基于高分四号的四川地区森林火点提取
时间：2023-06-17 19:30:04 来源：雅意学习网 本文已影响 人 
张港, 刘健, 王萍, 焦强英
1. 山东科技大学测绘与空间信息学院，山东 青岛 266590；
2. 中国科学院空天信息创新研究院，北京 100094
四川省是我国西南林区森林火灾较为严重的区域，平均每年发生林火近 300 次，不仅破坏了宝贵的森林资源，也给林区人民的生命财产带来了严重的损失[1]。开展火点提取工作是防灾救灾工作的一项重要内容。阈值法是火点提取的一种常用方法，根据各地区的实际情况，选取合适的波段和阈值，超过阈值就定为火点[2]。针对森林火灾频发的四川地区，MODIS、NOAA/AVHRR等数据的阈值法在四川地区进行火点识别有着较多应用，许多专家学者根据四川当地情况，提出了应用于各类传感器的相应阈值。在MODIS数据应用中，卿清涛、肖利通过白天夜间设计不同的阈值进行火点提取[3～4]，张思分季节设计不同阈值进行火点提取[5]。在NOAA/AVHRR数据应用中，卿清涛设计了适合四川地区的火点阈值[6]。本文对四川地区的火灾进行分析研究，提出了适用于高分四号的火点阈值。高分四号（GF-4）卫星是我国于2015年12月29日发射的一颗高分辨率对地静止观测遥感卫星[7]，利用高分四号卫星数据构建亮温火点阈值算法进行火点提取，能够快速确定森林火灾的地理位置信息，大程度地节省人力成本，为四川地区的林火监测提供有力的数据支持。
1.1 研究区火情
选取四川省凉山州作为研究区，凉山州林火等级高，林火密度大，是火灾高发区[2]。2019 年3 月30 日至4 月10 日，凉山彝族自治州木里县雅砻江镇立尔村发生森林大火，该火灾由雷击引发，当地迅速组织力量共投入689 名消防人员前去灭火，共有27 名森林消防指战员和4 名地方扑火人员因风向突变在火灾中壮烈牺牲。2020 年3 月28 日晚，四川省凉山彝族自治州木里县项脚乡发生森林大火，2020年3 月30 日15 时，四川省凉山彝族自治州西昌市泸山发生森林大火[8]。本文以2020 年发生的两场火灾为研究对象，进行火点提取（见图1）。
图 1 研究区（凉山彝族自治州）及着火点Fig. 1 Study area （Liangshan Yi Autonomous Prefecture ） and fire points
1.2 数据源
高分四号搭载了一台具有50 m分辨率的可见光近红外通道与400 m分辨率的中红外通道的面阵凝视相机，其相机参数如表1所示。
通过高分四号的特点分析，其独特的凝视成像模式，可以完成基于长时间序列的孕灾环境和致灾因子监测，支持洪涝、旱灾、雪灾、地质灾害等灾害风险监测；
在时间分辨率上，具有20 s的高时间分辨率，通过高频次重复探测，获取灾害发生过程中的持续动态监测数据，为洪涝、火灾、滑坡、泥石流、堰塞湖等灾害发展趋势分析、救灾方案部署等活动提供支持[9]。
高分四号火点提取是基于4 μm中波红外的波段特性来进行的，火焰的温度通常能达到500～700 K，其热辐射峰值波长在3～5 μm之间。根据维恩位移定律，物体越热辐射谱的波长越短，林火燃烧造成辐射量升高及辐射峰值波长变短，中波红外谱段辐射量明显增强[10]。通过高分四号卫星中波红外影像火点像元与其它像元的辐射差异进行火点提取。
本文用到的数据有高分四号的PMI和IRS数据，landat8数据，全球200 m DEM数据。
研究使用了ENVI 5.3、ArcGIS 10.4和Matlab R2021a软件，主要流程为：数据预处理，包括波段替换、几何校正、图像配准、椒盐噪声去除、辐射定标、大气校正；
火点检测算法参数计算，包括NDVI、表观反射率、NDWI、亮度温度；
火点亮温样本收集与Otsu火点阈值判定；
云检测和水体检测算法构建生成云水掩膜去除云体水体；
阈值法火点提取与精度评价。
表 1 高分四号卫星传感器的主要参数Tab. 1 Main parameters of GF-4 satellite sensor
2.1 数据预处理
高分四号的多光谱和中红外影像分别由PMS和IRS传感器产出，需要将两种影像进行波段合成，多光谱的全色波段于本文中没有应用，因此将中波红外代替全色波段重新组合为5个波段的新数据以减少数据量。利用全球200 m的DEM数据和landsat8全色波段影像对GF-4的IRS传感器影像进行几何校正，以几何校正后的IRS数据为基准对新组合的5波段数据进行图像配准，可以校正高分四号影像的几何畸变和地理偏移。高分四号IRS传感器影像存在椒盐噪声，在图像上呈现为黑白杂点，使用中值滤波的方法对椒盐噪声进行去除[11]。
图 2 高分四号火点提取技术路线图Fig. 2 Technical roadmap of GF-4 fire point extraction
高分四号采用绝对定标的方式进行辐射定标，将记录的原始DN值转换为辐射亮度，定标公式（1）为：
式中：L为转换后辐亮度，DN为卫星载荷观测值，Gain为定标斜率，Offset为绝对定标系数偏移量，其数值可在中国资源卫星应用中心官网中查到，高分四号PMS采用特殊的积分时间的方式进行定标，根据头文件中提供的积分时间选取对应的定标系数。
2.2 火点检测算法参数
亮温，即亮度温度，是与观测物体辐射出射度相等的黑体温度，其在数值上等同辐射温度。针对火点像元的提取就是根据火点像元与其他常温像元在中红外波段亮温有较大差异而进行的[12]。将影像DN值定标为热辐射强度L后，使用普朗克函数求解出星上亮度温度[13]，亮温计算公式（2）为：
式中：K1和K2为常量，其中K1=2h·c2·λ-5，K2=h·c·（k·λ）-1，h为普朗克常数， c为光速，k为玻尔兹曼常数，λ是等效中心波长，IRS的λ约为3.8008 μm。高分四号IRS传感器的K1和K2的常量分别是K1=150 158.9，K2=3 785.45。
表观反射率是指大气层顶反射能量与太阳入射能量的比值，利用表观反射率能够对火点监测中的非火点信息进行剔除。表观反射率计算公式（3）为：
式中：π为圆周率、D为日地之间距离（天文单位）、ESUN为大气层顶的平均太阳光谱辐照度，L通过辐射定标求得，θ为太阳天顶角。
NDVI是归一化差分植被指数，利用NDVI可以消除大部分仪器标定、太阳角、地形和大气条件等与辐射变化有关的信息[10]，是云检测和水体检测的重要参数。NDVI计算公式（4）为：
式中：NIR和R为辐射定标后近红外波段（Band5）和红光波段（Band4）的辐射亮度。
NDWI是归一化水体指数，是基于绿波段与近红外波段的归一化比值指数, 水体在可见光绿波段和近红外波段有明显差异，选用NDWI来加强两波段区别，用来提取影像中的水体信息[14]。NDWI计算公式（5）为：
式中：G和NIR为辐射定标后绿光波段（Band3）和近红外波段（Band5）的辐射亮度。
2.3 森林火点阈值判定
通过目视解译的方式获取火点亮温样本，利用Otsu（最大类间方差法）进行阈值最优选择[15]。
森林火点是植被燃烧产生的典型热异常特征，在中波红外影像上表现为与周围其他地物有着明显差异的亮斑，在真彩色影像上表现为点状和团状的烟雾，不易看出着火点，因此将波段合成后的数据1、4、5波段赋给R、G、B通道并直方图拉伸进行假彩色显示，可以明显观察到红色的着火点，如图3所示。根据上述解译标志对森林火点进行目视解译并利用目视解译的火点矢量对GF-4/IRS亮温计算结果进行裁切和数值提取获得火点亮温样本。
利用Otsu对火点亮温样本进行判定选取火点阈值，其原理为：记灰度值t为前景与背景的分割阈值；
前景点数和背景点数占图像比例分别为w0、w1，平均灰度分别为u0、u1；
图像的总平均灰度为u=w0×u0+w1×u1；
从最小灰度值到最大灰度值遍历t，当t使得两组间方差值g=w0×(u0-u)2+w1×(u1-u)2最大时，t即为分割的最佳阈值。直接应用Otsu计算量较大，因此一般采用了等价的公式（6）：
2.4 云体、水体去除
云层产生的遮挡和镜面反射可能导致火点的漏判和误判，水体因镜面反射可能导致火点误判[16～17]，因此在利用中波红外数据进行火像元识别之前需要进行云像元和水像元判识并对二者进行掩膜去除。利用各波段的表观反射率R以及NDVI、NDWI可以对云层和水体进行检测。
云检测结合刘心燕提出的GF-4云检测算法[18]，公式（7），并加入中波红外亮温阈值，公式（8），对云体进行检测。
水体检测采用适宜当地的水体检测算法[19]，公式（9）为：
式中：Rb、Rg、Rnir为蓝、绿、近红外波段的表观反射率，Amean为可见光三个波段表观反射率的平均值，NDVI为归一化差分植被指数，NDWI为归一化水体指数，T为亮度温度。
3.1 火点阈值
通过目视解译获得的火点矢量，对亮温结果进行裁剪和统计后查看其亮温分布，如表2、图4：
图 4 白天与夜间亮温样本直方图Fig. 4 Histogram of daytime and nighttime brightness temperature samples
表 2 森林火点目视解译亮温样本统计表Tab. 2 Statistical table of forest fire visual interpretation brightness temperature samples
利用Otsu分别对白天和夜间的火点亮温样本进行分析，得到白天和夜间的最佳火点判定亮温阈值为公式（10），亮温大于该阈值的像元则被认定为火点像元。
3.2 火点提取结果
经云、水掩膜处理后，根据Otsu判定的阈值，选择了火灾自2020年3月30日发生三天的3景GF-4影像进行火点提取，得到火点提取结果图像，如图5：
图 5 火点提取结果Fig. 5 Fire point extraction results
图中红色线条区域为检测到的火点，从中可以看出，该阈值算法能够准确检测到烟雾附近的火点以及烟雾不明显的火点，并且被烟雾遮挡的火点像元也可以被检测到。
3.3 精度评价
精度评价方法是将人工目视解译的火点作为真值与本文算法所提取的火点检测结果进行对比[20]，如图6：
图 6 真实火点与检测火点对比图Fig. 6 Comparison of real fire points and detected fire points
图中蓝色线条区域为目视解译的真实火点像元，红色区域为检测的火点像元，二者吻合。
利用准确率P和漏检率M来进行评价，通过综合准确率和漏检率的F值来进行统一的精度评定，如公式（11），精度评价结果如表5所示。
表 3 火点提取精度表Tab. 3 Accuracy table of fire point extraction
式中：Yy为检测的火点为真实火点的个数，Yn为误检火点的个数，Ny为漏检火点的个数，P和M分别为准确率和漏检率，F为准确率和漏检率的综合评价指标。
从精度表中可以看出该阈值算法综合指标在0.78以上，对火点的提取具有较好的识别效果。
3.4 结论
火点提取结果和精度评价结果显示，本文所提供的GF-4中波红外的亮温阈值对于四川当地的火点提取具有较好的效果。而且之后随着样本数量的增加，利用Otsu判定的火点阈值可信度会更高，具有良好的应用前景。该方法也存在一定的局限性，一是该阈值适用于四川地区，对其他地区火点的检测效果可能不佳；
二是来源于GF-4卫星本身，可见光由于自然光照条件限制，可成像时间为白天的 8 小时[21]，在夜间识别时无法利用可见光通道对云和水体进行去除，只能通过IRS影像对火点进行提取。该方法简易实用，能够在获取到影像后快速展开火点识别工作并对着火点进行定位，为防灾救灾等工作提供参考依据。
