融合紅邊波段的森林火燒跡地提取方法

李瑩，于海洋，王燕，李朝亮，江一帆

(河南理工大學(xué) 礦山空間信息技術(shù)國家測繪地理信息局重點(diǎn)實(shí)驗(yàn)室，河南 焦作 454000)

0 引言

森林是陸地生態(tài)系統(tǒng)的主體，對于人類生存及社會經(jīng)濟(jì)的發(fā)展具有重大影響。我國森林資源匱乏且分布不均，人均占有量不足世界人均占有的1/4[1]，與此同時(shí)，森林資源仍遭受自然災(zāi)害、病蟲害、濫砍濫伐等破壞。森林火災(zāi)是森林資源遭受嚴(yán)重毀壞的重要原因之一，火災(zāi)發(fā)生造成巨大社會經(jīng)濟(jì)損失的同時(shí)減少生物多樣性，對生態(tài)環(huán)境造成持續(xù)的不良影響。因此，及時(shí)有效的林火監(jiān)測和準(zhǔn)確的災(zāi)后面積及損失評估對于災(zāi)后森林生態(tài)系統(tǒng)的恢復(fù)具有重要意義。遙感技術(shù)因其動(dòng)態(tài)、宏觀、快速、低成本及高時(shí)間和空間分辨率的特點(diǎn)，成功應(yīng)用于森林火災(zāi)的監(jiān)測和受災(zāi)面積與損失的評估。

火災(zāi)燃燒植被會減少葉綠素含量，葉綠素減少則會引起可見光波段、紅邊波段(Red-edge)以及近紅外(NIR)波段波長的變化[2]，因此可以嘗試?yán)眉t邊波段對火災(zāi)火燒跡地進(jìn)行提取。以往森林火災(zāi)火燒跡地的提取研究多基于遙感數(shù)據(jù)的紅波段(Red)、NIR以及SWIR波段[3]。而針對紅邊波段的研究也較少涉及火燒跡地提取。如，Chuvieco等[4]使用Red-edge波段替換Red波段對火災(zāi)燃燒程度進(jìn)行研究。Korets等[5]基于紅邊波段(Red-edge)對西伯利亞火災(zāi)進(jìn)行了量化與制圖。Fernández-Manson等[6]評估了紅邊波段在Sierra de Gata火災(zāi)中識別燃燒程度等級的能力。郟江杰等[7]利用可見光、近紅外及SWIR波段采用PC3閾值法提取了2014年4月昆明市西山區(qū)的火災(zāi)區(qū)域面積取得較好結(jié)果。因此本文基于紅邊波段對森林火災(zāi)火燒跡地的提取方法進(jìn)行了研究，并對實(shí)驗(yàn)結(jié)果進(jìn)行對比分析。

本文選擇Sentinel-2A的遙感影像，其上搭載的多光譜傳感器(MSI)新增了3個(gè)紅邊波段(Red-edge)波段和一個(gè)近紅外窄波段(NIR narrow)波段。文中分別構(gòu)建了基于主成分分析法和新型植被指數(shù)的火燒跡地提取算法?；诘谌鞒煞址治龇ㄌ崛』馃E地，選擇可見光及近紅外波段進(jìn)行主成分分析(principal components analysis，PCA)，根據(jù)變換后的第三主成分提取火燒跡地，將3個(gè)紅邊波段分別替換可見光紅波段，根據(jù)得到的PC3red-dege1、PC3red-dege2、PC3red-dege3提取火燒跡地；基于植被指數(shù)提取火燒跡地，根據(jù)歸一化植被指數(shù)(normalized difference vegetation index，NDVI)及將3個(gè)Red-edge波段分別替換可見光紅波段計(jì)算獲取的NDVIre1[8-9]、NDVIre2[9]、NDVIre3[9]，分別分析火燒跡地的提取精度。技術(shù)流程如圖1所示。

圖1 技術(shù)路線

1 數(shù)據(jù)預(yù)處理

2017年5月2—4日，內(nèi)蒙古大興安嶺畢拉河林業(yè)局北大河林場發(fā)生森林火災(zāi)，火場地形為山林地，燃燒植被主要為針闊混交林，林火類型為高強(qiáng)度地表火。研究選擇Sentinel-2A影像數(shù)據(jù)，該衛(wèi)星攜帶了寬幅、高分辨率、多光譜傳感器(MSI)，傳感器能測量從可見光和近紅外到短波紅外的13個(gè)波段(表1)，不同分辨率的影像波段能很好滿足不同尺度的植被制圖的需求[10]。由于災(zāi)后天氣影響，選擇影像的拍攝日期為2017年5月25日，影像中仍有少量云層(如圖2右側(cè)高亮部分，亮度越高表示云層越厚)，研究區(qū)見圖2。

表1 Sentinel-2A波段

圖2 研究區(qū)影像

直接下載獲取的影像為L1C級產(chǎn)品，即大氣頂端反射率產(chǎn)品。使用Sentinel-2的工具箱(Senti Nel Application Platform，SNAP v2.4.0.)對影像進(jìn)行校正，獲得L2A級產(chǎn)品，即大氣底端反射率產(chǎn)品。對L1C級的影像處理包括亞像素精度的幾何校正和輻射校正[11]。

2 研究方法

2.1 第三主成分分析法

主成分變換(PCA)[12-14]也被稱為K-L變換，是一種基于統(tǒng)計(jì)特征基礎(chǔ)上的線性變換，即在保證均方誤差最小的基礎(chǔ)上進(jìn)行的最佳正交變換。對于多光譜及高光譜遙感影像，不同波段間多存在較大相關(guān)性，這種高相關(guān)性在信息提取時(shí)相當(dāng)于數(shù)據(jù)的重復(fù)、冗余。主成分分析可盡可能將多波段、高相關(guān)性圖像中的有用信息通過正交變換集中到盡可能少的互不相關(guān)的幾個(gè)主成分圖像中，壓縮數(shù)據(jù)的同時(shí)增強(qiáng)主成分圖像中的信息量。

其基本計(jì)算過程為：首先計(jì)算帶變換的n維遙感影像集的n×n的協(xié)方差矩陣(Cov)，根據(jù)協(xié)方差矩陣得到該矩陣的特征值E=[a11，a22，a33……，ann]和特征向量EV=[αkp…k為第1～n波段，p為第1～n主成分]。變換后第p主成分圖像上新像元的值(N_BVi，j，p)計(jì)算如下：

(1)

式中：akp為特征向量；N_BVi，j，p表示變換后影像中第k波段第i行第j列處的像元亮度值；n為波段數(shù)。

陳本清[15]等人通過對TM影像原波段進(jìn)行主成分變換后，發(fā)現(xiàn)第三主成分能增強(qiáng)火燒跡地的信息，根據(jù)第三主成分(PC3)值設(shè)置閾值提取了羅源縣森林火災(zāi)后的火燒跡地信息。本研究中采用類似方法，選擇合適波段進(jìn)行PCA變換，根據(jù)PC3設(shè)置閾值提取研究區(qū)火燒跡地信息。

Sentinel-2A數(shù)據(jù)影像包含波段較多，研究選取可見光、近紅外波段進(jìn)行PCA變換，同時(shí)將3個(gè)Red-edge波段分別替換R波段進(jìn)行PCA變換，分析變換后第三主成分圖像設(shè)置閾值，提取火燒跡地。PC3影像中像元值計(jì)算如下：

PC3=w1*B2+w2*B3+w3*B4+w4*B8

(2)

PC3red-edge1=x1*B2+x2*B3+x3*B5+x4*B8

(3)

PC3red-edge2=y1*B2+y2*B3+y3*B6+y4*B8

(4)

PC3red-edge3=z1*B2+z2*B3+z3*B7+z4*B8

(5)

式中：B2—Blue；B3—Green；B4—Red；B5—Red-edge1；B6—Red-edge2；B7—Red-edge3；B8—NIR。wi、xi、yi、zi為相應(yīng)系數(shù)。

2.2 植被指數(shù)分析法

歸一化植被指數(shù)(normalized difference vegetation index，NDVI)[16-18]能夠反映被觀測的區(qū)域是否為植被覆蓋，也能表達(dá)植被覆蓋的程度，此外，它還能反映出植被冠層的背景影響。其計(jì)算式如下：

(6)

式中：NIR、R分別為近紅外波段和可見光紅波段的像元值或反射率。NDVI[16]的取值范圍在[-1，1]之間，值為正時(shí)表示有植被覆蓋，且值越大表示覆蓋度越高。

實(shí)驗(yàn)計(jì)算獲得了研究區(qū)NDVI圖像，同時(shí)，將3個(gè)Red-edge波段分別替換可見光R波段，計(jì)算得到了NDVIre1[8-9]、NDVIre2[9]、NDVIre3[9]，分別分析圖像設(shè)置閾值提取火燒跡地。計(jì)算如下：

(7)

(8)

(9)

3 實(shí)驗(yàn)分析與評價(jià)

3.1 實(shí)驗(yàn)數(shù)據(jù)處理

1)第三主成分分析法。研究中對所選波段進(jìn)行PCA變換，根據(jù)協(xié)方差矩陣(Cov)計(jì)算相應(yīng)特征向量，結(jié)合公式(2)至公式(5)得到各第三主成分圖像的表達(dá)式：

PC3=0.482 1*B2+0.376 9*B3+
0.559 6*B4-0.558 9*B8

(10)

PC3red-edge1=0.370 1*B2+0.263 6*B3-
0.611 3*B5+0.648 0*B8

(11)

PC3red-edge2=0.432 9*B2+0.304 8*B3-
0.695 4*B6+0.486 0*B8

(12)

PC3red-edge3=-0.730 8*B2+0.668 4*B3-
0.104 1*B7+0.091 0*B8

(13)

根據(jù)上面各式獲得相應(yīng)第三主成分圖像，如圖3(a)、圖3(b)、圖3(c)、圖3(d)所示。

2)植被指數(shù)分析法。根據(jù)式(6)至式(9)，得到變換后圖像如圖3(e)、圖3(f)、圖3(g)、圖3(h)所示。

圖3 變換后影像

由變換后圖像(圖3)可看出，基于第三主成分分析變換后的各圖像對火燒跡地的增強(qiáng)效果要優(yōu)于基于植被指數(shù)變換后圖像的增強(qiáng)效果，其中PC3Red-edge1和 PC3Red-edge2對火燒跡地的增強(qiáng)效果最好；基于新型植被指數(shù)變換后的圖像中，NDVIre2、NDVIre3圖像對火燒跡地的增強(qiáng)效果相對較好，而NDVI圖像的增強(qiáng)效果較差，受云層影響較大。

3)閾值設(shè)置。獲取變換圖像后，對圖像進(jìn)行分割，通過統(tǒng)計(jì)影像對象的值與人工解譯相結(jié)合的方式得到相應(yīng)閾值，提取了火燒跡地信息。閾值設(shè)置見表2，火燒跡地提取結(jié)果如圖4所示。

表2 閾值設(shè)置

圖4 分類結(jié)果

3.2 實(shí)驗(yàn)結(jié)果評價(jià)

研究中主要提取火燒跡地與非火燒跡地信息。圖4中紅色部分表示火燒跡地，綠色部分表示植被覆蓋區(qū)。圖4可以看出，基于第三主成分分析火燒跡地提取效果優(yōu)于基于新型植被指數(shù)的提取效果，其中PC3Red-edge1、 PC3Red-edge2提取效果最佳，能夠幾乎完全忽略云層的影響，且提取較完整；基于植被指數(shù)的方法中，NDVI提取效果最差，除受云層影響較大外，提取區(qū)域也較為破碎，相比之下，NDVIre1、NDVIre2、NDVIre3的提取效果相對較好，受云層的影響較小且提取區(qū)域較完整。

除定性分析外，實(shí)驗(yàn)也對分類結(jié)果進(jìn)行了定量分析。研究中對提取結(jié)果的評價(jià)采用兩種方法：一是計(jì)算提取結(jié)果的召回率、漏警率和虛警率。

假設(shè)樣本中有兩類：A個(gè)為真(T)的樣本；B個(gè)為假(F)的樣本。

分類模擬后：AA個(gè)為T的樣本系統(tǒng)識別為T，BA個(gè)為T的樣本系統(tǒng)識別為F，則AA+BA=A；BB個(gè)為F的樣本系統(tǒng)識別為F，AB個(gè)為F的樣本系統(tǒng)識別為T，BB+AB=B。

召回率=AA/(AA+BA)

(14)

漏警率=BA/(AA+BA)

(15)

虛警率=AB/(AA+AB)

(16)

式中：召回率表示正確識別為T樣本的比例；漏警率表示漏判的T樣本的比例；虛警率反映識別為T樣本的樣本中F樣本的比例。召回率越高表示精度越高，漏警率和虛警率越低表示精度越高。

二是統(tǒng)計(jì)兩類的面積，對各分類結(jié)果進(jìn)行空間精度驗(yàn)證，其計(jì)算公式[19]如下：

(17)

式中：b代表i類的空間誤差精度；Cim表示i類的實(shí)際柵格數(shù)量；Cin表示i類的模擬柵格數(shù)量；Ci0表示i類模擬的與實(shí)際的重合的柵格數(shù)量。b越小，表明分類的空間精度越高。

各精度評價(jià)的結(jié)果見表3。

由表3分析得出，采用第三主成分分析法的火燒跡地提取精度整體看來優(yōu)于基于植被指數(shù)分析法的提取精度。其中，PC3Red-edge1提取精度最高，召回率、精確度、和空間精度分別達(dá)到0.967 3、0.850 7、和0.797 6；PC3Red-edge2提取精度次之，召回率、精確度和空間精度分別達(dá)到0.951 6、0.834 5和 0.762 8。NDVIre1、NDVIre2、NDVIre3三者的提取效果差異較小，但NDVIre3的提取效果相對較好，召回率和精確度分別達(dá)0.931 2、0.838 5，空間精度達(dá)到0.751 8。PC3與NDVI的提取效果均較差。

表3 精度評價(jià)結(jié)果

由于經(jīng)主成分變換后，第三主成分圖像對火燒跡地具有較好的增強(qiáng)效果，因而基于第三主成分的方法對于火燒跡地的提取效果更優(yōu)?；馂?zāi)后火燒跡地的植被銳減，區(qū)域葉綠素含量急劇下降，由于紅邊波段對于葉綠素的變化更為敏感，因此2種不同的方法中，紅邊波段參與的火燒跡地的提取精度更高。

4 結(jié)束語

根據(jù)本文實(shí)驗(yàn)，得出如下結(jié)論：①相比植被指數(shù)分析法，基于第三主成分分析法對火燒跡地提取精度整體較高，該方法更適于火災(zāi)后火燒跡地的高精度快速提取。②與R波段參與的過火區(qū)提取精度相比，Red-edge波段替換R波段后，火燒跡地的提取精度較高。其中，PC3Red-edge1提取精度最高，精確度、召回率和空間精度分別達(dá)到0.850 7、0.967 3和0.797 6；PC3Red-edge2提取精度次之。

研究中也存在不足之處：①由于天氣原因，實(shí)驗(yàn)數(shù)據(jù)的獲取日期與火災(zāi)發(fā)生日期有20天時(shí)間間隔，火燒跡地內(nèi)部分植被(如受災(zāi)程度較小的草地)可能會有一定程度的恢復(fù)，這對實(shí)驗(yàn)結(jié)果得準(zhǔn)確性或可產(chǎn)生影響。②數(shù)據(jù)選擇無法完全避免云層影響，由于云層對波譜有較強(qiáng)的散射作用，從而使云層覆蓋下的地物類型的提取精度降低，這在一定程度上會對結(jié)果造成影響。