Kmeans聚類與多波譜閾值相結合的云檢測和煙檢測算法研究.pdf

1、森林火災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)星遙感技術具有視域大的宏觀特性，使人們對地物的觀察和研究具有全天候和全天時的可能；另外，它還能周期成像，有利于動態(tài)監(jiān)測和研究。衛(wèi)星遙感以其時效性、客觀性和可讀性的特點，在監(jiān)測森林火災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間分辨率高、波譜范圍寬的優(yōu)點，受到越來越多的學者的青睞。
　　 云

2、檢測和煙檢測是遙感監(jiān)測森林火災的重要的步驟。傳統(tǒng)的云檢測和煙檢測算法是利用遙感衛(wèi)星的某些通道數(shù)據(jù)的組合，采用絕對閾值來判定。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準。但是閾值方法具有一定的主觀性，對先驗知識要求較高，并且在不同季節(jié)和不同地區(qū)閾值適用性不同，容易產生誤判或者漏判。本文采用聚類分析和多波譜閾值相結合的方法，提高了檢測算法的適用性和準確性。首先對MODIS L1B數(shù)據(jù)進行預處理，并分析各種地物的波譜特

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