基于Sentinel-2的林火监测和火烧迹地提取

基于Sentinel-2的林火监测和火烧迹地提取

一、林火监测

1.1 Sentinel-2 卫星简介

Sentinel-2A卫星于2015年6月23日,从法属圭亚那库鲁发射场由“织女星”(Vega)运载火箭发射升空。时隔不到两年,Sentinel-2B卫星在2017年3月7日于同一处发射升空。这2颗卫星由欧洲委员会(EC)和欧洲航天局(ESA)共同实施,是“哥白尼”计划下的多光谱成像卫星,用于全球高分辨率和高重访能力的陆地观测、生物物理变化制图、监测海岸和内陆水域,以及风险和灾害制图等。

Sentinel-2卫星搭载的有效荷载为多光谱成像仪(MSI)。MSI的工作光谱为可见光、近红外(VNIR)和短波红外(SWIR)共13个谱段,并采用堆扫式成像模式。时间分辨率为每10天更新一次全球陆地表面成像数据,双星可达到5天更新一次。

Sentinel-2A和Sentinel-2B卫星运行于同一条轨道上,相位相差180°。两颗卫星联合工作,可以在5天时间内完成对赤道附近的完全覆盖。卫星采用太阳同步轨道,轨道高度786km,轨道倾角98.5°,降交点地方时间为10:30,该时间的选择是综合考虑了云层遮盖的最小化和太阳光照条件的最优解。
基于Sentinel-2的林火监测和火烧迹地提取_第1张图片
基于Sentinel-2的林火监测和火烧迹地提取_第2张图片
从上图可以看到,Sentinel-2传感器具备两个短波红外的光谱:B11 和 B12。短波红外作为电磁波的一部分,其波长在1000-3000纳米之间,短波红外成像受大气散射作用小,透雾、霭、烟尘能力较强,有效探测距离远,对气候条件和战场环境的适应性明显优于可见光成像。因此利用短波红外可穿透燃烧产生的大量烟雾的特性,能够快速的锁定着火区域,识别着火点。

1.2 3·29沁源森林火灾火点监测

2019年3月29日下午1点30分许,沁源县王陶乡郭家坪村附近突发森林火情,因风速大,火势迅速蔓延,不到一天时间,火灾过火面积达360公顷,整个火场可见明火约10公里,约25个村庄和煤矿被山火威胁。

2019年4月1日,哨兵2A正好过境,下面我们一起看看哨兵2A卫星拍摄的林火区域的卫星影像,下图是哨兵2A卫星2019年4月1日T49SFA图幅的B4B3B2组合真彩色图像,从图像上可以看出沁源县的北方有大片的浓烟分布:

下面我们放大到此处进行查看,由于B4B3B2是RGB通道,红绿蓝波长较短,受云雾影响比较大,无法观察到地面的火点分布:

下面我们采用B12B8B3即短波-近红-绿的组合方式,可以看到两条红色带状的火点分布,另外森林呈现绿色,燃烧过的火烧迹地呈现粉红色:

下面我们可以将两个短波SWIR都用上,进一步减轻烟雾的影响,采用B12B11B8A的组合方式,火点更加明亮,健康植被呈现蓝色,火烧迹地呈现红褐色:

1.3 短波红外监测人工火源

短波红外波段不仅可以监测林火,同样还可以监测人工火源,下面我们来看看几个典型的火源点。

典型A地

下图是一个工厂,从B4B3B2真彩色图像上看不出哪里有火源点的踪迹:
基于Sentinel-2的林火监测和火烧迹地提取_第3张图片
然后我们切换B12B11B8A进行组合,发现工厂的南部有一个异常红亮的火源:
基于Sentinel-2的林火监测和火烧迹地提取_第4张图片
我们透过谷歌地球的高分辨率影像来看看这个工厂的火源:

放大之后我们明显可以看到一个正在燃烧的火炬塔架:

典型B地

下面我们再看一个工厂,从B4B3B2真彩色影像上仍然看不出有火源的踪迹:
基于Sentinel-2的林火监测和火烧迹地提取_第5张图片
然后我们切换B12B11B8A进行组合,发现工厂的北部有一个异常红亮的火源:
基于Sentinel-2的林火监测和火烧迹地提取_第6张图片基于Sentinel-2的林火监测和火烧迹地提取_第7张图片
在谷歌地球上这个火源长这个样子:

注意彩钢房混淆

图中粉色圈出为真实火点,另外部分彩钢厂房(青色框中地物)的短波红外反射率也较高,因此容易对火点的判读产生影响:
基于Sentinel-2的林火监测和火烧迹地提取_第8张图片基于Sentinel-2的林火监测和火烧迹地提取_第9张图片

二、火烧迹地提取

2.1 预处理

从欧空局下载L1C级别的哨兵2A和2B数据,灾前时相为2018年6月10日,灾后时相为2019年6月10日,经过Sen2Cor软件大气校正后得到L2A级别的数据,然后在SNAP软件中进行采样输出:
基于Sentinel-2的林火监测和火烧迹地提取_第10张图片
ENVI中进行波段组合和裁剪得到火灾现场灾前灾后的图像:

2.2 基于IR-MAD变化检测提取火烧迹地

IR-MAD变化检测

ESRI 提供了IR-MAD工具,其安装方法可参考APP STORE,下载ENVIIRMAD.zip,将解压后的custom_code和extensions文件夹拷贝到…\ENVI5X\下,覆盖并替换;将bin文件拷贝到…\ENVI5X\IDL8X下,覆盖并替换。重启ENVI。

打开IR-MAD变化检测工具输入前后时相的图像,参数可默认,直接输出即可:
基于Sentinel-2的林火监测和火烧迹地提取_第11张图片
输出的结果,亮度越大的地方表明变化越剧烈:

我们可以自定义一个分割区间,测试合适的阈值将火烧迹地提取出来:
基于Sentinel-2的林火监测和火烧迹地提取_第12张图片
本次测试的阈值是大于4500的区域:

但是,变化检测提取出来的区域除了火烧迹地外,还有一些耕地:
基于Sentinel-2的林火监测和火烧迹地提取_第13张图片
基于Sentinel-2的林火监测和火烧迹地提取_第14张图片

面向对象提取林地

由于直接将两幅图进行变化检测会有一些额外的不是火烧迹地的变化区域被检出,比如耕地,因此我们需要做一个林区的掩膜文件将森林提取出来,然后生成掩膜图像对变化检测的结果进行掩膜,可消除林区外变化地区的影响。

可以采用面向对象的方法,输入2018年的灾前卫星影像:
基于Sentinel-2的林火监测和火烧迹地提取_第15张图片
选择NDVI波段计算(由于预处理剔除了60米波段,所以Band3和7对应B4和B8):
基于Sentinel-2的林火监测和火烧迹地提取_第16张图片
填写分割尺度:
基于Sentinel-2的林火监测和火烧迹地提取_第17张图片
建立林地规则,经过反复预览,本次选择NDVI大于0.65的为林地:
基于Sentinel-2的林火监测和火烧迹地提取_第18张图片
提取出来的林地结果:
基于Sentinel-2的林火监测和火烧迹地提取_第19张图片
构建林地掩膜:
基于Sentinel-2的林火监测和火烧迹地提取_第20张图片
基于Sentinel-2的林火监测和火烧迹地提取_第21张图片

对IR-MAD变化检测结果进行林地掩膜

我们对先前提取的IR-MAD变化检测结果进行林地掩膜,剔除非林地变化的影响:
基于Sentinel-2的林火监测和火烧迹地提取_第22张图片
得到的掩膜后的变化区域:

这样耕地等非林区变化的地区就被剔除了:

2.3 变化检测流程工具提取火烧迹地

我们可以采用ENVI下的另外一个变化检测工具进行提取试验:
首先分别计算两个图像的NDVI:

基于Sentinel-2的林火监测和火烧迹地提取_第23张图片
输入灾前灾后NDVI图像后,可以直接输入掩膜文件,这样就只对掩膜文件的区域进行变化检测处理:
基于Sentinel-2的林火监测和火烧迹地提取_第24张图片
由于本次两个哨兵数据本身配准的很好,因此不需要进行额外的配准,我们直接跳过配准:
基于Sentinel-2的林火监测和火烧迹地提取_第25张图片
基于Sentinel-2的林火监测和火烧迹地提取_第26张图片
选择差值选项:
基于Sentinel-2的林火监测和火烧迹地提取_第27张图片
得到的结果如下:


三、受灾等级划分

我们任选一个变化检测的结果,生成一个火烧迹地的掩膜图像:基于Sentinel-2的林火监测和火烧迹地提取_第28张图片
使用2019年的NDVI减去2018年的NDVI:
基于Sentinel-2的林火监测和火烧迹地提取_第29张图片
得到NDVI差值图像:

然后对NDVI差值图像进行掩膜,得出火烧迹地区域的NDVI差值图像:
基于Sentinel-2的林火监测和火烧迹地提取_第30张图片
基于Sentinel-2的林火监测和火烧迹地提取_第31张图片
然后对输入火烧迹地的NDVI差值图像进行统计,统计的时候选择火烧迹地掩膜:
基于Sentinel-2的林火监测和火烧迹地提取_第32张图片
基于Sentinel-2的林火监测和火烧迹地提取_第33张图片
这样就得到了火烧迹地区域的NDVI统计直方图曲线:
基于Sentinel-2的林火监测和火烧迹地提取_第34张图片
基于Sentinel-2的林火监测和火烧迹地提取_第35张图片
我们分别选取 -0.6365 、-0.4832、-0.2825,三个曲线拐点进行分割,为了方便制图,我们将ENVI格式另存为TIF,在ArcMap中进行操作,
选用重分类工具:
基于Sentinel-2的林火监测和火烧迹地提取_第36张图片
基于Sentinel-2的林火监测和火烧迹地提取_第37张图片
插入指北针,图例等要素:

这样,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将火源带入山林或杂草等易燃区域,爱护森林,人人有责。

基于Sentinel-2的林火监测和火烧迹地提取_第38张图片

你可能感兴趣的:(技术专栏,其他)