可見光紅外成像輻射儀數據林火識別算法研究

馬芮，孫林，袁廣輝，韋晶

（1.山東科技大學 測繪科學與工程學院，山東 青島 266510；2.航天恒星科技有限公司，北京 100086）

0 引 言

森林火災具有突發性強、破壞性大、極易蔓延等特點。火災發生時，向大氣排放煙塵、一氧化碳等有害物質，不僅嚴重污染大氣環境，還可能導致生態失衡，影響人類正常的生產生活。建立快速、準確的火災監測系統，對于及時地采取措施、控制火情、降低損失，具有重要意義。常規的火災監測主要依靠地面站點監測，消耗人力多、可監測的范圍小，無法滿足火災監測需求。衛星遙感具有監測范圍廣，實時性強的特點，不僅可以及時地提供準確的火點地理信息，監測火災的動態蔓延趨勢，還可以實現火燒跡地計算、災后評估等工作。因此，借助遙感影像，高精度、高效率地實現森林火點信息提取的研究，得到越來越多的重視。

20世紀70年代末到80年代初，人類開始使用衛星遙感技術監測大面積火災。隨著遙感技術的發展，特別是一些高質量衛星傳感器的出現，使得遙感技術在林火監測中得到了越來越廣泛的應用。多種衛星傳感器在火災監測中發揮著重要的作用，如Gonzalez－Alonso等［1］基于5波段的 NOAA－AVHRR（Advanced Very High Resolution Radiome－ter）數據，構建了亮溫－植被指數監測模型，并將其應用于西班牙瓦倫西亞地區東部的火災監測中。1999年和2002年，美國分別發射了Aqua和Terra衛星，搭載了中等分辨率成像光譜儀（Moderate－resolution Imaging Spectroradiometer，MODIS），由于其寬波段覆蓋、高時間頻次、高數據質量的特點，使得衛星遙感監測火災的技術及應用得到了更為快速的發展。基于該數據，Kaufman［2］研究了火點監測算法，并監測了巴西、非洲的森林大火?；谖覈男l星遙感數據，研究人員也深入探索了不同衛星數據的火災監測方法，并在多次火災監測中開展了示范應用。王釗等［3］應用FY3－VIRR傳感器成功監測了陜西關中地區的大面積火災；郭朝暉等［4］使用HJ－1BCCD和IRS數據對澳大利亞火災進行了實時監測，為澳大利亞當局提供了有效的火災應對信息。

作為NPOESS（美國國家極軌業務環境衛星系統）的首要關鍵載荷，VIIRS（Visible Infrared Imaging Radiometer Suite，即可見光紅外成像輻射儀）繼承和發展了AVHRR和MODIS傳感器的參數設計，使用可見光到近紅外波段范圍的22個通道采集圖像。VIIRS影像覆蓋寬度為3000km，每4小時經過一次赤道上空，兼具多光譜、多高空間分辨率和短重訪周期的特點，在資源勘探、災害防范、生態監測等方面都發揮著重要的作用［5－6］。針對VIIRS數據的特點，Wilfrid Schroeder等［7］研究了基于上下文算法，結合375m分辨率的I波段進行火點提取的方法。但是中紅外波段較低的飽和溫度以及較小的地面覆蓋，導致提取火點時頻繁飽和。針對該問題，本文提出了新的火點監測算法，有效減少了火點漏檢現象的出現。同時，該算法在一定程度上還可以較好地降低大氣效應的影響，不僅在判別精度上有很大的提高，在判別效率上也得到了提升。以2013年發生在美國加州斯坦尼斯勞斯國家森林公園大火為例，對該方法的可行性進行了驗證。

1 數據源介紹

VIIRS傳感器在0.412μm～12.010μm的波長范圍內，設有22個通道，包括5個高分辨率圖像通道（I1－I5波段，分辨率為375m）、16個中分辨率通道（M1－M16波段，分辨率為750m）以及一個全色晝夜觀測通道（DNB，分辨率為750m）。VIIRS的SDR（Sensor Data Record）數據產品是經過定標后的影像文件，提供所有波段的輻射亮度信息，可見光和近紅外波段的反射率信息以及長波紅外（LWIR）、短波紅外（SWIR）波段的亮度溫度信息［8］。另外，該數據還設有一個雙增益熱輻射波段，專門用于火災監測。表1列舉了本次實驗所使用的VIIRS的主要波段信息。

表1 VIIRS部分波段介紹

2 VIIRS火點信息提取方法

2.1 火點信息提取技術流程

圖1 流程圖

2.2 三通道合成法［9］

根據對不同地物的反射波譜特征的分析發現：利用M11、M7、I1波段RGB合成的影像，可以有效地突出森林火點的影像特征。表2列舉出了不同地物類型在3個通道上的反射率均值，可以看出：火點在M11波段的反射率均值明顯高于其他地物，在三通道合成的影像中，火點整體呈現粉紅色，與周圍地物差異明顯。

表2 不同地物類型三通道反射率均值統計表

2.3 FPI－NDVI法

（1）歸一化火點監測指數模型

由火點監測原理可知，植被燃燒時，輻射峰值波長在4μm附近，周圍地物輻射能峰值波長在11μm左右。根據VIIRS的波段分布，選取 M13波段（3.970μm～4.130μm）的亮溫作為植被燃燒時的觀測值，M15波段（10.263μm～11.263μm）的亮溫作為背景像元觀測值。以目視解譯的火點為中心，分別繪制兩通道的橫向剖面圖如圖2、圖3所示。

圖2 M13剖面圖

圖3 M15剖面圖

從兩通道的橫向剖面圖中可以看出：在著火點處，M13的亮度溫度呈現明顯的上升趨勢，最高亮溫接近377K，遠遠大于周圍背景像元亮溫；處于長波紅外波段的M15，火點處亮溫雖然也呈現局部小峰值的特點，但是數值明顯低于M13。而在非著火點處，兩個通道的亮溫觀測值基本一致，增減趨勢也大致相同。通過兩波段的差值處理，可以較好地過濾掉背景信息干擾，并且達到增強火源信息的目的。

根據這一原理，周利霞等［10］提出了基于雙波段亮溫觀測值的分裂窗形式的火點監測指數模型FPI（Fire Point Index）：

其中：T4代表M13波段的亮度溫度，T11代表M15波段的亮度溫度。

在非火點處，FPI值較小，且相對穩定。當靠近火點時，FPI值迅速變大，火點很明顯的區別于周圍地物。如圖4所示，非著火區的FPI數值大部分集中在0.005以下，且基本變動不大，而火點處數值在0.10以上，接近周圍地物FPI值的20倍，遠遠擴大了火點與背景的差異性。

圖4 FPI剖面圖

（2）歸一化植被指數的應用

歸一化植被指數（NDVI）是利用植被在可見光和近紅外波段特殊的反射差異特點定義的一種指數，用來描述植被生長狀態及覆蓋度，與葉面積指數（LAI）、綠色生物量、植被覆蓋度、光合作用等植被參數存在較高的相關性，是監測地區或全球植被和生態環境變化的有效指標。

考慮到所提取的火點信息有可能為非林火熱點，比如沙地、裸地、城市熱島等。選取同地點火災前無云的VIIRS影像，利用公式（2）計算出該地的植被指數，獲得相應的植被分布狀況，按一定的閾值提取出林地覆蓋較大且相對集中的區域，劃定為可燃區。如果熱點所處位置為可燃區，則判斷為林火點，否則為非林火點。對非林火熱點予以排除，從而提高火點識別精度［11－12］。

3 火點提取結果與驗證

3.1 研究區概況

2013年8月17日，美國加州斯坦尼斯勞斯國家森林公園（Stanislaus National Forest Park）發生火災，整個火災一直持續到9月份初，快速蔓延的火勢燒焦了超過10萬英畝的土地，對美國加州地區造成了難以估量的經濟和資源損失。本次實驗所使用的影像數據為2013年8月26日的VIIRS SDR產品。實驗區選取優勝美地國家公園（Yosemite National Park）西部大約（37°4′46.00″N，119°9′27.54″W）處的大范圍火源區，以及公園北部大約（39°0′20.41″N，120°4′50.05″W）附近的較小火源區，如圖5所示。實驗區云量低于10%，經云掩膜濾除后對火點提取影響不大。

圖5 實驗區影像

3.2 火點信息提取

經三通道合成法（M11、M7、I1）生成的影像，各種地物色彩差異明顯，火點呈現出明顯的粉紅色，與周圍地物區分度較高。在該影像上對火點、植被、云區、煙霧、陸地、水體、火燒跡地分別進行采樣處理，統計各個地物類型樣本點的FPI值，結果如下。

圖6 不同地物類型火點指數對比圖

由圖6可以看出，火點的FPI值在0.0078～0.1665之間，煙霧、植被、陸地、水體、火燒跡地的FPI值均在0.005以下，且與火源的區域沒有交叉部分。只有云的范圍與火源FPI值有很大程度的重合，可以推斷，云是影響該方法提取火點的主要干擾因素。由于采樣點個數的局限性，其余地物如煙霧等，也有可能影響到最終的提取結果。

（1）云掩膜處理

與下墊面相比，云層在可見光和近紅外具有較高的反射率，在熱紅外波段具有相對較低的亮度溫度。結合著這兩個特點，除去研究區域內的云覆蓋像元［13］。條件如下：

其中，ρI1為I1波段的反射率，TM14、TM16分別為M14波段以及M16波段的亮度溫度。

（2）煙羽掩膜處理

應用Xie［14］提出的煙探測算法，識別煙羽區域，并構建掩膜將其去除。如果像元同時滿足式（4）中的4個條件，則被判定為煙羽像元。

其中，ρMi代表Mi波段的反射率值。（i＝1，2，3，11）

（3）火點信息提取

圖7 樣本火點分布直方圖

根據圖7所示樣本火點的FPI分布直方圖，結合人機交互確定火點提取閾值為（0.0419，0.1665），如圖8是濾除云和煙霧后的可疑火點提取結果圖。

圖8 濾除云、煙霧前后對比圖

根據結果圖，可以看出：在實驗點1的標號1處，淺藍色像元（煙霧）被識別成了火點；在試驗點2處，多處煙霧、云被錯誤識別成了火點像元。由此可見，在利用FPI進行火點信息識別及提取之前，去除煙霧和云的影響是一項很重要的工作。

（4）濾除耀斑處理

VIIRS影像具有±56°左右的寬視場角，難以避免太陽耀斑的影響。耀斑在光學圖像上一般表現為非常亮的光斑區，它的存在會造成火點的錯判現象。M12（3.660μm～3.840μm）和 I4（3.550μm～3.930μm）兩個通道波段范圍及波寬相近，同名點地物亮溫值相差不大，而耀斑在相近波段上的亮溫差異明顯，利用兩波段的差值，可以濾除耀斑區域。條件如下：

其中，TM12、TI4分別代表 M12、I4波段的亮度溫度。滿足式（5）的像元都可以認為是耀斑像元。

根據對比圖可以看出，圖中兩個箭頭處的3個像元被識別成了耀斑。

圖9 耀斑濾除前后對比圖

（5）NDVI修正

圖10 NDVI修正前后對比圖

森林火災的發生必然在植被茂盛的地區，結合NDVI指數，確定閾值提取火災前該地區的植被分布，閾值范圍之內定為可燃區，其余為非可燃區。像元只有位于可燃區范圍內，才有可能發展成為林火點。本文選取NDVI＞0.47來提取可燃區分布。

經NDVI修正，對圖10虛線方框內位于非可燃區的3個像元點予以排除。

3.3 結果驗證

采取8月23日和31日的Landsat ETM＋／OLI影像數據進行對比分析。如果8月23日的影像上像元為植被、火點，31日對應像元中存在火燒跡地，則判斷8月26日相應像元處所提取的火點為真實火點的可能性很大；如果23日與31日影像上同名像元都為植被，則判斷該火點識別錯誤。針對算法所提取出來的116個火點進行逐像元分析，結果如表3所示。

表中加粗的部分代表該火點錯判、誤判的可能性最大，其余火點基本接近真實火點。結果表明，實驗點1的提取結果精度較低，只有33.3%的火點基本接近真實火點；實驗區2中，85%以上的火點接近真實火點。發生錯判、誤判的可能原因為：本次實驗只是對火災區的明火點進行了提取分析，沒有考慮煙霧覆蓋下的燜燒火點；VIIRS數據的空間分辨率較低，由于混合像元的因素，如果該區域覆蓋大量的植被面積，僅有少量火點信息，則容易將像元錯判為非火點像元，降低最終結果精度。

表3 研究區火點提取結果驗證分析

4 結束語

本文研究了VIIRS數據的火點信息提取方法，基于該方法識別和提取了2013年8月26日美國加州斯坦尼斯勞斯國家森林公園大火的火點信息。結合VIIRS數據的波段特征，確定了基于 M11、M7、I1的三通道合成的火點監測方法，取得了很好的監測效果。

實驗證明，基于亮溫的火點監測指數模型FPI與NDVI相結合的方法，能有效提取火點信息。在美國加州優勝美地公園附近“環火”的火點信息提取實驗表明，其準確率可達到85%以上。該方法不僅避免了閾值法中溫度飽和所造成的高溫火點漏判現象，還減少了裸土、城市熱島等非火點地面恒熱源的誤判，可以滿足火點監測需求。

本次實驗只是對加州地區著火區域的明火點進行了提取分析，并沒有考慮到煙霧下覆蓋的燜燒火點。使用的數據分辨率為750m，空間分辨率較低，需要進一步探索混合像元中著火點所占比例。

［1］GONZALEZ－ALONSO F，CUEVAS J M，CASANOVA J L，et al.A forest fire risk assessment using NOAA AVH－RR images in the valencia area eastern spain［J］.International Journal of Remote Sensing 1997，18（10）：2201－2207.

［2］KAUFMAN Y J，JUSTICE C，FLYNN L.Monitoring global fires from EOS－MODIS［J］.Journal of Geophysical Research，1998，102（29）：611－624.

［3］王釗.新一代極軌氣象衛星FY3A－VIRR數據的地表火監測算法研究與評價［J］.火災科學，2011，20（3）：140－145.

［4］郭朝暉.環境減災衛星影像森林火災監測技術方法研究［J］.遙感信息，2010，25（4）：85－99.

［5］MILLER S D.Previewing NPOESS／VIIRS imagery capabilities［J］.American Meteorological Society，2006，4：433－446.

［6］CAO CY，XIONG XX，BLONSKI S，et al.Suomi NPP VIIRS on－orbit performance，data quality，and new application［J］.Earth Observing Missions and Sensors：Development，Implementation，and Characterization II，85280D，2012（9）：1－8.

［7］WILFRID S，PATRICIA O，LOUIS G，et al.The new VIIRS 375mactive fire detection data product：Algorithm description and initial assessment［J］.Remote Sensing of Environment，2014，143：85－96.

［8］SCHUELER C F，LEE T F，MILLER S D，et al.VIIRS constant spatial－resolution advantages［J］.International Journal of Remote Sensing，2013，34（16）：5761－5777.

［9］梁蕓.利用EOS／MODIS資料監測森林火情［J］.遙感技術與應用，2002，17（6）：310－312.

［10］周利霞，高光明.基于 MODIS數據的火點監測指數方法研究［J］.火災科學，2008，17（2）：77－82.

［11］繆婷婷，沈潤平.基于背景信息的 MODIS林火自動提取算法［J］.測繪科學，2013，38（5）：49－60.

［12］周小成，王小欽.EOS－MODIS數據林火識別算法的驗證和改進［J］.遙感技術與應用，2006，21（3）：206－211.

［13］HUTCHISON K D，LISAGER B D，HAUSS B.The use of global synthetic data for prelaunch turning of the VIIRS cloud mask algorithm［J］.International Journal of Remote Sensing，2012，33（5）：1400－1423.

［14］彭光雄，沈蔚，胡德勇，等.基于煙羽掩膜的森林火點 MODIS探測方法研究［J］.紅外與毫米波學報，2008，27（3）：185－189.