本發(fā)明涉及數(shù)據(jù)處理，特別是指一種利用遙感影像的森林火災(zāi)預(yù)測方法及系統(tǒng)。

背景技術(shù)：

1、傳統(tǒng)的森林火災(zāi)預(yù)測方法有的依賴于地面觀測、氣象數(shù)據(jù)和歷史火災(zāi)記錄等，但這些方法存在數(shù)據(jù)獲取難度大、實時性差、預(yù)測精度有限等問題。例如，許多現(xiàn)有的預(yù)測方法有的僅依賴于單一的地表溫度或植被指數(shù)（如歸一化植被指數(shù)ndvi）等參數(shù)，這些參數(shù)雖然能在一定程度上反映森林火險狀況，但無法全面、準(zhǔn)確地描述森林火災(zāi)的復(fù)雜性和多變性。

2、森林火災(zāi)的發(fā)生和發(fā)展受到多種因素的影響，包括地表溫度、植被覆蓋率、植被類型、可燃物含水率、氣象條件（如風(fēng)速、濕度、降水量等）以及地形地貌等?，F(xiàn)有方法有的忽略了這些因素之間的相互作用和影響，導(dǎo)致預(yù)測結(jié)果不夠準(zhǔn)確和可靠。

技術(shù)實現(xiàn)思路

1、本發(fā)明要解決的技術(shù)問題是提供一種利用遙感影像的森林火災(zāi)預(yù)測方法及系統(tǒng)，可以提高預(yù)測結(jié)果的準(zhǔn)確性、可靠性和實時性。

2、為解決上述技術(shù)問題，本發(fā)明的技術(shù)方案如下：

3、第一方面，一種利用遙感影像的森林火災(zāi)預(yù)測方法，所述方法包括：

4、根據(jù)大氣透過率、地表比輻射率和輻射亮度值，計算地表溫度；

5、從預(yù)處理的遙感影像中提取關(guān)鍵數(shù)據(jù)；利用關(guān)鍵數(shù)據(jù)計算歸一化植被指數(shù)；根據(jù)歸一化植被指數(shù)，生成一個新的圖像；根據(jù)新的圖像以及預(yù)設(shè)的閾值，計算植被覆蓋率；

6、通過對校正后的全色影像和多光譜影像進行小波分解與融合，再經(jīng)過小波逆變換，重構(gòu)出融合影像；根據(jù)目標(biāo)區(qū)域的植被特點確定聚類數(shù)目，從融合影像中提取并標(biāo)準(zhǔn)化關(guān)鍵植被特征，對關(guān)鍵植被特征進行聚類分析，最終標(biāo)識出各類植被的分布數(shù)據(jù)；

7、根據(jù)各類植被的分布數(shù)據(jù)，并結(jié)合氣象因素，構(gòu)建各類植被的可燃物含水率模型，并根據(jù)可燃物含水率模型計算植被含水率；

8、設(shè)置遺傳算法的種群大小，種群大小表示個體數(shù)量；確定二進制編碼，用于表示地表溫度、植被覆蓋率和植被含水率在森林火險動態(tài)危險指數(shù)計算中的權(quán)重；設(shè)置遺傳算法的交叉率、變異率和終止條件；

9、定義用于評估每個個體優(yōu)劣的適應(yīng)度函數(shù)，每個個體表示一組權(quán)重參數(shù)；

10、隨機生成滿足編碼方式的初始種群，每個個體代表一組權(quán)重參數(shù)；根據(jù)適應(yīng)度函數(shù)計算每個個體的適應(yīng)度，通過選擇、交叉和變異操作生成新一代的種群；判斷是否達到預(yù)設(shè)的終止條件，如果滿足終止條件，則停止迭代，并輸出當(dāng)前最終的權(quán)重參數(shù)組合；

11、根據(jù)最終的權(quán)重參數(shù)組合，結(jié)合地表溫度、植被覆蓋率和植被含水率數(shù)據(jù)，計算森林火險動態(tài)危險指數(shù)；

12、根據(jù)森林火險動態(tài)危險指數(shù)，對火險等級進行分類。

13、進一步的，根據(jù)大氣透過率、地表比輻射率和輻射亮度值，計算地表溫度，包括：

14、獲取處理后的包含熱紅外波段的遙感影像數(shù)據(jù)，識別并選擇兩個相鄰熱紅外波段；確定兩個相鄰熱紅外波段的中心波長、波段間的輻射亮度差異、大氣透過率和地表比輻射率；

15、使用大氣輻射傳輸模型，結(jié)合目標(biāo)區(qū)域的大氣廓線數(shù)據(jù)，估算兩個相鄰熱紅外波段的大氣透過率；

16、根據(jù)地表覆蓋類型，基于遙感數(shù)據(jù)的反演方法，估算兩個相鄰熱紅外波段的地表比輻射率；

17、將遙感影像的像元值轉(zhuǎn)換為輻射亮度值；根據(jù)分裂窗算法，結(jié)合大氣透過率、地表比輻射率和輻射亮度值，計算地表溫度。

18、進一步的，從預(yù)處理的遙感影像中提取關(guān)鍵數(shù)據(jù)；利用關(guān)鍵數(shù)據(jù)計算歸一化植被指數(shù)；根據(jù)歸一化植被指數(shù)，生成一個新的圖像；根據(jù)新的圖像以及預(yù)設(shè)的閾值，計算植被覆蓋率，包括：

19、從處理后的遙感影像數(shù)據(jù)中提取出紅波段和近紅外波段的數(shù)據(jù)；

20、根據(jù)紅波段和近紅外波段的數(shù)據(jù)計算歸一化植被指數(shù)值；

21、將歸一化植被指數(shù)值賦給每個像素，生成一個新的歸一化植被指數(shù)圖像；

22、設(shè)定一個閾值，統(tǒng)計歸一化植被指數(shù)圖像中大于設(shè)定閾值的像素數(shù)量，其中，大于設(shè)定閾值的像素數(shù)量與總像素數(shù)量的比例為植被覆蓋率。

23、進一步的，通過對校正后的全色影像和多光譜影像進行小波分解與融合，再經(jīng)過小波逆變換，重構(gòu)出融合影像，包括：

24、對校正后的全色影像和多光譜影像進行小波分解，得到全色影像和多光譜影像分別對應(yīng)的不同尺度和方向的小波系數(shù)，小波系數(shù)包括近似系數(shù)和細節(jié)系數(shù)；

25、根據(jù)預(yù)設(shè)的融合規(guī)則，對全色影像和多光譜影像分別對應(yīng)的不同尺度和方向的小波系數(shù)進行融合，以得到融合后的小波系數(shù)；

26、對融合后的小波系數(shù)進行小波逆變換，重構(gòu)出融合影像。

27、進一步的，根據(jù)目標(biāo)區(qū)域的植被特點確定聚類數(shù)目，從融合影像中提取并標(biāo)準(zhǔn)化關(guān)鍵植被特征，對關(guān)鍵植被特征進行聚類分析，最終標(biāo)識出各類植被的分布數(shù)據(jù)，包括：

28、根據(jù)目標(biāo)區(qū)域的植被類型和分布特點，確定對應(yīng)的聚類數(shù)目k值；

29、從融合影像中選擇反映植被特性的關(guān)鍵特征，包括光譜反射率和植被指數(shù)；

30、對關(guān)鍵特征進行標(biāo)準(zhǔn)化處理，以得到標(biāo)準(zhǔn)化后的數(shù)據(jù)；使用選擇的關(guān)鍵特征和標(biāo)準(zhǔn)化后的數(shù)據(jù)，應(yīng)用k-均值聚類算法；初始化聚類中心，迭代地將每個像素分配給對應(yīng)的聚類中心，并更新聚類中心的位置，直到達到預(yù)設(shè)的迭代次數(shù)，以得到聚類結(jié)果；

31、對每個聚類結(jié)果進行標(biāo)識，將其與實際的植被類型相對應(yīng)，以得到各類植被的分布數(shù)據(jù)。

32、進一步的，根據(jù)各類植被的分布數(shù)據(jù)，并結(jié)合氣象因素，構(gòu)建各類植被的可燃物含水率模型，并根據(jù)可燃物含水率模型計算植被含水率，包括：

33、獲取各類植被的分布數(shù)據(jù)，以及與植被含水率相關(guān)的氣象數(shù)據(jù)；

34、獲取不同植被類型的可燃物含水率與氣象因素之間的相關(guān)性，根據(jù)相關(guān)性和數(shù)據(jù)特點，構(gòu)建神經(jīng)網(wǎng)絡(luò)模型；

35、從氣象數(shù)據(jù)中選擇與可燃物含水率相關(guān)的特征作為神經(jīng)網(wǎng)絡(luò)模型的輸入數(shù)據(jù)；

36、利用歷史數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，以得到訓(xùn)練后神經(jīng)網(wǎng)絡(luò)模型；

37、通過交叉驗證和網(wǎng)格搜索方法對訓(xùn)練后神經(jīng)網(wǎng)絡(luò)模型進行驗證和優(yōu)化，以得到最終的神經(jīng)網(wǎng)絡(luò)模型；

38、將實時的氣象數(shù)據(jù)進行預(yù)處理，以得到預(yù)處理后的氣象數(shù)據(jù)；

39、將預(yù)處理后的氣象數(shù)據(jù)輸入到最終的神經(jīng)網(wǎng)絡(luò)模型，以得到各類植被的含水率預(yù)測值。

40、進一步的，適應(yīng)度函數(shù)的計算公式為：

41、；

42、其中，表示樣本點的索引，用來遍歷所有樣本點，計算預(yù)測值和真實值的差異；表示樣本總數(shù)，是一個正整數(shù)，表示一共有個樣本；表示權(quán)重參數(shù)；表示時間序列中時間步的總數(shù)，是正整數(shù)，表示整個時間序列的長度；表示時間步的索引；表示第個樣本的預(yù)測值；表示第個樣本的真實值；表示誤差范數(shù)的指數(shù)；表示在第個時間步上觀測到的真實數(shù)據(jù)值；表示在第個時間步上預(yù)測得到的值；、和分別表示地表溫度、植被覆蓋率和植被含水率在森林火險動態(tài)危險指數(shù)計算中的權(quán)重。

43、進一步的，森林火險動態(tài)危險指數(shù)的計算公式為：

44、；

45、其中，表示森林火險動態(tài)危險指數(shù)；表示地表溫度；表示植被覆蓋率；表示植被含水率；和表示權(quán)重；和分別表示地表溫度的最小值和最大值；表示植被覆蓋率的最大值；表示植被含水率的最小值；表示自然對數(shù)的底數(shù)。

46、第二方面，一種利用遙感影像的森林火災(zāi)預(yù)測系統(tǒng)，包括：

47、獲取模塊，用于根據(jù)大氣透過率、地表比輻射率和輻射亮度值，計算地表溫度；

48、分類模塊，用于從預(yù)處理的遙感影像中提取關(guān)鍵數(shù)據(jù)；利用關(guān)鍵數(shù)據(jù)計算歸一化植被指數(shù)；根據(jù)歸一化植被指數(shù)，生成一個新的圖像；根據(jù)新的圖像以及預(yù)設(shè)的閾值，計算植被覆蓋率；通過對校正后的全色影像和多光譜影像進行小波分解與融合，再經(jīng)過小波逆變換，重構(gòu)出融合影像；根據(jù)目標(biāo)區(qū)域的植被特點確定聚類數(shù)目，從融合影像中提取并標(biāo)準(zhǔn)化關(guān)鍵植被特征，對關(guān)鍵植被特征進行聚類分析，最終標(biāo)識出各類植被的分布數(shù)據(jù)；

49、構(gòu)建模塊，用于根據(jù)各類植被的分布數(shù)據(jù)，并結(jié)合氣象因素，構(gòu)建各類植被的可燃物含水率模型，并根據(jù)可燃物含水率模型計算植被含水率；設(shè)置遺傳算法的種群大小，種群大小表示個體數(shù)量；確定二進制編碼，用于表示地表溫度、植被覆蓋率和植被含水率在森林火險動態(tài)危險指數(shù)計算中的權(quán)重；設(shè)置遺傳算法的交叉率、變異率和終止條件；定義用于評估每個個體優(yōu)劣的適應(yīng)度函數(shù)，每個個體表示一組權(quán)重參數(shù)；隨機生成滿足編碼方式的初始種群，每個個體代表一組權(quán)重參數(shù)；根據(jù)適應(yīng)度函數(shù)計算每個個體的適應(yīng)度，通過選擇、交叉和變異操作生成新一代的種群；判斷是否達到預(yù)設(shè)的終止條件，如果滿足終止條件，則停止迭代，并輸出當(dāng)前最終的權(quán)重參數(shù)組合；

50、計算模塊，用于根據(jù)最終的權(quán)重參數(shù)組合，結(jié)合地表溫度、植被覆蓋率和植被含水率數(shù)據(jù)，計算森林火險動態(tài)危險指數(shù)；根據(jù)森林火險動態(tài)危險指數(shù)，對火險等級進行分類。

51、第三方面，一種計算設(shè)備，包括：

52、一個或多個處理器；

53、存儲裝置，用于存儲一個或多個程序，當(dāng)所述一個或多個程序被所述一個或多個處理器執(zhí)行，使得所述一個或多個處理器實現(xiàn)所述的方法。

54、第四方面，一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)中存儲有程序，該程序被處理器執(zhí)行時實現(xiàn)所述的方法。

55、本發(fā)明的上述方案至少包括以下有益效果。

56、本發(fā)明綜合利用了地表溫度、植被覆蓋率和植被含水率等多種關(guān)鍵參數(shù)，這些參數(shù)通過遙感影像數(shù)據(jù)精確計算得出，能夠全面反映森林火險的復(fù)雜性和多變性。通過遺傳算法優(yōu)化權(quán)重參數(shù)，實現(xiàn)了對森林火險動態(tài)危險指數(shù)的精確計算，顯著提高了預(yù)測的準(zhǔn)確性。

57、本發(fā)明采用了實時的遙感影像數(shù)據(jù)，能夠及時反映森林火險狀況的變化。遺傳算法的迭代過程能夠快速收斂，使得預(yù)測結(jié)果能夠迅速更新，滿足實時性的要求。通過全色影像和多光譜影像的融合，以及植被分類的精細處理，方法能夠更準(zhǔn)確地識別不同類型的植被和可燃物，為構(gòu)建可燃物含水率模型提供了更精確的數(shù)據(jù)基礎(chǔ)。

58、本發(fā)明考慮了氣象因素對森林火險的影響，通過構(gòu)建各類植被的可燃物含水率模型，使得預(yù)測結(jié)果更加符合實際情況。遺傳算法作為一種智能優(yōu)化算法，具有較強的自適應(yīng)性和魯棒性，能夠處理復(fù)雜的優(yōu)化問題，確保預(yù)測結(jié)果的穩(wěn)定性和可靠性。本發(fā)明通過計算森林火險動態(tài)危險指數(shù)，并對火險等級進行分類，為森林火災(zāi)的預(yù)防和控制提供了支持。