徐海文 石振威

（湖南省林業(yè)局，湖南 長沙 410000）

在森林火災風險普查工作過程中，需要采集各地近幾年發(fā)生森林火災次數(shù)數(shù)據(jù)作為對該地風險區(qū)劃判斷的一個條件。采集過程中發(fā)現(xiàn)，為了規(guī)避考核，各地上報的次數(shù)遠遠少于實際發(fā)生的次數(shù)，導致無法得出準確的結論，給分析工作帶來很大的困難[1]。本文旨在通過分析工作案例，介紹方法提出的背景，詳細描述基于衛(wèi)星影像AI判讀林草火災變化圖斑的實現(xiàn)方法及災后分析的建議與思考，為林草火災評估、趨勢預判分析及預警監(jiān)測提供借鑒。

1 背景分析

部分地區(qū)存在發(fā)生森林火災不報、瞞報的情況，利用常規(guī)的監(jiān)管方法會在觀測能力和觀測范圍上受到限制，反映速度慢，不僅會使得部分地區(qū)無法被發(fā)現(xiàn)，還不能滿足高密度、高頻率和高質量的監(jiān)管要求[2]。衛(wèi)星可較好地解決這些問題，其不僅反應速度快，具有較高時空分辨率，且有較大的監(jiān)管范圍，可發(fā)現(xiàn)和識別火災的范圍情況，確定火場的邊界，提供較準確的受損情況，識別火災后，進一步提取火燒跡地范圍，結合統(tǒng)計分析，可以得到準確的林草火燒跡地數(shù)據(jù)[3]。

2 技術實現(xiàn)

2.1 監(jiān)測目標

以衛(wèi)星影像為支撐，以月份為周期，動態(tài)掌握林草資源類型、面積、范圍、分布等因火災導致的變化情況[4]。按照“變化全發(fā)現(xiàn)，問題全核實”的工作思路，開展林草火災變化圖斑衛(wèi)星綜合監(jiān)測。

2.2 監(jiān)測內容

2.2.1 影像數(shù)據(jù)收集 按監(jiān)管工作要求，需收集以下衛(wèi)星影像數(shù)據(jù):1）每季度收集優(yōu)于1 m分辨率可見光衛(wèi)星影像數(shù)據(jù)，每季度保障區(qū)域林、草、自然保護地范圍內全覆蓋；2）視火點情況，機動收集高分辨率遙感影像，監(jiān)測林草火燒跡地。

2.2.2 樣本數(shù)據(jù)收集 樣本數(shù)據(jù)收集包括內業(yè)樣本及外業(yè)光譜樣本。內業(yè)樣本收集內容如下：根據(jù)變化圖斑自動提取要求，豐富已有樣本庫數(shù)據(jù)，針對監(jiān)管要求，采集變化檢測樣本3 萬個和地物分類樣本2 萬個（20 萬km2區(qū)域參考值）。重點對喬木林以及竹林、灌木林地、疏林地、采伐和火燒跡地、未成林造林地、苗圃地、林業(yè)經營單位輔助生產用地及縣級以上人民政府規(guī)劃的宜林地和草原、草場、草地的樣本進行采集建庫[5]。外業(yè)光譜樣本收集內容如下：為支撐多光譜、高光譜對林草資源的細化分類支撐，在林草區(qū)域范圍內均勻分布，進行外業(yè)光譜測量，形成全域林草資源的外業(yè)光譜庫，光譜范圍不少于400～1 000 nm[6]。

2.2.3 火燒跡地提取 基于優(yōu)于1 m分辨率衛(wèi)星影像，采用前后時相衛(wèi)星影像對比和后時相影像與數(shù)據(jù)庫對比的方式。結合火燒跡地光譜特征和紋理特征，以季度為周期開展常規(guī)監(jiān)測，即對全域森林草原范圍內的火燒跡地進行監(jiān)測和提??；以天為周期開展機動監(jiān)測，對每日識別的火點情況，收集最新的遙感影像，開展機動火燒跡地監(jiān)測[7]。

2.2.4 調查核實流程 主要通過無人機等外業(yè)或鐵塔視頻的方式，調查核實變化圖斑的類型、面積、范圍以及違法用地（包括是否占用林、草、濕地、自然保護地，違法性質等）的情況，拍攝實地舉證照片和視頻，填寫變化圖斑信息表，形成變化圖斑清單[8]。

2.2.5 統(tǒng)計分析評價 以季度為周期，監(jiān)管林地、草地范圍內疑似違法用地圖斑，林地、草地、自然保護地變化圖斑的類型、面積、范圍、分布等變化情況，形成林地、草地、自然保護地違法監(jiān)管數(shù)據(jù)[9]。以季度為周期，匯總各類調查數(shù)據(jù)，結合林地、草地、自然保護地監(jiān)管情況，建立科學的評價指標，開展綜合分析和系統(tǒng)評價，為科學決策和嚴格管理提供依據(jù)。

2.3 技術路線

以高空間分辨率、高光譜分辨率和高時間分辨率衛(wèi)星遙感影像為支撐，采用前后時影像對比與后時相影像與數(shù)據(jù)庫對比方式，開展森林草原火燒跡地監(jiān)測，以季度為周期開展全域大范圍監(jiān)測，以天為周期開展機動監(jiān)測[10]。技術流程包括收集各類管理數(shù)據(jù)、提取變化圖斑、統(tǒng)計分析、外業(yè)調查核實等（見圖1）。

圖1 總體技術路線Fig.1 Overall technical route

2.4 關鍵技術

2.4.1 遙感影像智能解譯技術 不斷豐富分類樣本庫和地物光譜庫，充分利用遙感影像的光譜特征和紋理特征，不斷強化遙感影像信息智能解譯技術的作用，高效提取林地、草地、自然保護地遙感影像變化圖斑，自動識別屬性[11]。

2.4.2 海量遙感影像處理技術 快速處理多頻次、多類型的全域海量遙感影像。通過計算機集群、并行計算等新型計算機技術，快速完成海量遙感影像處理，包括影像融合處理、影像增強處理、影像正射糾正、影像鑲嵌裁切等。

2.4.3 “互聯(lián)網(wǎng)+”在線舉證技術 使用“互聯(lián)網(wǎng)+”在線舉證技術，按照以實地現(xiàn)狀認定的原則，依托外業(yè)舉證平臺，使用帶GNSS和方向傳感器的外業(yè)調查終端設備，對變化圖斑進行實地舉證[12]。根據(jù)衛(wèi)星熱點數(shù)據(jù)的坐標配準距離最近的攝像頭位置坐標數(shù)據(jù)，建立衛(wèi)星熱點和鐵塔攝像頭的關聯(lián)關系，將衛(wèi)星影像發(fā)現(xiàn)的熱點匹配到視頻影像中，通過在線核查視頻影像進行熱點核查[13]。利用無人機自動巡航技術，在發(fā)現(xiàn)圖斑位置，巡航取證[14]。

2.4.4 地理空間綜合分析技術 充分利用空間疊加分析、空間統(tǒng)計分析等地理空間分析技術，對基礎監(jiān)管成果與各項專題業(yè)務數(shù)據(jù)進行綜合分析，有針對性地提取各項專題監(jiān)管信息[15]。

2.5 樣本庫建設

綜合考慮效率、精度、數(shù)據(jù)源等多種因素，選取1 m分辨率數(shù)據(jù)為樣本采集數(shù)據(jù)源，具體要求如下：1）影像時相：針對變化檢測，選取兩期影像時相與監(jiān)管圖斑時相一致，針對地物信息提取，影像時相與圖斑提取時相一致；2）影像精度：選取的影像與底圖能完全套合，中誤差和接邊誤差符合相關技術規(guī)程；3）影像投影：影像投影與底圖矢量保持一致；4）影像元數(shù)據(jù)：影像具有影像獲取時間、傳感器等基本信息；5）影像質量：影像要求無云、雪覆蓋，無拉花、無曝光、無明顯接邊顯示效果。

在建立樣本數(shù)據(jù)集時，綜合考慮樣本的純度、數(shù)量、分布等因素，應遵循以下規(guī)則：1）盡可能選擇采集地區(qū)的所有地類；2）每一種地類分布情況和表現(xiàn)形式，要有典型代表性；3）樣本純度上，盡可能大，要求純度大于95%；4）數(shù)據(jù)內容上，樣本的地類名稱、成像時間、地理坐標等屬性信息補充完整；5）樣本圖斑的矢量文件、柵格文件和特征值記錄完整；6）樣本勾繪或刷選時，盡可能保持地物邊界線的真實性；7）采集布局：一般要求均勻分布，但以實際地表變化強度分布為準。

2.6 AI判讀

基于高實時動態(tài)的中低分辨率多光譜、高光譜影像，提取的疑似火點結果，對結果靶區(qū)范圍內進行歷史高分辨率影像收集（優(yōu)于1m）和災后影像采集，結合地理信息系統(tǒng)技術和計算機技術，參照建設的光譜樣本庫，提取火燒跡地范圍，利用獲取到的火災信息構建模型，評估損失[16]。

火燒跡地AI判讀（見圖2、3）如下：

圖2 AI判讀流程Fig.2 AI interpretation process

圖3 森林火燒跡地判讀示意（四川省涼山州冕寧縣大橋鎮(zhèn)森林火災火燒跡地對比圖）Fig.3 Interpretation of forestry burning areas (comparison of forestry fire burning areas in Daqiao town, Mianning county, Liangshan prefecture, Sichuan province)

1）中低分辨率遙感火點識別結果導入。主要依托林業(yè)大數(shù)據(jù)系統(tǒng)內森林火點識別模塊，得到每天全域范圍內的疑似林草火點。

2）收集災前歷史高分辨率遙感影像。以火點識別點的監(jiān)測日期作為截止時間點，往前搜索火點前最新高分辨率（優(yōu)于1 m）的遙感影像，作為前時相遙感影像。

3）采集災后高分辨率遙感影像。以火點識別點的監(jiān)測日期作為起始時間點，往后搜索火點后最近高分辨率（優(yōu)于1 m）的遙感影像，作為后時相遙感影像。

4）正射影像生產。對前后兩期影像參照基礎控制點進行正射影像生產，得到和地面坐標完全幾何一致的正射影像產品。

5）前后影像對比。疊加前后兩期遙感影像，參照火燒跡地樣本庫進行識別，提取變化信息。

6）提取火燒跡地范圍。對提取的圖斑剔除無效信息，判定火燒跡地屬性，得到準確的火燒跡地范圍[17]。

7）匯總，對判讀數(shù)據(jù)進行統(tǒng)計分析，趨勢預判，輔助決策分析。

3 展望

林草事業(yè)是一項重要的公益事業(yè)和基礎產業(yè)，承擔著生態(tài)建設和林產品供給的重任。衛(wèi)星遙感作為覆蓋面廣、監(jiān)管效率高的手段，既能科學化、精準化地進行監(jiān)測預警，推進破壞林草資源問題的早發(fā)現(xiàn)、早處置，起到警示、警醒作用，又能在林草火災發(fā)生之后準確地進行判讀，識別林草火災帶來的變化，有效防止林草火災瞞報、誤報和漏報[18]。此外，利用歷年積累的林草火災變化圖斑數(shù)據(jù)可以進行趨勢分析，為輔助決策提供支撐服務?；谛l(wèi)星遙感影像的AI判讀技術在林草調查和監(jiān)管中的應用，為生態(tài)環(huán)境保護和建設、林草資源利用、防災減災等提供新的技術手段。

4 結語

林草資源是重要的生態(tài)資源，火災對林草資源造成的損失巨大，精準獲取林草災害數(shù)據(jù)對林草保護具有重要意義?；谶b感影像AI判讀林草火災變化圖斑技術有利于準確獲取火災變化數(shù)據(jù)，有利于分析趨勢，對保護林草資源、提升林草行業(yè)治理能力和治理體系現(xiàn)代化水平能發(fā)揮重要作用。