一种基于多源时间序列遥感影像的页岩油气燃烧提取方法与流程

1.本发明涉及一种基于多源时间序列遥感影像的页岩油气燃烧提取方法。属于遥感地学应用
技术领域：
：。技术背景2.在过去几十年中，随着非常规油气开采技术(包括水平或定向钻井、水力压裂技术)的发展，美国页岩油气产量增长迅猛，已引起广泛关注。与传统钻井技术相比，非常规油气开采技术具有更容易获得(主要是在私人土地上)、更短的生产时间、更低的成本和更小的规模等优势，这使美国一跃成为世界上最大的石油/天然气生产国。页岩革命不仅大大减少了美国的石油/天然气进口，而且创造了经济增长的引擎、技术和创新的平台、就业机会、新的税收和特许权使用费收入以及振兴国内工业等。然而，随着石油和天然气越来越多地在页岩丰富的地区开采，不断增加的页岩油气燃烧，使美国跻身为全球五大燃烧国，据估计，2013‑2017年期间，平均每年燃烧102亿立方米天然气。3.天然气燃烧和排气是页岩油气开采时处理多余废气的常用手段。气体燃烧是利用专用火炬在井口燃烧天然气的过程，排气是指气体直接释放到大气中，在某些状态下往往被禁止或限制。在一般的情况下，燃烧是首选的，因为甲烷是天然气的主要成分，是一种比二氧化碳更有效的温室气体，二氧化碳是燃烧的主要产物。据美国能源信息管理局称，2018年，被报告为排气和燃烧的美国天然气的数量达到日均12.8亿立方英尺。因此，为了了解排气和燃烧对环境和健康的影响，准确和有效地检测页岩油气燃烧的时空分布对于科学评估和有效管理页岩油气是至关重要的，同时有助于衡量页岩油气开采对生态环境的影响。4.卫星遥感的一个主要特点是探测能力强，使得能够相对容易并以较低的成本捕获大面积的地物信息。目前，已有低分辨率的活火产品数据，例如viirsactivefire(375m)，modisactivefire(1km)，viirsnightfire(750m)数据等，虽然这些火产品数据有很高的时间分辨率，但是由于其低的分辨率，对于识别类似于页岩油气燃烧等很小的火点而言，是远远不够的。因此，landsat‑8oli和sentinel‑2msi光学卫星影像在大范围内页岩油气燃烧监测上拥有很大的优势，它们拥有10‑30米的光谱分辨率和的较短的回访周期，为有效监测页岩油气燃烧提供了机会。一个页岩油气井场范围从几十米到300米不等，在成像质量较好的光学影像中，由于页岩油气燃烧时近红外和短波红外均会有较高的反射率，其明显高于周围地物信息，因此可以通过一定的算法对其进行分割。然而，由于城市内复杂的背景噪声(例如云、波、对水的反射和条带效应)有可能使得目标像元变得模糊，但基于页岩油气燃烧位置不变性原则，多源长时间序列传感器的联合使用可以克服云雨等天气限制。技术实现要素：5.本发明要解决的技术问题是：克服现有的技术缺点，提出一种基于多源时间序列遥感影像的页岩油气燃烧提取方法。该方法联合使用了海量的多源时间序列光学遥感数据，较高的空间和时间分辨率增强了遥感图像检测的鲁棒性，大大提高了对页岩油气燃烧的监测能力，可以快速自动准确识别页岩油气燃烧位置。6.为了解决上述技术问题，本发明提出的技术方案是：7.基于多源时间序列遥感影像的页岩油气燃烧提取方法，包括以下步骤：8.第一步、准备多源遥感光学影像，并分别构建时间序列波段数据集，所述多源遥感光学影像包括：landsat‑8oli光学影像，和sentinel‑2msi光学影像；9.第二步、提出高温热异常指标tai＝(ρfar‑swir‑ρnear‑swir)/ρnir，其中ρfar‑swir表示远短波红外波段的反射率，ρnear‑swi表示近短波红外波段的反射率，ρnir表示近红外波段的反射率；10.第三步、页岩油气燃烧像元初步提取11.3.1、针对landsat‑8oli光学影像和sentinel‑2msi光学影像，分别提取高温热异常指标tai≥0.15的像元；12.3.2、在步骤3.1提取结果基础上进一步提取ρfar‑swir‑ρnear‑swir>ρfar‑swir‑ρnir且ρfar‑swir≥0.15的像元；13.3.3、针对landsat‑8oli光学影像和sentinel‑2msi光学影像，提取ρfar‑swir≥1且ρnear‑swir≥1的像元，得到反射率过饱和的像元；14.3.4、若反射率过饱和的像元的八领域存在3.2提取结果的像元，则将其加入3.2的提取结果中，否则视为噪声进行剔除；15.第四步、针对步骤3.2的结果，将满足不等式ρnear‑swir≤0.05或ρnir≤0.01的像元视为影像本身的噪声进行剔除，并且根据sentinel‑2和landsat‑8提供的qa波段，去除云噪声；将最终获得像元作为页岩油气燃烧的候选像元，并赋值为1，其余赋值为0，得到不同时间序列的候选目标的二值化影像；16.第五步、针对上述得到的二值化影像，将同一时相的所有影像合并，将大于或等于1像元的值赋值为1，其余赋值为0，并进行单个像元的数学形态扩展后得到按时相排序新的二值化影像，提取二值化像元后并转换为矢量多边形，计算该矢量多边形的质心，得到质心点；17.第六步、根据来源于ghs的建设用地数据，去除位于建设用地内的质心点；并且，根据页岩油气井场点数据，建立的缓冲区，筛选出缓冲区内的质心点，确定为单时相页岩油气燃烧位置点，据此得到所有年份的页岩油气燃烧位置点；18.第七步、对第五步得到的所有新二值化影像进行时间序列的累加，得到各像元的页岩油气燃烧的观测频次，将大于或等于1像元的值赋值为1，其余赋值为0，得到一幅最终的二值化影像并转化为矢量多边形；；19.第八步、基于页岩油气燃烧位置点，选择第七步得到的矢量多边形，得到准确的页岩油气燃烧范围，并逐一统计页岩油气燃烧范围内的最大燃烧观测频次与无云影像观测频次，进行比值运算，得到每个页岩油气井场的燃烧率；20.第九步、提取累加频次大于15次的页岩油气燃烧位置，定义为高频次页岩油气燃烧。21.本发明采用的数据源来自多个传感器平台，多数据源集成使用于页岩油气燃烧细小目标检测属于数据应用的创新。本发明构建了一个高温热异常指标为核心的批处理框架，可以自动准确地完成较大尺度下页岩油气燃烧的识别和燃烧率的确定，从而可以用于大尺度上页岩油气燃烧的评价，为我国页岩油气的开采研究提供了较好的理论基础。22.本发明相关数据提取和矢量转换过程均通过matlab,arcpy编程和gee平台实现，减少了人工参与，大大提高提取效率。23.综上，本发明方法的执行步骤简单易行，在提取区域的页岩油气燃烧的效果较好。目前关于页岩油气燃烧详细位置的资料很少，本发明使用长时间、大空间覆盖范围的光学影像数据，利用一种高温热异常指标，实现了较大空间尺度上的页岩油气燃烧的准确提取。这项发明有助于编制一份详细的，可及时和有效更新的页岩油气燃烧位置，可补充低分辨产品数据库。同时为今后页岩油气管理和评价页岩油气燃烧对生态环境的潜在影响提供科学参考。附图说明24.下面结合附图对本发明作进一步的说明。25.图1是一种基于多源时间序列遥感影像的页岩油气燃烧提取方法流程图。26.图2是光谱反射率与波长之间的响应曲线。27.图3是页岩油气采样散点分析图。28.图4是页岩油气燃烧的燃烧率空间分布图。29.图5是landsat‑8oli提取的高观测频次页岩油气燃烧分布图。30.图6是sentinel‑2msi提取的高观测频次页岩油气燃烧分布图。具体实施方式31.下面根据附图详细阐述本发明，使本发明的技术路线和操作步骤更加清晰。本发明实例采用的数据是覆盖美国德克萨斯地区的landsat‑8oli和sentinel‑2msi数据。数据时间跨度为2013年3月‑2020年5月。32.图1为本发明一种基于多源时间序列遥感影像的页岩油气燃烧提取方法的流程图，具体步骤如下:33.第一步、准备多源遥感光学影像，并分别构建时间序列波段数据集。具体包括如下几个方面的内容：34.a.选取部分实地考察获取的高温热异常位置作为样本点，获取样本点处的aviris影像，在envi软件中对采样点处的影像的波段值进行统计，绘制不同高温热异常的光谱反射率与波长之间的响应曲线，如图2所示。35.b.基于gee和arcpy平台批量下载覆盖研究区范围的landsat‑8oli和sentinel‑2msi数据，其中从2013年3月到2020年5月，landsat‑8oli影像总共有6862景，平均云覆盖率33.91％；从2015年8月到2020年5月，sentinel‑2msi影像总共有45468景，平均云覆盖率37.55％。landsat和sentinel的近红外和短波红外波段的空间分辨率分别为30m和20m。36.第二步、采样分析。经过分析发现，近红外波段和短波红外波段对高温热异常具有很强的敏感性，因此本发明根据近红外和短波红外波段提出高温热异场指标tai指标，tai＝(ρfar‑swir‑ρnear‑swir)/ρnir，其中ρfar‑swir表示远短波红外波段的反射率，ρnear‑swi表示近短波红外波段的反射率，ρnir表示近红外波段的反射率。选取实地考察获取的14818个未燃烧页岩油气井和3980个的页岩油气燃烧位置作为样本点，设定阈值为tai≥0.15时，可以有效提取区域内的页岩油气燃烧，利用matlab的scatter函数制作散点密度图，如图3所示。37.第三步、页岩油气燃烧像元初步提取38.3.1、针对landsat‑8oli光学影像和sentinel‑2msi光学影像，分别提取高温热异常指标tai≥0.15的像元；39.3.2、基于arcpy平台，在步骤3.1提取结果基础上进一步提取ρfar‑swir‑ρnear‑swir>ρfar‑swir‑ρnir且ρfar‑swir≥0.15的像元，进一步细化监测结果和避免低反射率造成的噪声；40.3.3、针对landsat‑8oli光学影像和sentinel‑2msi光学影像，提取ρfar‑swir≥1且ρnear‑swir≥1的像元，得到反射率过饱和的像元；41.3.4、若反射率过饱和的像元的八领域存在3.2提取结果的像元，则将其加入3.2的提取结果中，否则视为噪声进行剔除。42.第四步、针对步骤3.2的结果，将满足不等式ρnear‑swir≤0.05或ρnir≤0.01的像元视为影像本身的噪声(例如影像丢包，影像边缘异常等)进行剔除，并且根据sentinel‑2和landsat‑8提供的qa波段，去除云噪声；将最终获得像元作为页岩油气燃烧的候选像元，并赋值为1，其余赋值为0，得到不同时间序列的候选目标的二值化影像。43.第五步、噪声去除。首先，基于arcpy的mosaictonewraster工具批量合并同一时相的二值化影像生成新的二值化影像，然后借助expand工具进行单个像元数学形态扩展，用extractbyvalue工具提取值为1的栅格，并用rastertopolygon工具批量转为矢量多边形，之后通过calculategeometry工具计算多边形的质心，利用arcgis中的meancenter工具计算位于同一高频像元边界内所有质心点中值坐标，计算公式如下：[0044][0045]xi和yi分别表示第i个质心的横坐标和纵坐标，n表示质心的个数。通过计算输出每个页岩油气燃烧的地理坐标，并保存为点文件。[0046]第六步、根据来源于ghs的建设用地数据，用erase工具排除建设用地内的噪声；并且，根据页岩油气井场点数据，使用buffer工具建立250m的缓冲区，用clip工具筛选出缓冲区内的质心点，便可确定单时相页岩油气燃烧位置，并据此得到所有年份的页岩油气燃烧位置点。[0047]第七步、针对第五步获取的新二值化影像，基于arcpy的mosaictonewraster工具批量合并为页岩油气燃烧的累加观测频次影像，得到各像元的页岩油气燃烧的观测频次，将大于或等于1像元的值赋值为1，其余赋值为0，得到一幅最终的二值化影像并转化为矢量多边形。[0048]第八步、针对第七步得到的页岩油气燃烧质心点，利用arcpy中的selectbylocation工具选择第七步中得到的矢量多边形，可以得到准确页岩油气燃烧范围。利用zonalstatisticsastable工具遍历统计页岩油气燃烧区所在的页岩油气燃烧累加频次影像的最大值以及无云影像观测频次的均值，用addfield增加一个字段为两个值的比值，便可得到页岩油气的燃烧率，并用spatialjoin工具将属性表与页岩油气燃烧质心点进行空间连接，如图4所示。[0049]第九步、基于arcpy采用con函数将页岩油气燃烧累加频次大于15的提取出来，定义为高频次页岩油气燃烧，并通过目视识别的方法，对提取的页岩油气燃烧进行精度评价，本发明在landsat‑8oli和sentinel‑2msi均有很高的精度，如图5和图6所示。[0050]除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。当前第1页12当前第1页12