基于Sentinel-2的林火監測和火燒跡地提取

一、林火監測

1.1 Sentinel-2 衛星簡介

Sentinel-2A衛星于2015年6月23日，從法屬圭亞那庫魯發射場由“織女星”（Vega）運載火箭發射升空。時隔不到兩年，Sentinel-2B衛星在2017年3月7日于同一處發射升空。這2顆衛星由歐洲委員會（EC）和歐洲航天局（ESA）共同實施，是“哥白尼”計劃下的多光譜成像衛星，用于全球高分辨率和高重訪能力的陸地觀測、生物物理變化制圖、監測海岸和內陸水域，以及風險和災害制圖等。

Sentinel-2衛星搭載的有效荷載為多光譜成像儀（MSI）。MSI的工作光譜為可見光、近紅外（VNIR）和短波紅外（SWIR）共13個譜段，并采用堆掃式成像模式。時間分辨率為每10天更新一次全球陸地表面成像數據，雙星可達到5天更新一次。

Sentinel-2A和Sentinel-2B衛星運行于同一條軌道上，相位相差180°。兩顆衛星聯合工作，可以在5天時間內完成對赤道附近的完全覆蓋。衛星采用太陽同步軌道，軌道高度786km，軌道傾角98.5°，降交點地方時間為10：30，該時間的選擇是綜合考慮了云層遮蓋的最小化和太陽光照條件的最優解。


從上圖可以看到，Sentinel-2傳感器具備兩個短波紅外的光譜：B11 和 B12。短波紅外作為電磁波的一部分，其波長在1000-3000納米之間，短波紅外成像受大氣散射作用小，透霧、靄、煙塵能力較強，有效探測距離遠，對氣候條件和戰場環境的適應性明顯優于可見光成像。因此利用短波紅外可穿透燃燒產生的大量煙霧的特性，能夠快速的鎖定著火區域，識別著火點。

1.2 3·29沁源森林火災火點監測

2019年3月29日下午1點30分許，沁源縣王陶鄉郭家坪村附近突發森林火情，因風速大，火勢迅速蔓延，不到一天時間，火災過火面積達360公頃，整個火場可見明火約10公里，約25個村莊和煤礦被山火威脅。

2019年4月1日，哨兵2A正好過境，下面我們一起看看哨兵2A衛星拍攝的林火區域的衛星影像，下圖是哨兵2A衛星2019年4月1日T49SFA圖幅的B4B3B2組合真彩色圖像，從圖像上可以看出沁源縣的北方有大片的濃煙分布：

下面我們放大到此處進行查看，由于B4B3B2是RGB通道，紅綠藍波長較短，受云霧影響比較大，無法觀察到地面的火點分布：

下面我們采用B12B8B3即短波-近紅-綠的組合方式，可以看到兩條紅色帶狀的火點分布，另外森林呈現綠色，燃燒過的火燒跡地呈現粉紅色：

下面我們可以將兩個短波SWIR都用上，進一步減輕煙霧的影響，采用B12B11B8A的組合方式，火點更加明亮，健康植被呈現藍色，火燒跡地呈現紅褐色：

1.3 短波紅外監測人工火源

短波紅外波段不僅可以監測林火，同樣還可以監測人工火源，下面我們來看看幾個典型的火源點。

典型A地

下圖是一個工廠，從B4B3B2真彩色圖像上看不出哪里有火源點的蹤跡：

然后我們切換B12B11B8A進行組合，發現工廠的南部有一個異常紅亮的火源：

我們透過谷歌地球的高分辨率影像來看看這個工廠的火源：

放大之后我們明顯可以看到一個正在燃燒的火炬塔架：

典型B地

下面我們再看一個工廠，從B4B3B2真彩色影像上仍然看不出有火源的蹤跡：

然后我們切換B12B11B8A進行組合，發現工廠的北部有一個異常紅亮的火源：

在谷歌地球上這個火源長這個樣子：

注意彩鋼房混淆

圖中粉色圈出為真實火點，另外部分彩鋼廠房（青色框中地物）的短波紅外反射率也較高，因此容易對火點的判讀產生影響：

二、火燒跡地提取

2.1 預處理

從歐空局下載L1C級別的哨兵2A和2B數據，災前時相為2018年6月10日，災后時相為2019年6月10日，經過Sen2Cor軟件大氣校正后得到L2A級別的數據，然后在SNAP軟件中進行采樣輸出：

ENVI中進行波段組合和裁剪得到火災現場災前災后的圖像：

2.2 基于IR-MAD變化檢測提取火燒跡地

IR-MAD變化檢測

ESRI 提供了IR-MAD工具，其安裝方法可參考APP STORE，下載ENVIIRMAD.zip，將解壓后的custom_code和extensions文件夾拷貝到…\ENVI5X\下，覆蓋并替換；將bin文件拷貝到…\ENVI5X\IDL8X下，覆蓋并替換。重啟ENVI。

打開IR-MAD變化檢測工具輸入前后時相的圖像，參數可默認，直接輸出即可：

輸出的結果，亮度越大的地方表明變化越劇烈：

我們可以自定義一個分割區間，測試合適的閾值將火燒跡地提取出來：

本次測試的閾值是大于4500的區域：

但是，變化檢測提取出來的區域除了火燒跡地外，還有一些耕地：

面向對象提取林地

由于直接將兩幅圖進行變化檢測會有一些額外的不是火燒跡地的變化區域被檢出，比如耕地，因此我們需要做一個林區的掩膜文件將森林提取出來，然后生成掩膜圖像對變化檢測的結果進行掩膜，可消除林區外變化地區的影響。

可以采用面向對象的方法，輸入2018年的災前衛星影像：

選擇NDVI波段計算（由于預處理剔除了60米波段，所以Band3和7對應B4和B8）：

填寫分割尺度：

建立林地規則，經過反復預覽，本次選擇NDVI大于0.65的為林地：

提取出來的林地結果：

構建林地掩膜：

對IR-MAD變化檢測結果進行林地掩膜

我們對先前提取的IR-MAD變化檢測結果進行林地掩膜，剔除非林地變化的影響：

得到的掩膜后的變化區域：

這樣耕地等非林區變化的地區就被剔除了：

2.3 變化檢測流程工具提取火燒跡地

我們可以采用ENVI下的另外一個變化檢測工具進行提取試驗：
首先分別計算兩個圖像的NDVI：


輸入災前災后NDVI圖像后，可以直接輸入掩膜文件，這樣就只對掩膜文件的區域進行變化檢測處理：

由于本次兩個哨兵數據本身配準的很好，因此不需要進行額外的配準，我們直接跳過配準：


選擇差值選項：

得到的結果如下：

三、受災等級劃分

我們任選一個變化檢測的結果，生成一個火燒跡地的掩膜圖像：
使用2019年的NDVI減去2018年的NDVI：

得到NDVI差值圖像：

然后對NDVI差值圖像進行掩膜，得出火燒跡地區域的NDVI差值圖像：


然后對輸入火燒跡地的NDVI差值圖像進行統計，統計的時候選擇火燒跡地掩膜：


這樣就得到了火燒跡地區域的NDVI統計直方圖曲線：


我們分別選取 -0.6365 、-0.4832、-0.2825，三個曲線拐點進行分割，為了方便制圖，我們將ENVI格式另存為TIF，在ArcMap中進行操作，
選用重分類工具：


插入指北針，圖例等要素：

這樣，所有的工作都做完了，星星之火，可以燎原；森林防火，重在堵源。希望大家平常注意不要將火源帶入山林或雜草等易燃區域，愛護森林，人人有責。

總結

以上是生活随笔為你收集整理的基于Sentinel-2的林火监测和火烧迹地提取的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。