[发明专利]一种基于Himawari8波段数据的山火实时监测方法

说明书

本发明公开了一种基于Himawari8波段数据的山火实时监测方法，获取Himawari8的L1网格数据，获取VIIrs的数据作为山火点数据；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；构建总数据集，并拆分为训练集和测试集；构建山火监测模型。实时获取Himawari8数据，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。本发明构建山火的影响特征，比传统规则方式使用的波段数据更为广泛；通过特征提取实现波段值变化描述、波段融合后前后变化描述，贴近山火发生时的场景描述；提出两层分类模型，实现山火的实时监测。

技术领域

本发明涉及时空数据挖掘和时空预测建模技术领域，具体的说，是一种基于Himawari8波段数据的山火实时监测方法。

背景技术

近年山火频发，对环境生态造成严重的破坏，甚至威胁到了一些行业的安全，如电网的输电线路，通信基站，路网等。而如今同步卫星、传感器发展迅速，卫星遥感可以实现对地全天候进行观测，首先，通过可见光、近、中、远红外波段实现地面的观测，其中部分波段对高温点非常敏感，可以实现对高温点(火点)进行检测识别；其次卫星遥感在时间和空间分辨率上非常高。

目前，山火监测技术主要分为两类，一类是在易发生山火区域安装大量的传感器或摄像头等设备，实现对山火的监控，这种方式成本较高，包括设备成本，维护成本等，设备在后期故障率较高，且只能对关注区域进行部署，非常具有局限性。另外一类是基于遥感波段数据的规则生成，首先定义云识别规则，再进行多时相或多像元规则生成，通过规则识别像元的火点，最后通过水域、非森林区域去除非山火点。这种方法主要是通过规则来识别云和火点，而规则有限、规则阈值针对小区域而设定，只能处理一般情况，而且波段值会受很多其他方面的干扰，从而会导致火点出现误判，火点的误报率较高，识别率较低。

发明内容

本发明的目的在于提供一种基于Himawari8波段数据的山火实时监测方法，用于解决现有技术中基于遥感波段数据的规则识别云和火点，规则有限且阈值针对小区而设定导致波段值受到其他方面的干扰，出现火点误判、误报概率较高，识别率低的问题。

本发明通过下述技术方案解决上述问题：

一种基于Himawari8波段数据的山火实时监测方法，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；

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。