基于多时相热红外遥感的钢铁企业生产状态辅助监测

李静， 孙强强， 张平， 孙丹峰， 温礼， 李宪文

(1.中国农业大学土地科学与技术学院，北京 100193； 2.中国国土勘测规划院，北京 100035)

0 引言

随着我国经济发展进入新常态，钢铁行业产能过剩问题日渐突出[1]，也不利于资源环境与经济的可持续发展[2]。国务院2016年提出，在此后5 a内钢铁行业产能继续压减1～1.5亿t粗钢产能，压减任务十分艰巨[3]。因此，及时掌握钢铁企业生产状态，对实现国家钢铁企业去产能任务具有重要意义[4]。而现阶段，政府主要通过成立督导检查组的手段检查钢铁企业响应限产措施的落实情况，这种监管手段不但耗费大量人力资源，而且获得的产能数据存在不确定性[5]。

近年来，热红外遥感技术逐渐被国内外应用于热岛效应[6-9]、行业相关热水污染[10]、地震[11]及森林火灾爆发[12]等热效应研究中[13]，而较少与钢铁企业产能变化监测相联系。理论上，自然界中一切温度高于绝对零度(-273 ℃)的物体都会通过辐射红外线表征物体的不同热特征信息[14]。一方面，钢铁企业在生产过程中会产生大量的热，并和周围环境形成较为鲜明的对比； 另一方面，卫星热红外遥感器通过星载传感器或者机载的传感器能记录地物体发射的热辐射信息[15]，因此利用热红外遥感监测钢铁企业生产状态具有理论上的可行性。在中尺度遥感数据中，Landsat系列卫星已提供了近30 a的对地热红外观测数据，其2013年2月11日新发射的Landsat8卫星在许多方面又有了明显的改进[16]。Landsat8不仅继承了热红外通道高空间分辨率的特征，而且其搭载的热红外传感器(thermal infrared sensor，TIRS)上首次引入了量子学红外光子检测技术，增强了TIRS对热红外波段的敏感性，因而，Landsat8更加适合于对地表温度、热空间分布进行精确反演分析[17]。Landsat8被大量应用于土地利用分类[18]、地表温度反演[19-20]和生态监测[21]等领域。GF-2卫星全色影像空间分辨率达到0.81 m，多光谱空间分辨率达到3.24 m[22]，已成功运用于地质调查[23]、滑坡灾害识别[24]和海岸线提取[25]等诸多领域。

地表温度是大气与陆地相互作用过程中的一个重要参数[26]。目前，利用热红外遥感数据已有大量的地表温度反演算法，其中，代表性算法有覃志豪单窗算法[27]和劈窗算法[19]、JCJ Muoz单通道算法和劈窗算法[28]、JK Dan单窗算法[29]和Sobrino多通道多角度算法等。Landsat8卫星自发射以来，其地表温度反演算法的研究相继问世。TIRS传感器上携带2个热红外波段，但是由于TIRS第11波段的定标参数仍不理想，因此采用已提出的劈窗算法误差较大。相比之下，单窗算法和单通道算法对大气水汽含量和地表发射率敏感性更高，反演误差更小，其反演温度和实测数据具有较好的一致性[19,26-29]。

本研究通过TIRS单通道算法反演地表温度，建立热辐射监测模型来探讨热红外遥感技术在辅助钢铁企业产能变化监测中的可行性，并以高分影像(GF-2)空间结构变化信息和月产量数据为基础验证判断结果。以期及时掌握目标钢铁企业生产状态，服务于国家产业结构调整和优化升级的战略决策与管理。

1 假设与方法

1.1 理论假设

卫星传感器接收到的热辐射信息主要为钢铁企业地面热辐射和大气热辐射信息[15]，钢铁企业地面热辐射包括了生产热辐射和背景热辐射，其中背景热辐射就是指生产区域背景热辐射和非生产区域背景热辐射代表的环境背景温度(图1)。

图1 钢铁企业热辐射示意图Fig.1 Schematic diagram of thermal radiation in iron and steel enterprises

对于钢铁企业来说，一方面生产区域在非生产情况下自身会发射一定的热，即生产区域背景热辐射： 另一方面钢铁企业生产过程中高炉风温高达1 100 ℃左右，引起企业内部的生产区域显著升温并会辐射出大量的热，即生产热辐射，和周围不受钢铁企业生产影响的生产区域背景热辐射信息形成鲜明的对比。而非生产区域辐射的热主要是自身背景发射的，即非生产区域背景热辐射。在假设生产区域和非生产区域背景热辐射相等的前提下，2个不同区域热辐射信息的差值可以用来提取钢铁企业生产热辐射，从而反映钢铁企业的运行状态。在此假设下，热红外遥感可以通过星载传感器对钢铁企业产生的热辐射信息和周围环境背景热辐射信息进行收集和记录，建立生产热辐射监测模型来判断钢铁企业的生产状态。

1.2 研究方法

根据以上理论假设，通过辐射亮温和地表温度反演，获取生产区域热辐射和非生产区域背景热辐射信息，再基于阈值法构建钢铁企业生产热辐射监测模型，获取生产热辐射变化折线图； 结合生产区域热辐射面积变化情况和生产热辐射变化情况，判断该时期钢铁企业生产状态； 最后利用GF-2号数据以及收集到的月产量数据进行验证。具体技术路线如图2。

图2 技术路线Fig.2 Technical route

1.2.1 辐射亮温和地表温度反演

地表温度与热辐射强度有很强的相关性，可以反映出下垫面的热辐射信息[26,30]。Landsat8 TIRS传感器上携带有2个热红外波段，但由于第11波段存在定标问题，无法用于定量研究[31-32]，所以本研究选用Landsat8卫星第10波段进行研究。首先，将第10波段的亮度值转换为大气顶部的光谱辐射值，即

Lλ=MLQcal+AL，

(1)

式中：Lλ为波段λ的大气顶部光谱辐射值；Qcal为影像以16 bit量化的亮度值；ML和AL分别为波段λ的调整因子和调整参数，可从头文件中获得。

将大气顶部光谱辐射值转换成亮度温度值。可以利用Planck公式获得，即

T=K2/ln(K1/Lλ+1)-273.15，

(2)

式中：T为传感器处的辐射亮温，℃；K1和K2为热红外波段的定标常数，对于TRIS第10波段，K1=774.89 W·m-2·sr-1·μm-1，K2=1 321.08 W ·m-2·sr-1·μm-1)[29,33]。

最后，采用单通道算法反演地表温度[34]，即

LST=γ[ε-1(ψ1Lλ+ψ2)+ψ3]+δ，

(3)

γ≈T2/(bγLλ)，

(4)

δ≈T-T2/bγ，

(5)

ψ1=1/τ，

(6)

ψ2=-L↓-L↑/τ，

(7)

ψ3=L↓，

(8)

式中：ε为地表比辐射率，可通过ASTER光谱库获得主要地物在TIRS第10波段的比辐射率，林地、草地、土壤、建筑物和水体在TIRS第10波段的比辐射率分别为0.981 3，0.982 3，0.972 2，0.921 2和0.990 8[35]； 参数bγ为1 324 K；Lλ和T分别由式(1)—(2)获得；ψ1，ψ2和ψ3分别为大气水汽含量w的函数；τ为大气透过率；L↓和L↑为大气上行和下行辐射强度。

1.2.2 阈值划分

钢铁企业生产过程中释放大量的热，产生温度异常，形成低温区(主要是非生产区域)和高温区(主要是生产区域)(图3(a))； 另一方面，2个区域之间结构特征存在明显的差异(图3(b))，生产区主要包括车间、烟囱和冷却塔等区域； 非生产区域主要包括储气罐、煤堆等受生产影响较小的区域。由于钢铁企业的生产区域并不一定进行生产，所以需要以钢铁企业热辐射信息为主导辅以结构特征进行高温区和低温区的划分。所以，本研究结合钢铁企业空间结构特征和地表温度数理统计特征，通过多次选取和试验，最终选定地表温度均值±标准差(图3(a))[36]为阈值将钢铁企业区域划分为高温区和低温区(图3(c))。

(a) 钢铁企业地表温度分布直方图(b) 生产区与非生产区分布及结构特征

(c) 阈值划分结果图3 阈值选取依据Fig.3 Threshold selection

1.2.3 生产热辐射监测模型

假设在高温区和低温区的大气热辐射和背景热辐射相等的前提下，2个区域热辐射信息的差值可以剔除掉钢铁企业生产区域背景热辐射信息和大气热辐射信息，从而可以反映钢铁企业生产所带来的热辐射信息。所以高温区和低温区平均地表温度的差值可以反映钢铁企业生产对于地表温度的平均贡献，再乘以高温区面积则可以得出钢铁企业生产时所产生的热辐射，从而间接反映该企业的产能状况[37]。钢铁企业生产热辐射值越高，说明该时间点钢铁企业的产能越高。以上假设可以简化为

H=(Tmax-Tmin)·Smax，

(9)

式中：H为钢铁企业生产热辐射，℃；Tmax和Tmin分别为高温区和低温区的平均地表温度，℃；Smax为高温区面积，在影像中对应高值区的栅格数。

2 案例与分析

2.1 研究区概况

唐山市地处环渤海湾中心地带，是渤海经济区的重要组成部分，也是京津唐城市群的主要城市之一[16]。唐山市钢铁规模大，但钢铁产业市场结构分散，集中度比较低，需求下滑与产能过剩导致全行业亏损[17]。因此，作为化解产能过剩的重点地区和重点行业，河北省唐山市钢铁行业承担着十分繁重的压减产能任务[2]。选择唐山市A，B，C和D(图4)4个典型钢铁企业作为研究对象进行生产状态辅助监测，并结合GF-2影像数据对企业A和 C进行验证(企业B和D未获得GF-2数据)； 为了加强验证，本研究通过生产热辐射H变化趋势判断出D钢铁企业生产状态之后，结合D钢铁企业的月产量数据进行补充验证(企业A，B和C未获得月产量数据)。

图4 唐山2016年5月13日Landsat8遥感影像(Landsat8 B7(R),B6(G),B4(B)假彩色合成)Fig.4 Landsat8 image in Tangshan on May 13，2016

2.2 数据来源

采用2016年5期Landsat8 数据开展地表温度反演，影像数据通过美国地质调查局网站下载，同时获取2期GF-2 PMS数据用于结果目视验证。Landsat8卫星的时间分辨率较低(16 d)，同时考虑到影像质量，时间上连续的影像无法获得，最终选择的5期影像参数如表1所示。

表1 影像数据列表Tab.1 Image data list

2.3 结果与分析

以唐山市4个典型钢铁企业为例，基于地表温度反演和阈值划分建立钢铁企业生产热辐射监测模型来研究钢铁企业生产变化状态，各个企业热辐射监测结果及生产热辐射H折线图分别如图5和图6所示。

(a) 企业A(b) 20160207(c) 20160310

(d) 20160326(e) 20160513(f) 20160529

(g) 企业B(h) 20160207(i) 20160310

(j) 20160326(k) 20160513(l) 20160529

图5-1 钢铁企业热辐射监测结果Fig.5-1 Monitoring results of thermal radiation in iron and steel enterprises

(m) 企业C(n) 20160207(o) 20160310

(p) 20160326(q) 20160513(r) 20160529

(s) 企业D(t) 20160207(u) 20160310

(v) 20160326(w) 20160513(x) 20160529

图5-2 钢铁企业热辐射监测结果Fig.5-2 Monitoring results of thermal radiation in iron and steel enterprises

(a) 企业A(b) 企业B

图6-1H折线图

Fig.6-1Hlinechart

(c) 企业C(d) 企业D

图6-2H折线图

Fig.6-2Hlinechart

由图5(b)—(f)可见，在研究时间内企业A高温区面积不断减小，生产热辐射H也随着时间的变化由804.1 ℃降低到了374 ℃，降低了53.49%(图6(a))； 由图5(h)—(l)可见，在研究时间内企业B的高温区面积不断增加，与此同时生产热辐射H也随着时间的变化由480.24 ℃上升到了1 404.36 ℃，升高了192.42%(图6(b))； 由图5(n)—(r)可见，在研究时间企业C高温区面积几乎不变，同时生产热辐射H也随着时间的变化稳定波动(图6(c))； 由图5(t)—(x)可见，在研究时间内企业D高温区面积逐渐减小，同时生产热辐射H也随着时间的变化由2 696.58 ℃降低到了1 638 ℃，降低了39.26 %(图6(d))。在研究时间内处于减产状态钢铁企业的5期地表温度图像的高温区面积呈减小趋势，其生产热辐射H变化折线图也呈现下降趋势； 处于增产状态钢铁企业的5期地表温度图像高温区面积呈现增大趋势，其生产热辐射H变化折线图呈现上升趋势； 处于稳产状态钢铁企业的5期地表温度图像高温区域面积大小几乎不变，其生产热辐射H折线图也呈现一个稳定状态。由此判断，研究区2016年A钢铁企业为减产状态，B钢铁企业为增产状态，C钢铁企业为稳产状态，D钢铁企业为减产状态。

2.4 结果验证

2.4.1 基于高分数据的结果目视验证

通过GF-2影像可准确识别钢铁企业空间结构和形态改变，对判断结果进行验证。由于无法获取2016年企业B和D对应的高分数据，所以只对企业A和C进行结果验证。钢铁厂空间结构变化见图7。

(a) 2015年企业A(b) 2016年企业A

(c) 2015年企业C(d) 2016年企业C

图7钢铁厂空间结构变化

Fig.7Spatialstructurechangeinironandsteelworks

由图7可发现，企业A在2016年堆料场已清空，厂房、输料管等少量生产设施开始拆除(图7黄色圆圈内)，判断A钢铁企业生产规模在缩小，有减产趋向，与判断结果相符； 企业C厂区结构在此期间未发生显著变化，判断C钢铁企业生产规模不变，生产状态稳定，与判断结果一致。

2.4.2 基于月产量数据的结果验证

为加强验证，从中国产业竞争情报网获取了2016年2—6月企业D的月产量数据。其产量数据及其与H值的线性回归分析如图8所示。

(a) 2016年企业D月产量(b) 生产热辐射H值与月产量回归分析

图82016年D钢铁企业月产量及其和生产热辐射的线性回归分析

Fig.8SteelcompaniesDmonthlyyieldin2016andlinearregressionanalysisofproductioninheatradiationHandmonthlyproduction

由图8(a)可以看出，企业D在该时间段内均为减产状态，与通过生产热辐射H变化判断结果相符合。同时，利用线性回归模型对企业D生产热辐射H值与月产量进行回归分析(图8(b))，其R2为0.831 6，表明生产热辐射H与月产量之间呈现较强线性关系。

3 结论与讨论

以唐山市钢铁企业为例，通过对Landsat8遥感影像数据运用单通道算法反演地表温度，结合GF-2影像数据划分钢铁企业的高温区和低温区，建立基于时间序列的高温区H变化折线图，从而判断出钢铁企业的生产状态。最后通过高分影像数据提供的钢铁企业结构变化信息以及钢铁企业的月产量数据对判断结果进行了验证，得出以下结论：

1)利用高分影像提供的钢铁企业结构信息，结合数理统计特征选取划分高温区和低温区的阈值，能够精确地划分高温区与低温区。

2)通过热红外遥感技术，结合高分影像，建立钢铁企业基于时间序列的生产热辐射模型，判断钢铁企业生产状态，从而实现对钢铁企业生产状态辅助监测的方法基本可行。

本研究为辅助监测钢铁企业生产状态提供了参考方法，但将此方法推广到实际应用中还存在以下问题： 由于数据时间分辨率较低以及无法获得对应时刻的钢铁企业产量数据，因此较难实现监测效果的验证； 另外由于无法获得高时间分辨率的连续监测影像，所以不能实现实时监测。若想通过遥感技术实现对钢铁企业运行状态的监测，需研制发射更高空间分辨率的卫星或多源数据融合组网以获取高时间分辨率的热红外影像。