大学生创新创业计划森林火灾遥感监测项目申报书国家级.docx
《大学生创新创业计划森林火灾遥感监测项目申报书国家级.docx》由会员分享，可在线阅读，更多相关《大学生创新创业计划森林火灾遥感监测项目申报书国家级.docx（17页珍藏版）》请在冰豆网上搜索。
大学生创新创业计划森林火灾遥感监测项目申报书国家级
附件2
四川农业大学
大学生创新训练计划项目申报书
项目名称基于多源遥感信息协同的森林火灾遥感监测研究
——以四川凉山州火灾为例
项目负责人
学院资源学院
联系电话
申报日期2020年06月01日
四川农业大学制表
填写说明
1．申请书的各项内容要求实事求是，逐条认真填写。
表达明确、严谨，一律要求用打印稿件。
2．申报书中各项内容用“小四”号仿宋体填写。
如表格空间不足的，可以扩展。
3．项目只能由全日制本科生提出申请。
4．导师信息和导师意见二栏请不要填写。
项目名称
基于多源遥感信息协同的森林火灾遥感监测研究
起止时间
年月至年月
负责人
学号
姓名
年级
所在学院、专业
联系电话
E-mail
项目组成员
导师
姓名
职称/职务
通讯地址
电话
E-mail
一、立项依据（项目意义、现状分析等）
1.研究意义
森林是生物圈的重要组成部分，广泛分布于陆地表面。
林火是干扰森林生态系统的一种主要因素，并已经成为全球范围内最为严重的自然灾害之一（Alkhatib等，2014）。
森林火灾具有破坏性强、突发性高、分布广等特点，不但会造成经济损失和人员伤亡，还会导致森林资源减少、破坏生物多样性（Roy,2014）。
此外由森林火灾造成的生物质燃烧不仅是造成土地类型变化和气候变化的重要因素，而且是气溶胶和大气微量气体产生的重要源头，生物质燃烧约占全球温室气体排放量的四分之一，产生的烟尘颗粒与来源于工业和城市硫酸盐颗粒产量相当。
近年来，森林火灾对人类、环境、野生动物、生态系统功能、天气和气候等产生巨大影响（Fernandez-Carrillo等，2019），引起了人们的广泛关注。
林火防治问题已成为世界范围内各界关注的热点话题。
图1凉山州森林火灾
实时、准确地监测森林火灾，是林火防治的重要组成部分，是有效控制森林火灾蔓延，减小经济损失的重要手段。
基于地面巡查、瞭望塔和视频监控监测等传统的林火监测方式，需要花费大量的人力和物力。
而遥感技术以其人力成本低、观测范围广，实时性强的优点，在近半个世纪的时间里被广泛应用于森林火灾预警、实时监控和灾后评估中，已成为当前森林火灾监测的重要手段之一（Alkhatib等，2014）。
遥感极轨卫星和同步卫星均可用于森林火灾监测。
地球同步卫星具有实时性、探测位置稳定的优点，在监测森林火灾中能够连续不断的获取火场的信息，这对于发现火情、扑救森林火灾、降低灾害影响意义重大，理论上来说，使用同步卫星数据，可以有更多的机会探测到短暂的火灾、火灾初期阶段、强烈的昼夜周期的火灾。
实时探测，特别是那些在初期阶段的火灾，可以使森林火灾和民防部门能够更好地管理其灭火行动，尽可能减少扑灭处于第一阶段火灾所需的工具和人力资源的响应时间，但是同步卫星空间分辨率偏低，对于小火点的探测能力与精度均存在不足。
与地球同步卫星相比，极轨卫星具有较高的空间分辨率，在小范围火情探测上具有优势，但极轨卫星重访周期长，时间分辨率低，在火情监测的时效性方面低于同步卫星（Xie等，2018），因此使用单一遥感数据很难满足实际林火防治的应用需求，如何充分发挥不同遥感平台优势，提升森林火灾遥感监测能力，是一个值得深入研究的问题。
2.研究现状
遥感探测森林火灾是通过不直接接触森林生物质，分析传感器探测到的发射、反射的电磁波来判定火点的技术。
表1森林火灾遥感监测典型卫星传感器
生物质燃烧产生的四种信号被太空中的传感器接收，分别为活火（光和热）、烟气、火后的碳、植物结构的改变（火烧迹地），利用卫星遥感影像进行火灾监测的过程，就是对这几种信号的分析提取过程。
在遥感电磁波谱中，对热信息敏感的红外波段是火灾监测的主力波段。
常用于火灾监测的卫星传感器如表1所示，可分为地球同步卫星和极轨卫星两大类，下面分别对这两类卫星数据用于火灾遥感监测的研究现状进行介绍。
（1）基于极轨卫星观测的森林火灾监测方法
①阈值法：
通常来说，火点识别依据热辐射物理基础，在多波段遥感数据中根据维恩位移定律选择火点和背景敏感的波段，在具体执行识别的时候，还需要一些经验的阈值，以区分火点和其他地表。
设定阈值的关键参量包括特定波段的亮温、反射率、波段间亮温差异、火点指数等（李家国等，2010；郑伟，2020）。
②亚像元法：
亚像元法指将一个像元简单的划分为火点和背景两个部分，利用物理原理求解火点的面积（Dozier,1981）。
它基于这样的前提：
如果一个像元的一部分比其余部分更加温暖，较长的热红外波长温暖部分将在较短的热红外波长内按比例的增加辐射。
假设每个像元只有两个温度场，“目标”（火）温度和“背景”温度。
结果表明，所得到的非线性方程可以计算热的亚像元的面积。
亚像元火点辐射功率计算的发展为高强度小火点识别提供更加精细化的方法，同时还能提高过火面积的计算精度（Peterson等，2013）。
③上下文法：
上下文算法不在整个研究区域使用固定的阈值，而是计算背景像元的变量。
通过将火焰像元与其邻近的像元进行比较来做出判定火灾的决定。
该算法是自适应的，因此适用于不同时间、不同区域的火点探测。
该算法在世界上大多数地区都能成功运行。
结果表明，这种算法非常有效，减少了探测时间并且能够实现自动化。
每个地区，甚至每个生态系统都将有自己的具体的火灾特性。
其特征是季节性的土壤和植被条件所决定的，而上下文算法基于潜在火焰像元与其“背景”像元之间的对比度水平来识别火焰像元（背景的定义根据内核大小而变化）。
与固定阈值技术相反，必须对给定的区域和季节进行定义，上下文算法在不同的环境条件下也是灵活有效的（Lee和Tag，1990；Giglio等，2016）。
（2）基于静止卫星观测的森林火灾监测方法
Bergh等（2005）提出了基于MSG卫星数据的多时相方法，这种方法使用了卡曼滤波和基于红外波段的天循环模型，卡曼滤波用来过滤观测的数据与估测观测和预测值的不同分布，指出统计的显著性差异是潜在的火点造成的。
结果表明，虽然目前与现在的MODIS的火灾产品不能达到同一水平，但是比当前的阈值法和上下文法表现的更优越，这种新的森林火灾探测算法比传统的上下文算法具有更高的检测精度。
Xie等（2018）提出一种时空上下文算法，该算法充分利用了Himawari-8数据的时空和空间维度。
Prins等（1992，1994）在AVHRR有关研究的基础上提出了基于火点亚像元辐射的GOES静止卫星遥感火点检测技术方法。
Menzel等（1996）系统地论述了基于GOES静止卫星多光谱数据进行火点检测及其生物燃烧气溶胶输送路径反演的技术方法。
Prins等（1998）于1998年将亚像元解析技术结合背景分析方法应用到GOES静止气象卫星热点监测中，首次形成了完整的GOESWF-ABBA（WildFireAutomatedBiomassBurningAlgorithm）火点识别算法，并利用WFABBA算法获得的火点监测结果分析了南美和西半球火点时空分布特征。
张鹏等（2016）对我国新一代静止气象卫星风云四号主用载荷AGRI与日本Himawari-8/9AHI传感器进行了较为详细的对比分析。
陈洁等（2017）分析了Himawari-8静止气象卫星火点识别方法，利用Himawari-8静止卫星进行了草原火的监测研究。
新一代静止气象卫星高密度观测数据可以极大改善森林火灾监测的时效性，实现森林火灾的实时跟踪监测。
静止卫星观测图像中太阳高度角差异巨大，在用极轨卫星火点算法（如MODIS-MOD14-Day/Night算法）不能适用静止卫星传感器。
（3）联合多源遥感的森林火灾监测方法
使用单一卫星数据源很容易受到云雨等客观环境因素影响，降低监测的时效性。
饶月明等（2020）发展了一种多源卫星遥感数据联合火灾监测方法，充分挖掘高分四号高时空分辨率和中红外火烧敏感波段优势，联合烟幕、温度和植被指数时序变化确定火烧时间与位置；然后，使用Sentinel-2数据监测不同火烧区域光谱信息；接着，使用Sentinel-2数据提取dNBR（differencedNormalizedBurnRatio），提出了基于最大类间方差法（OTSU）分步骤确定不同程度火烧迹地与面积的方法；最后，建立Sentinel-1A极化比值PR（PolarizationRatio）和NDVI之间关系，利用微波雷达突破云雨限制。
（4）小结
通过上述国内外研究现状的调研结果可知，地球同步卫星和极轨卫星观测均已广泛应用于森林火灾监测中，但是地球同步卫星时间分辨率高而空间分辨率低，极轨卫星空间分辨率高而时间分辨率低，使用单一卫星数据源很难同时满足火灾监测的时效性和准确性，如何联合多源遥感数据，构建高时空分辨率森林火灾监测方法是一项值得深入研究的内容。
3.研究目的
本研究拟基于遥感数据融合方法，构建多源遥感数据协同的高时空分辨率森林火灾监测方法，以期提高森林火灾遥感监测能力，为林火防治、林火应急响应提供技术支持。
二、项目方案（具体方案、实施计划、可行性分析）
1.研究思路与技术路线
遥感数据在空间分辨率和时间分辨率上相互制约,单一的卫星传感器不能获得既具有高空间分辨率又具有高时间分辨率的数据,遥感数据时空融合技术是目前解决此问题的重要方法之一。
本研究拟采用FSDAF（FlexibleSpatiotemporalDataFusionMethod）时空融合算法，融合极轨卫星SNPP/VIIRS、Terra/MODIS和静止卫星Himawari-8/AHI的用于火灾监测的波段反射率和红外亮温。
与单一传感器观测相比，得到的融合结果将具有更高的时空分辨率。
然后基于融合后的遥感影像，采用SNPP/VIIRS上下文火点检测算法，对凉山州森林火灾进行火点检测及火灾蔓延过程监测，并对火灾监测结果的时效性和准确性进行评价。
整体技术路线如图1所示。
图2技术路线
2.研究方案
（1）数据介绍
1Terra/MODIS数据
搭载在Terra卫星上的中分辨率成像光谱仪（MODIS），是美国地球观测系统（EOS）计划中用于观测全球生物和物理过程的重要仪器。
它具有36个中等分辨率水平（0.25-1um）的光谱波段，每1-2天对地球表面观测一次，MODIS第1-2波段分辨率为250m，3-7波段分辨率为500m，其他波段分辨率为1km。
图3Modis遥感卫星
2SNPP/VIIRS数据
SNPP（SuomiNationalPolar-orbitingPartnership）卫星于2011年10月28日升空执行对地观测任务，共搭载可见光红外成像辐射计VIIRS、高级微波辐射计ATMS等5个遥感传感器载荷。
VIIRS设有22个波段（见表2），光谱范围为0.412um-12.01um,包括16个中等分辨率波段，星下点空间分辨率为750m，5个影像分辨率波段，星下点空间分辨率为375m，和一个全色波段。
图4VIIRS卫星
表2SNPP/VIIRS波段信息
3Himawari-8/AHI数据
Himawari-8是新一代日本地球静止气象卫星，于2014年10月7日发射升空，具有极高的时间分辨率，全球全盘观测只需要10分钟，携带先进的光学传感器AHI（高级海葵成像仪），AHI的辐射、光谱、空间分辨率显著优于以往的地球同步卫星同类传感器。
AHI有16个观测通道，可见光和近红外波段的空间分辨率为0.5km或1km,红外波段的空间分辨率为2km。
图4himawari-8卫星
（2）凉山州火灾案例选取
凉山州是四川省三大重点林区之一，每年春夏季火灾频发，有如下原因。
首先是气候因素：
凉山州的森林主要覆盖于山区，这里的气候为典型季风型气候，冬暖夏凉，干湿季分明。
干季由9月底持续到次年4月。
这段时期中，天气晴朗，日照多，温度高，降水少，盛行偏南风，蒸发旺盛，气候十分干燥。
林地干燥，降水量少，容易着火。
气候条件的不利使得该地区久旱不下雨，温度持续偏高。
温度持续偏高时，空气饱和差增大，水分解离，水汽蒸发加剧，土壤和各种植物成分变得干燥易燃。
然后是地形特点：
凉山州是四川省林火高发区，境内高差悬殊，地形起伏剧烈。
发生在凉山境内的多属于山林火灾，区域内地形地势多变，很大程度上控制着火势的蔓延,在山势大转折的窄谷和山脊上，会出现自然终止燃烧的现象，但当山林火灾一旦爆发往往是“火借风势，风助火威”，风在不同地形条件下对山林火的蔓延及火势的影响不同。
风供给火场新鲜空气，并形成气旋，造成：
“飞火”，增加火源。
火大时，会造成空气密度不均匀，又会产生风或增强风势，形成局部小气候助长火势。
另外火灾蔓延也受山谷风的影响，且地形对山林火的蔓延及火势的影响很大。
且由于当地的地形十分复杂，山势陡峭，人口主要集中分布在地势较缓的河谷和三角洲，如果遇到自然，人为等过火因素，林火极易发生。
另外，可燃物是发生森林火灾的物质基础，还有许多人为因素也不可忽视。
大部分林区住有群众，有烧荒烧垦、烧灰积肥、野炊、露宿等随便弄火的习惯，使得人为因素也是凉山州火灾频发的原因之一。
最后，山林火灾也有自然本身的原因，山林因雷电火，磷火自燃，滚石击起火花，林木干枝的摩擦等自然火引起火灾。
本研究选取近两年引起社会广泛关注的三起森林火灾作为研究案例。
分别是2019年3月30日凉山州木里县森林火灾，2019年4月7日凉山州冕宁县森林火灾，2020年3月30日凉山州西昌市森林火灾。
（3）数据预处理
①几何精校正与影像配准
引起影像几何变形一般分为两大类：
系统性和非系统性。
系统性一般有传感器本身引起的，有规律可循和可预测性，可以用传感器模型来校正；非系统性几何变形是不规律的，它可以是传感器平台本身的高度、姿态等不稳定，也可以是地球曲率及空气折射的变化以及地形的变化等。
一般步骤如下：
GCP（地面控制点）的选取、建立几何校正模型、图像重采样。
②数字图像镶嵌与裁剪
当研究区超出单幅遥感图像所覆盖的范围时，将两幅或多幅图像拼接起来形成一幅或一系列覆盖全区的较大的图像。
图像裁剪常用的是按照行政区划边界或自然区划边界进行图像的分幅裁剪。
过程分为两步：
矢量栅格化和掩膜计算（Mask）。
矢量栅格化将面状矢量数据转化成二值栅格图像文件，文件像元大小与被裁剪图像一致；把二值图像中的裁剪区域的值设为1，区域外取0值，与被裁剪图像做交集运算，计算所得图像是图像裁剪结果。
③大气校正
遥感图像在获取过程中，受到如大气吸收与散射、传感器定标、地形等因素的影响，且它们会随时间的不同而有所差异。
因此，在多时相遥感图像中，除了地物的变化会引起图像中辐射值的变化外，不变的地物在不同时相图像中的辐射值也会有差异。
利用多时相遥感图像的光谱信息来检测地物变化状况的动态监测，其重要前提是要消除不变地物的辐射值差异。
辐射校正是消除非地物变化所造成的图像辐射值改变的有效方法，按照校正后的结果可以分为2种，绝对辐射校正方法和相对辐射校正方法。
绝对辐射校正方法是将遥感图像的DN（Digital Number）值转换为真实地表反射率的方法，它需要获取影像过境时的地表测量数据，并考虑地形起伏等因素来校正大气和传感器的影响，因此这类方法一般都很复杂，目前大多数遥感图像都无法满足上述条件。
相对辐射校正是将一图像作为参考（或基准）图像，调整另一图像的DN值，使得两时相影像上同名的地物具有相同的DN值，这个过程也叫多时相遥感图像的光谱归一化。
这样就可以通过分析不同时相遥感图像上的辐射值差异来实现变化监测。
因此，相对辐射校正就是要使相对稳定的同名地物的辐射值在不同时相遥感图像上一致，从而完成地物动态变化的遥感动态监测。
（3）基于FSDAF算法的多源遥感数据融合
遥感影像时空融合是在时间域和空间域进行的，利用高空间分辨率数据得到空间细节信息，利用高时间分辨率数据描述空间信息随时间的变化，通过对高空间低时间分辨率影像和高时间低空间分辨率数据有效处理来“预测”目标日期的高空间分辨率影像,即生成同时具有高空间分辨率与高时间分辨率特征的影像。
本研究选用FSDAF方法（Zhu等，2016）实现SNPP/VIIRS、Terra/MODIS和Himawari-8/AHI影像的时空融合。
该算法首先对t1时刻的高分数据进行分类，结合2期低分辨率数据，计算每一地物覆盖类型的时间差异，然后利用每一地物覆盖类型时间差异，预测t2时刻的高分影像，并计算低分数据像元残差，接着对t2时刻的低分数据使用薄板样条插值函数预测对应时刻的高分数据，并将残差分配给预测的高分影像，最后使用邻域信息在移动窗口内赋予权重，融合生成t2时刻的高分数据。
具体计算方法为：
式中：
为预测的t2时刻的高分影像，
是t1时刻的高分影像，
是t1和t2时刻之间像元分辨率的变化值，
为第k个相似像元的权重，
为t1和t2时刻之间高分影像中类别a在波段b中的改变量，
是第i个低分像元分配给第j个高分像元的残差。
TPS插值函数主要是指导残差分布，残差求解方法为：
式中，m为低分像元中的亚像元个数，
是由时间差异预测的t2时刻高分数据像元值，
是优化TPS插值函数参数后预测的每个高分数据像元值，
是指导分配残差的权重，
是对
归一化之后的权重，HI为同质系数，
为波段b的TPS函数。
图5影像融合结果
（4）基于SNPP/VIIRS上下文算法的凉山州火灾遥感监测
通过FSDAF算法得到SNPP/VIIRS、Terra/MODIS和Himawari-8/AHI的融合影像后，我们将使用SNPP/VIIRS上下文算法（Giglio等，2016），对选取的三起凉山州火灾案例进行火点检测和火势蔓延分析。
SNPP/VIIRS上下文算法是SNPP/VIIRS火点产品的业务算法，与其他较粗分辨率（约1公里）的卫星火灾探测算法相比，该算法对较小的火灾的反应更灵敏，并提供了更可靠的火灾周界估计，非常适合用于支持火灾管理和近实时野火警报系统以及其他需要提高火灾测绘保真度的科学应用。
算法的主要步骤如下：
①排除影像中的不合理像元（如通道含有缺失值）；
②云和水体的识别：
夜晚：
I5<265K&I4<295K
白天：
I5<265K|I1+I2>0.9&BT5<295K|I1+I2>0.7&BT5<285K
③绝对火点识别：
夜晚：
I4>320K&QF4=0
白天：
I4=367K&QF4=0&I5>290K&QF5=0&I1+I2>0.7
其中，QF4和QF5为I4和I5通道的质量标识。
④背景火点识别
夜晚：
I4>300K&（I4-I5）>10K
白天：
I4>335K&（I4-I5）>30K
⑤避免无火的明亮目标
I1+I2>0.6&I5<285K&I3>0.3&I3>I2&I2>0.25&I4<335K
⑥候选火点检测
夜晚：
I4>295K&（I4-I5）>10K
白天：
I4>Min[330,Max（325,M）]K&（I4-I5）>25K
其中M是采样窗口中像元I4值
⑦上下文分析
夜晚：
（I4-I5）>A+3×B&（I4-I5）>A+9&I4>C+3×D
白天：
（I4-I5）>A+2×B&（I4-I5）>A+10K&I4>C+3.5×D&I5>D+E-4|F>5
其中，A、B、C、D、E、F分别标识I4和I5亮温差值的均值、I4和I5亮温差值的平均绝对偏差、I4亮温均值、I4亮温平均绝对偏差、I5亮温均值、I5亮温平均绝对偏差、I4亮温数据在采集窗口的平均绝对偏差。
⑧虚假警报滤除：
剔除沙漠边缘、高太阳反射的像元。
（5）以目视判识结果作为参考，评价本研究提出的多源遥感信息协同的森林火灾遥感监测方法的时效性和准确性
3.实施计划
（1）2020年6月-2020年7月：
完成数据下载和预处理；
（2）2020年8月-2020年12月：
实现多源遥感数据融合算法、火点提取算法；
（3）2020年1月-2021年5月：
完成结果分析与结题报告撰写，撰写期刊论文。
4.可行性分析
本项目参与人员均具备良好的地理信息科学相关专业基础，具备数据收集、处理、编程和分析能力，项目方案可操作性强，工作进度安排合理，研究能达到预期目标，具体说明如下：
（1）人员构成合理
项目组成员专业技能扎实：
均具有良好的地理信息系统和遥感专业基础，具备地理信息系统软件操作和遥感图像处理能力，能使用C语言、C#语言进行算法编程。
小组成员分工明确，分工合理，根据个人特长分派工作，黄国安主要负责遥感数据处理，主要负责代码编写和算法的具体实现，易立则负责结果评价、文档撰写、资料规整等。
（2）指导老师可提供专业指导
指导老师具备长期的灾害遥感监测研究经验，可以在项目实施期间，为遥感数据处理、数据时空融合、灾害监测等方面提供指导与建议，保障项目的顺利实施和完成。
（3）项目方案可行性强
1数据获取与处理过程不存在技术难点：
研究所需的遥感影像均可免费下载获取，数据预处理流程均非常成熟；
图6earthdata数据获取网站
2时空融合算法和火点提取算法的实现：
两套算法均开源，可获取源代码，只需在源代码的基础上，根据研究需要修改即可，项目组成员均有编程基础，因此算法部分编程实现的难度不大。
图7算法代码
（4）工作进度安排合理
项目组成员为地信专业学生，在项目执行期内时间，均在校学校，无校外兼职或实习安排，因此可以全身心投入到该项目上，以保证项目按计划完成。
三、预期研究成果（如鉴定、学术论文、获奖、申请专利、推广应用等）
1.提出一种有效的森林火灾遥感监测方法，发表1篇学术论文；
2.本研究提出的火灾遥感监测方法有望通过模块集成，形成可视化软件，申请软件著作权1项。
参考文献
[1]LeeTF,TagPM.ImprovedDetectionofHotspotsusingtheAVHRR3.7-umChannel[J].BulletinoftheAmericanMeteorologicalSociety,1990,71（12）:
1722-1730.
[2]Roy,PS.Forestfireanddegradationassessmentusingsatelliteremotesensingandgeographicinformationsystem[J].2004.[doi:
http:
//dx.doi.org/]
[3]BerghFVD,FrostPE.AmultitemporalapproachtofiredetectionusingMSGdata[C].AnalysisofMulti-TemporalRemoteSensingImages,2005InternationalWorkshoponthe.IEEE,2005.
[4]Alkhatib,AhmadAA.AReviewonForestFireDetectionTechniques[J].InternationalJournalofDistributedSensorNetworks,2014,2014:
1-12.
[5]GiglioL,SchroederW,JusticeCO.Thecollection6MODISactivefiredetectionalg
升级会员 