CN104615848A - 一种集森林火险预报和地面火点监测于一体的综合应用方法 - Google Patents

Abstract

本发明公开了一种集森林火险预报和地面火点监测于一体的综合应用方法，具体包括以下几个步骤：建立森林火险等级预报模型；计算得到森林火险气象指数；对所述森林火险气象指数进行划分，得到森林火险等级；采用卫星接收***接收极轨卫星数据，并对所述极轨卫星数据进行预处理；在MODIS火灾算法基础上，利用MODIS数据的多波段亮温值和多波段反射率值逐像元对影像进行判识；基于GIS技术，将森林火险等级预报结果、地面火点监测结果与电网输出线路及设备进行叠加并展示可直观分析火灾发生地点影响范围。本发明将森林火险等级预报结果、地面火点监测结果与电网输出线路及设备相结合，提高了山火事故的处置效率，且监测范围广。

Description

一种集森林火险预报和地面火点监测于一体的综合应用方法

技术领域

本发明涉及一种集森林火险预报和地面火点监测于一体的综合应用方法，属于电网输电线路技术领域。

背景技术

南方电网公司业务管辖云南、贵州、广西、广东和海南五个省区，是目前国内网架结构最为复杂、联系最紧密、科技含量最高、驾驭难度最高的电网，也是西电东送规模最大的电网。其供电总人数达2.3亿人，占全国总人口的17.8％。所以保证南方电网能够安全稳定运行具有非常重要的意义。但是该五省区内多山地分布，地形复杂，微气象显著，自然灾害频发，对电网的安全稳定运行产生了极大的影响。其中由于自然因素和人为因素等引起的山火便是危害电网安全稳定的一大重要灾害。

南方地区气温偏高，常干旱少雨，再加上当地有炼山等民俗，造成山火频发，输电线路附近山火严重威胁到了输电线路的安全，导致多条输电线路出现跳闸事故。由于山火燃烧一般持续时间较长，输电线路因山火跳闸后重合闸往往重合不成功，或重合后重复跳闸，短时间内线路无法正常运行，严重影响电网的安全稳定运行，威胁到西电东送南通道的安全，给电网造成的危害较大。近几年来，输电线路因山火引起的跳闸停电事故越来越多，严重影响电网的安全稳定运行。现有山火引发输电线路跳闸停运的事故统计数据表明，线路下方的山火可以引发不同电压等级的输电线路，甚至特高压输电线路出现跳闸事故。

由于山火的不可预知性和地域广泛性等特点，及时发现火险、及时采取应对措施，是防范山火引发线路跳闸的最有效的措施。目前，传统的人工巡检防护措施只能监测重点，且人工监测工作效率低，且事故处理效率低。要做好全面的火险预警工作，需要进一步完善输电线路监测***，并积极争取更多的卫星遥感信息。

发明内容

针对现有技术存在的不足，本发明目的是提供一种监测范围广、事故处理效率高的集森林火险预报和地面火点监测于一体的综合应用方法。

为了实现上述目的，本发明是通过如下的技术方案来实现：

本发明的一种集森林火险预报和地面火点监测于一体的综合应用方法，具体包括以下几个步骤：

(1)建立森林火险等级预报模型；

(2)利用所述森林火险等级预报模型，计算得到森林火险气象指数；

(3)结合历史统计数据，对所述森林火险气象指数进行划分，得到森林火险等级预报结果，并对所述森林火险等级预报结果进行展示；

(4)采用卫星接收***接收AQUA和TERRA极轨卫星上的MODIS数据，并对所述MODIS数据进行预处理，所述预处理包括数据间融合、大气校正、对经物理量反演后的数据进行的几何校正；

(5)在MODIS火灾算法基础上，对预处理后的MODIS数据进行火点识别，即利用MODIS数据的4μm、11μm和12μm波段(即21、22、31和32波段)的亮温值和波段1、2、7的反射率值逐像元对影像进行判识，得到地面火点监测结果；

(6)通过GIS空间分析功能，将森林火险等级预报结果、地面火点监测结果与电网输电线路及设备进行图层叠加展示，用于直观分析火灾发生地点、影响范围。

步骤(1)中，所述森林火险等级预报模型的建立方法具体包括以下几个步骤：

(1a)利用历史气象、火险数据对《中华人民共和国林业行业标准LY/T1172-95全国森林火险天气等级》中的模型指数进行统计回归分析和相关因子序列分析，根据实际情况进行修正，使所述模型指数符合区域的实际地理、气候特征，所述模型指数具体包括气温、相对湿度、降水、积雪、风速及物候指数；

(2a)利用地面植被分类卫星数据进行地表覆盖类型进行统计，用于分析地表可燃物情况；并且，在森林火险等级预报模型中增加对不同季节、不同月份的气候和环境差异的统计，使得所述森林火险等级预报模型结果真实有效。

步骤(2)中，所述森林火险气象指数的计算方法如下：

(1b)利用中尺度天气预报数值模式预报产品信息，所述产品信息包括气温、湿度、降水、风速和风向；

(2b)将所述产品信息和地表覆盖类型统计作为所述森林火险等级预报模型的输入数据，从而得到森林火险气象指数。

步骤(3)中，所述历史统计数据具体包括历史火情信息、植被信息、常规气温、降水、相对湿度、风速气象信息。

步骤(4)中，所述数据间融合的方法如下：

(1c1)为了保证影像间同名地物点数据间的融合，在扫描方向上需分别利用式(3.1)、式(3.2)和式(3.3)计算，并采用线性外推法获得边缘像元值，

Y₂₅₀＝Y₅₀₀+0.25     (3.1)

Y₂₅₀＝Y₁₀₀₀-0.375     (3.2)

Y₅₀₀＝Y₁₀₀₀+0.25     (3.3)

式中：Y₂₅₀为250米的列号，0＜Y₂₅₀＜5416；

Y₅₀₀为500米的列号，0＜Y₅₀₀＜2708；

Y₁₀₀₀为1000米的列号，0＜Y₁₀₀₀＜1354；

(2c1)为了充分利用星下点空间分辨率为250米的MODIS的红光通道和近红外通道的数据，在数据处理中，将500米和1000米分辨率的数据，根据MODIS不同分辨率的探测头的排列设置，采用双线性插值法进行插值处理；

所述大气校正的方法如下：

(1c2)首先，假定地表为朗伯体；

(2c2)然后，使用大气辐射传输模型计算地表反射率；

(3c2)最后，使用二向性反射模型和数字高程模型数据对地表反射率进行双向反射和临近效应校正。

所述几何校正的方法如下：

以经度作为X方向数据，以纬度作为Y方向数据建立经纬度查询表；然后，使用经纬度查询表对MODIS卫星图像进行校正。

步骤(4)中，所述物理量包括反射率、植被指数和亮温，所述反射率反演方法如下：

分别按式(3.4)和式(3.5)将MODIS数据存储格式转换为物理值，对于白天所接收的数据，再按式(3.6)计算大气顶的反射率，

Ref_i＝Ref_scale_i×(SI-Ref_offset_i)     (3.4)

式中：Ref_i为传感器接收的数字信号转换为物理值；

Ref_scale_i为i波段中将SI转换为反射率的比例因子；

Ref_offset_i为i波段的偏移量；

SI为传感器接收到的数字信号；

Radiance＝Rad_scale_i×(SI–Rad_offset_i)     (3.5)

式中：Radiance为辐亮度；

Rad_scale_i为i波段中将SI转换为辐亮度的比例因子；

Rad_offset_i为i波段的偏移量；

Reflectance_i＝Ref_i×1/cos(θ_EV)     (3.6)

式中：Reflectance_i为第i波段的反射率；

θ_EV为太阳高度角；

所述亮温反演方法如下：

分别按式(3.4)、式(3.5)和式(3.6)计算可见光通道的反射率和热红外波段的辐射率；

将热红外通道的辐射率经黑体辐射定律-Planck定律反变换后，由式(3.7)和式(3.8)计算得到地表的亮温值，

T＝C₂×ν/ln(1+C₁×ν⁵/L)     (3.7)

式中：T为亮温，单位为K；L为辐射率；

ν为中心波长，ν＝1/λ，单位为Cm^-1；

C₁＝1.1910659*10^-5，单位为mWm^-2Sr^-1Cm^-4；

C₂＝1.438833，单位为CmdK；

由于传感器的衰减影响，因而计算得到的亮温值还需利用式(3.8)进行订正；

T_s＝a×T+b     (3.8)

式中：T_s为地表亮度修正值；a为比例系数；b为偏移量。

所述植被指数反演的方法如下：

分别按式(3.4)、式(3.5)和式(3.6)计算可见光通道的反射率和热红外波段的辐射率；再将1、2通道的反射率由式(3.9)计算得到归一化植被指数NDVI：

$\mathrm{NDVI}=\frac{{\mathrm{\ρ}}_{\mathrm{nir}}-{\mathrm{\ρ}}_r}{{\mathrm{\ρ}}_{\mathrm{nir}}+{\mathrm{\ρ}}_r}---\left(3.9\right)$

式中：NDVI为归一化植被指数；ρ_nir为近红外的反射率；ρ_r为红光的反射率。

步骤(5)中，判识的内容具体包括水体识别、云体识别和火点监测；

MODIS传感器在发射前对地球表面的陆地和水体进行了标识，即把陆地标识为1，水体标识为非1，这类陆地和水体的标识数据存放在MODIS几何定位产品MOD03*.hdf中，通过读取每幅卫星影像对应的MOD03*.hdf数据即可将陆地和水体进行分割，实现水体识别；

云体识别应用于火灾监测中的云体掩膜方法，当白天的卫星影像中的像素点满足以下三个表达式中的某一条件时，夜晚满足表达式(3.11)的条件时，则将该像素标识为云体，

ρ₁+ρ₂＞0.89     (3.10)

T₁₂＜260K     (3.11)

$\left\{\begin{array}{c}{\mathrm{\&rho;}}_1+{\mathrm{\&rho;}}_2>0.7\\ T_{12}<283K\end{array}\right.---\left(3.12\right)$

式中：ρ₁、ρ₂为第1、2波段反射率；

T₁₂为第32波段的亮温值，单位为K；

对于火点监测，采用绝对火点判识和相对火点判识相结合的方法，所述绝对火点判识方法如下：

当白天影像的像素值满足式(3.13)，夜晚影像的像素值满足式(3.14)时，则可将该点初步判识为火点，

$\left\{\begin{array}{c}{T}_4>355K\\ {\mathrm{\&rho;}}_2<0.3\end{array}\right.---\left(3.13\right)$

T₄＞320K  (3.14)

式中：T₄为波长为4μm波段的亮温值；

所述相对火点判识采用的是亮温-植被指数法即式(3.16)；

由于夜晚的MODSI数据没有可见光波段的信息，因而对于夜晚的MODIS数据仍采用式(3.14)和式(3.15)进行火点信息的提取；

$\left\{\begin{array}{c}{T}_4>\stackrel{\&OverBar;}{T_4}+4\&times;{\mathrm{\&Delta;T}}_4\\ \mathrm{DT}>{\mathrm{DT}}^{\&prime;}+4\&times;\mathrm{\&Delta;DT}\\ \mathrm{NDVI}<0.2\end{array}\right.---\left(3.16\right)$

式中，NDVI为归一化植被指数；

地表亮温法即式(3.15)

$\left\{\begin{array}{c}{T}_4>\stackrel{\&OverBar;}{T_4}+4\&times;{\mathrm{\&Delta;T}}_4\\ \mathrm{DT}>{\mathrm{DT}}^{\&prime;}+4\&times;\mathrm{\&Delta;DT}\end{array}\right.---\left(3.15\right)$

式中：为窗口邻域内4μm像素的亮温均值；

ΔT₄为窗口邻域内4μm像素的亮温标准差；

DT为窗口邻域内像素分别在4μm与11μm波长的亮温差；

DT′为窗口邻域内像素分别在4μm与11μm波长的亮温差的中值；

ΔDT为窗口邻域内像素分别在4μm与11μm波长的亮温标准差；

由于白天的卫星数据会受到阳光、裸土和亮云等的干扰，因而经(3.13)和(3.15)所得的白天结果还需进行去除伪火点的处理，通过处理后的仍为火点的像素才最终被确定为火点像素。

去除伪火点的方法包括太阳光干扰的去除、沿海岸干扰的去除和裸土干扰的去除；

所述太阳光干扰的去除方法如下：

当判识的火点像素满足式(3.17)、式(3.18)之一条件时，则认为该火点像素是由于太阳光的干扰造成的，而将其去除，

θ＜5°     (3.17)

式中：θ为太阳耀斑角，其值由3.19和3.20计算所得；

Z＝sin(θν)×sin(θs)×cos(Φ)+cos(θν)×cos(θs)     (3.19)

θ＝R2D×cos^-1(Z)     (3.20)

式中：θν为视场高度角；θs为太阳高度角；R2D为弧度转度的系数；Φ为相对方位角，Φ＝θν-θs；

所述沿海岸干扰的去除方法如下：

当判识的火点像素满足式(3.21)的条件时，则认为该火点像素是由于沿海岸因受强阳光照射造成的，而将其去除；

$\left\{\begin{array}{c}{\mathrm{\&rho;}}_2<0.15\\ {\mathrm{\&rho;}}_7<0.05\\ \mathrm{NDVI}<0.0\end{array}\right.---\left(3.21\right)$

式中：ρ₂，ρ₇分别为波段2和7的反射率。

所述裸土干扰的去除方法如下：

当判识的火点像素满足式(3.22)的条件时，则认为该火点像素是由于裸土受强阳光照射造成的，而将其去除；

$\left\{\begin{array}{c}{\mathrm{\&rho;}}_2>0.15\\ \stackrel{\&OverBar;}{T_4}<345K\\ {\mathrm{\&Delta;T}}_4<3K\\ T_4<\stackrel{\&OverBar;}{T_4}+6\&times;{\mathrm{\&Delta;T}}_4\end{array}\right.---\left(3.22\right).$

步骤(6)中，所述森林火险等级预报结果以色斑图的形式进行展示，形成森林火险等级预报结果图层，并且按照实际需求叠加电网线路、设备信息图层，通过GIS(地理信息***)空间分析功能进行图层叠加展示与分析；

利用卫星数据监测到地面火点，则在电网GIS底图上以红色火焰形状进行展示，形成火点监测图层，并且按照实际需求叠加电网线路、设备信息图层，通过GIS空间分析功能进行图层叠加展示与分析。

因此，本发明利用数值天气预报产品预报未来森林火险情况，并利用极轨卫星资料对地面火点进行监测，及时向各级运维部门发布林火监测预报信息，并将林火发生范围与电网设备进行关联，提高了山火事故的处置效率，且监测范围广。

附图说明

图1为本发明的集森林火险预报地面火点监测于一体的综合应用***原理框图；

图2为本发明的集森林火险预报和地面火点监测于一体的综合应用方法工作流程图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

参见图1，本发明的主体为森林火险预报监测综合应用***，它是集森林火险预报与地面火点监测于一体的综合应用***。

参见图2，本发明的集森林火险预报和地面火点监测于一体的综合应用方法，具体包括以下几个步骤：

1.1森林火险等级预报

森林火险等级预报，核心是建立森林火险等级预报模型，将每日WRF数值预报产品、区域植被信息和物候信息作为输入源，计算得到森林火险指数，并对该指数进行划分，最终得到森林火险等级。

1.1.1森林火险等级预报模型建立

森林火险等级预报的关键是建立森林火险等级预报模型，本子***在现有林业部门行业标准的基础上进行改进优化。首先利用历史气象、火险数据对该标准中的参数进行修正，使其更加符合南网电网管辖区域的实际地理、气候特征；其次利用MODIS(中分辨率成像光谱仪)卫星地面植被分类数据进行地表覆盖类型统计，在该标准中增加对地表覆盖类型的考虑，充分分析地表可燃物情况；并且在模型中增加对不同季节、不同月份的气候和环境差异考虑，使得模拟结果更加真实有效。

1.1.2森林火险等级预报

在森林火险等级预报模型建立的基础上，利用WRF(中尺度天气预报数值模式)预报产品(具体包括气温、湿度、降水、风速和风向)和地表覆盖资料作为该模型的输入数据，计算得到森林火险气象指数。该森林火险气象指数覆盖整个南网电网五省区域，空间分辨率为3km*3km；每日20点进行预报，预报未来24、48和72小时的森林火险情况。

结合历史统计数据，对上述森林火险气象指数进行划分，得到森林火险等级，标注为一、二、三、四、五级，依次代表森林火险发生的可能性越来越高。最终对该森林火险等级预报结果进行展示。

1.2基于极轨卫星的地面火点监测

本子***，采用卫星接收***接收到的AQUA、TERRA两颗卫星的数据进行火点监测。所用的卫星传感器为MODIS，数据格式为HDF。

1.2.1极轨卫星数据预处理

经卫星数据接收处理***获取得到的MODIS数据为L1B级数据，要利用该数据进行地面火点监测，还需对其进行数据间融合、大气校正、几何校正等。

1.2.1.1数据间融合

由于MODIS L1B数据集包括了三种空间分辨率的数据集(250米、500米和1000米)，在利用这些数据集时，需根据不同应用目的选择相应的数据集；同时，由于MODIS数据的探测器的特殊设置方式，既不同空间分辨率的探测头的排列位置有一定的偏移，因此，当需要同时应用不同空间分辨率的L1B数据集进行研究时，不能仅采用简单的插值方法，经重采样生成相同空间分辨率的数据；必须考虑到MODSI传感器的设置特点，采用相应的数学算法进行插值处理，这样才能真正获得同名地物点的实际值。

MODIS的1000米与500米、500米与250米间在扫描方向存在0.25个像元的位移，而1000米与250米间在扫描方向则存在0.375个像元的位移；因此，在实际处理中，为了保证影像间同名地物点数据间的融合，在扫描方向上需分别利用“式(3.1)”、“式(3.2)”和“式(3.3)”计算，并采用线性外推法获得边缘像元值。

Y₂₅₀＝Y₅₀₀+0.25     (3.1)

Y₂₅₀＝Y₁₀₀₀-0.375     (3.2)

Y₅₀₀＝Y₁₀₀₀+0.25     (3.3)

式中：Y₂₅₀为250米的列号(0＜Y₂₅₀＜5416)

Y₅₀₀为500米的列号(0＜Y₅₀₀＜2708)

Y₁₀₀₀为1000米的列号(0＜Y₁₀₀₀＜1354)

在本子***中，为了充分利用星下点空间分辨率为250米的MODIS的红光通道和近红外通道的数据，在数据处理中，将500米和1000米分辨率的数据根据MODIS不同分辨率的探测头的排列设置采用双线性插值法进行插值处理。

1.2.1.2大气校正

常将传感器所接收的大气顶部信号转换为表面反射率或辐射率的过程称为大气校正。MODIS L1B数据是大气顶的辐射率和反射率，由于大气的吸收、散射等影响，使得卫星传感器接收到的信号中除了地面信息外，还包含有大气的信息；在以陆地为研究对象的定量遥感应用研究中，常把大气信息认为是一种噪声，如果不消除它的千扰，常会使研究结果出现较大的偏差，因此对于定量遥感来说，大气校正是必需的一步。

对于MODIS数据，NASA专门提出了一种大气校正算法，该算法假定地表为朗伯体，然后使用大气辐射传输模型计算地表反射率，最后使用二向性反射模型和DEM数据对该反射率进行双向反射和临近效应校正，该算法需要反演气溶胶光学厚度、水汽含量和臭氧含量。虽然计算非常复杂，但是最后得到的结果比较精确，因此本子***采用该算法进行大气校正处理。

1.2.1.3几何校正

遥感图像作为空间数据，具有空间地理位置的概念。在应用遥感图像之前，通常要将其投影为需要的地理坐标系中，因此，遥感图像的几何校正是遥感信息处理过程中的一个重要环节。在实际应用中，经大气校正后的MODIS图像还需对图像进行几何校正处理。

MODIS L1B数据集中通常包含有经度和纬度数据，人们可以利用这些数据建立经纬度查询表(Build Geometry Lookup Table，简称GLT方法)来进行校正，而不必人工选取地面控制点。本子***使用此方法对经物理量反演后的数据进行几何校正。以经度作为X方向数据，以纬度作为Y方向数据建立GTL，然后使用GTL对图像进行几何校正；其原理就是使图像中的每一个像素对应一个坐标，根据坐标值将此像素放在相应的位置上，从而达到几何校正的目的。

1.2.2关键物理量反演

本子***中所需要计算的物理量主要包括反射率、辐射率、植被指数、地表亮温等。

1.2.2.1反射率反演

根据NASA的MODIS L1B数据存贮特点，分别按“式(3.4)”和“式(3.5)”将数据存储格式转换为物理值；对于白天所接收的数据，再按“式(2.6)”计算大气顶(Top of Atmosphere，简称TOA)的反射率。

Refi＝Ref_scalei×(SI-Ref_offseti)     (3.4)

式中：Refi为传感器接收的数字信号转换为物理值；

Ref_scalei为i波段中将SI转换为反射率的比例因子；

Ref_offseti为i波段的偏移量；

Radiance＝Rad_scalei×(SI–Rad_offseti)     (3.5)

式中：Radiance为辐亮度；

Rad_scalei为i波段中将SI转换为辐亮度的比例因子；

Rad_offseti为i波段的偏移量；

Reflectancei＝Refi×1/cos(θ_EV)     (3.6)

式中：Reflectancei为第i波段的反射率；

θ_EV为太阳高度角；

1.2.2.2亮温反演

根据NASA的MODIS L1B数据存贮特点，分别按“式(3.4)”、“式(3.5)”和“式(3.6)”计算可见光通道的反射率和热红外波段的辐射率。将热红外通道的辐射率经黑体辐射定律-Planck定律反变换后，由“式(3.7)”和“式(3.8)”计算得到地表的亮温值。

T＝C₂×ν/ln(1+C₁×ν⁵/L)     (3.7)

式中：T为亮温(单位：K)；L为辐射率；

ν为中心波长(ν＝1/λ，单位：Cm-1)；

C1＝1.1910659*10-5(单位：mWm-2Sr-1Cm-4)；

C2＝1.438833(单位：CmdK)。

由于传感器的衰减等影响，因而计算得到的亮温值还需利用式(3.8)进行订正。

T_s＝a×T+b     (3.8)

式中：T_s为地表亮度修正值；a为比例系数；b为偏移量；a和b的值参见下表。

表3.1MODIS数据获得地表亮温的修正系数

波段	比例系数(a)	偏移量(b)	中心波长(μm)
				21	0.9998646	0.09262664	3.99
22	0.9998584	0.09757996	3.97
				31	0.9995608	0.1302699	11.01
32	0.9997256	0.07181833	12.03

1.2.2.3植被指数反演

根据NASA的MODIS L1B数据存贮特点，分别按“式(3.4)”、“式(3.5)”和“式(3.6)”计算可见光通道的反射率和热红外波段的辐射率。再将1、2通道的反射率由“式(3.9)”计算得到归一化植被指数：

$\mathrm{NDVI}=\frac{{\mathrm{\&rho;}}_{\mathrm{nir}}-{\mathrm{\&rho;}}_r}{{\mathrm{\&rho;}}_{\mathrm{nir}}+{\mathrm{\&rho;}}_r}---\left(3.9\right)$

式中：NDVI为归一化植被指数；ρ_nir为近红外的反射率；ρ_r为红光的反射率。

1.2.3火点识别

本子***所采用的火点监测算法是在NASA和Maryland大学的MODIS火灾算法基础上开展的，即利用MODIS数据的4μm、11μm和12μm的亮温值和波段1、2、7的反射率等信息逐像元对影像进行判识。

在火点判识中将会用到波长为4μm的两个波段(波段21，22)；为了去除云体、裸土及沿海岸的伪火点信息，还需结合波段1、2和7的反射率信息进行判识。在火点算法中需选取的波段及各波段的用途如表3.2所示。

表3.2用于火点判识的MODIS波段及用途

1.2.3.1水体识别

本子***采用卫星发射前对MODIS几何定位产品MOD03*.hdf文件中所包含的陆地、水体数据对MODIS影像进行水体掩膜处理与标识。

1.2.3.2云体识别

应用于火灾监测中的云体掩膜方法，比较常用的为IGBP方法，但是在实际应用中发现，当使用IGBP中的“T12<265K”条件时，会将部分带烟的边缘火点误判为云体，因此本子***参照现有研究的经验，对判断条件进行了改进，当白天的卫星影像中的像素点满足以下三个表达式中的某一条件时，夜晚满足表达式(3.11)的条件时，则将该像素标识为云体。

ρ₁+ρ₂＞0.89     (3.10)

T₁₂＜260K     (3.11)

$\left\{\begin{array}{c}{\mathrm{\&rho;}}_1+{\mathrm{\&rho;}}_2>0.7\\ T_{12}<283K\end{array}\right.---\left(3.12\right)$

1.2.3.3火点监测

对于火点的监测，采用绝对火点判识和相对火点判识相结合的方法。由于白天阳光、强反射面等对火点判识精度的干扰，因而在用火点监测模型识别出的火点后还需进行去除伪火点处理；而夜晚则不再进行伪火点去除处理。

绝对火点识别

在实验中，对近几年的典型火场或火点进行取样分析认为，当白天影像的像素值满足“式(3.13)”，夜晚影像的像素值满足“式(3.14)”时，则可将该点初步判识为火点。

$\left\{\begin{array}{c}{T}_4>355K\\ {\mathrm{\&rho;}}_2<0.3\end{array}\right.---\left(3.13\right)$

T₄＞320K  (3.14)

式中：T₄为波长为4μm波段的亮温值；T₂为波段2的反射率。

相对火点识别

在实验中，利用相对火点检测式(在此将其简称为地表亮温法)，即如“式(3.15)”对实验区的火点进行判识，经验证发现白天常出现错判和误判的现象，在对近年来白天的火点数据进行分析的基础上，提出了亮温-植被指数法。

(1)地表亮温法

$\left\{\begin{array}{c}{T}_4>\stackrel{\&OverBar;}{T_4}+4\&times;{\mathrm{\&Delta;T}}_4\\ \mathrm{DT}>{\mathrm{DT}}^{\&prime;}+4\&times;\mathrm{\&Delta;DT}\end{array}\right.---\left(3.15\right)$

式中：T₄为4μm的亮温值；

为窗口邻域内4μm像素的亮温均值；

ΔT₄为窗口邻域内4μm像素的亮温标准差；

DT为窗口邻域内像素分别在4μm与11μm波长的亮温差；

DT′为窗口邻域内像素分别在4μm与11μm波长的亮温差的中值；

ΔDT为窗口邻域内像素分别在4μm与11μm波长的亮温标准差。

(2)亮温-植被指数法

在研究中，对覆盖近年来己确定为林火的MODIS L1B数据的归一化植被指数(NDVI)取样，经统计分析发现林火点的NDVI值均不大于0.20，因而在林火识别中，不仅采用地表亮温信息，同时引进由MODSI数据生成的NDVI，以获得地表植被信息，在此将该方法定义为亮温-植被指数法，即如“式(3.16)”。由于夜晚的MODSI数据没有可见光波段的信息，因而对于夜晚的MODIS数据仍采用“式(3.14)”和“式(3.15)”进行火点信息的提取。

$\left\{\begin{array}{c}{T}_4>\stackrel{\&OverBar;}{T_4}+4\&times;{\mathrm{\&Delta;T}}_4\\ \mathrm{DT}>{\mathrm{DT}}^{\&prime;}+4\&times;\mathrm{\&Delta;DT}\\ \mathrm{NDVI}<0.2\end{array}\right.---\left(3.16\right)$

式中，NDVI为归一化植被指数；其余各参数物理意义与式3.15相同。

伪火点去除

由于白天的卫星数据会受到阳光、裸土和亮云等的干扰，因而经(3.13)和(3.15)所得的白天结果还需进行去除伪火点的处理。本子***主要在以下三方面对伪火点进行去除工作。

(1)太阳光干扰的去除

太阳光会使水体、高空卷云及裸土等被误判为火点。当判识的火点像素满足“式(3.17)”“式(3.18)”之一条件时，则认为该火点像素是由于太阳光的干扰造成的，而将其去除。

θ＜5°     (3.17)

式中：θ为太阳耀斑角，其值由3.19和3.20计算所得；ρ₁，ρ₂分别为波段1和2的反射率。

Z＝sin(θν)×sin(θs)×cos(Φ)+cos(θν)×cos(θs)     (3.19)

θ＝R2D×cos^-1(Y)     (3.20)

式中：θ为太阳耀斑角；θν为视场高度角；θs为太阳高度角；R2D为弧度转度的系数；Φ为相对方位角，(Φ＝θν-θs)。

(2)沿海岸干扰的去除

由于M0D03*.hdf文件中的陆地/水体信息来源于全球土地覆盖数据库，因而常出现影像中的一些沿海岸的水体及部分陆地水体像元在水体掩膜处理过程中被漏掉，而当水体受强光直射时，常会被误判为火点，因而需将这部分伪火点去除。即当判识的火点像素满足“式(3.21)”的条件时，则认为该火点像素是由于沿海岸因受强阳光照射造成的，而将其去除。

$\left\{\begin{array}{c}{\mathrm{\&rho;}}_2<0.15\\ {\mathrm{\&rho;}}_7<0.05\\ \mathrm{NDVI}<0.0\end{array}\right.---\left(3.21\right)$

式中：ρ₂，ρ₇分别为波段2和7的反射率。

(3)裸土干扰的去除

裸土(也包括沙漠)常会因强阳光的照射使自身亮温升高而被误判为火点，因而需将这部分伪火点去除。即当判识的火点像素满足“式(3.22)”的条件时，则认为该火点像素是由于裸土受强阳光照射造成的，而将其去除。

$\left\{\begin{array}{c}{\mathrm{\&rho;}}_2>0.15\\ \stackrel{\&OverBar;}{T_4}<345K\\ {\mathrm{\&Delta;T}}_4<3K\\ T_4<\stackrel{\&OverBar;}{T_4}+6\&times;{\mathrm{\&Delta;T}}_4\end{array}\right.---\left(3.22\right)$

式中：各参数物理意义与式3.15相同。

通过上述处理后的仍为火点的像素才最终被确定为火点像素。

1.3结合电网信息综合展示

本***的监测、预报结果基于GIS平台与电网地理信息进行叠加展示。其中森林火险等级预报结果以色斑图的形式进行展示，对森林火险等级为三、四、五级的区域分别以黄、橙、红色进行表示，并且能够按照实际需求叠加电网线路、设备等信息。如果利用卫星数据监测到地面火点，则在电网GIS底图上以红色火焰形状进行展示，并且能够按照需求叠加电网线路、设备等信息，便于直观分析火灾发生地点、影响范围等。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (9)

1.一种集森林火险预报和地面火点监测于一体的综合应用方法，其特征在于，具体包括以下几个步骤：

(1)建立森林火险等级预报模型；

(2)利用所述森林火险等级预报模型，计算得到森林火险气象指数；

(3)结合历史统计数据，对所述森林火险气象指数进行划分，得到森林火险等级预报结果，并对所述森林火险等级预报结果进行展示；

(4)采用卫星接收***接收AQUA和TERRA极轨卫星上的MODIS数据，并对所述MODIS数据进行预处理，所述预处理包括数据间融合、大气校正、对经物理量反演后的数据进行的几何校正；

(5)在MODIS火灾算法基础上，对预处理后的MODIS数据进行火点识别，即利用MODIS数据的4μm、11μm和12μm波段的亮温值和波段1、2、7的反射率值逐像元对影像进行判识，得到地面火点监测结果；

(6)通过GIS空间分析功能，将森林火险等级预报结果、地面火点监测结果与电网输电线路及设备进行图层叠加展示，用于直观分析火灾发生地点、影响范围。

2.根据权利要求1所述的集森林火险预报和地面火点监测于一体的综合应用方法，其特征在于，

步骤(1)中，所述森林火险等级预报模型的建立方法具体包括以下几个步骤：

(1a)利用历史气象、火险数据对《中华人民共和国林业行业标准LY/T1172-95全国森林火险天气等级》中的模型指数进行统计回归分析和相关因子序列分析，根据实际情况进行修正，使所述模型指数符合区域的实际地理、气候特征，所述模型指数具体包括气温、相对湿度、降水、积雪、风速及物候指数；

(2a)利用地面植被分类卫星数据对地表覆盖类型进行统计，用于分析地表可燃物情况；并且，在森林火险等级预报模型中增加对不同季节、不同月份的气候和环境差异的统计，使得所述森林火险等级预报模型结果真实有效。

3.根据权利要求1所述的集森林火险预报和地面火点监测于一体的综合应用方法，其特征在于，

步骤(2)中，所述森林火险气象指数的计算方法如下：

(1b)利用中尺度天气预报数值模式预报产品信息，所述产品信息包括气温、湿度、降水、风速和风向；

(2b)将所述产品信息和地表覆盖类型统计作为所述森林火险等级预报模型的输入数据，从而得到森林火险气象指数。

4.根据权利要求1所述的集森林火险预报和地面火点监测于一体的综合应用方法，其特征在于，

步骤(3)中，所述历史统计数据具体包括历史火情信息、植被信息、常规气温、降水、相对湿度、风速气象信息。

5.根据权利要求1所述的集森林火险预报和地面火点监测于一体的综合应用方法，其特征在于，

步骤(4)中，所述数据间融合的方法如下：

(1c1)为了保证影像间同名地物点数据间的融合，在扫描方向上需分别利用式(3.1)、式(3.2)和式(3.3)计算，并采用线性外推法获得边缘像元值，

Y₂₅₀＝Y₅₀₀+0.25    (3.1)

Y₂₅₀＝Y₁₀₀₀-0.375    (3.2)

Y₅₀₀＝Y₁₀₀₀+0.25    (3.3)

式中：Y₂₅₀为250米的列号，0＜Y₂₅₀＜5416；

Y₅₀₀为500米的列号，0＜Y₅₀₀＜2708；

Y₁₀₀₀为1000米的列号，0＜Y₁₀₀₀＜1354；

(2c1)为了充分利用星下点空间分辨率为250米的MODIS的红光通道和近红外通道的数据，在数据处理中，将500米和1000米分辨率的数据，根据MODIS不同分辨率的探测头的排列设置，采用双线性插值法进行插值处理；

所述大气校正的方法如下：

(1c2)首先，假定地表为朗伯体；

(2c2)然后，使用大气辐射传输模型计算地表反射率；

(3c2)最后，使用二向性反射模型和数字高程模型数据对地表反射率进行双向反射和临近效应校正。

所述几何校正的方法如下：

以经度作为X方向数据，以纬度作为Y方向数据建立经纬度查询表；然后，使用经纬度查询表对MODIS卫星图像进行校正。

6.根据权利要求5所述的集森林火险预报和地面火点监测于一体的综合应用方法，其特征在于，

步骤(4)中，所述物理量包括反射率、植被指数和亮温，所述反射率反演方法如下：

分别按式(3.4)和式(3.5)将MODIS数据存储格式转换为物理值，对于白天所接收的数据，再按式(3.6)计算大气顶的反射率，

Ref_i＝Ref_scale_i×(SI-Ref_offset_i)    (3.4)

式中：Ref_i为传感器接收的数字信号转换为物理值；

Ref_scale_i为i波段中将SI转换为反射率的比例因子；

Ref_offset_i为i波段的偏移量；

SI为传感器接收到的数字信号；

Radiance＝Rad_scale_i×(SI–Rad_offset_i)    (3.5)

式中：Radiance为辐亮度；

Rad_scale_i为i波段中将SI转换为辐亮度的比例因子；

Rad_offset_i为i波段的偏移量；

Reflectance_i＝Ref_i×1/cos(θ_EV)    (3.6)

式中：Reflectance_i为第i波段的反射率；

θ_EV为太阳高度角；

所述亮温反演方法如下：

分别按式(3.4)、式(3.5)和式(3.6)计算可见光通道的反射率和热红外波段的辐射率；

将热红外通道的辐射率经黑体辐射定律-Planck定律反变换后，由式(3.7)和式(3.8)计算得到地表的亮温值，

T＝C₂×ν/ln(1+C₁×ν⁵/L)    (3.7)

式中：T为亮温，单位为K；L为辐射率；

ν为中心波长，ν＝1/λ，单位为Cm^-1；

C₁＝1.1910659*10^-5，单位为mWm^-2Sr^-1Cm^-4；

C₂＝1.438833，单位为CmdK；

由于传感器的衰减影响，因而计算得到的亮温值还需利用式(3.8)进行订正；

T_s＝a×T+b    (3.8)

式中：T_s为地表亮度修正值；a为比例系数；b为偏移量。

所述植被指数反演的方法如下：

分别按式(3.4)、式(3.5)和式(3.6)计算可见光通道的反射率和热红外波段的辐射率；再将1、2通道的反射率由式(3.9)计算得到归一化植被指数NDVI：

$\mathrm{NDVI}=\frac{{\mathrm{\&rho;}}_{\mathrm{nir}}-{\mathrm{\&rho;}}_r}{{\mathrm{\&rho;}}_{\mathrm{nir}}+{\mathrm{\&rho;}}_r}---\left(3.9\right)$

式中：NDVI为归一化植被指数；ρ_nir为近红外的反射率；ρ_r为红光的反射率。

7.根据权利要求6所述的集森林火险预报和地面火点监测于一体的综合应用方法，其特征在于，

步骤(5)中，判识的内容具体包括水体识别、云体识别和火点监测；

MODIS传感器在发射前对地球表面的陆地和水体进行了标识，即把陆地标识为1，水体标识为非1，这类陆地和水体的标识数据存放在MODIS几何定位产品MOD03*.hdf中，通过读取每幅卫星影像对应的MOD03*.hdf数据即可将陆地和水体进行分割，实现水体识别；

云体识别应用于火灾监测中的云体掩膜方法，当白天的卫星影像中的像素点满足以下三个表达式中的某一条件时，夜晚满足表达式(3.11)的条件时，则将该像素标识为云体，

ρ₁+ρ₂＞0.89    (3.10)

T₁₂＜260K    (3.11)

$\left\{\begin{array}{c}{\mathrm{\&rho;}}_1+{\mathrm{\&rho;}}_2>0.7\\ T_{12}<283K\end{array}\right.---\left(3.12\right)$

式中：ρ₁、ρ₂为第1、2波段反射率；

T₁₂为第32波段的亮温值，单位为K；

对于火点监测，采用绝对火点判识和相对火点判识相结合的方法，所述绝对火点判识方法如下：

当白天影像的像素值满足式(3.13)，夜晚影像的像素值满足式(3.14)时，则可将该点初步判识为火点，

$\left\{\begin{array}{c}{T}_4>355K\\ {\mathrm{\&rho;}}_2<0.3\end{array}\right.---\left(3.13\right)$

T₄＞320K    (3.14)

式中：T₄为波长为4μm波段的亮温值；

所述相对火点判识采用的是亮温-植被指数法即式(3.16)；

由于夜晚的MODSI数据没有可见光波段的信息，因而对于夜晚的MODIS数据仍采用式(3.14)和式(3.15)进行火点信息的提取；

$\left\{\begin{array}{c}{T}_4>\stackrel{\&OverBar;}{T_4}+4\&times;\mathrm{\&Delta;}{T}_4\\ \mathrm{DT}>{\mathrm{DT}}^{\&prime;}+4\&times;\mathrm{\&Delta;DT}\\ \mathrm{NDVI}<0.2\end{array}\right.---\left(3.16\right)$

式中，NDVI为归一化植被指数；

地表亮温法即式(3.15)

$\left\{\begin{array}{c}{T}_4>\stackrel{\&OverBar;}{T_4}+4\&times;\mathrm{\&Delta;}{T}_4\\ \mathrm{DT}>{\mathrm{DT}}^{\&prime;}+4\&times;\mathrm{\&Delta;DT}\end{array}\right.---\left(3.15\right)$

式中：为窗口邻域内4μm像素的亮温均值；

ΔT₄为窗口邻域内4μm像素的亮温标准差；

DT为窗口邻域内像素分别在4μm与11μm波长的亮温差；

DT′为窗口邻域内像素分别在4μm与11μm波长的亮温差的中值；

ΔDT为窗口邻域内像素分别在4μm与11μm波长的亮温标准差；

由于白天的卫星数据会受到阳光、裸土和亮云等的干扰，因而经(3.13)和(3.15)所得的白天结果还需进行去除伪火点的处理，通过处理后的仍为火点的像素才最终被确定为火点像素。

8.根据权利要求7所述的集森林火险预报和地面火点监测于一体的综合应用方法，其特征在于，

去除伪火点的方法包括太阳光干扰的去除、沿海岸干扰的去除和裸土干扰的去除；

所述太阳光干扰的去除方法如下：

当判识的火点像素满足式(3.17)、式(3.18)之一条件时，则认为该火点像素是由于太阳光的干扰造成的，而将其去除，

θ＜5°    (3.17)

式中：θ为太阳耀斑角，其值由3.19和3.20计算所得；

Z＝sin(θν)×sin(θs)×cos(Φ)+cos(θν)×cos(θs)    (3.19)

θ＝R2D×cos^-1(Z)    (3.20)

式中：θν为视场高度角；θs为太阳高度角；R2D为弧度转度的系数；Φ为相对方位角，Φ＝θν-θs；

所述沿海岸干扰的去除方法如下：

当判识的火点像素满足式(3.21)的条件时，则认为该火点像素是由于沿海岸因受强阳光照射造成的，而将其去除；

$\left\{\begin{array}{c}{\mathrm{\&rho;}}_2<0.15\\ {\mathrm{\&rho;}}_7<0.05\\ \mathrm{NDVI}<0.0\end{array}\right.---\left(3.21\right)$

式中：ρ₂，ρ₇分别为波段2和7的反射率。

所述裸土干扰的去除方法如下：

当判识的火点像素满足式(3.22)的条件时，则认为该火点像素是由于裸土受强阳光照射造成的，而将其去除；

$\left\{\begin{array}{c}{\mathrm{\&rho;}}_2>0.15\\ {\stackrel{\&OverBar;}{T}}_4<345K\\ \mathrm{\&Delta;}{T}_4<3K\\ T_4<\stackrel{\&OverBar;}{T_4}+6\&times;\mathrm{\&Delta;}{T}_4\end{array}\right.---\left(3.22\right).$

9.根据权利要求1所述的集森林火险预报和地面火点监测于一体的综合应用方法，其特征在于，

步骤(6)中，所述森林火险等级预报结果以色斑图的形式进行展示，形成森林火险等级预报结果图层，并且按照实际需求叠加电网线路、设备信息图层，通过GIS空间分析功能进行图层叠加展示与分析；

利用卫星数据监测到地面火点，则在电网GIS底图上以红色火焰形状进行展示，形成火点监测图层，并且按照实际需求叠加电网线路、设备信息图层，通过GIS空间分析功能进行图层叠加展示与分析。