Kmeans聚類與多波譜閾值相結(jié)合的云檢測(cè)和煙檢測(cè)算法研究.pdf

1、森林火災(zāi)破壞人類賴以生存的寶貴而有限的自然資源，造成環(huán)境污染，引發(fā)生態(tài)失衡，并且危害林區(qū)周邊的城鎮(zhèn)安全。衛(wèi)星遙感技術(shù)具有視域大的宏觀特性，使人們對(duì)地物的觀察和研究具有全天候和全天時(shí)的可能；另外，它還能周期成像，有利于動(dòng)態(tài)監(jiān)測(cè)和研究。衛(wèi)星遙感以其時(shí)效性、客觀性和可讀性的特點(diǎn)，在監(jiān)測(cè)森林火災(zāi)研究中具有特殊的作用。EOS系列衛(wèi)星搭載的MODIS 傳感器具有空間分辨率和時(shí)間分辨率高、波譜范圍寬的優(yōu)點(diǎn)，受到越來(lái)越多的學(xué)者的青睞。
　　 云

2、檢測(cè)和煙檢測(cè)是遙感監(jiān)測(cè)森林火災(zāi)的重要的步驟。傳統(tǒng)的云檢測(cè)和煙檢測(cè)算法是利用遙感衛(wèi)星的某些通道數(shù)據(jù)的組合，采用絕對(duì)閾值來(lái)判定。一般的流程都是利用波段反射率、亮溫或者波段的組合等作為閾值判斷標(biāo)準(zhǔn)。但是閾值方法具有一定的主觀性，對(duì)先驗(yàn)知識(shí)要求較高，并且在不同季節(jié)和不同地區(qū)閾值適用性不同，容易產(chǎn)生誤判或者漏判。本文采用聚類分析和多波譜閾值相結(jié)合的方法，提高了檢測(cè)算法的適用性和準(zhǔn)確性。首先對(duì)MODIS L1B數(shù)據(jù)進(jìn)行預(yù)處理，并分析各種地物的波譜特

3、征，選取適當(dāng)?shù)腗ODIS波段和特征參數(shù)；然后采用Kmeans聚類方法對(duì)特征參數(shù)進(jìn)行聚類分析，各種地物被初步分類；最后去除云和煙羽的干擾，使得檢測(cè)結(jié)果更加準(zhǔn)確。由于聚類方法只考慮特征參數(shù)之間的相對(duì)差別，可以有效地排除特征參數(shù)的絕對(duì)閾值對(duì)檢測(cè)結(jié)果的影響，進(jìn)而避免傳統(tǒng)檢測(cè)算法中的誤判和漏判現(xiàn)象。
　　 選取我國(guó)東南沿海地區(qū)、大興安嶺林區(qū)以及國(guó)外的部分MODIS數(shù)據(jù)，對(duì)本文提出的檢測(cè)算法進(jìn)行應(yīng)用研究，并將應(yīng)用結(jié)果與傳統(tǒng)的閾值方法進(jìn)行了比