基于FY-3D MERSI数据的火点识别方法研究

doi:10.11873/j.issn.1004-0323.2020.5.1099

遥感技术与应用

2020, Vol. 35

Issue (5): 1099-1108 DOI: 10.11873/j.issn.1004-0323.2020.5.1099

遥感应用

基于FY-3D MERSI数据的火点识别方法研究

殷针针^1,²(

),陈方^1,^2,³(

),林政阳^1,²,杨阿强¹,李斌¹

^1.中国科学院遥感与数字地球研究所中国科学院数字地球重点实验室，北京 100094
^2.中国科学院大学，北京 100049
^3.海南省地球观测重点实验室，海南三亚 572029

Active Fire Monitoring based on FY-3D MERSI Satellite Data

Zhenzhen Yin^1,²(

),Fang Chen^1,^2,³(

),Zhengyang Lin^1,²,Aqaing Yang¹,Bin Li¹

^1.Key Laboratory of Digital Earth Science，Institute of Remote Sensing and Digital Earth，Chinese Academy of Sciences，Beijing 100094，China
^2.University of Chinese Academy of Sciences，Beijing 100049，China
^3.Hainan Key Laboratory of Earth Observation，Institute of Remote Sensing and Digital Earth，Chinese Academy of Sciences，Sanya 572029，China

全文: PDF(5005 KB) HTML

摘要：

火灾是一种全球性的自然灾害，及时准确地识别火点信息对防灾减灾及开展气候变化研究具有重要意义。基于我国新一代极轨卫星FY-3D MERSI影像数据，提出了改进的潜在火点识别算法，结合动态阈值法和上下文检测方法进行火点识别实验，并采用FY-3C VIRR数据、MOD14A1火点产品和Landsat8 OLI数据对火点识别结果进行验证分析。实验结果表明：改进后的算法能够快速有效地提取出火点信息，且对小型火点有较好的提取效果，为实现有效的灾情监测提供了方法手段。

关键词： FY-3D MERSI; 火点识别; 动态阈值; 上下文算法; 对比验证

Abstract:

Fire is a global natural hazard. Effective methods of active fire monitoring would significantly contribute to disaster risk reduction as well as the studies on climate change. Based on the MERSI data from a new generation polar-orbiting FY-3D satellite in China， we proposed an improved algorithm for potential fire pixels identification. Then， dynamic threshold and a contextual fire detection algorithm are combined to carry out the fire monitoring experiment. FY-3C VIRR data， MOD14A1 fire products， and Landsat8 OLI data are used to validate and analyze the detection results. The results show that the improved algorithm can effectively detect fire spots including small fires， which provides a method for the effective hazard monitoring.

Key words: FY-3D MERSI Active fire monitoring Dynamic threshold Contextual fire detection Validation

收稿日期: 2019-04-08 出版日期: 2020-11-26

ZTFLH:

TP79

基金资助: 国家自然科学基金项目(41871345)

通讯作者: 陈方 E-mail: yinzz@radi.ac.cn;chenfang_group@radi.ac.cn

作者简介: 殷针针（1994-），女，河南周口人，硕士研究生，主要从事火灾遥感监测研究。E?mail: yinzz@radi.ac.cn

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	殷针针
	陈方
	林政阳
	杨阿强
	李斌

引用本文:

殷针针,陈方,林政阳,杨阿强,李斌. 基于FY-3D MERSI数据的火点识别方法研究[J]. 遥感技术与应用, 2020, 35(5): 1099-1108.

Zhenzhen Yin,Fang Chen,Zhengyang Lin,Aqaing Yang,Bin Li. Active Fire Monitoring based on FY-3D MERSI Satellite Data. Remote Sensing Technology and Application, 2020, 35(5): 1099-1108.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2020.5.1099 或 http://www.rsta.ac.cn/CN/Y2020/V35/I5/1099

图1 研究区FY-3D MERSI图像

表 1 FY-3D MERSI数据应用火点监测的光谱通道特性

图2 实验流程图

表 2 MERSI L1数据可见光通道定标系数

图3 潜在火点识别结果对比图

图4 改进前潜在火点识别结果的分析图

图5 不同影像数据的火点识别结果图（Ⅰ、Ⅱ、Ⅲ、Ⅳ：不同影像数据的火点提取结果在MERSI图像上的显示；Ⅰ/Ⅱ/Ⅲ/Ⅳ-A/B/C/D：不同影像数据的子区域的火点提取结果）

图6 火点提取结果的对比验证图（A Ⅰ?Ⅱ、B Ⅰ?Ⅱ、C Ⅰ?Ⅱ、D Ⅰ?Ⅱ：四块子区域上FY?3D MERSI数据与FY?3C VIRR数据火点信息的对比验证结果；A Ⅰ?Ⅲ、B Ⅰ?Ⅲ、C Ⅰ?Ⅲ、D Ⅰ?Ⅲ：四块子区域上FY?3D MERSI数据与MOD14A1数据火点信息的对比验证结果；A Ⅰ?Ⅳ、B Ⅰ?Ⅳ、C Ⅰ?Ⅳ、D Ⅰ?Ⅳ：四块子区域上FY-3D MERSI数据与Landsat8 OLI数据火点信息的对比验证结果。）

图7 火点信息分布区域

表3 火点识别结果精度评价表

1	Preece N. Traditional and Ecological Fires and Effects of Bushfire Laws in North Australian Savannas［J］. International Journal of Wildland Fire， 2007， 16（4）： 378-389. doi：10.1071/WF05079. doi: 10.1071/WF05079
2	Keane R E， Agee J K， Fule P， et al. Ecological Effects of Large Fires on US Landscapes： Benefit or Catastrophe？［J］. International Journal of Wildland Fire， 2008， 17（6）： 696-712. doi： 10.1071/WF07148. doi: 10.1071/WF07148
3	Doerr Stefan H， Cristina Santín. Global Trends in Wildfire and its Impacts： Perceptions Versus Realities in a Changing World［J］. Philosophical Transactions of the Royal Society of London， 2016， 371（1696）： 20150345. doi：10.1098/rstb.2015.0345. doi: 10.1098/rstb.2015.0345
4	Sun Fuyang， Li Xiaosong， Li Zengyuan， et al. Near-real-time Forest Fire Monitoring System with Medium and High Spatial Resolutions［J］. Journal of Remote Sensing， 2020， 24（5）：543-549.
4	孙福洋，李晓松，李增元，等. 近实时中高空间分辨率森林火灾监测系统展望［J］. 遥感学报， 2020， 24（5）：543-549.
5	Liu Xiaodong， Wang Bo. Review on the Main Emission Products Released by Forest Combustion［J］. Journal of Beijing Forestry University， 2017， 39（12） 118-124.刘晓东，王博. 森林燃烧主要排放物研究进展［J］. 北京林业大学学报， 2017， 39（12）： 118-124.
6	Liu Z H， Ballantyne A P， Cooper L A. Biophysical Feedback of Global Forest Fires on Surface Temperature［J］. Nature Communications， 2019， 10： 9. doi：10.1038/s41467-018-08237-z. doi: 10.1038/s41467-018-08237-z
7	Shan Haibin， Liu Yujie， Fan Changyao， et al. Real-time Monitoring System of Forest Fires by Polar Orbiting Meteorological Satellites［J］. Meteorological Science And Technology， 2008， 36（3）： 335-340.
7	单海滨，刘玉洁，樊昌尧，等. 极轨气象卫星森林火灾实时监测系统［J］. 气象科技， 2008， 36（3）： 335-340.
8	Li Jiaguo， Gu Hangfa， Yu Tao， et al. Detection of Australian Southeast Forest Fire Using HJ Satellite［J］. Journal of Beijing University of Aeronautics and Astronautics， 2010， 36（10）： 1221-1224.
8	李家国，顾行发，余涛，等. 澳大利亚东南部森林山火HJ卫星遥感监测［J］. 北京航空航天大学学报， 2010， 36（10）： 1221-1224.
9	Li Yuhong， He Li. Design of Forest Fire Monitoring Model in Guangxi［J］. Journal of Meteorological Research and Application， 2013， 34（1）： 44-47.
9	李玉红，何立. 广西林火监测模型设计［J］. 气象研究与应用， 2013， 34（1）： 44-47.
10	Duan Weihu， Huang Cheng， Wang Hao， et al. Study on Application of MODIS Data in Forest Fire Recognition［J］. Journal of Anhui Agricultural Sciences， 2014，42（28）： 9800－9803.
10	段卫虎，黄诚，王皓，等. MODIS数据在森林火点识别中的应用研究［J］. 安徽农业科学， 2014， 42（28）： 9800-9803.
11	Li Xiaolian. Synergy of Multi-factors for Forest Fire Prediction and Detection based on MODIS Data ［D］. Hefei： University of Science and Tecnology of China， 2016.
11	李晓恋. 基于MODIS数据的多因子协同作用下森林火灾预测监测研究［D］. 合肥：中国科学技术大学， 2016.
12	Yang Jin， He Yang， Li Xinpeng， et al. A Method for Fire Detection Using Landsat 8 Data［J］. Journal of Infrared and Millimeter Waves， 2016， 35（5）： 600-608，624.
12	杨进，何阳，李信鹏，等. 基于Landsat 8陆地卫星数据的火点检测方法［J］. 红外与毫米波学报， 2016， 35（5）： 600-608，624.
13	Shan Tianchan， Wang Changlin， Chen Fang， et al. A Burned Area Mapping Algorithm for Chinese FengYun-3 MERSI Satellite Data［J］. Remote Sensing， 2017， 9（7）： 736. doi：10.3390/rs9070736. doi: 10.3390/rs9070736
14	Rao Yueming， Wang Chuan， Huang Huaguo. Forest Fire Monitoring based on Multisensor Remote Sensing Techniques in Muli Country， Sichuan Province［J］. Journal of Remote Sensing， 2020， 24（5）： 559-570.
14	饶月明，王川，黄华国. 联合多源遥感数据监测四川木里县森林火灾［J］. 遥感学报， 2020， 24（5）： 559-570.
15	Flannigan M D. Forest Fire Monitoring Using NOAA Satellite AVHRR［J］. Canadian Journal of Forest Research， 1986， 16（5）： 975-982. doi：10.1139/x86-171. doi: 10.1139/x86-171
16	Kaufman Y J， Justice C O， Flynn L P， et al. Potential Global Fire Monitoring from EOS-MODIS［J］. Journal of Geophysical Research： Atmospheres， 1998， 103（D24）： 32215-32238. doi： 10.1029/98jd01644. doi: 10.1029/98jd01644
17	Nakayama M， Maki M， Elvidge C D， et al. Contextual Algorithm Adapted for NOAA-AVHRR Fire Detection in Indonesia［J］. International Journal of Remote Sensing， 1999， 20（17）： 3415-3421. doi：10.1080/014311699211444. doi: 10.1080/014311699211444
18	Liang Yun. Monitoring the Forest Fire by Using EOS/MODIS Data［J］. Remote Sensing Technology and Application， 2002， 17（6）： 310-312.
18	梁芸. 利用EOS/MODIS资料监测森林火情［J］. 遥感技术与应用， 2002， 17（6）： 310-312.
19	Justice C O， Giglio L， Korontzi S， et al. The MODIS fire products［J］. Remote Sensing of Environment， 2002， 83（1）： 244-262. doi： 10.1016/S0034-4257（02）00076-7. doi: 10.1016/S0034-4257（02）00076-7
20	Louis G， Ivan C， Agoston R， et al. Active Fire Detection and Characterization with the Advanced Spaceborne Thermal Emission and Reflection Radiometer （ASTER）［J］. Remote Sensing of Environment， 2008， 112（6）： 3055-3063. doi： 10.1016/j.rse.2008.03.003. doi: 10.1016/j.rse.2008.03.003
21	Roberts Gareth J， Wooster Martin J. Fire Detection and Fire Characterization over Africa Using Meteosat SEVIRI［J］. IEEE Transactions on Geoscience & Remote Sensing， 2008， 46（4）： 1200-1218. doi：10.1109/tgrs.2008.915751. doi: 10.1109/tgrs.2008.915751
22	Bao H E， Chen L F， Tao J H， et al. A Contextual Fire Detection Algorithm based on Observation Geometry for HJ-1B-IRS［J］. Journal of Infrared & Millimeter Waves， 2011， 30（2）： 104-108. doi：10.3724/SP.J.1010.2011.00104. doi: 10.3724/SP.J.1010.2011.00104
23	Calle A， Salvador P. The Active Fire FRP Estimation： Study on Sentinel-3/SLSTR［J］. IEEE Geoscience & Remote Sensing Letters， 2013， 10（5）： 1046-1049. doi：10.1109/LGRS.2012.2228163. doi: 10.1109/LGRS.2012.2228163
24	Wilfrid S， Patricia O， Louis G， et al. The New VIIRS 375m Active Fire Detection Data Product： Algorithm Description and Initial Assessment［J］. Remote Sensing of Environment， 2014， 143（6）： 85-96. doi：10.1016/j.rse.2013.12.008. doi: 10.1016/j.rse.2013.12.008
25	Wilfrid S， Patricia O， Louis G， et al. Active Fire Detection Using Landsat-8/OLI Data［J］. Remote Sensing of Environment， 2016， 185： 210-220. doi：10.1016/j.rse.2015.08.032. doi: 10.1016/j.rse.2015.08.032
26	Lin Z Y， Chen F， Niu Z， et al. An Active Fire Detection Algorithm based on Multi-Temporal Fengyun-3C VIRR Data［J］. Remote Sensing of Environment， 2018， 211： 376-387. doi： 10.1016/j.rse.2018.04.027. doi: 10.1016/j.rse.2018.04.027
27	Xu Qingyun， Gu Weiwei， Xie Tao， et al. CropStraw Fire Remote Sensing Monitoring and Its Algorithm Implementation［J］. Remote Sensing Technology and Application， 2017，32（4）：728-733.
27	许青云，顾伟伟，谢涛，等.秸秆焚烧火点遥感监测算法实现［J］.遥感技术与应用，2017，32（4）：728-733.
28	Qin Xianlin， Zhang Zihui， Li Zengyuan. An Automatic Forest Fires Identification Method Using HI-1B IRS Data［J］. Remote Sensing Technology and Application， 2010， 25（5）： 700-706.
28	覃先林，张子辉，李增元. 一种利用HJ-1B 红外相机数据自动识别林火的方法［J］. 遥感技术与应用， 2010， 25（5）： 700-706.
29	Abuelgasim A，Fraser R.Day and Night-time Active Fire Dete-ction over North America Using NOAA-16 AVHRR Data［C］∥ IEEE International Geoscience and Remote Sensing Symposium，2002：1489-1491.doi：10.1109/IGARSS.2002.1026158. doi: 10.1109/IGARSS.2002.1026158
30	Louis G， Jacques D， Justice Christopher O， et al. An Enhanced Contextual Fire Detection Algorithm for MODIS［J］. Remote Sensing of Environment， 2003， 87（2）： 273-282. doi： 10.1016/s0034-4257（03）00184-6. doi: 10.1016/s0034-4257（03）00184-6
31	Louis G， Wilfrid S， Justice Christopher O. The Collection 6 MODIS Active Fire Detection Algorithm and Fire Products［J］. Remote Sensing of Environment， 2016， 178： 31-41. doi： 10.1016/j.rse.2016.02.054. doi: 10.1016/j.rse.2016.02.054
32	Qin Xianlin， Yi Haoruo. A Method to Identify Forest Fire based on MODIS Data［J］. Fire Safety Science， 2004， 13（2）： 83-89.
32	覃先林，易浩若. 基于MODIS数据的林火识别方法研究［J］. 火灾科学， 2004， 13（2）： 83-89.
33	Qin Xianlin. Study on Forest Fire Early Warning and Monitoring Methodology Using Remote Sensing and Geography Inofrmation System Techniques［D］. Beijing： Chinese Academy of Forestry， 2005.
33	覃先林. 遥感与地理信息系统技术相结合的林火预警方法的研究［D］.北京：中国林业科学研究院， 2005.
34	Alonso-Canas I， Chuvieco E. Global Burned Area Mapping from ENVISAT-MERIS and MODIS Active Fire Data［J］. Remote Sensing of Environment， 2015， 163： 140-152. doi：10.1016/j.rse.2015.03.011 doi: 10.1016/j.rse.2015.03.011
35	Xiong X. Smoke Plume Detection in The Eastern United States Using MODIS［J］. International Journal of Remote Sensing， 2007， 28（10）： 2367-2374. doi：10.1080/01431160701236795. doi: 10.1080/01431160701236795
36	Lin Z Y， Chen F， Li B， et al. FY-3C VIRR Active Fire Monitoring： Algorithm Description and Initial Assessment Using MODIS and Landsat Data［J］. IEEE Transactions on Geoscience and Remote Sensing， 2017，（99）：1-11. doi： 10.1109/tgrs.2017.2728103. doi: 10.1109/tgrs.2017.2728103
37	Wang Xianghua. On-board Remote Sensing Information Processing System and Output Format of FY-3D Medium Resolution Spectral Imager［C］∥ Kunming： Chinese Society of Space Research， 2004.王向华. 风云三号中分辨率成像光谱仪星上遥感信息处理系统和输出格式设想［C］∥ 昆明：中国空间科学学会， 2004.
38	Xu Yongjun. Forest Monitoring System Design and Implementation based on the FY3A Data［D］. Beijing： China University of Geosciences，2012.徐拥军. 基于FY3A/VIRR数据火情监测系统的设计与实现［D］. 北京：中国地质大学， 2012.

[1]	冯莉,李柳华,郭松,卢荻. HJ-1A NDVI与MODIS NDVI时间序列提取植被物候特征对比研究[J]. 遥感技术与应用, 2016, 31(6): 1158-1166.
[2]	封敏,李再明,邱炳文,王重洋,罗钰涵. 21世纪初中国农作物与自然植被物候时空差异[J]. 遥感技术与应用, 2016, 31(5): 1003-1012.
[3]	邱玉宝,郭华东,石利娟,施建成. 基于AMSR-E的全球陆表被动微波发射率数据集[J]. 遥感技术与应用, 2016, 31(4): 809-819.
[4]	常守志,王宗明,宋开山,刘殿伟,张柏,张春华. 基于NDVI数据的三江平原农田物候监测[J]. 遥感技术与应用, 2011, 26(1): 82-88.

Viewed

Full text

Abstract

Cited

Shared

Discussed