張港, 劉健, 王萍, 焦強英

1. 山東科技大學測繪與空間信息學院，山東 青島 266590；

2. 中國科學院空天信息創(chuàng)新研究院，北京 100094

四川省是我國西南林區(qū)森林火災較為嚴重的區(qū)域，平均每年發(fā)生林火近 300 次，不僅破壞了寶貴的森林資源，也給林區(qū)人民的生命財產帶來了嚴重的損失[1]。開展火點提取工作是防災救災工作的一項重要內容。閾值法是火點提取的一種常用方法，根據各地區(qū)的實際情況，選取合適的波段和閾值，超過閾值就定為火點[2]。針對森林火災頻發(fā)的四川地區(qū)，MODIS、NOAA/AVHRR等數(shù)據的閾值法在四川地區(qū)進行火點識別有著較多應用，許多專家學者根據四川當?shù)厍闆r，提出了應用于各類傳感器的相應閾值。在MODIS數(shù)據應用中，卿清濤、肖利通過白天夜間設計不同的閾值進行火點提取[3～4]，張思分季節(jié)設計不同閾值進行火點提取[5]。在NOAA/AVHRR數(shù)據應用中，卿清濤設計了適合四川地區(qū)的火點閾值[6]。本文對四川地區(qū)的火災進行分析研究，提出了適用于高分四號的火點閾值。高分四號（GF-4）衛(wèi)星是我國于2015年12月29日發(fā)射的一顆高分辨率對地靜止觀測遙感衛(wèi)星[7]，利用高分四號衛(wèi)星數(shù)據構建亮溫火點閾值算法進行火點提取，能夠快速確定森林火災的地理位置信息，大程度地節(jié)省人力成本，為四川地區(qū)的林火監(jiān)測提供有力的數(shù)據支持。

1 研究區(qū)與數(shù)據源

1.1 研究區(qū)火情

選取四川省涼山州作為研究區(qū)，涼山州林火等級高，林火密度大，是火災高發(fā)區(qū)[2]。2019 年3 月30 日至4 月10 日，涼山彝族自治州木里縣雅礱江鎮(zhèn)立爾村發(fā)生森林大火，該火災由雷擊引發(fā)，當?shù)匮杆俳M織力量共投入689 名消防人員前去滅火，共有27 名森林消防指戰(zhàn)員和4 名地方撲火人員因風向突變在火災中壯烈犧牲。2020 年3 月28 日晚，四川省涼山彝族自治州木里縣項腳鄉(xiāng)發(fā)生森林大火，2020年3 月30 日15 時，四川省涼山彝族自治州西昌市瀘山發(fā)生森林大火[8]。本文以2020 年發(fā)生的兩場火災為研究對象，進行火點提?。ㄒ妶D1）。

圖 1 研究區(qū)（涼山彝族自治州）及著火點Fig. 1 Study area （Liangshan Yi Autonomous Prefecture ） and fire points

1.2 數(shù)據源

高分四號搭載了一臺具有50 m分辨率的可見光近紅外通道與400 m分辨率的中紅外通道的面陣凝視相機，其相機參數(shù)如表1所示。

通過高分四號的特點分析，其獨特的凝視成像模式，可以完成基于長時間序列的孕災環(huán)境和致災因子監(jiān)測，支持洪澇、旱災、雪災、地質災害等災害風險監(jiān)測；在時間分辨率上，具有20 s的高時間分辨率，通過高頻次重復探測，獲取災害發(fā)生過程中的持續(xù)動態(tài)監(jiān)測數(shù)據，為洪澇、火災、滑坡、泥石流、堰塞湖等災害發(fā)展趨勢分析、救災方案部署等活動提供支持[9]。

高分四號火點提取是基于4 μm中波紅外的波段特性來進行的，火焰的溫度通常能達到500～700 K，其熱輻射峰值波長在3～5 μm之間。根據維恩位移定律，物體越熱輻射譜的波長越短，林火燃燒造成輻射量升高及輻射峰值波長變短，中波紅外譜段輻射量明顯增強[10]。通過高分四號衛(wèi)星中波紅外影像火點像元與其它像元的輻射差異進行火點提取。

本文用到的數(shù)據有高分四號的PMI和IRS數(shù)據，landat8數(shù)據，全球200 m DEM數(shù)據。

2 研究方法

研究使用了ENVI 5.3、ArcGIS 10.4和Matlab R2021a軟件，主要流程為：數(shù)據預處理，包括波段替換、幾何校正、圖像配準、椒鹽噪聲去除、輻射定標、大氣校正；火點檢測算法參數(shù)計算，包括NDVI、表觀反射率、NDWI、亮度溫度；火點亮溫樣本收集與Otsu火點閾值判定；云檢測和水體檢測算法構建生成云水掩膜去除云體水體；閾值法火點提取與精度評價。

表 1 高分四號衛(wèi)星傳感器的主要參數(shù)Tab. 1 Main parameters of GF-4 satellite sensor

2.1 數(shù)據預處理

高分四號的多光譜和中紅外影像分別由PMS和IRS傳感器產出，需要將兩種影像進行波段合成，多光譜的全色波段于本文中沒有應用，因此將中波紅外代替全色波段重新組合為5個波段的新數(shù)據以減少數(shù)據量。利用全球200 m的DEM數(shù)據和landsat8全色波段影像對GF-4的IRS傳感器影像進行幾何校正，以幾何校正后的IRS數(shù)據為基準對新組合的5波段數(shù)據進行圖像配準，可以校正高分四號影像的幾何畸變和地理偏移。高分四號IRS傳感器影像存在椒鹽噪聲，在圖像上呈現(xiàn)為黑白雜點，使用中值濾波的方法對椒鹽噪聲進行去除[11]。

圖 2 高分四號火點提取技術路線圖Fig. 2 Technical roadmap of GF-4 fire point extraction

高分四號采用絕對定標的方式進行輻射定標，將記錄的原始DN值轉換為輻射亮度，定標公式（1）為：

式中：L為轉換后輻亮度，DN為衛(wèi)星載荷觀測值，Gain為定標斜率，Offset為絕對定標系數(shù)偏移量，其數(shù)值可在中國資源衛(wèi)星應用中心官網中查到，高分四號PMS采用特殊的積分時間的方式進行定標，根據頭文件中提供的積分時間選取對應的定標系數(shù)。

2.2 火點檢測算法參數(shù)

亮溫，即亮度溫度，是與觀測物體輻射出射度相等的黑體溫度，其在數(shù)值上等同輻射溫度。針對火點像元的提取就是根據火點像元與其他常溫像元在中紅外波段亮溫有較大差異而進行的[12]。將影像DN值定標為熱輻射強度L后，使用普朗克函數(shù)求解出星上亮度溫度[13]，亮溫計算公式（2）為：

式中：K1和K2為常量，其中K1=2h·c2·λ-5，K2=h·c·（k·λ）-1，h為普朗克常數(shù)， c為光速，k為玻爾茲曼常數(shù)，λ是等效中心波長，IRS的λ約為3.8008 μm。高分四號IRS傳感器的K1和K2的常量分別是K1=150 158.9，K2=3 785.45。

表觀反射率是指大氣層頂反射能量與太陽入射能量的比值，利用表觀反射率能夠對火點監(jiān)測中的非火點信息進行剔除。表觀反射率計算公式（3）為：

式中：π為圓周率、D為日地之間距離（天文單位）、ESUN為大氣層頂?shù)钠骄柟庾V輻照度，L通過輻射定標求得，θ為太陽天頂角。

NDVI是歸一化差分植被指數(shù)，利用NDVI可以消除大部分儀器標定、太陽角、地形和大氣條件等與輻射變化有關的信息[10]，是云檢測和水體檢測的重要參數(shù)。NDVI計算公式（4）為：

式中：NIR和R為輻射定標后近紅外波段（Band5）和紅光波段（Band4）的輻射亮度。

NDWI是歸一化水體指數(shù)，是基于綠波段與近紅外波段的歸一化比值指數(shù), 水體在可見光綠波段和近紅外波段有明顯差異，選用NDWI來加強兩波段區(qū)別，用來提取影像中的水體信息[14]。NDWI計算公式（5）為：

式中：G和NIR為輻射定標后綠光波段（Band3）和近紅外波段（Band5）的輻射亮度。

2.3 森林火點閾值判定

通過目視解譯的方式獲取火點亮溫樣本，利用Otsu（最大類間方差法）進行閾值最優(yōu)選擇[15]。

森林火點是植被燃燒產生的典型熱異常特征，在中波紅外影像上表現(xiàn)為與周圍其他地物有著明顯差異的亮斑，在真彩色影像上表現(xiàn)為點狀和團狀的煙霧，不易看出著火點，因此將波段合成后的數(shù)據1、4、5波段賦給R、G、B通道并直方圖拉伸進行假彩色顯示，可以明顯觀察到紅色的著火點，如圖3所示。根據上述解譯標志對森林火點進行目視解譯并利用目視解譯的火點矢量對GF-4/IRS亮溫計算結果進行裁切和數(shù)值提取獲得火點亮溫樣本。

利用Otsu對火點亮溫樣本進行判定選取火點閾值，其原理為：記灰度值t為前景與背景的分割閾值；前景點數(shù)和背景點數(shù)占圖像比例分別為w0、w1，平均灰度分別為u0、u1；圖像的總平均灰度為u=w0×u0+w1×u1；從最小灰度值到最大灰度值遍歷t，當t使得兩組間方差值g=w0×(u0-u)2+w1×(u1-u)2最大時，t即為分割的最佳閾值。直接應用Otsu計算量較大，因此一般采用了等價的公式（6）：

2.4 云體、水體去除

云層產生的遮擋和鏡面反射可能導致火點的漏判和誤判，水體因鏡面反射可能導致火點誤判[16～17]，因此在利用中波紅外數(shù)據進行火像元識別之前需要進行云像元和水像元判識并對二者進行掩膜去除。利用各波段的表觀反射率R以及NDVI、NDWI可以對云層和水體進行檢測。

云檢測結合劉心燕提出的GF-4云檢測算法[18]，公式（7），并加入中波紅外亮溫閾值，公式（8），對云體進行檢測。

水體檢測采用適宜當?shù)氐乃w檢測算法[19]，公式（9）為：

式中：Rb、Rg、Rnir為藍、綠、近紅外波段的表觀反射率，Amean為可見光三個波段表觀反射率的平均值，NDVI為歸一化差分植被指數(shù)，NDWI為歸一化水體指數(shù)，T為亮度溫度。

3 結果與分析

3.1 火點閾值

通過目視解譯獲得的火點矢量，對亮溫結果進行裁剪和統(tǒng)計后查看其亮溫分布，如表2、圖4：

圖 4 白天與夜間亮溫樣本直方圖Fig. 4 Histogram of daytime and nighttime brightness temperature samples

表 2 森林火點目視解譯亮溫樣本統(tǒng)計表Tab. 2 Statistical table of forest fire visual interpretation brightness temperature samples

利用Otsu分別對白天和夜間的火點亮溫樣本進行分析，得到白天和夜間的最佳火點判定亮溫閾值為公式（10），亮溫大于該閾值的像元則被認定為火點像元。

3.2 火點提取結果

經云、水掩膜處理后，根據Otsu判定的閾值，選擇了火災自2020年3月30日發(fā)生三天的3景GF-4影像進行火點提取，得到火點提取結果圖像，如圖5：

圖 5 火點提取結果Fig. 5 Fire point extraction results

圖中紅色線條區(qū)域為檢測到的火點，從中可以看出，該閾值算法能夠準確檢測到煙霧附近的火點以及煙霧不明顯的火點，并且被煙霧遮擋的火點像元也可以被檢測到。

3.3 精度評價

精度評價方法是將人工目視解譯的火點作為真值與本文算法所提取的火點檢測結果進行對比[20]，如圖6：

圖 6 真實火點與檢測火點對比圖Fig. 6 Comparison of real fire points and detected fire points

圖中藍色線條區(qū)域為目視解譯的真實火點像元，紅色區(qū)域為檢測的火點像元，二者吻合。

利用準確率P和漏檢率M來進行評價，通過綜合準確率和漏檢率的F值來進行統(tǒng)一的精度評定，如公式（11），精度評價結果如表5所示。

表 3 火點提取精度表Tab. 3 Accuracy table of fire point extraction

式中：Yy為檢測的火點為真實火點的個數(shù)，Yn為誤檢火點的個數(shù)，Ny為漏檢火點的個數(shù)，P和M分別為準確率和漏檢率，F(xiàn)為準確率和漏檢率的綜合評價指標。

從精度表中可以看出該閾值算法綜合指標在0.78以上，對火點的提取具有較好的識別效果。

3.4 結論

火點提取結果和精度評價結果顯示，本文所提供的GF-4中波紅外的亮溫閾值對于四川當?shù)氐幕瘘c提取具有較好的效果。而且之后隨著樣本數(shù)量的增加，利用Otsu判定的火點閾值可信度會更高，具有良好的應用前景。該方法也存在一定的局限性，一是該閾值適用于四川地區(qū)，對其他地區(qū)火點的檢測效果可能不佳；二是來源于GF-4衛(wèi)星本身，可見光由于自然光照條件限制，可成像時間為白天的 8 小時[21]，在夜間識別時無法利用可見光通道對云和水體進行去除，只能通過IRS影像對火點進行提取。該方法簡易實用，能夠在獲取到影像后快速展開火點識別工作并對著火點進行定位，為防災救災等工作提供參考依據。