[发明专利]一种基于MODIS的森林火灾火点检测方法

权利要求书

1.一种基于MODIS的森林火灾火点检测方法，其特征在于，包括如下步骤：

(1)识别潜在火点：先对来自MODIS的若干天的MOD02及MOD03数据构建时间序列数据，得到该若干天的NDVI和亮温的时间序列日值数据，然后采用时间序列断点识别算法识别所述NDVI和亮温的时间序列日值数据中的断点，将识别出的断点作为潜在火点；

(2)判别相对火点：基于所述潜在火点及其背景像元，进行空间上下文分析，将识别出的火点作为相对火点，所述相对火点为真实火点。

2.如权利要求1所述的方法，其特征在于，所述步骤(1)中，在对所述MOD02及MOD03数据构建时间序列数据之前，先对所述MOD02及MOD03数据进行预处理。

3.如权利要求2所述的方法，其特征在于，所述预处理包括几何校正、数据有效性检查、亮温反演和NDVI反演。

4.如权利要求3所述的方法，其特征在于，所述几何校正包括去除“蝴蝶结”效应、投影转换和图像规则裁剪。

5.如权利要求3或4所述的方法，其特征在于，所述数据有效性检查包括对经几何校正后的数据进行重新赋值以及数据拼接处理。

6.如权利要求1所述的方法，其特征在于，步骤(1)中所述采用时间序列断点识别算法识别所述NDVI和亮温的时间序列日值数据中的断点的步骤如下：

(a1)利用可加性分解模型迭代拟合趋势组分和季节组分，表示为：

Y_t＝T_t+S_t+e_t (t＝1,...,n)；

其中：t为观测时间，Y_t为t时刻观测值；T_t为趋势组分；S_t为季节组分；e_t为噪声组分，是观测值中除去趋势组分和季节成分后的剩余部分；

设断点为则趋势组分T_t的线性模型表示为：

$T_t={\mathrm{\α}}_j+{\mathrm{\β}}_{j}t,(t_{j-1}^{*}\<t\≤t_j^{*});$

其中：j为趋势断点所在位置，j＝1,...,m；α_j为截距，β_j为斜率，用来反演突变的幅度和断点前后渐变的斜率，对于断点t，若满足则断点t突变的幅度表示为：

Magnitude＝(α_j-1-α_j)+(β_j-1-β_j)t；

其中，β_j-1和β_j分别为断点前、后的渐变斜率；

设断点为则季节组分S_t的谐波模型表示为

$S_t=\underset{k=1}{\overset{K}{\Σ}}\[{\mathrm{\γ}}_{j,k}sin\left(\frac{2\mathrm{\π}kt}{f}\right)+{\mathrm{\θ}}_{j,k}\cos \left(\frac{2\mathrm{\π}kt}{f}\right)\];$

其中，j为季节断点所在位置，j＝1,...,p；k为谐波项数，f为频率；γ_j,k＝a_j,k cos(δ_j,k)，θ_j,k＝a_j,k sin(δ_j,k)，a_j,k和δ_j,k分别为频率f/k的振幅和相位：和δ_j,k＝tan^-1(θ_j,k/γ_j,k)；

(a2)断点监测：

利用基于最小二乘法的移动求和检验是否存在断点，利用最小贝叶斯信息准则确定断点的最优数量，利用最小残差平方和估算断点的位置。