基于EOS/MODIS卫星数据的林火监测方法技术研究

杨鑫 钟仕全

（广西气象减灾研究所 南宁 530022）

【摘　要】　根据EOS/MODIS卫星数据的光谱通道特征，建立林火遥感识别模型，结合地表植被和地表亮温等背景信息，确定识别林火温度的阈值，通过红外、近红外等光谱通道的组合处理与分析，识别出林火特征信息。借助GIS平台，将识别出林火特征信息与背景数据相融合，获得森林火灾燃烧信息，结合广西林火发生的实际情况，进行了广西林火遥感监测技术方法的研究。
【关键词】　EOS/MODIS卫星数据 林火监测 方法技术

　　1、前 言
　　随着卫星遥感技术的发展，卫星遥感技术来在森林火灾监测中发挥了重要作用。相关的学者已利用NOAA/AVHRR、TM 等卫星数据在这方面做了许多应用研究工作。覃先林等利用AVHRR数据对小火点自动识别方法进行了研究。刘诚等先后对气象卫星判识火灾的方法进行改进并介绍了亚像元火点的面积和亮温估算方法，易浩若等提出了利用NOAA/AVHRR数据测算森林大火过火面积的方法。
　　MODIS（Moderate Resolution Imaging Spectroradiometer即中分辨率成像光谱辐射计）是EOS系列卫星的主要探测仪器，也是当前世界上新一代图谱合一的光学遥感仪器，有36个光谱通道，分布在0.4～14μm的电磁波谱范围内，其地面分辨率分别为250m、500m和1000m，每日或每两日即可获取一次全球观测数据。在MODIS卫星的传感器上加载了火灾监测参数，在火灾监测方面，①具有传感器灵敏度高、量化精度好，在发现和测定火灾方面具有优势；②具有多个可用于火灾检测的通道，对火灾的性质可以进行定性、定量分析；③具备精确的定位功能，地面几何定位精度达到星下点0.1像元，边缘0.3像元；④提供了250m 分辨率的地表背景数据，有利于火灾预测和受灾地区的灾后高速判定。目前，MODIS火灾检测已经广泛应用于实践，2001年，Lim等成功地利用MODIS数据对东南亚火灾进行了监测。
　　2、数据预处理
　　2.1 MODIS卫星数据双眼皮现象
　　MODIS探测器的成像特点使MODIS数据存在较为严重的几何畸变，影响了卫星数据产品的应用。MODIS探测器为一种被动式摆动扫描探测器，其横向扫描角为±55°，由于地球曲率的影响，扫描线的实际跨度大约为2340km。每完成一次扫描，MODIS探测器沿轨道前进了10km，这10km的区域就是一个扫描条带。扫描条带的宽度分别为10个像素（1km分辨率）、20个像素（500ｍ分辨率）、40个像素（250ｍ分辨率）。由于MODIS探测器对地球观测的视野几何特性、地球表面的曲率、地形起伏和MODIS探测器运动中的抖动等因素的共同影，MODIS 1B数据存在几何畸变，特别是MODIS 1B数据的扫描条带之间的错位现象严重，俗称“双眼皮”。该现象随着观测角度的增大而日趋严重。计算表明，在视角为24°时，条带之间的重叠度为10%，而在条带的两端重叠度达到50%。我们利用MODIS 1km分辨率的经纬度坐标对“双眼皮”现象进行验证，如图1所示，相邻观测之间存在重叠。

图1 MODIS 1B数据左半部分“双眼皮”示意图

　　2.2 卫星的预处理
　　目前，利用DVBS接收系统接收到的MODIS数据为L1A原始数据pds文件。这些数据需要经过pds数据解包生成L1B数据hdf文件，对L1B数据进行辐射订正、投影变换、几何纠正等预处理工作后，形成数据LD2文件，以用于林火遥感监测研究的基础数据。MODIS卫星的预处理技术主要包含了辐射纠正技术、投影变换技术和几何纠正技术，处理的流程为：MODIS 1B数据→辐射订正→投影变换→几何纠正→LD2数据。

　　
图3 纠正前影像图　　　　　　　　　　　　　　图4 纠正后影像图　　　　

　　3、林火遥感监测方法技术
　　在进行EOS/MODIS卫星数据预处理得到ld2文件数据的基础上，根据EOS/MODIS数据36个通道的光谱特征，选择适合火情的通道数据进行处理分析，建立遥感监测模型、监测技术流程和技术指标。
　　3.1 基本原理
　　根据EOS/MODIS数据各个通道的光谱特征，选择适合火情的通道数据进行处理分析，建立遥感监测模型和监测技术流程，确定监测技术指标。
　　根据普朗克公式绘制的不同温度下的黑体辐射波谱曲线，辐射通量密度是随温度的增加而迅速增加的，而当温度增加时，峰值波长将向短波方向移动（见图4、5）。MODIS数据在4μm通道和11μm通道处，火点像元能比背景像元表现出更高的亮温。由于峰值波长会随温度的升高向短波方向移动，所以在火点处4μm通道比1lμm通道的亮温高，且火点处这两个通道的亮温差比背景处明显偏高。因此，可以用这几个条件来检测火点，与燃烧有关的MODIS波段特性见表1。

　　　　
图4 黑体辐射波谱曲线　　　　　　　　　　图5 不同温度黑体光谱辐射率
　　　　　　　　　　　　　　　　　　　　　与波长关系曲线图
表1 火点监测通道

　　3.2 林火遥感监测方法
　　3.2.1 林火遥感数据特征
　　根据表1所提供的可用于火灾探测的MODIS数据波段信息，将可见光和热红外等多种分辨率的数据融合建立不同的火点识别模型，并在试验过程中验证各模型的有效性。
　　MODIS的火灾检测算法主要是基于中、长红外通道光谱特性。当MODIS的4μm通道的饱和温度为500K时，等效噪声温度为0.3K。这个通道不受水蒸气吸收的影响，其他气体对它的影响也很微弱。MODIS的1lμm 通道达到400K的饱和温度时，等效噪声温度为0.1K。因此，一般采用这两个通道作为火灾监测的通道。在夜间还可以用分辨率为250m的0.86μm通道的数据，以及分辨率为500m的2.13μm和1.65μm两个通道的数据进行火灾监测。设计时考虑到MODIS要最大限度地提供精确的观测定位数据，可以实现多时相火灾探测。250m的MODIS可见光通道可以提供1km分辨率的着火点像元的空间分布特性和地表的背景信息。
　　一般来说，波长越短对高温的灵敏度越高。2.13μm通道对火点很灵敏，但它的通道饱和反射率为0.8，白天受太阳光反射的影响非常大，因此这个通道的利用受到限制。4μm通道的太阳辐射很低，这使得该通道的太阳光反射相对来说变得微不足道，因此这个通道是MODIS进行火灾检测最合适的一个大气窗口。
　　3.2.2 林火监测技术流程
　　主要技术思路是通过收集EOS/MODIS卫星数据，进行数据预处理得到用于林火信息识别的基础数据，根据EOS/MODIS卫星数据的光谱通道和分辨率特征，建立林火遥感识别模型，结合地表植被和地表亮温等背景信息，确定识别林火温度的阈值，通过红外、近红外等光谱通道的组合处理与分析，识别出林火特征信息。借助GIS平台，将识别出林火特征信息与背景数据相融合，获得森林火灾燃烧信息。

图6 林火监测技术流程图

　　3.2.3 林火遥感判识方法
　　基于MODIS传感器各波段特性，在构建火点识别模型时，选取4um波段的信息，同时利用MODIS卫星数据的其它波段反映的不同信息，即间接利用其第一、第二波段所反映的植被信息来突出燃烧点的植被信息；利用第31波段所反映的地表亮温信息来消除裸地、水体和云层的干扰等。利用Yofam J.Kufuman提出的相对火点检测式（在此将其简称为地表亮温法），对火点进行判识。
　　　　　　T4＞Mean（T4）+4StdDev（T4）和T4-T11＞Median
　　　　　　（T4-T11）+ 4StdDev（T4-T11）　　　　　　　　　　（1）
　　由公式（1）所得的结果仅为热点，还不一定是火点，更不一定是林火。通过对覆盖已确定的林火区域的MODIS L1B数据的归一化植被指数（NDVl）的取样，并统计分析发现林火点的NDVI值的大小，据此确定出火点确认的NDVI值的域值识别林火。在林火识别中，采用地表亮温信息和地表植被信息。
　　3.2.4林火监测图像信息处理
　　根据EOS/MODIS卫星数据的光谱通道特征，应用7通道（2.1um）和22通道（3.92～3.989um）数据对温度的敏感性，结合1、2通道的高空间分辨率对林火进行判别。
　　应用7通道2.1um数据制作林火监测图像。在白天应用1、2、7通道的MODIS数据，经图像融合生成的伪彩色图像，利用1、2通道的高分辨率来显示地面的细部信息与7通道对高温热点的敏感性，可以较好地判识温度较高的树冠林火的信息和火点位置，图像空间分辨率有250m、500m和1km。夜间则应用5、6通道的红外数据与7通道融合生成的假彩色图像，也是利用7通道对高温热点的敏感性，可以较好地判识夜间的高温林火信息和火点位置，图像空间分辨率为500m和1km。
　　应用22通道3.92～3.989um数据制作林火监测图像。在MODIS数据的6个3～5um通道数据中，21通道具有较高的光谱辐射率（2.38）对热的敏感程度最强，采用22通道进行林火监测可以获得最佳的效果。应用1、2、22通道融合的监测图像，其效果类似于NOAA3、2、1合成的白天监测图像效果，可以制作250m、500m和1km分辨率的监测图像。在夜间，应用31通道、32通道和22通道合成的监测图像，其效果类似于NOAA3、4、5通道合成监测图像效果。
　　3.3 林火检测处理方法
　　3.3.1 数据图像数值转换
　　从DVBS系统接收到的图像数值不是亮温值，需要将它转变成亮温值处理。选用了第1、3、4、20、21、22、23、24、25、31等通道进行分析处理。
　　利用公式（2）将所有通道图像数值转换为辐射亮度值或反射亮度值。将第1、3、4通道取反射增益和反射偏移，转换为反射亮度值；第21、31通道用辐射增益和辐射偏移，转换为辐射亮度值：
　　I= Xoffset ×（N—Xscale）　　　　（2）
　　式中，I为辐射／反射亮度值；N 为图像的有效计数值；Xoffset为定标偏移量；X scale为定标增益。
　　利用普朗克公式（1）将22、31通道的辐射亮度值转换为亮温值。
　　3.3.2 林火监测阈值处理
　　利用22、31通道得到的亮温图进行阈值处理，检验各个阈值，并确定火点识别阈值。
　　MODIS一般火点检测的阈值范围是：22通道温度T4＞360K（夜间330K），31通道温度T11＞320K（夜间315K），同时22通道与31通道温度差△T41＞20K（夜间10K） 。因陆地表面背景亮温值随着季节性和区域性的变化而变化，所确定的阈值需要根据监测时实际情况进行适当调整。
　　MODIS还可以利用与邻近像元比较的方法来检测火点，即用相对判断准则将火点从背景中分离出来。使用通道：CH1（0.62～0.67um）、CH2（0.841～0.876um）、CH23（4.020～4.080um）和CH31（10.780～11.280um）进行（1）耀斑滤出（CH1和CH2的反射率都大于30%，即为耀斑）检测，获取背景信息（分析点中至少有25%的非火像元，分析区的大小可调节），分析监测区滤出火点的条件为：
　　ΔT41=T4-T11≥20K（夜间为10K）　　T4＞320K（夜间为315K）
　　排除这些火点后，得到11um通道的背景温度T11b和它的标准偏差ΔT11b。可以得到4um通道的背景温度T4b和标准偏差ΔT4b。以及通道背景温度偏差的中值ΔT41b和标准偏差δΔT41b。
　　判断：T4＜315K（夜间305K）或ΔT41＜5K（夜间3K）都不是火点。如果ΔT4b和ΔT41b＜2K，则等于2K。如果同时满足下列2个条件，则为火点。
　　A：{T4 ＞ T4b + 4δT4b}或 { T4 ＞320K（夜间315K） }
　　B： {ΔT41＞ΔT41b+4δΔT41b}或{ΔT41＞20K（夜间10K）}或{T4＞360K（夜间330K）}
　　4、结语
　　利用本方法建立的EOS/MODIS卫星数据林火遥感监测模型，在2005年9～12月的广西林火遥感监测业务中得到了应用。通过近半年的验证表明，该方法有效地从EOS/MODIS卫星数据检测出林火点，实现了林火的遥感动态监测业务。同时，监测结果在定位精度、林火类型和火场面积大小等方面优于其它气象卫星监测结果，大大提高了林火监测的准确性和精度。

参 考 文 献
[1] 刘玉洁、杨忠东、等.MODIS遥感信息处理原理与算法[M].北京：科技出版社，2001
[2] 易浩若、等.林火卫星遥感监测及早期报警技术研究[J].遥感技术与应用，1996，11（1）：40～46
[3] 纪平、易浩若、白黎娜.人工神经网络识别NOAA数据异常高温点的研究——重大自然灾害遥感监测与评估研究进展[M].北京：科学技术出版社，1993
[4] Charles Elachi 著 王桧皋、胡茬欣、王维和等译.遥感的物理学和技术概论[M].北京：气象出版社，1995
[5] 章毓晋.图像处理和分析[M].北京：清华大学出版杜，2001
[6] 舒立福、寇晓军.森林特殊火行为格局的卫星遥感研究[J].火灾科学，2001，10（3）：140～143
[7] 舒立福、田晓瑞.3s集成技术在林火管理中的应用研究[J].火灾科学，1999，8（2）：56～62
[8] 杨兰芳、韩涛.用NOAA 卫星监测甘肃省森林草原火灾[A].谢金南主编.西北卫星遥感技术应用.北京：气象出版社，1999.298～301
[9] 周咏梅、殷青军等.青海省森林、草场火险的遥感监测[A].谢金南主编.西北卫星遥感技术应用.北京：气象出版社，1999.3O7～310
[10] Yoram J.Kufuman and Chris Justice.MODISFire Products[D].Algorithm Technical Background Document，1998，11（10）
[11] Yoram J.Kaufman l and Didier Tanr~.ALGORITHM FOR REMOTE SENSING OF TROPOSPHERIC AEROSOL FROM MODIS[D].Algorithm Technical Background Document，1998，10
[12] Claire L.Parkinson.EOS Data Products Handbook[M].NASA Goddard Space Flight Center Greenbelt， Maryland：Printed October 2000
[13] Y.RAUSTE.E.HERLADEZ.Satellite-based forest fire detection for fire control in boreal forests[J].Int.J.Remote Sensing，1997.18(12)：2641～2656
[14] Vincent.G.Ambrosia，et a1. An Integration of Remote Sensing.GIS.and Information Distribution for Wildfire Detection and Management[J].Photogrammetric Engineering & Remote Sensing，1998，64 （10）：977～985
[15] Kufuman Y L，Justice C.MODIS Fire Products[Z] Algorithm Technical Background Document，1998