摘要
随着光电技术的发展，低照度条件下的微光成像技术及其应用成为近年来的研究热点之一。在微光遥感影像上，很难单纯依靠辐射亮度或温度，将森林火灾与工业燃烧、城市等热源充分地分离，同时由于频繁的数据饱和问题，目前NPP火灾产品仅提供探测位置信息。因此，为了在各种高亮度异质热源中实现森林火灾识别，进一步推进火灾探测产品像素级表征，基于地表温度通过潜热传递随植被密度的增加而降低的原理，提出了一种新的光谱指数—增强夜光火灾扰动指数（ENFDI），并与传统的中红外波段（Tmir）火灾识别方法进行对比分析。结果表明，ENFDI可以增强森林火灾与城市热源之间的光谱差异，提高微光条件下森林火灾识别能力，森林火灾ENFDI明显高于城市热源区；ENFDI能够有效缓解微光波段易饱和的影响，ENFDI不仅可以明显地分辨出潜在饱和区内火光亮度的差异，增强火灾像元的可区分性，而且与中远红外亮温差的相关性R高达0.94~0.97，明显高于微光波段亮度（NTL）与中远红外亮温差的相关性（0.82~0.83）；ENFDI具有一定的稳定性，它不受月相变化的影响，在有无月光情况下夜间森林火灾均被识别；ENFDI森林火灾识别精度（87.66%）高于传统中红外波段（Tmir）火灾识别精度（83.91%），与NPP /VIIRS主动火灾产品（VNP14IMG）具有良好的总体对应关系，定位偏差在628 m以内。因此，ENFDI指数对森林火灾的识别具有敏感性、稳定性和准确性，为进一步实现火灾像素级表征提供可行性参考。
在全球气候变暖的背景下，森林火灾危害程度不断加大，对全球的生态环境和社会经济产生重大影
随着光电技术的发展，低照度条件下的微光成像技术及其应用成为近年来的研究热点之
以目前国际上最具代表性的微光成像载荷VIIRS/DNB为例，VIIRS除了具备火灾探测波段外，还包含昼/夜波段（DNB），它可以在夜间低照度条件下获取“可见”光图
随着星载微光探测技术的发展，针对高亮度异质热源混淆以及微光波段频繁的数据饱和问题，基于地表温度通过潜热传递随植被密度的增加而降低的原理，本文提出了一种新的光谱指数—增强夜光火灾扰动指数（Enhanced Noctilucent Fire Disturbance Index，ENFDI），它能够增强森林火灾与城市热源之间的光谱特征差异，提高微光条件下森林火灾识别能力，以及有效降低NTL易饱和的影响，为进一步实现火灾像素级表征提供可行性参考。
本文采用的遥感数据来自辽宁省气象卫星直收站实时接收的NPP/VIIRS数据产品（
| 波段 | 空间分辨率/m | 中心波长/µm | 主要用途 |
|---|---|---|---|
| I1 | 375 | 0.640 | 植被指数 |
| I2 | 375 | 0.865 | 植被指数 |
| I4 | 375 | 3.740 | 火灾遥感 |
| I5 | 375 | 11.450 | 火灾遥感 |
| DNB | 750 | 0.700 | 夜间可见光成像 |
在微光遥感图像上，森林火灾表现为微光波段亮度（NTL）增高、4 µm中红外波段温度（Tmir）增高，但森林火灾与工业燃烧和城市热岛等热源，存在辐射亮度和温度混淆情况，很难单纯依靠NTL或者Tmir，将森林火灾与其他热源充分地分
考虑到植被与人类活动的关系，植被密度随城市开发密度的增加而降低，即城市中心区通常随着建筑密度增高而植被覆盖偏少（城市热岛效应产生的主要原因）、而在远离城市的郊区随着建筑密度减少而植被覆盖增
利用4 µm通道对火灾热发射信号异常敏感的特点，当发生火灾扰动时，亮度温度（Tmir）会出现异常增高，同时植被指数减小，导致Tmir与植被指数比值偏离自然变化范围。因此，基于地表温度通过潜热传递随植被密度的增加而降低的原
图1 增强夜光火灾扰动指数构建的理论基础示意图
Fig. 1 Schematic of the theoretical basis for constructing ENFDI
基于上述原理，本文提出了一种新的光谱指数—增强夜光火灾扰动指数，计算式如下：
| , | （1） |
式中，Tmirnorm为归一化Tmir；NTLnorm为归一化NTL；NDVIpre为火灾发生前的NDVI。
为了与NDVI匹配，Tmir、NTL均进行线性函数归一化处
| , | （2） |
| , | （3） |
式中，Tmir为NPP-VIIRS 4 µm中红外波段亮温；NTL为 DNB波段的辐射亮度；Tmirmin、NTLmin为NTL、Tmir波段的最小值，Tmirmax、NTLmax为NTL、Tmir波段的最大值。
2019 年，辽宁火场总面积达到有完整数据记录以来的最大值，为2 023 h
图2 增强夜光火灾扰动指数（ENFDI）反演参数的纬度样带
Fig. 2 Latitude transects of the inversion parameters of ENFDI
对比2019年4月17日（火灾前）、4月18日（火灾时）的微光影像发现，在火灾前的影像上并没有此处NTL高值区（
图3 森林火灾过程NTL及ENFDI反演结果对比
Fig. 3 Comparison of the NTL and ENFDI inversion results for forest fires
为了探究ENFDI指数在低照度条件下对城市与火灾差异的增强效果，进一步对ENFDI高值区的空间细节进行了分析（
为了评估ENFDI森林火灾识别能力，从视觉效果、识别精度、定位信息和月相变化等方面，与传统的中红外波段火灾识别方法进行对比分析。首先，从视觉效果来看，NTL图像中（
图4 NTL、Tmir、ENFDI和VNP14IMG火灾识别对比
Fig. 4 Comparison of fire identification based on NTL, Tmir, ENFDI and VNP14IMG
图5 基于GF-1过火面积验证ENFDI和Tmir火灾识别精度
Fig. 5 Verification of ENFDI's and TMIR's forest fires identification accuraciesbased on the burned area calculated from GF-1’s imaging
为验证ENFDI缓解微光饱和的修正效果，将ENFDI与NTL从以下两方面进行比较：一是潜在饱和区内火光亮度差异的可区分性，选择影响范围较大的葫芦岛、沈阳火灾，提取火灾中心纬度样带数据，绘制ENFDI、NTL火光亮度变化曲线（
图6 沈阳、葫芦岛森林火灾ENFDI有效缓解NTL饱和性的比较
Fig. 6 Comparison of ENFDI’s efficacies in mitigating NTL saturation across the Shenyang’s and Huludao’s forest fires
微光遥感可提供夜间亮度信息，在微光遥感影像上森林火灾不仅显现异常高温、还具有高亮度特
⑴ENFDI指数能增强森林火灾与城市灯光的光谱差异，提高微光遥感火灾识别能力。在微光波段NTL影像上，森林火灾与城市灯光像元之间难以区分。但在ENFDI反演结果上，森林火灾ENFDI明显高于城市热源区，且城市热源呈现明显的块状聚集分布。
⑵ENFDI指数能够有效降低NTL易饱和的影响。从潜在饱和区内火光亮度的差异性以及与森林火灾热异常识别的相关性两方面进行了对比分析，当火灾发生时，NTL曲线亮度值的变化不明显，而ENFDI能够明显的分辨出潜在饱和区内火光亮度的差异，增加了火灾像元的可区分性；ENFDI指数与中远红外亮温差的相关性R高达0.94~0.97，明显高于NTL与中远红外亮温差的相关性（0.82~0.83）。
⑶ENFDI不受月相变化的影响，在有无月光情况下均可进行夜间森林火灾遥感识别，该指数具有一定的稳定性。以2019年夜间燃烧的森林火灾为例，在有月光的条件下，基于ENFDI可识别出4月15日、4月18日发生在葫芦岛小虹螺山、沈阳棋盘山的森林火灾；在无月光的条件下，基于ENFDI反演结果锦州医巫闾山的森林火灾同样被识别。
⑷ENFDI识别的森林火灾与传统中红外波段相比精度更高。以燃烧时的过火面积为参考验证了二者火点像元识别精度，Tmir识别的范围偏小，精度为83.91%；ENFDI能够更清晰地识别出火点像元，精度为87.66%，ENFDI识别结果更接近真实火灾情况。
⑸ENFDI识别的森林火灾定位与VNP14IMG主动火灾产品基本吻合，定位偏差在628 m以内（
图7 ENFDI和VNP14IMG火灾定位对比
Fig. 7 Comparison of ENFDI and VNP14IMG in fire identification
综上所述，ENFDI指数对森林火灾的识别具有敏感性、稳定性和准确性。但是在火灾边缘，微光波段的辐射亮度和红外波段的亮度温度都有所降低，边缘疑似火灾像元与城市中心像元易出现混淆，ENFDI还存在很多改进空间。首先，ENFDI基于对火灾异常敏感的4 µm中红外波段建立，如果利用火灾与背景像元（11 µm）的亮温差构建，是否能够进一步提高ENFDI火灾识别能力，仍需进一步研究；其次，NDVI与NTL一样也存在易饱和的问题，而且森林火灾多发生在山区，未来可以研究将地形因素影响的植被指数代替NDVI，如地形调节植被指数（TAVI）、增强型植被指数（EVI）以及修正归一化植被指数（MNDVI）
References
WU Jin-Wen， SUN Long-Yu， JI Rui-Peng， et al. Research progress and prospect of remote sensing on extracting burned areas information ［J］. Journal of Catastrophology（武晋雯，孙龙彧，纪瑞鹏，等。火烧迹地信息遥感提取研究进展与展望灾害学），2020，35（04）：151-156. [百度学术]
BAI Ye， WANG Bo， WU Ying-Da， et al. A review of global forest fires in 2021［J］. Fire Science and Technology（白夜，王博，武英达，等。2021年全球森林火灾综述。消防科学与技术），2022，41（05）：705-709. [百度学术]
LIU Ling-Ling. Heat wave swept across Europe， forest fires spread in many countries［N］.China Coal News（刘玲玲。热浪横扫欧洲多国林火蔓延。中国煤炭报），2022-07-26（007）. [百度学术]
Ichoku C ， Kahn R ， Chin M . Satellite contributions to the quantitative characterization of biomass burning for climate modeling［J］. Atmospheric Research， 2012， 111（7）：1-28. [百度学术]
RAO Yue-Ming. Study on forest fire monitoring based on multi-source remote sensing data and inversion of canopy water content in fire scars［D］.Beijing Forestry University（饶月明。基于多源遥感数据的森林火灾监测及火烧迹地冠层含水量反演方法研究。北京林业大学）， 2020. [百度学术]
Csiszar I ， Schroeder W ， Giglio L ， et al. Active fires from the Suomi NPP Visible Infrared Imaging Radiometer Suite： Product status and first evaluation results［J］. Journal of Geophysical Research Atmospheres， 2014， 119（2）：803-816. [百度学术]
Dozier J. A method for satellite identification of surface temperature fields of subpixel resolution［J］. Remote Sensing of Environment， 1981， 11（none）：221-229. [百度学术]
Flannigan M D， Haar T H. Forest fire monitoring using NOAA satellite AVHRR［J］. Canadian Journal of Forest Research， 1986， 16（5）：975-982. [百度学术]
Lee T F， Tag P M . Improved detection of hotspots using the AVHRR 3.7-µm Channel［J］. Bulletin of the American Meteorological Society， 1990， 71（12）：1722-1730. [百度学术]
Giglio L， Descloitres J ， Justice C O ， et al. An enhanced contextual fire detection algorithm for MODIS［J］. Remote Sensing of Environment， 2003， 87（2-3）：273-282. [百度学术]
HU Shen-Sen， MA Shuo， JIANG Jun ， et al. Research progress on radiation calibration and data application of spaceborne low-light imager［J］.Acta Optics（胡申森，马烁，江军，等。星载微光成像仪辐射定标与资料应用研究进展。光学学报），2021，41（15）：9-23. [百度学术]
LI Hai， LI Yang， ZUO Zheng-Rong. Detection of building area with complex background by night light remote sensing［J］.Journal of Infrared and Millimeter Waves（李海，李洋，左峥嵘。复杂背景的夜光遥感建筑区检测。红外与毫米波学报），2021，40（03）：369-380. [百度学术]
YU Bo-Lang， WANG Cong-Xiao， Gong Wen-kang， et al. Nighttime light remote sensing and urban studies：Data，methods，applications，and prospects［J］. National Remote Sensing Bulletin（余柏蒗，王丛笑，宫文康，等。夜间灯光遥感与城市问题研究：数据、方法、应用和展望。遥感学报），2021，25（01）：342-364. [百度学术]
LI De-Ren，LI Xi．An overview on data mining of nighttime light remote sensing［J］.Acta Geodaetica et Cartographica Sinica（李德仁，李熙。论夜光遥感数据挖掘。测绘学报），2015，44（06）：591-601. [百度学术]
HU Xiao-Hua， LIU Song-Tao， PAN Zhen-Dong， et al. Progress in spaceborne shimmer detector and data application［J］.Chinese Optics（胡晓华，刘松涛，潘振东，等。星载微光探测仪器的发展及其数据应用。中国光学），2015，8（03）：350-359. [百度学术]
National Satellite Meteorological Center.FY-3E Satellite.National Satellite Meteorological Center，China Meteorological Administration［OL］.（国家卫星气象中心。风云三号E星。中国气象局国家卫星气象中心）.http：//www.nsmc.org.cn/nsmc/cn/satellite/FY3E.html. [百度学术]
YU Yue， HU Xiu-Qing， MIN Min， et al. NPP/Visible infrared image radiometer suite low-light image fusion algorithm for city lights in Mid-Eastern China［J］.Laser & Optoelectronics Progress（余越，胡秀清，闵敏，等。NPP/VIIRS微光图像融合中国中东部城市灯光算法。激光与光电子学进展），2018，55（10）：372-379. [百度学术]
Elvidge C， Zhizhin M， Hsu F C， et al. VIIRS nightfire： Satellite pyrometry at night［J］. Remote Sensing， 2013， 5（9）：4423-4449. [百度学术]
Liu Y， Hu C， Zhan W， et al. Identifying industrial heat sources using time-series of the VIIRS Nightfire product with an object-oriented approacht［J］. Remote Sensing of Environment. 2018（none）：347-365. [百度学术]
Zhizhin M ， Matveev A ， Ghosh T ， et al. Measuring gas flaring in russia with multispectral VIIRS nightfire［J］. Remote Sensing， 2021， 13（16）：3078-4007. [百度学术]
NASA.Visible Infrared Imaging Radiometer Suite （VIIRS） 750 m Active Fire Detection and Characterization Algorithm Theoretical Basis Document 1.0［R］. U.S.：2017 [百度学术]
NASA.Visible Infrared Imaging Radiometer Suite （VIIRS） 375 m Active Fire Detection and Characterization Algorithm Theoretical Basis Document 1.0［R］. U.S.：2016 [百度学术]
ZHENG Zi-Hao， CHEN Ying-Biao， WU Zhi-Feng， et al. Method to reduce saturation of DMSP/OLS nighttime light data based on UNL［J］.Journal of Remote Sensing（郑子豪，陈颖彪，吴志峰，等。单元路网长度的DMSP/OLS夜间灯光数据去饱和方法。遥感学报），2018，22（01）：161-173. [百度学术]
Zhang Q， Schaaf C， Seto K C. The vegetation adjusted NTL urban index： A new approach to reduce saturation and increase variation in nighttime luminosity［J］. Remote Sensing of Environment， 2013， 129（2）：32-41. [百度学术]
Mildrexler D J， Zhao M， Running S W. Testing a MODIS Global Disturbance index across North America［J］. Remote Sensing of Environment， 2009， 113（10）：2103-2117. [百度学术]
ZHUO Li，ZHANG Xiao-Fan，ZHENG Jing， et al. An EVI-based method to reduce saturation of DMSP/OLS nighttime light data［J］. Acta Geographica Sinica（卓莉，张晓帆，郑璟，等。基于EVI指数的DMSP/OLS夜间灯光数据去饱和方法。地理学报），2015，70（08）：1339-1350. [百度学术]
JIA Bin-Ying. Research on the spatiotemporal characteristics of forest fires in Liaoning Province from 2010 to 2019［J］.Liaoning Forestry Technology（贾斌英。辽宁省2010-2019年森林火灾时空特征研究。辽宁林业科技），2021， 03：35-38. [百度学术]
Lu D， Tian H ， Zhou G ， et al. Regional mapping of human settlements in southeastern China with multisensor remotely sensed data［J］. Remote Sensing of Environment， 2015， 112（9）：3668-3679. [百度学术]
ZHANG Hui，ZHANG Ping-Heng，ZHOU Guo-Mo，et al. Advances in the studies on topographic effects of vegetation indices［J］.Chinese Journal of Applied Ecology（张慧，李平衡，周国模，等。植被指数的地形效应研究进展。应用生态学报），2018，29（02）：669-677. [百度学术]