多源卫星遥感秸秆焚烧过火面积动态监测

武喜红，刘 婷，程永政，王来刚，郭 燕，张 彦，贺 佳



多源卫星遥感秸秆焚烧过火面积动态监测

武喜红，刘 婷※，程永政，王来刚，郭 燕，张 彦，贺 佳

（河南省农业科学院农业经济与信息研究所，郑州 450002）

该文针对秸秆焚烧过火面积动态监测中高时间、高空间分辨率难以同时实现的问题，提出利用多源数据（Landsat8、GF-1、HJ-1A/B）来提升中分辨率卫星遥感的观测频次，并通过叠置分析和面向对象影像分析技术提高面积提取精度。使用该方法对河南省太康县进行了8次单日内全覆盖的秸秆焚烧过火面积提取，并通过变化检测获取各乡镇农田秸秆焚烧的累计过火面积、新增过火面积和新增过火农田翻耕面积的时空变化趋势。经验证，面积提取精度达93.89%以上，秸秆焚烧新增过火面积变化趋势与环保部监测结果基本相符。经分析，秸秆焚烧通常会在农作物大面积收割后的某个时间点开始，由若干个起火点随时序朝某个主方向进行传播蔓延，过火区域会随之出现间歇性的大范围翻耕，二者同时进行，即秸秆焚烧新增过火面积与新增过火农田翻耕面积随时序呈反向波浪状变化。说明相比利用低空间分辨率遥感数据进行广域监测，该方法可得到时效性强且精度更高的过火面积空间分布信息，能揭示出秸秆焚烧现象在县、乡尺度上的变化规律与细节。

遥感；秸秆；焚烧；过火面积；面向对象；变化检测

0 引 言

秸秆属于农业副产品，一般指小麦、薯类、水稻、玉米、甘蔗以及棉花等作物在收获籽实后剩余的部分[1]。中国是农业大国，秸秆年产量占世界总产量的30%以上，直接焚烧不仅会造成环境污染[2-4]，引发火灾并危害交通安全[5-7]，还会破坏土壤结构[8-10]。由于秸秆焚烧具有随机性和分散性，地面人工调查等传统手段难以提供及时、广域的监测信息，而卫星遥感覆盖范围广、时效性强、性价比高，近年来成为环境保护部门监测秸秆焚烧的主要技术手段。已有研究与应用多侧重于秸秆焚烧火点监测，主要是利用MODIS（moderate resolution imaging spectroradiometer）等传感器的热红外波段，对卫星过境瞬间地面火点的位置、数目和分布规律等进行分析[11-18]。相比于火点信息的瞬时性，过火面积信息在地面存留的时间较长，能更全面地反映秸秆焚烧火情随时间变化的空间分布特征。目前，秸秆焚烧过火面积动态监测一般采用多源卫星遥感来提升观测数据的时间、空间分辨率。余超等[19]将Landsat5卫星数据的过火区解译结果与MODIS卫星数据的火点解译结果做匹配，并基于最小二乘拟合方法建立过火面积与火点数量的关系模型，使低空间分辨率环境卫星数据秸秆焚烧过火面积估算精度明显提升。陈洁等[20]基于卫星遥感图像光谱分析和混合像元分解技术，利用高分一号卫星（GF-1）数据计算风云三号气象卫星（FY-3）数据像元内农田分布面积比例和农田过火程度参数，大幅提高了气象卫星数据秸秆焚烧过火面积估算精度。但由于秸秆焚烧过火区内多种地物混杂，而MODIS和FY-3等数据空间分辨率较低，无法得到高频次、高精度的过火区面积空间分布信息。

针对秸秆焚烧过火面积动态监测中高时间、高空间分辨率难以同时实现的问题，本文提出一种根据数据分辨率和重访周期协同使用多源卫星遥感影像进行秸秆焚烧过火面积动态监测的方法。以河南省周口市太康县秋粮作物秸秆焚烧为研究对象，利用面向对象影像分析（object- oriented image analysis，OOIA），通过地面调查建立遥感解译标志，进行多期单日全覆盖的秸秆焚烧过火面积提取，并利用空间时序叠置分析的方法进行秸秆焚烧过火面积变化检测。

1 研究区与数据准备

1.1 研究区概况

河南省周口市太康县，地处豫东平原区（114°31¢56²-115°8¢3²E，33°53¢58²-34°17¢9²N），下辖23个乡镇，土地总面积1 759 km2，其中耕地面积约1 140 km2。地势西北高东南低，涡河以北及城西部为黄泛区，冲沟较多。夏季温热多雨、冬季寒冷干燥，年均气温14.5 ℃，年均降水量555. 8 mm，全年无霜期220 d。太康县秋粮作物以玉米、大豆为主，属河南省秸秆禁烧重点监控区域。

1.2 数据收集与处理

本研究使用的卫星遥感数据为2014年河南省秋粮作物秸秆焚烧期间获取的Landsat8、GF-1和环境星（HJ-1A/B）影像。其中Landsat8的陆地成像仪（operational land imager，OLI）影像包含9个波段，重访周期为16 d，可生成15 m融合多光谱影像[21-22]；GF-1的宽幅多光谱相机（wide field of view，WFV）影像分辨率为16 m，包含4个波段，传感器组合重访周期为4 d，而全色多光谱相机（panchromatic/ multispectral sensor，PMS）数据可生成2 m融合多光谱影像[23]；HJ-1A/B的CCD（charge coupled device）影像分辨率为30 m，包含4个波段，双星组合重访周期为2 d[24]。

根据太康县玉米收割进度，自10月3日首次解译出秸秆焚烧，至10月15日秸秆焚烧结束，共获取8个时相的卫星影像数据（表1），数据源组合重访周期约为1.6 d。

表1 卫星影像数据

卫星数据预处理包括大气校正、正射校正、投影变换与影像融合。大气校正采用MODTRAN4+辐射传输模型，多光谱数据校正为地表反射率，全色数据定标为大气表观反射率。正射校正以太康县资源3号卫星2.1 m正射影像为基准，使用双线性插值重采样和数字高程数据（digital elevation model，DEM）辅助的投影变换校正法，均方根误差（root mean square error，RMSE）小于0.5个像元[25-26]。影像投影统一采用Albers圆锥等面积投影，参考椭球体为Krasovsky1940。Landsat8 OLI及GF-1 PMS影像的融合采用Gram-Schmidt算法。

与此同时，收集了同时期内环保部发布的《环境卫星秸秆焚烧遥感监测日报》与《气象卫星秸秆焚烧火点监测日报》[27]。日报包括利用MODIS系列环境卫星与风云系列气象卫星得出的秸秆焚烧火点数和火点坐标等信息。

为建立遥感影像解译标志和对面积提取结果进行精度验证，于2014年10月3日、6日与10日在太康县进行实地野外调查，利用全球定位系统（global positioning system，GPS）设备采集地面样本点共计352个，其中秸秆过火后未翻耕区样本点235个、秸秆过火后翻耕区样本点40个、未过火秸秆区样本点77个，结合解译标志，3种卫星数据均可清晰判读出过火区域的分布，如图1所示。

2 研究方法

2.1 总体思路

3种卫星数据，Landsat8 OLI影像分辨率最高，但重访周期最长；GF-1 WFV影像的分辨率高于HJ-1A/B CCD影像，且重访周期较短；HJ-1A/B CCD影像的分辨率最低但重访周期最短，可用数据最多。为了协同应用多源卫星数据，进行秸秆焚烧过火面积提取时，优先使用Landsat8 OLI影像提取秸秆焚烧过火面积，GF-1 WFV影像次之，HJ-1A/B CCD影像作为前两者的补充数据使用。

研究的总体技术流程见图2。首先将经过预处理的多源卫星遥感影像与野外实测样本进行比对，建立主要地物解译标志，然后利用面向对象分类方法提取秸秆焚烧过火面积。为最大限度剔除非耕地地物的影响，将每期秸秆过火区解译结果与剔除线性地物后的秸秆区解译结果做叠置运算，然后对经过精度验证的多期过火面积提取结果进行时间序列变化检测，得出每个监测时段内的秸秆焚烧新增过火面积、新增过火后翻耕面积和累计过火面积，并与环保部火点逐日监测结果进行变化趋势比对，验证试验结果的有效性。最后对过火面积变化检测结果进行时序空间统计分析，得出全县秸秆焚烧过火区的整体分布、秸秆焚烧发展规律以及秸秆焚烧现象在各乡镇蔓延的过程。

2.2 解译标志建立

将卫星影像与同时期采集的地面样本进行比对和判读，可确定与研究相关的主要地物类别包括未过火秸秆 地、过火后未翻耕的秸秆地和过火后翻耕的秸秆地，据此建立遥感影像的解译标志（图3）。

2.3 秸秆区及其过火区面积提取

采用面向对象的监督分类方法，利用GF-1 PMS融合影像与Landsat8 OLI融合影像提取研究区当季秸秆地与线性地物的面积，利用Landsat8 OLI、GF-1 WFV与HJ-1A/B CCD影像提取秸秆焚烧过火面积。首先对数据进行多尺度影像分割（multi-scale image segmentation），基本原则为：分割结果能清晰勾画出地物轮廓，每个完整的地物都由少量影像对象组成，对象内部的属性相同或相似，而相邻对象的属性相异。选择核函数为三次多项式的支持向量机（support vector machine，SVM）作为分类器[28]。采用基于距离的可分性准则进行特征优选，光谱特征选择各波段影像对象的标准差和最小值，纹理特征选择基于灰度共生矩阵（grey level concurrence matrix，GLCM）生成的熵（entropy）和均值，形状特征选择影像对象的面积及其最小有向包围盒（minimum oriented bounding box，MOBB）的最大直径的长度[29]。

基于中分辨率影像提取的秸秆地通常夹杂较多的沟渠、道路等线性地物，利用空间叠置分析，将秸秆地与线性地物的面积做擦除叠置运算[30]。而由于分辨率等属性存在差异，应用多源卫星遥感影像提取的同一地物矢量边界之间通常存在明显错位，为了规范多期过火面积提取结果中耕地地块的矢量边界，需将秸秆焚烧过火面积与剔除线性地物后的秸秆地面积做交集叠置运算[30]。具体计算公式如下

式中S为未剔除线性地物的秸秆地面积，hm2；S为线性地物面积，hm2；（S-S∩S）为剔除线性地物后的秸秆地面积，hm2；W为田块边界不一致的第期秸秆焚烧过火面积，hm2；R为田块边界一致的第期秸秆焚烧过火面积，hm2。

a. 未过火秸秆区Unburned straw region 2014-10-03b. 过火后未翻耕区 Unploughed burned region 2014-10-03c. 过火后翻耕区 Ploughed burned region 2014-10-03 d. 未过火秸秆区 Unburned straw region 2014-10-06e. 过火后未翻耕区Unploughed burned region 2014-10-06f. 过火后翻耕区 Ploughed burned region 2014-10-06

注：影像显示方式为标准假彩色，RGB波段组合为近红外、红、绿。各小图图片分别为实地照片和影像截图。

Note: The images displayed as standardfalse color, the RGB bands combined with near-infrared, red and green. Figures in Fig. a-f were photographs and image screenshot.

图3 遥感影像解译标志

Fig.3 Remote-sensing graphic interpretation signs

2.4 秸秆焚烧过火面积变化监测

由于冬小麦的播种期较长，秋粮作物秸秆在焚烧后通常不会立即翻耕，在后期监测中同一过火区域可能被重复识别出来，导致前、后时相的秸秆焚烧过火面积提取结果存在空间上的重叠。因此将多期秸秆焚烧过火面积按时序做合并与擦除叠置运算[30]来提取过火面积变化信息。具体计算见公式（2）、（3）和（4）

（3）

（4）

式中C为从监测起始时相到第个时相间的秸秆焚烧累计过火面积，hm2；A为第个监测时段内新增的秸秆焚烧过火面积，hm2；P为第个监测时段内新增的过火农田翻耕面积，hm2。

3 结果与分析

3.1 秸秆焚烧过火区整体分布

利用公式（1）得出太康县2014年秋粮作物秸秆地总面积（图4a）和每个监测时相的太康县秸秆焚烧过火面积R，由公式（2）得出太康县当季农田秸秆焚烧的总过火面积all（图4b）。结合地面实测样点，通过分类误差混淆矩阵对面积提取结果进行精度验证，得出的解译精度为98.58%，10月3日与10月6日R的解译精度分别为93.89%和94.44%，all的解译精度为96.36%。

图4 2014年10月太康县农田秸秆区与秸秆焚烧总过火区面积空间分布

从数值统计上看，太康县2014年10月上旬的农作物秸秆焚烧总过火面积超过45 000 hm2，超过42%的秸秆地被焚烧。秸秆过火面积最大的4个乡镇依次为马头镇、马厂镇、朱口镇和高朗乡，其秸秆地总过火面积均超过 4 000 hm2。过火秸秆地占比最大的4个乡镇依次为张集镇、城郊乡、高朗乡和马头镇，其秸秆地过火比例均超过55%。从空间分布上看，秸秆焚烧过火区主要集中在太康县中部、东部和西南部的逊母口镇，其中秸秆过火面积最大且过火秸秆地占比最大的马头镇和高朗乡均位于太康县东北部，表明该区域的秸秆焚烧最严重。

3.2 秸秆焚烧发展规律

以8个监测时相的R为基础，进行时序空间叠置分析，由公式（2）、（3）、（4）计算得到7个监测时段内的C、A与P，并将太康县全县C、A与P的值进行时间序列统计，结果见图5和图6a。

从时序上看，2014年太康县的秋粮作物秸秆焚烧于10月3日之前开始，10月11日之后结束。秸秆过火区的农田于10月15日之后全部翻耕完毕，整个过程持续了至少13 d。10月3日至6日期间的A值均超过5 300 hm2，10月6日A达到最大值11 669. 95 hm2，说明当天的秸秆焚烧最严重。10月7日是秸秆焚烧发展过程的转折点，当日P值超过了A值且逐日增大，而C值变化趋于平缓，说明当地秸秆焚烧活动趋于结束，10月11日之后C值停止增加，不再出现新增过火区域。对照图6b中环保部同期发布的秸秆焚烧火点动态监测结果可知，太康县秸秆焚烧火点数在10月6日达到最大值后逐日回落，10月12日之后不再有新增火点，A值的变化趋势与之基本一致。

图6a中A值随时序呈波浪状起伏，且P值与A值呈反向变化。这主要是由于一方面秋收与冬小麦播种同时进行，另一方面秸秆禁烧力量的影响使得大面积的秸秆焚烧通常伴随迅速的土地翻耕，在过火农田翻耕期间秸秆焚烧活动会有所减弱，而翻耕之后未过火区域仍有秸秆继续焚烧。

3.3 秸秆焚烧现象蔓延过程

为了分析“A与P随时序呈波浪状变化”这一规律的空间分布特征，在6个地理方位上选取秸秆焚烧最严重的乡镇。马头镇与张集镇分别位于太康县的东北与东南方位，为东部及全县all最大的乡镇；王集乡和老冢镇分别位于太康县的中北与中南方位，为中部all最大的乡镇；常营镇和逊母口镇分别位于太康县的西北与西南方位，为西部all最大的乡镇。其中马头镇、王集乡和常营镇分布在全县北半部由东往西一带，张集镇、老冢镇和逊母口镇分布在全县南半部由东往西一带。通过对6个乡镇的A进行时序统计分析，可以还原太康县东、中、西部以及南、北半部的秸秆焚烧发展过程，了解2014年太康县秋粮作物收割期间秸秆焚烧现象在各乡镇间的蔓延趋势。

经分析可知，10月3日太康县马头镇和张集镇的A值已超过980 hm2，而其他乡镇的A值都不足100 hm2，说明大范围的秸秆焚烧最早从全县东部开始。全县北半部过火区域在10月4日东北部马头镇A值达到最大后开始向西发展，至10月6日中北部王集乡A值达到最大，最后蔓延至西北部的常营镇，全县北半部秸秆焚烧于10月8日常营镇A值达到最大后逐渐结束。全县南半部的火情始于张集镇，其A值在10月3日之前已达最大，之后过火区域向西蔓延，至10月5日中南部老冢镇A值达到最大，10月7日后除西南部逊母口镇外整个南部秸秆焚烧已基本结束。逊母口镇A在10月11日之后达到峰值，于10月15日之前结束。由此可知，太康县2014年的秋粮作物秸秆焚烧于10月3日前从东部开始，之后过火区自东向西蔓延，边焚烧边翻耕。东半部的秸秆焚烧比西半部严重，南半部的秸秆焚烧比北半部严重且持续时间较长。全县当年东部的秋粮作物秸秆焚烧高发期为10月3日至6日，中部为10月5日至8日，西部为10月8日至11日。

图7 2014年10月太康县乡镇秸秆焚烧新增过火面积变化

综上所述，秸秆焚烧现象的时空蔓延过程一般为：秸秆焚烧通常会在农作物大面积收割后的某个时间点开始，由若干个起火点随时序朝某个主方向进行传播蔓延。由于播种进度、焚烧意愿与人为监管等因素的影响，A值会随时序呈波浪状起伏，过火区域会随之出现间歇性的大范围翻耕，二者同时进行且交替推进，直至过火农田翻耕速度超过秸秆焚烧速度，焚烧活动趋于结束。“A值与P值随时序呈反向波浪状变化”现象与过火区空间分布变化特征分别揭示了秸秆焚烧过火面积随时序变化的数值统计规律和空间分布规律。

4 结论与讨论

本文针对秸秆焚烧过火面积遥感监测中高时间、高空间分辨率难以同时实现的问题，协同使用Landsat8、GF-1和HJ-1A/B数据进行过火面积动态监测，并在县、乡尺度上分析了过火区的发展规律和蔓延过程。

1）优先使用高分辨率数据进行面向对象的过火面积提取，并使用剔除线性地物后的秸秆区提取结果规范过火区的田块边界，以太康县2014年秋粮秸秆焚烧监测为例，过火面积的监测间隔可缩短至1.6 d，平均精度超过93.89%。

2）对过火面积提取结果进行叠置分析可知，新增过火面积与新增过火农田翻耕面积会随时序呈反向波浪状变化。

3）通过对6个方位的新增过火面积进行时序统计分析，可精准还原秸秆焚烧在全县各乡镇间蔓延的过程，揭示出传统广域监测难以得到的变化细节。

然而，该方法还存在一定局限性，一是在连续阴霾天气下无法获取足够的可用卫星数据，如10月3日之前由于连日的雨云覆盖而无法对秸秆焚烧起始期的过火面积信息进行提取；二是秸秆焚烧受天气因素（风力、风向、空气温湿度和雨量）与人为因素（耕作习惯、禁烧政策和监管力度）的影响较大，在进行动态监测时如能引入气象因子和人为影响因子，并结合秸秆燃烧的物理模型进行分析，理论上可预测秸秆焚烧过火区域蔓延的速度与方向。

[1] 贾秀飞，叶鸿蔚. 秸秆焚烧污染治理的政策工具选择——基于公共政策学、经济学维度的分析[J]. 干旱区资源与环境，2016, 30(1): 36－41. Jia Xiufei, Ye Hongwei. Selection of the policy tools for straw burning pollution control: According to the analysis of public policy, economics dimension[J]. Journal of Arid Land Resources and Environment, 2016, 30(1): 36－41. (in Chinese with English abstract)

[2] 冯伟，张利群，庞中伟，等. 中国秸秆废弃焚烧与资源化利用的经济与环境分析[J]. 中国农学通报，2010，27(6)：350－354. Feng Wei, Zhang Liqun, Pang Zhongwei, et al. The economic and environmental analysis of crop residues burning and reutilizafion in China[J]. Chinese Agricultural Science Bulletin, 2010, 27(6): 350－354. (in Chinese with English abstract)

[3] 高利伟，马林，张卫峰，等. 中国作物秸秆养分资源数量估算及其利用状况[J]. 农业工程学报，2009，25(7)：173－179. Gao Liwei, Ma Lin, Zhang Weifeng, et al. Estimation of nutrient resource quantity of crop straw and its utilization situation in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2009, 25(7): 173－179. (in Chinese with English abstract)

[4] Gadde B, Bonnet S, Menke C, et al. Air pollutant emissions from rice straw open field burning in India, Thailand and the Philippines[J]. Environmental Pollution, 2009, 157(5): 1554－1558.

[5] 崔明，赵立欣，田宜水. 中国主要农作物秸秆资源能源化利用分析评价[J]. 农业工程学报，2008，24(12)：291－296. Cui Ming, Zhao Lixin, Tian Yishui. Analysis and evaluation on energy utilization of main crop straw resource in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2008, 24(12): 291－296. (in Chinese with English abstract)

[6] 苏晓哲. 秸秆焚烧的危害、原因及治理契机[J]. 河南机电高等专科学校学报，2015，23(5)：40－43. Su Xiaozhe. On the ressons, countermeasures and hazards of wheat straw burning[J]. Journal of Henan Mechanical and Electrical Engineering College, 2015, 23(5): 40－43. (in Chinese with English abstract)

[7] 网易河南. 河南境内秸秆焚烧引发多起交通事故[EB/OL]. [2015-06-12].http://henan.163.com/15/0612/06/ART1A3U­M­0­2270ILI. html

[8] 毕于运，王亚静，高春雨. 我国秸秆焚烧的现状危害与禁烧管理对策[J]. 安徽农业科学，2009，37(27)：13181－13184. Bi Yuyun, Wang Yajing, Gao Chunyu. Problems of burning straw and its management countermeasures in China[J]. Journal of Anhui Agricultural Sciences, 2009, 37(27): 13181－13184. (in Chinese with English abstract)

[9] 韩鲁佳，闫巧娟，刘向阳，等. 中国农作物秸秆资源及其利用现状[J]. 农业工程学报，2002，18(3)：87－91. Han Lujia, Yan Qiaojuan, Liu Xiangyang, et al. Straw resources and their utilization in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2002, 18(3): 87－91. (in Chinese with English abstract)

[10] Sharma P K, Mishra B. Effect of burning rice and wheat crop residues: Loss of N, P, K, and S from soil and changes in the nutrient availability[J]. Journal of the Indian Society of Soil Science, 2001, 49(3): 425－429.

[11] 刘诚，李亚军，赵长海，等. 气象卫星亚像元火点面积和亮温估算方法[J]. 应用气象学报，2004，15(3)：273－280. Liu Cheng, Li Yajun, Zhao Changhai, et al. The method of evaluating sub-pixel size and temperature of fire spot in AVHRR data[J]. Quarterly Journal of Applied Meteorology, 2004, 15(3): 273－280. (in Chinese with English abstract)

[12] 何立明，王文杰，王桥，等. 中国秸秆焚烧的遥感监测与分析[J]. 中国环境监测，2007，23(1)：42－49. He Liming, Wang Wenjie, Wang Qiao, et al. Evaluation of the agricultural residues burning reduction in China using MODIS fire product[J]. Environmental Monitoring in China, 2007, 23(1): 42－49. (in Chinese with English abstract)

[13] 田庆久，王玲，包颖，等. 基于HJ-1B卫星的作物秸秆提取及其焚烧火点判定模式[J]. 中国科学：信息科学，2011，41(增刊)：117－127. Tian Qingjiu, Wang Ling, Bao Ying, et al. A straw extraction and straw-burning fire detection mode using HJ-1B satellite measurements[J]. Scientia Sinica：Informationis, 2011, 41(Supp.): 117－127. (in Chinese with English abstract)

[14] 张为兵.基于环境一号卫星数据的小麦秸秆焚烧点提取方法研究[D]. 南京：南京师范大学，2013. Zhang Weibing. Study on Extraction Methods of Wheat Straws Burning Using HJ-1B IRS Data[D]. Nanjing: Nanjing Normal University, 2013. (in Chinese with English abstract)

[15] 王子峰，陈良富，顾行发. 基于MODIS数据的华北地区秸秆焚烧监测[J]. 遥感技术与应用，2008，23(6)：611－617. Wang Zifeng, Chen Liangfu, Gu Xingfa. Monitoring of crop residue burning in north china on the basis of MODIS data [J]. Remote Sensing Technology and Application, 2008, 23(6): 611－617. (in Chinese with English abstract)

[16] 邵卫伟，杨哲，周斌. 基于中分辨率成像光谱仪的秸秆焚烧火点提取方法的改进[J]. 环境污染与防治，2012，34(9)：38－42. Shao Weiwei, Yang Zhe, Zhou Bin. Improvement of remote sensing identifying methods of crop residue burning based on moderate-resolution imaging spectroradiometer data[J]. Environmental Pollution & Control, 2012, 34(9): 38－42. (in Chinese with English abstract)

[17] 胡梅，齐述华，舒晓波，等. 华北平原秸秆焚烧火点的MODIS影像识别监测[J]. 地球信息科学，2008，10(6)：802－807. Hu Mei, Qi Shuhua, Shu Xiaobo, et al. Monitoring fire from crop residues burning with MODIS data in North China Plain [J]. Geo-Information Science, 2008, 10(6): 802－807. (in Chinese with English abstract)

[18] 杨军. 新一代风云极轨气象卫星业务产品及应用[M]. 北京：科学出版社，2011.

[19] 余超，陈良富，李莘莘，等. 基于多源卫星多光谱遥感数据的过火面积估算研究[J]. 光谱学与光谱分析，2015(3): 739－745. Yu Chao, Chen Liangfu, Li Shenshen, et al. Estimating biomass burned areas from multispectral dataset detected by multiple-satellite[J]. Spectroscopy and Spectral Analysis, 2015(3): 739－745. (in Chinese with English abstract)

[20] 陈洁，郑伟，高浩，等. 多源卫星遥感农作物秸秆焚烧过火面积估算方法[J]. 农业工程学报，2015，31(3)：207－214. Chen Jie, Zheng Wei, Gao Hao, et al. Estimation method of straw burned area based on multi-source satellite remote sensing[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(3): 207－214. (in Chinese with English abstract)

[21] The United States Geological Survey (USGS). Landsat 8 OLI (Operational Land Imager) and TIRS (Thermal Infrared Sensor) [EB/OL]. [2015-01-15]. https://lta.cr.usgs.gov/L8.

[22] The United States Geological Survey (USGS). Frequently Asked Questions about the Landsat Missions[EB/OL]. [2013-07-12]. http://landsat.usgs.gov/L8_band_combos.php.

[23] 中国资源卫星应用中心. 高分一号卫星参数[EB/OL]. [2014- 10-15]. http://www.cresda.com/CN/Satellite/3076.shtml.

[24] 中国资源卫星应用中心. 环境一号A/B/C星卫星参数[EB/OL]. [2014-10-15]. http://www.cresda.com/CN/Satellite/ 3064. shtml.

[25] Jensen J R. Introductory Digital Image Processing: A Remote Sensing Perspective[M]. Englewood Cliffs, NJ: Prentice- Hall, 1996.

[26] Townshend J R G, Justice C O. The impact of misregistration on change detection[J]. IEEE Transactions on Geoscience and Remote Sensing, 1992, 30(5): 1054－1060.

[27] 中华人民共和国环境保护部. 环境监察局秸秆焚烧监测情况[EB/OL]. [2014-10-15] http://hjj.mep.gov.cn/jgjs/

[28] 谢承旺. 不同种类支持向量机算法的比较研究[J]. 小型微型计算机系统，2008(1)：106－109. Xie Chengwang, Comparative research on various support vector machine algorithms[J]. Journal of Chinese Computer Systems, 2008(1): 106－109. (in Chinese with English abstract)

[29] 王文杰. 面向对象的高分辨率遥感图像变化检测方法研究[D]. 北京：中国科学院遥感应用研究所，2009. Wang Wenjie. Research on Change Detection of High Resolution Remote Sensing Image based on Object-Oriented Analyses[D]. Beijing: Institute of Remote Sensing Applications Chinese Academy of Sciences, 2009. (in Chinese with English abstract)

[30] 秦昆. GIS空间分析理论与方法[M]. 武汉：武汉大学出版社，2010.

Dynamic monitoring of straw burned area using multi-source satellite remote sensing data

Wu Xihong, Liu Ting※, Cheng Yongzheng, Wang Laigang, Guo Yan, Zhang Yan, He Jia

(450002,)

As a general definition, open field burning is the burning of living and dead vegetation. An annual average amount of 730 Tg biomass was burnt in Asia, out of which 250 Tg came from agricultural burning. Burning straw after harvest was common, and it was a significant seasonal source of air pollution, which should not be ignored in China. In recent years, straw combustion was serious in Henan Province in autumn, where mechanized farming was practiced, for the farmers were more inclined to burn the crop residues. At present, remote sense monitoring is a practical solution for detection and assessment of this burning. Many researchers used MODIS (moderate resolution imaging spectroradiometer) and FY data to monitor the straw combustion, but the spatial resolution of these data was low and cannot satisfy the requirement of high frequency and high precision monitoring. Especially, many mixed pixels exist in MODIS and FY remote sensing data, which aggrandized the difficulties to get the spatial distribution with high frequency and precision. So, effective and quick means were necessary to deal with this key problem. Generally, high frequency satellite observations could inverse the changing process of straw burned areas. In the present study, Landsat8, GF-1 and HJ-1A/B data were used comprehensively to improve the remote sensing spatial resolution, while the overlay analysis and the object-oriented image analysis (OOIA) methods were adopted to extract the straw burned areas in Taikang County. Based on the OOIA, the remote sensing interpretation sign was established through the ground investigation, and the straw burned area was extracted with a multi-term single-day form. Straw burned areas of 8 stages were extracted using the full-coverage remote sensing images. With the changing detection at the township scale, the temporal change trend of cumulative straw burned area, new added straw burned area and new added farmland plowing area after straw burned were calculated. The spatiotemporal spreading trend of straw burning showed that after the maize harvest, straw burned started at a certain point in time after a large area of crop was harvested, and spread from a number of fire points to a main direction with the time. The new added straw burned area changed with a wavy pattern, due to that intermittent large-scale plowing occurred subsequently in the added burned area. The rate of plowing was beyond the rate of straw burned, and the incineration activity tended to end. Compared with field observed data, the calculated area extraction accuracy was above 93.89%, and the calculated change trend of new straw burned area was basically consistent with the monitoring results of the Ministry of Environmental Protection. Experiment results have indicated that the method presented in this study is timely and accurate, which can reveal more details and regularities than traditional large-scale application of low spatial resolution satellite remote sensing data.

remote sensing; straw; burned; burned area; object-oriented; change detection

10.11975/j.issn.1002-6819.2017.08.021

S127

A

1002-6819(2017)-08-0153-07

2016-08-20

2017-04-02

河南省农业科技成果转化资金项目（142201110033）；产粮大省奖励资金农业科技创新项目（ycm201513107）；河南省科技攻关计划重点项目（172102110090）

武喜红，男，河南郑州人，主要从事农业遥感应用研究。郑州 河南省农业科学院农业经济与信息研究所，450002。 Email：dav0932313@126.com

刘 婷，女，湖北武汉人，研究员，主要从事农业遥感应用研究。郑州 河南省农业科学院农业经济与信息研究所，450002。 Email：Liuting32002@163.com

武喜红，刘 婷，程永政，王来刚，郭 燕，张 彦，贺 佳. 多源卫星遥感秸秆焚烧过火面积动态监测[J]. 农业工程学报，2017，33(8)：153－159. doi：10.11975/j.issn.1002-6819.2017.08.021 http://www. tcsae. org

Wu Xihong, Liu Ting, Cheng Yongzheng, Wang Laigang, Guo Yan, Zhang Yan, He Jia. Dynamic monitoring of straw burned area using multi-source satellite remote sensing data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(8): 153－159. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.08.021 http://www. tcsae. org