基于GF-4 PMI數據的亮溫差校正火點檢測方法研究

王 堯，王世新，周 藝，王福濤，王振慶

1.中國科學院空天信息創新研究院，北京 100094 2.中國科學院大學，北京 100049

引 言

在各種災害中，火災是最經常、最普遍地威脅公眾安全和社會發展的主要災害之一[1]；其中，森林火災作為一種突發性強，破壞性大的自然災害，對森林以及人類帶來極大的危害和損失。尤其是2016年12月印發實施的《全國森林防火規劃(2016—2025)》，更是將森林火災防控問題提高到了國家戰略層面，其中明確指出要建立健全科學防火和依法治火機制，全面提升森林火災綜合防控能力，因此對火災發生前的風險評判以及發生后的快速識別具有極其重要的意義。

目前，衛星遙感數據由于其監測頻次快，空間覆蓋范圍廣，已經成為監測和處理森林火災的重要數據來源。20世紀80年代，伴隨著遙感技術的深入發展，出現了利用多個衛星平臺協同監測森林火災的研究。根據平臺的不同，可以將火災監測的方法分為單時相和多時相兩大類。具體而言，單時相監測是利用火災發生時空間溫度的差異及光譜信息進行監測，常用方法如單波段閾值法、多波段閾值法以及上下文法等。其中，單波段和多波段閾值法的優點是簡單快速且有一定的魯棒性，但忽略了季節的差異性及區域的異質性；上下文法是指利用空間上下文信息對火點進行提取，目前廣泛使用的全球火點產品的生產就是基于Giglio等[2]提出的上下文法的模型改進和發展而來，該方法能夠降低部分較小火點的漏檢精度。相比于單時相監測，多時相監測則是通過利用同步衛星高重訪率的特性，用多幅歷史影像與當前影像相結合進行火點識別。與極軌衛星相比，地球靜止衛星的高時間分辨率不僅能夠更好地排除掉虛警問題，同時還能補償其在空間分辨率上的不足，因而在全球的火災監測中具有明顯的優勢。如Filizola等[3-4]利用歐洲MSG SEVIRI傳感器，提出了適合同步衛星的RST-FIRES算法，且成功地用于火災監測；Jang等[4]提出了一種組合算法，并基于Himawari-8數據監測韓國的小型森林火災。

與國外相比，國內學者利用遙感數據對火點進行提取的研究起步雖然較晚，但是經過多年的發展，也取得了豐富的成果，如火點指數法、最大類間差法等。并且用AVHRR數據及MODIS數據發展了適用于中國區域的火點探測算法，隨著近些年國產衛星的陸續發射，出現了諸多針對國產衛星數據的火災監測算法，具體如Li等[5-6]分別提出適用于HJ-1B衛星的火災監測歸一化火點指數以及時空探測模型, Lin等[7]基于FY-3C VIRR數據，通過引入“動態閾值”和“紅外梯度”特性以增強算法的性能，使其適合于VIRR儀器。

目前，隨著“高分專項”全面啟動，高分衛星數據為我國的災害監測提供了一個全新的平臺，其主要研究通過獲取火燒跡地高分辨率遙感影像，從而對森林火災受害程度和災后植被恢復等進行評價與支持[8]。高分四號衛星作為一顆靜止衛星，其搭載的中波紅外相機(IRS)具有按秒成像的能力，并且具有較高溫度飽和點，因而對于熱異常及地物動態變化監測具有重要的應用前景。劉超樹等[9]采用“劈窗法”構建高分四號的火點自適應閾值檢測算法，該算法的檢測準確率高于80%，能被應用于高分四號影像的火點檢測?？傮w而言，國內外學者對于火點提取的研究日趨成熟，但是也存在以下問題：一是對于新發射的衛星傳感器數據火點提取算法研究較少；其二是基于單時相多時相的火災探測都有不足之處。為此，本文結合高分四號數據，首先對其在不同場景下的火災監測潛力進行評價，其次構建了亮溫差校正思想的火點檢測方法，通過引入災前影像的時間信息來獲得較為準確的亮溫擬合數據，最后通過精確率、虛警率、漏警率和總體分類精度等指標對火點探測結果進行精度評價。

1 實驗部分

1.1 研究區概況

本研究選取山西省沁源縣和內蒙古呼倫貝爾市新巴爾虎左旗地區作為實驗區。沁源縣位于112.3E，26.5N，以超56.7%的森林覆蓋率位居山西省之首；新巴爾虎左旗毗鄰兩國一盟四旗市位于東經117°33′—120°12′，北緯46°10′—49°47′，春季干旱多大風，邊境線屢見火情。

1.2 數據處理及技術路線

高分四號衛星是我國自主研制的第一顆，也是目前世界上地球同步軌道分辨率最高的對地觀測衛星。該衛星具有普查、凝視、區域、機動查巡四種工作模式，可以長時間駐留在固定區域上空，對我國境內及周邊地區進行近實時高頻次的監測以及熱點區域持續觀測。其上搭載的全色多光譜相機(PMS)空間分辨率優于50 m、單景成像幅寬優于500 km、中波紅外相機(IRS)空間分辨率優于400 m、單景成像幅寬優于400 km。具體衛星參數如表1所示。

表1 高分四號衛星參數

本文研究所需數據包括高分四號PMS和IRS兩個傳感器(PMI)的影像。在進行火點提取前，需要對原始數據進行一系列預處理過程，包括輻射定標、大氣校正、幾何校正和亮溫反演及反射率計算。具體技術流程圖見圖1。

圖1 技術流程圖

2 研究原理與方法

2.1 理論基礎

熱異常是探測森林草原等生物質燃燒的典型特征之一，傳統用于森林火災探測的衛星主要是利用其傳感器熱紅外通道對于溫度的敏感性來進行識別與探測，其數據遵循普朗克三定律，其中維恩位移定律表達式如式(1)所示。

λmax=b/T

(1)

式(1)中，λmax為物體的輻射波，T為亮度溫度值，b是值為2.897 768 5×10-3m·K的常數。

根據以上定律，可以得到物體的輻射波長僅與溫度有關，且溫度越高，輻射波長向著短波方向移動。此外，根據維恩位移定律，物體輻射時，其波長的峰值也會隨著溫度的變化而改變，溫度升高則峰值向短波方向過渡，溫度降低則峰值向長波方向過渡。一般而言，森林熱源燃燒時的溫度超過500 K。Robinson[10]、Pereira[11]等經實驗研究得出林火的輻射峰值大致在3.7 μm附近[11-12]，而高分四號中紅外波段波長范圍為3.5～4.1 μm，飽和溫度為360 K，可以滿足基本的林火監測要求。

2.2 火點判別方法

通過利用兩期高分四號影像數據中的時間空間信息，構建了一套亮溫差校正的火點檢測方法，并將其用于區域內火點的識別。

具體而言，首先定義背景亮溫為未發生火災下的亮溫，火點的探測是基于明火發生時的當前亮溫與背景亮溫的差值來進行判斷。其次，以目標亮溫為中心的周圍5×5至21×21的動態窗口內進行差值處理，并將窗口內滿足條件的點作為樣本點進行插值，從而得到當前火災發生時與火災發生前的補償亮溫，之后將補償亮溫與災前亮溫相加得到校正后的亮溫作為目標像元的新背景亮溫，最后進行火點判定和虛警剔除。但是在進行上述操作步驟前，需要對區域內云及水體像元進行掩膜處理，從而得到可用來替代探測像元背景亮溫的無污染像元。具體識別過程如以下六部分組成。

2.2.1 云像元識別

由于光學傳感器波段的電磁波無法穿透云層，因此云層所在區域的像元亮溫較低，此外，受云層的影響，可見光和近紅外波段的反射率增高。高精度的云掩膜在一定程度上可以降低由非火災區域所產生的誤差。為了提取區域內的云像元，本文采用式(2)和式(3)組合識別云像元[12]。

ρRed+ρNIR>0.7

(2)

T>285 K

(3)

式(2)和式(3)中，ρRed和ρNIR分別為PMS傳感器上4和5波段的反射率，T為IRS傳感器的近紅外亮溫。

2.2.2 水體識別

與云像元相同，水體同樣屬于污染信息，需要對其進行掩膜處理。目前基于多光譜數據識別水體的常用方法有閾值法、多波段算法、譜間關系法、區域生長法等。在前人研究的基礎上，本文采用式(4)和式(5)對水體進行提取[13]。

(4)

ρNIR>0.15

(5)

2.2.3 潛在火點識別

經過多次實驗，最終設定325 K作為潛在火點像元的提取閾值，以最大程度上得到區域內所有的異常高溫點。具體而言，首先以各潛在點為中心選取窗口，計算背景亮溫。初始窗口設為5×5，若參與計算的無污染像元低于窗口總體像元個數的20%，則擴大窗口至7×7，但受制于地物的差異性，窗口上限為21×21。

2.2.4 背景亮溫計算

選定合適窗口后，為了獲取準確的背景亮溫，加入前一期災前的影像信息?？梢园l現在無污染像元的情況下，相鄰時相的兩期影像既具有空間異質性，又有空間連續性，尤其是單個像元在時間上表現出強相關性。

由于高分四號衛星數據在災前具有時間上的不確定性，兩期影像的太陽高度角的不同，為了補償兩期影像的亮溫，構建溫差補償值ΔT，如式(6)所示。

ΔT(i,j)={t|Tpo-Tpr}

(6)

式(6)中，Tpo是災中像元亮溫的集合，Tpr是災前像元亮溫的集合。對于每一個用于計算的潛在像元窗口內，將計算的有效像元的溫差補償值作為采樣數據，并利用半變異函數法對采樣數據進行擬合，從而得到潛在火點與災前數據的溫差補償值ΔTij，之后將ΔTij與災前的亮溫相加得到潛在火點的背景亮溫的預測值Tpred。

圖2 山西沁源縣災前與災中地表亮溫散點圖

潛在火點的溫差補償計算在本研究對比了三種空間插值方法得到的結果，選擇普通克里金插值法(ordinary kriging，OK)，該方法不僅考慮了采樣的已知點與預測點的距離關系，同時考慮了它們之間的自相關關系，其能夠很好地反映兩期影像中相同空間內的溫度差?？死锝鸩逯档膬瀯菰谟谄洳粌H考慮已知點和預測點之間的距離關系，同時考慮已知點之間的自相關關系。式(7)為克里金計算公式。

(7)

2.2.5 火點識別

式(8)可以用來將潛在火點判斷為真實火點。

Tpo>Tpred+3δ

(8)

式(8)中，δ為窗口中背景像元的平均絕對偏差。

2.2.6 虛警剔除

基于光譜信息的火點提取流程，在大尺度區域內，虛警率通常較高。已有研究表明裸土在光譜維度難以與火點進行區分，因此采用已有土地分類結果，將裸地賦值為1，非裸地賦值為0，從而得到二值化的裸地分布圖；之后，利用式(9)對2.2.5節火點識別結果的基礎上進行裸地信息的去除。

ifL(i,j)=1, then exclude

(9)

3 精度評價

針對實驗區的火點識別結果，本研究以目視解譯的火點結果作為真值構建區域火點識別精度評價體系。體系包括精確率(precision,P)、虛警率(false alarm,F)，漏警率(missing alarm,M)，總體分類精度(overall accuracy, OA)以及評價指標Fβ分數，具體計算公式如式(10)—式(13)所示。

(10)

(11)

(12)

(13)

式中NTP是正確識別到的火點數，NFP是未被正確識別的火點數，NTN是被正確識別的非火點數，NFN是未被正確識別的非火點數。β是F分數的權重，本文中其值為2。

4 結果與討論

4.1 背景亮溫擬合結果

本研究通過結合高分四號PMS和IRS傳感器數據分別對山西沁源縣和大興安嶺新巴爾虎左旗兩個區域進行火點檢測。同時，對兩個區域進行人工目視解譯，將解譯得到的火點數據與當地發生火災時的其他文本數據作為驗證數據。

遙感圖像檢測火點像元的方法本質是一個二分類問題。地表火災會引起該區域輻射能量的急劇驟升，與自然狀態下的背景像元輻射能量形成較大的差異，一般的單時相影像火點判別條件中背景亮溫的估算由自適應窗口內的均值替代，多時相的火點判別則是基于大量的前期影像訓練完成的DTC(diurnal temperture cycles)模型用于擬合當前背景亮溫。本研究在單時相火點判別的基礎上增加一期災前影像的時間信息用于擬合當前火點的亮溫值，一方面可以保持單個像元在時間上的連續性同時不破壞其空間性，另一方面可以減少用于擬合亮溫曲線的數據量，得到較為準確的背景亮溫，整體符合高分四號衛星用于快速災情應急的定位。

本研究對比災前的亮溫值，并對兩期影像的亮溫差進行預估。圖3和圖4分別是山西沁源縣潛在火點像元采用不同模型擬合形成的亮溫曲線及對比結果?？梢园l現在兩期影像的亮溫擬合結果中，基于單時相窗口得到的背景亮溫峰值峰谷與災前亮溫相反，曲線波動不大，整體擬合值較低，且對于背景溫度較高的區域有平滑作用，直方圖亮溫分布在310 K兩側，在計算中對于一些低溫火點的識別則不夠準確。簡單克里金插值得到的結果能體現區域性，有突出的峰值且有對應于高亮溫的像素點，但該模型假設未知點的屬性值相對于平均值的偏差是已知點的屬性值相對于平均值的偏差的加權求和，并且需要提前知道區域的期望值，因此用于預估的期望值可能有偏差，從直方圖來看簡單克里金計算的得到的數據單峰分布更明顯，從表2插值統計結果來看普通克里金插值在數據分布上與反距離加權插值保持一致。但相比于反距離加權固定的權值，普通克里金的權重更依賴于空間，因此且其正太分布更為明顯，是較為理想的擬合結果。圖3中PreAT，PreIDW，PreOK和PreSK分別代表自適應閾值分割方法、反距離加權、簡單克里金以及普通克里金插值的亮溫差校正方法得到的背景亮溫擬合值。

圖3 不同插值方法擬合背景亮溫對比圖

圖4 潛在火點的背景亮溫擬合直方圖及概率分布

表2 單時相自適應閾值與三種插值方法擬合亮溫值統計表

4.2 實驗結果及精度驗證

2019年3月29日和2019年4月20日，山西沁源縣王陶鄉王陶村和大興安嶺新巴爾虎左旗孟克西里地區發生火災?；趯獣r間的高分四號PMI數據，本文通過使用提出的亮溫差校正的火點提取方法對兩起火災區域的火點進行提取，并將其與單時相自適應閾值分割獲得的火點提取結果進行對比，如圖5和圖6所示。從兩個區域的信息表，表3和表4可以看出對于較小的火區，各檢測結果均接近真實值，在大興安嶺火區較大的地方，單時相的檢測方法錯分多，雙時相插值得到的結果均一定程度減少了錯分像元，其中普通克里金插值擬合得到的火點識別結果更與真實值接近。需要注意的是，受煙霧的影響，在高分四號的多光譜影像中，目視解譯的火點信息較難提取，因為順風向的火點極容易被煙霧掩蓋。

圖5 大興安嶺新巴爾虎左旗2019-04-21森林火災火點檢測圖

圖6 山西沁源2019-03-31森林火災火點檢測圖

表3 GF-4/PMI大興安嶺新巴爾虎左旗雙時相不同插值方法及單時相火點檢測信息表

表4 GF-4/PMI山西省沁源縣雙時相不同插值方法及單時相火點檢測信息表

通過對比不同方法得到的火點檢測結果和真實值結果，可以發現基于中紅外信息的火點提取方法在結果方面具有一致性，其有相同的輪廓，且在火線附近的火點會出現不同程度的錯檢。從表5的統計數據來看，單期影像的自適應閾值方法的錯檢率在兩個區域的錯檢率分別為18%和13%，內蒙古呼倫貝爾市新巴爾虎左旗的火災受檢像元多，錯檢率也略高于山西沁源的火災。分析其錯檢原因，主要是在林火蔓延的過程中由于地面覆蓋物的遮擋，傳感器入瞳處接收到的信息大部分是樹冠的輻射信息，而這種信息正是火點識別的關鍵，通常對于樹冠火來說，地形、溫度、風向等外在因素也會影響火的蔓延趨勢并對環境產生影響。此外，由于植被遮擋以及火焰尺度等因素，最終觀測到的火點與遙感圖像中對應的實際位置有偏差。本研究提出的亮溫差校正的算法，錯檢率相較于前一算法均有明顯的降低，并且檢查像素數量越多，錯檢率越低。漏檢一方面是由于在自適應窗口下，對于較大的火災中心點，用于計算的可用像元由于附近的像素受火場蔓延的輻射影響亮溫普遍升高，因此背景場亮溫偏高。另一方面由于云和水由固定閾值確定，云像元是造成火點像元遺漏的重要原因，并且對于一些燜燒的低溫點也可能存在漏檢的情況。

表5 著火點不同方法檢測結果精度驗證表

5 結 論

高分四號衛星是我國第一顆地球同步軌道分辨率最高的對地觀測衛星，以其高頻次的拍攝特點和靈活機動模式，為防災減災提供強有力的信息保障。

在已有單波段火點檢測的基礎上，結合災前數據，構建亮溫差校正的火點檢測方法，并與單時相的火點檢測方法進行對比。相比而言，本文所提出的方法考慮了相鄰兩時相之間的相關關系，并且采用地統計學的插值方法降低空間異質性對于背景亮溫估算的影響，從而得到較為準確的背景亮溫，最后通過空間上下文的整和，將前期的準確信息反饋至當前像元。

整體而言，相較于部分多時相火點提取的方法需要大量訓練樣本來說，本文所提出的方法不受災前影像選取時間的約束，具有較強的穩定性。兩個實驗區研究結果表明，研究提出的算法相較于單波段的上下文算法能顯著降低火線周圍的錯檢率，且綜合分類評價指數在0.9以上，驗證了本文所提出的方法能夠正確檢測到火災，且可靠性較高。但是，由于高分四號影像缺少熱紅外(11 μm)波段，使得單波段火點探測受到一定的限制。在今后的研究中，需要進一步提高檢測精度，并且檢驗該方法在其他衛星及地區的適用性從而為災中迅速決策以及災后的評估和植被恢復提供有效信息。