地形及NDVI在林火遙感監(jiān)測二次識別中應(yīng)用的方法探討

陳艷英, 馬鑫程, 徐彥平， 王 穎， 汪艷波

(1.重慶市氣象科學研究所，重慶 401147； 2.中交公路規(guī)劃設(shè)計院有限公司，北京 100010；3.重慶市開州區(qū)突發(fā)事件預(yù)警信息發(fā)布中心，重慶 405400； 4.重慶市江津現(xiàn)代農(nóng)業(yè)氣象試驗站，重慶 402260； 5.朝陽師范高等專科學校，朝陽 122000)

0 引言

林火監(jiān)測、預(yù)警是森林防火工作的重要環(huán)節(jié)。及時、準確地發(fā)現(xiàn)著火點，并將林火消滅在發(fā)生初期，是實現(xiàn)林火“打早、打小、打了”目標的關(guān)鍵支撐[1]。目前衛(wèi)星監(jiān)測、航空監(jiān)測、地面巡護和瞭望臺監(jiān)測這4種[2]林火監(jiān)測措施中，衛(wèi)星監(jiān)測有諸多優(yōu)勢，能夠?qū)崿F(xiàn)大范圍實時監(jiān)測，且隨著氣象靜止衛(wèi)星分辨率的提高，衛(wèi)星林火監(jiān)測基本實現(xiàn)了全天候、大范圍的準無縫監(jiān)測。在林火監(jiān)測的應(yīng)用中，遙感能夠?qū)撛谖ｋU區(qū)域進行實時監(jiān)測和持續(xù)跟蹤，因此可以及時發(fā)現(xiàn)火情，實現(xiàn)林火的早發(fā)現(xiàn)早處理，降低滅火成本，減少潛在損失，彌補了基于瞭望塔等傳統(tǒng)監(jiān)測方法的不足，已成為當前林火實時監(jiān)測的重要手段之一。

林火遙感監(jiān)測的算法主要包括指數(shù)法[3-4]、亮溫結(jié)合閾值法[5-6]、多通道彩色合成法[7]、絕對火點識別法[8-9]和上下文法等?；诒姸嗔只鸨O(jiān)測方法，可用于林火監(jiān)測的波段也不斷被挖掘，除了傳統(tǒng)的中心波段在4 μm和11 μm的中紅外及遠紅外波段外，可見光等波段在林火監(jiān)測中也發(fā)揮著不同的作用。在實際監(jiān)測過程中，有大部分被判定為林火的像元點并無林火發(fā)生，稱之為空報； 而被判定為非林火的像元可能包含有溫度低、面積小的林火，稱之為漏報。無論是空報還是漏報，都大大降低了衛(wèi)星監(jiān)測林火的可信度。空報和漏報之間，及其與監(jiān)測準確度之間是矛盾的，降低空報率，漏報率會升高，反之亦然; 但無論空報率或漏報率升高都會降低監(jiān)測準確度。

衛(wèi)星探測到的林火是地表熱異常的一種，地表熱異?，F(xiàn)象通常包括： 火山噴發(fā)、森林燃燒、草原燃燒、溢出油氣燃燒、人工目標燃燒、農(nóng)業(yè)秸稈焚燒、垃圾焚燒處理、工業(yè)熱排放、高溫作業(yè)工礦場地等[10]，森林草原火是遙感熱異常監(jiān)測中的一部分點源[11]，在衛(wèi)星林火監(jiān)測工作中，其余地表熱源點是干擾源，會影響監(jiān)測精度。此外，水體、沙漠、云、大型建筑或建筑群等非熱源區(qū)，由于高反射或高能源利用的影響，在衛(wèi)星檢測地表熱源點的過程中容易被誤判為異常高溫點。因此，在林火遙感監(jiān)測過程中，這些非林區(qū)的異常高溫點及高反射(高能源利用區(qū))點便是干擾點，降低了林火遙感監(jiān)測的準確度。

為了提高林火遙感監(jiān)測的準確度，需要對監(jiān)測的異常高溫點進行篩查，以便去掉非林火關(guān)注區(qū)熱點，提高監(jiān)測的準確度。對高溫點進行篩查的方法和手段較多，但都存在一定的局限性，如用高分辨率數(shù)據(jù)檢驗低分辨率數(shù)據(jù)，缺點是與檢測熱點同步的高分辨率衛(wèi)星數(shù)據(jù)不能隨時獲??； 現(xiàn)場調(diào)查及無人機巡航，缺點是成本較高，且反饋時間較長。

在重慶應(yīng)用衛(wèi)星監(jiān)測林火還存在以下問題： 在衛(wèi)星紅外通道易出現(xiàn)高溫點的地物如工礦區(qū)、工業(yè)熱源、建筑群、水體等區(qū)域與林區(qū)交叉分布，這些非林火高溫點不僅降低了林火監(jiān)測的精度，還增加了排查的難度； 重慶地形破碎，林地與農(nóng)用地交錯分布，農(nóng)耕用火不僅難以與林火區(qū)分，還經(jīng)常引發(fā)森林火災(zāi)，因此對農(nóng)耕地用火需要加以關(guān)注或進行管控。針對以上問題，本文基于歸一化植被指數(shù)(normalized difference vegetation index，NDVI)及地形指數(shù)提取用于林火篩查的地表分類數(shù)據(jù)，利用該地表分類數(shù)據(jù)，對衛(wèi)星監(jiān)測的地表高溫點進行二次識別，從而剔除林火非關(guān)注區(qū)的異常高溫點，提高林火監(jiān)測的準確度。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

重慶地處中國內(nèi)陸之西南，年平均溫度為17.8 ℃，常年降水量為1 000～1 450 mm，氣候的地帶性和垂直方向變化明顯，導致各地地表溫度差異顯著。地帶性植被屬亞熱帶常綠闊葉林，屬于西南林區(qū)范疇，林地分布于高程較高、坡度大于15°的中低山區(qū)或高程較高的山區(qū)。地形起伏大，地表覆蓋破碎，林區(qū)與旅游景區(qū)、度假避暑區(qū)、高山風電場、高山高壓輸電線路、居民點、農(nóng)耕地交錯分布[12-13]，導致居民農(nóng)耕及生活、祭祖等活動極易引發(fā)森林火災(zāi)，地表非林火熱源多且與林火不易區(qū)分，在利用遙感數(shù)據(jù)進行林火監(jiān)測時會出現(xiàn)大量的非林區(qū)高溫點，這容易使森林防火和監(jiān)測出現(xiàn)紕漏。

1.2 數(shù)據(jù)源

1.2.1 AQUA/MODIS地面高溫點數(shù)據(jù)及NDVI數(shù)據(jù)

整理了2002—2020年AQUA/MODIS 1 km地面高溫點數(shù)據(jù)集MYD14A1及250 m NDVI數(shù)據(jù)集MYD13Q1，數(shù)據(jù)范圍為H27V05和H27V06 2個區(qū)域，數(shù)據(jù)來源于美國國家航空航天局官網(wǎng)。

1.2.2 FY3-C/VIRR和FY3-D/MERSI地面高溫點數(shù)據(jù)

整理了2014—2020年FY3-C/VIRR和2019—2020年FY3-D/MERSI 1 km地面高溫熱點數(shù)據(jù)集，數(shù)據(jù)來源于中國氣象局風云衛(wèi)星遙感數(shù)據(jù)服務(wù)網(wǎng)。

1.2.3 其他輔助數(shù)據(jù)

通過91衛(wèi)圖助手桌面端采集了重慶市2 m空間分辨率土地類型樣地數(shù)據(jù)，樣地類型包括林地、草地、果園、旱地、水田、水體、建筑用地7類； 收集了空間分辨率12.5 m數(shù)字高程模型(digital elevation model，DEM)數(shù)據(jù)，來源于日本宇宙航空研究所的高級陸地觀測衛(wèi)星-1(Advanced Land Observing Satellite-1，ALOS)。

1.3 數(shù)據(jù)處理

1.3.1 重慶森林火監(jiān)測點數(shù)據(jù)集

選取2002—2020年AQUA/MODIS監(jiān)測熱點數(shù)據(jù)MYD14A1、2014—2020年FY3-C/VIRR監(jiān)測熱點數(shù)據(jù)和2019—2020年FY3-D/MERSI作為遙感監(jiān)測高溫熱點源。各衛(wèi)星熱點數(shù)量見表1。

表1 不同來源熱點數(shù)量Tab.1 Number of hotspots from different sources

從表1可見，F(xiàn)Y3-C/VIRR和FY3-D/MERSI衛(wèi)星由于監(jiān)測年限較短，因此監(jiān)測熱點樣例較少，共62個 熱點； AQUA/MODIS衛(wèi)星監(jiān)測年限較長，監(jiān)測熱點較多，共2 159個熱點，其中標注9的高可信度熱點最少，為182個，標注為8的中可信度熱點多達1 618個，標注7的低可信度熱點359個。

1.3.2 植被指數(shù)數(shù)據(jù)集

選取2002—2020年AQUA/MODIS 250 m分辨率NDVI數(shù)據(jù)，通過重投影、格式轉(zhuǎn)換、裁剪后，獲取重慶區(qū)域的NDVI。為了降低云的影響，將AQUA/MODIS監(jiān)測的NDVI采用最大值合成法合成逐月NDVI，基于此計算多年月平均NDVI。如果單月NDVI較多年月平均NDVI降低超過0.1，則視為無效值，以當月前后2 a的均值替補。如2018年1月NDVI較2000—2020年1月月平均NDVI小0.15，則以2017年和2019年的均值替代，以此類推。以此方法計算了2013—2017年月平均NDVI，用來輔助完成土地分類。

1.3.3 土地分類數(shù)據(jù)樣本點數(shù)據(jù)集

林火遙感監(jiān)測的主要關(guān)注對象是天然林區(qū)及草地，結(jié)合重慶的區(qū)域特性，農(nóng)業(yè)用地中的旱地及果園也是林火防范的關(guān)注區(qū)域，而建筑用地、水體屬于林火防范的非關(guān)注區(qū)域，因此本文將土地類型分為林地、草地、果園、旱地、水田、水體及建筑用地7類。結(jié)合高分辨率遙感圖像及2015年土地利用數(shù)據(jù)，對本文7類型土地利用數(shù)據(jù)取樣，樣地數(shù)見表2。

表2 不同土地類型采集的樣區(qū)數(shù)Tab.2 Number of plots collected by different land types

1.3.4 其他輔助數(shù)據(jù)的處理

利用地理信息系數(shù)軟件，將空間分辨率為12.5 m的數(shù)字高程模型(digital elevation model,DEM)數(shù)據(jù)重采樣為50 m，并基于DEM生成了坡度數(shù)據(jù)。

2 土地覆蓋分類

2.1 樣點植被指數(shù)及地形分析

結(jié)合重慶地表破碎的特點，將NDVI數(shù)據(jù)重采樣為50 m分辨率，與DEM及坡度對應(yīng)。提取樣地月平均NDVI、坡度及高程，見圖1。

(a) 不同土地類型樣地NDVI月變化曲線 (b) 不同土地類型樣地坡度和高程

分析發(fā)現(xiàn)，各樣地NDVI均值較最大、最小值具有區(qū)別度，因此采用月平均NDVI作為分類指標，而表征地形的坡度和高程2個要素，在不同地類中也有很明顯的分異性，因此也作為分類的重要參數(shù)。由圖可見，除水體外，各種土地類型的NDVI峰值均出現(xiàn)在7—8月份，9月開始減小，谷值基本出現(xiàn)在1月份，1—8月，NDVI逐漸增加。各土地類型中，林地NDVI最大，其次是草地，水體NDVI最小，建筑用地NDVI次小。在農(nóng)田中，4—5月份旱地NDVI高于水田，其余月份水田NDVI高于旱田NDVI，果園NDVI月際變化平緩，1—2月份及11—12月份NDVI較旱地、草地NDVI偏大，在6—8月的生長旺季，果園NDVI較其余植被覆蓋區(qū)NDVI偏低，其余月份NDVI較水田、旱地、草地、林地NDVI低。各類土地類型中，坡度和高程值變化明顯，可以結(jié)合NDVI進行區(qū)分。

2.2 分類方法及結(jié)果

2.2.1 人類活動用地與林草地的分離

跟據(jù)李伶俐等[14]的研究及第三次國土調(diào)查技術(shù)規(guī)范[15]，從地形坡度要素來看，重慶耕地集中分布在坡度25°以下的區(qū)域； 從地形高程要素來看，重慶耕地集中分布在200～1 500 m之間的區(qū)域。結(jié)合本文研究，從圖1樣地的坡度、高程分析結(jié)果及文獻研究成果發(fā)現(xiàn)，坡度過大、高程過高的區(qū)域不適合人類活動，因此本文將坡度≤15°且高程在[0,1 500] m之間的區(qū)域及坡度在(15°，25°]之間且高程≤800 m的區(qū)域定為可能出現(xiàn)水體、建筑用地及農(nóng)業(yè)用地的區(qū)域，占總面積的59.15%； 其余區(qū)域為林地、草地，占總面積的40.85%。

2.2.2 非植被用地與農(nóng)用地的分離

水體及建筑用地的NDVI整體偏低，在7—8月份水體和建筑用地的NDVI與植被覆蓋區(qū)的地表NDVI相差最大，綜合考慮日照條件及建筑用地周邊、街道綠化生長狀況，選取8月份NDVI作為參考指標。分析NDVI可知，在結(jié)合前文識別的水體、建筑用地及農(nóng)業(yè)用地區(qū)域的基礎(chǔ)上，水體NDVI≤0.4或高程≤150 m且坡度≤10°的區(qū)域，建筑用地的NDVI在 (0.4,0.6]之間，水體占地1.4%，建筑用地占4.3%，見圖2。

2.2.3 水田、旱地、果園的分離

分析樣地NDVI發(fā)現(xiàn)，果園區(qū)域NDVI在6—8月較水田、旱地區(qū)域NDVI偏小，但在11—12月份NDVI較水田、旱地偏大，其中7月和12月差異明顯，利用這個特點分離農(nóng)用地中的果園； 水田和旱地的NDVI季節(jié)性突出，在6—8月份，水田和旱地的NDVI基本相當，但在4—5月及9—12月，水田NDVI較旱地NDVI明顯偏低，利用這個特點，分離出農(nóng)耕地中的水田； 在8月份旱地NDVI 較水田NDVI偏小，其余月份NDVI較水田偏大，其中10月份偏大最多，利用該特點提取旱地區(qū)域，提取結(jié)果表明，農(nóng)用地占重慶土地面積的48.9%，見圖3。

2.2.4 草地與林地的分離

分析地形及NDVI發(fā)現(xiàn)，草地NDVI在3—4月份及10—12月份較林區(qū)NDVI偏小明顯，其中4月份和12月份差異較大，分別為0.15和0.13，基于該特點，在2.2.1節(jié)提取的林地和草地結(jié)果中提取草地(圖4(a))，在林地和草地結(jié)果中去除草地的其余區(qū)域均為林地。在建筑用地、水體及農(nóng)用地結(jié)果中，如果坡度在16°以上且8月NDVI超過0.86或10月NDVI超過0.74的區(qū)域，視為耕地邊緣林地，因此，林地為這二者的合并區(qū)域(圖4(b))。林地和草地共占45.7%，見圖4?；谥貞c地表覆蓋類型破碎的特點，重慶林火遙感監(jiān)測關(guān)注的區(qū)域除天然林草地外，旱地和果園等經(jīng)濟林地也是林火監(jiān)測的關(guān)注區(qū)域，因此將土地分類結(jié)果按照林火監(jiān)測需求分成林火非關(guān)注區(qū)(包含建筑用地、水體、水田)、林火監(jiān)測關(guān)注區(qū)(包括天然林地、草地、旱地和果園)，如圖4(c)。從圖2—4的提取結(jié)果看，提取的水體在中心城區(qū)范圍偏大，包含了部分建筑用地，另外，受數(shù)據(jù)分辨率的限制，境內(nèi)的小河流不能全部識別。建筑用地在中心城區(qū)、西部較集中，在東北部、東南部山區(qū)較稀疏。水田集中在中西部地勢低平的區(qū)域，旱地除山區(qū)、城區(qū)外，分散在各區(qū)縣，與水田、林地、果園等交叉分布； 草地主要分布在東北、東南地勢較高的山區(qū)，林地在渝東北、渝東南占地較多、分布廣，另外在中、西部山地也有零星分布。

2.3 分類結(jié)果檢驗

對分類的結(jié)果進行準確度檢驗，計算樣地類型中，提取的該類土地類型面積占該類樣地總面積的比例代表提取的準確度，比例越大，表明準確度越高。一是進行單個地類提取檢驗，即提取結(jié)果的單個地類與該類樣地面積進行對比； 二是進行林火關(guān)注區(qū)提取檢驗，即分別檢驗建筑用地、水體、水田樣例區(qū)內(nèi)，該3類分類結(jié)果占林火非關(guān)注區(qū)面積的比例，旱地、果園、林地、草地樣地內(nèi)，該4類分類結(jié)果占林火關(guān)注區(qū)面積的比例。據(jù)此計算了單類樣地的準確度(表3)和林火關(guān)注區(qū)分類的準確度(表4)。

表3 單個地類準確度檢驗結(jié)果Tab.3 Accuracy test results of a single land type (%)

表4 林火關(guān)注區(qū)分類準確度檢驗結(jié)果Tab.4 Classification accuracy test results of forest fire concern areas (%)

從表3和表4可見，建筑用地、水體、水田的分類準確度分別為65.90%，76.32%和80.53%，其中建筑用地誤判的34.10%區(qū)域中，絕大部分誤判為水體，水體誤判的23.68%區(qū)域中，絕大部分誤判為建筑用地，水田誤判區(qū)域在建筑用地及旱地占比較大，分別為8.93%和7.04%，三者作為林火非關(guān)注區(qū)，識別的準確度達到94.59%。旱地、果園、草地、林地的識別準確度差異較大，旱地和果園的識別準確度分別為47.22%和40.61%，旱地誤差主要誤判為水田，占36.65%，果園誤差主要誤判為建筑用地和林地，分別占26.45%和23.95%，草地和林地的識別準確度分別為64.16%和79.96%，草地誤差主要誤判為林地，占32.69%，林地誤差主要誤判為旱地，占15.80%，四者作為林火關(guān)注區(qū)，識別的準確度達到86.01%。

林火遙感監(jiān)測時出現(xiàn)的高溫干擾熱點來源于林火非關(guān)注區(qū)，結(jié)合地表分類信息，對監(jiān)測高溫點進行二次識別，可以剔除林火非關(guān)注區(qū)的異常高溫點，提升林火監(jiān)測的準確度。本文地表分類的方法對識別林火非關(guān)注區(qū)的準確度高達94.59%，能夠滿足林火遙感監(jiān)測需要。

3 高溫熱點二次識別分析

3.1 利用林火關(guān)注區(qū)對監(jiān)測熱點二次識別

將FY3-C/VIRR，F(xiàn)Y3-D/MERSI及AQUA/MODIS監(jiān)測熱點與提取的林火關(guān)注區(qū)分類數(shù)據(jù)進行疊加，剔除落在林火非關(guān)注區(qū)的熱點，從而提高監(jiān)測準確度。由熱點分布(圖5)可見，F(xiàn)Y-3監(jiān)測熱點在空間上分布較均勻，MODIS監(jiān)測熱點第一個集中區(qū)域在西部、中心城區(qū)，第二個集中區(qū)在東南部酉陽、秀山，在東部偏北區(qū)域及中部相對均勻分布。

二次識別后熱點分布統(tǒng)計見表5，統(tǒng)計了不同衛(wèi)星監(jiān)測熱點在2類林火監(jiān)測分區(qū)中的數(shù)量及比例。

表5 監(jiān)測高溫點在2類林火關(guān)注區(qū)內(nèi)的熱點統(tǒng)計Tab.5 High temperature statistics in the twotypes of forest fire concern areas

從表5可見，F(xiàn)Y3-C/VIRR，F(xiàn)Y3-D/MERSI及AQUA/MODIS在林火非關(guān)注區(qū)的熱點分別為26.47%，11.76%和46.27%，其中AQUA/MODIS監(jiān)測熱點剔除比例較高，在林火關(guān)注區(qū)的熱點占53.73%，F(xiàn)Y3-C/VIRR和FY3-D/MERSI衛(wèi)星監(jiān)測熱點在林火關(guān)注區(qū)的占比較高，達70%以上。

圖6給出了進行二次識別后熱點分布。從圖6可見，經(jīng)過二次識別后，F(xiàn)Y3-C/VIRR和FY3-D/MERSI熱點主要分布在渝東北、渝東南及中部山區(qū)，在中心城區(qū)周邊及渝西地區(qū)分布較少； AQUA/MODIS監(jiān)測熱點在中心城區(qū)及周邊減少明顯，經(jīng)過二次識別后，AQUA/MODIS監(jiān)測熱點在各地基本均勻分布，中心城區(qū)及西部熱點占總數(shù)的25.3%，渝東北和渝東南熱點分別占26.6%和31.2%。二次識別后,林火關(guān)注區(qū)內(nèi)AQUA/MODIS監(jiān)測熱點剩余1 160個，其中判識為林火中-高可信度的熱點有1 024個，占判別為林火總數(shù)的88.3%； FY3-C/VIRR判識為林火的25個熱點中，23個高可信度林火點，占93%； FY3-D/MERSI判識為林火的熱點有19個，6個高可信度林火點。

3.2 林火關(guān)注分區(qū)在業(yè)務(wù)中的驗證及應(yīng)用

2021年5月1—2日，利用TERRA/MODIS和AQUA/MODIS數(shù)據(jù)與FY3-C/VIRR(FY3-D/MERSI數(shù)據(jù)出現(xiàn)故障)數(shù)據(jù)分別進行林火實時監(jiān)測，TERRA/MODIS和AQUA/MODIS上下午2顆衛(wèi)星共監(jiān)測高溫熱點37個，F(xiàn)Y3-C/VIRR共監(jiān)測高溫熱點14個，見圖7。

利用林火關(guān)注區(qū)分區(qū)結(jié)果對監(jiān)測熱點進行二次識別，MODIS衛(wèi)星監(jiān)測熱點判識為林火的共7個，排除非林火關(guān)注區(qū)熱點81.08%，見圖8，其中5月1日得到反饋，有一處為林火，位于酉陽土家族苗族自治縣酉酬鎮(zhèn)，其余判識為林火點的高溫點中，3個點反饋無林火，3個點無校驗反饋，其中江津區(qū)同一地點上午星TERRA/MODIS和下午星AQUA/MODIS均發(fā)現(xiàn)熱點，但沒有收到校驗反饋。二次識別后，5月2日FY3-C/VIRR監(jiān)測的熱點判別為林火的點有4個，見圖8，沒有收到反饋，非林火關(guān)注區(qū)熱點排除率達71.4%。

4 結(jié)論與展望

NDVI及地形因素對地表分類具有一定的指示意義，將其用于提取復雜地形區(qū)域地表分類信息并具有一定的準確度，可將結(jié)果應(yīng)用于特定場景，如用于林火遙感監(jiān)測的二次識別，可有效降低復雜地形區(qū)域林火監(jiān)測的干擾信息，提升衛(wèi)星監(jiān)測林火的準確度，同時降低熱點核實人力物力投入。盡管本文在地表分類及林火二次識別的應(yīng)用場景中已經(jīng)做了部分研究及示范，仍存在一些問題，主要包括以下幾點：

1)提升地表分類遙感數(shù)據(jù)的空間分辨率。較高分辨率的遙感數(shù)據(jù)反演的NDVI不僅能夠精細地刻畫地物NDVI的時間變化特征，也能更好地分辨出地物NDVI的空間差異，有利于區(qū)分破碎的地表覆蓋，提高地表分類的準確度。

2)增加輔助信息進行地表分類。可增加地物的光譜信息，結(jié)合智能識別方法進行分類，會提高分類精度。

3)增加核實數(shù)據(jù)對二次識別結(jié)果進行檢驗。應(yīng)用遙感手段進行林火監(jiān)測需對大量高溫熱點進行核實，在實施過程中存在監(jiān)測與管理分離的現(xiàn)象，致使大部分監(jiān)測熱點得不到核實，限制了對監(jiān)測結(jié)果的檢驗。因此落實核實機制、收集核實結(jié)果及真實火情、開展二次識別前后的對比檢驗等工作，是提升遙感林火監(jiān)測、檢驗工作的重要環(huán)節(jié)。