[发明专利]一种基于Himawari8波段数据的山火实时监测方法

权利要求书

1.一种基于Himawari8波段数据的山火实时监测方法，其特征在于，包括：

步骤S1：获取Himawari8的L1网格数据，获取可见光红外成像辐射仪VIIrs的数据作为山火点数据；随机抽取Himawari8的多个时间点数据和VIIrs的火点数据匹配，作为样本数据；

步骤S2：从样本数据中提取特征，特征包括ndvi特征、卷积特征、标记特征、多时相均值、多时相标准差、云标记特征和衍生变量；

所述步骤S2中对Himawari8下的13个变量进行特征提取，每个变量大小为(6002,6002)的方阵，13个变量包括：波段3、波段4、波段5、波段6、波段7、波段13、波段14、波段15、波段16、卫星天顶角、卫星方位角、太阳天顶角和太阳方位角，具体包括：

步骤S21：波段3和波段4构建ndvi特征：

其中，b₃和b₄分别为波段3和波段4的值；

步骤S22：分别对波段7和波段14进行卷积特征计算，卷积核Cn的大小为3*3：

边缘点的卷积计算通过边缘点填充，计算前后变量的矩阵大小保持不变；

步骤S23：通过波段3和波段4计算白天和夜晚的标记特征dn，白天标记特征为0，夜晚标记特征为1，具体计算公式如下：

步骤S24：对波段7和波段14计算多时相特征，分别得到波段7和波段14前k个时间点的波段值的多时相均值b_tm和多时相标准差b_ts：

其中，T为当前时刻前k时刻，b_t为t时刻的波段值，t为前k个时间点某个时间点；

步骤S25：通过波段3，波段4和波段15计算云标记特征，计算结果为0或1，具体计算公式如下：

当满足以上条件为1，否则为0；其中，b₁₅为波段15的值；

步骤S26：通过波段7和波段14计算：

b_v1＝b₇-b₁₄

得到两个衍生变量特征b_v1和b_v2，其中b₇为波段7的值，b₁₄为波段14的值；

步骤S3：构建总数据集，并拆分为训练集和测试集；

步骤S4：构建山火监测模型；

对输入的训练集进行拆分为N个数据集；

构建第一层模型：将N份数据集分别通过LightGBM训练模型，得到N个模型，采用每个模型分别对每个测试集进行预测，输出预测概率P_m，N，其中m为测试集的样本量；

构建第二层模型：基于第一层模型的输出，建立逻辑回归模型，输入预测概率P_m，N，通过LogisticRegression训练逻辑回归模型，目标变量为测试集的目标值y_m；

直至第二层模型输出为输入样本被分类为0或1的概率，1为山火点，0为非山火点，山火监测模型构建完成；

步骤S5：实时获取Himawari8数据，采用步骤S2的方法提取特征后依次经过第一层模型、第二层模型后输出实时监测的结果。

2.根据权利要求1所述的一种基于Himawari8波段数据的山火实时监测方法，其特征在于，所述步骤S1中的L1网格数据包括16个波段的数据、卫星天顶角、卫星方位角、太阳天顶角和太阳方位角。

3.根据权利要求2所述的一种基于Himawari8波段数据的山火实时监测方法，其特征在于，所述步骤S3中的总数据集由波段3、波段4、波段5、波段6、波段7、波段13、波段14、波段15、波段16、卫星天顶角、卫星方位角、太阳天顶角、太阳方位角、ndvi特征，波段7卷积特征，波段14卷积特征，白天标记特征，波段7多时相均值，波段7多时相标准差，波段14多时相均值，波段14多时相标准差，云标记特征，衍生变量b_v1和衍生变量构成。

4.根据权利要求3所述的一种基于Himawari8波段数据的山火实时监测方法，其特征在于，所述步骤S4中对输入的训练集进行拆分为N个数据集具体包括：对输入数据集进行拆分，训练集为D＝D₀∪D₁，其中D₀为非火点的数据集，D₁为火点的数据集，将D₀拆为N份，每份和D₁构成一个训练集，构成N份数据集：

{d₁＝{D_0，1，D₁}，d₂＝{D_0，2，D₁}，d₃＝{D_0，3，D₁}，...，d_n＝{D_0，n，D₁}}。