馬彩虹，楊進，李信鵬，楊飛，何陽，李天柱

1.中國科學院空天信息創(chuàng)新研究院，北京 100094

2．資源與環(huán)境信息系統國家重點實驗室，中國科學院地理科學與資源研究所，北京 100101

3.山東大學，山東威海 264209

引 言

高溫異常點是指按照維恩位移定律，結合上下文識別方式，識別出的溫度高于周邊地物的火點或溫度異常點。高溫異常點是一個反映人類活動以及自然事件（火災）對地球影響的重要指標。從衛(wèi)星數據的熱紅外波段像元值經過輻射定標、大氣校正和發(fā)射率校正等定量處理可以反演得到地表高溫異常點。隨著對火點或熱異常數據需求的增加，各大傳感器相繼推出了成熟的熱異常數據產品。

目前，常見的數據源包括基于NOAA/AAVHRR（Advanced Very High Resolution Radiometer）數據推演出的1.1 km空間分辨率的火點產品數據，基于NPP MODIS（Moderate Resolution Imaging Spectroradiometer）數據推演出的1km分辨率的火點產品（MOD14和MYD14）[1-2]，均得到一致的認可和廣泛的應用。VIIRS（Visible Infrared Imaging Radiometer Suite，可見光紅外成像輻射儀）傳感器作為替代MODIS的下一代傳感器，其波段設置和波譜響應在繼承MODIS優(yōu)勢的基礎上努力避免其不足，推出了基于750 m空間分辨率VIIRS數據反演的夜火數據和基于空間分辨375 m遙感數據反演的VNP14IMG熱異常數據[3]。然而這些傳統的火點產品由于影像數據空間分辨率的限制，對于一些燃燒區(qū)域半徑為30-100 m左右的小規(guī)模的火情，如農田秸稈燃燒、城市周邊垃圾焚燒、人為縱火以及森林火情萌發(fā)時的小火點等現象，很難取得較好的檢測結果。

自2013年由USGS和NASA合作發(fā)射Landsat-8衛(wèi)星以來[4]，其攜帶的短波紅外、中紅外和熱紅外波段等波段為高分辨率高溫異常點檢測提供了可能[5]。這些高精度的火點產品能滿足更多應用領域的需求，如碳排放量統計、監(jiān)控溫室氣體排放、顆粒物和氣溶膠生成等，這對于環(huán)境監(jiān)控、生態(tài)氣候變化以及火災預測能力都有很大程度上的提升。如何根據Landsat-8衛(wèi)星數據的特點，構建穩(wěn)定的適宜大范圍推廣的高溫異常點數據產品，對于為生態(tài)環(huán)境監(jiān)測、農/林火災監(jiān)測和工業(yè)排放等相關領域的研究和應用提供更好的數據產品支撐，具有重要的意義[6]。

1 數據采集和處理方法

1.1 數據采集方法

選擇中國遙感衛(wèi)星地面站接收的Landsat-8衛(wèi)星數據，包括所有經過高精度的正射校正處理并歸檔的產品數據，時間范圍從2013年5月至今，空間范圍覆蓋中國全境區(qū)域。

1.2 數據處理方法

按照黑體輻射模型理論，黑體溫度越高，輻射通量密度越大。當高溫像元能量值達到2倍于背景像元能量值時，便可將該高溫像元從常溫背景像元中識別出來。取短波紅外波長為2.2 時，可計算出溫度在300 K-1060 K之間地物在短波紅外的發(fā)射輻射通量密度，如表1所示。此外還可以計算得到不同地表覆蓋類型在該波段的反射輻射通量密度，如表2所示。自然界火情/高溫異常點現象的溫度范圍基本位于600 K-1000 K之間。取溫度為600 K時，其發(fā)射輻射通量密度已遠大于常溫背景的反射輻射通量密度。同時對于常溫地物（300 K左右），高溫目標像元的能量總和要遠大于常溫背景像元，因此用短波紅外波段提取火點是可行的[5]。

表1 不同溫度條件下在地物在短波紅外波段的發(fā)射輻射通量密度Table 1 Emission flux density of ground objects in short wave infrared bands under different temperature conditions

表2 不同地表覆蓋類型在短波紅外波段的平均反射輻射通量密度均值Table 2 Mean emission flux density in short wave infrared bands under different land cover types

歸一化燃燒指數（Normalized Burning Index，NBR）自被Lopez Garcia等人提出起，后經Holden等人改進得到了改進的歸一化燃燒指數（Normalized Burning Ratio-Thermal，NBRT），使得Landsat數據在區(qū)分燃燒區(qū)域上取得了更加優(yōu)秀的結果[7]。同時，鑒于Landsat-8熱紅外波段數據飽和溫度為360 K，對高溫非火點的識別效果差于短波紅外波段，并且其分辨率也小于短波紅外波段的分辨率。故在本次Landsat-8數據的高溫異常點提取中，我們采用短波紅外波段代替熱紅外波段，采用的是一種改進的歸一化燃燒指數（Normalized Burning Ratio Short-wave，NBRS）來計算燃燒指數[3,5]，具體計算公式如下：

其中，ρ5為近紅外波段，ρ6,ρ7分別為Landsat-8兩個短波紅外波段（SWIR1和SWIR2波段），k為控制ρ7數值大小的參數。在本版本的高溫異常點識別中，k=0.001。

得到NBRS燃燒指數之后，通過自適應高溫點閾值法，根據火點區(qū)域的NBRS指數值趨向于-1的特點，取影像NBRS指數直方圖中梯度開始急劇變大的地方作為確定分割閾值的標準，識別出NBRS指數分布的拐點作為區(qū)分高溫異常點和非高溫異常點區(qū)域的值。圖1顯示了Landsat-8識別出的部分林火和工業(yè)熱源高溫點示意圖，其中紅色標注區(qū)域即為高溫異常點的位置。

2 數據樣本描述

數據產品依據高溫異常點發(fā)生的時間，按年月存放在不同的文件中。對不同月份的數據，又按照高溫異常點所隸屬的省級行政區(qū)域范圍，命名為相應的csv和kml文件。其中，按年月存放的高溫異常點數據 csv中，包含唯一標識號（id），經度（lon），緯度（lat），日期（data，格式 YYYY/MM/DD），反演溫度（t1，單位：開爾文)，反演面積（area，單位平方米），可信度（confidence），版本號（version）和本底圖像位置（imguri，URL連接）等共計10個屬性字段；按年月存放的高溫異常點數據kml文件可以使用谷歌地球打開，在谷歌地球上顯示火點的位置與相關參數。同時本文提出的可信度（confidence），其值由短波紅外波段2(SWIR2)灰度值轉化而來，即SWIR2/max(SWIR2)*100計算而來。該值越大，代表當前高溫熱異常點值的可信度越高；越低，則反之。

具體信息描述如表3所示。

表3 高溫異常點樣本屬性字段信息說明表Table 3 The attribute field information description of high temperature abnormal point sample

3 數據質量控制和評估

制定了Landsat-8高溫異常點產品生產標準，規(guī)范了產品格式、命名規(guī)范、數據產品信息，確保數據產品生產的標準化。制定了Landsat-8高溫異常點產品質量檢驗規(guī)范，規(guī)定了產品質量檢驗的過程和方法，保證產品的質量?；诟叻直媛实娜斯つ恳暯庾g的地表高溫點數據的驗證結果表明，本文生產的高溫異常點產品數據準確率高達90%，F值（準確率和漏檢率的綜合評價指標）為0.89。

同時，對比分析了中國區(qū)各年Landsat-8高溫異常點（L8F）與NPP VIIRS Active Fire（ACF）數據[8]、NPP VIIRS Nightfire（VNF）數據的年份數據，得到各類數據在中國區(qū)范圍內的年際變化圖如圖2所示。由圖2可知，（1）2014-2020年間L8F和ACF的數據變化趨勢基本一致，說明中國區(qū)Landsat-8高溫異常點產品具有較好的時序延展性和一致性；（2）考慮到Landsat-8和NPP衛(wèi)星在幅寬和重訪周期，NPP衛(wèi)星數據一天可以覆蓋中國區(qū)2-4次，Landsat-8的重訪周期為16天，而各年份ACF數據和L8F數據的比值約為4，說明同一區(qū)域、同一時期內Landsat-8識別得到的火點數目約為ACF的10倍。

4 數據價值

高溫異常點是一個重要的能反映人類活動對地球影響的指標，廣泛應用于農業(yè)、林業(yè)、工業(yè)、生態(tài)、全球變化等領域。利用衛(wèi)星遙感技術提取地表高溫點異常數據具有明顯的優(yōu)勢，傳統的高溫異常點檢測算法通常利用高溫地物在中紅外波段或熱紅外波段的高發(fā)射率特性來提取火點，然而由于MODIS、AVHRR等影像空間分辨率的限制，高溫異常點提取結果對一些重點區(qū)域的精確觀測以及小目標火點的提取具有較大的誤差，如農田秸稈燃燒、城市周邊垃圾焚燒等現象。Landsat-8數據短波紅外、中紅外和熱紅外波段具有較高的空間分辨率且具有長期的數據積累，為高精度高溫異常點識別分析研究提供了理想的數據源?；贚andsat-8數據和歸一化燃燒指數（Normalized Burning Ratio Short-wave，NBRS）算法生產的中國區(qū)域Landsat-8高溫異常點產品，是基于2013年以來中國遙感衛(wèi)星地面站接收處理的全部Landsat-8數據，產品具有高精度的幾何定位、歸一化的波譜量綱，可為生態(tài)環(huán)境監(jiān)測、農/林火災監(jiān)測和工業(yè)排放等相關領域的研究和應用提供數據產品支撐。

數據作者分工職責

馬彩虹（1986—），女，山東臨沂人，博士，工程師，研究方向為遙感圖像智能處理與信息挖掘。主要承擔工作：產品應用分析、項目推廣、論文撰寫。

楊進（1974—），男，北京市人，博士，高級工程師，研究方向為遙感圖像智能處理與信息挖掘。主要承擔工作：研究思路、研究方案設計、算法研究。

李信鵬（1983—），男，江西井岡山人，碩士，高級工程師，研究方向為遙感圖像智能處理與信息挖掘。主要承擔工作：產品精度評定。

楊飛（1981—），男，山東棗莊市人，博士，副研究員，研究方向為遙感數據分析應用。主要承擔工作：產品數據分析。

何陽（1991—），男，湖北荊州人，碩士，研究方向為遙感圖像智能處理與信息挖掘。主要承擔工作：算法實現。

李天柱（1997—），男，四川廣元人，本科生，研究方向為遙感圖像智能處理與信息挖掘。主要承擔工作：產品精度評定，論文檢查與核驗。