基于卫星影像AI判读林草火灾变化图斑实现方法∗

徐海文 石振威

（湖南省林业局，湖南 长沙 410000）

在森林火灾风险普查工作过程中，需要采集各地近几年发生森林火灾次数数据作为对该地风险区划判断的一个条件。采集过程中发现，为了规避考核，各地上报的次数远远少于实际发生的次数，导致无法得出准确的结论，给分析工作带来很大的困难[1]。本文旨在通过分析工作案例，介绍方法提出的背景，详细描述基于卫星影像AI判读林草火灾变化图斑的实现方法及灾后分析的建议与思考，为林草火灾评估、趋势预判分析及预警监测提供借鉴。

1 背景分析

部分地区存在发生森林火灾不报、瞒报的情况，利用常规的监管方法会在观测能力和观测范围上受到限制，反映速度慢，不仅会使得部分地区无法被发现，还不能满足高密度、高频率和高质量的监管要求[2]。卫星可较好地解决这些问题，其不仅反应速度快，具有较高时空分辨率，且有较大的监管范围，可发现和识别火灾的范围情况，确定火场的边界，提供较准确的受损情况，识别火灾后，进一步提取火烧迹地范围，结合统计分析，可以得到准确的林草火烧迹地数据[3]。

2 技术实现

2.1 监测目标

以卫星影像为支撑，以月份为周期，动态掌握林草资源类型、面积、范围、分布等因火灾导致的变化情况[4]。按照“变化全发现，问题全核实”的工作思路，开展林草火灾变化图斑卫星综合监测。

2.2 监测内容

2.2.1 影像数据收集 按监管工作要求，需收集以下卫星影像数据:1）每季度收集优于1 m分辨率可见光卫星影像数据，每季度保障区域林、草、自然保护地范围内全覆盖；2）视火点情况，机动收集高分辨率遥感影像，监测林草火烧迹地。

2.2.2 样本数据收集 样本数据收集包括内业样本及外业光谱样本。内业样本收集内容如下：根据变化图斑自动提取要求，丰富已有样本库数据，针对监管要求，采集变化检测样本3 万个和地物分类样本2 万个（20 万km2区域参考值）。重点对乔木林以及竹林、灌木林地、疏林地、采伐和火烧迹地、未成林造林地、苗圃地、林业经营单位辅助生产用地及县级以上人民政府规划的宜林地和草原、草场、草地的样本进行采集建库[5]。外业光谱样本收集内容如下：为支撑多光谱、高光谱对林草资源的细化分类支撑，在林草区域范围内均匀分布，进行外业光谱测量，形成全域林草资源的外业光谱库，光谱范围不少于400～1 000 nm[6]。

2.2.3 火烧迹地提取 基于优于1 m分辨率卫星影像，采用前后时相卫星影像对比和后时相影像与数据库对比的方式。结合火烧迹地光谱特征和纹理特征，以季度为周期开展常规监测，即对全域森林草原范围内的火烧迹地进行监测和提取；以天为周期开展机动监测，对每日识别的火点情况，收集最新的遥感影像，开展机动火烧迹地监测[7]。

2.2.4 调查核实流程 主要通过无人机等外业或铁塔视频的方式，调查核实变化图斑的类型、面积、范围以及违法用地（包括是否占用林、草、湿地、自然保护地，违法性质等）的情况，拍摄实地举证照片和视频，填写变化图斑信息表，形成变化图斑清单[8]。

2.2.5 统计分析评价 以季度为周期，监管林地、草地范围内疑似违法用地图斑，林地、草地、自然保护地变化图斑的类型、面积、范围、分布等变化情况，形成林地、草地、自然保护地违法监管数据[9]。以季度为周期，汇总各类调查数据，结合林地、草地、自然保护地监管情况，建立科学的评价指标，开展综合分析和系统评价，为科学决策和严格管理提供依据。

2.3 技术路线

以高空间分辨率、高光谱分辨率和高时间分辨率卫星遥感影像为支撑，采用前后时影像对比与后时相影像与数据库对比方式，开展森林草原火烧迹地监测，以季度为周期开展全域大范围监测，以天为周期开展机动监测[10]。技术流程包括收集各类管理数据、提取变化图斑、统计分析、外业调查核实等（见图1）。

图1 总体技术路线Fig.1 Overall technical route

2.4 关键技术

2.4.1 遥感影像智能解译技术 不断丰富分类样本库和地物光谱库，充分利用遥感影像的光谱特征和纹理特征，不断强化遥感影像信息智能解译技术的作用，高效提取林地、草地、自然保护地遥感影像变化图斑，自动识别属性[11]。

2.4.2 海量遥感影像处理技术 快速处理多频次、多类型的全域海量遥感影像。通过计算机集群、并行计算等新型计算机技术，快速完成海量遥感影像处理，包括影像融合处理、影像增强处理、影像正射纠正、影像镶嵌裁切等。

2.4.3 “互联网+”在线举证技术 使用“互联网+”在线举证技术，按照以实地现状认定的原则，依托外业举证平台，使用带GNSS和方向传感器的外业调查终端设备，对变化图斑进行实地举证[12]。根据卫星热点数据的坐标配准距离最近的摄像头位置坐标数据，建立卫星热点和铁塔摄像头的关联关系，将卫星影像发现的热点匹配到视频影像中，通过在线核查视频影像进行热点核查[13]。利用无人机自动巡航技术，在发现图斑位置，巡航取证[14]。

2.4.4 地理空间综合分析技术 充分利用空间叠加分析、空间统计分析等地理空间分析技术，对基础监管成果与各项专题业务数据进行综合分析，有针对性地提取各项专题监管信息[15]。

2.5 样本库建设

综合考虑效率、精度、数据源等多种因素，选取1 m分辨率数据为样本采集数据源，具体要求如下：1）影像时相：针对变化检测，选取两期影像时相与监管图斑时相一致，针对地物信息提取，影像时相与图斑提取时相一致；2）影像精度：选取的影像与底图能完全套合，中误差和接边误差符合相关技术规程；3）影像投影：影像投影与底图矢量保持一致；4）影像元数据：影像具有影像获取时间、传感器等基本信息；5）影像质量：影像要求无云、雪覆盖，无拉花、无曝光、无明显接边显示效果。

在建立样本数据集时，综合考虑样本的纯度、数量、分布等因素，应遵循以下规则：1）尽可能选择采集地区的所有地类；2）每一种地类分布情况和表现形式，要有典型代表性；3）样本纯度上，尽可能大，要求纯度大于95%；4）数据内容上，样本的地类名称、成像时间、地理坐标等属性信息补充完整；5）样本图斑的矢量文件、栅格文件和特征值记录完整；6）样本勾绘或刷选时，尽可能保持地物边界线的真实性；7）采集布局：一般要求均匀分布，但以实际地表变化强度分布为准。

2.6 AI判读

基于高实时动态的中低分辨率多光谱、高光谱影像，提取的疑似火点结果，对结果靶区范围内进行历史高分辨率影像收集（优于1m）和灾后影像采集，结合地理信息系统技术和计算机技术，参照建设的光谱样本库，提取火烧迹地范围，利用获取到的火灾信息构建模型，评估损失[16]。

火烧迹地AI判读（见图2、3）如下：

图2 AI判读流程Fig.2 AI interpretation process

图3 森林火烧迹地判读示意（四川省凉山州冕宁县大桥镇森林火灾火烧迹地对比图）Fig.3 Interpretation of forestry burning areas (comparison of forestry fire burning areas in Daqiao town, Mianning county, Liangshan prefecture, Sichuan province)

1）中低分辨率遥感火点识别结果导入。主要依托林业大数据系统内森林火点识别模块，得到每天全域范围内的疑似林草火点。

2）收集灾前历史高分辨率遥感影像。以火点识别点的监测日期作为截止时间点，往前搜索火点前最新高分辨率（优于1 m）的遥感影像，作为前时相遥感影像。

3）采集灾后高分辨率遥感影像。以火点识别点的监测日期作为起始时间点，往后搜索火点后最近高分辨率（优于1 m）的遥感影像，作为后时相遥感影像。

4）正射影像生产。对前后两期影像参照基础控制点进行正射影像生产，得到和地面坐标完全几何一致的正射影像产品。

5）前后影像对比。叠加前后两期遥感影像，参照火烧迹地样本库进行识别，提取变化信息。

6）提取火烧迹地范围。对提取的图斑剔除无效信息，判定火烧迹地属性，得到准确的火烧迹地范围[17]。

7）汇总，对判读数据进行统计分析，趋势预判，辅助决策分析。

3 展望

林草事业是一项重要的公益事业和基础产业，承担着生态建设和林产品供给的重任。卫星遥感作为覆盖面广、监管效率高的手段，既能科学化、精准化地进行监测预警，推进破坏林草资源问题的早发现、早处置，起到警示、警醒作用，又能在林草火灾发生之后准确地进行判读，识别林草火灾带来的变化，有效防止林草火灾瞒报、误报和漏报[18]。此外，利用历年积累的林草火灾变化图斑数据可以进行趋势分析，为辅助决策提供支撑服务。基于卫星遥感影像的AI判读技术在林草调查和监管中的应用，为生态环境保护和建设、林草资源利用、防灾减灾等提供新的技术手段。

4 结语

林草资源是重要的生态资源，火灾对林草资源造成的损失巨大，精准获取林草灾害数据对林草保护具有重要意义。基于遥感影像AI判读林草火灾变化图斑技术有利于准确获取火灾变化数据，有利于分析趋势，对保护林草资源、提升林草行业治理能力和治理体系现代化水平能发挥重要作用。