李　慧

GEE平台支持下内蒙古实时中高空间分辨率森林火点监测

李慧

（内蒙古自治区第二林业和草原监测规划院内蒙古乌兰浩特137400）

森林火灾是森林三大自然灾害之一。为实现对森林火灾的监测，文章以内蒙古自治区为研究区域，基于GEE平台中的Landsat8数据集和Sentinel2数据集通过常规判定方法和机器学习方法分别提出了森林火点的监测方法，确定了2种影像火点判定的最佳阈值。经历史地表火点验证，常规判定方法、随机森林方法和支持向量机模型判定Landsat8影像的准确率分别为98.0%、98.5%和98.0%，判定Sentinel2影像的准确率分别为95.5%、97.5%和97.0%，均可用于内蒙古自治区的森林火灾监测。建议通过GEE平台的API接口，研发实时森林火点监测系统，对森林火点进行实时监测，降低林火损失。

Google Earth Engine平台；内蒙古地区；遥感影像；森林火点监测

森林火灾是危害森林生态系统的主要自然灾害之一，一旦形成规模难以扑救，严重破坏生态平衡和危害人民群众的生命财产安全[1-2]。对于森林火灾，我国一直秉持着“打早、打小、打了”的扑救原则。其中，“打早、打小”就要求及早、在森林火灾未形成规模前进行扑救，以免其大面积蔓延。本研究以内蒙古地区为研究区域，基于GEE平台中的Landsat8数据集和Sentinel2数据集提出了一种森林火点的监测方法，旨在为该地区森林火灾的监测工作提供参考。

1 研究区概况

内蒙古自治区位于我国北部，东西部直线距离长约2 400 km，总面积达118.3万km2，是我国经度跨度最大的省级行政区。该地区地貌以高原为主，大部分地区海拔在1 000 km以上，森林主要分布于东部的大兴安岭地区，中部、西部多为草原与荒漠地带。内蒙古自治区属温带大陆性季风气候，全区年降水量100～500 mm，年平均气温-4～9 ℃，大部分地区年日照时数2 700 h，西部地区可达3 400 h。近年来，内蒙古自治区的森林火灾主要集中在呼伦贝尔市和兴安盟等东部地区，中西部火点极少。

2 研究方法

2.1 GEE平台

GEE（GoogleEarthEngine）平台，即谷歌地球引擎，是由谷歌开发的一个云平台，支持全球范围内的大规模地理空间数据分析。它提供了一个强大的计算引擎和海量的遥感影像数据，使用户能够在云端进行高性能的地理空间数据处理和分析。GEE平台的数据目录中包含地形数据、地表土地覆盖数据、地表反射率、地表温度数据等多种数据类型。本研究采用Landsat8数据集和Sentinel2数据集进行森林火点的监测。

2.2 研究数据

本研究涉及的数据包括内蒙古自治区行政边界矢量数据、地表覆盖数据、Landsat8数据和Sentinel2数据。其中，内蒙古自治区行政边界矢量数据来源于国家基础地理信息中心（https://www.webmap.cn/）的1∶100万全国基础地理数据库，地表覆盖数据来源于国家基础地理信息中心的30米全球地表覆盖数据（GlobeLand30数据集）；Landsat8数据和Sentinel2数据均来源于GEE平台内置数据目录。1∶100万全国基础地理数据库包含2021年内蒙古自治区的县级行政边界、路网、水系、居民点等数据。30米全球地表覆盖数据是中国国家高技术研究发展计划（863计划）的重要成果，包括耕地、森林、草地、冰川等10种主要地表覆盖类型。Landsat8数据包括可见光、近红外和短波红外等多个波段的光谱数据。Sentinel2数据为欧洲航天局的哨兵-2地球观测计划的重要成果，包括可见光至近红外、短波红外等红边波段的13个波段的光谱数据。

2.3 常规火点判别

林火发生时火焰、烟雾等会释放不同的热辐射，与其他地表辐射存在明显差异。因此，通过监测反映林火发生的特定辐射可实现火点的判别。本研究Landsat8数据采用OLI传感器的B6/B5、B7/B6和B7/B5波段，Sentinel2数据采用MSI传感器的B11/B8A，B12/B8A和B12/B11波段进行火点判别。具体而言，通过地表记录数据的实际火点经纬度数据提取出2种遥感影像的不同波段值，并与非火点区域的波段值进行对比，确定火点判定的阈值。

2.4 机器学习火点判别

采用R语言根据随机森林模型和支持向量机模型2种常用机器学习分类模型进行火点判别，用于建模的特征变量与常规火点判别相同。经2种机器学习模型计算得出判定为火点或非火点的概率值，并结合实际值绘制ROC曲线，再根据ROC曲线下面积值（AUC）评价模型拟合效果，根据ROC曲线横纵坐标值计算约登指数，采用约登指数最大值所对应的最佳临界值作为火点判定的阈值。

3 结果与分析

3.1 常规火点判别

3.1.1 阈值确定

首先，将内蒙古自治区的行政边界矢量数据与地表覆盖数据导入ArcGIS软件，使用“面相交”工具和“属性选择”工具提取内蒙古自治区范围内的森林范围，以规避烟囱、钢厂、秸秆焚烧等非森林火点热源；然后，将获取的森林范围导入GEE平台，根据该地区森林范围获取相应的Landsat8数据和Sentinel2数据，并进行去云处理、大气校正和几何校正。

根据内蒙古自治区森林火灾火点记录数据（200起）提取Landsat8数据相应像元的B5、B6、B7波段和Sentinel2数据相应像元的B8A、B11、B12波段，然后采用ArcGIS软件的“生成随机点”功能在内蒙古森林范围内生成200个随机点作为非火点，并再次提取上述波段。表1为2种遥感影像火点判别的最佳阈值。

3.1.2 监测准确率评价

根据内蒙古自治区森林火灾火点记录数据另选200起森林火灾，并分别提取Landsat8数据相应像元的B5、B6、B7波段和Sentinel2数据相应像元的B8A、B11、B12波段，根据上述最佳阈值对森林火点进行判定，并计算监测准确率。如表2所示，通过最佳阈值判定的Landsat8火点共196个，漏报4个，准确率达98.0%；而Sentinel2遥感影像最佳阈值判别火点的准确率略低于Landsat8遥感影像，漏报9个，准确率为95.5%。

表1　2种遥感影像火点判别的最佳阈值

表2　遥感影像最佳阈值判别火点的准确率

3.2 机器学习火点判别

3.2.1 构建模型

对前文提及的常规火点判定生成的火点与非火点进行赋值，火点赋值为1，非火点赋值为0，并结合其所对应像元的波段值构建模型训练集。分别采用randomForest包和e1701包构建随机森林模型和支持向量机模型，使用predict函数计算判定样本点为火点的概率。

3.2.2 阈值确定

使用origin软件根据概率值和实际值绘制ROC曲线（见图1），2种机器学习模型的拟合效果较好（AUC＞0.96），且随机森林模型拟合效果更好，约登指数最大值所对应的最佳临界值分别为0.454和0.500，将其作为火点判定阈值计算判定火点的准确率。

3.2.3 机器学习监测准确率评价

对前文3.1.2节中生成的火点与非火点进行赋值，火点赋值为1，非火点赋值为0，并结合其所对应像元的波段值构建模型测试集。使用predict函数计算2种模型判定测试集样本点为火点的概率，然后根据判定阈值判别火点。如表3所示，通过随机森林模型最佳阈值判定的Landsat8火点共197个，漏报3个，准确率达98.5%，而Sentinel2遥感影像最佳阈值判别火点的准确率略低于Landsat8遥感影像，漏报5个，准确率为97.5%；通过支持向量机模型最佳阈值判定的Landsat8火点共196个，漏报4个，准确率达98.0%，而Sentinel2遥感影像最佳阈值判别火点的准确率略低于Landsat8遥感影像，漏报6个，准确率为97.0%。

表3　遥感影像机器学习判别火点的准确率

4 结论

森林火灾的监测一直是林火防控工作的重点之一，实现对森林火灾的实时监测，有助于快速定位森林火灾，缩短森林火灾的扑救时间，减少林火危害。本研究以内蒙古自治区为研究区域，基于GEE平台中的Landsat8数据集和Sentinel2数据集提出了一种森林火点的监测方法。研究结果表明，Landsat8影像的B6/B5、B7/B6和B7/B5波段的最佳阈值分别为1.81、1.07和1.75，Sentinel2影像的B11/B8A、B12/B8A和B12/B11波段的最佳阈值分别为2.57、2.15和1.61；经对200个历史地表火点进行验证，Landsat8影像共准确判定火点196个，准确率达98.0%；Sentinel2影像共准确判定火点191个，准确率达95.5%。2种机器学习模型的拟合效果较好（AUC＞0.96），机器学习火点判定阈值分别为0.454和0.500，通过随机森林模型和支持向量机模型判定Landsat8影像火点的准确率分别为98.5%和98.0%；而Sentinel2影像的准确率分别为97.5%和97.0%。本研究提出的森林火点的监测方法准确率高，可用于内蒙古自治区的森林火灾监测。GEE平台为用户提供了API接口，通过调用API接口可实时调用GEE平台内的遥感影像内容，因此可以通过集成最佳阈值判定研发森林火灾监测系统，实现森林火点的实时监测，减少森林火灾的发生风险。

[1]田晓瑞，代玄，王明玉，等. 多气候情景下中国森林火灾风险评估[J]. 应用生态学报，2016，27（3）：769-776.

[2]TYUKAVINA A，POTAPOV P，HANSEN M C，et al. Global trends of forest loss due to fire from 2001 to 2019[J]. Frontiers in Remote Sensing ， 2022 （ 3 ）：825190.

10.3969/j.issn.2095-1205.2024.03.10

S762.32

B

2095-1205(2024)03-34-03

李慧（1966—），男，汉族，内蒙古科尔沁右翼前旗人，本科，高级工程师，研究方向为林草工程。