馬芮，孫林，袁廣輝，韋晶

（1.山東科技大學(xué) 測繪科學(xué)與工程學(xué)院，山東 青島 266510；2.航天恒星科技有限公司，北京 100086）

0 引 言

森林火災(zāi)具有突發(fā)性強(qiáng)、破壞性大、極易蔓延等特點?；馂?zāi)發(fā)生時，向大氣排放煙塵、一氧化碳等有害物質(zhì)，不僅嚴(yán)重污染大氣環(huán)境，還可能導(dǎo)致生態(tài)失衡，影響人類正常的生產(chǎn)生活。建立快速、準(zhǔn)確的火災(zāi)監(jiān)測系統(tǒng)，對于及時地采取措施、控制火情、降低損失，具有重要意義。常規(guī)的火災(zāi)監(jiān)測主要依靠地面站點監(jiān)測，消耗人力多、可監(jiān)測的范圍小，無法滿足火災(zāi)監(jiān)測需求。衛(wèi)星遙感具有監(jiān)測范圍廣，實時性強(qiáng)的特點，不僅可以及時地提供準(zhǔn)確的火點地理信息，監(jiān)測火災(zāi)的動態(tài)蔓延趨勢，還可以實現(xiàn)火燒跡地計算、災(zāi)后評估等工作。因此，借助遙感影像，高精度、高效率地實現(xiàn)森林火點信息提取的研究，得到越來越多的重視。

20世紀(jì)70年代末到80年代初，人類開始使用衛(wèi)星遙感技術(shù)監(jiān)測大面積火災(zāi)。隨著遙感技術(shù)的發(fā)展，特別是一些高質(zhì)量衛(wèi)星傳感器的出現(xiàn)，使得遙感技術(shù)在林火監(jiān)測中得到了越來越廣泛的應(yīng)用。多種衛(wèi)星傳感器在火災(zāi)監(jiān)測中發(fā)揮著重要的作用，如Gonzalez－Alonso等［1］基于5波段的 NOAA－AVHRR（Advanced Very High Resolution Radiome－ter）數(shù)據(jù)，構(gòu)建了亮溫－植被指數(shù)監(jiān)測模型，并將其應(yīng)用于西班牙瓦倫西亞地區(qū)東部的火災(zāi)監(jiān)測中。1999年和2002年，美國分別發(fā)射了Aqua和Terra衛(wèi)星，搭載了中等分辨率成像光譜儀（Moderate－resolution Imaging Spectroradiometer，MODIS），由于其寬波段覆蓋、高時間頻次、高數(shù)據(jù)質(zhì)量的特點，使得衛(wèi)星遙感監(jiān)測火災(zāi)的技術(shù)及應(yīng)用得到了更為快速的發(fā)展?；谠摂?shù)據(jù)，Kaufman［2］研究了火點監(jiān)測算法，并監(jiān)測了巴西、非洲的森林大火?；谖覈男l(wèi)星遙感數(shù)據(jù)，研究人員也深入探索了不同衛(wèi)星數(shù)據(jù)的火災(zāi)監(jiān)測方法，并在多次火災(zāi)監(jiān)測中開展了示范應(yīng)用。王釗等［3］應(yīng)用FY3－VIRR傳感器成功監(jiān)測了陜西關(guān)中地區(qū)的大面積火災(zāi)；郭朝暉等［4］使用HJ－1BCCD和IRS數(shù)據(jù)對澳大利亞火災(zāi)進(jìn)行了實時監(jiān)測，為澳大利亞當(dāng)局提供了有效的火災(zāi)應(yīng)對信息。

作為NPOESS（美國國家極軌業(yè)務(wù)環(huán)境衛(wèi)星系統(tǒng)）的首要關(guān)鍵載荷，VIIRS（Visible Infrared Imaging Radiometer Suite，即可見光紅外成像輻射儀）繼承和發(fā)展了AVHRR和MODIS傳感器的參數(shù)設(shè)計，使用可見光到近紅外波段范圍的22個通道采集圖像。VIIRS影像覆蓋寬度為3000km，每4小時經(jīng)過一次赤道上空，兼具多光譜、多高空間分辨率和短重訪周期的特點，在資源勘探、災(zāi)害防范、生態(tài)監(jiān)測等方面都發(fā)揮著重要的作用［5－6］。針對VIIRS數(shù)據(jù)的特點，Wilfrid Schroeder等［7］研究了基于上下文算法，結(jié)合375m分辨率的I波段進(jìn)行火點提取的方法。但是中紅外波段較低的飽和溫度以及較小的地面覆蓋，導(dǎo)致提取火點時頻繁飽和。針對該問題，本文提出了新的火點監(jiān)測算法，有效減少了火點漏檢現(xiàn)象的出現(xiàn)。同時，該算法在一定程度上還可以較好地降低大氣效應(yīng)的影響，不僅在判別精度上有很大的提高，在判別效率上也得到了提升。以2013年發(fā)生在美國加州斯坦尼斯勞斯國家森林公園大火為例，對該方法的可行性進(jìn)行了驗證。

1 數(shù)據(jù)源介紹

VIIRS傳感器在0.412μm～12.010μm的波長范圍內(nèi)，設(shè)有22個通道，包括5個高分辨率圖像通道（I1－I5波段，分辨率為375m）、16個中分辨率通道（M1－M16波段，分辨率為750m）以及一個全色晝夜觀測通道（DNB，分辨率為750m）。VIIRS的SDR（Sensor Data Record）數(shù)據(jù)產(chǎn)品是經(jīng)過定標(biāo)后的影像文件，提供所有波段的輻射亮度信息，可見光和近紅外波段的反射率信息以及長波紅外（LWIR）、短波紅外（SWIR）波段的亮度溫度信息［8］。另外，該數(shù)據(jù)還設(shè)有一個雙增益熱輻射波段，專門用于火災(zāi)監(jiān)測。表1列舉了本次實驗所使用的VIIRS的主要波段信息。

表1 VIIRS部分波段介紹

2 VIIRS火點信息提取方法

2.1 火點信息提取技術(shù)流程

圖1 流程圖

2.2 三通道合成法［9］

根據(jù)對不同地物的反射波譜特征的分析發(fā)現(xiàn)：利用M11、M7、I1波段RGB合成的影像，可以有效地突出森林火點的影像特征。表2列舉出了不同地物類型在3個通道上的反射率均值，可以看出：火點在M11波段的反射率均值明顯高于其他地物，在三通道合成的影像中，火點整體呈現(xiàn)粉紅色，與周圍地物差異明顯。

表2 不同地物類型三通道反射率均值統(tǒng)計表

2.3 FPI－NDVI法

（1）歸一化火點監(jiān)測指數(shù)模型

由火點監(jiān)測原理可知，植被燃燒時，輻射峰值波長在4μm附近，周圍地物輻射能峰值波長在11μm左右。根據(jù)VIIRS的波段分布，選取 M13波段（3.970μm～4.130μm）的亮溫作為植被燃燒時的觀測值，M15波段（10.263μm～11.263μm）的亮溫作為背景像元觀測值。以目視解譯的火點為中心，分別繪制兩通道的橫向剖面圖如圖2、圖3所示。

圖2 M13剖面圖

圖3 M15剖面圖

從兩通道的橫向剖面圖中可以看出：在著火點處，M13的亮度溫度呈現(xiàn)明顯的上升趨勢，最高亮溫接近377K，遠(yuǎn)遠(yuǎn)大于周圍背景像元亮溫；處于長波紅外波段的M15，火點處亮溫雖然也呈現(xiàn)局部小峰值的特點，但是數(shù)值明顯低于M13。而在非著火點處，兩個通道的亮溫觀測值基本一致，增減趨勢也大致相同。通過兩波段的差值處理，可以較好地過濾掉背景信息干擾，并且達(dá)到增強(qiáng)火源信息的目的。

根據(jù)這一原理，周利霞等［10］提出了基于雙波段亮溫觀測值的分裂窗形式的火點監(jiān)測指數(shù)模型FPI（Fire Point Index）：

其中：T4代表M13波段的亮度溫度，T11代表M15波段的亮度溫度。

在非火點處，F(xiàn)PI值較小，且相對穩(wěn)定。當(dāng)靠近火點時，F(xiàn)PI值迅速變大，火點很明顯的區(qū)別于周圍地物。如圖4所示，非著火區(qū)的FPI數(shù)值大部分集中在0.005以下，且基本變動不大，而火點處數(shù)值在0.10以上，接近周圍地物FPI值的20倍，遠(yuǎn)遠(yuǎn)擴(kuò)大了火點與背景的差異性。

圖4 FPI剖面圖

（2）歸一化植被指數(shù)的應(yīng)用

歸一化植被指數(shù)（NDVI）是利用植被在可見光和近紅外波段特殊的反射差異特點定義的一種指數(shù)，用來描述植被生長狀態(tài)及覆蓋度，與葉面積指數(shù)（LAI）、綠色生物量、植被覆蓋度、光合作用等植被參數(shù)存在較高的相關(guān)性，是監(jiān)測地區(qū)或全球植被和生態(tài)環(huán)境變化的有效指標(biāo)。

考慮到所提取的火點信息有可能為非林火熱點，比如沙地、裸地、城市熱島等。選取同地點火災(zāi)前無云的VIIRS影像，利用公式（2）計算出該地的植被指數(shù)，獲得相應(yīng)的植被分布狀況，按一定的閾值提取出林地覆蓋較大且相對集中的區(qū)域，劃定為可燃區(qū)。如果熱點所處位置為可燃區(qū)，則判斷為林火點，否則為非林火點。對非林火熱點予以排除，從而提高火點識別精度［11－12］。

3 火點提取結(jié)果與驗證

3.1 研究區(qū)概況

2013年8月17日，美國加州斯坦尼斯勞斯國家森林公園（Stanislaus National Forest Park）發(fā)生火災(zāi)，整個火災(zāi)一直持續(xù)到9月份初，快速蔓延的火勢燒焦了超過10萬英畝的土地，對美國加州地區(qū)造成了難以估量的經(jīng)濟(jì)和資源損失。本次實驗所使用的影像數(shù)據(jù)為2013年8月26日的VIIRS SDR產(chǎn)品。實驗區(qū)選取優(yōu)勝美地國家公園（Yosemite National Park）西部大約（37°4′46.00″N，119°9′27.54″W）處的大范圍火源區(qū)，以及公園北部大約（39°0′20.41″N，120°4′50.05″W）附近的較小火源區(qū)，如圖5所示。實驗區(qū)云量低于10%，經(jīng)云掩膜濾除后對火點提取影響不大。

圖5 實驗區(qū)影像

3.2 火點信息提取

經(jīng)三通道合成法（M11、M7、I1）生成的影像，各種地物色彩差異明顯，火點呈現(xiàn)出明顯的粉紅色，與周圍地物區(qū)分度較高。在該影像上對火點、植被、云區(qū)、煙霧、陸地、水體、火燒跡地分別進(jìn)行采樣處理，統(tǒng)計各個地物類型樣本點的FPI值，結(jié)果如下。

圖6 不同地物類型火點指數(shù)對比圖

由圖6可以看出，火點的FPI值在0.0078～0.1665之間，煙霧、植被、陸地、水體、火燒跡地的FPI值均在0.005以下，且與火源的區(qū)域沒有交叉部分。只有云的范圍與火源FPI值有很大程度的重合，可以推斷，云是影響該方法提取火點的主要干擾因素。由于采樣點個數(shù)的局限性，其余地物如煙霧等，也有可能影響到最終的提取結(jié)果。

（1）云掩膜處理

與下墊面相比，云層在可見光和近紅外具有較高的反射率，在熱紅外波段具有相對較低的亮度溫度。結(jié)合著這兩個特點，除去研究區(qū)域內(nèi)的云覆蓋像元［13］。條件如下：

其中，ρI1為I1波段的反射率，TM14、TM16分別為M14波段以及M16波段的亮度溫度。

（2）煙羽掩膜處理

應(yīng)用Xie［14］提出的煙探測算法，識別煙羽區(qū)域，并構(gòu)建掩膜將其去除。如果像元同時滿足式（4）中的4個條件，則被判定為煙羽像元。

其中，ρMi代表Mi波段的反射率值。（i＝1，2，3，11）

（3）火點信息提取

圖7 樣本火點分布直方圖

根據(jù)圖7所示樣本火點的FPI分布直方圖，結(jié)合人機(jī)交互確定火點提取閾值為（0.0419，0.1665），如圖8是濾除云和煙霧后的可疑火點提取結(jié)果圖。

圖8 濾除云、煙霧前后對比圖

根據(jù)結(jié)果圖，可以看出：在實驗點1的標(biāo)號1處，淺藍(lán)色像元（煙霧）被識別成了火點；在試驗點2處，多處煙霧、云被錯誤識別成了火點像元。由此可見，在利用FPI進(jìn)行火點信息識別及提取之前，去除煙霧和云的影響是一項很重要的工作。

（4）濾除耀斑處理

VIIRS影像具有±56°左右的寬視場角，難以避免太陽耀斑的影響。耀斑在光學(xué)圖像上一般表現(xiàn)為非常亮的光斑區(qū)，它的存在會造成火點的錯判現(xiàn)象。M12（3.660μm～3.840μm）和 I4（3.550μm～3.930μm）兩個通道波段范圍及波寬相近，同名點地物亮溫值相差不大，而耀斑在相近波段上的亮溫差異明顯，利用兩波段的差值，可以濾除耀斑區(qū)域。條件如下：

其中，TM12、TI4分別代表 M12、I4波段的亮度溫度。滿足式（5）的像元都可以認(rèn)為是耀斑像元。

根據(jù)對比圖可以看出，圖中兩個箭頭處的3個像元被識別成了耀斑。

圖9 耀斑濾除前后對比圖

（5）NDVI修正

圖10 NDVI修正前后對比圖

森林火災(zāi)的發(fā)生必然在植被茂盛的地區(qū)，結(jié)合NDVI指數(shù)，確定閾值提取火災(zāi)前該地區(qū)的植被分布，閾值范圍之內(nèi)定為可燃區(qū)，其余為非可燃區(qū)。像元只有位于可燃區(qū)范圍內(nèi)，才有可能發(fā)展成為林火點。本文選取NDVI＞0.47來提取可燃區(qū)分布。

經(jīng)NDVI修正，對圖10虛線方框內(nèi)位于非可燃區(qū)的3個像元點予以排除。

3.3 結(jié)果驗證

采取8月23日和31日的Landsat ETM＋／OLI影像數(shù)據(jù)進(jìn)行對比分析。如果8月23日的影像上像元為植被、火點，31日對應(yīng)像元中存在火燒跡地，則判斷8月26日相應(yīng)像元處所提取的火點為真實火點的可能性很大；如果23日與31日影像上同名像元都為植被，則判斷該火點識別錯誤。針對算法所提取出來的116個火點進(jìn)行逐像元分析，結(jié)果如表3所示。

表中加粗的部分代表該火點錯判、誤判的可能性最大，其余火點基本接近真實火點。結(jié)果表明，實驗點1的提取結(jié)果精度較低，只有33.3%的火點基本接近真實火點；實驗區(qū)2中，85%以上的火點接近真實火點。發(fā)生錯判、誤判的可能原因為：本次實驗只是對火災(zāi)區(qū)的明火點進(jìn)行了提取分析，沒有考慮煙霧覆蓋下的燜燒火點；VIIRS數(shù)據(jù)的空間分辨率較低，由于混合像元的因素，如果該區(qū)域覆蓋大量的植被面積，僅有少量火點信息，則容易將像元錯判為非火點像元，降低最終結(jié)果精度。

表3 研究區(qū)火點提取結(jié)果驗證分析

4 結(jié)束語

本文研究了VIIRS數(shù)據(jù)的火點信息提取方法，基于該方法識別和提取了2013年8月26日美國加州斯坦尼斯勞斯國家森林公園大火的火點信息。結(jié)合VIIRS數(shù)據(jù)的波段特征，確定了基于 M11、M7、I1的三通道合成的火點監(jiān)測方法，取得了很好的監(jiān)測效果。

實驗證明，基于亮溫的火點監(jiān)測指數(shù)模型FPI與NDVI相結(jié)合的方法，能有效提取火點信息。在美國加州優(yōu)勝美地公園附近“環(huán)火”的火點信息提取實驗表明，其準(zhǔn)確率可達(dá)到85%以上。該方法不僅避免了閾值法中溫度飽和所造成的高溫火點漏判現(xiàn)象，還減少了裸土、城市熱島等非火點地面恒熱源的誤判，可以滿足火點監(jiān)測需求。

本次實驗只是對加州地區(qū)著火區(qū)域的明火點進(jìn)行了提取分析，并沒有考慮到煙霧下覆蓋的燜燒火點。使用的數(shù)據(jù)分辨率為750m，空間分辨率較低，需要進(jìn)一步探索混合像元中著火點所占比例。

［1］GONZALEZ－ALONSO F，CUEVAS J M，CASANOVA J L，et al.A forest fire risk assessment using NOAA AVH－RR images in the valencia area eastern spain［J］.International Journal of Remote Sensing 1997，18（10）：2201－2207.

［2］KAUFMAN Y J，JUSTICE C，F(xiàn)LYNN L.Monitoring global fires from EOS－MODIS［J］.Journal of Geophysical Research，1998，102（29）：611－624.

［3］王釗.新一代極軌氣象衛(wèi)星FY3A－VIRR數(shù)據(jù)的地表火監(jiān)測算法研究與評價［J］.火災(zāi)科學(xué)，2011，20（3）：140－145.

［4］郭朝暉.環(huán)境減災(zāi)衛(wèi)星影像森林火災(zāi)監(jiān)測技術(shù)方法研究［J］.遙感信息，2010，25（4）：85－99.

［5］MILLER S D.Previewing NPOESS／VIIRS imagery capabilities［J］.American Meteorological Society，2006，4：433－446.

［6］CAO CY，XIONG XX，BLONSKI S，et al.Suomi NPP VIIRS on－orbit performance，data quality，and new application［J］.Earth Observing Missions and Sensors：Development，Implementation，and Characterization II，85280D，2012（9）：1－8.

［7］WILFRID S，PATRICIA O，LOUIS G，et al.The new VIIRS 375mactive fire detection data product：Algorithm description and initial assessment［J］.Remote Sensing of Environment，2014，143：85－96.

［8］SCHUELER C F，LEE T F，MILLER S D，et al.VIIRS constant spatial－resolution advantages［J］.International Journal of Remote Sensing，2013，34（16）：5761－5777.

［9］梁蕓.利用EOS／MODIS資料監(jiān)測森林火情［J］.遙感技術(shù)與應(yīng)用，2002，17（6）：310－312.

［10］周利霞，高光明.基于 MODIS數(shù)據(jù)的火點監(jiān)測指數(shù)方法研究［J］.火災(zāi)科學(xué)，2008，17（2）：77－82.

［11］繆婷婷，沈潤平.基于背景信息的 MODIS林火自動提取算法［J］.測繪科學(xué)，2013，38（5）：49－60.

［12］周小成，王小欽.EOS－MODIS數(shù)據(jù)林火識別算法的驗證和改進(jìn)［J］.遙感技術(shù)與應(yīng)用，2006，21（3）：206－211.

［13］HUTCHISON K D，LISAGER B D，HAUSS B.The use of global synthetic data for prelaunch turning of the VIIRS cloud mask algorithm［J］.International Journal of Remote Sensing，2012，33（5）：1400－1423.

［14］彭光雄，沈蔚，胡德勇，等.基于煙羽掩膜的森林火點 MODIS探測方法研究［J］.紅外與毫米波學(xué)報，2008，27（3）：185－189.