張文磊 王帥 李智慧 黃宇飛 元勇

(1 北京空間飛行器總體設(shè)計(jì)部，北京 100094)(2 哈爾濱工程大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，哈爾濱 150001)

遙感衛(wèi)星用于火點(diǎn)檢測(cè)是通過(guò)對(duì)遙感圖像進(jìn)行搜索，找出火點(diǎn)的位置并標(biāo)注其經(jīng)緯度?；瘘c(diǎn)達(dá)到一定溫度能夠引起火災(zāi)，不僅破壞生態(tài)平衡、毀壞財(cái)物甚至傷害人身安全，所以通過(guò)遙感衛(wèi)星圖像來(lái)實(shí)現(xiàn)對(duì)火點(diǎn)的有效、及時(shí)、準(zhǔn)確的檢測(cè)具有重要的現(xiàn)實(shí)意義。當(dāng)前應(yīng)用比較廣泛的火點(diǎn)檢測(cè)算法是單通道閾值法[1]和多通道閾值法[2]。單通道閾值法的基本原理是使用各種傳感器的中紅外通道，采用固定的閾值對(duì)圖像的圖像像元亮度值(Digital Number, DN)或者反演得到的亮溫值進(jìn)行判斷，但是單通道閾值法最大的問(wèn)題就是必須考慮來(lái)自云和高反射率地表的太陽(yáng)反射能量，所以其火點(diǎn)檢測(cè)效果不佳。多通道閾值法是利用多個(gè)波段數(shù)據(jù)來(lái)共同完成火點(diǎn)檢測(cè)任務(wù)，彌補(bǔ)了單通道閾值法中使用信息過(guò)于單一的缺陷，相較于單通道閾值法檢測(cè)精度更高。

近年來(lái)，出現(xiàn)了一些應(yīng)用美國(guó)NASA陸地衛(wèi)星-8(Landsat-8)的火點(diǎn)檢測(cè)方法。Landsat-8衛(wèi)星數(shù)據(jù)包括可見(jiàn)光、短波紅外、熱紅外等11個(gè)波段，空間分辨率為30 m。傳統(tǒng)的火點(diǎn)檢測(cè)算法通常利用高溫的物質(zhì)在中紅外波段或熱紅外波段的高發(fā)射率特性來(lái)提取火點(diǎn)[3]，然而受制于影像空間分辨率的限制，使得很多小規(guī)?；鹎楝F(xiàn)象被漏檢。與中分辨率成像光譜儀(MODIS)和可見(jiàn)光紅外成像輻射儀(VIIRS)相比，其空間分辨率較高，有利于小規(guī)?；瘘c(diǎn)檢測(cè)，所以本文將使用Landsat-8遙感圖像來(lái)實(shí)現(xiàn)對(duì)火點(diǎn)的檢測(cè)。

目前基于Landsat-8衛(wèi)星的火點(diǎn)檢測(cè)算法的應(yīng)用已經(jīng)應(yīng)用比較廣泛。文獻(xiàn)[4]利用空間分辨率為30 m的陸地成像儀(Operational Land Imager，OLI)數(shù)據(jù)，根據(jù)高溫火點(diǎn)在近紅外及短波紅外波段的波譜特性，利用短波歸一化燃燒指數(shù)(Normalized burning ratio Short-wave, NBRS)自適應(yīng)地確定閾值來(lái)提取疑似火點(diǎn)，再利用高溫火點(diǎn)在短波紅外的峰值關(guān)系進(jìn)行誤檢點(diǎn)剔除，從而得到最終的火點(diǎn)產(chǎn)品。文獻(xiàn)[5]通過(guò)基于亮溫的背景對(duì)比法實(shí)現(xiàn)了煤火的檢測(cè)。文獻(xiàn)[6]提出一種同時(shí)檢索高溫點(diǎn)的亮溫和亞像素面積的方法。文獻(xiàn)[7]利用短波紅外、可見(jiàn)光和近紅外波段數(shù)據(jù)，同時(shí)還擴(kuò)展了使用多時(shí)相分析來(lái)改善像素分類結(jié)果，初步評(píng)估表明，該方法在各種植物燃燒場(chǎng)景具有較高準(zhǔn)確率。

前述的單通道閾值法和多通道閾值法，由于其閾值固定，檢測(cè)結(jié)果的誤報(bào)率高。針對(duì)此問(wèn)題，本文將通過(guò)建立高溫點(diǎn)簇面積與亮溫閾值對(duì)應(yīng)的模型來(lái)實(shí)現(xiàn)火點(diǎn)檢測(cè)。首先通過(guò)雙閾值方法搜索高溫點(diǎn)，由于短波紅外和近紅外光譜區(qū)域?qū)τ跍y(cè)量燃燒和陰燃燃燒最有用，所以本文的火點(diǎn)檢測(cè)算法中，主要通過(guò)短波紅外和近紅外波段計(jì)算出的亮溫值衡量火點(diǎn)溫度，然后通過(guò)凝聚式聚類方法對(duì)高溫點(diǎn)像素進(jìn)行聚類，再通過(guò)建立高溫點(diǎn)簇面積與亮溫閾值的對(duì)應(yīng)關(guān)系的模型，實(shí)現(xiàn)火點(diǎn)檢測(cè)。

1 火點(diǎn)檢測(cè)算法

本文中火點(diǎn)檢測(cè)算法的核心思想是先通過(guò)雙閾值方式搜索高溫點(diǎn)，然后對(duì)高溫點(diǎn)像素進(jìn)行聚類，形成高溫點(diǎn)簇。建立高溫點(diǎn)簇面積與亮溫閾值之間的對(duì)應(yīng)關(guān)系模型，根據(jù)面積反射值模型判斷搜索到的高溫點(diǎn)簇是否火點(diǎn)。算法流程如圖1所示。

Landsat-8數(shù)據(jù)情況如表1所示。

此算法首先對(duì)Landsat-8遙感圖像進(jìn)行輻射定標(biāo)與亮溫計(jì)算(詳見(jiàn)1.1節(jié))，得到亮溫T。再通過(guò)短波歸一化燃燒指數(shù)實(shí)現(xiàn)高溫中心點(diǎn)檢測(cè)(詳見(jiàn)1.2節(jié))，得到候選火點(diǎn)。對(duì)候選火點(diǎn)周圍的普通高溫點(diǎn)進(jìn)行搜索與聚類(詳見(jiàn)1.3節(jié))，然后再進(jìn)行云干擾去除(詳見(jiàn)1.4節(jié))，得到更加精確的火點(diǎn)，最后根據(jù)高溫點(diǎn)簇面積與第7波段亮溫對(duì)應(yīng)的關(guān)系模型，即面積亮溫值模型，對(duì)待檢測(cè)火點(diǎn)進(jìn)行檢測(cè)，得到最終的火點(diǎn)。

1.1 輻射定標(biāo)與云干擾去除

輻射定標(biāo)[8]是指將圖像像元亮度值(Digital Number, DN)轉(zhuǎn)換為大氣頂層的輻射值[9]得到

Lλ=Mλ·DN+Aλ

(1)

式中：Lλ為大氣頂層輻射值；DN為圖像像元亮度值；Mλ為波段增益值，Aλ為波段偏移值，這兩個(gè)值都可以在Landsat-8的配置文件(后綴為MTL的文件)中找到。

然后根據(jù)大氣頂層輻射計(jì)算大氣頂層亮溫，亮溫值是根據(jù)普朗克公式反演的。

(2)

式中：L(λ,T)為輻射值，λ為波長(zhǎng)，T為亮溫；h為普朗克常數(shù)；k為玻茲曼常數(shù)；c為光速。令c1=8πhc，c2=hc/k，其中c1和c2是由光速、普朗克常數(shù)等計(jì)算出來(lái)的常量，式(2)可簡(jiǎn)化為

(3)

根據(jù)式(3)得到亮溫計(jì)算公式為

(4)

式中：c1=1.191 042×108J·m，c2=1.438 775 2×104K。將式(1)中得到的Lλ代入式(4)中的L即可得到亮溫T。

由于云像素在第2～7波段都處于較高范圍，會(huì)干擾后續(xù)的火點(diǎn)判別，需要去除。通過(guò)閾值分割[10]及形態(tài)學(xué)處理[11]，可以實(shí)現(xiàn)云區(qū)域分割。

云層的閾值分割主要依據(jù)云層2～7波段與火點(diǎn)數(shù)據(jù)波段存在差異，通過(guò)設(shè)置閾值可以過(guò)濾掉符合云層波段的數(shù)據(jù)以此識(shí)別云層數(shù)據(jù)；由于云層在視覺(jué)層面是以較大范圍的不間斷簇狀圖像存在，以圖像數(shù)據(jù)層面為較大的點(diǎn)簇存在，所以通過(guò)連通域找到云層所在是較為合理的方法。

這樣通過(guò)兩步處理，首先通過(guò)閾值分割反射值較大為云層的數(shù)據(jù)，再依據(jù)云層存在特點(diǎn)通過(guò)形態(tài)學(xué)連通域處理將云層數(shù)據(jù)篩選標(biāo)記，并使之完整化，最后通過(guò)面積閾值去除假云層像素。

1.2 高溫中心點(diǎn)檢測(cè)

高溫中心點(diǎn)指溫度極高的一些像素點(diǎn)，是火點(diǎn)的候選點(diǎn)。有研究表明，Landsat-8熱紅外波段由于只能反應(yīng)地表接近常溫的溫度，對(duì)于高溫火點(diǎn)的檢測(cè)效果差于短波紅外波段[12]。

燃燒區(qū)短波紅外要遠(yuǎn)遠(yuǎn)大于近紅外波段的數(shù)值，計(jì)算出的指數(shù)相差較小；對(duì)于非燃燒區(qū)域，其短波紅外和近紅外波段數(shù)值相差不大，計(jì)算出的指數(shù)相差較大。由此得出的短波歸一化燃燒指數(shù)(Normalized Burn Ratio of Shortwave, NBRS)[3]。

(5)

式中：k為控制系數(shù)，ρ5、ρ6、ρ7為第5～7波段的反射值。短波歸一化燃燒指數(shù)小于閾值D1的像素為高溫中心點(diǎn)。

短波歸一化燃燒指數(shù)選擇對(duì)火點(diǎn)比較敏感的波段，通過(guò)波段間的組合運(yùn)算增強(qiáng)圖像上的火災(zāi)區(qū)域，分析燃燒指數(shù)圖像，可以獲取火災(zāi)區(qū)域，短波歸一化指數(shù)是無(wú)量綱系數(shù)。閾值是通過(guò)對(duì)一些火點(diǎn)數(shù)據(jù)分析獲得的判別分界的數(shù)值，通過(guò)設(shè)置高閾值D2，把第7波段亮溫大于D2的火點(diǎn)也作為高溫中心點(diǎn)，由于高溫中心點(diǎn)只是火點(diǎn)的候選點(diǎn)，后續(xù)要通過(guò)其他判斷方式把真正的火點(diǎn)分離出來(lái)，因此，高溫中心點(diǎn)閾值D1和D2的選取原則是不漏掉火點(diǎn)。

1.3 普通高溫點(diǎn)像素搜索與聚類

普通高溫點(diǎn)是指在高溫中心點(diǎn)附近、溫度低于高溫中心點(diǎn)但高于周圍像素的點(diǎn)。為消除噪聲，Landsat-8圖像在后處理時(shí)采用了平滑操作，所以，火點(diǎn)附近會(huì)有一些普通高溫點(diǎn)。這些高溫點(diǎn)通過(guò)式(4)計(jì)算第6～7波段的亮溫來(lái)判斷。通過(guò)多次實(shí)驗(yàn)對(duì)比得到，第6～7波段用來(lái)確定普通高溫點(diǎn)的亮溫閾值分別為D31和D32。因此，通過(guò)搜索高溫點(diǎn)附近第7波段亮溫大于閾值D31和第6波段亮溫大于D32的像素，獲得普通高溫點(diǎn)，形成高溫點(diǎn)簇。高溫閾值D31的值比D2低一些。

將高溫點(diǎn)簇通過(guò)凝聚式聚類方法，將距離接近的點(diǎn)簇再聚合到一起，點(diǎn)簇之間的距離采用的是最近元素之間的距離。

1.4 基于面積與亮溫關(guān)系模型的火點(diǎn)檢測(cè)

1)模型確定

通過(guò)分析訓(xùn)練數(shù)據(jù)，建立高溫點(diǎn)簇面積與第7波段亮溫的關(guān)系模型，即不同高溫點(diǎn)簇面積，對(duì)應(yīng)不同亮溫閾值的模型，形成用于火點(diǎn)的最后判斷的檢測(cè)閾值模型函數(shù)。

τ=g(a)

(6)

式中：a為高溫點(diǎn)簇面積，τ為相應(yīng)亮溫閾值，g為從a到τ的映射模型。由于訓(xùn)練的樣本點(diǎn)較少且分布不均勻，難以通過(guò)分類器自動(dòng)分類，并確定最佳折衷，所以面積與反射值閾值關(guān)系模型是通過(guò)人工分析確定的。在確定面積與反射值閾值關(guān)系模型時(shí)，需要綜合考慮檢測(cè)準(zhǔn)確率和漏檢率因素，從而確定一個(gè)得到最佳折中的模型。

圖2為高溫點(diǎn)簇面積與反射閾值映射函數(shù)示意圖，橫軸為以像素為單位的高溫點(diǎn)簇面積a，縱軸為高溫點(diǎn)總亮溫值。當(dāng)面積大于40個(gè)像素時(shí)，直接判為火點(diǎn)。圖2的模型雖然近似線性模型，但不是絕對(duì)的線性模型，高溫點(diǎn)簇面積越大時(shí)，亮溫閾值增長(zhǎng)稍微緩慢。

圖2 高溫點(diǎn)簇面積與亮溫閾值映射函數(shù)g(a)

2)火點(diǎn)檢測(cè)

建立面積亮溫模型后，根據(jù)該模型，按待檢測(cè)高溫點(diǎn)簇面積找到相應(yīng)的亮溫閾值，實(shí)現(xiàn)待檢測(cè)火點(diǎn)的判斷。

2 試驗(yàn)結(jié)果與分析

2.1 待檢測(cè)圖像

火點(diǎn)檢測(cè)的測(cè)試圖像是通過(guò)歐洲航天局網(wǎng)站提供的數(shù)據(jù)鏈接下載獲得的(見(jiàn)文獻(xiàn)[13])，選取的是黑龍江省大慶市、齊齊哈爾市以及俄羅斯東部、哈薩克斯坦西部等地區(qū)的遙感圖像(6張秸桿焚燒火點(diǎn)圖像和5張火災(zāi)圖像)，部分典型實(shí)例如圖3所示。圖3中，左側(cè)圖為包含第5、6、7三個(gè)波段合成的圖像,右側(cè)圖為與其對(duì)應(yīng)的包含第4、3、2三個(gè)波段合成的圖像。

人工標(biāo)出火點(diǎn)，對(duì)算法進(jìn)行測(cè)試，根據(jù)真實(shí)火點(diǎn)數(shù)量、檢測(cè)數(shù)據(jù)點(diǎn)總數(shù)、正確檢測(cè)點(diǎn)數(shù)量計(jì)算出準(zhǔn)確率和漏檢率，根據(jù)準(zhǔn)確率與漏檢率來(lái)評(píng)價(jià)算法的性能。

火點(diǎn)標(biāo)注方法是在第5、6、7波段圖像和包含4、3、2波段上人工標(biāo)注火點(diǎn)圖像，保存火點(diǎn)坐標(biāo)，用以算法訓(xùn)練與測(cè)試。

2.2 評(píng)價(jià)指標(biāo)

對(duì)于每張遙感圖像檢測(cè)后提供如下3種結(jié)果：真實(shí)火點(diǎn)數(shù)量、檢測(cè)數(shù)據(jù)點(diǎn)總數(shù)、正確檢測(cè)點(diǎn)數(shù)量。

通過(guò)程序中得到的這4組參數(shù)，可以計(jì)算出準(zhǔn)確率和漏檢率，其中Yy為檢測(cè)的火點(diǎn)為真實(shí)火點(diǎn)的個(gè)數(shù)；Yn為誤檢火點(diǎn)的個(gè)數(shù)；Ny為漏檢火點(diǎn)的個(gè)數(shù)；P和M分別為準(zhǔn)確率和漏檢率；F為準(zhǔn)確率和漏檢率的綜合評(píng)價(jià)指標(biāo)。

P=Yy/(Yy+Yn)

(7)

M=Ny/(Yy+Ny)

(8)

(9)

2.3 檢測(cè)結(jié)果與分析

對(duì)2.1節(jié)中的待檢測(cè)圖像進(jìn)行火點(diǎn)檢測(cè)，得到的結(jié)果是在火災(zāi)檢測(cè)方面平均準(zhǔn)確率為0.946 0，漏檢率為0.059，在秸稈露天燃燒檢測(cè)方面的平均準(zhǔn)確率為0.831，漏檢率為0.122，如表2所示。由于秸稈焚燒點(diǎn)與林火不同，通常是許多小型火點(diǎn)，且焚燒點(diǎn)較分散，所有秸稈的火點(diǎn)檢測(cè)的準(zhǔn)確率相較于火災(zāi)的準(zhǔn)確率低一些。本文總體的檢測(cè)準(zhǔn)確率和漏檢率分別為0.892和0.088。

表2 火點(diǎn)檢測(cè)精度

3 結(jié)束語(yǔ)

本文提出了一種新的火點(diǎn)檢測(cè)方法，先通過(guò)雙閾值方式搜索高溫點(diǎn)，然后對(duì)高溫點(diǎn)周圍的普通高溫點(diǎn)進(jìn)行搜索與聚類，建立高溫點(diǎn)簇面積與亮溫閾值之間的對(duì)應(yīng)關(guān)系模型，該模型準(zhǔn)確反映了火點(diǎn)規(guī)律，燃燒點(diǎn)面積越大，整體溫度會(huì)越高，通過(guò)面積來(lái)區(qū)分不同火點(diǎn)，進(jìn)而判斷火點(diǎn)。實(shí)驗(yàn)結(jié)果表明，本文總體的檢測(cè)準(zhǔn)確率和漏檢率分別為0.892和0.088，表明該模型能夠?qū)崿F(xiàn)對(duì)森林火災(zāi)及桔桿燃燒的有效檢測(cè)?；谶b感圖像的火點(diǎn)檢測(cè)方面已經(jīng)有了相當(dāng)?shù)倪M(jìn)展，未來(lái)的研究趨勢(shì)是將研究細(xì)化，一方面提高火點(diǎn)檢測(cè)的空間分辨率，另一方面實(shí)現(xiàn)火災(zāi)的全方位檢測(cè)與跟蹤?？傊?，需要結(jié)合時(shí)間空間及紅外遙感圖像信息，實(shí)現(xiàn)準(zhǔn)確的火災(zāi)檢測(cè)與分析。

本文主要采用Landsat-8圖像，其質(zhì)量較高，從現(xiàn)有文獻(xiàn)看，波段平均信噪比為248.7，圖像均勻性也較好。在研究中發(fā)現(xiàn)，Landsat-8圖像有少量缺失像素，但缺失像素較少，據(jù)統(tǒng)計(jì)，平均像素缺失率低于0.07%。但火點(diǎn)檢測(cè)與時(shí)間相關(guān)，需要根據(jù)火災(zāi)信息或秸桿焚燒高發(fā)時(shí)間搜索圖像，要想獲得更好的結(jié)果，火點(diǎn)檢測(cè)需要的圖像主要是在同樣空間分辨率下，時(shí)間分辨率更高的圖像。