金晟玥 王平 劉明博 賈松霖 蘇琮

(1 應(yīng)急管理部國家減災(zāi)中心，北京 100124)(2 航天東方紅衛(wèi)星有限公司，北京 100094)

森林火災(zāi)是擾動全球各大生態(tài)系統(tǒng)的最重要的自然災(zāi)害之一，不僅會造成嚴重社會、經(jīng)濟和環(huán)境問題災(zāi)難性后果，同時也使地表生態(tài)環(huán)境發(fā)生快速改變，對植被、生態(tài)系統(tǒng)、大氣環(huán)境和全球氣候變化產(chǎn)生深遠影響[1-2]。森林火災(zāi)遙感監(jiān)測主要是對火點和過火面積進行實時監(jiān)測和周期性統(tǒng)計，再融合發(fā)生區(qū)域的地形、氣象等數(shù)據(jù)，開展火勢蔓延模擬和風(fēng)險評估等?；馃E地是指森林中經(jīng)火災(zāi)燒毀后尚未長起新林的土地，它能夠提供火災(zāi)發(fā)生的位置、面積、空間范圍、嚴重程度等信息，因此，火燒跡地識別是確定森林草原火災(zāi)情況的重要指標(biāo)之一，對于火災(zāi)災(zāi)情管理和災(zāi)后損失評估至關(guān)重要[3-4]。根據(jù)火燒跡地的形狀和燒毀程度，可判斷森林火災(zāi)的種類、蔓延速度、火燒強度及發(fā)生森林火災(zāi)的時間，結(jié)合衛(wèi)星遙感數(shù)據(jù)對火燒跡地進行快速有效提取可以為火災(zāi)防治相關(guān)部門提供及時的林火信息幫助決策，有效減少人民的生命財產(chǎn)損失。

衛(wèi)星遙感技術(shù)具有非接觸、快速、大面積獲取數(shù)據(jù)的特點，在應(yīng)急條件下可以對森林火災(zāi)的空間分布和動態(tài)發(fā)展進行持續(xù)性觀測。為了應(yīng)對大面積火燒導(dǎo)致的森林減少和全球大環(huán)境變化，利用遙感衛(wèi)星數(shù)據(jù)在對森林火災(zāi)火勢蔓延與影響評估、提取植被等重要的森林火災(zāi)承災(zāi)體等方面已經(jīng)成為了重要的監(jiān)測手段。基于遙感多光譜數(shù)據(jù)的光譜指數(shù)(如歸一化植被指數(shù)NDVI、歸一化燃燒指數(shù)NBR、過火區(qū)識別指數(shù)BAI等)火災(zāi)嚴重程度評估已被廣泛應(yīng)用于監(jiān)測火災(zāi)引起的植被覆蓋變化監(jiān)測[3,5-6]，利用多時相的遙感衛(wèi)星數(shù)據(jù)更能夠反應(yīng)災(zāi)情的動態(tài)變化和趨勢[7]。目前，很多衛(wèi)星遙感數(shù)據(jù)都具備用于火燒跡地提取的能力，如中等分辨率成像光譜儀(MODIS)、陸地衛(wèi)星(Landsat)、高分衛(wèi)星等[8-9]，但其空間分辨率均較低，難以精細提取火燒跡地邊界，易造成誤判。

環(huán)境減災(zāi)二號A/B衛(wèi)星是2020年9月27日在太原衛(wèi)星發(fā)射中心用長征四號乙運載火箭，以一箭雙星的方式成功發(fā)射的16 m光學(xué)業(yè)務(wù)衛(wèi)星，接替在軌運行10年的環(huán)境與災(zāi)害監(jiān)測預(yù)報A/B小衛(wèi)星，滿足國家在應(yīng)急救援、自然資源監(jiān)管、環(huán)境保護等領(lǐng)域的數(shù)據(jù)持續(xù)供給需求。它可以提供16 m空間分辨率多光譜數(shù)據(jù)、48 m /96 m高光譜數(shù)據(jù)和紅外圖像數(shù)據(jù)，高空間分辨率的遙感數(shù)據(jù)有利于提升邊界提取精度，在森林火災(zāi)監(jiān)測中更有優(yōu)勢。本文利用環(huán)境減災(zāi)二號A/B衛(wèi)星多光譜數(shù)據(jù)的可見光和近紅外波段構(gòu)建歸一化植被指數(shù)，利用決策樹分類法對火燒跡地進行識別和提取，并與支持向量機分類方法進行對比，從而評估環(huán)境減災(zāi)二號A/B衛(wèi)星在森林火災(zāi)應(yīng)急監(jiān)測中的應(yīng)用能力。

1 研究區(qū)概況與衛(wèi)星影像數(shù)據(jù)

1.1 研究區(qū)概況

本文研究區(qū)域位于寧夏回族自治區(qū)固原市，地處西北黃土高原西部的六盤山地區(qū)，地勢南高北低，屬于暖溫帶半干旱氣候區(qū)，植被具有由森林草原向干旱草原過渡的特點。六盤山地區(qū)生物資源豐富，主脈一帶為森林草原和落葉闊葉林，向北逐漸變化為森林草原，灌叢草原和干旱草原，區(qū)內(nèi)人工林占全區(qū)森林總面積的70%。由于固原地處內(nèi)陸中緯度地帶，大陸性氣候特征明顯，境內(nèi)春季和夏初降水偏少、干燥度較高，災(zāi)害性天氣多，為森林草原火災(zāi)的發(fā)生提供了氣候條件，森林草原防火形勢嚴峻。

2021年3月13日，固原市原州區(qū)張易鎮(zhèn)馬場村二林溝荒山發(fā)生森林火災(zāi)，過火區(qū)域地貌為林地和荒草地，造成了嚴重的人員傷亡和財產(chǎn)損失。以此次“3·13固原林場火災(zāi)”為研究對象，選取研究區(qū)域地理坐標(biāo)為東經(jīng)106.01°E～106.18°E，北緯35.89°N～36.25°N(如圖1所示)，基于環(huán)境減災(zāi)二號A/B衛(wèi)星多光譜遙感數(shù)據(jù)，對火燒跡地信息進行了識別和提取。

圖1 研究區(qū)示意圖Fig.1 Overview of study area

1.2 衛(wèi)星影像數(shù)據(jù)

環(huán)境減災(zāi)二號A/B衛(wèi)星搭載的16 m可見光CCD相機通過視場拼接可實現(xiàn)16 m空間分辨率的可見近紅外5譜段成像；紅外相機可實現(xiàn)48 m/96 m空間分辨率的紅外多光譜成像；高光譜成像儀可實現(xiàn)48 m/96 m空間分辨率的紅外多光譜成像。

根據(jù)研究區(qū)選取火災(zāi)發(fā)生前、后兩個時相的2景環(huán)境減災(zāi)二號A衛(wèi)星CCD相機影像數(shù)據(jù)，具體影像參數(shù)見表1。

表1 衛(wèi)星影像數(shù)據(jù)獲取情況Table 1 Acquisition of satelliteimagery data

2 研究方法

通過輻射定標(biāo)、大氣校正、正射糾正、幾何精校正等方法對災(zāi)前和災(zāi)后的16 m分辨率影像數(shù)據(jù)進行預(yù)處理，以便后續(xù)的信息提取和分析。研究對比傳統(tǒng)的監(jiān)督學(xué)習(xí)方法(支持向量機)和基于決策樹的歸一化植被指數(shù)(NDVI)差值分類方法對火燒跡地進行識別和提取，最后利用目視解譯的方法對提取的火燒跡地結(jié)果分別進行精度評價，具體技術(shù)流程如圖2所示。

圖2 技術(shù)流程Fig.2 Technical flow chart

2.1 數(shù)據(jù)預(yù)處理

1)輻射定標(biāo)

為消除或減弱由傳感器響應(yīng)特征、外界自然條件等情況造成的遙感圖像輻射亮度失真的影響，需對影像數(shù)據(jù)進行輻射誤差校正，將原始灰度值(Digital Number)換算成輻射亮度，以便后續(xù)開展遙感影像的判讀和解譯。對選取的環(huán)境減災(zāi)二號A衛(wèi)星16 mCCD數(shù)據(jù)利用環(huán)境減災(zāi)系列產(chǎn)品的定標(biāo)參數(shù)進行輻射定標(biāo)處理，具體輻射定標(biāo)公式[10]如下：

(1)

式中：L為輻射亮度值；D為遙感圖像的原始灰度值；A為絕對定標(biāo)系數(shù)增益；E為絕對定標(biāo)系數(shù)偏移量。

2)大氣校正

受大氣層散射作用的影響，衛(wèi)星傳感器測得的原始像元值并不能真實反映地物的表面反射率，導(dǎo)致植被指數(shù)計算結(jié)果不準(zhǔn)確。FLAASH算法可以精確補償大氣影響，消除輻射誤差，對環(huán)境減災(zāi)系列衛(wèi)星有較好的校正效果，經(jīng)過FLAASH大氣校正模型處理后的數(shù)據(jù)可以更加精確地進行歸一化植被指數(shù)的監(jiān)測和地物信息的識別[11]。本研究運用FLAASH大氣校正模型對數(shù)據(jù)進行處理。

3)幾何精校正和數(shù)據(jù)裁切

在ENVI軟件平臺下，以前時相(災(zāi)前)的環(huán)境減災(zāi)二號A/B衛(wèi)星數(shù)據(jù)作為參考影像，選取控制點對后時相(災(zāi)后)影像數(shù)據(jù)進行幾何精校正，確保兩個數(shù)據(jù)的地理位置精度一致。對地理糾正后的2景影像進行裁剪，獲得需要的研究區(qū)域。

2.2 基于支持向量機的火燒跡地識別

支持向量機(SVM)是一種基于統(tǒng)計訓(xùn)練的機器學(xué)習(xí)識別方法，可以尋找一個最優(yōu)化超平面在空間中分割不同類別，由此構(gòu)建出將不同類別之間的間隔最大化、分類風(fēng)險上限最小化的分類機制，有較好的泛化能力和較高的分類準(zhǔn)確率。SVM在解決高維度、非線性的圖像分類識別問題中有較大優(yōu)勢，已被廣泛用于解決遙感地物分類中[12]。選擇徑向基核函數(shù)(Radial Basis Function)作為內(nèi)基核函數(shù)進行分類，設(shè)置C和γ分別為100和0.2。C代表SVM對錯分樣本的懲罰系數(shù),C值越大，分類器的準(zhǔn)確性越高，但同樣容錯率會越低，泛化能力會變差；C值越小，泛化能力越強，但是準(zhǔn)確性會降低。γ為核函數(shù)gamma值，數(shù)值越大模型復(fù)雜度越大，高維空間數(shù)據(jù)的分離程度越好。

2.3 基于NDVI差值的火燒跡地變化檢測

1)歸一化植被指數(shù)

歸一化植被指數(shù)(NDVI)是最常見的植被指數(shù)之一，可以有效反映植物生長狀態(tài)，在火燒跡地的監(jiān)測提取中有著廣泛的應(yīng)用。葉綠素是綠色植被中的重要組成部分，它影響葉片間太陽輻射的散射機制，從而導(dǎo)致近紅外波段光譜反射率高，可見光紅光反射率低。因此，歸一化植被指數(shù)通過計算可見光和近紅外波段入射太陽輻射的差異，來反映植被的綠色度和覆蓋度[13]。

(2)

式中：NNDVI為對應(yīng)像元的NDVI計算值；ρNIR為近紅外波段反射率；ρRed為可見光紅光波段反射率。歸一化植被指數(shù)取值在[-1，1]之間，與植被的空間分布密度呈線性相關(guān)，指數(shù)隨植被覆蓋密度的增加而增加。

2)基于決策樹分類法的NDVI差值分類

決策樹分類法在遙感應(yīng)用中是較為常見的分類方法，主要體現(xiàn)在對圖像中地類信息的提取和分類上有較好的效果。決策樹通過在一定的判斷條件下逐步細化原始數(shù)據(jù)，形成一種分層處理的結(jié)構(gòu)，基于指數(shù)模型的決策樹分類方法在遙感地物信息提取中有較高的分類精度和準(zhǔn)確度，更有助于應(yīng)用到歸一化植被指數(shù)的識別中[14-15]。對比過火區(qū)域隨時間變化的過程，通過分析火災(zāi)發(fā)生前、后地表反射率變化，對區(qū)域內(nèi)NDVI差值進行直方圖統(tǒng)計獲取分類閾值，具體判斷條件如下。

(3)

式中：Nb為前時相(災(zāi)前)影像上像元的歸一化植被指數(shù)值；Na為后時相(災(zāi)后)影像上像元的歸一化植被指數(shù)值；Bfire為火燒跡地像元；Bother為非火燒跡地像元；Pthreshold為火燒跡地提取閾值。

3 結(jié)果分析

3.1 SVM監(jiān)督分類的火燒跡地結(jié)果分析

將研究區(qū)域按照火燒跡地、植被、耕地、水體、建筑物五種地類劃分，在區(qū)域內(nèi)各選取20個樣本點作為樣本數(shù)據(jù)進行建模，利用支持向量機的方法對過火區(qū)域及周邊地類進行分類。之后各選取6個樣本點作為驗證樣本，對分類結(jié)果進行評價，確定分類的精度和可靠性。分類結(jié)果顯示，利用支持向量機的分類結(jié)果總體精度為96.9%，Kappa系數(shù)為0.93。

受到山體陰影的影響，火燒跡地的提取在非過火區(qū)域會產(chǎn)生一定誤差。為進一步驗證火燒跡地的提取精度，在SVM識別的火燒跡地區(qū)域內(nèi)隨機選取200個測試點，利用目視解譯的方法對其進行精度驗證。結(jié)果顯示，有150個測試點在火燒跡地范圍內(nèi)，分類精度為75%。因此，經(jīng)過粗差剔除的支持向量機監(jiān)督分類方法能夠?qū)Νh(huán)境減災(zāi)二號A/B衛(wèi)星影像的火燒跡地提取有較好的效果，滿足快速、有效的分類需求，結(jié)果如圖3中紅色區(qū)域所示。

圖3 SVM火燒跡地識別結(jié)果Fig.3 SVM extraction result of burned area

3.2 基于NDVI的火燒跡地識別結(jié)果分析

對火災(zāi)發(fā)生前后研究區(qū)域進行歸一化植被指數(shù)計算，其結(jié)果(見圖4)可以看出，經(jīng)過燃燒后的區(qū)域在局部呈現(xiàn)較為明顯的亮度變化。分別對2景NDVI數(shù)據(jù)進行統(tǒng)計(見表2)，災(zāi)前的NDVI指數(shù)平均值為-0.043，標(biāo)準(zhǔn)差為0.024；災(zāi)后的NDVI指數(shù)平均值為-0.037，標(biāo)準(zhǔn)差為0.016?；趦蓚€時相的燃燒區(qū)域NDVI存在的差值，可以對火燒跡地進行有效提取。設(shè)置火燒跡地的提取閾值為0.03，運用選定的閾值建立決策樹分類規(guī)則，將研究區(qū)域分類為火燒跡地和非火燒跡地，經(jīng)過誤差圖斑去除和破碎小面填充處理后的提取結(jié)果如圖5所示。

圖4 NDVI計算結(jié)果對比Fig.4 Comparison of NDVI calculation results

表2 NDVI結(jié)果統(tǒng)計Table 2 Statistics of NDVI

圖5 NDVI火燒跡地識別結(jié)果Fig.5 NDVI extraction result of burned area

利用目視解譯的方法對火燒跡地提取結(jié)果進行定量評估。在提取的火燒跡地范圍內(nèi)隨機選取200個測試點，以災(zāi)后遙感數(shù)據(jù)為真實性圖像進行目視解譯的精度驗證。經(jīng)計算真實火燒跡地內(nèi)測試點數(shù)量占總測試點數(shù)量的比例，此分類方法的識別精度為97.5%，計算得到火燒跡地面積約為9.43 km2。與SVM分類結(jié)果相比，基于NDVI差值的火燒跡地識別方法的精度更高，說明光譜特性對于地物反射率的變化更為敏感，因此火燒跡地邊界識別的準(zhǔn)確率更高。

4 結(jié)束語

本文以“3.13”寧夏固原市林場火災(zāi)為研究案例，選取環(huán)境減災(zāi)二號A衛(wèi)星CCD影像作為數(shù)據(jù)源，研究比較了支持向量機分類方法和基于NDVI差值的決策樹分類法，對火災(zāi)發(fā)生后的火燒跡地進行識別和提取。通過人工目視解譯的方法進行精度驗證，兩種方法的精度分別為75%和97.5%。由于山體陰影與過火區(qū)域有相似的光譜反射率，使用支持向量機分類法會產(chǎn)生較大的誤差，經(jīng)過人工誤差剔除后的提取結(jié)果也能夠較好地反映火燒跡地區(qū)域的面積。研究結(jié)果表明，環(huán)境減災(zāi)二號A/B衛(wèi)星的空間分辨率可以有效滿足森林草原火災(zāi)災(zāi)后定量評估的需求，并聯(lián)合其他衛(wèi)星開展森林草原火災(zāi)的應(yīng)急動態(tài)監(jiān)測，基于歸一化植被指數(shù)的決策樹分類法能夠在應(yīng)急狀態(tài)下快速開展火燒跡地識別和提取，為森林火災(zāi)監(jiān)測應(yīng)用提供有力支撐。