基于Himawari-8和GF-1卫星的林火遥感监测*

武晋雯，冯 锐，孙龙彧，纪瑞鹏，于文颖，袁 ，张玉书

(1.中国气象局沈阳大气环境研究所，辽宁 沈阳 110166；2.沈阳市气象局，辽宁 沈阳 110168；3.厦门理工大学，福建 厦门 361024)

森林是一种与人类关系极为密切的自然资源，它不仅可以净化空气、美化环境，还具有涵养水源、防风固沙、调节气候等作用，并且具有保持生物多样性的功能[1]。火灾是对其危害最为严重的灾害之一，全世界每年林火受灾面积约占森林总面积的0.1%[2]；同时排放大量的颗粒物、氮氧化物、一氧化碳等污染物，不仅改变大气成分的化学组成，而且导致大气能见度下降和空气质量恶化[3-4]；排放的二氧化碳和黑碳气溶胶,直接或间接地改变地气系统之间的辐射能量平衡,导致区域尺度乃至全球范围的气候系统发生异常[5]。森林资源的重要性毋庸置疑，合理保护和使用森林资源是关键，但面对可燃物堆积、全球变暖等致使火灾频发的问题,并未得到有效地解决[6]。因此,借助遥感手段及时准确地监控是根本[7]。

卫星遥感监测森林火灾始于1980年代初，由于不同传感器的参数特征不同，森林火灾监测方法也不尽相同，但大多是在AVHRR反演方法基础上发展而来。应用于AVHRR的单阈值法[7]、多阈值法[8]，MODIS的绝对火点识别算法[9-10]、上下文火点识别算法[11]，VIRR的自适应火点检测法等[12-13]。以上火灾监测均是借助于搭载在极轨卫星上的传感器，平均每日过境频次为1～2次，由于火灾受局地气象条件影响变化较快，需要更高的时间分辨率。因此要实现火灾过程的全方位监测，需要从以下两个方面进行完善：一是实现高时间分辨率的火灾密集监测，二是结合高空间分辨率卫星进行灾情监测。

基于高分辨率卫星损失状况监测是开展救灾工作和弥补经济损失的重要环节，主要包括火烧迹地和燃烧受害程度监测[14]。遥感监测是卫星过境时的瞬时监测，燃烧点大小并不能表征地面燃烧的真实面积，通常利用火烧迹地更为准确[15]。火烧迹地研究比较广泛、精度也较高，大多根据研究尺度的不同选择多时相卫星采用基于多要素的统计模型[16]、基于知识模型的火烧迹地提取[17]、基于多种光谱指数的阈值法[18-20]、基于监督分类、决策树、面向对象等图像分类法[21-22]；燃烧受害程度的定量化虽然有大量的估测研究，但至今没有统一的标准[23]，单纯依靠遥感的主要方法有差分归一化燃烧比率[24-25]、光谱植被指数标准差法等[26]，但存在的问题是高分卫星时间分辨率低，而燃烧受害程度又与林地生长密切相关，因此本文提出采用高斯函数拟合模型模拟年内健康林地生长曲线，基于当前影像数据重构火灾前的林地光谱值，对燃烧受害程度监测方法进行改进，从而提高灾情遥感监测准确率。

1 研究区概况

辽宁林区通常防火期与防火戒严期在春季2-6月，秋季9-11月。春季干旱期长、风大，容易发生火灾，而秋季林木停止生长，有积雪和结冰现象出现，不易发生火灾。因此，林火主要集中在春季[27]。根据近三年火点监测及反馈情况统计：2015-2017年火点监测数量分别为82、122、68个，火点分布情况见图1；其中大连、葫芦岛、丹东、本溪火点发生数量较多，各市火点发生数量、林地面积见表1。

图1 2015-2017年火点遥感监测分布图

地区火点/个林地面积/km2沈阳52075 大连425082 鞍山114685 抚顺228413 本溪286741 丹东3010106 锦州112815 营口202605 阜新133579 辽阳181931 铁岭235189 朝阳1610752 盘锦1118 葫芦岛325410 合计27269503

注：林地面积数据来自辽宁林业地图集，见参考文献[28]。

2 数据来源

以2017年4月11日11时至16时(北京时间，下同)辽宁省丹东市宽甸县古楼子乡砬子沟村的森林火灾为研究对象，选取该时间段范围内H8共7轨，用于开展林火密集监测；选取火灾发生前后2景GF-1数据，用于火烧迹地提取；选取8景GF-1数据，用于森林燃烧受害程度监测(表2)。

2.1 H8数据

H8是目前可进行林火监测的新型静止卫星，2014年10月发射成功，其携带的可见光分辨率最高可达0.5 km，观测频次为10 min，较上一代静止气象卫星有较大改进。郑伟等[29]、陈洁等[30]应用H8卫星开展了秸秆焚烧、草原火的动态监测研究，火点定位误差在1个象元以内。数据来源于辽宁省气象信息中心(ftp://pub_data:xxshj@10.1.72.161)，数据格式为DAT。

2.2 GF-1数据

GF-1卫星突破高空间分辨率、多光谱与高时间分辨率结合的光学遥感技术，其星下点分辨率多光谱8 m或16 m、全色2 m，定位精度50 m，2013年4月发射成功[31]。GF-1号数据被广泛应用于火烧迹地提取、林地分类、灾害监测中。数据来源于中国资源卫星应用中心(http://218.247.138.119:7777)。

表2 数据使用情况

3 监测原理与方法

3.1 火点监测原理与方法

利用维恩位移定律，当黑体温度升高时，辐射能量也相应増加，最大辐射值向短波方向移动。通过实验研究证实林火的辐射峰值大致在3.7 um附近[23]。H8卫星7通道对应波长范围为3.74～3.96 um，该通道对异常高温点变化敏感；而14通道对应波长范围为11.10～11.30 um，该通道对地表常温变化敏感；以2016年4月8日14：40影像为例,辽宁兴城南关林场火点处(圆圈所示位置)7通道(T7)、14通道(T14)亮温水平、垂直方向变化情况如图2。因此，通常采用这两个通道组合进行火点监测。

图2 火点及背景像元亮温分布示意图

对于空间分辨率不高的H8卫星采取Giglio等[11]提出的前后关联(或上下文)火点识别算法，该方法有利于小火点的判识。

潜在火点像元识别：满足以下条件为潜在像元，否则为非火像元；阈值大小根据过境时间和着火点大小进行调整。

(1)

背景火点像元识别：对潜在像元采用劈窗算法进行判识，满足以下条件为背景火点像元；

(2)

前后关联火点像元识别：进一步对背景火点像元采用前后关联的火点判识方法，白天满足式(3)并且满足式(4)、式(5)之一时为火点，夜晚满足式(3)时为火点。

(3)

(4)

(5)

3.2 火烧迹地原理与方法

森林燃烧后与正常植被的光谱特征呈现出明显差异，表现在近红外波段的反射率下降明显[32],火烧迹地提取的是光谱衰减范围大小。采用近红外波段(B4)衰减变化和国际上普遍采用的NDVI、GEMI模型进行对比，GEMI能有效避免NDVI在植被覆盖度较高地区易饱和的缺陷(公式6)。

(6)

式中：B3、B4为GF-1的红光波段和近红外波段，火灾发生后GEMI表现出显著下降。

3.3 燃烧受害程度原理与方法

在700 nm之后植被光谱反射率急剧上升，形成近红外平台，此处的反射率与叶绿素含量、植被冠层的结构密切相关，火灾前后正是这种参数变化导致植被光谱的不同[33]。燃烧受害程度表征的是火灾发生前后光谱衰减量值大小，方法如下：

ΔB4=B4pre_fir-B4post_fir。

(7)

式中：B4pre_fir、B4post_fir为火灾前后GF-1号近红外通道光谱反射率。

3.3.1 林地光谱重构

高分辨率卫星受过境时间和天气状况的影响，假如未获取到临近火灾发生前的影像，此时计算的衰减量ΔB＇4,对燃烧受害程度的结果影响较大。因为火灾前随着健康林地的生长，光谱值变化较大；火灾后林地恢复较慢，光谱值变化较小，影响可忽略。因此本文提取过火区周围健康植被的光谱指数，形成长时间序列光谱离散数据，采用高斯函数拟合模型[34]模拟林地生长曲线，基于当前影像光谱结合拟合方程重构火灾前的光谱，获得准确的ΔB4。

图3 2017年4月11日林火密集监测

图4 火烧迹地提取

3.3.2 受害程度分级

为评价森林燃烧受害程度的不同，采用标准差标准化法，对受害程度进行分等定级，方法如下：

(8)

4 结果与分析

4.1 基于H8卫星的林火密集监测

本次林火位于40°22′40″N、124°37′46″E，始于2017年4月11日11：20，截至16:50共进行了30次监测，由于密集观测数据较多，仅提取典型时次监测结果。图3a显示火灾燃烧范围为2像元，中心燃点温度为321 K；图3b显示燃烧范围扩大至4像元，中心燃点温度为316 K；图3c燃烧范围仍为4个像元，中心燃点温度降为为314 K；根据H8的密集监测可以看出中心燃点的位置由燃点1变化到燃点2、影响范围由2像元扩大至4像元、温度由321 K减小到314 K(图3d)。

4.2 基于GF-1卫星的火烧迹地提取

从2017年4月11日10:50(图4a)、2017年4月12日11:13(图4b)火灾前后RGB真彩色合成影像中，可人工目视解译出火烧迹地大致范围；图4d、图4e、图4f分别为火灾前后B4、GEMI、NDVI三种光谱指数的衰减灰度图，结果显示：B4波段的衰减变化最明显，GEMI模型次之，NDVI的衰减不明显，这与NDVI在植被覆盖度较高地区易饱和的结论相吻合。因此本文基于近红外(B4)衰减理论的方法提取了此次火烧迹地范围，面积为3.5 km2(图4c)。

4.3 森林燃烧受害程度监测

2017年筛选出无干扰影像共8景(表2)，提取过火区周围健康林地近红外通道(B4)光谱数据，健康林地点(46个)分布情况见图5，共获得368个离散点光谱数据。采用高斯函数拟合模型模拟该区域林地生长曲线(图6)，拟合方程相关系数为0.89。

(9)

式中：y为B4光谱值，x为日期的时序。

图5 健康林地点分布情况

图6 林地生长拟合曲线

假设未获取到火灾前4月11日(第101 d)的遥感影像，以4月3日(第93 d)的影像来评价森林燃烧受害程度的结果为图7a，重度受害程度较真实结果(图7b)偏小，漏分误差为90%；基于林地生长曲线拟合出4月11日与4月3日林地生长的光谱增量，以4月3日数据为基准，模拟出4月11日的光谱值，拟合结果(7c)更接近真实森林燃烧受害程度分级结果，重度受害程度精度提高24%、轻度受害程度精度提高10%，总体分类精度为69%，kappa系数为0.44。

5 结论

目前林火遥感监测大多基于极轨卫星，监测频度和精度有待进一步提高。本文基于观测频次10 min的H8数据和16 m分辨率的GF-1数据开展林火密集监测、火烧迹地和森林燃烧受害程度监测，与单纯依靠极轨卫星相比提高了监测的频度和精度。在森林燃烧受害程度监测中，以往的研究均没有考虑林地生长对受害程度分级的影响，本文提出采用高斯函数拟合模型模拟年内健康林地生长曲线，基于当前影像数据重构火灾前的林地光谱值，得到火灾前后准确的光谱衰减量。

基于H8卫星的林火密集监测，能准确了解中心燃点的位置变化、温度变化和燃烧范围的变化，为火灾的扑救工作提供依据；基于原理和方法普遍适用性原则火烧迹地提取对比了三种方法，B4波段的衰减变化最明显、GEMI模型次之、NDVI的衰减不明显，因此小尺度的火烧迹地提取采用B4衰减法最好，此次火烧迹地面积为3.5 km2；利用相距火灾发生仅8 d的数据进行森林燃烧受害程度监测，其重度受害程度等级漏分误差就达到90%，经过火灾前遥感影像的林地光谱重构后，重度受害程度分类精度提高24%、轻度受害程度提高10%，总体分类精度为69%、kappa系数为0.44。精确的受害程度分析结果能及时掌握火灾的损失状况，对开展救灾工作极为重要。

图7 森林燃烧受害程度遥感监测

在林火监测的研究中，火灾发生地点地形起伏变化较大，虽然做了正射校正和配准等基本预处理，地形匹配仍存在一些偏差，再加上卫星观测角度影响，使得火灾前后两张影像阴影区域(地势低洼区)有些许不同，对光谱差值有一定影响，导致中度受害程度的结果存在一定偏差。因此，可以从地形地势以及观测角度订正方面进行更深入地研究。

致谢：感谢辽宁省气象信息中心提供的葵花8卫星数据、中国资源卫星应用中心提供的高分一号卫星数据以及辽宁省森林防火预警监测中心对林火监测情况的反馈,作者在此对以上机构的工作人员表示衷心的感谢。