[发明专利]一种森林火灾遥感动态监测方法

说明书

本发明提供了一种森林火灾遥感动态监测方法，包括如下步骤：(1)确定研究区域，获取研究区域的影像数据对并进行预处理；(2)使用STARFM算法分别对所获取的影像进行融合，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。本发明设计的改进策略可弥补经典STARFM时空融合技术使用单一中等空间分辨率影像(如Landsat影像)与MOD I S(MOD I S：Moderate Reso l ut i onImagi ng Spectrorad i ometer，中分辨率成像光谱仪)影像时空融合的不足，在森林火灾遥感动态监测场景中具有可行性。

技术领域

本发明涉及一种遥感动态监测方法，尤其涉及一种森林火灾遥感动态监测方法。

背景技术

森林火灾是突发性强、破坏性大、救援困难的一种自然灾害，全球每年平均发生森林火灾数十万次，森林受灾面积达数百公顷，对部分区域的生态环境和经济发展造成了极大威胁。对于森林火灾，需要及时发现着火点的位置及其变化、过火面积，并准确评估出火灾损失及影响，此时需要具有高重访周期和高空间分辨率的遥感影像来进行分析判读。但在现有传感器硬件条件限制下，卫星遥感数据无法同时满足高空间分辨率和高时间分辨率的要求。针对遥感传感器时间分辨率和空间分辨率的矛盾以及其他客观因素的限制，很多学者提出时空融合的技术方法，从而能够更加准确、快速的获得受灾区域高空间和高时间分辨率的遥感影像，为森林火灾的监测和损失评估提供更加有力的数据支撑。

到目前为止，国内外的学者做了大量关于时空融合算法的研究工作，并取得了一系列的成果。Gao等人提出时空自适应反射率融合模型(Spatial and Temporal AdaptiveReflectance Fusion Model，STARFM)，用于融合Landsat影像和MODIS影像得到高时空分辨率的数据，取得了较好的效果。顾晓鹤等人提出了基于时间序列的遥感数据来构建了时空融合模型。邬明权等人提出了基于混合像元分解的方法(Spatial and Temporal DataFusion Model，STDFM)来融合MODIS和Landsat影像数据。Zhang等人对STDFM方法进行了改进，提出增强型基于混合像元分解的方法(Enhanced spatial and temporal data fusionmodel，ESTDFM)。Huang等人提出的基于稀疏表示的时空反射率融合模型(SParse-representation-based SpatioTem-poral reflectance Fusion Model，SPSTFM)，在原来的时空融合算法中引入稀疏表达的理论。谢登峰等人利用一种新的时空融合方法(Spatialand Temporal Data Fusion Algorithm，STDFA模型)融合MODIS和Landsat OLI数据。Hilker等人提出了一种针对反射率变化的时空自适应融合模型算法(Spatial TemporalAdaptive Algorithm for mapping Reflectance Change，STAARCH)，从低分辨率影像的密集时间序列中检测出变化点，以提高土地覆盖类型变化时的STARFM性能。Zhu等人基于STARFM提出了一种增强型时空自适应反射率融合模型(Enhanced Spatial and TemporalAdaptive Reflectance Fusion Model，ESTARFM)，引入了一个转换系数，可以更好地预测异质性地表的反射率的变化。Weng等人通过考虑年温度循环和热辐射率数据，基于STARFM提出了一种时空自适应温度映射数据融合算法(Spatio-temporal Adaptive Data FusionAlgorithm for Temperature mapping，SADFAT)。Cheng人等提出了一种时空非局部滤波融合模型(Spatial and Temporal Nonlocal Filter-Based Data Fusion Method，STNLFFM)，对于异质性地表区域具有更高的预测精度。Zhao等人提出了一种针对复杂地表变化的鲁棒性自适应时空数据融合模型(Robust Adaptive Spatial and TemporalFusion Model，RASTFM)，在捕捉地表变化现象时具有更高的准确度和鲁棒性。