利用GF-1 WFV影像和FY-3D MERSI火點產(chǎn)品提取過火區(qū)的方法

單天嬋，鄭偉，陳潔

國家衛(wèi)星氣象中心,北京 100081

1 引言

過火區(qū)是指經(jīng)火災燒毀后尚未長成新林的土地（武晉雯 等，2020），是火災監(jiān)測的一項重要指標?？焖?、精準地獲取過火區(qū)的位置，范圍等信息有助于評估災后損失，對災后恢復措施制定和生態(tài)環(huán)境變化監(jiān)測有重要作用（李靜 等，2018）。遙感衛(wèi)星具有覆蓋范圍廣、成像周期短的特點，適合過火區(qū)的監(jiān)測和提取（鄭偉 等，2011）。中國對森林火災的監(jiān)管嚴格，通常救援工作能夠在火災發(fā)生后及時有效地開展（鹿德林，2019），近幾年單一過火區(qū)范圍普遍小于100 km2。與低空間分辨率遙感數(shù)據(jù)相比，高空間分辨率數(shù)據(jù)提取范圍較小的過火區(qū)具有明顯優(yōu)勢。目前已有一些研究用到我國高分數(shù)據(jù)提取過火區(qū)，其中高分一號（GF-1）寬幅相機WFV（Wide Field of View）數(shù)據(jù)具有空間分辨率高，幅寬大等特點，在該研究領域中使用廣泛。祖笑鋒等（2015）利用GF-1 WFV各波段反射率信息，結(jié)合5種光譜指數(shù)，構(gòu)建森林過火區(qū)識別決策樹模型提取過火區(qū)。孫桂芬等（2019）基于GF-1 WFV 數(shù)據(jù)采用多種光譜指數(shù)對內(nèi)蒙古鄂倫春自治旗過火區(qū)進行了識別，取得了良好的效果。

上述方法主要是針對研究區(qū)采集過火像元樣本，分析過火像元在影像中的光譜特性，確定分類閾值，對過火區(qū)進行提取。由于高空間分辨率數(shù)據(jù)普遍缺少對過火區(qū)敏感的短波紅外等波段，因此若僅基于該數(shù)據(jù)構(gòu)成的光譜指數(shù)提取過火區(qū)，可能會出現(xiàn)陰影、裸地或其他非過火像元與過火像元混淆的情況。同時由于過火區(qū)所在地理位置、遙感影像采集的時間和衛(wèi)星傳感器性能差異等原因，上述方法中提出的分類閾值往往只適用于某一特定區(qū)域，普適性較差。

為了解決以上問題，可結(jié)合火點信息提取過火區(qū)?；瘘c像元在一定時間、空間上的累積可用于判斷過火區(qū)所在位置和范圍。目前越來越多對過火區(qū)提取的研究用到了火點產(chǎn)品。主要包括2種方法：一種是先以火點產(chǎn)品結(jié)合光譜指數(shù)，選擇明確過火的像元作為種子點，然后按一定規(guī)則迭代生長種子點形成過火區(qū)（譚明艷 等，2007；Giglio 等，2009；Yang 等，2013；Alonso-Canas 和Chuvieco，2015；Giglio 等，2018）。另一種是首先根據(jù)光譜指數(shù)設定閾值，確定可能的過火像元，在此基礎上設置緩沖區(qū)，去除緩沖區(qū)外的像元形成過火區(qū)（Merino-de-Miguel 等，2010；Boschetti等，2015）。

上述方法用到的火點信息通常來自中分辨率成像光譜儀MODIS（Moderate-resolution Imaging Spectroradiometer）火點產(chǎn)品，這類產(chǎn)品主要基于中紅外通道的亮溫識別火點（張婕 等，2016）。自我國極軌氣象衛(wèi)星發(fā)射以來，可見光紅外掃描輻射計VIRR（Visible and Infra-Red Radiometer）、中分辨率光譜成像儀MERSI（Medium Resolution Spectral Imager）等傳感器均具有可判識火點的中紅外等通道，對火點監(jiān)測的研究已取得一定成果（趙立成，2004；王釗，2011；董曉銳和魏迎，2014；楊蕾等，2019）。目前，風云三號D星（FY-3D）MERSI火點監(jiān)測產(chǎn)品已具有較高的精度，與MODIS 火點產(chǎn)品在時間分辨率、空間分辨率上相近，特別是在中國區(qū)域，風云三號D星（FY-3D）MERSI 火點監(jiān)測產(chǎn)品具有更高的精度（鄭偉 等，2020）。因此，可利用FY-3D MERSI 火點監(jiān)測產(chǎn)品提取過火區(qū)。

綜上所述，本文綜合利用火點像元和過火像元在空間、時間、光譜特征上的關系，提出一種基于GF-1 WFV 數(shù)據(jù)和FY-3D MERSI 火點產(chǎn)品自動提取過火區(qū)的方法，以人機交互方式獲得的過火區(qū)參考真值作驗證，并與神經(jīng)網(wǎng)絡分類法提取過火區(qū)的結(jié)果作對比，快速準確地提取小范圍過火區(qū)，進一步提升中國衛(wèi)星遙感數(shù)據(jù)火情監(jiān)測的能力。

2 研究區(qū)與數(shù)據(jù)

2.1 研究區(qū)

本文選擇四川省涼山彝族自治州木里藏族自治縣和西昌市2 處過火區(qū)作為研究區(qū)（圖1）。每年3、4 月是上述地區(qū)的火災高發(fā)期，2019 年3 月30 日木里縣雅礱江鎮(zhèn)立爾村發(fā)生的森林火災，造成嚴重的人員傷亡（饒月明 等，2020）。2020 年3月底，木里、西昌又相繼發(fā)生森林火災。木里藏族自治縣位于涼山彝族自治州西北部，處于橫斷山脈中段，地形復雜，海拔差異大，屬于典型的高山峽谷地區(qū)（饒月明 等，2020）。西昌過火區(qū)所在的西昌市區(qū)東臨邛海盆地、西臨安寧河谷平原，地勢北高南低，以山地為主，山區(qū)溝谷深切，地形崎嶇（胡卸文 等，2020）。本文以2020年3月底的2 處火災形成的過火區(qū)作為研究區(qū)，其中木里研究區(qū)范圍為27°45′N—28°9′N，101°12′E—101°36′E；西昌研究區(qū)范圍為27°39′N—27°57′N，102°24′E—101°36′E。

圖1 研究區(qū)行政分布圖Fig.1 Administrative distribution map of the study area

2.2 數(shù)據(jù)

2.2.1 GF-1 WFV影像

本文選擇GF-1 WFV 數(shù)據(jù)結(jié)合FY-3D MERSI每日火點產(chǎn)品提取過火區(qū)。GF-1 WFV數(shù)據(jù)空間分辨率為16 m，在衛(wèi)星不側(cè)擺的情況下重訪周期可達4 d，幅寬為800 km，包括藍光、綠光、紅光和近紅外4個波段，各波段參數(shù)如表1所示。

表1 GF-1 WFV波段參數(shù)Table 1 The band parameters of GF-1 WFV

從中國資源衛(wèi)星應用中心-陸地觀測衛(wèi)星數(shù)據(jù)服務平臺（http：//36.112.130.153：7777/DSSPlatform/index.html/［2020-08-13］）查找并獲取GF-1 WFV數(shù)據(jù)。為了降低過火區(qū)提取的誤差，選擇數(shù)據(jù)時除了要考慮火災發(fā)生的時間和地點，還應盡量選用云量較少的影像。根據(jù)以上要求，本文選用的過火前后的2 景GF-1 WFV 影像，獲取日期分別是2020年2月21日和2020年5月8日。

2.2.2 FY-3D MERSI每日火點產(chǎn)品

本文選擇FY-3D MERSI 每日火點產(chǎn)品獲取火點信息。該產(chǎn)品主要包括每日全球范圍內(nèi)火點的經(jīng)緯度、火點強度和可信度等信息。其中可信度有4種，分別為火點、云區(qū)火點、可能是火點和可能是噪聲。其火點判識算法主要根據(jù)FY-3D MERSI 空間分辨率為1000 m 的中紅外通道對高溫熱源的敏感特性，建立合適的閾值探測火點像元（鄭偉 等，2020）。根據(jù)過火前后的GF-1 WFV 影像獲取時間，獲取2020 年2 月21 日—5 月8 日研究區(qū)內(nèi)的FY-3D MERSI每日火點產(chǎn)品。

2.2.3 地表類型信息

選擇中國科學院地理科學與資源研究所自然環(huán)境科學與數(shù)據(jù)中心提供的土地覆被遙感監(jiān)測數(shù)據(jù)集LUCC（Land Use/Land Cover Change）作為地表類型信息，空間分辨率為30 m。該數(shù)據(jù)集以Landsat 遙感數(shù)據(jù)作為主信息源，通過人工目視解譯將土地利用分為了耕地、林地、草地等6個一級地類和25 個二級地類（徐新良 等，2018）。2 個研究區(qū)的一級地類分布情況如圖2所示。

3 研究方法

本方法提取過火區(qū)的過程包括2個部分。第一部分：過火區(qū)粗提取。數(shù)據(jù)預處理后，基于高分數(shù)據(jù)讀取并疊加火點，結(jié)合火點的時間、空間、光譜特征篩選火點像元并擴充，確定過火區(qū)粗略范圍。第二部分：過火區(qū)精提取。根據(jù)每種地表類型所含火點像元的數(shù)量，確定過火區(qū)含有的地表類型；采用閾值分割算法，在過火區(qū)粗略范圍內(nèi)對每種地表類型確定分類閾值，分類過火像元和非過火像元，最后剔除小斑塊，獲得過火區(qū)提取結(jié)果。該方法的技術流程如圖3所示。

圖3 技術流程圖Fig.3 Technique flow chart

3.1 計算光譜指數(shù)

根據(jù)GF-1 WFV 數(shù)據(jù)包含的波段，對過火前后2 景影像分別計算歸一化差值植被指數(shù)NDVI（Normalized Difference Vegetation Index）和 由McFeeters（1996）提出的歸一化差異水體指數(shù)NDWI（Normalized Difference Water Index），計算公式如下：

式中，ρNIR、ρR和ρG分別表示近紅外、紅光和綠光波段的反射率。

火災發(fā)生后，植被結(jié)構(gòu)遭到破壞，NDVI 值會明顯下降，因此選用NDVI 差值dNDVI來突出植被的變化，dNDVI計算公式如下：

式中，NDVIpre表示過火前影像的NDVI值，NDVIpost表示過火后影像的NDVI值。

3.2 過火區(qū)粗略提取

3.2.1 去除云、水體和其他非植被像元

本文僅考慮提取在森林、草地等植被地區(qū)的過火區(qū)，因此可根據(jù)地表類型信息和光譜信息去除云、水體、城市等非植被區(qū)域。

在GF-1 WFV 影像選擇和預處理階段，盡可能選擇無云或少云的影像。在有少量的云時，需要先去除過火前后2幅影像的云像元?；谝延醒芯浚ɡ羁〗芎透登窝啵?020），本文利用云像元在紅、綠、藍3個波段的反射率特性，粗略提取并剔除影像上的云像元。

水體反射率從可見光到近紅外波段依次降低，在近紅外波段反射率幾乎為零，而植被在近紅外波段反射率較高（童李霞 等，2017）。McFeeters（1996）利用上述綠光波段與近紅外波段的關系，提出NDWI。該指數(shù)可以在一定程度上抑制植被信息，突出水體信息，在水體提取中得到廣泛應用。本文方法利用過火前后2 景影像的NDWI 值提取影像中的水體信息，同時滿足式（4）和式（5）的像元視為水體像元，需要去除：

式中，NDWIpre表示過火前影像的NDWI 值，NDWIpost表示過火后影像的NDWI值。

在此基礎上，利用地表類型信息提取植被區(qū)域。為了便于計算，將LUCC 數(shù)據(jù)重采樣為16 m。根據(jù)LUCC 的分類級別和編號，僅保留林地和草地部分的像元，具體編號和名稱如表2所示。

3.2.2 火點處理

3.2.2.1 火點塊疊加

根據(jù)過火前后2幅影像的獲取時間，讀取并疊加研究區(qū)范圍內(nèi)2020 年2 月21 日—5 月8 日的FY-3D MERSI 每日火點產(chǎn)品。這里只選擇可信度為火點和云區(qū)火點的火點信息。以空間分辨率為16 m的WFV 影像圖為基礎，根據(jù)產(chǎn)品所提供的火點經(jīng)緯度，可以確定火點所處的像元位置，作為中心火點像元，并記錄其探測時間t。t用一年中的第幾天（Day of Year，DOY）表示。若一個像元多時次被監(jiān)測為中心火點像元，則取最晚的探測時間作為t。

由于FY-3D MERSI 每日火點產(chǎn)品是以空間分別率為1 km 的數(shù)據(jù)制作生成，為了降低空間分辨率從1 km 到16 m 可能帶來的影響，盡可能保持火點在空間上的連續(xù)性，減輕火點識別遺漏等問題，將每個中心火點像元進行膨脹，記為一個火點塊。根據(jù)1 km 和16 m 的倍數(shù)關系，將膨脹核設為63×63?；瘘c塊內(nèi)的所有像元均為火點像元，探測時間與其中心火點像元一致，均為t。若一個火點像元在空間上同時屬于多個相鄰火點塊，則把它歸于探測時間最晚的火點塊。以西昌研究區(qū)為例，疊加后的火點塊如圖4（a）所示。

圖4 西昌研究區(qū)火點在各階段的處理效果Fig.4 The results of fire point in each step of Xichang study area

3.2.2.2 火點塊篩選

根據(jù)火點塊的時間特征進行篩選。一個過火區(qū)的形成通常是某一時間段內(nèi)集中發(fā)生的火點造成的，遠離該時間段內(nèi)監(jiān)測到的火點很大可能與形成該過火區(qū)無關，可以剔除。根據(jù)火點塊的探測時間t，統(tǒng)計火點塊數(shù)量最多的探測時間tmax，tmax即為火勢最強的時間。由于火災強度的變化一般是由弱到強，然后再減弱直至熄滅，且持續(xù)時間一般不超過30 d，因此只取時間為tmax前后15 d內(nèi)的火點塊，即保留滿足式（6）的火點塊：

以西昌研究區(qū)為例，篩選后的火點塊分布如圖4（b）所示。

在此基礎上，根據(jù)火點塊的光譜特征進行篩選。每個火點塊內(nèi)所有像元的最大dNDVI值作為該火點塊的dNDVI，記為dNDVI_f?；馂暮笾脖辉獾狡茐?，過火后像元的NDVI 值會明顯降低，因此過火像元的dNDVI值會較高。一部分火點像元在燃燒結(jié)束后即為過火像元，因此可根據(jù)火點塊的dNDVI_f進行篩選。首先保留滿足下式的火點塊：

在此基礎上，采用迭代閾值法，確定分割閾值dNDVI_f_th，保留滿足下式的火點塊：

以西昌研究區(qū)為例，篩選后的火點塊分布如圖4（c）所示。

在此基礎上，根據(jù)火點像元的空間特征進行篩選。一般情況下，在空間上集中的火點更容易形成過火區(qū)。獨立的火點有可能是由于異常高溫等非過火原因造成的，并不能形成過火區(qū)。因此可以刪除空間上孤立的火點塊，進一步確定過火區(qū)在空間中的位置。以西昌研究區(qū)為例，剔除孤立火點塊后累計火點塊的分布如圖4（d）所示。累計火點塊中的像元為累計火點像元。

3.2.2.3 火點塊擴充

在此基礎上，擴充累計火點像元，確定過火區(qū)分類閾值確定范圍和過火區(qū)粗略范圍。用d表示像元到累計火點像元的距離。若像元滿足式（9），則作為過火區(qū)閾值確定范圍內(nèi)的像元：

若像元滿足式（10），則作為過火區(qū)粗略范圍的像元：

上述兩式中，一般設置dr＞dth，即過火區(qū)粗略范圍比閾值確定范圍要大。針對不同的地表類型，累計火點像元在dth范圍內(nèi)區(qū)域增長以后，即可包含一定數(shù)量的非過火像元，適用于后續(xù)確定過火像元與非過火像元的分割閾值。根據(jù)多次實驗比較發(fā)現(xiàn)在本文研究區(qū)中dth取2 km 較為合適。而由于受云覆蓋和衛(wèi)星過境時間周期的影響，過火期間的部分火點可能無法探測到，導致過火區(qū)的實際范圍可能遠大于火點塊疊加范圍，因此dr的值要大于dth。根據(jù)多次實驗比較發(fā)現(xiàn)在本文研究區(qū)中dr取4 km較為合適。以西昌研究區(qū)為例，過火區(qū)閾值確定范圍和過火區(qū)粗略范圍如圖4（d）所示。

3.3 過火區(qū)精細提取

3.3.1 確定過火區(qū)地表類型

地表類型不同，過火前后的光譜變化可能會有差異。為了提高過火區(qū)的提取精度，本方法按地表類型確定過火像元和非過火像元的分割閾值。對于每種二級土地類型l，統(tǒng)計閾值確定范圍內(nèi)的像元個數(shù)Nl和統(tǒng)計累計火點像元個數(shù)nl，若滿足式（11）則l屬于過火區(qū)土地類型。

式中，pl=()nl/Nl× 100%。pl可以視為每種地表類型的火點像元個數(shù)在閾值確定范圍內(nèi)的百分比，當pl過小時，說明地表類型l的火點個數(shù)相對較少，可忽略不計。

3.3.2 初步精提取

與3.2.2 中確定dNDVI_f_th方法相同，采用圖像分割閾值法中的迭代閾值法，基于dNDVI對每種地表類型確定分割閾值，分類過火像元與非過火像元。迭代法首先根據(jù)圖像的全局直方圖，將取閾值后得到的區(qū)域作為子圖像，再對各子圖像選灰度均值點作為新的閾值再分割圖像，重復上述過程，直到新的閾值不再變化或變化很小為止。隨著循環(huán)次數(shù)的增加，這種算法越來越細地考慮了圖像的局部特征，可以獲得精細的分割（李琳琳，2012），具體的實現(xiàn)步驟如下：

（1）首先求出圖像的最大dNDVI和最小dNDVI，分別記為ZMAX和ZMIN，計算初始閾值T為

（2）根據(jù)閾值T將圖像分割為前景和背景，分別求出兩者的平均值Z0和ZB；

（3）求出新閾值T'為

若T=T′，則T所得即為閾值；否則將T'設為T，并從第（2）步開始重復，進行迭代計算。

在過火區(qū)閾值確定范圍內(nèi)，采用上述迭代閾值法確定分類閾值dNDVI_l_th。在過火區(qū)粗略范圍內(nèi)，地表類型為l的像元滿足下式則為過火像元：

所有地表類型的過火像元合集則為過火區(qū)初步提取結(jié)果。

3.3.3 小斑塊去除

過火區(qū)初步提取結(jié)果周邊會有一些細小的斑塊。為了使過火區(qū)更為完整，采用濾波算法，去除細小的斑塊。統(tǒng)計過火像元3×3范圍內(nèi)的火點像元數(shù)量Nb，滿足式（15）的像元仍為過火像元，否則為非過火像元，重復上述步驟直至不再有新的非過火像元產(chǎn)生。

4 結(jié)果處理與分析

根據(jù)上述方法，2 個研究區(qū)的過火區(qū)提取結(jié)果如圖5 和圖6 所示。同時基于過火前后影像，分別選擇水體、云、裸土、植被、城市、過火區(qū)等類別的樣本，用神經(jīng)網(wǎng)絡分類方法提取2個研究區(qū)的過火區(qū)作為對比。基于2 個研究區(qū)的過火后GF-1 WFV 影像，通過人機交互的方式判識過火區(qū)作為參考真值。將本方法和神經(jīng)網(wǎng)絡分類法的結(jié)果分別于參考真值比較，通過混淆矩陣驗證過火區(qū)提取精度，精度評價見表3。結(jié)合相關概念（許文寧等，2011）和本實驗情況，表3中，錯分誤差是指非過火像元錯分為過火像元的誤差，漏分誤差是指過火像元被分為非過火像元的誤差。用Kappa系數(shù)作為精度評價指標。

表3 研究區(qū)過火區(qū)分類精度Table 3 Accuracy of burned area mapping in study areas

圖5 木里過火區(qū)分類結(jié)果圖Fig.5 The classification result of burned area in Muli

圖6 西昌過火區(qū)參考真值、本方法結(jié)果以及神經(jīng)網(wǎng)絡的分類結(jié)果Fig.6 The classification result of reference true value，results of the proposed method and results of neural network classification of burned area in Xichang

從圖5 和圖6 可以看出，本文方法結(jié)果與人工提取的過火區(qū)參考真值在空間上的分布和形狀差異較小。從表3 可以看出，本文方法結(jié)果的Kappa系數(shù)整體較高，達到0.82，說明本文方法的分類精度整體較高。本方法木里研究區(qū)的Kappa系數(shù)為0.82，要低于西昌研究區(qū)的Kappa 系數(shù)0.87，說明本文方法對木里過火區(qū)的提取精度要低于西昌過火區(qū)，主要有2 個原因：一是與西昌過火區(qū)相比，木里過火區(qū)分布較為疏散，斑塊較多。從圖5 和圖6可以看出，錯分誤差和漏分誤差多出現(xiàn)在過火區(qū)斑塊的邊緣處，因此分布較為疏散的木里過火區(qū)的誤差較大；二是木里的錯分誤差較大，達到19.38%，這是因為在木里過火區(qū)的分類結(jié)果周邊有較多的非過火像元構(gòu)成的細小斑塊造成的錯分。

與神經(jīng)網(wǎng)絡分類法結(jié)果的Kappa 系數(shù)相比，可以看出本方法的分類精度要高于神經(jīng)網(wǎng)絡分類法。神經(jīng)網(wǎng)絡分類法木里研究區(qū)結(jié)果的漏分誤差較高，主要漏分了過火區(qū)斑塊邊緣部分；西昌研究區(qū)結(jié)果的錯分誤差較大，主要是錯分了圖像上非過火區(qū)的像元，如裸土、山體陰影等。這可能是因為用于神經(jīng)網(wǎng)絡分類的GF-1 WFV 數(shù)據(jù)僅有4 個波段，可能會混淆相似光譜特征的地物像元；同時神經(jīng)網(wǎng)絡法等監(jiān)督分類法的分類結(jié)果往往與樣本的選擇有較大關系，分類過程有較多不確定性；此外，在選擇樣本時，需要根據(jù)圖像中地物的復雜程度來考慮樣本種類，每種樣本的數(shù)量要相近，空間分布要均勻，因此耗費的人力、時間成本較高。

5 討論

本文方法充分結(jié)合了GF-1 WFV影像和FY-3D MERSI 火點產(chǎn)品的優(yōu)勢和特點，得到較高的過火區(qū)提取精度。

FY-3D MERSI火點產(chǎn)品空間分辨率為1000 m，與GF-1 WFV 影像差異較大，在過火區(qū)提取中如何能夠充分結(jié)合利用上述2種數(shù)據(jù)，取長補短，本方法從以下2個方面進行了考慮：（1）根據(jù)火點與過火區(qū)形成關系的時間特征、空間特征和光譜特征提取過火區(qū)，可以彌補GF-1 WFV 影像在時間和光譜分辨率上的不足。（2）為了更好的結(jié)合這2種數(shù)據(jù)，本方法根據(jù)數(shù)據(jù)特點，由低空間分辨率逐步到高空間分辨率轉(zhuǎn)換：從空間分辨率為1000 m的火點產(chǎn)品切入，然后將空間分辨率為16 m 和1000 m的數(shù)據(jù)相結(jié)合，最后基于空間分辨率為16 m的影像獲得結(jié)果。這種從低空間分辨率到高空間分辨率，從粗略到精細的分類方法，在充分利用2種數(shù)據(jù)的同時能最大程度地降低空間分辨率差異性所帶來的影響。

6 結(jié)論

綜上，本文基于GF-1 WFV 影像和FY-3D MERSI 火點，對小范圍過火區(qū)分類提取，主要結(jié)論如下：（1）該方法可以充分將GF-1 WFV 影像和FY-3D MERSI 火點產(chǎn)品相結(jié)合，彌補了GF-1 WFV 影像在時間分辨率、光譜分辨率上的不足；（2）該方法降低了分類樣本選擇的不確定性和成本，能快速準確地對小范圍過火區(qū)分類提取，進一步提升我國衛(wèi)星遙感數(shù)據(jù)火情監(jiān)測的能力。未來可利用靜止衛(wèi)星的火點產(chǎn)品，結(jié)合實地考察，以提升火點產(chǎn)品和參考真值的精度，對本方法改進完善。