可见光红外成像辐射仪数据林火识别算法研究

马芮，孙林，袁广辉，韦晶

（1.山东科技大学 测绘科学与工程学院，山东 青岛 266510；2.航天恒星科技有限公司，北京 100086）

0 引 言

森林火灾具有突发性强、破坏性大、极易蔓延等特点。火灾发生时，向大气排放烟尘、一氧化碳等有害物质，不仅严重污染大气环境，还可能导致生态失衡，影响人类正常的生产生活。建立快速、准确的火灾监测系统，对于及时地采取措施、控制火情、降低损失，具有重要意义。常规的火灾监测主要依靠地面站点监测，消耗人力多、可监测的范围小，无法满足火灾监测需求。卫星遥感具有监测范围广，实时性强的特点，不仅可以及时地提供准确的火点地理信息，监测火灾的动态蔓延趋势，还可以实现火烧迹地计算、灾后评估等工作。因此，借助遥感影像，高精度、高效率地实现森林火点信息提取的研究，得到越来越多的重视。

20世纪70年代末到80年代初，人类开始使用卫星遥感技术监测大面积火灾。随着遥感技术的发展，特别是一些高质量卫星传感器的出现，使得遥感技术在林火监测中得到了越来越广泛的应用。多种卫星传感器在火灾监测中发挥着重要的作用，如Gonzalez－Alonso等［1］基于5波段的 NOAA－AVHRR（Advanced Very High Resolution Radiome－ter）数据，构建了亮温－植被指数监测模型，并将其应用于西班牙瓦伦西亚地区东部的火灾监测中。1999年和2002年，美国分别发射了Aqua和Terra卫星，搭载了中等分辨率成像光谱仪（Moderate－resolution Imaging Spectroradiometer，MODIS），由于其宽波段覆盖、高时间频次、高数据质量的特点，使得卫星遥感监测火灾的技术及应用得到了更为快速的发展。基于该数据，Kaufman［2］研究了火点监测算法，并监测了巴西、非洲的森林大火。基于我国的卫星遥感数据，研究人员也深入探索了不同卫星数据的火灾监测方法，并在多次火灾监测中开展了示范应用。王钊等［3］应用FY3－VIRR传感器成功监测了陕西关中地区的大面积火灾；郭朝晖等［4］使用HJ－1BCCD和IRS数据对澳大利亚火灾进行了实时监测，为澳大利亚当局提供了有效的火灾应对信息。

作为NPOESS（美国国家极轨业务环境卫星系统）的首要关键载荷，VIIRS（Visible Infrared Imaging Radiometer Suite，即可见光红外成像辐射仪）继承和发展了AVHRR和MODIS传感器的参数设计，使用可见光到近红外波段范围的22个通道采集图像。VIIRS影像覆盖宽度为3000km，每4小时经过一次赤道上空，兼具多光谱、多高空间分辨率和短重访周期的特点，在资源勘探、灾害防范、生态监测等方面都发挥着重要的作用［5－6］。针对VIIRS数据的特点，Wilfrid Schroeder等［7］研究了基于上下文算法，结合375m分辨率的I波段进行火点提取的方法。但是中红外波段较低的饱和温度以及较小的地面覆盖，导致提取火点时频繁饱和。针对该问题，本文提出了新的火点监测算法，有效减少了火点漏检现象的出现。同时，该算法在一定程度上还可以较好地降低大气效应的影响，不仅在判别精度上有很大的提高，在判别效率上也得到了提升。以2013年发生在美国加州斯坦尼斯劳斯国家森林公园大火为例，对该方法的可行性进行了验证。

1 数据源介绍

VIIRS传感器在0.412μm～12.010μm的波长范围内，设有22个通道，包括5个高分辨率图像通道（I1－I5波段，分辨率为375m）、16个中分辨率通道（M1－M16波段，分辨率为750m）以及一个全色昼夜观测通道（DNB，分辨率为750m）。VIIRS的SDR（Sensor Data Record）数据产品是经过定标后的影像文件，提供所有波段的辐射亮度信息，可见光和近红外波段的反射率信息以及长波红外（LWIR）、短波红外（SWIR）波段的亮度温度信息［8］。另外，该数据还设有一个双增益热辐射波段，专门用于火灾监测。表1列举了本次实验所使用的VIIRS的主要波段信息。

表1 VIIRS部分波段介绍

2 VIIRS火点信息提取方法

2.1 火点信息提取技术流程

图1 流程图

2.2 三通道合成法［9］

根据对不同地物的反射波谱特征的分析发现：利用M11、M7、I1波段RGB合成的影像，可以有效地突出森林火点的影像特征。表2列举出了不同地物类型在3个通道上的反射率均值，可以看出：火点在M11波段的反射率均值明显高于其他地物，在三通道合成的影像中，火点整体呈现粉红色，与周围地物差异明显。

表2 不同地物类型三通道反射率均值统计表

2.3 FPI－NDVI法

（1）归一化火点监测指数模型

由火点监测原理可知，植被燃烧时，辐射峰值波长在4μm附近，周围地物辐射能峰值波长在11μm左右。根据VIIRS的波段分布，选取 M13波段（3.970μm～4.130μm）的亮温作为植被燃烧时的观测值，M15波段（10.263μm～11.263μm）的亮温作为背景像元观测值。以目视解译的火点为中心，分别绘制两通道的横向剖面图如图2、图3所示。

图2 M13剖面图

图3 M15剖面图

从两通道的横向剖面图中可以看出：在着火点处，M13的亮度温度呈现明显的上升趋势，最高亮温接近377K，远远大于周围背景像元亮温；处于长波红外波段的M15，火点处亮温虽然也呈现局部小峰值的特点，但是数值明显低于M13。而在非着火点处，两个通道的亮温观测值基本一致，增减趋势也大致相同。通过两波段的差值处理，可以较好地过滤掉背景信息干扰，并且达到增强火源信息的目的。

根据这一原理，周利霞等［10］提出了基于双波段亮温观测值的分裂窗形式的火点监测指数模型FPI（Fire Point Index）：

其中：T4代表M13波段的亮度温度，T11代表M15波段的亮度温度。

在非火点处，FPI值较小，且相对稳定。当靠近火点时，FPI值迅速变大，火点很明显的区别于周围地物。如图4所示，非着火区的FPI数值大部分集中在0.005以下，且基本变动不大，而火点处数值在0.10以上，接近周围地物FPI值的20倍，远远扩大了火点与背景的差异性。

图4 FPI剖面图

（2）归一化植被指数的应用

归一化植被指数（NDVI）是利用植被在可见光和近红外波段特殊的反射差异特点定义的一种指数，用来描述植被生长状态及覆盖度，与叶面积指数（LAI）、绿色生物量、植被覆盖度、光合作用等植被参数存在较高的相关性，是监测地区或全球植被和生态环境变化的有效指标。

考虑到所提取的火点信息有可能为非林火热点，比如沙地、裸地、城市热岛等。选取同地点火灾前无云的VIIRS影像，利用公式（2）计算出该地的植被指数，获得相应的植被分布状况，按一定的阈值提取出林地覆盖较大且相对集中的区域，划定为可燃区。如果热点所处位置为可燃区，则判断为林火点，否则为非林火点。对非林火热点予以排除，从而提高火点识别精度［11－12］。

3 火点提取结果与验证

3.1 研究区概况

2013年8月17日，美国加州斯坦尼斯劳斯国家森林公园（Stanislaus National Forest Park）发生火灾，整个火灾一直持续到9月份初，快速蔓延的火势烧焦了超过10万英亩的土地，对美国加州地区造成了难以估量的经济和资源损失。本次实验所使用的影像数据为2013年8月26日的VIIRS SDR产品。实验区选取优胜美地国家公园（Yosemite National Park）西部大约（37°4′46.00″N，119°9′27.54″W）处的大范围火源区，以及公园北部大约（39°0′20.41″N，120°4′50.05″W）附近的较小火源区，如图5所示。实验区云量低于10%，经云掩膜滤除后对火点提取影响不大。

图5 实验区影像

3.2 火点信息提取

经三通道合成法（M11、M7、I1）生成的影像，各种地物色彩差异明显，火点呈现出明显的粉红色，与周围地物区分度较高。在该影像上对火点、植被、云区、烟雾、陆地、水体、火烧迹地分别进行采样处理，统计各个地物类型样本点的FPI值，结果如下。

图6 不同地物类型火点指数对比图

由图6可以看出，火点的FPI值在0.0078～0.1665之间，烟雾、植被、陆地、水体、火烧迹地的FPI值均在0.005以下，且与火源的区域没有交叉部分。只有云的范围与火源FPI值有很大程度的重合，可以推断，云是影响该方法提取火点的主要干扰因素。由于采样点个数的局限性，其余地物如烟雾等，也有可能影响到最终的提取结果。

（1）云掩膜处理

与下垫面相比，云层在可见光和近红外具有较高的反射率，在热红外波段具有相对较低的亮度温度。结合着这两个特点，除去研究区域内的云覆盖像元［13］。条件如下：

其中，ρI1为I1波段的反射率，TM14、TM16分别为M14波段以及M16波段的亮度温度。

（2）烟羽掩膜处理

应用Xie［14］提出的烟探测算法，识别烟羽区域，并构建掩膜将其去除。如果像元同时满足式（4）中的4个条件，则被判定为烟羽像元。

其中，ρMi代表Mi波段的反射率值。（i＝1，2，3，11）

（3）火点信息提取

图7 样本火点分布直方图

根据图7所示样本火点的FPI分布直方图，结合人机交互确定火点提取阈值为（0.0419，0.1665），如图8是滤除云和烟雾后的可疑火点提取结果图。

图8 滤除云、烟雾前后对比图

根据结果图，可以看出：在实验点1的标号1处，浅蓝色像元（烟雾）被识别成了火点；在试验点2处，多处烟雾、云被错误识别成了火点像元。由此可见，在利用FPI进行火点信息识别及提取之前，去除烟雾和云的影响是一项很重要的工作。

（4）滤除耀斑处理

VIIRS影像具有±56°左右的宽视场角，难以避免太阳耀斑的影响。耀斑在光学图像上一般表现为非常亮的光斑区，它的存在会造成火点的错判现象。M12（3.660μm～3.840μm）和 I4（3.550μm～3.930μm）两个通道波段范围及波宽相近，同名点地物亮温值相差不大，而耀斑在相近波段上的亮温差异明显，利用两波段的差值，可以滤除耀斑区域。条件如下：

其中，TM12、TI4分别代表 M12、I4波段的亮度温度。满足式（5）的像元都可以认为是耀斑像元。

根据对比图可以看出，图中两个箭头处的3个像元被识别成了耀斑。

图9 耀斑滤除前后对比图

（5）NDVI修正

图10 NDVI修正前后对比图

森林火灾的发生必然在植被茂盛的地区，结合NDVI指数，确定阈值提取火灾前该地区的植被分布，阈值范围之内定为可燃区，其余为非可燃区。像元只有位于可燃区范围内，才有可能发展成为林火点。本文选取NDVI＞0.47来提取可燃区分布。

经NDVI修正，对图10虚线方框内位于非可燃区的3个像元点予以排除。

3.3 结果验证

采取8月23日和31日的Landsat ETM＋／OLI影像数据进行对比分析。如果8月23日的影像上像元为植被、火点，31日对应像元中存在火烧迹地，则判断8月26日相应像元处所提取的火点为真实火点的可能性很大；如果23日与31日影像上同名像元都为植被，则判断该火点识别错误。针对算法所提取出来的116个火点进行逐像元分析，结果如表3所示。

表中加粗的部分代表该火点错判、误判的可能性最大，其余火点基本接近真实火点。结果表明，实验点1的提取结果精度较低，只有33.3%的火点基本接近真实火点；实验区2中，85%以上的火点接近真实火点。发生错判、误判的可能原因为：本次实验只是对火灾区的明火点进行了提取分析，没有考虑烟雾覆盖下的焖烧火点；VIIRS数据的空间分辨率较低，由于混合像元的因素，如果该区域覆盖大量的植被面积，仅有少量火点信息，则容易将像元错判为非火点像元，降低最终结果精度。

表3 研究区火点提取结果验证分析

4 结束语

本文研究了VIIRS数据的火点信息提取方法，基于该方法识别和提取了2013年8月26日美国加州斯坦尼斯劳斯国家森林公园大火的火点信息。结合VIIRS数据的波段特征，确定了基于 M11、M7、I1的三通道合成的火点监测方法，取得了很好的监测效果。

实验证明，基于亮温的火点监测指数模型FPI与NDVI相结合的方法，能有效提取火点信息。在美国加州优胜美地公园附近“环火”的火点信息提取实验表明，其准确率可达到85%以上。该方法不仅避免了阈值法中温度饱和所造成的高温火点漏判现象，还减少了裸土、城市热岛等非火点地面恒热源的误判，可以满足火点监测需求。

本次实验只是对加州地区着火区域的明火点进行了提取分析，并没有考虑到烟雾下覆盖的焖烧火点。使用的数据分辨率为750m，空间分辨率较低，需要进一步探索混合像元中着火点所占比例。

［1］GONZALEZ－ALONSO F，CUEVAS J M，CASANOVA J L，et al.A forest fire risk assessment using NOAA AVH－RR images in the valencia area eastern spain［J］.International Journal of Remote Sensing 1997，18（10）：2201－2207.

［2］KAUFMAN Y J，JUSTICE C，FLYNN L.Monitoring global fires from EOS－MODIS［J］.Journal of Geophysical Research，1998，102（29）：611－624.

［3］王钊.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［J］.火灾科学，2011，20（3）：140－145.

［4］郭朝晖.环境减灾卫星影像森林火灾监测技术方法研究［J］.遥感信息，2010，25（4）：85－99.

［5］MILLER S D.Previewing NPOESS／VIIRS imagery capabilities［J］.American Meteorological Society，2006，4：433－446.

［6］CAO CY，XIONG XX，BLONSKI S，et al.Suomi NPP VIIRS on－orbit performance，data quality，and new application［J］.Earth Observing Missions and Sensors：Development，Implementation，and Characterization II，85280D，2012（9）：1－8.

［7］WILFRID S，PATRICIA O，LOUIS G，et al.The new VIIRS 375mactive fire detection data product：Algorithm description and initial assessment［J］.Remote Sensing of Environment，2014，143：85－96.

［8］SCHUELER C F，LEE T F，MILLER S D，et al.VIIRS constant spatial－resolution advantages［J］.International Journal of Remote Sensing，2013，34（16）：5761－5777.

［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］周利霞，高光明.基于 MODIS数据的火点监测指数方法研究［J］.火灾科学，2008，17（2）：77－82.

［11］缪婷婷，沈润平.基于背景信息的 MODIS林火自动提取算法［J］.测绘科学，2013，38（5）：49－60.

［12］周小成，王小钦.EOS－MODIS数据林火识别算法的验证和改进［J］.遥感技术与应用，2006，21（3）：206－211.

［13］HUTCHISON K D，LISAGER B D，HAUSS B.The use of global synthetic data for prelaunch turning of the VIIRS cloud mask algorithm［J］.International Journal of Remote Sensing，2012，33（5）：1400－1423.

［14］彭光雄，沈蔚，胡德勇，等.基于烟羽掩膜的森林火点 MODIS探测方法研究［J］.红外与毫米波学报，2008，27（3）：185－189.