新一代极轨气象卫星FY3A-VIRR数据的地表火监测算法研究与评价

王 钊

(陕西省农业遥感信息中心,西安,710015)

新一代极轨气象卫星FY3A-VIRR数据的地表火监测算法研究与评价

王 钊

(陕西省农业遥感信息中心,西安,710015)

首先对新一代极轨气象卫星FY3-VIRR(可见光红外扫描辐射计)传感器热异常监测特性进行描述,比较了VIRR、AVHRR、MODIS三个传感器的4μm通道光谱响应特征,给出 VIRR数据定标计算和几何校正的算法,在分析VIRR传感器热异常监测特性的基础上,给出考虑像元背景亮温的火点识别算法,经过试验得到云识别和火点检测参考阙值,利用2009年6月发生在关中地区的秸秆焚烧火点对该算法进行验证,并给出使用同样算法的MODIS卫星监测结果的比较,在选定的个例中VIRR火点识别能力要优于MODIS卫星数据。

FY3;VIRR;火点监测

0 引言

利用遥感技术对火灾进行监测始于20世纪70年代末。早期利用的卫星平台有 GOES、NOAA系列卫星等,随后SPOT、LANDSA T等卫星也被逐步应用于火灾的研究。其中NOAA/AVHRR数据因为波谱覆盖全、高时间分辨率的优势,成为全球范围内火灾监测广泛使用的数据。但是研究中发现AV HRR中红外波段不但受大气水汽影响大,而且在火灾监测中易出现饱和现象,影响监测精度。1999年美国发射的 TERRA卫星/MODIS数据在发现和测定火灾方面具有很大优势:跟AVHRR相比4μm波段受水汽影响更小,更不易出现饱和,同时具有较高光谱分辨率。NASA的研究小组对MODIS数据的火灾监测算法进行了大量研究,开发出了多种算法。Kaufman[1-3]1998年提出了绝对火点的检测算法,并使用该算法在全球范围内进行监测,据实际的监测结果来看,绝对火点的算法有两个突出问题:一个是在沙漠、植被稀少的地区误报率太高,第二个是农业用火的小火点漏报比较多。针对以上问题,Giglio[4]提出了前后联系的火点检测算法V4,对 Kaufman绝对火点的算法进行了修正,提高了低温火点的检测精度。国内有众多学者对于MODIS卫星监测地表火的方法和个例做了深入研究,认为MODIS数据在火灾监测中具有很好的应用前景[5-15]。

风云三号气象卫星是我国的第二代极轨气象卫星,FY3A和FY3B分别在2008年和2010年发射成功,目前数据系统已经业务化稳定运行。其中卫星载荷 FY3-VIRR传感器(可见光红外扫描辐射计)设计考虑了热异常监测的应用,设计了对高温敏感的中红外波段。本文针对VIRR数据的特点,考虑了绝对火点识别和火点背景信息处理,设计了算法,并给出该算法在业务应用中的范例。

1 地表火监测基本原理

普朗克定律给出了黑体辐射强度与温度、波长的关系:

其中M为辐射出射度;h为普朗克常数;k为波尔兹曼常数;c为光速;λ为波长;T为热力学温度。根据式(1),中红外比热红外波段数据对高温的反应更灵敏,因此利用卫星探测数据的这个特性可以提取热异常点。地表实验发现地表火的辐射光谱峰值一般在 3.7μm 附近[16]。

2 FY3-VIRR数据特点及其在火监测中的应用

FY3搭载的VIRR载荷共有10个1km分辨率的光谱通道[17],其中第三通道波长分布在3.55μm～3.93μm,处于对高温热源比较敏感的4μm波长附近。第四通道波长分布在11μm波长附近,对高温的响应相对迟缓。因此利用三、四波段光谱差异可以提取热异常点。另外使用1、2通道可以识别云和水,结合耀斑角可以滤除耀斑,利用1,2通道计算出NDVI可以用于过火面积提取。如表1。

表1 VIRR数据地表火监测主要波段和分布Table 1 The main band of VIRR data for fire monitoring

3 FY3-VIRR 与 MODIS、AV HRR数据4μm波段光谱响应比较

图 1和表 2分别给出了 VIRR、MODIS、AV HRR数据4μm波段比较以及响应函数的分布(MODIS第22波段、AVHRR第3波段、VIRR第3波段):AVHRR和VIRR响应函数均为单峰分布,峰值波长在3.7μm附近,MODIS波段响应曲线呈双峰分布,峰值波长位于3.95μm附近。VIRR光谱响应范围覆盖最宽,MODIS光谱响应范围最窄。根据MODTRAN模型模拟了标准大气透过率,在3.55μm～3.95μm窗区通道,主要的吸收气体为:水汽、二氧化碳混合、一氧化二氮、甲烷和气溶胶,它们对大气透过率的总吸收贡献为20%～30%,越靠近4μm大气影响越小[18,19]。因此受大气影响的程度VIRR数据最大,MODIS最小。使用维恩定律计算对应的峰值温度可以得到,VIRR峰值温度为790K,AVHRR峰值温度为 780K,MODIS为730K,表明VIRR敏感的峰值温度比其他两个传感器高。实际应用中传感器对高温热源辐射响应会出现饱和现象,计算饱和温度MODIS最高,AVHRR最低320K。

表 2 VIRR、MODIS、AVHRR 4μm波段比较Table 2 The comparison of VIRR,MODIS,AVHRRat 4μm

图1 VIRR、MODIS、AVHRR波段响应函数比较(4μm)Fig.1 Comparision of response functions of VIRR、MODIS、AVHRR

4 VIRR L1数据预处理算法

在得到到VIRR L1级数据后,需要对数据定标得到可见光波段的反射率和红外波段的亮温,再进行几何校正,具体步骤如图2.

图2 数据预处理流程设计Fig.2 The flow of data processing of VIRR

4.1 辐射定标算法

4.1.1 反射率定标和太阳高度角校正

其中,P为通道反射率,θ为太阳高度角,S为斜率,I为截距,参数从文件属性数据读取,CE为可见光和近红外通道的DN值。

4.1.2 红外通道定标方法

红外通道定标首先对DN值进行计算得到辐射温度,再利用普朗克公式得到亮温。

4.2 几何校正算法

首先设定投影方式,读取经纬度两个科学数据集,作为控制点数组,计算出投影后的范围,对逐控制点进行映射计算,得到向后映射的控制点坐标。然后进行灰度重采样后输出结果,把输出图像中的点行列坐标仿射变换到输入影像中,并进行双线性插值补全灰度值,输出结果。使用 IDL语言编程实现了以上处理步骤,为进一步做火点识别打好基础。

5 火点监测算法设计

火点识别算法主要步骤有:云和水像元判断,疑似和绝对火点判断,对疑似火点的背景值进行计算。

5.1 云和水像元判断

利用云体在0.58μm～0.68μm波长附近具有高反射率,在红外区域低亮温值的特点判断,经过大量实验发现满足公式(3)的可以判识为云:

式中ρ1为第一波段的反射率,T4为第四波段亮温值。

水体的判识采用1和2波段的归一化比值,小于0的判识为水像元。

ρ1,ρ2为 1,2波段反射率。

5.2 非火点像元滤除

VIRR数据定标后亮温值较MODIS要高,经过试验设定315K可以滤除非火点,规定 T3<315 K或者 T3-T4<10判断为非火点,其中 T3为第三波段亮温值。

5.3 绝对火点和疑似火点的判别

像元满足公式5或者6的条件,判识为绝对火点,介于绝对火点和非火点之间的判识为疑似火点。

5.4 疑似火点背景温度处理

对于疑似火点,进一步分析像素跟背景窗口的亮温差异,在使用相同的背景系数时,背景窗大小提高会降低误报率[15],在试验中发现当窗口大于11×11时,检测的效果趋于稳定,同时考虑计算的效率,选择3×3一直到11×11的窗口,规定窗口中疑似火点像元的个数要超过80%,不包含云、水、和绝对火点像元,同时满足公式(7),(8)的判断为火点。

T3b为第三波段背景亮温,T31b为中心点像素和周围像素亮温差平均值,δT3b为背景像素的标准差,δT31b为中心像素和背景像素亮温差标准偏差。

5.5 滤除耀斑

在进行大量实验发现,太阳光的镜面反射辐射可以引起辐射亮温的急剧升高,造成火点的假象,比如下垫面植被稀疏的戈壁,另外一定的观测方位下小块的卷云边界也会引起辐射亮温的急增,这里使用散射角附加反射率条件对这种情况进行滤除,耀斑角的计算方法[5]公式 (9),θg为耀斑角,即地表到卫星以及镜面反射率方向两矢量的夹角,θv为卫星天顶角,θs为太阳天顶角,φ为两个方位角之差,对个例计算得到:星下点的耀斑角最小,偏离星下点越远耀斑角数值越大,经过试验满足公式(10)的可以判识为耀斑。

6 算法应用实例

2009年6月陕西关中地区麦收区出现了大面积焚烧秸秆的现象。选择6月12日11点的VIRR数据进行监测,同时选择11点30分的MODIS数据作比较验证,除了滤云和亮温阙值有差异,对两颗卫星采用相同的火识别算法。

6.1 VIRR和MODIS数据比较分析

图3给出了MODIS和VIRR4μm亮温与(4μm～11μm)亮温差分布散点图。像元主要集中在两个区域,左边亮温值较低对应图像上秦岭林区,右上角像元集中区主要是关中地区陆表,亮温较高,其余散点大部分为云。图3a中最右边为亮温高值区,经过耀斑角计算判断为伪火点,由图3 VIRR 4μm波段亮温值和4μm～11μm亮温差数值均较 MODIS偏高,两个数据均没有像元满足360K的条件,因此4μm和11μm通道的亮温差异和背景亮温差异是火点识别的主要条件。由散点图还可以得到VIRR亮温值整体较MODIS偏高。

图3 MODIS和 VIRR 4μm和(4μm～11μm亮温差)散点图单位 K(a为MODIS;b为VIRR颜色代表点出现的频率)Fig.3 Bright temperature scatter diagrams of MODIS and VIRRat 4μm and(4μm～11μm)

6.2 检测结果的比较

图4给出了MODIS和VIRR火点监测结果,由表3和表4,VIRR识别出7个火点,MODIS仅有2个,其中VIRR仅有3个满足绝对火点的条件,另外4个由背景温度条件识别出,MODIS两个都符合绝对火点条件。由图4,两颗卫星均在关中东部监测到了火点,空间位置一致,但是MODIS仅监测到了两处高温火,而VIRR在两处火的周围都检测出了低温火点,VIRR。因此,从此次个例分析得到VIRR传感器对低温火的识别要优于MODIS卫星。图4中MODIS卫星东部云系向西移动,导致MODIS未在东部监测到火点。

图4 火点识别结果(黑色的为火点 (a)为MODIS、(b)为 VIRR)Fig.4 The distribution of fire point(a:MODI S,b:VIRR)

表3 VIRR卫星火点列表Table 3 The fire point from VIRR data

表4 MODIS卫星火点列表Table 4 The fire point from MODIS data

7 结论与讨论

本文在分析VIRR传感器热异常监测特性的基础上,给出考虑像元背景亮温的火点识别算法,经过试验给出云识别和火点检测参考阙值。得到:

(1)通过计算VIRR数据像元与背景窗口的亮温差异,可以提高对低亮温值火点的识别精度。对于偏离星下点较远的高亮温火点,通过计算耀斑角,结合反射率判识是否伪火点。

(2)在对VIRR卫星4μm波段定标后,发现反射率和亮温值均较MODIS偏高,可能由于传感器光谱响应特性或者来自定标误差。

(3)从此个例看,国产的VIRR数据4μm波段对地表热异常点的识别能力要优于MODIS卫星,是否具有普遍性,需长期大量的个例进行验证。

[1]Kaufman YJ,Tucker CJ,and Fung L.Remote sensing of biomass burning in the tropics[J].Journal of Geophysical Research,1990,95:9927-9939.

[2]Kaufman YJ.Justice CO.Algorithm Technical Background Document-MODIS Fire Products[S],MODIS Science Team,1998.

[3]Kaufman YJ,Justice CO.Potential global fire monitoring from EOS-MODIS[J].Journal of Geophysical Research,1998,103:32215-32238.

[4]Giglio L,Descloitres J.An enhanced contextual fire detection algorithm for MODIS[J].Remote Sensing of Environment,2003,87:273.

[5]周梅,等.使用MODIS监测火点的几个问题探讨[J].干旱区资源与环境,2006,(3):179-182.

[6]周小成,汪小钦.MODIS林火识别算法的验证分析[J],火灾科学,2006,(1):31-37.

[7]崔学明,王林和,周梅.MODIS及ASTER卫星数据在林火面积估算中的应用[J],干旱区资源与环境,2008,(1):31-35.

[8]覃先林,易浩若.基于MODIS数据的林火识别方法研究[J].火灾科学,2004,13(2):83-89.

[9]梁芸.利用 EOS/MODIS资料监测森林火情[J].遥感技术与应用,2002,17(6):310-312.

[10]刘良明,部俊洁.MODIS数据在火灾监测中的应用[J].武汉大学学报,2004,29(1):55-58.

[11]周利霞,高光明,邱冬生.基于MODIS数据的火点监测指数方法研究[J],火灾科学,2008,17(2):78-82.

[12]付迎春,袁修孝,宋妍.基于MODIS影像的森林火灾火线检测方法[J],遥感学报,2009,13(3):542-547.

[13]赵凤君,王明玉,舒立福.气候变化对林火动态的影响研究进展[J],气候变化研究进展,2009,5(1):51-52.

[14]周艺,王世新,王丽涛.基于MODIS数据的火点信息自动提取方法[J].自然灾害学报,2007,16(1):88-90.

[15]肖霞,宋卫国.基于类间方差的森林火灾火点检测方法[J].光谱学与光谱分析,2010,5(1):51-52.

[16]田国良.热红外遥感[M],电子工业出版社,2006:373-374.

[17]杨军,董超华,卢乃锰.中国新一代极轨气象卫星-风云三号[J],气象学报,2009,67(4):501-503.

[18]戎志国,张玉香,刘诚.中波红外火情遥感的大气辐射传输特性[J].红外与激光工程,2009,38(4):590-592.

[19]戎志国,刘诚,孙涵.卫星火情探测灵敏度试验与火情遥感新探测通道选择[J].地球科学进展,2007,20(8):866-868.

Research and evaluation of the algorithm of land surface fire detection based on FY3-VIRR data

WANG Zhao

(Shaanxi Remote Sensing Information Center for Agriculture,Xi’an,710015,China)

In this paper,we first examine the characters of FY3-VIRR data and their application in monitoring the surface thermal anomaly pixels.Further,the response characteristics at 4μm of VIRR,AVHRR and MODIS are compared,and the calibration and calculating algorithm of VIRR is presented.We proceed to propose the method of monitoring thermal anomaly pixels using VIRR data,for which the background temperature is considered.The reasonability this method is validated by the data of biomass burning occurred in June 2006.It is finally concluded that the thermal anomaly detection capability of VIRR data at 4μm is superior to MODIS data in selected cases.

FY3;VIRR;FIRE detection

P49

A

1004-5309(2011)-0140-06

2011-01-25;修改日期:2011-05-23

王钊(1980-)工程师,甘肃人,主要从事遥感应用方面的研究。