高分辨率衛(wèi)星與圖像識別在林火面積估算中的應(yīng)用

李浩然，劉子菁，邱巧勇，何永寧，趙文化，魏永順

（1.博羅縣氣象局，廣東博羅 516000；2.廣州氣象衛(wèi)星地面站，廣東廣州 510640）

森林是植物分布密集的區(qū)域，對地球生態(tài)系統(tǒng)的平衡有著舉足輕重的作用。森林火災(zāi)使得森林蓄積下降，引發(fā)水土流失并危害人類健康，給人民的生命財產(chǎn)安全帶來巨大的威脅［1］。全世界每年平均發(fā)生森林火災(zāi)近30萬起，森林防火的重要性毋庸置疑［2］。森林過火面積是對森林火災(zāi)進行描述的重要參考指標(biāo)之一，國內(nèi)外開展了許多這方面的研究。Pereira［3］使用AVHRR的單通道閾值法來進行火點的判識；趙文化等［4］也使用EOS/MODIS數(shù)據(jù)來進行森林火災(zāi)的監(jiān)測與面積估算等方面的研究。然而極軌氣象衛(wèi)星最大空間分辨率為250 m，這極大地影響了使用該類衛(wèi)星進行過火區(qū)域面積計算的精度。賈永紅［5］指出，當(dāng)兩種數(shù)據(jù)的空間分辨率差距太大時，很難將兩種不同分辨率的數(shù)據(jù)插值在同一網(wǎng)格中進行計算。

高分一號（GF-1）衛(wèi)星是中國高分辨率對地觀測系統(tǒng)中的首發(fā)星，高分?jǐn)?shù)據(jù)廣泛應(yīng)用于災(zāi)害預(yù)警、林火監(jiān)測等方面。楊斌［6］基于 GF-1與Landsat-8不同分辨率的數(shù)據(jù)分別提取歸一化植被指數(shù)（normalized vegetation index，NDVI），并用來計算四川茂縣山林的植被覆蓋度。隨著人工智能和圖像識別的興起與發(fā)展，圖像識別也應(yīng)用在了更廣泛的領(lǐng)域。鄒成明等［7］基于圖像色彩直方分布提出一種圖片相似度比較和特征計算算法；郭儀權(quán)［8］使用圖像哈希算法比較連續(xù)時刻的圖片來實現(xiàn)目標(biāo)追蹤；黃嘉恒等［9］對比3種不同的哈希算法在圖像相似度中的識別效果。因此，將圖像識別的方法引入過火區(qū)域的判識與計算，有著廣闊的應(yīng)用前景。

1 研究區(qū)域與數(shù)據(jù)

1.1 概況

選取廣東省佛山市高明區(qū)作為研究區(qū)域，該區(qū)域地處東經(jīng) 112°45′—112°92′，北緯 27°73′—30°02′。佛山地區(qū)全年降水量接近2 000 mm，但降水分布不均，其中12月降水量往往不足50 mm。而冬季植物蒸發(fā)蒸騰量的作用，使得季節(jié)性、區(qū)域性氣象干旱也時有發(fā)生［10］。高明區(qū)森林火災(zāi)發(fā)生于2019年12月5日14：00（北京時，下同）左右，林火區(qū)域位于高明區(qū)新城村南側(cè)的凌云山，火場區(qū)域為馬尾松、灌木林交錯覆蓋的山地地形。12月8日11：30，凌云山外線已基本看不到明火點，火災(zāi)形勢得到有效控制。

1.2 數(shù)據(jù)與方法

GF-1號高分辨率極軌衛(wèi)星所攜帶的多光譜相機星下點分辨率最高可達2 m。此外還搭載了1臺分辨率為8 m的多光譜相機、4臺分辨率16 m的多光譜相機，其光譜范圍覆蓋可見光與近紅外波段，可以滿足火情監(jiān)測與過火面積估算的需要。GF-6號的軌道參數(shù)和GF-1號基本相似。

本研究分別采用歸一化植被指數(shù)方法和圖像識別方法對過火區(qū)域面積進行計算。在使用歸一化植被指數(shù)方法計算時，先在非過火區(qū)域選定NDVI變化閾值，再在過火區(qū)域內(nèi)用閾值判斷過火像元，最終計算出過火面積；在使用圖像識別方法進行計算時，提取過火前后兩張圖片的特征生成圖片指紋，最終比較兩張圖片中不同的比例來計算過火面積。最后將兩種方法得到的過火面積與真值進行對比。

2 NDVI方法計算過火面積

當(dāng)樹木燃燒后，樹葉中的葉綠素遭到破壞，使得過火區(qū)域在近紅外波段的反射率下降，光譜特征曲線發(fā)生改變。利用過火區(qū)域和未過火區(qū)域在近紅外通道的反射率差異來進行過火區(qū)的判識是最常用的原理［11］。NDVI參數(shù)能夠反映觀測區(qū)域紅光通道與近紅外通道的反射率，可用來評判植被長勢的重要因子之一。NDVI的表達式為

其中，RRed代表紅光通道的反射率；RNir代表近紅外通道的反射率。通過分析過火區(qū)域前后的NDVI差異，確定NDVI閾值，即可以判斷出過火區(qū)域的像元數(shù)量以及位置。在該次研究中，將GF-1號衛(wèi)星WFV相機通道4的數(shù)據(jù)作為RRed，通道5的數(shù)據(jù)作為RNir，來計算選取區(qū)域內(nèi)各點的NDVI值。該次研究中通過對2019年12月8日GF-1B的1景圖像進行分析，大致確定火場位置，并選定 112°71′E—112°79′E，22°90′N—23°00′N區(qū)域作為火場區(qū)域，將其定義為區(qū)域A。通過判別式（2）來確定過火區(qū)域：

其中，NDVI1208和NDVI1124分別為12月8日和11月24日區(qū)域A各點NDVI值。TNDVI為判別閾值，可利用區(qū)域A附近的下墊面類型較為相似的非起火區(qū)域來確定，以消除由于大氣和植被生長造成的NDVI值變化的影響。本研究選取A區(qū)域西北方向約20 km的羚羊峽的一片山林植被作為非過火區(qū)域 B，范圍為 112°58′E—112°61′E，23°09′N—23°12′N（圖 1）。將區(qū)域 B過火時間前后的NDVI變化最大值作為閾值，以此來確定自然狀態(tài)下NDVI變化的極值。當(dāng)區(qū)域A內(nèi)像元的NDVI變化大于閾值時，則認(rèn)為該像元為過火像元。

圖1 選取的過火區(qū)與非過火區(qū)

首先選取2019年11月24日的GF-1B和12月8日GF-6號的2軌衛(wèi)星數(shù)據(jù)，對PMS數(shù)據(jù)進行輻射定標(biāo)校正，F(xiàn)LAASH大氣校正與正射校正，以保證兩顆衛(wèi)星的誤差在1個像元以內(nèi)。區(qū)域B內(nèi)過火時間前后NDVI最大減少值為0.202，將0.202作為閾值，計算火災(zāi)前后區(qū)域A內(nèi)各點NDVI的值（圖2）并判斷是否為過火像元。

圖2 火災(zāi)前（a）和后（b）NDVI值

在本研究中共將184 255個像素點判識為過火像素點。由于受到分辨率的限制，因此單一使用像元個數(shù)乘以像元面積的算法會使得估算的過火面積大于實際過火面積。因此通過計算植被覆蓋度來減小裸露的地表在過火像素點計算中造成的影響。通過計算公式得到過火面積公式：

其中，S為過火區(qū)域面積（m2）；n為像素數(shù)；Si為每個像元的面積（m2）；NDVImix為區(qū)域內(nèi)某一像元土壤與植被NDVI的混合值，NDVIs為區(qū)域內(nèi)NDVI土壤端的值，一般為區(qū)域內(nèi)NDVI極小值，NDVIv為區(qū)域內(nèi)NDVI植被端的值，一般為區(qū)域內(nèi)NDVI極大值。在本研究中，Si為 64 m2，NDVIs和 NDVIv分別為 0.105與 0.866，通過計算得出的過火面積為11.737 km2。

3 圖像識別法計算過火面積

隨著人工智能技術(shù)的發(fā)展，使用計算機自動識別圖像并判斷圖像相似度的方法得到了越來越廣泛的應(yīng)用。使用人工智能進行圖像識別的優(yōu)點在于直接從圖像本身來尋找過火后的圖像變化，可以不受衛(wèi)星儀器波長通道設(shè)置和空間分辨率的影響，對不同種類的衛(wèi)星在同一地區(qū)的圖像進行圖像識別，找到連續(xù)兩張圖像中的不同，進而計算出過火面積。

本研究使用感知哈希算法，通過將圖像轉(zhuǎn)換為灰度圖像，獲取圖片的hash值，再比較兩張圖片hash值（指紋）的不同位的個數(shù)（漢明距離）來判斷兩張圖片的相似程度。兩張圖片的指紋漢明距離越小，則證明兩張圖片越相似。

感知哈希算法對圖片相似度的處理過程如下：（1）遍歷像素點。通過遍歷圖中32×32的像素點，可以簡化離散余弦變換的計算。（2）將圖片轉(zhuǎn)換為灰度圖像并計算圖片中所有像素的灰度平均值。（3）計算hash值。根據(jù)離散余弦變換得到的N×N矩陣，將其設(shè)置成二進制的hash值。將二進制數(shù)字組合在一起，即為這張圖片的指紋。

在哈希算法中，可通過以下的方法來計算二維離散余弦變換（DCT）：

當(dāng) u≥0，v＜N時，α（u）=α（v）。

其中，g為N×N圖像像素點，一般為32×32；G為矩陣中閾矩陣，α為余弦系數(shù)矩陣。通過對兩張圖片進行處理，找到其指紋不同的地方，便可以計算出兩張圖片中不同的面積比例。

為了盡量剔除準(zhǔn)備自然生長的影響，盡可能選取相隔時間短的火災(zāi)前后的晴空圖像進行對比。選取2019年11月24日的GF-1和12月8日GF-6號的2景圖像，研究區(qū)域與第2章相同，同樣進行地理投影校正，以保證其誤差在一個像元以內(nèi)（圖3）。

圖3 GF-1號（a）和6號（b）通道合成圖像

將兩幅圖片使用上述感知哈希算法進行相似度判識，保留高分辨率圖像所帶有的低頻信息，得到了過火區(qū)的二值圖像（圖4）。感知哈希算法計算過火前后兩張圖片相似比例為14.76%，所選擇區(qū)域面積為 73.618 km2，因此感知哈希算法計算的過火面積為10.866 km2。

圖4 過火區(qū)域二值圖

4 結(jié)論

該次研究選擇佛山市高明區(qū)的山火作為研究對象，以火災(zāi)前后的高分衛(wèi)星數(shù)據(jù)為基礎(chǔ)，通過未過火區(qū)域NDVI的變化情況確定閾值進而判斷并確定火災(zāi)區(qū)域，并計算出過火區(qū)域面積。通過3種方法的哈希相似度比較，將火災(zāi)前后的遙感圖像進行對比并找到圖像中的不同部分。通過計算兩張圖片的漢明距離來計算兩張圖片中不同部分的比例，從所使用的遙感圖像總面積來計算過火區(qū)域的面積。該次火災(zāi)后，佛山市林業(yè)局公布的火災(zāi)過火面積為10.667 km2，通過NDVI的變化計算得出的過火面積為11.737 km2，與實際的誤差為10.03%；通過感知哈希算法計算的過火面積為10.866 km2，與實際的誤差為2.05%。說明感知哈希算法計算出的過火面積可靠性較好，可以應(yīng)用于火災(zāi)后過火面積的估算。

本研究所提出的結(jié)合高分辨率衛(wèi)星和圖像識別的方法可以充分結(jié)合分辨率較高和人工智能計算速度快、精度高的特點，在提高遙感手段進行林火監(jiān)測能力的同時，保證了過火區(qū)域面積計算的精度。同時，該方法可將 GF-4、Himawari-8、Landsat-8等不同軌道、不同傳感器的衛(wèi)星數(shù)據(jù)與圖像結(jié)合起來。既發(fā)揮氣象、環(huán)境衛(wèi)星的高頻次觀測，又發(fā)揮對地觀測高分衛(wèi)星的高空間分辨率的特點，做到衛(wèi)星遙感的大數(shù)據(jù)融合觀測?？梢詾樯只馂?zāi)的防災(zāi)減災(zāi)提供更加及時準(zhǔn)確的服務(wù)信息。