李　慧

GEE平臺支持下內(nèi)蒙古實時中高空間分辨率森林火點監(jiān)測

李慧

（內(nèi)蒙古自治區(qū)第二林業(yè)和草原監(jiān)測規(guī)劃院內(nèi)蒙古烏蘭浩特137400）

森林火災(zāi)是森林三大自然災(zāi)害之一。為實現(xiàn)對森林火災(zāi)的監(jiān)測，文章以內(nèi)蒙古自治區(qū)為研究區(qū)域，基于GEE平臺中的Landsat8數(shù)據(jù)集和Sentinel2數(shù)據(jù)集通過常規(guī)判定方法和機(jī)器學(xué)習(xí)方法分別提出了森林火點的監(jiān)測方法，確定了2種影像火點判定的最佳閾值。經(jīng)歷史地表火點驗證，常規(guī)判定方法、隨機(jī)森林方法和支持向量機(jī)模型判定Landsat8影像的準(zhǔn)確率分別為98.0%、98.5%和98.0%，判定Sentinel2影像的準(zhǔn)確率分別為95.5%、97.5%和97.0%，均可用于內(nèi)蒙古自治區(qū)的森林火災(zāi)監(jiān)測。建議通過GEE平臺的API接口，研發(fā)實時森林火點監(jiān)測系統(tǒng)，對森林火點進(jìn)行實時監(jiān)測，降低林火損失。

Google Earth Engine平臺；內(nèi)蒙古地區(qū)；遙感影像；森林火點監(jiān)測

森林火災(zāi)是危害森林生態(tài)系統(tǒng)的主要自然災(zāi)害之一，一旦形成規(guī)模難以撲救，嚴(yán)重破壞生態(tài)平衡和危害人民群眾的生命財產(chǎn)安全[1-2]。對于森林火災(zāi)，我國一直秉持著“打早、打小、打了”的撲救原則。其中，“打早、打小”就要求及早、在森林火災(zāi)未形成規(guī)模前進(jìn)行撲救，以免其大面積蔓延。本研究以內(nèi)蒙古地區(qū)為研究區(qū)域，基于GEE平臺中的Landsat8數(shù)據(jù)集和Sentinel2數(shù)據(jù)集提出了一種森林火點的監(jiān)測方法，旨在為該地區(qū)森林火災(zāi)的監(jiān)測工作提供參考。

1 研究區(qū)概況

內(nèi)蒙古自治區(qū)位于我國北部，東西部直線距離長約2 400 km，總面積達(dá)118.3萬km2，是我國經(jīng)度跨度最大的省級行政區(qū)。該地區(qū)地貌以高原為主，大部分地區(qū)海拔在1 000 km以上，森林主要分布于東部的大興安嶺地區(qū)，中部、西部多為草原與荒漠地帶。內(nèi)蒙古自治區(qū)屬溫帶大陸性季風(fēng)氣候，全區(qū)年降水量100～500 mm，年平均氣溫-4～9 ℃，大部分地區(qū)年日照時數(shù)2 700 h，西部地區(qū)可達(dá)3 400 h。近年來，內(nèi)蒙古自治區(qū)的森林火災(zāi)主要集中在呼倫貝爾市和興安盟等東部地區(qū)，中西部火點極少。

2 研究方法

2.1 GEE平臺

GEE（GoogleEarthEngine）平臺，即谷歌地球引擎，是由谷歌開發(fā)的一個云平臺，支持全球范圍內(nèi)的大規(guī)模地理空間數(shù)據(jù)分析。它提供了一個強(qiáng)大的計算引擎和海量的遙感影像數(shù)據(jù)，使用戶能夠在云端進(jìn)行高性能的地理空間數(shù)據(jù)處理和分析。GEE平臺的數(shù)據(jù)目錄中包含地形數(shù)據(jù)、地表土地覆蓋數(shù)據(jù)、地表反射率、地表溫度數(shù)據(jù)等多種數(shù)據(jù)類型。本研究采用Landsat8數(shù)據(jù)集和Sentinel2數(shù)據(jù)集進(jìn)行森林火點的監(jiān)測。

2.2 研究數(shù)據(jù)

本研究涉及的數(shù)據(jù)包括內(nèi)蒙古自治區(qū)行政邊界矢量數(shù)據(jù)、地表覆蓋數(shù)據(jù)、Landsat8數(shù)據(jù)和Sentinel2數(shù)據(jù)。其中，內(nèi)蒙古自治區(qū)行政邊界矢量數(shù)據(jù)來源于國家基礎(chǔ)地理信息中心（https://www.webmap.cn/）的1∶100萬全國基礎(chǔ)地理數(shù)據(jù)庫，地表覆蓋數(shù)據(jù)來源于國家基礎(chǔ)地理信息中心的30米全球地表覆蓋數(shù)據(jù)（GlobeLand30數(shù)據(jù)集）；Landsat8數(shù)據(jù)和Sentinel2數(shù)據(jù)均來源于GEE平臺內(nèi)置數(shù)據(jù)目錄。1∶100萬全國基礎(chǔ)地理數(shù)據(jù)庫包含2021年內(nèi)蒙古自治區(qū)的縣級行政邊界、路網(wǎng)、水系、居民點等數(shù)據(jù)。30米全球地表覆蓋數(shù)據(jù)是中國國家高技術(shù)研究發(fā)展計劃（863計劃）的重要成果，包括耕地、森林、草地、冰川等10種主要地表覆蓋類型。Landsat8數(shù)據(jù)包括可見光、近紅外和短波紅外等多個波段的光譜數(shù)據(jù)。Sentinel2數(shù)據(jù)為歐洲航天局的哨兵-2地球觀測計劃的重要成果，包括可見光至近紅外、短波紅外等紅邊波段的13個波段的光譜數(shù)據(jù)。

2.3 常規(guī)火點判別

林火發(fā)生時火焰、煙霧等會釋放不同的熱輻射，與其他地表輻射存在明顯差異。因此，通過監(jiān)測反映林火發(fā)生的特定輻射可實現(xiàn)火點的判別。本研究Landsat8數(shù)據(jù)采用OLI傳感器的B6/B5、B7/B6和B7/B5波段，Sentinel2數(shù)據(jù)采用MSI傳感器的B11/B8A，B12/B8A和B12/B11波段進(jìn)行火點判別。具體而言，通過地表記錄數(shù)據(jù)的實際火點經(jīng)緯度數(shù)據(jù)提取出2種遙感影像的不同波段值，并與非火點區(qū)域的波段值進(jìn)行對比，確定火點判定的閾值。

2.4 機(jī)器學(xué)習(xí)火點判別

采用R語言根據(jù)隨機(jī)森林模型和支持向量機(jī)模型2種常用機(jī)器學(xué)習(xí)分類模型進(jìn)行火點判別，用于建模的特征變量與常規(guī)火點判別相同。經(jīng)2種機(jī)器學(xué)習(xí)模型計算得出判定為火點或非火點的概率值，并結(jié)合實際值繪制ROC曲線，再根據(jù)ROC曲線下面積值（AUC）評價模型擬合效果，根據(jù)ROC曲線橫縱坐標(biāo)值計算約登指數(shù)，采用約登指數(shù)最大值所對應(yīng)的最佳臨界值作為火點判定的閾值。

3 結(jié)果與分析

3.1 常規(guī)火點判別

3.1.1 閾值確定

首先，將內(nèi)蒙古自治區(qū)的行政邊界矢量數(shù)據(jù)與地表覆蓋數(shù)據(jù)導(dǎo)入ArcGIS軟件，使用“面相交”工具和“屬性選擇”工具提取內(nèi)蒙古自治區(qū)范圍內(nèi)的森林范圍，以規(guī)避煙囪、鋼廠、秸稈焚燒等非森林火點熱源；然后，將獲取的森林范圍導(dǎo)入GEE平臺，根據(jù)該地區(qū)森林范圍獲取相應(yīng)的Landsat8數(shù)據(jù)和Sentinel2數(shù)據(jù)，并進(jìn)行去云處理、大氣校正和幾何校正。

根據(jù)內(nèi)蒙古自治區(qū)森林火災(zāi)火點記錄數(shù)據(jù)（200起）提取Landsat8數(shù)據(jù)相應(yīng)像元的B5、B6、B7波段和Sentinel2數(shù)據(jù)相應(yīng)像元的B8A、B11、B12波段，然后采用ArcGIS軟件的“生成隨機(jī)點”功能在內(nèi)蒙古森林范圍內(nèi)生成200個隨機(jī)點作為非火點，并再次提取上述波段。表1為2種遙感影像火點判別的最佳閾值。

3.1.2 監(jiān)測準(zhǔn)確率評價

根據(jù)內(nèi)蒙古自治區(qū)森林火災(zāi)火點記錄數(shù)據(jù)另選200起森林火災(zāi)，并分別提取Landsat8數(shù)據(jù)相應(yīng)像元的B5、B6、B7波段和Sentinel2數(shù)據(jù)相應(yīng)像元的B8A、B11、B12波段，根據(jù)上述最佳閾值對森林火點進(jìn)行判定，并計算監(jiān)測準(zhǔn)確率。如表2所示，通過最佳閾值判定的Landsat8火點共196個，漏報4個，準(zhǔn)確率達(dá)98.0%；而Sentinel2遙感影像最佳閾值判別火點的準(zhǔn)確率略低于Landsat8遙感影像，漏報9個，準(zhǔn)確率為95.5%。

表1　2種遙感影像火點判別的最佳閾值

表2　遙感影像最佳閾值判別火點的準(zhǔn)確率

3.2 機(jī)器學(xué)習(xí)火點判別

3.2.1 構(gòu)建模型

對前文提及的常規(guī)火點判定生成的火點與非火點進(jìn)行賦值，火點賦值為1，非火點賦值為0，并結(jié)合其所對應(yīng)像元的波段值構(gòu)建模型訓(xùn)練集。分別采用randomForest包和e1701包構(gòu)建隨機(jī)森林模型和支持向量機(jī)模型，使用predict函數(shù)計算判定樣本點為火點的概率。

3.2.2 閾值確定

使用origin軟件根據(jù)概率值和實際值繪制ROC曲線（見圖1），2種機(jī)器學(xué)習(xí)模型的擬合效果較好（AUC＞0.96），且隨機(jī)森林模型擬合效果更好，約登指數(shù)最大值所對應(yīng)的最佳臨界值分別為0.454和0.500，將其作為火點判定閾值計算判定火點的準(zhǔn)確率。

3.2.3 機(jī)器學(xué)習(xí)監(jiān)測準(zhǔn)確率評價

對前文3.1.2節(jié)中生成的火點與非火點進(jìn)行賦值，火點賦值為1，非火點賦值為0，并結(jié)合其所對應(yīng)像元的波段值構(gòu)建模型測試集。使用predict函數(shù)計算2種模型判定測試集樣本點為火點的概率，然后根據(jù)判定閾值判別火點。如表3所示，通過隨機(jī)森林模型最佳閾值判定的Landsat8火點共197個，漏報3個，準(zhǔn)確率達(dá)98.5%，而Sentinel2遙感影像最佳閾值判別火點的準(zhǔn)確率略低于Landsat8遙感影像，漏報5個，準(zhǔn)確率為97.5%；通過支持向量機(jī)模型最佳閾值判定的Landsat8火點共196個，漏報4個，準(zhǔn)確率達(dá)98.0%，而Sentinel2遙感影像最佳閾值判別火點的準(zhǔn)確率略低于Landsat8遙感影像，漏報6個，準(zhǔn)確率為97.0%。

表3　遙感影像機(jī)器學(xué)習(xí)判別火點的準(zhǔn)確率

4 結(jié)論

森林火災(zāi)的監(jiān)測一直是林火防控工作的重點之一，實現(xiàn)對森林火災(zāi)的實時監(jiān)測，有助于快速定位森林火災(zāi)，縮短森林火災(zāi)的撲救時間，減少林火危害。本研究以內(nèi)蒙古自治區(qū)為研究區(qū)域，基于GEE平臺中的Landsat8數(shù)據(jù)集和Sentinel2數(shù)據(jù)集提出了一種森林火點的監(jiān)測方法。研究結(jié)果表明，Landsat8影像的B6/B5、B7/B6和B7/B5波段的最佳閾值分別為1.81、1.07和1.75，Sentinel2影像的B11/B8A、B12/B8A和B12/B11波段的最佳閾值分別為2.57、2.15和1.61；經(jīng)對200個歷史地表火點進(jìn)行驗證，Landsat8影像共準(zhǔn)確判定火點196個，準(zhǔn)確率達(dá)98.0%；Sentinel2影像共準(zhǔn)確判定火點191個，準(zhǔn)確率達(dá)95.5%。2種機(jī)器學(xué)習(xí)模型的擬合效果較好（AUC＞0.96），機(jī)器學(xué)習(xí)火點判定閾值分別為0.454和0.500，通過隨機(jī)森林模型和支持向量機(jī)模型判定Landsat8影像火點的準(zhǔn)確率分別為98.5%和98.0%；而Sentinel2影像的準(zhǔn)確率分別為97.5%和97.0%。本研究提出的森林火點的監(jiān)測方法準(zhǔn)確率高，可用于內(nèi)蒙古自治區(qū)的森林火災(zāi)監(jiān)測。GEE平臺為用戶提供了API接口，通過調(diào)用API接口可實時調(diào)用GEE平臺內(nèi)的遙感影像內(nèi)容，因此可以通過集成最佳閾值判定研發(fā)森林火災(zāi)監(jiān)測系統(tǒng)，實現(xiàn)森林火點的實時監(jiān)測，減少森林火災(zāi)的發(fā)生風(fēng)險。

[1]田曉瑞，代玄，王明玉，等. 多氣候情景下中國森林火災(zāi)風(fēng)險評估[J]. 應(yīng)用生態(tài)學(xué)報，2016，27（3）：769-776.

[2]TYUKAVINA A，POTAPOV P，HANSEN M C，et al. Global trends of forest loss due to fire from 2001 to 2019[J]. Frontiers in Remote Sensing ， 2022 （ 3 ）：825190.

10.3969/j.issn.2095-1205.2024.03.10

S762.32

B

2095-1205(2024)03-34-03

李慧（1966—），男，漢族，內(nèi)蒙古科爾沁右翼前旗人，本科，高級工程師，研究方向為林草工程。