利用短波红外与长波红外影像分析森林火灾
19944 给本文评分:
3.0
利用短波红外与长波红外影像分析森林火灾
匿名作者 2015年1月16日 星期五
最近，我对利用在短波红外（SWIR）和长波红外（LWIR）波长区域获取的多光谱影像来分析森林火灾等自然灾害产生了浓厚兴趣。显然，长波红外波段捕捉的热学特性有助于识别热点，并区分高（冷）云与低（暖）烟雾。此外，短波红外波段的光能够穿透雾霾和某些类型的烟雾。因此，基于短波红外的成像可以提供“透视”烟雾的能力，从而更好地分析森林火灾的活跃区域并识别热点。
遥感分析在多种场景下都有助于理解野火，范围涵盖火灾期间的灾害响应支持到火灾后的成因分析。显然，在火灾发生期间，获取影像、提取信息并将其尽快交到灭火人员手中是至关重要的。对于活跃的森林火灾分析，这正是如 Range and Bearing 这类公司提供的机载ISR系统和服务所擅长的领域，因为野火影像在获取后其效用会迅速降低。WorldView-3 等传感器平台也提供覆盖短波红外波长的多光谱影像，这些影像可以提供火灾期间的情报（取决于数据获取的时间框架）以及火灾后的成因分析，正如 DigitalGlobe（现 Maxar）在其近期博客文章中讨论的那样：
由于我目前无法获取野火的RAB或WV-3数据，我决定尝试为2014年发生的众多野火之一寻找一幅 Landsat 8 影像。Landsat 8 的 OLI/TIRS 传感器平台以及 USGS EarthExplorer 上免费提供的数据总是让我惊叹不已，因为我成功地找到了一幅于2014年8月3日获取的、相对无云的加拿大不列颠哥伦比亚省 Chelaslie River 火灾的影像。以下是来自该数据集的简单RGB波段合成图像的截图：
影像数据下载自 USGS EarthExplorer
虽然活跃的森林火灾烟雾在未进行剧烈拉伸的情况下也清晰可见，但在此图像中肉眼难以识别出过火区域和其他特征。因此，让我们使用两个短波红外波段，并以 R=SWIR2 | G=SWIR1 | B=SWIR2 的波段组合方式显示在一个栅格图层中：
影像数据下载自 USGS EarthExplorer
请注意，烟雾几乎完全消失，而过火区域（粉色）和活跃火区（白色）清晰可见。例如，观察图像左侧沿线烧毁的那片森林，这在可见光波段图像中并不容易显现。现在，让我们来看看应用了彩虹色表的 TIRS1 波段图像：
影像数据下载自 USGS EarthExplorer
我对左侧沿线过火区域的热强度感到相当惊讶，该区域在RGB图像中当前并没有烟雾冒出。到目前为止，我一直展示的是对这些影像进行简单视觉解译的效果，但你当然也可以进行图像处理分析，以帮助从多光谱数据集中提取情报产品。一种有用的分析技术是计算光谱指数，例如在 ENVI 5.2 中新的“光谱指数”工具及相关编程API中可用的归一化燃烧比率。归一化燃烧比率的光谱指数公式相当简单：
计算归一化燃烧比率后，会生成一幅栅格图像，其中较暗的像素表示过火区域：
*影像数据下载自 USGS EarthExplorer）
归一化燃烧比率光谱指数的真正威力在于，当你创建火灾前和火灾后的NBR图像，然后用火灾前的NBR栅格减去火灾后的NBR栅格，从而生成一幅指示燃烧严重程度的差分归一化燃烧比率图像。这个 DNBR = 火灾前NBR - 火灾后NBR 的栅格计算可以轻松地使用 ENVI 软件内的“波段运算”工具来执行。遗憾的是，我未能找到一个良好的火灾后 Landsat 影像，因为大多数影像要么被云层覆盖，要么被积雪掩盖了过火区域。希望今年夏季我们能获取到一幅好影像，以便对 Chelaslie River 森林火灾的燃烧严重程度进行成因分析。