馬彩虹，楊進(jìn)，李信鵬，楊飛，何陽(yáng)，李天柱

1.中國(guó)科學(xué)院空天信息創(chuàng)新研究院，北京 100094

2．資源與環(huán)境信息系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室，中國(guó)科學(xué)院地理科學(xué)與資源研究所，北京 100101

3.山東大學(xué)，山東威海 264209

引 言

高溫異常點(diǎn)是指按照維恩位移定律，結(jié)合上下文識(shí)別方式，識(shí)別出的溫度高于周邊地物的火點(diǎn)或溫度異常點(diǎn)。高溫異常點(diǎn)是一個(gè)反映人類活動(dòng)以及自然事件（火災(zāi)）對(duì)地球影響的重要指標(biāo)。從衛(wèi)星數(shù)據(jù)的熱紅外波段像元值經(jīng)過(guò)輻射定標(biāo)、大氣校正和發(fā)射率校正等定量處理可以反演得到地表高溫異常點(diǎn)。隨著對(duì)火點(diǎn)或熱異常數(shù)據(jù)需求的增加，各大傳感器相繼推出了成熟的熱異常數(shù)據(jù)產(chǎn)品。

目前，常見的數(shù)據(jù)源包括基于NOAA/AAVHRR（Advanced Very High Resolution Radiometer）數(shù)據(jù)推演出的1.1 km空間分辨率的火點(diǎn)產(chǎn)品數(shù)據(jù)，基于NPP MODIS（Moderate Resolution Imaging Spectroradiometer）數(shù)據(jù)推演出的1km分辨率的火點(diǎn)產(chǎn)品（MOD14和MYD14）[1-2]，均得到一致的認(rèn)可和廣泛的應(yīng)用。VIIRS（Visible Infrared Imaging Radiometer Suite，可見光紅外成像輻射儀）傳感器作為替代MODIS的下一代傳感器，其波段設(shè)置和波譜響應(yīng)在繼承MODIS優(yōu)勢(shì)的基礎(chǔ)上努力避免其不足，推出了基于750 m空間分辨率VIIRS數(shù)據(jù)反演的夜火數(shù)據(jù)和基于空間分辨375 m遙感數(shù)據(jù)反演的VNP14IMG熱異常數(shù)據(jù)[3]。然而這些傳統(tǒng)的火點(diǎn)產(chǎn)品由于影像數(shù)據(jù)空間分辨率的限制，對(duì)于一些燃燒區(qū)域半徑為30-100 m左右的小規(guī)模的火情，如農(nóng)田秸稈燃燒、城市周邊垃圾焚燒、人為縱火以及森林火情萌發(fā)時(shí)的小火點(diǎn)等現(xiàn)象，很難取得較好的檢測(cè)結(jié)果。

自2013年由USGS和NASA合作發(fā)射Landsat-8衛(wèi)星以來(lái)[4]，其攜帶的短波紅外、中紅外和熱紅外波段等波段為高分辨率高溫異常點(diǎn)檢測(cè)提供了可能[5]。這些高精度的火點(diǎn)產(chǎn)品能滿足更多應(yīng)用領(lǐng)域的需求，如碳排放量統(tǒng)計(jì)、監(jiān)控溫室氣體排放、顆粒物和氣溶膠生成等，這對(duì)于環(huán)境監(jiān)控、生態(tài)氣候變化以及火災(zāi)預(yù)測(cè)能力都有很大程度上的提升。如何根據(jù)Landsat-8衛(wèi)星數(shù)據(jù)的特點(diǎn)，構(gòu)建穩(wěn)定的適宜大范圍推廣的高溫異常點(diǎn)數(shù)據(jù)產(chǎn)品，對(duì)于為生態(tài)環(huán)境監(jiān)測(cè)、農(nóng)/林火災(zāi)監(jiān)測(cè)和工業(yè)排放等相關(guān)領(lǐng)域的研究和應(yīng)用提供更好的數(shù)據(jù)產(chǎn)品支撐，具有重要的意義[6]。

1 數(shù)據(jù)采集和處理方法

1.1 數(shù)據(jù)采集方法

選擇中國(guó)遙感衛(wèi)星地面站接收的Landsat-8衛(wèi)星數(shù)據(jù)，包括所有經(jīng)過(guò)高精度的正射校正處理并歸檔的產(chǎn)品數(shù)據(jù)，時(shí)間范圍從2013年5月至今，空間范圍覆蓋中國(guó)全境區(qū)域。

1.2 數(shù)據(jù)處理方法

按照黑體輻射模型理論，黑體溫度越高，輻射通量密度越大。當(dāng)高溫像元能量值達(dá)到2倍于背景像元能量值時(shí)，便可將該高溫像元從常溫背景像元中識(shí)別出來(lái)。取短波紅外波長(zhǎng)為2.2 時(shí)，可計(jì)算出溫度在300 K-1060 K之間地物在短波紅外的發(fā)射輻射通量密度，如表1所示。此外還可以計(jì)算得到不同地表覆蓋類型在該波段的反射輻射通量密度，如表2所示。自然界火情/高溫異常點(diǎn)現(xiàn)象的溫度范圍基本位于600 K-1000 K之間。取溫度為600 K時(shí)，其發(fā)射輻射通量密度已遠(yuǎn)大于常溫背景的反射輻射通量密度。同時(shí)對(duì)于常溫地物（300 K左右），高溫目標(biāo)像元的能量總和要遠(yuǎn)大于常溫背景像元，因此用短波紅外波段提取火點(diǎn)是可行的[5]。

表1 不同溫度條件下在地物在短波紅外波段的發(fā)射輻射通量密度Table 1 Emission flux density of ground objects in short wave infrared bands under different temperature conditions

表2 不同地表覆蓋類型在短波紅外波段的平均反射輻射通量密度均值Table 2 Mean emission flux density in short wave infrared bands under different land cover types

歸一化燃燒指數(shù)（Normalized Burning Index，NBR）自被Lopez Garcia等人提出起，后經(jīng)Holden等人改進(jìn)得到了改進(jìn)的歸一化燃燒指數(shù)（Normalized Burning Ratio-Thermal，NBRT），使得Landsat數(shù)據(jù)在區(qū)分燃燒區(qū)域上取得了更加優(yōu)秀的結(jié)果[7]。同時(shí)，鑒于Landsat-8熱紅外波段數(shù)據(jù)飽和溫度為360 K，對(duì)高溫非火點(diǎn)的識(shí)別效果差于短波紅外波段，并且其分辨率也小于短波紅外波段的分辨率。故在本次Landsat-8數(shù)據(jù)的高溫異常點(diǎn)提取中，我們采用短波紅外波段代替熱紅外波段，采用的是一種改進(jìn)的歸一化燃燒指數(shù)（Normalized Burning Ratio Short-wave，NBRS）來(lái)計(jì)算燃燒指數(shù)[3,5]，具體計(jì)算公式如下：

其中，ρ5為近紅外波段，ρ6,ρ7分別為L(zhǎng)andsat-8兩個(gè)短波紅外波段（SWIR1和SWIR2波段），k為控制ρ7數(shù)值大小的參數(shù)。在本版本的高溫異常點(diǎn)識(shí)別中，k=0.001。

得到NBRS燃燒指數(shù)之后，通過(guò)自適應(yīng)高溫點(diǎn)閾值法，根據(jù)火點(diǎn)區(qū)域的NBRS指數(shù)值趨向于-1的特點(diǎn)，取影像NBRS指數(shù)直方圖中梯度開始急劇變大的地方作為確定分割閾值的標(biāo)準(zhǔn)，識(shí)別出NBRS指數(shù)分布的拐點(diǎn)作為區(qū)分高溫異常點(diǎn)和非高溫異常點(diǎn)區(qū)域的值。圖1顯示了Landsat-8識(shí)別出的部分林火和工業(yè)熱源高溫點(diǎn)示意圖，其中紅色標(biāo)注區(qū)域即為高溫異常點(diǎn)的位置。

2 數(shù)據(jù)樣本描述

數(shù)據(jù)產(chǎn)品依據(jù)高溫異常點(diǎn)發(fā)生的時(shí)間，按年月存放在不同的文件中。對(duì)不同月份的數(shù)據(jù)，又按照高溫異常點(diǎn)所隸屬的省級(jí)行政區(qū)域范圍，命名為相應(yīng)的csv和kml文件。其中，按年月存放的高溫異常點(diǎn)數(shù)據(jù) csv中，包含唯一標(biāo)識(shí)號(hào)（id），經(jīng)度（lon），緯度（lat），日期（data，格式 YYYY/MM/DD），反演溫度（t1，單位：開爾文)，反演面積（area，單位平方米），可信度（confidence），版本號(hào)（version）和本底圖像位置（imguri，URL連接）等共計(jì)10個(gè)屬性字段；按年月存放的高溫異常點(diǎn)數(shù)據(jù)kml文件可以使用谷歌地球打開，在谷歌地球上顯示火點(diǎn)的位置與相關(guān)參數(shù)。同時(shí)本文提出的可信度（confidence），其值由短波紅外波段2(SWIR2)灰度值轉(zhuǎn)化而來(lái)，即SWIR2/max(SWIR2)*100計(jì)算而來(lái)。該值越大，代表當(dāng)前高溫?zé)岙惓｜c(diǎn)值的可信度越高；越低，則反之。

具體信息描述如表3所示。

表3 高溫異常點(diǎn)樣本屬性字段信息說(shuō)明表Table 3 The attribute field information description of high temperature abnormal point sample

3 數(shù)據(jù)質(zhì)量控制和評(píng)估

制定了Landsat-8高溫異常點(diǎn)產(chǎn)品生產(chǎn)標(biāo)準(zhǔn)，規(guī)范了產(chǎn)品格式、命名規(guī)范、數(shù)據(jù)產(chǎn)品信息，確保數(shù)據(jù)產(chǎn)品生產(chǎn)的標(biāo)準(zhǔn)化。制定了Landsat-8高溫異常點(diǎn)產(chǎn)品質(zhì)量檢驗(yàn)規(guī)范，規(guī)定了產(chǎn)品質(zhì)量檢驗(yàn)的過(guò)程和方法，保證產(chǎn)品的質(zhì)量?；诟叻直媛实娜斯つ恳暯庾g的地表高溫點(diǎn)數(shù)據(jù)的驗(yàn)證結(jié)果表明，本文生產(chǎn)的高溫異常點(diǎn)產(chǎn)品數(shù)據(jù)準(zhǔn)確率高達(dá)90%，F(xiàn)值（準(zhǔn)確率和漏檢率的綜合評(píng)價(jià)指標(biāo)）為0.89。

同時(shí)，對(duì)比分析了中國(guó)區(qū)各年Landsat-8高溫異常點(diǎn)（L8F）與NPP VIIRS Active Fire（ACF）數(shù)據(jù)[8]、NPP VIIRS Nightfire（VNF）數(shù)據(jù)的年份數(shù)據(jù)，得到各類數(shù)據(jù)在中國(guó)區(qū)范圍內(nèi)的年際變化圖如圖2所示。由圖2可知，（1）2014-2020年間L8F和ACF的數(shù)據(jù)變化趨勢(shì)基本一致，說(shuō)明中國(guó)區(qū)Landsat-8高溫異常點(diǎn)產(chǎn)品具有較好的時(shí)序延展性和一致性；（2）考慮到Landsat-8和NPP衛(wèi)星在幅寬和重訪周期，NPP衛(wèi)星數(shù)據(jù)一天可以覆蓋中國(guó)區(qū)2-4次，Landsat-8的重訪周期為16天，而各年份ACF數(shù)據(jù)和L8F數(shù)據(jù)的比值約為4，說(shuō)明同一區(qū)域、同一時(shí)期內(nèi)Landsat-8識(shí)別得到的火點(diǎn)數(shù)目約為ACF的10倍。

4 數(shù)據(jù)價(jià)值

高溫異常點(diǎn)是一個(gè)重要的能反映人類活動(dòng)對(duì)地球影響的指標(biāo)，廣泛應(yīng)用于農(nóng)業(yè)、林業(yè)、工業(yè)、生態(tài)、全球變化等領(lǐng)域。利用衛(wèi)星遙感技術(shù)提取地表高溫點(diǎn)異常數(shù)據(jù)具有明顯的優(yōu)勢(shì)，傳統(tǒng)的高溫異常點(diǎn)檢測(cè)算法通常利用高溫地物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)，然而由于MODIS、AVHRR等影像空間分辨率的限制，高溫異常點(diǎn)提取結(jié)果對(duì)一些重點(diǎn)區(qū)域的精確觀測(cè)以及小目標(biāo)火點(diǎn)的提取具有較大的誤差，如農(nóng)田秸稈燃燒、城市周邊垃圾焚燒等現(xiàn)象。Landsat-8數(shù)據(jù)短波紅外、中紅外和熱紅外波段具有較高的空間分辨率且具有長(zhǎng)期的數(shù)據(jù)積累，為高精度高溫異常點(diǎn)識(shí)別分析研究提供了理想的數(shù)據(jù)源?；贚andsat-8數(shù)據(jù)和歸一化燃燒指數(shù)（Normalized Burning Ratio Short-wave，NBRS）算法生產(chǎn)的中國(guó)區(qū)域Landsat-8高溫異常點(diǎn)產(chǎn)品，是基于2013年以來(lái)中國(guó)遙感衛(wèi)星地面站接收處理的全部Landsat-8數(shù)據(jù)，產(chǎn)品具有高精度的幾何定位、歸一化的波譜量綱，可為生態(tài)環(huán)境監(jiān)測(cè)、農(nóng)/林火災(zāi)監(jiān)測(cè)和工業(yè)排放等相關(guān)領(lǐng)域的研究和應(yīng)用提供數(shù)據(jù)產(chǎn)品支撐。

數(shù)據(jù)作者分工職責(zé)

馬彩虹（1986—），女，山東臨沂人，博士，工程師，研究方向?yàn)檫b感圖像智能處理與信息挖掘。主要承擔(dān)工作：產(chǎn)品應(yīng)用分析、項(xiàng)目推廣、論文撰寫。

楊進(jìn)（1974—），男，北京市人，博士，高級(jí)工程師，研究方向?yàn)檫b感圖像智能處理與信息挖掘。主要承擔(dān)工作：研究思路、研究方案設(shè)計(jì)、算法研究。

李信鵬（1983—），男，江西井岡山人，碩士，高級(jí)工程師，研究方向?yàn)檫b感圖像智能處理與信息挖掘。主要承擔(dān)工作：產(chǎn)品精度評(píng)定。

楊飛（1981—），男，山東棗莊市人，博士，副研究員，研究方向?yàn)檫b感數(shù)據(jù)分析應(yīng)用。主要承擔(dān)工作：產(chǎn)品數(shù)據(jù)分析。

何陽(yáng)（1991—），男，湖北荊州人，碩士，研究方向?yàn)檫b感圖像智能處理與信息挖掘。主要承擔(dān)工作：算法實(shí)現(xiàn)。

李天柱（1997—），男，四川廣元人，本科生，研究方向?yàn)檫b感圖像智能處理與信息挖掘。主要承擔(dān)工作：產(chǎn)品精度評(píng)定，論文檢查與核驗(yàn)。