澳大利亚东南部森林山火 HJ卫星遥感监测

李家国 顾行发 余 涛

(中国科学院 遥感应用研究所,北京 100101)

魏 斌

(环保部卫星环境应用中心,北京 100029)

澳大利亚东南部森林山火 HJ卫星遥感监测

李家国 顾行发 余 涛

(中国科学院 遥感应用研究所,北京 100101)

魏 斌

(环保部卫星环境应用中心,北京 100029)

以 2009年 2月发生在澳大利亚东南部的森林山火为研究对象,利用 HJ-1B遥感影像识别森林山火,分析 HJ-1B在林火灾害事故中的监测能力,通过对 HJ-1B IRSB07设计参数及数据特点进行分析,提出适用于 HJ-1B卫星林火监测的归一化火点指数(Ku)算法.研究表明:Ku值大于 0.40为潜在可能的火点像元,云耀斑和地表虚假高温点是影响林火监测的主要噪声.由于 HJ-1B没有获取到研究区域未着火前的影像数据,利用 MODIS(Moderateresolution Imaging Spectroradiometer)空间分辨率为 250m的通道 1和通道 2计算植被指数,其结果能较好的应用于 HJ-1B林火监测算法中.通过对比分析 HJ-1B林火监测结果和 MODIS林火产品 MOD14认为,HJ-1B能更好的监测出澳大利亚东南部森林火灾,反映出火灾的局部空间分布和细节特征.

遥感环境应用;森林火灾监测;归一化火点指数;维多利亚

2009年 2月发生在澳大利亚东南部的森林山火,造成 180多人伤亡,在林火灾害救助的实际应用过程中,需要对遥感影像进行定量化的研究,从遥感影像中提取着火点的准确位置以便消防灭火和居民转移.目前,针对林火监测的定量应用研究,多以国外的 MODIS(Moderate-resolution Imaging Spectroradiometer)和AVHRR(Advanced Very High Resolution Radiometer)数据为主,如文献[1]利用 AVHRR第 3,4通道研究了简易的火点监测算法[1-2],文献[3]利用 MODIS数据研究了火点监测的相对地表亮温法,文献[4]对 AVHRR多种火灾监测方法进行比较分析,文献[5]研究了亮温-植被指数法等.由于我国环境与灾害监测预报小卫星星座(简称“HJ-1”)在轨运行时间短,全球成像能力较弱,以及在轨运行期间的林火发生数量的制约,HJ-1卫星数据的林火监测应用研究尚未发展成熟.另外,由于 HJ-1卫星传感器和 MODIS及 AVHRR传感器在波谱宽度、等效波长和通道响应函数等方面的差异,以及通道条带噪声的影响,致使现有的其它传感器算法不宜直接使用,需要根据 HJ-1卫星的实际情况进行改进.

文中基于 HJ-1B卫星数据,参考 MODIS及AVHRR林火监测算法,研究适合于 2009年 2月发生在澳大利亚东南部的森林山火的定量反演算法,并对反演出的林火产品与 MODIS的火点产品MOD14进行了比对分析与验证,以期获得适用于HJ-1B卫星的我国森林防火需求的林火监测算法.

1 HJ-1卫星和研究区介绍

HJ-1卫星星座设计为 2颗光学卫星和 1颗雷达卫星的组合,其中编号为 A(简称“HJ-1A”)和 B(简称“HJ-1B”)的两颗光学卫星已于 2008年 9月发射升空.HJ-1B载荷为两台光学 CCD传感器和一台红外成像仪 IRS,其参数如表 1所示.

表 1 HJ-1B CCD/IRS传感器参数设置

澳大利亚东南部森林山火发生区域主要为沿海地区,经纬度范围为 (36°～39°S,144°～148°E).林火发生时,该区正处于南半球的夏季,植被生长茂盛、覆盖度大,天气炎热,空气干燥,林火燃烧了 1个多月,最终在连续 2天的大雨之后,3月 14日全部熄灭.由于 HJ-1卫星以我国领域为主要监测对象,受获取到的卫星数据的影响,研究时间选择从 2月 8日到 2月 14日.

2 森林山火识别原理与方法

2.1 遥感识别原理

地表常温温度在 300 K左右,林火的火焰温度更可达 1000K左右.根据斯蒂芬-波尔兹曼定律和维恩位移定律(如式(1)所示),只要黑体温度有很小的变化,在辐射总量与温度的四次方成正比的关系下,就会引起辐射的很大变化,火焰高温热源的温度更将会引起辐射的急剧变化,这种变化使得山火的监测变得可能,地表常温对应的辐射峰值 λmax在 11.0μm左右,林火对应的辐射峰值 λmax在 3～5μm左右,HJ-1B B07和 B08正位于这两个谱段区域.

式中,M为黑体的总辐射出射度,W/m-2;λmax为辐射强度最大的波长,μm;T为物体的温度,K;σ和 A为常数,分别取值 5.6697×10-8W/(m2·K4)和2898μm·K.

HJ-1B在 10～14μm的大气窗口内是宽的单通道(B08),中红外是窄通道(B07),且通道 B07数据伴有严重的条带噪声,B08表观辐亮度平均值是B07的 10倍左右,局部区域甚至更高达二个数量级.通过将 B07和 B08数据进行有效值归一化处理提高了信息的识别能力,抑制了条带噪声.从中红外通道中扣除由于地表背景热辐射而产生的相对辐射亮度影响,设置恰当的火点指数阀值,即可识别出林火,采用归一化后的相对差值更利于阈值设置的稳定性.HJ-1B森林山火监测归一化火点指数法(Ku)如下式所示.

式中,L为通道的表观辐射亮度,W/(m2·sr·μm);M为通道有效数据区域的表观辐射亮度均值函数,W/(m2· sr· μm);Bi为第 i通道标识.

2.2 识别方法

山火监测技术流程如图 1所示.

图1 林火监测技术流程

2.2.1 空间配准及重采样

将空间分辨率 300m的 B08通道采用双线性插值法采样成与 B07空间分辨率 150m相同大小.手动配准不同轨道号的 CCD数据与 IRS数据.

2.2.2 归一化火点指数 Ku计算

以位置点(37°36′38.52″S,145°47′26.69″E)作为 Ku研究样例,得到各景影像的阈值如表 2所示.Ku值的分布在 0.40～0.45之间,为最大可能的监测出潜在火点的可能性,将阈值设定为0.40,即满足 Ku≥0.40即为潜在可能火点像元.

表 2 不同产品号影像数据火点监测阈值

2.2.3 云检测

云层的存在会阻止林火信息的穿透,并且由于云在中红外谱段的高反射特性,可能会在 B07通道产生耀斑作用,形成虚假的高温点.云在可见光和近红外波段的反射率较高,而在热红外波段的亮度温度一般较低[6-8],因而,结合云在近红外和热红外波段的不同光谱特征,可采用下式来检测受云影响的区域.

2.2.4 虚假火点剔除

只有植被地区才有可能发生林火,但白天裸土的地表亮度温度在夏季可以达到 50℃以上,较易在影像上形成虚假的高温点.HJ-1B没有获取未着火前的遥感影像,但 HJ-1B B07和 B08空间分辨率与 MODIS B01和 B02的 250m空间分辨率较接近,因此,以 MODIS B01,B02按下式计算归一化植被指数 NDVI(Normalized Difference Vegetation Index):

3 监测结果验证与分析

为了比对分析 MOD14产品结果和本文监测结果,分别将 MOD14产品结果和本文监测结果进行空间聚类,并根据 MOD14产品的林火空间离散情况,选择第 18层空间聚类结果(如图 2和图 3所示)进行逐一对应分析,表 3为逐一对应结果.

图2 2月 16日 MOD 14林火产品空间聚类分析

图3 2月 16日 HJ-1B林火监测结果空间聚类分析

综合图表可知:

1)HJ-1B IRS林火监测结果和 MODIS林火产品在空间分布上一致,MODIS火点产品中的林火像元在 HJ-1B监测结果上均有对应像元,没有发生漏监的现象;

2)MODIS一个火点像元对应着多个 HJ-1B火点像元,这些 HJ-1B的火点像元在空间上有可能相邻,也有可能离散,且火点个数之间没有稳定的比值关系.例如,MOD14中编号 17类的火点,在 MOD14上是相邻的两个火点像元,而在 HJ-1B监测结果上是两簇相离的火点 p类;

3)HJ-1B 300m的空间分辨率能更好地监测出林火的局部空间分布和细节特征.相对于 MODIS数据 1个像素范围内(星下点约 1km2)离散的林火分布,HJ-1B高分辨率数据在林火监测中具有更大的潜在应用价值;

4)在 HJ-1B数据中监测出来的局部个数较少的火点,在 MODIS传感器中由于空间分辨率的关系而无法监测出来,如图 3中编号 r类的火点,在 MOD14中并无对应火点像元.

表 3 MOD 14产品结果与 HJ-1B监测结果对应表

4 结束语

通过分析 HJ-1B影像数据特点,提出适用于澳大利亚东南部森林山火监测的归一化的火点指数法(Ku),对监测结果的验证表明 Ku指数能很好的识别出林火,但云覆盖是影响林火信息能否被监测出的主要干扰因素.

文中算法以 2009年 2月发生在澳大利亚东南部的森林山火对研究对象,识别效果较好,但由于区域性差异,该算法在中国及亚洲地区的适用性有待于进一步研究与分析.

致 谢感谢环保部卫星环境应用中心为本文研究提供所需的 HJ-1B卫星数据.

References)

[1]Dozier J.A method for satellite identification of surface temperature fields of sub-pixel resolution[J].Remote Sensing of Environment,1981,11:221-229

[2]Louis G,Jacqueline D.Application of the Dozier retrieval to wild fire characterization-A sensitivity analysis[J].Remote Sensing of Environment,2001,77:34-49

[3]Yoram J,Chris J.MODIS fire products[R].Algorithm Technical Background Document,EOS ID#2741,1998

[4]Boles SH,Verbyla D L.Comparison of three AVHRR-based fire detection algorithms for interior A laska[J].Remote Sensing of Environment,2000,72(1):1-16

[5]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 Qin Xianlin,Yi Haoruo.A method to identify forest fire based on MODISdata[J].Fire Safety Science,2004,13(2):83-89(in Chinese)

[6]Stroppiannad,Pinnock S,Gregoire J.The global fire production:daily fire occurrence from april 1992 to december 1993 Derived form NOAA AVHRR data[J].International Journal of Remote Sensing,2000,21:1279-1288

[7]Justicea C,Gigliob S,Owensa J.The MODIS fire products[J].Remote Sensing of Environment,2002,8(3):244-262

[8]Giglio L,Descloitres J,JusticeCO,et al.An enhanced contextual fire detection algorithm for MODIS[J].Remote Sensing Environment,2003,87(2):273-282

(编 辑 :娄 嘉)

Detection of Australian southeast forest fire using HJ satellite

Li Jiaguo Gu Xingfa Yu Tao

(Institute of Remote Sensing Applications,Chinese Academy of Science,Beijing 100101,China)

Wei Bin

(Satellite Environmental Application Center,Ministry of Environmental Protection,Beijing 100029,China)

By detecting forest fire happened in Australian southeast from remote sensing imagery to demonstrate the application ability of HJ-1B satellite in disaster.After analyzing the character of HJ-1B IRS B07 system parameters and data trait,a normalized forest fire index,Ku,was constructed.Pixels are potential fore fire points where Kuare greater than 0.40.Cloud dazzling points and surface high-temperature points are the main noises disturbing the fire point detection.MODIS 250m spatial resolution band 1 and band 2were used to get normalized difference vegetation index(NDVI)for the lack of HJ-1B data earlier than the fire happened date and its results are suitable for the forest fire detection.The compare of detection results by HJ-1B and moderate-resolution imaging spectroradiometer(MODIS)fire product,MOD14,shows that HJ-1B is better than MOD14 on presenting fire spatial structure for the reason of its higher spatial resolution,300m.

remote sensing-environmental app lications;forest fire detection;unitary fire index;Victoria

S 719;TP 79

A

1001-5965(2010)10-1221-04

2009-08-10

863计划资助项目(2006AA 12Z113);中国科学院知识创新工程重要方向资助项目(kzcx2-yw-303);国防科技工业民用专项科研技术研究资助项目(07K 00100KJ)

李家国(1982-),男,安徽巢湖人,博士生,jacoli@126.com.