天空地一体化秸秆焚烧监测平台建设

doi:DOI:10.11873/j.issn.1004-0323.2023.3.0640

天空地一体化秸秆焚烧监测平台建设

曹惠明^,¹, 孟祥亮¹, 刘喜荣^,², 刘伟¹, 陈彦臣⁴, 于会泳²^,³, 米雪婷⁴

1.山东省生态环境监测中心，山东济南 250101

2.山东科技大学测绘与空间信息学院，山东青岛 266590

3.青岛星科瑞升信息科技有限公司，山东青岛 266555

4.山东智遥信息科技有限公司，山东济南 250101

Construction of Space-Air-Ground Integration Crop Residue Burning Monitoring Platform

CAO Huiming^,¹, MENG Xiangliang¹, LIU Xirong^,², LIU Wei¹, CHEN Yanchen⁴, YU Huiyong²^,³, MI Xueting⁴

1.Shandong Provincial Ecological Environment Monitoring Center，Jinan 250101，China

2.Shandong University of Science and Technology College of Geodesy and Geomatics，Qingdao 266590，China

3.Star-rising Technologies Company Limited，Qingdao 266555，China

4.Shandong Zhiyao Technologies Company Limited，Jinan 250101，China

通讯作者: 刘喜荣（1994-），女，山东菏泽人，硕士研究生，主要从事定量遥感研究。E⁃mail:liuxirong1@126.com

收稿日期: 2022-03-18 修回日期: 2023-04-08

基金资助:

山东省生态环境监测中心春秋季秸秆焚烧火点遥感监测. SDGP370000202002001357

Received: 2022-03-18 Revised: 2023-04-08

作者简介 About authors

曹惠明（1977-），男，河南开封人，高级工程师，主要从事生态环境监测研究E⁃mail:seaems@126.com , E-mail：seaems@126.com

摘要

秸秆焚烧是大气污染的重要来源之一，因其发生具有随机性和分散性，难以快速、准确、全面地获得秸秆焚烧火点信息，监管部门监督执法面临较大困难。为提高秸秆焚烧的监测精度和效率，研发了高精度火点提取算法，基于多源卫星遥感数据对秸秆焚烧火点进行监测，制定了无人机、人工现场核实方案，对卫星监测的火点信息进行核实。开发了Web端和移动APP端系统平台，定向推送和展示火点信息。形成兼具发现和核查功能的天空地一体化秸秆焚烧监管体系。相关平台应用于2020年山东省春秋季秸秆焚烧火点监测，实现遥感监测火点58个，经核实后真火点为53个，准确率为91.38%。结果表明，该监管体系可快速提取高精度火点信息，为秸秆焚烧监管提供新的思路和手段。

关键词： 秸秆焚烧 ; 天空地一体化 ; 野外核查 ; 火点监测 ; 监管体系

Abstract

Crop residue burning is one of the important sources of air pollution. Due to its randomness and dispersion， it is hard to obtain the information of Crop Residue Burning Fire Points （CRBFPs） quickly， accurately and comprehensively， and regulatory authorities face great difficulties in supervision and law enforcement. In order to improve the monitoring accuracy and efficiency of straw burning， high-precision fire detection algorithms were developed in this study and used to monitor the CRBFPs based on multi-source satellite remote sensing data， and UAV and manual verification schemes were formulated to verify the CRBFPs’ information. The system platforms of WEB and mobile APP were developed to directional push and display the fire points information. A space-air-ground integration supervision system for crop residue burning was established with the functions of detection and verification. Relevant platforms were applied to monitoring of the CRBFPs in Shandong Province in the spring and autumn of 2020， and 58 fire points， which include 53 true fire points after verification， monitored by remote sensing images， with an accuracy rate of 91.38%. The results show that the system can extract high-precision fire point information quickly and provide new ideas and methods for the supervision of crop residue burning.

Keywords： Crop residue burning ; Space-air-ground integration ; Field verification ; Fire point monitoring ; Supervision system

PDF (6344KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

曹惠明, 孟祥亮, 刘喜荣, 刘伟, 陈彦臣, 于会泳, 米雪婷. 天空地一体化秸秆焚烧监测平台建设. 遥感技术与应用[J], 2023, 38(3): 640-648 doi:DOI:10.11873/j.issn.1004-0323.2023.3.0640

CAO Huiming, MENG Xiangliang, LIU Xirong, LIU Wei, CHEN Yanchen, YU Huiyong, MI Xueting. Construction of Space-Air-Ground Integration Crop Residue Burning Monitoring Platform. Remote Sensing Technology and Application[J], 2023, 38(3): 640-648 doi:DOI:10.11873/j.issn.1004-0323.2023.3.0640

1 引言

随着农村能源利用结构的升级，秸秆作为燃料、饲料等的传统使用需求量减少，由于秸秆综合利用技术条件差等因素的影响，很多农民选择直接将秸秆就地焚烧。秸秆焚烧不仅破坏农田生态系统，而且产生多环芳烃、氮氧化物和烟尘等有害物质，污染大气，野外焚烧秸秆已成为区域性空气污染事件的重要原因之一^［1-6］。鉴于秸秆焚烧造成的严重危害，对秸秆焚烧进行监管治理具有重要意义。

近年来，中央与地方各级政府相继推出禁烧政策，积极倡导农民进行农作物秸秆综合利用，不断提高禁烧监管水平，禁烧效果显著^［7］。多项研究结果表明，我国秸秆焚烧火点数量呈现逐年递减的态势^［8-10］。但现阶段对秸秆焚烧的监测与监管还未完全实现信息化，传统的秸秆焚烧监测主要采用自下而上逐级汇报的地面调查方法^［11］，调查涉及面窄、效率低，很难快速全面地得到秸秆焚烧时空分布信息，使得查证监管耗时耗力，禁烧令的执行存在一定的难度^［10］。卫星遥感因具有高频次、大范围、快速获取地物信息等优点，已逐渐应用在秸秆焚烧监测与分析中，弥补了传统方法的不足。

现有研究主要利用多源遥感数据进行秸秆焚烧火点提取或分析秸秆焚烧时空分布和发展规律^{［9-10，12-16］}，卫星遥感数据资源在秸秆焚烧信息化管理中没有充分发挥作用。赵永辉等^［17］设计了秸秆焚烧卫星监测服务平台，在河南省秸秆焚烧监管中进行了业务化运用，该平台仅使用卫星遥感数据进行火点监测，获取的火情信息未进行野外核实，无法为秸秆焚烧监管提供有力的现场证据（如火烧痕迹照片），并未建立健全天空地一体化秸秆焚烧监管体系。针对当前秸秆焚烧监测存在的问题，本文构建了遥感发现、地面核查的天空地一体化秸秆焚烧监管体系，利用多源卫星遥感数据提取火点，通过监测报告及监测平台（WEB端和移动APP端）定向推送火情信息，利用野外核实APP前往现场获取火点面积、照片等信息，开展了全自动、业务化运行的秸秆焚烧监测工作。将其应用于山东省春秋季秸秆焚烧火点监测业务工作中，实现每日动态监测，为监管部门提供有价值的参考信息。

2 工作流程

天空地一体化秸秆焚烧监测工作流程为：基于实时下载的多源卫星遥感数据，利用火点提取算法获得火点信息并推送至监测平台，将火点信息以快报等形式实时推送用户，同时野外核查员利用野外核实APP导航至火点处利用无人机进一步核实并采集现场数据，核查数据自动推送至WEB端供用户实时查看，每日定时生成日报将火情信息和核查结果推送至用户。该监管体系可便于用户及时、全面、直观地了解火情动态信息，提升秸秆焚烧监管和信息化水平，总体技术路线如图1所示。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 总体技术路线

Fig.1 General technical route

3 研究方法

3.1　遥感监测

秸秆焚烧火点具有分散性和随机性，实地人工逐点排查需要耗费大量的人力物力，秸秆焚烧监管面临较大困难^［6］。而卫星遥感技术具有大范围实时监测的优势，是进行秸秆焚烧火点监测的良好手段。本研究以多种卫星遥感数据为数据源，实现秸秆焚烧火点高精度、高频次监测。

3.1.1　卫星数据源介绍

卫星数据源包括Himawari-8 AHI、FY-4A AGRI、Terra/Aqua MODIS、NPP/NOAA20 VIIRS和FY-3D MERSI-II，可实现火点监测频次优于10 min，如表1所示。

表1 卫星源介绍

Table 1 Introduction of satellites

数据源	时间频次	火点监测使用波段号	空间分辨率 /m
Himawari-8 AHI	10 min	7，14~15	2 000
FY-4A AGRI	15 min	7，12~13	4 000
Terra/Aqua MODIS	4次/d	21~22、31~32	1 000
NPP/ NOAA20 VIIRS	4次/d	I4~I5	375
FY-3D MERSI-II	2次/d	20、24	1 000

新窗口打开| 下载CSV

3.1.2　秸秆焚烧火点提取

根据维恩位移定律，黑体温度与其辐射峰值波长成反比，即温度越高，辐射峰值对应波长越短。常温地物热辐射峰值位于热红外波段，秸秆焚烧的温度为500~1 000 Ｋ，其热辐射峰值波长位于中红外3~5 um之间^［13］，即中红外波段对于火点更敏感。选取火点像元及非火点像元各129个，得到火点像元与非火点像元在中红外通道亮温、热红外通道亮温、中红外与热红外通道亮温差值散点图如图2所示。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 火点与非火点像元亮温对比

Fig.2 Comparison of brightness temperature between fire and non-fire pixels

由图2可以看出，当观测像元中出现火点时，该像元在中红外和热红外通道亮温高于非火点像元亮温，且在中红外通道亮温远大于热红外亮温，同时，该像元在中红外通道和热红外通道的亮温差值大于非火点像元在两个通道的亮温差值。基于以上原理，研究学者发展了阈值法、上下文法、多时相法等用于火点提取，本文研究使用阈值-权重法和BP神经网络法两种方法进行秸秆焚烧火点提取，并以VIIRS传感器为例展示算法参数。

（1）阈值—权重法

秸秆焚烧火点具有辐射功率低、面积较小的特点，VIIRS火点产品使用的火点监测算法用于全球热异常点的提取，其初始阈值较高容易漏提秸秆焚烧火点，同时，不同测试条件的阈值也不适合于秸秆焚烧火点提取。文献［18］提出的阈值-权重法，根据秸秆焚烧火点的辐射特性，改变火点提取的阈值和测试条件，并根据不同测试条件对火点的灵敏度，对测试条件进行权重分配，最后将各测试条件对应结果加权进行火点提取。该方法更适用于面积较小、温度较低的秸秆焚烧火点的提取，算法主要步骤如下：

①测试条件选取。基于火点辐射特征，选取测试条件包括：中红外通道亮温 $B T_{m}$ 、热红外通道亮温 $B T_{t}$ 、中红外和热红外通道亮温差 $B T_{m - t}$ 、中红外通道亮温与周围像元亮温差 $∆ B T_{m}$ 、热红外通道亮温与周围像元亮温差 $∆ B T_{t}$ 和中红外和热红外通道亮温差与周围像元在两个通道的亮温差的差值 $∆ B T_{m - t}$ 。

②阈值确定。为了获得每一种测试条件的最佳阈值，统计了火点样本中每个测试条件对应的最小值和最大值，让阈值从统计的最小值和最大值之间以一定步长为间隔进行变化，当火点提取的正确率达到最高且随阈值变化较小时，对应的值则为最佳阈值。如果正确率随阈值的变化增长缓慢而误判率明显增加时，则选择误判率最小对应的值为最佳阈值。这种确定阈值的方法减少了主观性的影响，使得阈值更加合理。

③权重确定。不同的测试条件对于火点的敏感程度不同，根据每个测试条件最终的正确率确定其对应权重，如表2所示。

表2 权重确定

Table 2 Weights determination

正确率	$\geq$ 95%	85%~95%	70%~85%	<70%
权重	0.3	0.2	0.1	0

新窗口打开| 下载CSV

VIIRS传感器对应的测试条件和阈值、权重如表3所示。

表3 VIIRS阈值-权重法参数介绍

Table 3 Introduction of VIIRS threshold-weight method parameters

测试条件及阈值	权重
$B T_{m} > 335 K$	$0.3$
$B T_{t} > 306 K$	$0.1$
$B T_{m - t} > 26 K & ∆ B T_{m} > 12 K$	$0.3$
$∆ B T_{m} > 13.5 K$	$0.3$
$∆ B T_{t} > 1.5 K$	$0.1$
$∆ B T_{m - t} > 14 K$	$0.2$
$∆ B T_{m} > 12 K & ∆ B T_{t} > - 2 K$	$0.2$
$∆ B T_{m} > 12 K & ∆ B T_{m - t} > 8 K$	$0.3$

新窗口打开| 下载CSV

④火点提取

将不同测试条件的结果进行加权计算，得到火点概率，如公式（1）所示。

P = \frac{\sum_{i = 1}^{n} W_{i} C_{i}}{\sum_{i = 1}^{n} W_{i}}

（1）

其中： $n$ 为测试条件总数； $W_{i}$ 为不同测试条件对应的权重； $C_{i}$ 为不同测试条件对应的结果，取值为0（不满足该条件）或1（满足该条件）。

最后，对提取结果进行云、水、太阳耀斑的去除，减少虚假火点的提取。

（2）BP神经网络法

与传统方法相比，神经网络方法具有较强的信息挖掘能力，已被广泛应用于计算机视觉、语音识别等领域。神经网络方法可以有效解决传统火点监测方法中阈值单一、模型适应性差的问题，更好的拟合遥感参数与火点像元之间的非线性关系，获得精度较高的火点监测模型。本文选取大量高质量、有代表性的火点和非火点样本集，利用BP神经网络训练得到火点提取模型。输入数据为 $B T_{m}$ 、 $B T_{t}$ 、 $B T_{m - t}$ 、 $∆ B T_{m}$ 、 $∆ B T_{t}$ 和 $∆ B T_{m - t}$ ，输出为火点存在情况（1为有火发生，0为无火发生）。该方法降低了火点的误提率和漏提率，有效提高了秸秆焚烧火点的监测精度。主要工作如下：

①火点与非火点样本集构建。火点样本数据集来自于人工核实为真火点的火点产品和美国火灾数据库，该数据库记录了1992~2015年美国发生的野火，包括火灾发生时间、经度、纬度和过火面积等信息。利用MODIS地表覆盖产品MCD12Q1，筛选下垫面为耕地的火点，获取火灾发生时的卫星影像，根据火点经纬度提取晴空条件下对应火点像元的 $B T_{m}$ 、 $B T_{t}$ 、 $B T_{m - t}$ 、 $∆ B T_{m} ∆ B T_{t}$ 和 $∆ B T_{m - t}$ 的值。非火点样本地物类型包括水体、植被、建筑等，根据MCD12Q1产品中的地表类型，提取晴空条件下非火点的 $B T_{m}$ 、 $B T_{t}$ 、 $B T_{m - t}$ 、 $∆ B T_{m} ∆ B T_{t}$ 和 $∆ B T_{m - t}$ 的值。样本数据集随机分为3部分，70%作为训练集，15%作为测试集，15%作为验证集。

②网络模型确定。采用均方误差作为损失函数来衡量预测值和目标值的差异，通过对样本数据的训练和测试，最终确定的网络模型为：4层隐藏层，每层节点数为20个，学习率为0.001，训练次数为50 000。

③模型精度评价。使用验证数据集评价网络模型精度，VIIRS传感器的验证数据集中火点和非火点个数分别为277个和304个，火点的误提和漏提个数分别为7个和16个，误提率和漏提率分别为2.53%和5.59%，混淆矩阵如表4所示。

表4 混淆矩阵

Table 4 Confusion matrix

样本集		验证数据集
样本集		火点个数	非火点个数	总数
模型提取结果	火点个数	270	16	286
	非火点个数	7	288	295
	总数	277	304	581

新窗口打开| 下载CSV

3.2　秸秆焚烧火点监测平台开发

3.2.1　总体框架设计

为便于展示实时火情信息和实地核查取证，开发了秸秆焚烧火点监测平台，包括Web端监管平台和移动端野外核实APP，总体框架设计如图3所示，该架构分为支撑层、数据层、服务层和应用层四层。平台后台使用Spring Boot框架搭建，进行业务逻辑解析并将数据库返回的结果返回前台。底图采用天地图在线服务数据源，可加载影像、矢量和地形图底图、地名注记图等信息，无需本地存储。为确保数据的安全性和完整性，采用Cookie技术保存用户信息，平台提供基于角色（如系统管理员、一般用户等）的安全控制策略，根据用户信息自动完成角色匹配。同时，平台具有完备的全自动化运行体系，支持全天候不间断的自动运行。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 平台总体框架

Fig.3 Overall framework of the platform

3.2.2　Web端监管平台

Web端监管平台搭建遵循B/S架构，前端页面由HTML5+React+ANTD组合搭建，通过Java Script+Echarts+Axios与后台完成数据交互。主要包括基础地图操作、火情展示、调查员管理和综合管理等模块，提供火点信息展示、查询与统计、野外核实数据展示、火点数据导入导出、面积和长度测量、地图缩放、调查员轨迹查询、监测报告生成、发布与下载、野外核实APP安装包上传与下载等功能，帮助环保部门及时掌握秸秆焚烧火情的相关信息。同时提供人工判识火点功能，管理员可对遥感监测火点结果进一步验证与修改。Web端监管平台通过浏览器进行访问，无需额外安装其他软件。

3.2.3　野外核实APP

秸秆焚烧监管证据链需要火点面积、过火地块图像和视频、火点位置等信息，基于安卓7.0版本开发移动端野外核实APP，服务于外业调查员和秸秆焚烧监管人员，开发环境为Android Studio Bumblebee 2021.1.1 + Java JDK 8 + Android SDK 30。APP具备基础地图操作、火点查询、定位、导航和监测报告下载等基础功能，提供拍照（视频）和从相册获取火点照片（视频）的功能，并自动生成含经纬度、时间等信息的水印，位置信息是基于GPS和腾讯定位SDK获得。其核心功能为火点核查，包括卫星火点核查、重新核查和自主核查3种模式，其中，自主核查用于上报在核查途中发现的非卫星监测到的火点信息。野外核查结果可上传并保存到数据库中，为监管部门提供证据支持。野外核实APP为一款稳定可靠、简单易用、轻量化的移动端平台，方便环保督查人员和野外核查员随时利用随身移动设备查看实时火情信息和开展火点核查工作^［19］。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 Web端监管平台界面

Fig.4 Interface of the Web supervision platform

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 APP平台界面

Fig.5 Interface of the APP platform

3.3　野外核实

卫星遥感技术仅得到火点的位置和数量，而使用的卫星数据空间分辨率较粗糙，无法获取过火面积、现场火烧痕迹照片等监管证据，为了获得火点真伪情况、精确位置、面积、焚烧痕迹照片和视频等信息，野外调查员利用野外核实APP对卫星遥感数据获取的秸秆焚烧火点进一步核实，为监督执法提供有力的现场数据支撑。核实方式包括人工核实和无人机核实两种。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 野外核实照片

Fig.6 Field verification photo

3.4　监测报告推送

使用监测报告每日定时推送火情信息，报告内容包括当日卫星监测火点及野外核实火点信息，如火点专题图、火点个数、面积、经纬度等。监测报告包括日报和快报两种，其中，快报在卫星监测到火点时立即发布。日报和快报均可自动生成并按时推送至Web端和移动APP端。

4 结果与分析

山东省是我国的农业大省，其耕地面积约占全国总耕地面积的6.17%，种植的主要粮食类农作物为小麦和玉米^［20-21］。农作物收割时期秸秆焚烧现象最为严重，经过多年秸秆禁烧工作的开展和监督力度的增加，山东省秸秆焚烧问题有很大改善，但仍在多个区域范围内存在较多的秸秆焚烧现象^［22-23］。因此利用构建的秸秆焚烧监管体系开展山东省春秋季秸秆焚烧火点监测和核查工作，并在山东省内设置济南市和青岛市两个中心基地以及滨州市、济宁市等6个分基地，建立一张全省秸秆焚烧野外核查网络，在卫星监测到火点后2 h内赶赴现场进行核实。

利用2020年6月1日~30日、9月28日~11月7日时间段内的多源卫星遥感数据，阈值—权重法和BP神经网络法共监测到58个秸秆焚烧火点。其中，春季火点18个，秋季为40个。遥感监测的火点均进行了野外核实，经野外核实确认为秸秆焚烧火点的数量为53个，其中春季15个，秋季38个，卫星监测火点的准确率为91.38%。野外核查过程中，通过自主核查发现17个秸秆焚烧火点，卫星未监测到这些火点的原因可能是云层遮挡或火点面积较小。卫星监测期间，日报和快报共发布232版，并定期发送周报和月报汇总火点监测和核实情况。

图7为卫星监测秸秆焚烧火点位置分布图，多数火点位于省、地级市和区县边界处，表明边界地区秸秆焚烧监管力度较为薄弱。其中，菏泽市秸秆焚烧火点数量最多，过火总面积最大；德州市和烟台市火点个数次之；日照市和威海市均未发现秸秆焚烧火点。春季火点多数分布在山东省西部和北部平原地区，山东半岛未发现秸秆焚烧火点。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 山东省秸秆焚烧火点分布

Fig.7 Distribution of straw burning fires in Shandong Province

在接收到卫星数据后，可于10 min内完成秸秆焚烧火点信息（火点的经纬度和位置）提取，并将火点信息通过快报、Web端和移动APP端推送至用户。野外核实人员使用野外核实APP导航至火点处进行核实，在火点周围1 km范围内启动无人机查看火点情况，明确火点位置及范围，同时使用激光测距仪、测亩仪等地面测量设备计算过火区域的面积，利用野外核实APP和无人机拍摄具有焚烧痕迹的照片和视频，将核实结果上传至监测平台。秸秆焚烧监管体系实现每日动态监测，可监测最小火点面积约为100 m²，为山东省环境监管部门针对秸秆焚烧监督治理提供参考信息。

5 结语

本文构建遥感发现、地面核查的天空地一体化秸秆焚烧监管体系，实现秸秆焚烧监测与监管业务化运行和应用。利用多源卫星遥感数据和研发的快速、高精度秸秆焚烧火点提取算法，可于10 min内完成火点信息提取并推送至用户，准确率为91.38%，识别最小火点面积约为100 m²。开发了自动化、稳定、安全运行的监测平台—Web端和野外核实APP，用于火情信息的推送、展示和核实。将其应用于山东省春秋季秸秆焚烧火点监测，取得较好的应用成果。该体系对山东省乃至全国秸秆禁烧生态环境管理具有重要的支撑作用和推广应用价值。

尽管本文建设的秸秆焚烧监测平台具有较好的应用效果，但仍具有改进之处。如将高空视频监控数据接入平台，以及时发现小面积火点，助力火灾打小、打早。同时，应进一步提升火点监测算法的精度，充分利用遥感数据各波段的光谱信息，减少小面积、低温火点漏提以及太阳能板、大棚等高温地物误提为火点的现象。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

LIU

Pengyuan

Design and implementation of visual monitoring system for straw incineration in Qingyuan District

［D］. Baoding： Hebei University， 2019.