基于遥感卫星数据和极轨卫星数据的森林火点监测方法

技术领域

本发明涉及卫星数据处理技术领域，尤其涉及一种基于遥感卫星数据和极轨卫星数据的森林火点监测方法。

背景技术

森林火灾是损坏自然资源的重要灾害，通常具有很强的突发性，火灾造成的影响范围较大。森林火灾一旦发生，会对森林资源甚至人民群众生命财产安全造成严重危害。森林火点监测是火灾扑灭救援工作的先决条件与重要环节，卫星遥感技术因具有监测范围广、获取速度快、信息量丰富等优势已成为森林火点监测的重要手段。

现有的卫星遥感技术，如基于Himawari-9(葵花9)数据提取火点的方法，但是此方法单一使用Himawari-9数据，而Himawari-9数据空间分辨率不高，只可实现对较大范围火场的连续动态监测，对于火灾发生初期面积较小时的火点灵敏度低，导致火灾监测的时效性和火点识别度低。

发明内容

有鉴于此，本发明实施例的目的是提供一种基于遥感卫星数据和极轨卫星数据的森林火点监测方法，能够提高森林火灾卫星监测的时效性和火点识别度。

第一方面，本发明实施例提供了一种基于遥感卫星数据和极轨卫星数据的森林火点监测方法，包括以下步骤：

通过遥感卫星获取目标区域的遥感数据，对所述遥感数据进行第一预处理得到标准数据，其中，标准数据包括角度数据、亮温数据、多个第一波段数据和所述第一波段数据对应的第一反射率数据；

通过极轨卫星获取所述目标区域的第一极轨图像数据，对所述第一极轨图像数据进行第二预处理得到极轨数据，其中，所述极轨数据包括多个第二波段数据和所述第二波段数据对应的第二反射率数据；

基于监督分类法提取所述极轨数据中的区域林地范围；

获取所述标准数据中的角度数据，基于所述角度数据去除所述极轨数据中的耀斑像元数据得到第二极轨图像数据；

通过预设的检测模型检测所述第二极轨图像数据中的干扰数据，将所述干扰数据剔除后得到第三极轨图像数据；

根据多个所述第一反射率数据计算得到第一燃烧指数，根据多个第二反射率数据计算得到第二燃烧指数，根据所述第一燃烧指数和所述第二燃烧指数提取火点燃烧区域，获取所述火点燃烧区域的每个像元的亮温数据，根据每个像元的所述亮温数据和亮温阈值提取所述火点燃烧区域的第一火点位置；

根据所述第一火点位置和所述第三极轨图像数据确定第二火点位置；

将所述区域林地范围掩膜所述第二火点位置得到林地火点分布信息。

可选地，所述对所述遥感数据进行第一预处理，具体包括：

获取所述遥感数据的多个所述第一波段数据，多个所述第一波段数据包括第一波段和第二波段，读取所述第一波段的第一数据块信息，读取所述第二波段的第二数据块信息；

根据所述第一数据块信息和反射率计算公式计算得到所述第一反射率数据；

根据所述第二数据块信息和亮温计算公式计算得到所述亮温数据；

根据所述第一数据块信息和所述第二数据块信息对所述遥感数据进行几何校正；

根据所述第一数据块信息和所述第二数据块信息对所述遥感数据进行角度计算得到所述角度数据。

可选地，所述根据所述第一数据块信息和所述第二数据块信息对所述遥感数据进行几何校正，具体包括：

从所述第一数据块信息和所述第二数据块信息中获取经纬度信息、行偏移信息和列偏移信息；

根据所述经纬度信息、所述行偏移信息和所述列偏移信息将所述遥感数据的经纬度转换为行列号，从而将所述遥感数据的全圆盘投影转换为墨卡托投影。

可选地，所述根据所述第一数据块信息和所述第二数据块信息对所述遥感数据进行角度计算得到所述角度数据，具体包括：

从所述第一数据块信息和所述第二数据块信息中获取成像时间信息、成像时太阳位置信息和卫星坐标信息；

根据所述成像时间信息、所述成像时太阳位置信息和所述卫星坐标信息进行角度计算得到所述角度数据，从而得到所述角度数据。

可选地，所述基于监督分类法提取所述极轨数据中的区域林地范围，具体包括：

获取所述极轨数据的植被指数、DEM数据和纹理特征，其中，所述纹理特征根据灰度共生矩阵方法计算得到；

基于所述植被指数、所述DEM数据和所述纹理特征建立特征影像层；

基于监督分类法提取所述特征影像层中的区域林地范围。

可选地，所述通过预设的检测模型检测所述第二极轨图像数据中的干扰数据，将所述干扰数据剔除后得到第三极轨图像数据，具体包括：

根据所述标准数据和所述第二极轨图像数据建立水汽检测模型、雾检测模型和云检测模型；

将所述第二极轨图像数据分别输入所述水汽检测模型、所述雾检测模型和所述云检测模型，得到水汽像元、雾像元和云像元，将所述水汽像元、雾像元和云像元剔除得到所述第三极轨图像数据。

可选地，所述根据所述第一火点位置和所述第三极轨图像数据确定第二火点位置，具体包括：使用所述第三极轨图像数据和提取规则提取所述第一火点位置中的的第二火点位置，其中，提取规则如下所示：

band20＞310K and band20-band21＞10and band4＜0.3

其中，band20代表所述第三极轨图像数据中波段20的辐射值和反射率，band21代表所述第三极轨图像数据中波段21的辐射值和反射率，band4代表所述第三极轨图像数据中波段4的辐射值和反射率。

第二方面，本发明实施例提供了一种基于遥感卫星数据和极轨卫星数据的森林火点监测系统，包括：

第一模块，用于通过遥感卫星获取目标区域的遥感数据，对所述遥感数据进行第一预处理得到标准数据，其中，标准数据包括角度数据、亮温数据、多个第一波段数据和所述第一波段数据对应的第一反射率数据；

第二模块，用于通过极轨卫星获取所述目标区域的第一极轨图像数据，对所述第一极轨图像数据进行第二预处理得到极轨数据，其中，所述极轨数据包括多个第二波段数据和所述第二波段数据对应的第二反射率数据；

第三模块，用于基于监督分类法提取所述极轨数据中的区域林地范围；

第四模块，用于获取所述标准数据中的角度数据，基于所述角度数据去除所述极轨数据中的耀斑像元数据得到第二极轨图像数据；

第五模块，用于通过预设的检测模型检测所述第二极轨图像数据中的干扰数据，将所述干扰数据剔除后得到第三极轨图像数据；

第六模块，用于根据多个所述第一反射率数据计算得到第一燃烧指数，根据多个第二反射率数据计算得到第二燃烧指数，根据所述第一燃烧指数和所述第二燃烧指数提取火点燃烧区域，获取所述火点燃烧区域的每个像元的亮温数据，根据每个像元的所述亮温数据和亮温阈值提取所述火点燃烧区域的第一火点位置；

第七模块，用于根据所述第一火点位置和所述第三极轨图像数据确定第二火点位置；

第八模块，用于将所述区域林地范围掩膜所述第二火点位置得到林地火点分布信息。

第三方面，本发明实施例提供了一种基于遥感卫星数据和极轨卫星数据的森林火点监测装置，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如上所述的方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行如上所述的方法。

实施本发明实施例包括以下有益效果：本发明实施例提供一种基于遥感卫星数据和极轨卫星数据的森林火点监测方法，包括：通过遥感卫星获取目标区域的遥感数据，对所述遥感数据进行第一预处理得到标准数据，其中，标准数据包括角度数据、亮温数据、多个第一波段数据和所述第一波段数据对应的第一反射率数据；通过极轨卫星获取所述目标区域的第一极轨图像数据，对所述第一极轨图像数据进行第二预处理得到极轨数据，其中，所述极轨数据包括多个第二波段数据和所述第二波段数据对应的第二反射率数据；基于监督分类法提取所述极轨数据中的区域林地范围；获取所述标准数据中的角度数据，基于所述角度数据去除所述极轨数据中的耀斑像元数据得到第二极轨图像数据；通过预设的检测模型检测所述第二极轨图像数据中的干扰数据，将所述干扰数据剔除后得到第三极轨图像数据；根据多个所述第一反射率数据计算得到第一燃烧指数，根据多个第二反射率数据计算得到第二燃烧指数，根据所述第一燃烧指数和所述第二燃烧指数提取火点燃烧区域，获取所述火点燃烧区域的每个像元的亮温数据，根据每个像元的所述亮温数据和亮温阈值提取所述火点燃烧区域的第一火点位置；根据所述第一火点位置和所述第三极轨图像数据确定第二火点位置；将所述区域林地范围掩膜所述第二火点位置得到林地火点分布信息。通过通过遥感卫星获取目标区域的遥感数据和极轨卫星的第一极轨图像数据，对遥感数据和第一极轨图像数据进处理，最后得到林地火点分布信息，通过利用遥感卫星遥感数据的高时间分辨率和极轨卫星第一极轨图像数据的高空间分辨率协同互补，进而提高森林火灾卫星监测时效性和火点识别度。

附图说明

图1是本发明实施例提供的一种基于遥感卫星数据和极轨卫星数据的森林火点监测方法的步骤流程示意图；

图2是本发明实施例提供的另一种基于遥感卫星数据和极轨卫星数据的森林火点监测方法流程框图；

图3是本发明实施例提供的第五数据块的读取结果图；

图4是本发明实施例提供的Himawari-9遥感数据的波段七亮温值计算结果图；

图5是本发明实施例提供的NDVI计算结果图；

图6是本发明实施例提供的林地提取矢量分布图；

图7是本发明实施例提供的云检测图；

图8是本发明实施例提供的林火燃烧区域图；

图9是本发明实施例提供的一种基于遥感卫星数据和极轨卫星数据的森林火点监测系统的结构框图；

图10是本发明实施例提供的一种基于遥感卫星数据和极轨卫星数据的森林火点监测装置的结构框图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。

如图1所示，本发明实施例提供了一种基于遥感卫星数据和极轨卫星数据的森林火点监测方法，其包括的步骤如下所示。

S100、通过遥感卫星获取目标区域的遥感数据，对所述遥感数据进行第一预处理得到标准数据，其中，标准数据包括角度数据、亮温数据、多个第一波段数据和所述第一波段数据对应的第一反射率数据。

其中，现有的Himawari-9遥感卫星的数据类型有两种：dat格式的标准数据和nc格式的一级数据。利用nc格式数据提取火点方法比较常见，但这种方式存在信息滞后的问题，无法实现实时有效监测；基于Himawari-9标准数据提取火点的方法，但是此方法只单一使用Himawari-9标准数据，而未考虑Himawari-9标准数据空间分辨率不高。

参照图2，在一个具体的实施例中，解析Himawari-9的遥感数据(采用标准数据)，包括读取数据字段、反射率和亮温反演、几何校正、角度数据计算等。遥感数据每个波段的单个条带均由12个数据块组成，选取波段后，读取所有条带的数据块字段。

可选地，所述对所述遥感数据进行第一预处理，具体包括：

S110、获取所述遥感数据的多个所述第一波段数据，多个所述第一波段数据包括第一波段和第二波段，读取所述第一波段的第一数据块信息，读取所述第二波段的第二数据块信息；

S120、根据所述第一数据块信息和反射率计算公式计算得到所述第一反射率数据；

S130、根据所述第二数据块信息和亮温计算公式计算得到所述亮温数据；

S140、根据所述第一数据块信息和所述第二数据块信息对所述遥感数据进行几何校正；

S150、根据所述第一数据块信息和所述第二数据块信息对所述遥感数据进行角度计算得到所述角度数据。

具体的，获取遥感数据的第一波段和第二波段，第一波段和第二波段均包括多个波段，在一个具体的实施例中，第一波段为遥感数据的第1-6波段，第二波段为遥感数据的第7-16波段；根据1-6波段读取的第一数据块信息计算得到所述第一反射率数据、7-16波段根据读取到的第二数据块信息计算得到所述亮温数据。参照图3，其中计算得到所述第一反射率数据的公式如下所示：

Radiance＝Slope×Count+Intercept

式中，Slope代表从第5数据块的校正信息块里读取的斜率，Intercept代表从第5数据块的校正信息块里读取的截距，Count是像素值。

参照图4，计算得到所述亮温数据的公式如下所示：

T

式中，T

从第一数据块信息和第二数据块信息里面读取遥感数据包括的经纬度信息，进而通过经纬度转换对遥感数据进行几何校正。从第一数据块信息和第二数据块信息中读取遥感数据包括的角度计算参数，对角度计算参数进行角度计算得到所述角度数据，进而得到角度数据。

可选地，根据所述第一数据块信息和所述第二数据块信息对所述遥感数据进行几何校正，具体包括：

S141、从所述第一数据块信息和所述第二数据块信息中获取经纬度信息、行偏移信息和列偏移信息；

S142、根据所述经纬度信息、所述行偏移信息和所述列偏移信息将所述遥感数据的经纬度转换为行列号，从而将所述遥感数据的全圆盘投影转换为墨卡托投影。

具体的，从第一数据块信息和第二数据块信息里面读取遥感数据中的星下点经纬度信息，进而从经纬度信息里获取将经纬度转换为行列号的行偏移信息和列偏移信息，根据星下点经纬度信息、行偏移信息和列偏移信息经纬度转行列号，将遥感卫星Himawari-9遥感数据中的全圆盘投影转为墨卡托投影。

可选地，根据所述第一数据块信息和所述第二数据块信息对所述遥感数据进行角度计算得到所述角度数据，具体包括：

S151、从所述第一数据块信息和所述第二数据块信息中获取成像时间信息、成像时太阳位置信息和卫星坐标信息；

S152、根据所述成像时间信息、所述成像时太阳位置信息和所述卫星坐标信息进行角度计算得到所述角度数据，从而得到所述角度数据。

具体的，角度数据计算主要是获取太阳天顶角、卫星天顶角信息等，其反映的是传感器接收能量在一天中的强弱。通过从遥感数据的第一数据块信息和所述第二数据块信息中读取成像时间、成像时太阳位置、卫星所处坐标等参数计算可得所需的角度数据。

S200、通过极轨卫星获取所述目标区域的第一极轨图像数据，对所述第一极轨图像数据进行第二预处理得到极轨数据，其中，所述极轨数据包括多个第二波段数据和所述第二波段数据对应的第二反射率数据。

参照图1-2，具体的，极轨卫星的第一极轨图像数据预处理主要包括波段组合、辐射定标、大气校正、正射校正、影像镶嵌、几何精校正等。其中大气校正是将辐射亮度值转换为地表实际反射率，以消除大气散射、吸收、反射引起的误差；正射校正是为消除地形或相机方位引起的变形，最终生成平面正射影像的处理过程。

在一个具体的实施例中，极轨卫星包括多个不同类型的极轨卫星，通过利用不同类型的极轨卫星之间的不同功能和数据，协同配合进行数据处理，得到更加精准的火点位置信息。预处理时对Sentinel-2、MODIS、FY-3D、Landsat等极轨卫星的数据进行第二预处理。

S300、基于监督分类法提取所述极轨数据中的区域林地范围。

具体的，对第一极轨图像数据进行第一预处理后得到极轨数据，极轨数据包括了地理特征信息和植被信息等，通过监督分类法获取极轨数据中的区域林地范围。

可选地，基于监督分类法提取所述极轨数据中的区域林地范围，具体包括：

S310、获取所述极轨数据的植被指数、DEM数据和纹理特征，其中，所述纹理特征根据灰度共生矩阵方法计算得到；

S320、基于所述植被指数、所述DEM数据和所述纹理特征建立特征影像层；

S330、基于监督分类法提取所述特征影像层中的区域林地范围。：

参照图5-6，,具体的，从极轨卫星的极轨数据中计算得到植被指数和纹理特征，并结合DEM(数字高程模，Digital Elevation Model)数据，然后通过监督分类实现对森林分布范围识别提取。纹理特征使用灰度共生矩阵方法计算，林地提取需提前建立样本库，样本数据是在进行监督分类前勾画的真实地物类型数据，包括林地样本和非林地样本。将植被指数、纹理特征、DEM数据与极轨卫星影像融合作为分类输入影像，基于监督分类方法提取出林地范围。

植被指数包含归一化植被指数NDVI、增强植被指数EVI、大气阻抗植被指数ARVI、比值植被指数RVI、土壤调节植被指数SAVI，具体的计算公式如下所示：

RVNIR/Red

式中，NIR是极轨卫星第一极轨图像数据的近红外波段反射率，Red是极轨卫星第一极轨图像数据的红光波段反射率，Blue是极轨卫星第一极轨图像数据的蓝光波段反射率，L是土壤调节系数。

在一个具体的实施例中，使用极轨卫星Sentinel-2第一极轨图像数据的band8(波段8)、band4(波段4)、band3(波段3)、band2(波段2)计算植被指数包含归一化植被指数NDVI、增强植被指数EVI、大气阻抗植被指数ARVI、比值植被指数RVI、土壤调节植被指数SAVI。上述计算公式中的参数：NIR是Sentinel-2第一极轨图像数据的band8，Red是Sentinel-2第一极轨图像数据的band4，Blue是Sentinel-2第一极轨图像数据的band2，L是土壤调节系数，取0.5。

在一个具体的实施例中，使用灰度共生矩阵方法分别计算Sentinel-2影像band8、band4、band3、band2的Mean(均值)、Variance(方差)、Homogeneity(同质性)、Contrast(对比度)、Dissimilarity(差异度)、Entropy(熵)、Second Moment(二阶矩)、Correlation(相关性)等8种纹理特征，处理窗口设置5x5。

其中，Mean表示图像的平均灰度值，在纹理差异分析中，可以比较不同区域或图像的平均灰度值，以观察纹理的整体亮度差异；Variance表示图像的灰度值的离散程度，较高的方差意味着图像具有更多的灰度变化，因此可以用于观察纹理的细节程度和灰度分布的差异。Homogeneity反映了图像中灰度级相似的像素对之间的相似性程度。较高的同质性表示图像中的纹理更加均匀，较低的同质性表示图像中的纹理更加不均匀。Contrast表示图像中相邻像素之间的灰度级差异，较高的对比度意味着图像中的纹理更加清晰和突出，较低的对比度意味着图像中的纹理更加模糊或平滑。Dissimilarity表示图像中不同像素之间的灰度级差异，较高的差异度表示图像中的纹理更加多样化和丰富，较低的差异度表示图像中的纹理更加相似或单一。Entropy表示图像的不确定性或信息量，较高的熵意味着图像中的纹理更加复杂和随机，较低的熵意味着图像中的纹理更加简单和规律。SecondMoment衡量图像的灰度级分布的平均值，较高的二阶矩表示图像中的纹理更加丰富和分散，较低的二阶矩表示图像中的纹理更加集中和集中。Correlation反映了图像中像素之间的线性相关性，较高的相关性表示图像中的纹理更加连贯和一致，较低的相关性表示图像中的纹理更加不连贯和不一致。

基于“Sentinel-2第一极轨图像数据+植被指数+纹理特征+地形数据”建立特征影像层，在样本数据基础上使用监督分类方法提取区域林地矢量，进而得到区域林地范围。

S400、获取所述标准数据中的角度数据，基于所述角度数据去除所述极轨数据中的耀斑像元数据得到第二极轨图像数据。

具体的，获取标准数据中太阳的角度数据，进而根据同时段的极轨卫星极轨数据的波长所具有的反射率去判断耀斑像元，进而将耀斑像元除去，免除对检测的影响。

在一个具体的实施例中，太阳相对Himawari-9的方位角位于170°至210°之间，且同时段极轨卫星MODIS的波段1和波段2反射率均大于0.32或极轨卫星FY-3D的波段3和波段4的反射率均大于0.2，认定该像元属于耀斑像元。

S500、通过预设的检测模型检测所述第二极轨图像数据中的干扰数据，将所述干扰数据剔除后得到第三极轨图像数据。

参照图7，具体的，基于第二极轨图像数据建立检测模型后，使用极轨卫星识别云，云检测的条件：极轨卫星波长位于0.62-0.67μm、0.84-0.88μm的波段数据a、b反射率之和不小于0.7，或者波长位于11.77-13.48μm的波段数据c温度值不高于265K，或者0.62-0.67μm、0.84-0.88μm的波段数据a、b反射率之和不小于0.7，同时波长位于11.77-13.48μm波段数据c温度值不高于285K；

水汽检测的条件：极轨卫星波长位于0.84-0.88μm的波段数据b反射率不大于0.15，且波长位于2.105-2.135μm波段数据d反射率不大于0.05及NDVI小于0；

雾检测的条件：极轨卫星波长位于0.41-0.42μm、0.44-0.45μm、2.1-2.2μm的波段数据e、f、d反射率满足以下条件则认为是雾：

且/>

式中，E代表波段e的反射率，F代表波段f的反射率，D代表波段d的反射率。

可选地，所述通过预设的检测模型检测所述第二极轨图像数据中的干扰数据，将所述干扰数据剔除后得到第三极轨图像数据，具体包括：

S510、根据所述标准数据和所述第二极轨图像数据建立水汽检测模型、雾检测模型和云检测模型；

S520、将所述第二极轨图像数据分别输入所述水汽检测模型、所述雾检测模型和所述云检测模型，得到水汽像元、雾像元和云像元，将所述水汽像元、雾像元和云像元剔除得到所述第三极轨图像数据。

在一个具体的实施例中，云检测条件：极轨卫星MODIS的波段1和波段2反射率之和大于0.9或FY-3D的波段3和波段4的反射率之和大于1.2，或者MODIS的波段32、波段33和FY-3D的波段25辐射值低于260K，或者MODIS的波段1和波段2或FY-3D的波段3和波段4的反射率之和大于0.7，同时MODIS的波段32、波段33和FY-3D的波段25辐射值低于280K；

水汽检测条件是：MODIS的波段2或FY-3D波段4反射率小于0.15，且MODIS的波段7或FY-3D的波段7反射率小于0.05以及NDVI小于0；；

雾检测：FY-3D的波段7、波段8、波段9或者MODIS的波段7、波段8、波段9反射率满足以下条件则认为是雾：

且/>

式中，band7代表波段7的反射率，band8代表波段8的反射率，band9代表波段9的反射率。

S600、根据多个所述第一反射率数据计算得到第一燃烧指数，根据多个第二反射率数据计算得到第二燃烧指数，根据所述第一燃烧指数和所述第二燃烧指数提取火点燃烧区域，获取所述火点燃烧区域的每个像元的亮温数据，根据每个像元的所述亮温数据和亮温阈值提取所述火点燃烧区域的第一火点位置。

具体的，根据Himawari-9标准数据的3波段(位于红光波段)、4波段(位于近红外波段)、6波段(位于短波红外波段)、14波段(位于热红外波段)计算得到第一燃烧指数，根据极轨卫星第三极轨图像数据的红光波段、近红外波段(0.76-0..9μm)、短波红外波段(2.08-2.35μm)、热红外波段(10.4-12.5μm)计算和Himawari-9拍摄的同一区域的第二燃烧指数，根据Himawari-9的第一燃烧指数和极轨卫星的第二燃烧指数提取同一区域的火点燃烧区域，通过读取火点燃烧区域的每个像元的亮温数据和亮温阈值初步提取第一火点位置，各燃烧指数计算方式如下：

式中，Red使用Himawari-9数据的3波段反射率或极轨卫星的红光波段反射率，NIR使用Himawari-9数据的4波段反射率或极轨卫星的近红外波段反射率，SWIR使用Himawari-9数据的6波段反射率或极轨卫星的短波红外波段反射率，Thermal使用Himawari-9数据的14波段辐射值或极轨卫星的热红外波段辐射值，燃烧区域的BAI(Burn Area Index，燃烧面积指数)高，NBR(Normalized Burn Ratio，归一化燃烧指数)和NBRT(Normalized BurnRatio-Thermal，改进归一化燃烧指数)低。

在一个具体的实施例中，使用Himawari-9的3波段、4波段、6波段、14波段和极轨卫星Landsat的3波段(位于红光波段)、4波段(位于近红外波段)、6波段(位于短波红外波段)、7波段(位于热红外波段)计算燃烧指数，提取火点燃烧区域，进而提取第一火点位置。

S700、根据所述第一火点位置和所述第三极轨图像数据确定第二火点位置。

具体的，得到第一火点位置后使用极轨卫星的第三极轨图像数据定位火点位置。基于以下规则准确提取火点：极轨卫星波长范围位于3.92-3.98μm的波段数据g、10.78-11.28μm的波段数据h、0.84-0.88μm的波段数据b：

G＞310K and G-H＞10and B＜0.3

式中，G代表波段g的辐射值和反射率，H代表波段h的辐射值和反射率，B代表波段b的辐射值和反射率。

可选地，根据所述第一火点位置和所述第三极轨图像数据确定第二火点位置，具体包括：使用所述第三极轨图像数据和提取规则提取所述第一火点位置中的的第二火点位置，其中，提取规则如下所示：

band20＞310K and band20-band21＞10and band4＜0.3

其中，band20代表所述第三极轨图像数据中波段20的辐射值和反射率，band21代表所述第三极轨图像数据中波段21的辐射值和反射率，band4代表所述第三极轨图像数据中波段4的辐射值和反射率。

在一个具体的实施例中，使用FY-3D的波段20、波段24、波段4数据定位第二火点位置。

S800、将所述区域林地范围掩膜所述第二火点位置得到林地火点分布信息；

参照图8，具体的，对火点信息进行筛选、整理，利用林地矢量掩膜出位于林地范围内的火点数据。得到林地火点分布信息。

实施本发明实施例包括以下有益效果：本发明实施例提供一种基于遥感卫星数据和极轨卫星数据的森林火点监测方法，包括：通过遥感卫星获取目标区域的遥感数据，对所述遥感数据进行第一预处理得到标准数据，其中，标准数据包括角度数据、亮温数据、多个第一波段数据和所述第一波段数据对应的第一反射率数据；通过极轨卫星获取所述目标区域的第一极轨图像数据，对所述第一极轨图像数据进行第二预处理得到极轨数据，其中，所述极轨数据包括多个第二波段数据和所述第二波段数据对应的第二反射率数据；基于监督分类法提取所述极轨数据中的区域林地范围；获取所述标准数据中的角度数据，基于所述角度数据去除所述极轨数据中的耀斑像元数据得到第二极轨图像数据；通过预设的检测模型检测所述第二极轨图像数据中的干扰数据，将所述干扰数据剔除后得到第三极轨图像数据；根据多个所述第一反射率数据计算得到第一燃烧指数，根据多个第二反射率数据计算得到第二燃烧指数，根据所述第一燃烧指数和所述第二燃烧指数提取火点燃烧区域，获取所述火点燃烧区域的每个像元的亮温数据，根据每个像元的所述亮温数据和亮温阈值提取所述火点燃烧区域的第一火点位置；根据所述第一火点位置和所述第三极轨图像数据确定第二火点位置；将所述区域林地范围掩膜所述第二火点位置得到林地火点分布信息。通过通过遥感卫星获取目标区域的遥感数据和极轨卫星的第一极轨图像数据，对遥感数据和第一极轨图像数据进处理，最后得到林地火点分布信息，通过利用遥感卫星遥感数据的高时间分辨率和极轨卫星第一极轨图像数据的高空间分辨率协同互补，进而提高森林火灾卫星监测时效性和火点识别度。直接调用处理dat格式的遥感数据减少了时间滞后，提高了监测效率。将监督分类方法引入森林区域提取中，解决了因土地利用数据时效性低对森林火点监测精度造成干扰的问题。

如图9所示，本发明实施例还提供了一种基于遥感卫星数据和极轨卫星数据的森林火点监测系统，包括：

第一模块，用于通过遥感卫星获取目标区域的遥感数据，对所述遥感数据进行第一预处理得到标准数据，其中，标准数据包括角度数据、亮温数据、多个第一波段数据和所述第一波段数据对应的第一反射率数据；

第二模块，用于通过极轨卫星获取所述目标区域的第一极轨图像数据，对所述第一极轨图像数据进行第二预处理得到极轨数据，其中，所述极轨数据包括多个第二波段数据和所述第二波段数据对应的第二反射率数据；

第三模块，用于基于监督分类法提取所述极轨数据中的区域林地范围；

第四模块，用于获取所述标准数据中的角度数据，基于所述角度数据去除所述极轨数据中的耀斑像元数据得到第二极轨图像数据；

第五模块，用于通过预设的检测模型检测所述第二极轨图像数据中的干扰数据，将所述干扰数据剔除后得到第三极轨图像数据；

第六模块，用于根据多个所述第一反射率数据计算得到第一燃烧指数，根据多个第二反射率数据计算得到第二燃烧指数，根据所述第一燃烧指数和所述第二燃烧指数提取火点燃烧区域，获取所述火点燃烧区域的每个像元的亮温数据，根据每个像元的所述亮温数据和亮温阈值提取所述火点燃烧区域的第一火点位置；

第七模块，用于根据所述第一火点位置和所述第三极轨图像数据确定第二火点位置；

第八模块，用于将所述区域林地范围掩膜所述第二火点位置得到林地火点分布信息。

可见，上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

如图10所示，本发明实施例还提供了一种基于遥感卫星数据和极轨卫星数据的森林火点监测装置，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现上述方法实施例所述的方法步骤。

可见，上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

此外，本申请实施例还公开了一种计算机程序产品或计算机程序，计算机程序产品或计算机程序存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机程序，处理器执行该计算机程序，使得该计算机设备执行上述的方法。同样地，上述方法实施例中的内容均适用于本存储介质实施例中，本存储介质实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

可以理解的是，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信息处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信息中的其他数据，并且可包括任何信息递送介质。

上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。