基于烟雾轮廓的森林火灾检测解决方案

基于烟雾轮廓的森林火灾检测解决方案森林火灾是一种世界性的严重自然灾害，既破坏森林资源，对野生生物和人的生命财产造成损害，又对区域生态环境和全球气候系统造成严重影响。主要表现为：(1)植物燃烧大气排放大量的温室气体(CO2，CO，CH，NO)并形成气溶胶，不仅改变了大气化学成分，而且可能直接影响辐射平衡和全球气候系统口；(2)破坏区域生态环境的生产功能，导致动物栖息地和生物多样性的减少扭；(3)改变了植被演替方式和生物营养循环。遥感、地理信息系统技术为人类研究防灾减灾工作提供了有效手段。MODIS影像因具有较广的光谱覆盖范围(0.62～14.385txm，共36个波段)及每天2次覆盖全球的动态监测能力、多通道的250m、500m和1km数据为局部(1oca1)、区域(region)和全球(globa1)的火灾制图提供了新的数据源，国内外学者对火灾监测和制图展开了广泛的研究，基于遥感的火灾监测可以分为火点(hotspot)探测和火灾后迹地(bumscar)识别两大类，而火点自动识别是提高火灾遥感监测响应速度的关键。1、检测区域及数据准备1.1检测区域本方案将下图中所示的红色区域(阿拉斯加)作为实验区对基于烟雾轮廓的火灾检测方法进行说明。1.2数据准备①火灾检测用数据为MODIS的1B级技术；②用于比较火灾检测精度的NASA提供的MOD14数据；③用于验证火灾发生是否真实发生的AFS(AlaskaFireService)2005年火灾记录数据。2、技术路线2.1波段提取本方案的计算过程主要使用了MODIS数据的第1和第21波段，其中第一波段波长为620-670nm，空间分辨率为250m。此波段主要用于提取烟雾使用。第21波段波长为3.660-3.840μm，分辨率为1km，主要用于判断相元阈值是否具有发生火灾的阈值特征。2.2数值的拉伸将波段1和波段21分别转换为反射率和灰度温度。使用线形函数将1波段的反射率由原来的0.1-0.3进行数值拉伸转换成0-1。2.3烟雾轮廓提取与二值化处理本方案在提取烟雾轮廓时使用了Sobel边缘增强方法，将X方向上和Y方向的值相乘平均后，进行二值化处理。此阈值为轮廓强度的4分之1，再将二值化后的轮廓逐一编号，即：贴标签。2.4轮廓的直线近似按照轮廓的每一个标签，将相元点的坐标值用最小二乘法进行直线近似计算。计算结果如图4所示。在图中可以看到在烟雾的中央出现了一条直线，直线的一端为火点。2.5火灾的判别运用计算出的直线判别火灾方向的方法首先是在直线上取4个点，并用最小二乘法算出轮廓强度的倾斜，强度大的方向可以被视为有火灾发生。最后对在与火灾方向一致的直线其端点消失位置周围的12个相元点进行阈值测试，超过311K以上的即为火灾发生区域。但有两种情况例外：①轮廓相元数量大于2000②到轮廓的最大距离大于2003、结果经过上述处理最终得到的结果如图2所示。当时阿拉斯加的中心区域云量较少，可以较容易分辨出因火灾而产生出的烟雾，将计算得到的烟雾影像与实际发生火灾的记录数据进行叠加后的结果如图3所示。图2计算得出的检测结果（红色部分为被检测出的发生火灾区域）经比较发现计算得出的图5中所显示的红色部分即火灾发生区域与火灾记录数据完全吻合，按照本方案所计算出的结果与MOD14和火灾记录数据比较后的吻合率如下图2和表1所示。图2计算结果与验证数据及MOD14的比较图表1.2005年8月10日验证结果