[发明专利]一种基于时空融合算法的森林火灾遥感动态监测方法

权利要求书

1.一种基于时空融合算法的森林火灾遥感动态监测方法，其特征在于，包括如下步骤：

(1)确定研究区域，获取到的MOD09GA、Landsat8 OLI、Sentinel-2、GF-1 WFV的影像数据并进行预处理；

(2)使用STARFM算法与基于地物内组分时相变化模型的地表反射率时空融合算法分别对MOD09GA与Landsat8 OLI、Sentinel-2、GF-1 WFV的影像进行融合，进而生成待预测时刻的中等空间分辨率影像；

(3)基于预测影像计算火灾指标因子，进行火灾演化趋势分析。

2.一种如权利要求1所述的基于时空融合算法的森林火灾遥感动态监测方法，其特征在于，所述步骤(2)中的基于地物内组分时相变化模型的地表反射率时空融合算法包括如下步骤：

(1)对中高空间分辨率遥感影像采用迭代自组织数据分析算法进行非监督分类，将其分为多个地物类别，得到不同的地物组分；

(2)找出不同的地物组分所对应的所有纯像元；

(3)分别对各个地物组分的变化，建立相应时相变化模型进行预测。

3.一种如权利要求2所述的基于时空融合算法的森林火灾遥感动态监测方法，其特征在于，所述步骤(2)包括如下步骤：

(1)通过计算聚合前后的分辨率像元的比例n，将非监督分类影像自左上开始，组成若干n*n大小的矩阵，并记录聚合后的行列号；

(2)分别计算在每一个n*n矩阵中各组分所占比例，取比例最大的组分作为该像元的类别，并判断比例值是否大于20％，若大于该值，则将该聚合后的像元称为该地类的一个纯像元。

4.一种如权利要求2所述的基于时空融合算法的森林火灾遥感动态监测方法，其特征在于，所述步骤(3)中所建立相应时相变化模型包括如下三种：

第一种为差值模型：

pre_Sentinel_t1＝mean(MOD09GA_T1-MOD09GA_T0)+Sentinel_T0 (1)

第二种为比值模型：

第三种为变化率模型：

式中，MOD09GA_T0表示在T0时刻低分辨率遥感影像的地表反射率值，MOD09GA_T1表示在T1时刻低分辨率遥感影像的地表反射率值，Sentinel_T0表示在T0时刻的中高分辨率遥感影像地表反射率值，pre_Sentinel_T1表示预测得到的T1时刻的中高分辨率遥感影像地表反射率值，mean表示对所有的值取平均。

5.一种如权利要求1所述的基于时空融合算法的森林火灾遥感动态监测方法，其特征在于，对于步骤(1)对影像数据进行预处理的方法为：对MOD09GA的影像数据进行重投影、重采样，对Landsat8 OLI、Sentinel-2以及GF-1WFV影像数据进行几何校正、大气校正以及图像大小裁剪。

6.一种如权利要求1所述基于时空融合算法的森林火灾遥感动态监测方法，其特征在于，所述步骤(3)中的指标火灾因子包括燃烧面积指数，其计算公式为：

其中BAI为像素的燃烧面积指数，Red为影像预处理后像素的红色波段地表反射率，NIR为影像预处理后像素的近红外波段地表反射率。

7.一种如权利要求1所述的基于时空融合算法的森林火灾遥感动态监测方法，其特征在于，所述步骤(3)中的指标火灾因子包括归一化燃烧指数，其计算公式为：

其中NBR为像素的归一化燃烧指数，NIR为影像预处理后像素的近红外波段地表反射率，SWIR为影像预处理后像素的短波红外波段地表反射率。