技术领域
[0001] 本发明属于定量遥感反演技术领域，具体涉及一种对林火目标识别及其火焰火势的反演方法，特别涉及一种基于马氏距离的林火识别及火势反演方法。
相关背景技术
[0002] 林火是由于自然或人为原因引起的森林可燃物燃烧的现象，其对人类生命财产安全及气候环境都具有极大危害。因此，林火的及早发现、预警与火情评估对于火灾的及时扑救、控制森林损害范围具有重要意义。
[0003] 现有林火光学遥感监测技术主要有以下三种方式：
[0004] 1、林火定性识别。林火识别算法主要包括单通道阈值法、多通道阈值法、有效背景像元法等，上述方法多基于MODIS，NOAA/AVHRR等低分辨率卫星影像数据，通过对特定影像、特定研究区设定阈值实现林火像元识别。除此以外，利用短波红外波段构建NDFI、NBRS等火点识别指数，并针对Landsat8/OLI、Sentinel‑2等中高分辨率卫星影像数据，对不同研究区设定相应识别阈值进行林火像元的定性识别。
[0005] 2、经验发射率条件下的林火温度反演。反演林火温度可以实现对林火燃烧情况的定量评价，但发射率与温度共同作用于林火辐射亮度，较难实现二者同步反演，可通过给定林火的经验发射率来进行林火温度反演。常采用林火目标周围的常温地物的发射率进行近似替代，或在常温状态下测量目标反射率，进而根据基尔霍夫定律反算确定目标经验发射率。
[0006] 3、发射率‑温度分离的反演方法。发射率‑温度分离算法重点用于解决发射率与温度构成的欠定方程求解的问题，常用的算法主要有参考波段法、包络线法、发射率归一法、光滑平滑迭代法等。
[0007] 但是，上述林火识别及火势反演主要存在以下问题：1、传统光谱指数法建立的林火定性识别指标属经验指数、不具有物理意义，导致识别阈值受研究区限制，缺乏普适性，难以广泛应用于林火遥感反演；2、火焰高度与发射率相关性，采用火焰周围常温地物的发射率近似替代火焰发射率，使得温度反演难以剥离火焰高度的影响存在较大误差；3、发射率‑温度分离算法主要适用于热红外波段的常温地物，对于林火等高温目标，不仅在热红外波段易饱和，且对于充分燃烧的林火火焰，温度相差较小，难以显示出林火的燃烧状态及燃烧程度。
具体实施方式
[0064] 下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
[0065] 应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0066] 本发明基于马氏距离的林火识别及火势反演方法，包括以下步骤：
[0067] 1、建立林火火焰光谱辐射模型：
[0068] 11、假设构成火焰的炭黑等粒子分布均匀，为均一、朗伯性介质，温度、光学系数均等，基于布格‑朗伯定律、基尔霍夫定律，单层火焰的发射率为：
[0069]
[0070] 其中，ε为火焰发射率，σf为火焰体积消光系数，Δh为单层火焰厚度(单位：m)。
[0071] 12、第i层火焰发射的辐射亮度为：
[0072] Li＝εB(T) (i＝1,2,…,n) (2)
[0073] 其中，B(T)为温度为T时的黑体辐射亮度(单位：W/m2/sr/μm)
[0074] 13、第i层火焰，其在向上传输方向火焰路径中的透过率τi为：
[0075]
[0076] 14、对n层火焰进行逐层累加，可得到传感器接收火焰辐射总辐射亮度为：
[0077]
[0078] 15、对火焰辐射总辐射亮度进行等比数列求和运算：
[0079]
[0080] 其中，ε为火焰发射率，T为火焰温度(单位：K)，H为火焰整层厚度(单位：m)；
[0081] 16、基于黑体辐射定律，确定林火辐射亮度与火势、温度物理关联模型：
[0082]
[0083] 其中，h为普朗克常数，h＝6.626×10‑34J·s；c为光速，c＝3×108m/s；k为玻尔兹‑23曼常数，k＝1.381×10 J/K。
[0084] 2、马氏距离林火识别指标及识别方式的确定：
[0085] 21、林火马氏距离指标的定义：
[0086]
[0087] 式中，Di2为第i个像元的马氏距离，Lh为第i个像元的敏感波段辐射亮度矩阵；
[0088] 22、林火光谱辐射亮度Lh与背景光谱辐射亮度 的差值向量为：
[0089]
[0090] 式中， 为背景光谱辐射亮度向量，L0(λi)为下垫面背景的波段i光谱辐射亮度，i＝1,2,…,m(m为敏感波段数)；
[0091] 23、马氏距离‑林火火势关联物理模型：
[0092]
[0093] 其中，sij为背景地物样本协方差阵s中第i行j列的元素，亦即样本i与样本j的协方差。
[0094] 24、设定识别信度，确定火点像元判别阈值Dα2，当待判断像元的马氏距离Di2大于2
判别阈值Dα时，判定该像元为火点，否则为背景像元：
[0095]
[0096] 其中，α为信度，m为敏感波段数，n为背景样本数，Fα(m,n‑m)为信度为α，变量数为m，自由度为(n‑m)时的F分布统计量。
[0097] 3、林火火势反演模型的建立：
[0098] 31、设置等效光学参数，推导马氏距离‑林火火势简化物理模型。将敏感波段的消光系数以一个等效消光系数 进行替代，则：
[0099]
[0100] 32、将马氏距离‑林火火势物理模型简化为下述形式：
[0101] D2＝DOB2(1‑exp(‑bH))2 (12)
[0102] 式中，DOB2为同温黑体距离背景点群的马氏距离，b为拟合系数，H(单位：m)为林火火势。
[0103] 33、林火火势反演模型参数的确定：
[0104] 建立夜间非林火背景样本光谱库，基于方差分析方法确定林火识别与反演敏感波段，计算夜间非林火背景样本的均值矩阵及协方差阵；
[0105] a、在给定火焰温度T、δi(i＝1,2,…,m)时，依据林火辐射亮度物理模型公式(6)理论计算给定火势大小Hk(k＝1,2,…,n)的样本辐射亮度Lk(k＝1,2,…,n)；
[0106] b、已知背景地物均值向量 协方差2
阵s时，根据公式(9)计算不同林火火势样本的马氏距离Dk(k＝1,2,…,n)；
[0107] c、对点群(Hk,Dk2)(k＝1,2,…,n)采用Levenberg‑Marquardt优化算法进行参数迭代求解，对公式(12)进行非线性拟合，确定模型中的拟合参数b；
[0108] 34、火势反演方法：根据公式(12)对林火像元进行林火火势反演：
[0109]
[0110] 实施例1
[0111] 如图1所示，一种基于马氏距离的林火识别及火势反演方法，包括以下步骤：
[0112] 1、建立林火火焰光谱辐射模型：
[0113] 11、假设构成火焰的炭黑等粒子分布均匀，为均一、朗伯性介质，温度、光学系数均等，基于布格‑朗伯定律、基尔霍夫定律，单层火焰的发射率为：
[0114]
[0115] 其中，ε为火焰发射率，σf为火焰体积消光系数，Δh为单层火焰厚度(单位：m)。
[0116] 12、第i层火焰发射的辐射亮度为：
[0117] Li＝εB(T) (i＝1,2,…,n) (2)
[0118] 其中，B(T)为温度为T时的黑体辐射亮度(单位：W/m2/sr/μm)
[0119] 13、第i层火焰，其在向上传输方向火焰路径中的透过率τi为：
[0120]
[0121] 14、对n层火焰进行逐层累加，可得到传感器接收火焰辐射总辐射亮度为：
[0122]
[0123] 15、对火焰辐射总辐射亮度进行等比数列求和运算：
[0124]
[0125] 其中，ε为火焰发射率，T为火焰温度(单位：K)，H为火焰整层厚度(单位：m)；
[0126] 16、基于黑体辐射定律，确定林火辐射亮度与火势、温度物理关联模型：
[0127]
[0128] 其中，h为普朗克常数，h＝6.626×10‑34J·s；c为光速，c＝3×108m/s；k为玻尔兹‑23曼常数，k＝1.381×10 J/K。
[0129] 2、林火像元识别及火势反演：
[0130] 选取无人机林火高光谱影像为例，图2为2023年8月6日兴城地区真彩色合成高光谱影像图，影像经几何校正、辐射定标处理。
[0131] 21、林火马氏距离指标的定义：
[0132]
[0133] 式中，Di2为第i个像元的马氏距离，Lh为第i个像元的敏感波段辐射亮度矩阵；
[0134] 22、林火光谱辐射亮度Lh与背景光谱辐射亮度 的差值向量为：
[0135]
[0136] 式中， 为背景光谱辐射亮度向量，L0(λi)为下垫面背景的波段i光谱辐射亮度，i＝1,2,…,m(m为敏感波段数)；
[0137] 23、根据马氏距离‑林火火势关联物理模型公式(9)，计算影像中每一个待判断像元的辐射亮度距离背景样本点群的马氏距离：
[0138]
[0139] 其中，sij为背景地物样本协方差阵s中第i行j列的元素，亦即样本i与样本j的协方差。
[0140] 计算影像中每一个待判断像元的辐射亮度距离背景样本点群的马氏距离，具体为：
[0141]
[0142] 式中， L0(750nm),L0(840nm))T为背景光谱辐射亮度向量，L0(720nm)、L0(750nm)、L0(840nm)分别为下垫面背景在720nm、750nm、840nm处的光谱辐射亮
2
度，Di为第i个像元的马氏距离， 为第i个像元的敏感波段辐射亮度矩阵；
[0143] 24、设定识别信度α，确定火点像元判别阈值Dα2，当待判断像元的马氏距离Di2大于2
判别阈值Dα时，判定该像元为火点，否则为背景像元：
[0144]
[0145] 其中，α＝0.001，段数m＝3，背景样本数n＝102，Fα(m,n‑m)＝17.939。图3为烟雾像元识别结果。
[0146] 3、林火火势反演模型的建立：
[0147] 31、设置等效光学参数，推导马氏距离‑火焰火势简化物理模型。将敏感波段的消光系数以一个等效消光系数 进行替代，则：
[0148]
[0149] 32、将马氏距离‑林火火势物理模型简化为下述形式：
[0150] D2＝DOB2(1‑exp(‑bH))2 (12)
[0151] 式中，DOB2为同温黑体距离背景点群的马氏距离，b为拟合系数，H(单位：m)为林火火势。
[0152] 33、林火火势反演模型的参数确定：
[0153] 331、建立夜间非林火背景样本光谱库；
[0154] 332、基于方差分析方法确定林火识别与反演敏感波段，本实施例中为720nm、750nm、840nm；
[0155] 333、计算夜间非林火背景样本的均值矩阵 及协方差阵s；
[0156]
[0157] 其中，L为林火辐射亮度，N为背景样本数，m为敏感波段数，1N为N列的单位向量矩阵，s为3×3维矩阵；
[0158] 334、本实施例中分别在给定火焰温度T＝1400K，δ＝(0.987,0.899,0.677),计算T＝1400K的黑体辐射亮度LB＝(LB(720nm),LB(750nm),LB(840nm))：
[0159]
[0160] 335、计算T＝1400K的黑体距离样本点群的马氏距离DOB2：
[0161]
[0162] 336、给定火势Hk(k＝1,2,…,100)，其中Hk＝0且Hk‑Hk‑1＝0.1，分别计算Lk＝(Lk2
(720nm),Lk(750nm),Lk(840nm))，并计算不同林火火势样本的马氏距离计算Dk；
[0163] 337、根据(Hk,Dk2)(k＝1,2,…,100)，采用Levenberg‑Marquardt优化算法进行参数迭代求解，确定模型中的拟合参数b＝0.907。
[0164] 34、确定反演模型为：
[0165]
[0166] 根据给定参数的林火火势反演模型，对步骤24中识别的林火像元根据公式(18)进行火势反演。图4为林火火势反演结果图。
[0167] 特别针对步骤334中的温度T、消光系数δ设定，可根据实际地区的林火温度及光学系数进行设定；步骤23中的信度α不限于0.001，可以根据实际情况设定为0.1，0.05，0.01等其他阈值。
[0168] 本发明从林火辐射物理机理出发，构建林火辐射光谱模型，将林火的火势与温度转化为相互独立的参数；采用马氏距离将多波段的林火辐射光谱信息综合为一个指标，利用林火与背景地物样品在光谱空间中的分布特征，根据背景地物样品马氏距离服从F分布的统计特征，设定显著性阈值以确定林火识别阈值，从而进行林火像元的判别；最后，对判定的林火像元通过马氏距离‑林火火势反演模型进行林火火势的参数反演。解决了现有研究构建的林火定性识别指数缺乏物理意义及普适性、林火发射率经验值误差大、林火温度反演受火焰高度影响大、充分燃烧的林火温度差异小难以表征燃烧程度及状态信息的问题。构建的林火识别指标具有物理意义，适用于任何遥感数据与研究区，通过设定具有统计性意义的阈值即可实现林火的识别，具有更广泛的应用价值；利用简化的物理模型即可实现林火火势反演，实现林火火势的定量评价，为林火的早期发现和及时扑救提供有益信息。
[0169] 注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
