CN112837489A - 基于卫星和气象数据的浮动阈值输电线路山火监测方法 - Google Patents
基于卫星和气象数据的浮动阈值输电线路山火监测方法 Download PDFInfo
- Publication number
- CN112837489A CN112837489A CN202110017385.2A CN202110017385A CN112837489A CN 112837489 A CN112837489 A CN 112837489A CN 202110017385 A CN202110017385 A CN 202110017385A CN 112837489 A CN112837489 A CN 112837489A
- Authority
- CN
- China
- Prior art keywords
- fire
- data
- threshold
- points
- channels
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000005540 biological transmission Effects 0.000 title claims abstract description 24
- 238000012544 monitoring process Methods 0.000 title claims abstract description 21
- 238000007781 pre-processing Methods 0.000 claims abstract description 23
- 238000012937 correction Methods 0.000 claims abstract description 13
- 238000012216 screening Methods 0.000 claims abstract description 13
- 230000008030 elimination Effects 0.000 claims abstract description 7
- 238000003379 elimination reaction Methods 0.000 claims abstract description 7
- 230000032683 aging Effects 0.000 claims description 13
- 238000002310 reflectometry Methods 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 230000007717 exclusion Effects 0.000 claims 1
- 230000000873 masking effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/005—Fire alarms; Alarms responsive to explosion for forest fires, e.g. detecting fires spread over a large or outdoors area
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/24—Acquisition or tracking or demodulation of signals transmitted by the system
- G01S19/25—Acquisition or tracking or demodulation of signals transmitted by the system involving aiding data received from a cooperating element, e.g. assisted GPS
- G01S19/258—Acquisition or tracking or demodulation of signals transmitted by the system involving aiding data received from a cooperating element, e.g. assisted GPS relating to the satellite constellation, e.g. almanac, ephemeris data, lists of satellites in view
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Biodiversity & Conservation Biology (AREA)
- Hydrology & Water Resources (AREA)
- Emergency Management (AREA)
- Atmospheric Sciences (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Business, Economics & Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Image Processing (AREA)
Abstract
本申请提供一种基于卫星和气象数据的浮动阈值输电线路山火监测方法,获取Himawari‑8卫星当前数据并进行预处理,得到预处理数据;根据当前数据和预处理数据对非火点位置和云层进行掩膜识别和排除;根据预设初始阈值,通过绝对火点和基于背景像元火点来识别火点;获取Himawari‑8卫星历史数据并按月进行预处理,获得每个月对应的修正阈值,按月识别火点;获取雨量气象数据,雨量气象数据包括格点对应经纬度和雨量数据;根据雨量气象数据筛选待排除非火点;排除所述识别火点中的所述待排除非火点,本申请考虑不同月份外界因素的差异,按月份对火点识别的阈值进行修正,并结合雨量气象数据对发生山火的点进行筛选,提高输电线路火点识别的效率和准确率。
Description
技术领域
本申请涉及输电线路山火监测技术领域,尤其涉及一种基于卫星和气象数据的浮动阈值输电线路山火监测方法。
背景技术
输电线路把电能从发电中心输送到负荷中心,会经过林区和植被茂密地区,频繁发生森林火灾,输电线路附近山火发生次数呈快速增长趋势,山火发生跳闸的次数亦明显增加,严重影响到输电线路的安全稳定运行。
现有的输电线路山火检测方法,通过卫星通道的亮温值、反射率,排除冰雪、水体和云层的影响,设置固定阈值来检测火点;然而,现有通过固定阈值来检测火点的方法准确率低,漏检率较高。
发明内容
本申请提供了一种基于卫星和气象数据的浮动阈值输电线路山火监测方法,以解决现有通过固定阈值来检测火点的方法准确率低,漏检率较高的技术问题。
为了达到上述目的,本申请实施例采用以下技术方案:
提供一种基于卫星和气象数据的浮动阈值输电线路山火监测方法,所述方法包括:
获取Himawari-8卫星当前数据,所述当前数据包括7通道、14通道和15通道的亮温值T3.9、T11.2和T12.3以及1通道、3通道、4通道、5通道反射率ρ0.46、ρ0.64、ρ0.86、ρ1.6;
对所述当前数据进行预处理,得到预处理数据;
根据所述当前数据和所述预处理数据,对非火点位置和云层进行掩膜识别和排除;
根据预设初始阈值T1、T2和T3,通过绝对火点和基于背景像元火点来识别火点;
获取Himawari-8卫星历史数据,所述历史数据包括不同月份的7通道、14通道和15通道的亮温值T3.9、T11.2和T12.3;
对历史数据按月进行预处理,得到月平均值MN以及根据预设月数获得的总值MALL;
根据所述月平均值MN和总值MALL,获得每个月对应的修正阈值T1N’、T2N’、T3N’;
根据所述修正阈值T1N’、T2N’、T3N’,每个月通过绝对火点和基于背景像元火点来识别火点并获取对应像元经纬度;
获取雨量气象数据,所述雨量气象数据包括气象局天气预报格点对应经纬度和雨量数据,以及国家级自动站1小时时效数据中所述格点经纬度和雨量数据;
根据雨量气象数据筛选待排除非火点;
排除所述识别火点中的所述待排除非火点。
在一种实时方式中,所述对所述当前数据进行预处理,包括:
获取所述7通道和所述14通道亮温值的差值T3.9_11.2
根据预设背景窗区的大小,获得所述7通道、所述14通道的背景亮温值T3.9mean、T11.2mean,所述背景亮温值为所述背景窗区内全部像元亮温值的平均值;
获取所述7通道和所述14通道背景亮温值的差值T3.9mean_11.2mean;
获取所述预设背景窗区中7通道亮温值的标准差δT3.9,获取所述预设背景窗区中14通道亮温值的标准差δT11.2,获取所述预设背景窗区中7通道和14通道亮温值差值的标准差δT3.9_11.2;
得到第一潜在火点偏离度n1=(T3.9-T3.9mean)/δT3.9,第二潜在火点偏离度n2=(T3.9_11.2-T3.9mean_11.2mean)/δT3.9_11.2。
在一种实时方式中,所述对非火点位置和云层进行掩膜识别和排除,包括:
所述非火点包括冰雪、水体;
获取冰雪掩膜ns=(ρ0.46–ρ1.6)/(ρ0.46+ρ1.6),当ns>0.13时,判断对应像元为冰雪;
获取水体掩膜nw=(ρ0.86–ρ0.64)/(ρ0.86+ρ0.64),当nw<0时,判断对应像元为水体。
在一种实时方式中,所述对非火点位置和云层进行掩膜识别和排除,还包括:
获取3通道和4通道反射率的绝对值abs(ρ0.64)和abs(ρ0.86);
当abs(ρ0.64)和abs(ρ0.86)同时小于0.01时,判断为夜间;
在夜间时,若T12.3小于第一阈值则识别为云层,若T12.3大于等于第一阈值则识别为非云层;
当abs(ρ0.64)和abs(ρ0.86)其中一个大于等于0.01时,判断为白天;
在白天时,若ρ0.64与ρ0.86的和大于第二阈值或者T12.3小于第一阈值或者ρ0.64与ρ0.86的和大于第三阈值且T12.3小于第四阈值时,则识别为云层。
在一种实时方式中,所述根据预设初始阈值T1、T2和T3,进行绝对火点的识别,包括:
在白天时T3.9大于第五阈值或者在夜间时T3.9大于第六阈值,对应像元为火点。
在一种实时方式中,所述根据预设初始阈值T1、T2和T3,进行基于背景像元火点的识别,包括:
在白天时,若T3.9大于T1且T3.9_11.2大于第七阈值或者T3.9大于T2且T3.9_11.2大于第八阈值,对应像元为火点;
在夜间时,若n1大于第九阈值且n2大于第十阈值或者n1大于第十一阈值且n2大于第九阈值或者T3.9大于T3,n1大于第十阈值且n2大于第十二阈值或者T3.9大于T3,n1大于第九阈值且n2第十阈值,对应像元为火点。
在一种实时方式中,所述对历史数据按月进行预处理,包括:
获取预设范围内所有像元在每个月7通道亮温值、14通道亮温值以及7通道和14通道亮温值差值每间隔10min数据的平均值MN,其中,N为月份,所述MN包括MEAN(T3.9)、MEAN(T11.2)、MEAN(T3.9_11.2);
根据预设月数获取对应月份的总值MALL;
根据所述月平均值MN和总值MALL,获得每个月对应的修正阈值T1N’、T2N’、T3N’,
T1N’=MN×T1/MALL
T2N’=MN×T2/MALL
T3N’=MN×T3/MALL
式中,N为月份。
在一种实时方式中,所述根据雨量气象数据筛选待排除非火点,包括:
当气象局天气预报格点以及东西南北相邻格点的雨量数据都大于等于2mm时,则对应格点为非火点;
当国家级自动站1小时时效数据中格点雨量数据大于等于0.1mm时,则对应格点为非火点;
当国家级自动站1小时时效数据中格点雨量数据小于0.1mm且所述格点的东西南北相邻格点大于等于0.1mm时,则对应所述格点的东西南北相邻格点为非火点;
当所述像元经纬度中存在与所述非火点对应格点的经纬度重合时,确认所述非火点为待排除非火点。
在一种实时方式中,排除所述识别火点中的所述待排除非火点还包括排除太阳耀斑点;
当所述火点的对应像元1、3、4和5通道的反射率大于0.3且7通道的亮温值T3.9大于305K且耀斑角θg小于30°时,对应像元为太阳耀斑点,所述对应像元为待排除非火点。
本申请提供一种基于卫星和气象数据的浮动阈值输电线路山火监测方法,获取Himawari-8卫星当前数据,所述当前数据包括7通道、14通道和15通道的亮温值T3.9、T11.2和T12.3以及1通道、3通道、4通道、5通道反射率ρ0.46、ρ0.64、ρ0.86、ρ1.6;对所述当前数据进行预处理,得到预处理数据;根据所述当前数据和所述预处理数据,对非火点位置和云层进行掩膜识别和排除;根据预设初始阈值T1、T2和T3,通过绝对火点和基于背景像元火点来识别火点;获取Himawari-8卫星历史数据,所述历史数据包括不同月份的7通道、14通道和15通道的亮温值T3.9、T11.2和T12.3;对历史数据按月进行预处理,得到月平均值MN以及根据预设月数获得的总值MALL;进一步获得每个月对应的修正阈值T1N’、T2N’、T3N’;根据所述修正阈值T1N’、T2N’、T3N’,每个月通过绝对火点和基于背景像元火点来识别火点并获取对应像元经纬度;获取雨量气象数据,所述雨量气象数据包括气象局天气预报格点对应经纬度和雨量数据,以及国家级自动站1小时时效数据中所述格点经纬度和雨量数据;根据雨量气象数据筛选待排除非火点;排除所述识别火点中的所述待排除非火点,本申请考虑了不同月份外界因素的差异,按月份对火点识别的阈值进行修正,并结合雨量气象数据对可能发生山火的点进行筛选,提高了输电线路火点识别的效率和准确率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例一种基于卫星和气象数据的浮动阈值输电线路山火监测方法的流程图;
图2为本申请实施例点(100.5,23.56)7通道各月份亮温值在各时刻平均值变化曲线的示意图;
图3为本申请实施例点(100.5,23.56)7通道各月份亮温值在各时刻平均值变化曲线(白天8:00-19:00)的示意图;
图4为本申请实施例点(100.5,23.56)7通道各月份亮温值在各时刻平均值变化曲线(夜间19:00-次日7:30)的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
Himawari-8卫星是新一代的静止气象卫星,具有高频次的特点,每10分钟成像一次,能够实现准实时的监测,与此同时,Himawari-8卫星的覆盖范围广,空间分辨率相比其他静止气象卫星更高,利用卫星当前数据进行山火监测有很大的优势。Himawari-8卫星的波段识别范围可以从可见光波段到远红外波段,当山火发生时,快速火气火情信息,并可通过高频次的影像,进行火场发展的动态监测,估算出火势蔓延的速度和方向。
下面结合附图对本申请做进一步详细描述:
本申请实施例提供一种基于卫星和气象数据的浮动阈值输电线路山火监测方法,参照图1所示,所述方法包括如下步骤:
S101、获取Himawari-8卫星当前数据,所述当前数据包括7通道、14通道和15通道的亮温值T3.9、T11.2和T12.3以及1通道、3通道、4通道、5通道反射率ρ0.46、ρ0.64、ρ0.86、ρ1.6;
S102、对所述当前数据进行预处理,得到预处理数据,包括:
获取所述7通道和所述14通道亮温值的差值T3.9_11.2。
根据预设背景窗区的大小,获得所述7通道、所述14通道的背景亮温值T3.9mean、T11.2mean,所述背景亮温值为所述背景窗区内全部像元亮温值的平均值。如设置背景窗区为5×5个像元,背景亮温值为背景窗区内25个像元的亮温值得平均值。
获取所述7通道和所述14通道背景亮温值的差值T3.9mean_11.2mean。获取所述预设背景窗区中7通道亮温值的标准差δT3.9,获取所述预设背景窗区中14通道亮温值的标准差δT11.2,获取所述预设背景窗区中7通道和14通道亮温值差值的标准差δT3.9_11.2。
得到第一潜在火点偏离度n1=(T3.9-T3.9mean)/δT3.9,第二潜在火点偏离度n2=(T3.9_11.2-T3.9mean_11.2mean)/δT3.9_11.2。偏离度反映的是像元与背景像元在亮温值上的差异大小。
S103、根据所述当前数据和所述预处理数据,对非火点位置和云层进行掩膜识别和排除,包括:
所述非火点包括冰雪、水体。
获取冰雪掩膜ns=(ρ0.46–ρ1.6)/(ρ0.46+ρ1.6),当ns>0.13时,判断对应像元为冰雪。
获取水体掩膜nw=(ρ0.86–ρ0.64)/(ρ0.86+ρ0.64),当nw<0时,判断对应像元为水体。
识别白天或夜间,进一步识别云层,包括:
获取3通道和4通道反射率的绝对值abs(ρ0.64)和abs(ρ0.86)。
当abs(ρ0.64)和abs(ρ0.86)同时小于0.01时,判断为夜间;在夜间时,若T12.3小于第一阈值则识别为云层,若T12.3大于等于第一阈值则识别为非云层。
当abs(ρ0.64)和abs(ρ0.86)其中一个大于等于0.01时,判断为白天;在白天时,若ρ0.64与ρ0.86的和大于第二阈值或者T12.3小于第一阈值或者ρ0.64与ρ0.86的和大于第三阈值且T12.3小于第四阈值时,则识别为云层。
在一种具体的实施方式中,以云南地区来判断云层时,具体为:
在夜间,若T12.3<265K,则判断为云层,否则,判断为非云层。
在白天,若满足ρ0.64+ρ0.86>0.9或者T12.3<265K或者ρ0.64+ρ0.86>0.7且T12.3<285K中任意一个,则判断为云层,若都不满足,判断为非云层。
S104、根据预设初始阈值T1、T2和T3,通过绝对火点和基于背景像元火点来识别火点,绝对火点识别为在白天时T3.9大于第五阈值或者在夜间时T3.9大于第六阈值,对应像元为火点。
基于背景像元火点识别包括:
在白天时,若T3.9大于T1且T3.9_11.2大于第七阈值或者T3.9大于T2且T3.9_11.2大于第八阈值,对应像元为火点。
在夜间时,若n1大于第九阈值且n2大于第十阈值或者n1大于第十一阈值且n2大于第九阈值或者T3.9大于T3,n1大于第十阈值且n2大于第十二阈值或者T3.9大于T3,n1大于第九阈值且n2第十阈值,对应像元为火点。
在一种具体的实施方式中,以云南地区来识别火点时,具体为:
绝对火点识别为在白天时T3.9>360K或者在夜间时T3.9>340K,对应像元为火点。
基于背景像元火点识别:
在白天时,若满足T3.9>T1且T3.9_11.2>30K或者T3.9>T2且T3.9_11.2>25K中任意一个,识别对应像元为火点;
在夜间时,n1>3且n2>3.5或者n1>2.5且n2>3或者T3.9>T3,n1>3.5且n2>4或者T3.9>T3,n1>3且n2>3.5中任意一个,识别对应像元为火点。
S105、获取Himawari-8卫星历史数据,所述历史数据包括不同月份的7通道、14通道和15通道的亮温值T3.9、T11.2和T12.3。
S106、对历史数据按月进行预处理,得到月平均值MN以及根据预设月数获得的总值MALL。
S107、根据所述月平均值MN和总值MALL,获得每个月对应的修正阈值T1N’、T2N’、T3N’,包括:
获取预设范围内所有像元在每个月7通道亮温值、14通道亮温值以及7通道和14通道亮温值差值每间隔10min数据的平均值MN,其中,N为月份,所述MN包括MEAN(T3.9)、MEAN(T11.2)、MEAN(T3.9_11.2);
根据预设月数获取对应月份的总值MALL;
根据所述月平均值MN和总值MALL,获得每个月对应的修正阈值T1N’、T2N’、T3N’,
T1N’=MN×T1/MALL
T2N’=MN×T2/MALL
T3N’=MN×T3/MALL
式中,N为月份。
在一种具体的实施方式中,以云南地区获得修正阈值,对于云南地区39.4万平方公里的面积,以每10km×10km的面积取一个像元,总共约有3940个像元,这些像元的位置固定,分别对每个点在不同月份白天和夜间的每隔10分钟的亮温值,以Himawari-8卫星在经纬度(100.5,23.56)的点于2020年1月至6月的数据为例,如图1所示,为平均值变化曲线,如图3所示,在白天8:00-19:00、如图4所示,夜间19:00-次日7:30区间内求平均值,再对3940个点求平均值,将通过以上步骤所求得的平均值记为MN(N=1,2,3……6)。
再将M1、M2、M3……M6与1月至6月总的MALL比较,获得每个月对应的修正阈值,不同的月份,修正后的阈值不同。
S108、根据所述修正阈值T1N’、T2N’、T3N’,每个月通过绝对火点和基于背景像元火点来识别火点并获取对应像元经纬度。
S109、获取雨量气象数据,所述雨量气象数据包括气象局天气预报格点对应经纬度和雨量数据,以及国家级自动站1小时时效数据中所述格点经纬度和雨量数据。其中,全省格点(0.05*0.05度)天气预报覆盖整个云南省,包含32661个格点,预报时效为当日8时至次日8时,能够得到格点对应的经纬度,当日最高、最低气温,雨量,风速等数据;
S110、根据雨量气象数据筛选待排除非火点。包括:
当气象局天气预报格点以及东西南北相邻格点的雨量数据都大于等于2mm时,可燃物的含水量上升,而格点以经纬度0.05度×0.05度为跨度,转化为距离单位约为5.55km×5.55km,则对应格点为非火点;
当国家级自动站1小时时效数据中格点雨量数据大于等于0.1mm时,则对应格点为非火点;
当国家级自动站1小时时效数据中格点雨量数据小于0.1mm且所述格点的东西南北相邻格点大于等于0.1mm时,则对应所述格点的东西南北相邻格点为非火点;当所述像元经纬度中存在与所述非火点对应格点的经纬度重合时,确认所述非火点为待排除非火点。如当像元经纬度(A,B)与判别为非火点的格点的经纬度(C,D)重合时,如当|A-C|<0.03°且|B-D|<0.03°即为重合。
由全省格点(0.05*0.05度)天气预报和国家级自动站1小时时效数据的筛选与反筛选,能够确保火点监测的时效性,并降低漏检率。
S111、排除所述识别火点中的所述待排除非火点。还包括排除太阳耀斑点;
当所述火点的对应像元1、3、4和5通道的反射率大于0.3且7通道的亮温值T3.9大于305K且耀斑角θg小于30°时,对应像元为太阳耀斑点,所述对应像元为待排除非火点。
本申请提供一种基于卫星和气象数据的浮动阈值输电线路山火监测方法,获取Himawari-8卫星当前数据,所述当前数据包括7通道、14通道和15通道的亮温值T3.9、T11.2和T12.3以及1通道、3通道、4通道、5通道反射率ρ0.46、ρ0.64、ρ0.86、ρ1.6;对所述当前数据进行预处理,得到预处理数据;根据所述当前数据和所述预处理数据,对非火点位置和云层进行掩膜识别和排除;根据预设初始阈值T1、T2和T3,通过绝对火点和基于背景像元火点来识别火点;获取Himawari-8卫星历史数据,所述历史数据包括不同月份的7通道、14通道和15通道的亮温值T3.9、T11.2和T12.3;对历史数据按月进行预处理,得到月平均值MN以及根据预设月数获得的总值MALL;进一步获得每个月对应的修正阈值T1N’、T2N’、T3N’;根据所述修正阈值T1N’、T2N’、T3N’,每个月通过绝对火点和基于背景像元火点来识别火点并获取对应像元经纬度;获取雨量气象数据,所述雨量气象数据包括气象局天气预报格点对应经纬度和雨量数据,以及国家级自动站1小时时效数据中所述格点经纬度和雨量数据;根据雨量气象数据筛选待排除非火点;排除所述识别火点中的所述待排除非火点,本申请考虑了不同月份外界因素的差异,按月份对火点识别的阈值进行修正,并结合雨量气象数据对可能发生山火的点进行筛选,提高了输电线路火点识别的效率和准确率。
以上内容仅为说明本申请的技术思想,不能以此限定本申请的保护范围,凡是按照本申请提出的技术思想,在技术方案基础上所做的任何改动,均落入本申请权利要求书的保护范围之内。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的***组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的***。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
Claims (9)
1.一种基于卫星和气象数据的浮动阈值输电线路山火监测方法,其特征在于,所述方法包括:
获取Himawari-8卫星当前数据,所述当前数据包括7通道、14通道和15通道的亮温值T3.9、T11.2和T12.3以及1通道、3通道、4通道、5通道反射率ρ0.46、ρ0.64、ρ0.86、ρ1.6;
对所述当前数据进行预处理,得到预处理数据;
根据所述当前数据和所述预处理数据,对非火点位置和云层进行掩膜识别和排除;
根据预设初始阈值T1、T2和T3,通过绝对火点和基于背景像元火点来识别火点;
获取Himawari-8卫星历史数据,所述历史数据包括不同月份的7通道、14通道和15通道的亮温值T3.9、T11.2和T12.3;
对历史数据按月进行预处理,得到月平均值MN以及根据预设月数获得的总值MALL;
根据所述月平均值MN和总值MALL,获得每个月对应的修正阈值T1N’、T2N’、T3N’;
根据所述修正阈值T1N’、T2N’、T3N’,每个月通过绝对火点和基于背景像元火点来识别火点并获取对应像元经纬度;
获取雨量气象数据,所述雨量气象数据包括气象局天气预报格点对应经纬度和雨量数据,以及国家级自动站1小时时效数据中所述格点经纬度和雨量数据;
根据雨量气象数据筛选待排除非火点;
排除所述识别火点中的所述待排除非火点。
2.根据权利要求1所述的一种基于卫星和气象数据的浮动阈值输电线路山火监测方法,其特征在于,所述对所述当前数据进行预处理,包括:
获取所述7通道和所述14通道亮温值的差值T3.9_11.2
根据预设背景窗区的大小,获得所述7通道、所述14通道的背景亮温值T3.9mean、T11.2mean,所述背景亮温值为所述背景窗区内全部像元亮温值的平均值;
获取所述7通道和所述14通道背景亮温值的差值T3.9mean_11.2mean;
获取所述预设背景窗区中7通道亮温值的标准差δT3.9,获取所述预设背景窗区中14通道亮温值的标准差δT11.2,获取所述预设背景窗区中7通道和14通道亮温值差值的标准差δT3.9_11.2;
得到第一潜在火点偏离度n1=(T3.9-T3.9mean)/δT3.9,第二潜在火点偏离度n2=(T3.9_11.2-T3.9mean_11.2mean)/δT3.9_11.2。
3.根据权利要求1所述的一种基于卫星和气象数据的浮动阈值输电线路山火监测方法,其特征在于,所述对非火点位置和云层进行掩膜识别和排除,包括:
所述非火点包括冰雪、水体;
获取冰雪掩膜ns=(ρ0.46–ρ1.6)/(ρ0.46+ρ1.6),当ns>0.13时,判断对应像元为冰雪;
获取水体掩膜nw=(ρ0.86–ρ0.64)/(ρ0.86+ρ0.64),当nw<0时,判断对应像元为水体。
4.根据权利要求1所述的一种基于卫星和气象数据的浮动阈值输电线路山火监测方法,其特征在于,所述对非火点位置和云层进行掩膜识别和排除,还包括:
获取3通道和4通道反射率的绝对值abs(ρ0.64)和abs(ρ0.86);
当abs(ρ0.64)和abs(ρ0.86)同时小于0.01时,判断为夜间;
在夜间时,若T12.3小于第一阈值则识别为云层,若T12.3大于等于第一阈值则识别为非云层;
当abs(ρ0.64)和abs(ρ0.86)其中一个大于等于0.01时,判断为白天;
在白天时,若ρ0.64与ρ0.86的和大于第二阈值或者T12.3小于第一阈值或者ρ0.64与ρ0.86的和大于第三阈值且T12.3小于第四阈值时,则识别为云层。
5.根据权利要求1所述的一种基于卫星和气象数据的浮动阈值输电线路山火监测方法,其特征在于,所述根据预设初始阈值T1、T2和T3,进行绝对火点的识别,包括:
在白天时T3.9大于第五阈值或者在夜间时T3.9大于第六阈值,对应像元为火点。
6.根据权利要求1所述的一种基于卫星和气象数据的浮动阈值输电线路山火监测方法,其特征在于,所述根据预设初始阈值T1、T2和T3,进行基于背景像元火点的识别,包括:
在白天时,若T3.9大于T1且T3.9_11.2大于第七阈值或者T3.9大于T2且T3.9_11.2大于第八阈值,对应像元为火点;
在夜间时,若n1大于第九阈值且n2大于第十阈值或者n1大于第十一阈值且n2大于第九阈值或者T3.9大于T3,n1大于第十阈值且n2大于第十二阈值或者T3.9大于T3,n1大于第九阈值且n2第十阈值,对应像元为火点。
7.根据权利要求1所述的一种基于卫星和气象数据的浮动阈值输电线路山火监测方法,其特征在于,所述对历史数据按月进行预处理,包括:
获取预设范围内所有像元在每个月7通道亮温值、14通道亮温值以及7通道和14通道亮温值差值每间隔10min数据的平均值MN,其中,N为月份,所述MN包括MEAN(T3.9)、MEAN(T11.2)、MEAN(T3.9_11.2);
根据预设月数获取对应月份的总值MALL;
根据所述月平均值MN和总值MALL,获得每个月对应的修正阈值T1N’、T2N’、T3N’,
T1N’=MN×T1/MALL
T2N’=MN×T2/MALL
T3N’=MN×T3/MALL
式中,N为月份。
8.根据权利要求1所述的一种基于卫星和气象数据的浮动阈值输电线路山火监测方法,其特征在于,所述根据雨量气象数据筛选待排除非火点,包括:
当气象局天气预报格点以及东西南北相邻格点的雨量数据都大于等于2mm时,则对应格点为非火点;
当国家级自动站1小时时效数据中格点雨量数据大于等于0.1mm时,则对应格点为非火点;
当国家级自动站1小时时效数据中格点雨量数据小于0.1mm且所述格点的东西南北相邻格点大于等于0.1mm时,则对应所述格点的东西南北相邻格点为非火点;
当所述像元经纬度中存在与所述非火点对应格点的经纬度重合时,确认所述非火点为待排除非火点。
9.根据权利要求1所述的一种基于卫星和气象数据的浮动阈值输电线路山火监测方法,其特征在于,排除所述识别火点中的所述待排除非火点还包括排除太阳耀斑点;
当所述火点的对应像元1、3、4和5通道的反射率大于0.3且7通道的亮温值T3.9大于305K且耀斑角θg小于30°时,对应像元为太阳耀斑点,所述对应像元为待排除非火点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110017385.2A CN112837489A (zh) | 2021-01-07 | 2021-01-07 | 基于卫星和气象数据的浮动阈值输电线路山火监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110017385.2A CN112837489A (zh) | 2021-01-07 | 2021-01-07 | 基于卫星和气象数据的浮动阈值输电线路山火监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112837489A true CN112837489A (zh) | 2021-05-25 |
Family
ID=75926552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110017385.2A Pending CN112837489A (zh) | 2021-01-07 | 2021-01-07 | 基于卫星和气象数据的浮动阈值输电线路山火监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112837489A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114841920A (zh) * | 2022-03-29 | 2022-08-02 | 清华大学 | 基于图像处理的火焰识别方法、装置及电子设备 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105740642A (zh) * | 2016-03-14 | 2016-07-06 | 国家电网公司 | 基于多源遥感数据的modis卫星火点准确性判别方法 |
CN105761408A (zh) * | 2016-04-25 | 2016-07-13 | 国网湖南省电力公司 | 输电线路山火卫星的动态阈值监测方法及*** |
KR20180008056A (ko) * | 2016-07-15 | 2018-01-24 | 강릉원주대학교산학협력단 | 히마와리 8호 위성의 ahi 센서자료를 이용한 대기상단에서의 상향장파복사산출방법 |
CN110333519A (zh) * | 2019-04-26 | 2019-10-15 | 云南电网有限责任公司电力科学研究院 | 基于高轨低轨卫星数据的输电线路山火监测方法及装置 |
CN110634258A (zh) * | 2019-08-19 | 2019-12-31 | 广西电网有限责任公司电力科学研究院 | 一种针对输电线路卫星监测山火数据的山火辨识方法 |
CN110766685A (zh) * | 2019-10-31 | 2020-02-07 | 云南电网有限责任公司昆明供电局 | 一种基于遥感数据云检测的输电线路山火监测方法及*** |
CN111006771A (zh) * | 2019-12-27 | 2020-04-14 | 广东电网有限责任公司电力科学研究院 | 一种基于极轨气象卫星判识火点的方法与装置 |
CN111127806A (zh) * | 2019-12-30 | 2020-05-08 | 重庆市海普软件产业有限公司 | 基于多传感器的综合森林防火监控***及方法 |
CN111310621A (zh) * | 2020-02-04 | 2020-06-19 | 北京百度网讯科技有限公司 | 遥感卫星火点识别方法、装置、设备及存储介质 |
CN111931648A (zh) * | 2020-08-10 | 2020-11-13 | 成都思晗科技股份有限公司 | 一种基于Himawari8波段数据的山火实时监测方法 |
CN112113913A (zh) * | 2020-08-30 | 2020-12-22 | 山东锋士信息技术有限公司 | 一种基于背景阈值的Himawari8陆地火点探测算法 |
CN113989644A (zh) * | 2021-11-03 | 2022-01-28 | 中科三清科技有限公司 | 基于Himawari-8数据的沙尘区域获取方法 |
-
2021
- 2021-01-07 CN CN202110017385.2A patent/CN112837489A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105740642A (zh) * | 2016-03-14 | 2016-07-06 | 国家电网公司 | 基于多源遥感数据的modis卫星火点准确性判别方法 |
CN105761408A (zh) * | 2016-04-25 | 2016-07-13 | 国网湖南省电力公司 | 输电线路山火卫星的动态阈值监测方法及*** |
KR20180008056A (ko) * | 2016-07-15 | 2018-01-24 | 강릉원주대학교산학협력단 | 히마와리 8호 위성의 ahi 센서자료를 이용한 대기상단에서의 상향장파복사산출방법 |
CN110333519A (zh) * | 2019-04-26 | 2019-10-15 | 云南电网有限责任公司电力科学研究院 | 基于高轨低轨卫星数据的输电线路山火监测方法及装置 |
CN110634258A (zh) * | 2019-08-19 | 2019-12-31 | 广西电网有限责任公司电力科学研究院 | 一种针对输电线路卫星监测山火数据的山火辨识方法 |
CN110766685A (zh) * | 2019-10-31 | 2020-02-07 | 云南电网有限责任公司昆明供电局 | 一种基于遥感数据云检测的输电线路山火监测方法及*** |
CN111006771A (zh) * | 2019-12-27 | 2020-04-14 | 广东电网有限责任公司电力科学研究院 | 一种基于极轨气象卫星判识火点的方法与装置 |
CN111127806A (zh) * | 2019-12-30 | 2020-05-08 | 重庆市海普软件产业有限公司 | 基于多传感器的综合森林防火监控***及方法 |
CN111310621A (zh) * | 2020-02-04 | 2020-06-19 | 北京百度网讯科技有限公司 | 遥感卫星火点识别方法、装置、设备及存储介质 |
CN111931648A (zh) * | 2020-08-10 | 2020-11-13 | 成都思晗科技股份有限公司 | 一种基于Himawari8波段数据的山火实时监测方法 |
CN112113913A (zh) * | 2020-08-30 | 2020-12-22 | 山东锋士信息技术有限公司 | 一种基于背景阈值的Himawari8陆地火点探测算法 |
CN113989644A (zh) * | 2021-11-03 | 2022-01-28 | 中科三清科技有限公司 | 基于Himawari-8数据的沙尘区域获取方法 |
Non-Patent Citations (2)
Title |
---|
吴黎, 哈尔滨工程大学出版社 * |
陈洁等: "Himawari-8静止气象卫星草原火监测分析", 《自然灾害学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114841920A (zh) * | 2022-03-29 | 2022-08-02 | 清华大学 | 基于图像处理的火焰识别方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wentz et al. | New algorithms for microwave measurements of ocean winds: Applications to Seasat and the special sensor microwave imager | |
Yang et al. | Solar irradiance forecasting using a ground-based sky imager developed at UC San Diego | |
Cao et al. | Detecting light outages after severe storms using the S-NPP/VIIRS day/night band radiances | |
Liberato | The 19 January 2013 windstorm over the North Atlantic: large-scale dynamics and impacts on Iberia | |
Doubrawa et al. | Satellite winds as a tool for offshore wind resource assessment: The Great Lakes Wind Atlas | |
Nobre et al. | On the impact of haze on the yield of photovoltaic systems in Singapore | |
Lee et al. | Fog detection using geostationary satellite data: Temporally continuous algorithm | |
Gao et al. | Detection of nighttime sea fog/stratus over the Huang-hai Sea using MTSAT-1R IR data | |
Stammerjohn et al. | The influence of winds, sea-surface temperature and precipitation anomalies on Antarctic regional sea-ice conditions during IPY 2007 | |
Comiso et al. | Enhanced Pacific Ocean sea surface temperature and its relation to Typhoon Haiyan | |
CN114663776A (zh) | 一种基于gk-2a的高频空间自适应阈值火情遥感监测方法 | |
Barnes et al. | An assessment of diurnal and seasonal cloud cover changes over the Hawaiian Islands using Terra and Aqua MODIS | |
Adebesin et al. | F2 layer characteristics and electrojet strength over an equatorial station | |
CN112837489A (zh) | 基于卫星和气象数据的浮动阈值输电线路山火监测方法 | |
Johnson et al. | High-resolution satellite imagery for mesoscale meteorological studies | |
Sharma et al. | Occurrence of equatorial plasma bubbles over Kolhapur | |
Schroedter-Homscheidt et al. | Verification of sectoral cloud motion based direct normal irradiance nowcasting from satellite imagery | |
Nunez et al. | Rainfall estimation in south-west Tasmania using satellite images and phytosociological calibration | |
Sorapipatana | An assessment of solar energy potential in Kampuchea | |
Popovic et al. | Methodology for detection of photovoltaic systems underperformance operation based on the correlation of irradiance estimates of neighboring systems | |
Ghosh et al. | A simple cloud detection algorithm using NOAA-AVHRR satellite data | |
Le Borgne et al. | Validation of the OSI SAF radiative fluxes | |
Gabathuler et al. | Parameterization of incoming longwave radiation in high-mountain environments | |
Luque et al. | Tropical-like Mediterranean storms: an analysis from satellite | |
Ramesh et al. | Advanced Remote Sensing Methods for High-Resolution, Cost-Effective Monitoring of the Coastal Morphology Using Video Beach Monitoring System (VBMS), CoastSnap, and CoastSat Techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210525 |