流程圖
1.資料來源1）modis021km （2）gf-4號資料（gf-4pms）
（3）mod13(植被指數) （4）mod14火災產品
在envi軟體中開啟modis資料
在這裡插入描述
2.幾何校正後將資料集定標轉為反射率和輻亮度（mtck工具可以直接轉換，但是資料結果貌似被高值抑制）
3.去雲處理
針對modis的夜間資料，在12微公尺處的亮溫值小於265k認為有云覆蓋。針對modis的白天資料，去雲處理包括：卷雲、高層雲、低層雲、雲雪處理等；將處理後的資料進行掩膜處理。衛星掃瞄角限制在45°以內。
4.輻亮度轉換為亮溫（此處22波段和21波段均可以，推薦使用22波段，亮溫更接近實際）
0.00057100*(b32-2119.08447266)
0.00065081*(b31-2035.9332754)
0.00007627*(b22-2478.17651367)
3634.17/alog(1+122461.38/b22)
1304.41387/alog(1+729.541636/b31)
1196.978785/alog(1+474.688/b32)
5.對於過火區域，需要保證其地表具有一定的植被覆蓋度。而在這裡選中ndvi值作為地表植被覆蓋的直觀數值顯示。這裡選取ndvi值大於0.3
6.過火區域提取
將過火區分為明顯燃燒區和暗燒區，由於兩者的溫度不同，需要用不同的處理方法。針對夜間的過火區，一般選擇比值法、絕對閾值法進行提取。
認為夜間過火區溫度應該大於310k，當溫度不滿足此條件時，選擇最大類間方差法進行處理。針對白天資料，認為過火區溫度應該大於360k，結合比值法（）進行綜合提取。
7.雜訊濾除
利用以上改進的比值演算法進行行火點監測，監測結果不一定只是火點資訊，還有可能存在一些干擾火點資訊的點，我們稱之為雜訊點。結合火點的31波段和32波段資料分析，同時參考他人**發現這些部分的溫差一般大於7k，使用公式：
t11-t12<8k(中心波長為11、12微公尺處的波段）
8.白天由於耀斑反射太陽光產生的干擾需要排除．如果0.65和0.86微公尺兩個通道的反射率都大於0.3（相當於4微公尺的亮溫達到312k，且耀斑角小於40°,－般就可以排除這點是火點的可能性）。
9.和modis火產品進行對比（此處偷懶用了gf資料進行疊加操作，resize匹配行列）
modis火點提取做的時間太長了，這裡算是重新回憶一下，如果有錯誤，歡迎指正。
同時使用多個篩選器來過濾資料
不定長引數 val arr list 111,222,333,444,555 def sum args int int args.foldleft 0 sum,v sum v 就是args.sum求和 sum arr res0 int 1665 不定長引數的定義 args int 表示args是乙個...
Swift 使用閉包篩選過濾資料元素
通常篩選乙個陣列，通常會在 的其它地方建立乙個函式，然後為陣列的每個元素呼叫它。但這樣做會使 分散在許多地方，不便於閱讀。使用閉包就可以將相關 片斷放在一起，使結構邏輯更加清晰。比如，篩選乙個字元陣列，過濾出以 hangge 開頭的字串陣列 12 3 4 5 letarray hangge com ...
使用R語言篩選資料中的重複行
在進行資料的預處理時，我們常常關注有無重複資料，如果兩行資料完全一致，則可能存在資料的重複錄入等情況，此時就要對這兩行資料進行核實。但這個過程如何用r語言實現？筆者近期對這個問題進行了探索。我們首先虛擬乙個資料，並將這個資料儲存為csv檔案，命名為 a.csv 資料如下圖 我們首先讀入資料，並檢視資...