Please wait a minute...
img

官方微信

遥感技术与应用  2006, Vol. 21 Issue (3): 209-211    DOI: 10.11873/j.issn.1004-0323.2006.3.209
研究与应用     
EOS—MODIS 数据林火识别算法的验证和改进
周小成, 汪小钦
(福州大学福建省空间信息工程研究中心, 数据挖掘与信息共享教育部重点实验室, 福建 福州 350002)
Validate and Improvement on Arithmetic of Identifying Forest Fire Based on EOS-MODIS Data
ZHOU Xiao-cheng, WANG Xiao-qin

(Key Laboratory of Data Mining & Information Sharing of Ministry of Education, Spatial Information Research Center of Fujian Province, Fuzhou University , Fujian 350002, China)
 全文: PDF 
摘要:

EOS—MODIS 数据在森林火情监测中的应用研究日益受到世界各国的重视。为了获得适用于中国不同地区森林火情监测的成熟技术, 很有必要对现有MODIS 数据林火监测理论算法进行验证分析, 探讨其在中国不同地域和季节中使用时的通用性。为此, 利用中国境内9 起森林火灾事件对MODIS 数据火点识别的理论算法进行验证分析。结果显示9 起森林火灾有8 起被有效检测到, 1 起森林火情被遗漏。通过对9 起森林火点及其邻近像元的统计分析, 发现如下两个重要规则:利用火点亮温偏离统计均值3 倍标准差的关系来确定阈值, 可以避免火点的遗漏; 林火点在CH21和CH22 上的亮温值一般有CH21- CH22< 20 K, 而噪声点在两个波段上的差异却比较大。用以上规则改进的MODIS 林火热点识别算法可以检测出用来验证的全部9 起林火事件, 从而证明了改进算法的有效性和通用性。

关键词:  EOS- MODIS森林火灾亮温中国遥感    
Abstract:

 It has been attached importance to monitoring forest fire based on EOS-MODIS data in the world. How far is the universality of the arithmetic to identify forest fire based on MODIS Data. There still exist smuch demand for validate the arithmetic. Nine forest fires occurred in China is used to validate arithmetic of identifying fire based on MODIS data in this paper. The result shows that the arithmetic is universal mostly. Eight out of nine fires can be detected through the arithmetic based on MODIS data for identifying forest fire . Just low temperature hot spot could be missed sometimes when zone or season changes. Threshold value should be defined through relation among light temperature of fire and mean and standard variance of fire neighborhood,which could avoid missing fire spot. There are two important rules when identifying forest fire by MODIS data as follow. ① Light temperature of forest fire is three times standard deviation above themean from fire pixels and its neighborhood; ②Light temperature of forest fire is near on the band 21 and band 22 ,which is usually characteristic of CH21- CH22< 20 K instead of noise that. Therefore, the rule CH21- CH22< 20 K can be used for distinguish fire from noise. Additional, it is effective to distinguish forest fire from other fires spot by using forest bound data which extracted from MODIS data without cloud before fire date. Finally suggest for improving arithmetic of identifying forest fire based on MODIS data is presented according knowledge acquired.

Key words: EOS-MODIS    Forest fire    Light temperature    China    Remote sensing
收稿日期: 2005-11-12 出版日期: 2011-09-27
:  TP 79   
基金资助:

国家重大基础研究项目(973) 前期研究专项(2003CCA 02100) 和福建省科技三项基金(K04016) 资助。

作者简介: 周小成(1977- ) , 男, 陕西渭南人, 硕士, 助理研究员, 主要从事遥感与地理信息系统应用研究。
服务  
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章  

引用本文:

周小成, 汪小钦. EOS—MODIS 数据林火识别算法的验证和改进[J]. 遥感技术与应用, 2006, 21(3): 209-211.

ZHOU Xiao-cheng, WANG Xiao-qin. Validate and Improvement on Arithmetic of Identifying Forest Fire Based on EOS-MODIS Data. Remote Sensing Technology and Application, 2006, 21(3): 209-211.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2006.3.209        http://www.rsta.ac.cn/CN/Y2006/V21/I3/209


〔1〕  Kaufman Y J , Justice C, Flynn L. Monitoring Global Fires from EOS-MODIS〔J 〕. Journal of Geophysical Research,
1998, 102 (29) : 611~ 624.
〔2〕  Kufuman Yoram J , Justice C. MODIS Fire Products〔D 〕.Algorithm Technical Background Document, 1998.
〔3〕 Hook S J , Myers J J. TheMOD IS/ASTER Airborne Simulator (MASTER )-A New Instrument Earth Science Studies 〔J〕. Remo te Sensing of Environment, 2001, 76 (1) : 93~ 102.
〔4〕 Huete A R, Justice C, Leeuwen V. MODIS Vegetation Index (MOD13)〔D 〕. Algorithm Theoretical Basis Document,1999.
〔5〕 覃先林, 易浩若. 基于MODIS 数据的林火识别方法研究〔J 〕.火灾科学, 2004, 13 (2) : 83~ 89.
〔6〕 梁芸. 利用EOS/MODIS 资料监测森林火情〔J 〕. 遥感技术与应用, 2002, 17 (6) : 310~ 312.
〔7〕 刘良明, 鄢俊洁. MOD IS 数据在火灾监测中的应用〔J 〕. 武汉大学学报信息科学版, 2004, 29 (1) : 55~ 58.
〔8〕 张树誉, 景毅刚. EOS2MOD IS 资料在森林火灾监测中的应用研究〔J〕. 灾害学, 2004, 19 (1) : 58~ 62.
〔9〕 Wan Zhengming. MODIS Land SurfaceTemperature Algorithm Theoretical Basis Document (LSTA TBD) 1EB/OL 2.http: //modis. gsfc. nasa. gov/data/atbd2modl1. pdf, 2004.519.
〔10〕 刘玉洁, 杨忠东. MODIS遥感信息处理原理与算法〔M 〕. 北京: 科学出版社, 2001.
〔11〕 http: //www. nfiieos. cn/html/criterion/fire/0 2- 1. htm# 4.
〔12〕 冯蜀青, 伏洋. 青海省草场火情卫星遥感监测的应用〔J 〕. 青海草业, 2004, 13 (3) : 33~ 35.
〔13〕 杨忠东, 张文建, 李俊. 应用小波收缩方法剔除MODIS 热红外波段数据条带噪声〔J〕. 遥感学报, 2004, 8 (1) : 23~ 30.
〔14〕 程乾, 黄敬峰, 王人潮. MOD IS 和NOAA öA VHRR 植被指数差异初步分析〔J〕. 科技通报, 2005, 21 (2) : 205~ 209.

[1] 王卷乐, 程凯, 边玲玲, 韩雪华, 王明明. 面向SDGs和美丽中国评价的地球大数据集成框架与关键技术[J]. 遥感技术与应用, 2018, 33(5): 775-783.
[2] 王恺宁,王修信,黄凤荣,罗涟玲. 喀斯特城市地表温度遥感反演算法比较[J]. 遥感技术与应用, 2018, 33(5): 803-810.
[3] 张晓峰,吕晓琪,张信雪,张继凯,王月明,谷宇,樊宇. 多时刻海色遥感数据融合及其可视化[J]. 遥感技术与应用, 2018, 33(5): 873-880.
[4] 谢旭,陈芸芝. 基于PSO-RBF神经网络模型反演闽江下游水体悬浮物浓度[J]. 遥感技术与应用, 2018, 33(5): 900-907.
[5] 迟文峰,匡文慧,贾静,刘正佳. 京津风沙源治理工程区LUCC及土壤风蚀强度动态遥感监测研究[J]. 遥感技术与应用, 2018, 33(5): 965-974.
[6] 胡云锋,商令杰,张千力,王召海. 基于GEE平台的1990年以来北京市土地变化格局及驱动机制分析[J]. 遥感技术与应用, 2018, 33(4): 573-583.
[7] 李晨伟,张瑞丝,张竹桐,曾敏 . 基于多源遥感数据的构造解译与分析—以西藏察隅吉太曲流域为例[J]. 遥感技术与应用, 2018, 33(4): 657-665.
[8] 李生生,王广军,梁四海,彭红明,董高峰,罗银飞. 基于Landsat-8 OLI数据的青海湖水体边界自动提取[J]. 遥感技术与应用, 2018, 33(4): 666-675.
[9] 廖凯涛,齐述华,王成,王点. 结合GLAS和TM卫星数据的江西省森林高度和生物量制图[J]. 遥感技术与应用, 2018, 33(4): 713-720.
[10] 张震,刘时银,魏俊锋,蒋宗立. 1974~2012年珠穆朗玛峰地区冰川物质平衡遥感监测研究[J]. 遥感技术与应用, 2018, 33(4): 731-740.
[11] 王琳,徐涵秋,李胜. 重钢重工业区迁移对区域生态的影响研究[J]. 遥感技术与应用, 2018, 33(3): 387-397.
[12] 任浙豪,周坚华. 增大特征空间复杂度的方法——以城镇下垫面遥感分类为[J]. 遥感技术与应用, 2018, 33(3): 408-417.
[13] 王宝刚,晋锐,赵泽斌,亢健. 被动微波遥感在地表冻融监测中的应用研究进展[J]. 遥感技术与应用, 2018, 33(2): 193-201.
[14] 秦振涛,杨茹,张靖,杨武年. 基于聚类结构自适应稀疏表示的高光谱遥感图像修复研究[J]. 遥感技术与应用, 2018, 33(2): 212-215.
[15] 郭宇柏,卓莉,陶海燕,曹晶晶,王芳. 基于空谱初始化的非负矩阵光谱混合像元盲分解[J]. 遥感技术与应用, 2018, 33(2): 216-226.