基于AATSR数据的东北林火识别方法研究

森林火灾是一种世界性的重要自然灾害,它分布广、发生频度高,破坏森林资源,干扰人民正常生活秩序,造成全球性环境污染,越来越受到各国政府的重视。遥感(Remote Sensing,简称RS)、地理信息系统(Geography Information System,简称GIS)、网络等现代高新信息技术的出现和发展,为人类研究防灾减灾的工作提供了更为方便的条件。在对AATSR (全称为Advanced AlongTrack Scanning Radiometer)数据相关波段分析和背景信息集成的基础上,在东北林区开展了利用AATSR数据识别森林火灾的方法研究。同时,对分别由AATSR和MODIS(全称为ModerateResolution Image Spectroradiometer)数据获得的东北林区火灾监测结果进行了对比验证。     

一种利用HJ-1B红外相机数据自动识别林火的方法

森林火灾是一种世界性的重要自然灾害,它分布广、发生频度高,破坏森林资源,干扰人民正常生活秩序,造成全球性环境污染,越来越受到各国政府的重视。环境减灾1B卫星上的红外相机(简称HJ-1BIRS),其空间分辨率提高到了150m,高温饱和点达到了500K,是国内目前卫星上可探测地表温度最高的相机。在对HJ-1BIRS数据相关波段进行抽样统计分析基础上,针对HJ-1BIRS数据各波段特性,采用自适应的劈窗检测算法识别林火;在IDL语言环境下,实现了基于HJ-1BIRS和背景信息集成的林火自动识别算法程序。同时,通过近1a的试运行,并选取发生在东北林区和南方林区的森林火灾为验证案例,对算法及其监测精度进行验证。验证结果表明:该方法的判对率达到了90%以上,遗失率都低于10%,错判率为0,该方法基本能满足我国林火监测业务的精度要求。     

利用高频微波被动遥感探测大气

现已上天的微波辐射计大都采用１００ＧＨｚ以下频率,其观测资料应用的最大限制就是它们的空间分辨率不够高。随着高频微波元器件研制技术的不断发展,我们对使用毫米波、亚毫米波及更高频段进行地气系统遥感的可行性及重要性都已有了相当充分的认识。这里试图给出一个有关使用微波１１０ＧＨｚ以上高频在进行大气参量被动遥感方面研究的简要综述,包括大气温度和湿度廓线的反演、卷云遥感以及云和降水的探测     

林火卫星遥感监测及早期报警技术研究

以我国林火发生率较高、卫星监测林火难度较大的西南林区为试验区，为大幅度提高林火报准率，开展了微机图像处理技术、地理信息系统（ＧＩＳ）、森林火灾的分布规律、ＡＶＨＲＲ林火信息提取技术和专家系统应用等研究。介绍了该项目的研究方法，叙述了研究成果的技术原理，展望了今后研究的主攻方向。     

基于K-means和颜色模型的林火辨识方法研究

为了确保火灾探测结果的可靠性和准确性,从林火燃烧时火焰和烟雾特征出发,对现有的林火探测技术进行了分析,提出了一种基于K-means和颜色模型的林火辨识方法。首先使用Kmeans算法对采集到的彩色图像进行分割,根据火灾发生时火焰和烟雾的颜色特征,采取一种改进的颜色模型对分割出来的子图像进行辨识,对疑似火焰子图像和疑似烟雾子图像进行初步确认,然后从疑似子图像中提取出火焰和烟雾的特征输入到RBF神经网络,判断是否确实发生火灾。     

基于模糊神经网络的火灾识别算法

火灾自动识别能够及时准确预报火情。在森林大空间的环境中,由于火灾信号具有非线性和不确定性,将采集的探测信号做简单的分析与比较,误报率比较高。如何融合几个传感器的信号进行有效地火灾识别是一个难点。为提高预测的准确性,针对传统的森林火情预测系统误报率高的缺点,提出一种基于模糊神经网络的火灾识别算法。首先,将模糊控制和神经网络以串联的方式结合,将采集的传感器信号进行处理后送入三层前馈BP网络进行处理,输出明火概率、阴燃火概率、无火概率,然后,将它们作为模糊控制系统的输入,模糊化后进行模糊推理,最后去模糊化得出火灾概率大小。并利用MATLAB工具箱对构建的算法模型进行仿真分析,仿真结果表明,本文的方法能够有效地融合多个火灾探测传感器的信号,快速而准确的判断出火情的大小,提高火灾识别的准确率,减少误报率。     

AVHRR数据小火点自动识别方法的研究

利用NOAA-AVHRR数据,采用多因子分析方法,通过建立小火点自动识别模型来提取小火点燃烧信息。经实验验证,该方法能较好地减少云体、裸地对火点判断的干扰,从而在一定程度上提高了对小火点的监测精度。     

基于无线传感器网络的林火监测预警系统

无线传感器网络是科学领域的一个新方向。针对森林火灾发生的严峻形势,提出一种应用无线传感器网络的森林火灾实时监测预警系统,给出系统的框架、关键技术和实施方案,实时监测林区的空气温度、湿度及有林火产生时的烟雾稠密浓度等相关坏境参数,通过林火天气指标系统进行预警,为森林防火、灭火提供重要依据。     

双通道算法与MODIS算法反演中国近海气溶胶光学特性的对比研究

利用双通道和IMAPP气溶胶反演算法处理TERRA/MODIS L1B数据得出中国近海气溶胶的光学厚度,与AERONET太阳光度计的反演结果作对比分析,验证了反演方法的可行性。同时,对各海域的反演结果及表征粒子谱宽度的Angstrom指数(α)的变化情况进行了分析,结果表明：在东海和日本以南等广阔海域,两种反演算法的结果同AERONET太阳光度计的观测结果基本一致,相关性较好;在渤海和黄海近海岸一带两者气溶胶光学厚度的反演值均偏高,其原因主要是由这些海域的二类水体的影响导致的。探讨分析了这些海域的水域特征及光学特性,为研究发展适合中国近海气溶胶特性的反演算法提供了依据。     

森林火灾的气象卫星监测方法

森林火灾是造成森林资源破坏的重大灾害之一。作者根据近年来从事森林火灾卫星监刚的实践，结合国内外有关利用气象卫星监测林火的资料，介绍了林火卫星监测的原理、方法和实用效果。     

遥感与模糊评判在森林火灾后生态监测评价中的应用

以遥感资料为信息源，针对森林生态的复杂性与模糊性，采用模糊数学中“多层次模糊综合评判”的方法，对森林火灾后生态景观进行评价及动态监测，以期探索森林火灾后生态监测评价的新途径，为森林生态系统的恢复和重建提供科学依据和决策支持。     

基于环境一号卫星B星CCD与红外相机融合的澳洲火灾监测

利用我国自主研制的环境一号小卫星B星上搭载的CCD相机与红外相机,对澳大利亚维多利亚州威尔逊角森林火灾火势进行监测。B星CCD相机与红外相机由于具有相似的成像条件,因此可以对两个载荷的数据进行融合处理,增强对地面地物(如火势及火场旁边的林地)表达。另外由于卫星的宽覆盖以及高时间分辨率,卫星可以很好地对火势以及火势发展进行动态监测。     

基于数据融合的无线传感器网络林火监控算法

针对无线传感器网络在林火监控应用中存在的问题,提出了一种分层聚簇数据融合算法。簇内传感器节点使用加权平均法对原始数据进行数据级融合处理,以消除原始数据中的冗余成分,减少从簇内传感器节点到簇头节点的通信量;簇头节点采用D-S证据理论建立识别框架,通过对本簇成员的反馈信号进行决策级融合处理,提高了火灾事件的识别精度和网络的鲁棒性。实验结果表明,该算法能有效消除无线传感器网络的冗余数据,并能够在失效节点数不超过总节点数40%的情况下正确工作。     

MODIS数据在树种长势监测中的应用

近年来,世界各国日益重视利用“3S”(遥感、地理信息系统和全球定位系统)技术对陆地表面植被进行研究。利用Terra-MODIS数据,分别采用了归一化植被指数(NDVI)、环境植被指数(EVI)、土壤调节植被指数(SAVI)以及比值植被指数(RVI)对实验区典型树种的长势进行了比较研究;同时对实验区典型树种的植被指数的地域变化和时间变化进行了分析,为探讨我国可燃物的时空变化规律打下了基础。     

基于ENVISAT-MERIS数据的过火区制图方法研究

森林或草原在发生火灾后,过火区内的植被层在近红外波段的反射率通常要比健康植被低,利用光学遥感数据的近红外波段和红光波段可以探测出植被层的反射率在大气上界的明显变化。对过火区域的提取是利用卫星数据进行测算森林或草原火灾过火面积的关键技术之一。根据实验区内近年来发生的多次重特大森林或草原火灾,在对ENVISAT\|MERIS数据中典型地物光谱特征进行分析的基础上,分别采用图像处理方法、植被指数法和面向对象的图像分析方法对过火区制图方法进行对比研究。研究结果表明,通过面向对象的图像分析方法获得的过火区域,可以较好地适用于过火区面积的估测,该方法是一项实现定量提取过火区域的行之有效的方法。     

基于变形粒子系统的林火可视化技术研究

林火是一种常见的、危害极大的森林灾害.通过可视化手段研究林火的发生、发展的过程具有重要意义.文章分析了近几年来国内外对火焰模拟与可视化的技术发展,根据林火自身的燃烧机理,提出了基于变形粒子系统的林火火焰的可视化表达方法.该方法用不规则的几何图形来代替图元或像元作为基本粒子,加快绘制速度,并通过求解粒子在不同空间分布上的温度获得粒子的颜色和亮度.仿真结果表明,利用该方法可以快速生成逼真的带有烟雾的林火,并能较好地满足林火的实时绘制需要.     

基于改进遗传算法和SVM的森林火灾视频目标鉴别

计算机视觉是目前计算机技术研究的热门课题之一,目标对象特征的选择和提取是计算机视觉的核心问题。在分析和研究火焰图像中火焰预判方法的基础上,提出了从纹理、动态、几何3个方面筛取火焰图像的组合特征,并且重点介绍了动态特征的提取方法。在火焰识别的特征选择方面做了较深入的研究,综合利用了火焰的内容特征,基于遗传算法提出了新的适应度函数,使得特征选择更加科学,而基于结构风险最小化理论的SVM在识别过程中可充分发挥优势,因此在实验中取得了理想的效果。