李浩然，劉子菁，邱巧勇，何永寧，趙文化，魏永順

（1.博羅縣氣象局，廣東博羅 516000；2.廣州氣象衛(wèi)星地面站，廣東廣州 510640）

森林是植物分布密集的區(qū)域，對(duì)地球生態(tài)系統(tǒng)的平衡有著舉足輕重的作用。森林火災(zāi)使得森林蓄積下降，引發(fā)水土流失并危害人類健康，給人民的生命財(cái)產(chǎn)安全帶來(lái)巨大的威脅［1］。全世界每年平均發(fā)生森林火災(zāi)近30萬(wàn)起，森林防火的重要性毋庸置疑［2］。森林過(guò)火面積是對(duì)森林火災(zāi)進(jìn)行描述的重要參考指標(biāo)之一，國(guó)內(nèi)外開(kāi)展了許多這方面的研究。Pereira［3］使用AVHRR的單通道閾值法來(lái)進(jìn)行火點(diǎn)的判識(shí)；趙文化等［4］也使用EOS/MODIS數(shù)據(jù)來(lái)進(jìn)行森林火災(zāi)的監(jiān)測(cè)與面積估算等方面的研究。然而極軌氣象衛(wèi)星最大空間分辨率為250 m，這極大地影響了使用該類衛(wèi)星進(jìn)行過(guò)火區(qū)域面積計(jì)算的精度。賈永紅［5］指出，當(dāng)兩種數(shù)據(jù)的空間分辨率差距太大時(shí)，很難將兩種不同分辨率的數(shù)據(jù)插值在同一網(wǎng)格中進(jìn)行計(jì)算。

高分一號(hào)（GF-1）衛(wèi)星是中國(guó)高分辨率對(duì)地觀測(cè)系統(tǒng)中的首發(fā)星，高分?jǐn)?shù)據(jù)廣泛應(yīng)用于災(zāi)害預(yù)警、林火監(jiān)測(cè)等方面。楊斌［6］基于 GF-1與Landsat-8不同分辨率的數(shù)據(jù)分別提取歸一化植被指數(shù)（normalized vegetation index，NDVI），并用來(lái)計(jì)算四川茂縣山林的植被覆蓋度。隨著人工智能和圖像識(shí)別的興起與發(fā)展，圖像識(shí)別也應(yīng)用在了更廣泛的領(lǐng)域。鄒成明等［7］基于圖像色彩直方分布提出一種圖片相似度比較和特征計(jì)算算法；郭儀權(quán)［8］使用圖像哈希算法比較連續(xù)時(shí)刻的圖片來(lái)實(shí)現(xiàn)目標(biāo)追蹤；黃嘉恒等［9］對(duì)比3種不同的哈希算法在圖像相似度中的識(shí)別效果。因此，將圖像識(shí)別的方法引入過(guò)火區(qū)域的判識(shí)與計(jì)算，有著廣闊的應(yīng)用前景。

1 研究區(qū)域與數(shù)據(jù)

1.1 概況

選取廣東省佛山市高明區(qū)作為研究區(qū)域，該區(qū)域地處東經(jīng) 112°45′—112°92′，北緯 27°73′—30°02′。佛山地區(qū)全年降水量接近2 000 mm，但降水分布不均，其中12月降水量往往不足50 mm。而冬季植物蒸發(fā)蒸騰量的作用，使得季節(jié)性、區(qū)域性氣象干旱也時(shí)有發(fā)生［10］。高明區(qū)森林火災(zāi)發(fā)生于2019年12月5日14：00（北京時(shí)，下同）左右，林火區(qū)域位于高明區(qū)新城村南側(cè)的凌云山，火場(chǎng)區(qū)域?yàn)轳R尾松、灌木林交錯(cuò)覆蓋的山地地形。12月8日11：30，凌云山外線已基本看不到明火點(diǎn)，火災(zāi)形勢(shì)得到有效控制。

1.2 數(shù)據(jù)與方法

GF-1號(hào)高分辨率極軌衛(wèi)星所攜帶的多光譜相機(jī)星下點(diǎn)分辨率最高可達(dá)2 m。此外還搭載了1臺(tái)分辨率為8 m的多光譜相機(jī)、4臺(tái)分辨率16 m的多光譜相機(jī)，其光譜范圍覆蓋可見(jiàn)光與近紅外波段，可以滿足火情監(jiān)測(cè)與過(guò)火面積估算的需要。GF-6號(hào)的軌道參數(shù)和GF-1號(hào)基本相似。

本研究分別采用歸一化植被指數(shù)方法和圖像識(shí)別方法對(duì)過(guò)火區(qū)域面積進(jìn)行計(jì)算。在使用歸一化植被指數(shù)方法計(jì)算時(shí)，先在非過(guò)火區(qū)域選定NDVI變化閾值，再在過(guò)火區(qū)域內(nèi)用閾值判斷過(guò)火像元，最終計(jì)算出過(guò)火面積；在使用圖像識(shí)別方法進(jìn)行計(jì)算時(shí)，提取過(guò)火前后兩張圖片的特征生成圖片指紋，最終比較兩張圖片中不同的比例來(lái)計(jì)算過(guò)火面積。最后將兩種方法得到的過(guò)火面積與真值進(jìn)行對(duì)比。

2 NDVI方法計(jì)算過(guò)火面積

當(dāng)樹(shù)木燃燒后，樹(shù)葉中的葉綠素遭到破壞，使得過(guò)火區(qū)域在近紅外波段的反射率下降，光譜特征曲線發(fā)生改變。利用過(guò)火區(qū)域和未過(guò)火區(qū)域在近紅外通道的反射率差異來(lái)進(jìn)行過(guò)火區(qū)的判識(shí)是最常用的原理［11］。NDVI參數(shù)能夠反映觀測(cè)區(qū)域紅光通道與近紅外通道的反射率，可用來(lái)評(píng)判植被長(zhǎng)勢(shì)的重要因子之一。NDVI的表達(dá)式為

其中，RRed代表紅光通道的反射率；RNir代表近紅外通道的反射率。通過(guò)分析過(guò)火區(qū)域前后的NDVI差異，確定NDVI閾值，即可以判斷出過(guò)火區(qū)域的像元數(shù)量以及位置。在該次研究中，將GF-1號(hào)衛(wèi)星WFV相機(jī)通道4的數(shù)據(jù)作為RRed，通道5的數(shù)據(jù)作為RNir，來(lái)計(jì)算選取區(qū)域內(nèi)各點(diǎn)的NDVI值。該次研究中通過(guò)對(duì)2019年12月8日GF-1B的1景圖像進(jìn)行分析，大致確定火場(chǎng)位置，并選定 112°71′E—112°79′E，22°90′N—23°00′N區(qū)域作為火場(chǎng)區(qū)域，將其定義為區(qū)域A。通過(guò)判別式（2）來(lái)確定過(guò)火區(qū)域：

其中，NDVI1208和NDVI1124分別為12月8日和11月24日區(qū)域A各點(diǎn)NDVI值。TNDVI為判別閾值，可利用區(qū)域A附近的下墊面類型較為相似的非起火區(qū)域來(lái)確定，以消除由于大氣和植被生長(zhǎng)造成的NDVI值變化的影響。本研究選取A區(qū)域西北方向約20 km的羚羊峽的一片山林植被作為非過(guò)火區(qū)域 B，范圍為 112°58′E—112°61′E，23°09′N—23°12′N（圖 1）。將區(qū)域 B過(guò)火時(shí)間前后的NDVI變化最大值作為閾值，以此來(lái)確定自然狀態(tài)下NDVI變化的極值。當(dāng)區(qū)域A內(nèi)像元的NDVI變化大于閾值時(shí)，則認(rèn)為該像元為過(guò)火像元。

圖1 選取的過(guò)火區(qū)與非過(guò)火區(qū)

首先選取2019年11月24日的GF-1B和12月8日GF-6號(hào)的2軌衛(wèi)星數(shù)據(jù)，對(duì)PMS數(shù)據(jù)進(jìn)行輻射定標(biāo)校正，F(xiàn)LAASH大氣校正與正射校正，以保證兩顆衛(wèi)星的誤差在1個(gè)像元以內(nèi)。區(qū)域B內(nèi)過(guò)火時(shí)間前后NDVI最大減少值為0.202，將0.202作為閾值，計(jì)算火災(zāi)前后區(qū)域A內(nèi)各點(diǎn)NDVI的值（圖2）并判斷是否為過(guò)火像元。

圖2 火災(zāi)前（a）和后（b）NDVI值

在本研究中共將184 255個(gè)像素點(diǎn)判識(shí)為過(guò)火像素點(diǎn)。由于受到分辨率的限制，因此單一使用像元個(gè)數(shù)乘以像元面積的算法會(huì)使得估算的過(guò)火面積大于實(shí)際過(guò)火面積。因此通過(guò)計(jì)算植被覆蓋度來(lái)減小裸露的地表在過(guò)火像素點(diǎn)計(jì)算中造成的影響。通過(guò)計(jì)算公式得到過(guò)火面積公式：

其中，S為過(guò)火區(qū)域面積（m2）；n為像素?cái)?shù)；Si為每個(gè)像元的面積（m2）；NDVImix為區(qū)域內(nèi)某一像元土壤與植被NDVI的混合值，NDVIs為區(qū)域內(nèi)NDVI土壤端的值，一般為區(qū)域內(nèi)NDVI極小值，NDVIv為區(qū)域內(nèi)NDVI植被端的值，一般為區(qū)域內(nèi)NDVI極大值。在本研究中，Si為 64 m2，NDVIs和 NDVIv分別為 0.105與 0.866，通過(guò)計(jì)算得出的過(guò)火面積為11.737 km2。

3 圖像識(shí)別法計(jì)算過(guò)火面積

隨著人工智能技術(shù)的發(fā)展，使用計(jì)算機(jī)自動(dòng)識(shí)別圖像并判斷圖像相似度的方法得到了越來(lái)越廣泛的應(yīng)用。使用人工智能進(jìn)行圖像識(shí)別的優(yōu)點(diǎn)在于直接從圖像本身來(lái)尋找過(guò)火后的圖像變化，可以不受衛(wèi)星儀器波長(zhǎng)通道設(shè)置和空間分辨率的影響，對(duì)不同種類的衛(wèi)星在同一地區(qū)的圖像進(jìn)行圖像識(shí)別，找到連續(xù)兩張圖像中的不同，進(jìn)而計(jì)算出過(guò)火面積。

本研究使用感知哈希算法，通過(guò)將圖像轉(zhuǎn)換為灰度圖像，獲取圖片的hash值，再比較兩張圖片hash值（指紋）的不同位的個(gè)數(shù)（漢明距離）來(lái)判斷兩張圖片的相似程度。兩張圖片的指紋漢明距離越小，則證明兩張圖片越相似。

感知哈希算法對(duì)圖片相似度的處理過(guò)程如下：（1）遍歷像素點(diǎn)。通過(guò)遍歷圖中32×32的像素點(diǎn)，可以簡(jiǎn)化離散余弦變換的計(jì)算。（2）將圖片轉(zhuǎn)換為灰度圖像并計(jì)算圖片中所有像素的灰度平均值。（3）計(jì)算hash值。根據(jù)離散余弦變換得到的N×N矩陣，將其設(shè)置成二進(jìn)制的hash值。將二進(jìn)制數(shù)字組合在一起，即為這張圖片的指紋。

在哈希算法中，可通過(guò)以下的方法來(lái)計(jì)算二維離散余弦變換（DCT）：

當(dāng) u≥0，v＜N時(shí)，α（u）=α（v）。

其中，g為N×N圖像像素點(diǎn)，一般為32×32；G為矩陣中閾矩陣，α為余弦系數(shù)矩陣。通過(guò)對(duì)兩張圖片進(jìn)行處理，找到其指紋不同的地方，便可以計(jì)算出兩張圖片中不同的面積比例。

為了盡量剔除準(zhǔn)備自然生長(zhǎng)的影響，盡可能選取相隔時(shí)間短的火災(zāi)前后的晴空?qǐng)D像進(jìn)行對(duì)比。選取2019年11月24日的GF-1和12月8日GF-6號(hào)的2景圖像，研究區(qū)域與第2章相同，同樣進(jìn)行地理投影校正，以保證其誤差在一個(gè)像元以內(nèi)（圖3）。

圖3 GF-1號(hào)（a）和6號(hào)（b）通道合成圖像

將兩幅圖片使用上述感知哈希算法進(jìn)行相似度判識(shí)，保留高分辨率圖像所帶有的低頻信息，得到了過(guò)火區(qū)的二值圖像（圖4）。感知哈希算法計(jì)算過(guò)火前后兩張圖片相似比例為14.76%，所選擇區(qū)域面積為 73.618 km2，因此感知哈希算法計(jì)算的過(guò)火面積為10.866 km2。

圖4 過(guò)火區(qū)域二值圖

4 結(jié)論

該次研究選擇佛山市高明區(qū)的山火作為研究對(duì)象，以火災(zāi)前后的高分衛(wèi)星數(shù)據(jù)為基礎(chǔ)，通過(guò)未過(guò)火區(qū)域NDVI的變化情況確定閾值進(jìn)而判斷并確定火災(zāi)區(qū)域，并計(jì)算出過(guò)火區(qū)域面積。通過(guò)3種方法的哈希相似度比較，將火災(zāi)前后的遙感圖像進(jìn)行對(duì)比并找到圖像中的不同部分。通過(guò)計(jì)算兩張圖片的漢明距離來(lái)計(jì)算兩張圖片中不同部分的比例，從所使用的遙感圖像總面積來(lái)計(jì)算過(guò)火區(qū)域的面積。該次火災(zāi)后，佛山市林業(yè)局公布的火災(zāi)過(guò)火面積為10.667 km2，通過(guò)NDVI的變化計(jì)算得出的過(guò)火面積為11.737 km2，與實(shí)際的誤差為10.03%；通過(guò)感知哈希算法計(jì)算的過(guò)火面積為10.866 km2，與實(shí)際的誤差為2.05%。說(shuō)明感知哈希算法計(jì)算出的過(guò)火面積可靠性較好，可以應(yīng)用于火災(zāi)后過(guò)火面積的估算。

本研究所提出的結(jié)合高分辨率衛(wèi)星和圖像識(shí)別的方法可以充分結(jié)合分辨率較高和人工智能計(jì)算速度快、精度高的特點(diǎn)，在提高遙感手段進(jìn)行林火監(jiān)測(cè)能力的同時(shí)，保證了過(guò)火區(qū)域面積計(jì)算的精度。同時(shí)，該方法可將 GF-4、Himawari-8、Landsat-8等不同軌道、不同傳感器的衛(wèi)星數(shù)據(jù)與圖像結(jié)合起來(lái)。既發(fā)揮氣象、環(huán)境衛(wèi)星的高頻次觀測(cè)，又發(fā)揮對(duì)地觀測(cè)高分衛(wèi)星的高空間分辨率的特點(diǎn)，做到衛(wèi)星遙感的大數(shù)據(jù)融合觀測(cè)。可以為森林火災(zāi)的防災(zāi)減災(zāi)提供更加及時(shí)準(zhǔn)確的服務(wù)信息。