burn scar)識別兩類。火點探測通常基於火的熱學性質，使用中紅外波段(3.55～3.93μm)對火點進行實時監測。常用的方法可概括為多波段固定閾值法和背景(Contexture)閾值法兩大類。多波段固定閾值法對於在小區域上去除高反射率物質如雲、溫度較高的地物(如裸土)及日映(Sunglint)等的幹擾減少火點誤判十分有效，但在大區域採用固定閾值可能誤判或遺漏火點。鑑於多波段固定閾值法在大區域應用上的缺陷，IGBP-DIS開發了背景閾值法以適用於全球尺度的火點監測。該類方法的閾值通過比較鄰近像元的溫度差異來確定，具有動態自適應的優勢。MODIS火災產品中對火點的監測結合了多波段固定閾值和背景閾值方法的優點。另一方面，火災後跡地識別主要是通過判斷植被在火災前後的光譜變化來估算燃燒面積。目前應用較廣泛的方法有火災前後NDVI差值法、NDVI回歸分析方法、HANDS方法等，這些方法都使用NOAA-AVHRR NDVI最大值合成數據，結合火點監測結果和植被覆蓋圖，在去除了植被時相上的NDVI差異之後，利用局部自動閾值的方法來判斷火災跡地像元。儘管採用時間序列合成數據能在一定程度上去除雲、雲的陰影、觀測角度等帶來的影響，但由於植被在火災後的迅速恢復、風吹散燃燒殘餘物等因素，使得合成的時段選擇受到植被覆蓋類型的影響。利用單日數據提取火災跡地則具有實時性、不受合成方法影響的優點，而且可以進行燃燒區域動態分析。Li et al.利用MODIS單日數據1.24μm和2.13μm兩個波段，根據經驗閾值的方法對火災跡地進行了識別研究，參照非專利文獻1。但總體而言，目前利用單日遙感數據提取火災跡地的研究還不夠成熟，主要是因為不同植被覆蓋類型的火災跡地光譜性質還不夠清楚。此外，目前大多數有關火災的遙感監測研究都在森林區域開展，而對於草原火災的研究還相對滯後。
非專利文獻1Li R R，Kaufman Y J，Hao W M，Salmon J M，Gao B C.Atechnique for detecting burn scar using MODIS data[J]，IEEE Transaction onGeoscience and Remote Sensing，2004，42(6)1300-1308.
非專利文獻2Pinty B，Verstraete M M.GEMIA non-linear index tomonitor global vegetation from satellites[J]，Vegetation，1992，10115-20.
非專利文獻3Stroppiana D，Pinnock S，Pereira J M C，Gregoire J M.Radiometric analysis of SPOT-VAGETATION images for burnt area detectionin Northern Australia[J]，Remote Sensing of Environment，2002，8121-37.
發明內容
本發明的目的在於提供一種基於MODIS數據自動探測草原火災跡地的方法，該方法能夠快速準確地提取火災跡地的面積，且在計算過程中，根據每幅圖像上火點周圍像元自動獲取火災跡地的統計特徵，避免了人為設定閾值和使用固定閾值可能出現的誤判和漏判現象。
本發明的基於MODIS數據自動探測草原火災跡地的方法，包括從衛星接收MODIS數據的步驟，其特徵在於，還包括構建火災跡地指數GEMI-B的步驟；探測火點的步驟；以每個火點為中心計算一定範圍窗口中像元的火災跡地指數的步驟；將火點添加進種子點序列的步驟；比較步驟，該步驟用於比較各擴散像元周圍一定窗口內GEMI-B指數的均值和標準差是否與火災跡地的統計特徵值相接近，如果不接近，從種子點序列中去除；如果接近，以跡地像元為中心向外擴散，將擴散像元添加到種子點序列中，將計算過的種子點像元從種子點序列中去除的步驟；判斷種子點數目是否為零的步驟，如果數目不為零，返回到比較步驟，如果判斷為種子點數目為零，則前進到輸出跡地圖像的步驟。
本發明的基於MODIS數據自動探測草原火災跡地的方法的特徵還在於，利用MODIS數據的第5波段和第7波段來構建火災跡地指數GEMI-B，其表達式為GEMI-B＝η(1-0.25η)-(ρ5-0.125)/(1-ρ5)(1)其中=(2(72-52)+1.57+0.55)/(7+5+0.5)---(2)]]>上式中，ρ7和ρ5分別為MODIS第5和第7波段的反射率。
本發明的基於MODIS數據自動探測草原火災跡地的方法，包括從衛星接收MODIS數據的步驟，其特徵在於還包括計算火災跡地指數GEMI-B的步驟；探測火點的步驟；以每個火點為中心計算3×3窗口中像元的火災跡地指數的步驟；將火點添加進種子點序列的步驟；計算均值Ms、標準差SDs的步驟，該步驟用於計算所有火點的3×3窗口火災跡地指數GEMI-B的均值Ms、標準差SDs；計算均值Mw、標準差SDw的步驟，該步驟用於逐個計算每個種子點為中心的3×3窗口的火災跡地指數GEMI-B的均值Mw、標準差SDw；根據公式SDw＜Nl*SDs和公式Mw＜＝Ms±N2*SDs判斷其均值Mw和標準差SDw是否與火災跡地的統計特徵值接近的步驟，其中，N1、N2為接近係數；如果不接近，判斷為非跡地，從種子點序列中去除，如果接近，判斷為跡地像元，以跡地像元為中心向外擴散，將擴散像元添加到種子點序列中，將計算過的種子點像元從種子點序列中去除的步驟；判斷種子點數目是否為零的步驟，如果判斷為種子點數目不為零，返回到計算均值Mw、標準差SDw的步驟，如果判斷為種子點數目為零，則前進到輸出跡地圖像的步驟。
本發明的基於MODIS數據自動探測草原火災跡地的方法的特徵還在於，利用MODIS數據的第5波段和第7波段來構建火災跡地指數GEMI-B，其表達式為GEMI-B＝η(1-0.25η)-(ρ5-0.125)/(1-ρ5)(1)其中=(2(72-52)+1.57+0.55)/(7+5+0.5)---(2)]]>上式中，ρ7和ρ5分別為MODIS第5和第7波段的反射率。
本發明的基於MODIS數據自動探測草原火災跡地的方法的特徵還在於，用於判斷每個種子點為中心的3×3窗口的火災跡地指數均值Mw、標準差SDw是否與火災跡地的統計特徵值接近的係數N1、N2的範圍為1.0＜＝N1＜＝2.0 2.0＜＝N2＜＝3.0。
本發明的基於火點和GEMI-B指數的火災跡地自動識別方法，能夠精確地理定位遙感數據、消除大氣影響、準確提取火情或火燒跡地，，且在計算過程中，根據每幅圖像上火點周圍像元自動獲取火災跡地的統計特徵，避免了人為設定閾值和使用固定閾值可能出現的誤判和漏判現象。由於使用了火點作為初始種子點擴散的方法，即使只有很少的火點，也可以擴展到整個跡地。同時，該方法能對多幅圖像進行批處理，可以方便的觀察火災跡地在時間序列上的變化特徵。
圖1是不同地表覆蓋類型在MODIS波段1～7的平均反射率。
圖2是本發明的基於MODIS數據自動探測草原火災跡地的方法的流程圖。
具體實施例方式
本發明使用的數據是搭載於Terra衛星上的MODIS數據。使用了MODIS的1～7波段(空間解析度為500m)，以及第20、21、31波段(空間解析度1km)數據。MODIS數據的時間跨度為2003年5月20日至5月31日(圖2)。原始MODIS數據級別為Level 1B，未經過任何處理。在經過幾何糾正和輻射糾正之後，分別生成了表觀反射率數據(波段1～7)和亮度溫度(Brightness temperature)數據(波段21、22、31)。研究中使用到的MODIS波段的屬性見表1。
表1
1.波段1～7nm；波段21、22、31μm；2.研究中使用到的數據採樣到500m；圖1是不同地表覆蓋類型在MODIS波段1～7的平均反射率。
由於未能及時測量2003年5月發生在中蒙邊境的草原火災跡地的光譜，發明人根據植被類型圖，在不同日期的MODIS圖像上分別選擇了代表不同地表覆蓋類型的若干像元，包括火災跡地、未燃燒的森林和草地、水體、雲、薄雲覆蓋的跡地等6大類，然後計算了各類地表覆蓋的平均表觀反射率(圖3)。由圖3可以看出(1)跡地和水體反射率較低且曲線平緩，在近紅外到短波紅外範圍，跡地的反射率高於水體；(2)與之相對照，在整個光譜區間，植被和雲的反射率都高於跡地，並且變化較大，整體而言，在可見光到近紅外範圍，雲都具有高反射率的特徵；(3)在可見光範圍內，跡地與未燃燒的森林、草地具有十分相似的光譜特徵，很難進行區分，與之相對照，近紅外和短波紅外範圍上(波段2和波段5)，各類地物的反射特徵區別最大；植被的燃燒過程表現為在可見光到短波紅外範圍上反射率的降低，尤其以波段2和波段5的降低最為顯著；(4)薄雲覆蓋的火災跡地具有跡地相似的光譜特徵，但受高反射率雲的影響，具有相對較高的反射率；(5)各類地物的反射率在波段7光譜範圍內存在收斂的趨勢。上述根據表觀反射率得到的火災跡地與其它地物的光譜特徵差異，基本與NASA1995年在巴西的機載AVIRIS光譜測量結果相似。
根據火災跡地的光譜特徵，許多研究提出了反映火災跡地特徵的指數和識別火災跡地的方法。較為常用的指數有NDVI、BAI(Burn Area Index)[18]、NDII(Normalized Difference Infrared Index)(相似的指數如SWVI(Short Wave Vegetation Index)和NDWI(Normalized Difference WaterIndex))、NBR(Normalized Burn Ratio)、VI3T、GEMI(Global EnvironmentMonitoring Index)等。這些指數的定義見附錄。上述指數一般都利用植被燃燒後生物量和水分損失所導致的相應波段反射率降低的特徵，因此對火災跡地有較好的識別能力，森林區域的實驗研究也取得了較為滿意的結果。但上述指數一般使用波長較短的波段，受燃燒產生的煙塵、氣溶膠和薄雲的影響較為嚴重；同時，由於草原區域植被覆蓋率較低，土壤背景值影響更為顯著，再加上植被的水分含量較低，因此，在草原區域利用上述指數能否區分跡地還有待進一步驗證。
Li et al.利用機載AVIRIS測量的森林區域燃燒前後400～2500nm的表觀反射率光譜曲線，發現利用MODIS的1.24μm(波段5)和2.13μm波段(波段7)可以較好地區分出燃燒和未燃燒的像元。考慮到上述兩波段波長較長，受到煙塵、氣溶膠和薄雲的影響相對較弱，本發明人也選用這兩個波段構建火災跡地指數。
本發明人提出了反映火災跡地光譜特徵的指數GEMI-B(GlobalEnvironment Monitoring Index-Burn scar)。GEMI-B將GEMI(參見非專利文獻2、3)中的紅光(RED)波段和近紅外(NIR)波段分別替換為MODIS的第5波段和第7波段，即GEMI-B＝η(1-0.25η)-(ρ5-0.125)/(1-ρ5)(1)其中=(2(72-52)+1.57+0.55)/(7+5+0.5)---(2)]]>上式中，ρ7和ρ5分別為MODIS第5和第7波段的反射率。由上述GEMI-B指數定義，計算各種地表覆蓋類型的GEMI-B指數，火災跡地的GEMI-B指數值為0.34，薄雲覆蓋的跡地GEMI-B指數值為0.27，而未燃燒的森林和草地GEMI-B指數值分別為0.09和-0.05，水體和雲GEMI-B指數值分別為0.17和-0.51。相對於火災跡地，而其它地物GEMI-B指數值較小，故可以有效地分離火災跡地和其它地物。同時，GEMI-B指數還具有抗大氣和土壤背景值幹擾的優點。
以下參照圖2對本發明的基於MODIS數據自動探測草原火災跡地的方法進行詳細說明。本發明的基於MODIS數據自動探測草原火災跡地的方法，包括從衛星接收MODIS數據的步驟S01，其中，還包括計算火災跡地指數GEMI-B的步驟S02；探測火點的步驟S03；以每個火點為中心計算3×3窗口中像元的火災跡地指數的步驟S04；將火點添加進種子點序列的步驟S05；計算所有火點的3×3窗口火災跡地指數GEMI-B的均值Ms、標準差SDs的步驟S06；逐個計算每個種子點為中心的3×3窗口的火災跡地指數GEMI-B的均值Mw、標準差SDw的步驟S07；根據公式SDw＜Nl*SDs和公式Mw＜＝Ms±N2*SDs判斷其均值Mw和標準差SDw是否與火災跡地的統計特徵值接近的步驟S08，其中，N1、N2為接近係數；如果不接近，判斷為非跡地，從種子點序列中去除的步驟S09；如果接近，判斷為跡地像元S10，以跡地像元為中心向外擴散，將擴散像元添加到種子點序列中，將計算過的種子點像元從種子點序列中去除的步驟S11；判斷種子點數目是否為零的步驟S12，如果判斷為種子點數目不為零，返回到步驟S07，如果判斷為種子點數目為零，則前進到輸出跡地圖像的步驟S13。
本發明的基於MODIS數據自動探測草原火災跡地的方法的特徵還在於，利用MODIS數據的第5波段和第7波段來構建火災跡地指數GEMI-B；其表達式為GEMI-B＝η(1-0.25η)-(ρ5-0.125)/(1-ρ5)(1)其中=(2(72-52)+1.57+0.55)/(7+5+0.5)---(2)]]>上式中，ρ7和ρ5分別為MODIS第5和第7波段的反射率。
本發明的基於MODIS數據自動探測草原火災跡地的方法在N1取1.5，N2取2.5時，所有圖像均能較好的提取出火災跡地。
本發明使用MODIS火災產品(MODIS fire product)提供的火點探測方法進行火點提取。該算法綜合了多波段固定閾值和背景閾值兩種算法的優點，使用MODIS在4μm和11μm附近的亮度溫度，分別以T4和T11表示。T4由波段21和波段22計算，其中波段21的飽和值為500K，波段22的飽和值為331K。由于波段22噪聲較小(表1)，因此儘量使用波段22來計算T4，如果T4＞331則改用波段21。T11由波段31計算，其飽和值為400K。對於白天的MODIS數據，火點像元必須至少滿足以下條件之一a.T4＞360K orb.{T4＞mean(T4)+3SD(T4)or T4＞330K}and(3){T4-T11＞median(T4-T11)+3SD(T4-T11)or T4-T11＞25K}式中mean、median和SD分別代表背景窗口的均值、中值和標準差(背景閾值)。背景窗口使用21×21的窗口。根據以上算法首先判斷出各日的火點像元，然後將這些火點像元累加起來生成火點合成圖像。該圖像作為跡地種子點用於後續計算。
採用區分度(Discriminability)指標，對包括GEMI-B指數在內的上述各指數進行評價。這裡採用常用的歸一化距離(Normalized distance)作為區分度指標，評價以上指數在火災跡地識別中的優劣。首先從各指數圖像中目視選取火災跡地與非跡地區域，分別計算其均值和標準差，然後根據下式計算歸一化距離D=|Xb-Xu|SDb+SDu---(4)]]>其中 和 分別為跡地與非跡地區域的平均值，SDb和SDu分別為跡地與非跡地區域的標準差。歸一化距離越大，表明跡地與非跡地的區別越明顯，指數設計越好。
從2003年5月20日至5月31日的MODIS數據中選取了質量較好的5月22日、24日、26日、30日和31日共5幅圖像，分別計算了BAI、NDII、VI3T、GEMI、GEMI-B及NDVI指數，然後根據所選取火災跡地與非跡地區域計算歸一化距離。所得到的區分度(歸一化距離)見表2。從歸一化距離來看，GEMI-B的每日圖像的區分度都較高，具有最好的區分度，其次為VI3T、GEMI、NDII和NDVI，而BAI的區分度最低。高區分度說明GEMI-B指數與其他指數相比更適合在草原地區提取火災跡地。
表2各種指數圖像的區分度(歸一化距離)Table2 Discriminability(normalized distance)of each index
通過以上說明可以看出，本發明的基於火點和GEMI-B指數的火災跡地自動識別方法，能夠精確地理定位遙感數據、消除大氣影響、準確提取火情或火燒跡地，且在計算過程中，根據每幅圖像上火點周圍像元自動獲取火災跡地的統計特徵，避免了人為設定閾值和使用固定閾值可能出現的誤判和漏判現象。由於使用了火點作為初始種子點擴散的方法，即使只有很少的火點，也可以擴展到整個跡地。同時，該方法能對多幅圖像進行批處理，可以方便的觀察火災跡地在時間序列上的變化特徵。通過2003年5月中蒙邊境草原火災跡地面積提取的實驗研究，表明該方法與TM數據的提取結果基本一致，具有準確和自動化程度高的特點。
各種用於火災跡地提取的指數定義[1]NDVI＝(ρNIR-ρRED)/(ρNIR+ρRED)其中ρNIR和ρRED分別為近紅外和紅光波段的反射率。
BAI＝1/((PcRED-ρRED)2+(PcNIR-ρNIR)2)其中PcR和PcNIR分別是跡地像元在紅光和近紅外波段的平均反射率，可以通過圖像或光譜實測來獲得。
NDII＝(ρNIR-ρSWIR)/(ρNIR+ρSWIR)其中ρNIR和ρSWIR分別為近紅外和短波紅外波段的反射率。
VI3T＝(ρNIR-BT3/1000)/(ρNIR+BT3/1000)其中BT3是AVHRR第3波段(3.55～3.93μm)的亮度溫度。
GEMI＝η(1-0.25η)-(ρRED-0.125)/(1-ρRED)其中=(2(NIR2-RED2)+1.5NIR+0.5RED)/(NIR+RED+0.5)]]>
權利要求
1.一種基於MODIS數據自動探測草原火災跡地的方法，包括從衛星接收MODIS數據的步驟，其特徵在於，還包括構建火災跡地指數GEMI-B的步驟；探測火點的步驟；以每個火點為中心計算一定範圍窗口中像元的火災跡地指數的步驟；將火點添加進種子點序列的步驟；比較步驟，該步驟用於比較各擴散像元周圍一定窗口內GEMI-B指數的均值和標準差是否與火災跡地的統計特徵值相接近，如果不接近，從種子點序列中去除；如果接近，以跡地像元為中心向外擴散，將擴散像元添加到種子點序列中，將計算過的種子點像元從種子點序列中去除的步驟；判斷種子點數目是否為零的步驟，如果數目不為零，返回到比較步驟，如果判斷為種子點數目為零，則前進到輸出跡地圖像的步驟。
2.如權利要求1所述的基於MODIS數據自動探測草原火災跡地的方法，其特徵在於，利用MODIS數據的第5波段和第7波段來構建火災跡地指數GEMI-B，其表達式為GEMI-B＝η(1-0.25η)-(ρ5-0.125)/(1-ρ5) (1)其中=(2(72-52)+1.57+0.55)/(7+5+0.5)---(2)]]>上式中，ρ7和ρ5分別為MODIS第5和第7波段的反射率。
3.一種基於MODIS數據自動探測草原火災跡地的方法，包括從衛星接收MODIS數據的步驟，其特徵在於，還包括計算火災跡地指數GEMI-B的步驟；探測火點的步驟；以每個火點為中心計算3×3窗口中像元的火災跡地指數的步驟；將火點添加進種子點序列的步驟；計算均值Ms、標準差SDs的步驟，該步驟用於計算所有火點的3×3窗口火災跡地指數GEMI-B的均值Ms、標準差SDs；以火點為中心的種子點擴散步驟，該步驟將火點周圍像元逐步添加進種子點序列；計算均值Mw、標準差SDw的步驟，該步驟用於逐個計算每個種子點為中心的3×3窗口的火災跡地指數GEMI-B的均值Mw、標準差SDw；根據公式SDw＜N1*SDs和公式Mw＜＝Ms±N2*SDs判斷其均值Mw和標準差SDw是否與火災跡地的統計特徵值接近的步驟，其中，N1、N2為接近係數；如果不接近，判斷為非跡地，從種子點序列中去除，如果接近，判斷為跡地像元，以跡地像元為中心向外擴散，將擴散像元添加到種子點序列中，將計算過的種子點像元從種子點序列中去除的步驟；判斷種子點數目是否為零的步驟，如果判斷為種子點數目不為零，返回到計算均值Mw、標準差SDw的步驟，如果判斷為種子點數目為零，則前進到輸出跡地圖像的步驟。
4.如權利要求3所述的基於MODIS數據自動探測草原火災跡地的方法，其特徵在於，利用MODIS數據的第5波段和第7波段來構建火災跡地指數GEMI-B，其表達式為GEMI-B＝η(1-0.25η)-(ρ5-0.125)/(1-ρ5) (1)其中=(2(72-52)+1.57+0.55)/(7+5+0.5)---(2)]]>上式中，ρ7和ρ5分別為MODIS第5和第7波段的反射率。
5.如權利要求3或權利要求4所述的基於MODIS數據自動探測草原火災跡地的方法，其特徵在於，用於判斷每個種子點為中心的3×3窗口的火災跡地指數均值Mw、標準差SDw是否與火災跡地的統計特徵值接近的係數N1、N2的範圍為1.0＜＝N1＜＝2.0 2.0＜＝N2＜＝3.0。
6.如權利要求3或權利要求4所述的基於MODIS數據自動探測草原火災跡地的方法，其特徵在於，用於判斷每個種子點為中心的3×3窗口的火災跡地指數均值Mw、標準差SDw是否與火災跡地的統計特徵值接近的係數N1、N2的範圍為1.3＜＝N1＜＝1.7 2.3＜＝N2＜＝2.7。
全文摘要
一種基於MODIS數據自動探測草原火災跡地的方法，包括從衛星接收MODIS數據的步驟，其特徵在於，還包括構建火災跡地指數GEMI－B的步驟；探測火點的步驟；以每個火點為中心計算一定範圍窗口中像元的火災跡地指數的步驟；將火點添加進種子點序列的步驟；比較步驟，該步驟用於比較各擴散像元周圍一定窗口內GEMI－B指數的均值和標準差是否與火災跡地的統計特徵值相接近，如果不接近，從種子點序列中去除；如果接近，以跡地像元為中心向外擴散，將擴散像元添加到種子點序列中，將計算過的種子點像元從種子點序列中去除的步驟；判斷種子點數目是否為零的步驟，如果數目不為零，返回到比較步驟，如果判斷為種子點數目為零，則前進到輸出跡地圖像的步驟。
文檔編號G01S17/89GK1763560SQ20051010929
公開日2006年4月26日 申請日期2005年10月20日 優先權日2005年10月20日
發明者陳晉, 陳仲新, 譚明豔, 王利民, 曹鑫 申請人:中國農業科學院農業資源與農業區劃研究所