[发明专利]一种基于半变异函数提取非火灾时空数据的方法

说明书

一种基于半变异函数提取非火灾时空数据的方法，本发明首先确定燃烧区域数据中所有火灾像元的位置和发生时刻，并判断所有火灾像元的植被类型，然后提取所有火灾像元的数据以及周围与火灾像元植被类型相同的非火灾像元数据，利用半变异函数对其进行空间相关性分析，并将变程作为缓冲距离建立相应的火灾缓冲区，然后再提取火灾像元相关时相的数据，重复建立火灾缓冲区的过程，最后选择未落入所有缓冲区中的像元的数据作为非火灾数据。本发明既能消除人为因素带来的主观影响，又能消除地理位置、植被类型等因素造成的差异性，同时也剔除了火灾发生的偶然性因素，提高了非火灾数据和火灾数据的对比性，有利于提高训练模型的模拟结果的精度。

技术领域

本发明特别涉及一种基于半变异函数提取非火灾时空数据的方法。

背景技术

森林火灾是一种十分常见且极具破坏力的自然灾害，全世界每年平均发生森林火灾20多万次，烧毁森林面积约占全世界森林总面积的1‰以上。中国每年平均发生森林火灾约1万多次，烧毁森林几十万至上百万公顷，约占全国森林面积的5～8‰。森林火灾不仅烧死、烧伤林木，直接减少森林面积，而且严重破坏森林结构和森林环境，导致森林生态系统失去平衡，森林生物量下降，甚至造成人畜伤亡。

对森林火险等级进行预测是十分有意义且十分必要的一项工作，通过遥感技术能够实现大范围、高时空分辨率的森林火险等级预测，对森林火灾防护资源的分配及人员调动具有一定的科学指导意义。目前对火险等级预测模型的研究已经比较深入，训练模型一般需要输入气候参数、地形参数和植被参数，其中植被参数能反映出植被的物理特性(如类型、覆盖度等)。训练模型都需要对比数据，即模型的输入数据不仅包括发生火灾的数据(火灾数据)，同时也要包括未发生火灾的数据(非火灾数据)。输入数据的质量对训练模型的最终模拟效果具有重要影响。

目前，基于遥感技术获取火灾数据与非火灾数据方法的主要是通过如下步骤：首先，根据火点提取算法进行火灾燃烧面积制图或者直接利用相关火灾产品，然后根据制图结果或者火灾产品提取发生火灾像元的数据，由此即可获取火灾数据；而获得非火灾数据通常是以火灾像元为圆心，根据经验确定缓冲半径进而建立缓冲区，在缓冲区之外区域随机提取一个非火灾像元的数据作为该火灾像元的对比数据。这种非火灾数据提取的方法虽然操作简单，但是存在诸多问题：一是火灾像元缓冲半径的确定是根据经验划分的，存在人为因素带来的主观影响，同时，缓冲半径的大小随研究区域、植被类型等的不同而随之变化，也就是说每一个火灾像元的缓冲半径均有所差异，如若缓冲半径设置过小则会导致所提取的非火灾数据与对应的火灾数据之间存在空间相关性，因而缺乏了对比性，进而影响训练模型的模拟效果，无法很好达到预测目的；如若缓冲半径设置过大，则会导致非火灾数据提取的区域过小。二是非火灾数据的提取方法仅仅考虑了空间相关性，并未考虑时间相关性，比如：某像元某时相未发生火灾，但下一个时相发生了火灾，这说明该像元的数据与火灾数据接近，因此采用上述方法提取得到的非火灾数据仍然缺乏对比性。综上所述，如何实现准确、便捷、高效地提取非火灾数据成为了本领域亟待解决的技术问题。

发明内容

鉴于上文所述，本发明的目的在于：针对现有非火灾数据提取方法存在对比性差等问题，提供一种利用球状模型拟合半变异函数值和利用遥感图像的多时相特征相结合提取非火灾时空数据的方法，本发明既能消除人为因素带来的主观影响，又能消除因地理位置、植被类型等因素造成的差异性，提高了非火灾数据和火灾数据的对比性，有利于提高训练模型的模拟结果的精度。

本发明提供的技术方案如下所述：

一种基于半变异函数提取非火灾数据的方法，其特征在于，包括如下步骤：

步骤1：确定燃烧区域数据中火灾像元的位置和发生时刻；

步骤2：确定火灾像元的植被类型；

步骤3：提取火灾像元的数据以及周围与火灾像元植被类型相同的非火灾像元数据；

步骤4：利用半变异函数对火灾像元进行空间相关性分析，将变程作为火灾像元的缓冲距离并建立相应的火灾缓冲区；