基于Himawari-8衛(wèi)星數(shù)據(jù)的林火判別

馮豁朗，張 貴，譚三清，吳 鑫

（中南林業(yè)科技大學 林學院，湖南 長沙 410004）

關(guān)鍵字：Himawari-8；林火判別；潛在火點；持續(xù)火點

衛(wèi)星遙感已成為當前林火快速監(jiān)測的重要手段。Himawari-8 搭載著高級成像儀AHI，可以獲取高密觀測數(shù)據(jù)，實現(xiàn)對林火的全天候近實時監(jiān)測。近年來已經(jīng)有不少學者利用Himawari-8 數(shù)據(jù)進行林火識別相關(guān)研究。Prins 等[1]基于WF-ABBA 算法編寫出COESRABI（Himawari-8 AHI 同類傳感器）火點識別算法理論文檔（ATBD）。趙文化等[2]以MODIS MOD14（MODIS Fire algorithm）火點識別算法為基礎，通過分析靜止衛(wèi)星觀測下的火點像元輻射特性和太陽中紅外反射特征，確定適用于Himawari-8 火點識別因子及其動態(tài)檢測閾值，提取了興安嶺林火信息。鄢俊潔等[3]根據(jù)Himawari-8 的7 和14 通道亮溫的時相特征，考慮白天可見光對7 通道的影響，并結(jié)合火點產(chǎn)生時引起亮溫變化特征，提出了適用于晴空條件下改進的火點檢測算法。陳潔等[4]利用Himawari-8 數(shù)據(jù)提出自適應閾值火點監(jiān)測算法。武晉雯等[5]利用Himawari-8 和高分一號衛(wèi)星開展林火密集監(jiān)測、火燒跡地和森林燃燒受害程度監(jiān)測。杜品等[6]通過探索云水檢測、潛在火點提取、太陽耀斑剔除、背景窗口確定等步驟，利用Himawari-8 衛(wèi)星數(shù)據(jù)來提取林火。目前國內(nèi)外學者對林火判別的研究主要還是基于固定閾值法或單時相影像的林火判別，分析的結(jié)果具有很大的主觀性，且適用性、準確性較差。

本研究以Himawari-8 作為數(shù)據(jù)源，考慮空間和時間因素，利用影像像元值、影像均值和影像標準差之間的比值關(guān)系來檢測潛在火點，結(jié)合前后兩個時刻的影像，利用時序信息檢測持續(xù)火點，并對判別結(jié)果進行精度驗證。

1 數(shù)據(jù)與方法

1.1 Himawari-8 衛(wèi)星及數(shù)據(jù)介紹

1.1.1 Himawari-8 衛(wèi)星介紹

Himawari-8 衛(wèi)星于2014年10月7日14:16發(fā)射，搭載高級成像儀AHI，全盤觀測時間分辨率為10 min/次，日本地區(qū)和特定目標區(qū)域時間分辨率最高能夠達到2.5 min/次?？臻g分辨率分為0.5 km（通道3），1 km（通道1，2，4），2 km（通道5～16）3 個區(qū)間[7]。AHI 有16 個探測通道，分為3 個可見光通道（紅綠藍），3 個近紅外通道，10 個紅外通道，可以用于探測包括海洋水色、陸表植被、大氣環(huán)境、火點識別以及云參數(shù)等各方面領域。

1.1.2 數(shù)據(jù)及通道選擇

實驗數(shù)據(jù)是從日本氣象廳下載的Himawari-8 L1 級NC（network Common Data Format）全盤觀測數(shù)據(jù)，下載后對其進行通道提取、亮溫計算、裁剪等預處理后進行林火判別。土地利用類型數(shù)據(jù)是從中國科學院資源環(huán)境科學與數(shù)據(jù)中心網(wǎng)站（http://www.resdc.cn）下載的2020年中國土地利用類型數(shù)據(jù)。驗證數(shù)據(jù)選取中國森林草原防滅火網(wǎng)數(shù)據(jù)，數(shù)據(jù)包含林火發(fā)生的時間、位置、像元大小、上報類型、監(jiān)測衛(wèi)星等信息。驗證數(shù)據(jù)還選取日本氣象廳發(fā)布Himawari-8的火點產(chǎn)品數(shù)據(jù)，數(shù)據(jù)可以從其發(fā)布的ftp 服務器上下載。產(chǎn)品數(shù)據(jù)分為軌道產(chǎn)品（Level-2）、1-hour 產(chǎn)品（Level-3）、1-day 產(chǎn)品（Level-3）和1-month 產(chǎn)品（Level-3），本研究使用的是1-day 產(chǎn)品（Level-3）進行驗證。

本研究利用Himawari-8 AHI 傳感器中的中紅外7 通道和長波紅外的14 通道進行火點探測。其中7 通道中心波長3.9 μm 與MODIS 的火點通道21 中心波長一致，可以用于分辨細小火點和區(qū)分火點強度等級。14 通道（11.2 μm）則具有穩(wěn)定的地物發(fā)射率，可以更好地反映各種覆蓋類型的地表背景溫度。云檢測選取了對云敏感的3 通道（0.64 μm）、4 通道（0.86 μm）和對云頂溫度敏感的15 通道（12.4 μm）。NDVI（歸一化植被指數(shù)）的計算則用到了3 通道反射率和4 通道反射率。

1.2 火點識別原理

衛(wèi)星遙感火點識別的理論基礎是溫度和輻射波長之間的關(guān)系。維恩位移定律將其定義為黑體輻射波長λm與黑體溫度T之間的關(guān)系，即：T·λm=B。B為維恩位移常量，值為2.897×10-3m·k。當發(fā)生火災時，黑體的溫度逐漸增大，黑體所輻射的電磁波波長會變短。由于峰值波長會隨溫度的升高向短波方向移動，即中紅外比熱紅外對高溫點的反應更敏感。所以發(fā)生火災時火點在4 μm 附近通道亮溫迅速升高，而11 μm 附近通道對高溫的響應相對遲緩[8]。利用衛(wèi)星監(jiān)測林火就是通過這種變化來進行判別的。

1.3 林火判別

利用衛(wèi)星遙感數(shù)據(jù)進行林火判別的方法主要有閾值法、亮溫植被指數(shù)法、上下文法、MODIS火點識別算法等[9-10]。本研究在上述算法的基礎上，結(jié)合Himawari-8 靜止衛(wèi)星高時效性的特點，考慮時間和空間因素，提出林火判別法，實現(xiàn)利用Himawari-8衛(wèi)星數(shù)據(jù)進行對林火的判別與監(jiān)測。具體包括了云檢測、火點判別（潛在火點判別、持續(xù)火點判別）、林火信息提取3 個模塊，具體流程如圖1所示。

圖1 Himawari-8 衛(wèi)星林火判別流程Fig.1 Himawari-8 satellite forest fire identification process

1.3.1 云檢測

利用遙感影像進行林火監(jiān)測時，云的存在會對地面真實的地物信息進行遮擋，降低遙感圖像的質(zhì)量，影響火點判別算法的精度。云檢測算法利用云與其它地物具有不同的光譜特征，即在紅外和可見光的亮溫或者反射率的不同的特點來實現(xiàn)識別云的目的[11]。利用前人學者[12]云檢測算法進行云檢測，白天對云區(qū)定義為：

式（1）中：BA03、BA04分別為第3、4 通道的反射率；BT15為第15 通道的亮溫值。白天滿足以上條件則為云區(qū)，晚上只要BT15小于265 K 即定義為云區(qū)。

1.3.2 潛在火點判別

在已有的火點判別算法的基礎上[13-14]，根據(jù)發(fā)生火災時7 通道和14 通道的亮溫變化，在單幅影像上利用影像像元值、影像均值和影像標準差之間的比值關(guān)系進行研究，發(fā)現(xiàn)火點像元和非火點像元的潛在火點的判斷因子ZBT07和ZBT74的值有較大的差異。ZBT07和ZBT74的計算公式如下：

式（2）～（3）中：BT07分別為第7 通道亮溫；BT74為第7 通道與第14 通道亮溫差；mean(BT07)、mean(BT74)分別為第7 通道亮溫的平均值和第7通道與第14 通道亮溫差的平均值；std(BT07)、std(BT74)分別為第7 通道亮溫的標準差和第7 通道與第14 通道亮溫差的標準差。

公式（2）～（3）的分子是像元值與影像均值之差，代表著像元值與影像均值的偏離程度，分母是影像的標準差，代表著影像整體的離散程度。其比值則代表著像元值與影像整體偏離程度的大小。當這個比值大于一定閾值時，像元為偏離正常值的異常高溫點，判定為潛在火點。

從中國森林草原防滅火網(wǎng)上獲取102 起無云遮蓋的林火的信息，下載Himawari-8 數(shù)據(jù)進行預處理，計算火點像元的ZBT07和ZBT74的值，并進行統(tǒng)計分析，由圖2可知，發(fā)生林火時火點像元的ZBT07和ZBT74的值均在0.85 和1.6 之上，得到潛在火點的判別公式如下：

圖2 林火像元 Z BT07和 Z BT74統(tǒng)計圖Fig.2 Z BT07 and Z BT74 statistics of forest fire pixel

1.3.3 持續(xù)火點判別

持續(xù)火點判別是為了將前后兩個時刻影像中同一位置持續(xù)高溫的像元（即前一時刻和當前時刻均為火點像元）識別出來，補充潛在火點判別時可能漏判的火點。利用前一時刻和當前時刻的7通道的亮溫、均值、標準差以及當前時刻14 通道亮溫進行綜合判斷。持續(xù)火點判別法各閾值是對前人算法[3-4,11]進行總結(jié)和長時間序列的亮溫統(tǒng)計得到，對持續(xù)火點判別公式如下：

1.3.4 林火信息提取

用上述火點判別方法提取出來的火點后，要把火點像元所在位置為林地的火點提取出來，才能認定為林火。這樣可以去除包括固定熱源、水面反射、農(nóng)用火源等非林火的干擾。林火提取有兩種方式。

一是利用NDVI 掩膜提取林火信息。NDVI 通過可見光和近紅外通道計算，用來反映植被覆蓋的程度[15]?；馂奶綔y中的NDVI 掩模是基于這樣一個假設，即只有某個像元的NDVI 值超過默認閾值則該像元可以認定為林地像元[11-12]。所以判斷公式如下：

式（9）～（10）中：BA03、BA04分別為第3 通道反射率和第4 通道反射率。根據(jù)謝字希等[11]學者的研究將C1的閾值確定為0.23。

二是可以獲取土地利用類型數(shù)據(jù)，把林地類型數(shù)據(jù)篩選出來，然后利用ARCGIS 軟件對其進行重分類后與識別火點數(shù)據(jù)進行柵格疊加分析提取林火信息。本研究通過獲取2020年土地利用類型數(shù)據(jù)來提取林火信息以及進行相關(guān)實驗。

1.4 精度評價方法

利用準確率P、漏檢率M以及綜合準確率和漏檢率的F值來進行統(tǒng)一的精度評定[16]。具體，公式如下：

式（11）～（13）中：Yy為監(jiān)測的火點為真實火點的個數(shù)；Yn為誤檢火點的個數(shù)；Ny為漏檢火點的個數(shù)；P和M分別為準確率和漏檢率；F為準確率和漏檢率的綜合評價指數(shù)。

2 結(jié)果與分析

2.1 林火監(jiān)測結(jié)果分析

根據(jù)上述林火判別方法對2020年4月1日云南省永仁縣發(fā)生的一起林火進行連續(xù)監(jiān)測，監(jiān)測的時間間隔為10 min。從遙感影像上首次監(jiān)測到林火的時間為2020年4月1日22:10（UTC 時，下同），監(jiān)測到熱源消失時間為23:20，從首次發(fā)現(xiàn)到熱源消失總共持續(xù)70 min。

監(jiān)測效果如圖3，得到由22:10 至23:10 的識別圖像（時間間隔20 min），從假彩色合成圖像a、c、e、g 可以看出，在火災區(qū)域有明顯的火點。從識別結(jié)果圖b、d、f、h 可知，22:10 至23:10中間4個時刻的林火熱點像元大小分別為1、3、3、1 個像元，說明火勢從22:10—22:30 呈上升趨勢，在22:30—22:50 之間達到峰值，22:50—23:10 呈下降趨勢?；饎萋臃较蚴怯闪只鹬行南裨?01°28′7″E，26°20′7″N）向北和東方向蔓延，然后逐漸向林火中心處熄滅。

圖3 云南省永仁縣4 個時刻火點假彩色圖和火點識別結(jié)果Fig.3 False color map and result map of fire point identification at four times in Yongren county,Yunnan province

續(xù)圖3Continuation of Fig.3

由圖4～5 可知，林火中心像元從22:00—22:10，10 min 內(nèi)ZBT07和ZBT74均有一個驟增趨勢，BT07和亮溫差Diff(BT07-BT14)同時也呈現(xiàn)出一個驟增趨勢，說明10 min 內(nèi)中心像元發(fā)生了林火。從22:10—23:10，ZBT07在1.24～1.62 之間起伏，ZBT74在1.89～3.14 之間起伏，BT07和Diff(BT07-BT14)也有著相同趨勢的起伏，此時的起伏一定程度上反映了中心像元火勢的變化情況。從23:10—23:20，ZBT07由1.62 驟降至0.68，ZBT74由3.14驟降至1.33，BT07和Diff(BT07-BT14)在此期間也有明顯下降趨勢。表明此時間段中心像元亮溫驟降，林火在此時間段熄滅。

圖4 林火中心像元（101°28′7″E，26°20′7″N）兩通道亮溫變化曲線Fig.4 Two channel brightness temperature curve of forest fire center pixel (101°28′7″E,26°20′7″N)

2.2 林火判別算法靈敏性對比

選取2020年11月7日湖南省醴陵市發(fā)生的一場已知林火，通過能否在林火初期及時準確識別出林火，來驗證本研究林火判別方法的靈敏性。這場林火具有持續(xù)時間短，發(fā)生火災范圍小的特點，能夠?qū)ε袆e方法的靈敏性能夠起到很好地驗證作用。林火發(fā)生時間為11月7日5:06，總共持續(xù)54 min，火點像元大小為1 個像元。同時用前人原時序火點算法[3]和林火判別法進行林火判別。判別結(jié)果如圖6所示，在林火發(fā)生的初期（11月7日5:10），在圖假彩色圖火災區(qū)域有一個細小林火熱點（圖6a），用原時序算法（圖6b）沒有識別出林火熱點，而本研究林火判別方法（圖6c）識別出了1 個像元的林火熱點。從而說明該判別方法對小火的靈敏性較高，識別的效果更加準確，能夠在林火發(fā)生初期及時判別，為滅火救援贏得寶貴時間。

圖6 醴陵市林火假彩色圖、原時序算法結(jié)果和判別方法結(jié)果Fig.6 False color map of forest fire in Liling city,results of time series algorithm and results of improved algorithm

2.3 判別結(jié)果精度檢驗

從中國森林草原防滅火網(wǎng)上可獲知2020年3月31日16 時至2020年4月1日16 時（北京時間2020年4月1日0—24 時）云南省境內(nèi)發(fā)生林火共計22 起。通過對比分析，林火判別法識別的24 起林火中有19 起與中國森林草原防滅火網(wǎng)的一致，未識別的3 起火災的可能原因是由于火災范圍小或被云遮蓋等。由表1可知，判別結(jié)果與中國森林草原防滅火網(wǎng)林火數(shù)據(jù)的正確率達到0.79，漏檢率為0.14，準確率和漏檢率的綜合評價值為0.82，說明判別結(jié)果與中國森林草原防滅火網(wǎng)一致性較高。

圖5 林火中心像元（101°28′7″E,26°20′7″N） Z BT07和 ZBT74變化曲線Fig.5 Z BT07 and Z BT74 change curve of forest fire center pixel (101°28’7”E,26°20’7”N)

利用日本氣象廳推出的JAXAWLF (Wild land fire) 1-day 產(chǎn)品數(shù)據(jù)（Level-3）和判別結(jié)果進行對比分析。2020年4月1日1-day 產(chǎn)品數(shù)據(jù)（Level-3）中云南省境內(nèi)火點總計181 個，判別結(jié)果中163個火點中有137 個與WLF daily 產(chǎn)品數(shù)據(jù)一致，兩種方法的不一致處可能的原因是由于虛假火點被識別等。由表1可知，判別結(jié)果與WLF daily 產(chǎn)品數(shù)據(jù)的正確率達到0.84，漏檢率為0.24，準確率和漏檢率的綜合評價值為0.8，說明兩者的一致性較高，能夠較好地起到火點判別的目的。

表1 判別結(jié)果精度評價Table 1 accuracy evaluation of discrimination results

3 結(jié)論與討論

3.1 結(jié) 論

1）通過利用中國森林草原防滅火網(wǎng)上獲取102 起無云遮蓋的林火的信息，計算林火熱點像元的ZBT07和ZBT74的值并進行統(tǒng)計分析，確定了潛在火點的判斷因子ZBT07的判斷閾值為0.85 和ZBT74的判斷閾值為1.6。由于每幅影像的均值和標準差都不一樣，這樣能一定程度上改善由于使用固定閾值法導致判別方法在不同時間和地區(qū)的主觀性大，適用性差的問題。

2）利用本研究判別方法對2020年4月1日22:10 發(fā)生在云南省永仁縣的一場森林火災進行連續(xù)監(jiān)測。監(jiān)測結(jié)果顯示本研究算法能夠監(jiān)測到森林火災從發(fā)生到結(jié)束的全過程。此次森林火災火勢最大時為3 個像元，火勢最小時為1 個像元，火勢蔓延方向是由林火中心像元向北和東方向蔓延，火災持續(xù)時間為70 min。監(jiān)測結(jié)果說明本研究判別方法能夠準確地識別森林火災，并能夠近實時連續(xù)性進行森林火災監(jiān)測，同時能反映火勢大小、蔓延方向和火災持續(xù)時間等信息。

3）利用2020年11月7日5:06 湖南省醴陵市發(fā)生的一場已知的小型森林火災，用本研究算法和前人學者基于時序變化的火點算法進行對比，結(jié)果顯示原時序算法在火災初期沒有識別出林火熱點，而本研究林火判別方法識別出了1 個像元的林火熱點。從而說明本研究算法對小火的靈敏性較高，識別的效果更加準確，能夠在火勢較弱的林火發(fā)生初期進行及時識別，為滅火救援贏得寶貴時間。

4）利用中國森林草原防滅火網(wǎng)的數(shù)據(jù)和日本氣象廳WLF daily 產(chǎn)品數(shù)據(jù)與云南省判別結(jié)果進行對比驗證，結(jié)果表明，綜合評價指標均達到了0.8以上，說明火點判別結(jié)果與中國森林草原防滅火網(wǎng)的數(shù)據(jù)和日本氣象廳WLF daily 產(chǎn)品數(shù)據(jù)一致性較高，能夠達到林火判別與監(jiān)測的目的。

3.2 討 論

本研究利用Himawari-8 靜止衛(wèi)星數(shù)據(jù)，基于火點識別原理，利用發(fā)生火災時中紅外4 μm 和長波紅外11 μm 附近通道的亮溫變化差異，結(jié)合影像像元值、影像均值、影像標準差，從時間和空間兩個維度進行綜合判別，改進林火判別算法，來提高火點識別的準確性和靈敏性，進行長時間連續(xù)監(jiān)測，能夠在森林火災近實時監(jiān)測、應急處置、滅火救援等方面提供有效信息。但本研究判別方法和數(shù)據(jù)上仍存在一定的不足和缺陷，針對缺陷和不足可以開展如下3 方面的研究：

1）本研究林火判別法結(jié)合了時間和空間上的影像信息，對林火進行判別監(jiān)測，取得了不錯的效果，但是判別方法中仍有部分使用固定閾值法進行火點判別，存在一定的局限性，下一步可以將機器學習算法引入到林火探測中研究：利用機器學習算法來代替原先需要人為先驗的閾值判定方法，是一種比較科學的方法。

2）Himawari-8 遙感數(shù)據(jù)具有高時間分辨率的特點，能夠?qū)馂倪M行連續(xù)性近實時觀測，有利于火災的及時發(fā)現(xiàn)與處置。但其空間分辨率較當前極軌衛(wèi)星而言還是較低，使得本研究判別方法對小型火災識別受到了一定的制約，可能存在漏判現(xiàn)象。下一步研究可通過多源遙感數(shù)據(jù)融合來監(jiān)測森林火災，彌補單一傳感器數(shù)據(jù)的不足，來提高林火判別的效率和精度。

3）遙感影像數(shù)據(jù)質(zhì)量受云層的影響嚴重?，F(xiàn)有的云檢測算法只是將云層進行去除，而且對薄云的檢測效果并不是十分理想，并沒有從根本上來解決問題，一旦有云遮蓋的話，對于某些火災監(jiān)測來說，就很可能導致缺失研究數(shù)據(jù)。所以，如何更加準確地檢測薄云以及如何穿透云層進行云下火災監(jiān)測還需要進一步的研究。