本文要點：傳統(tǒng)依靠人力監(jiān)測野火的方法存在范圍和效率的局限，而遙感技術(shù)的進(jìn)步為高效全面探測帶來新機(jī)遇。本研究以澳大利亞東部沃根河谷為研究對象，利用Landsat-8影像和SVM（持向量機(jī)）算法實現(xiàn)了活躍火點探測與過火區(qū)分類。結(jié)果表明，結(jié)合短波紅外（SWIR）與近紅外（NIR）等多光譜波段能有效識別明火和煙霧；通過挖掘Landsat 8光譜特征，新構(gòu)建的歸一化火災(zāi)指數(shù)（NDFI）進(jìn)一步優(yōu)化了探測精度。針對數(shù)據(jù)可用性與模型可解釋性等挑戰(zhàn)，未來研究需聚焦多源數(shù)據(jù)融合、機(jī)器學(xué)習(xí)算法優(yōu)化、實時監(jiān)測系統(tǒng)開發(fā)、模型可解釋性提升、無人機(jī)技術(shù)整合及氣候變化影響評估。本研究證實機(jī)器學(xué)習(xí)算法與NDFI等創(chuàng)新指數(shù)可顯著改進(jìn)野火探測與管理策略，為提升火災(zāi)高風(fēng)險區(qū)域的生命保護(hù)和生態(tài)系統(tǒng)維護(hù)能力提供關(guān)鍵支持。

圖1. 研究區(qū)域的位置。澳大利亞東部利茲代爾附近的沃根谷，在衛(wèi)星圖像背景上高亮顯示

本文的研究集中在澳大利亞東部利茲代爾附近的沃爾根山谷附近，該地區(qū)在2019年12月經(jīng)歷了嚴(yán)重的野火活動（圖1）。這一事件嚴(yán)重影響了藍(lán)山國家公園、石花園國家公園、沃勒米國家公園以及附近地區(qū)。

表1. Landsat-8/OLI信道，用于主動火災(zāi)探測算法和30米分辨率的主要應(yīng)用

本研究提出的森林火災(zāi)探測方法采用創(chuàng)新模型，結(jié)合支持向量機(jī)（SVM）與Landsat衛(wèi)星影像分析技術(shù)。流程包含五個關(guān)鍵步驟：首先通過谷歌地球引擎獲取2019年12月火災(zāi)事件后一個月的Landsat 8衛(wèi)星影像數(shù)據(jù)（時間分辨率16天），采用月度中值合成法處理以降低噪聲干擾和異常值影響，清晰呈現(xiàn)火災(zāi)后受災(zāi)區(qū)域。盡管衛(wèi)星重訪周期較長，但Landsat 8的高空間分辨率仍能精細(xì)捕捉火災(zāi)動態(tài)。

圖2. 本研究的總體方法

圖3. 2019年12月獲取的Landsat-8圖像不同特征的光譜剖面分析

光譜特征分析揭示了明火、煙霧及云層在不同波段間的顯著差異（圖3）。明火在短波紅外2波段（Band 7，波長范圍2.11-2.29微米）呈現(xiàn)最高反射值，而紅光波段（Band 4）反射值（圖3a），這種光譜特征對火情識別具有重要指示意義。煙霧則展現(xiàn)出相反規(guī)律：藍(lán)光波段（Band 1）反射值最高，短波紅外2波段（Band 7）反射值（圖3b），該特征為區(qū)分煙霧與其他干擾要素提供了關(guān)鍵依據(jù)。云層光譜表現(xiàn)為近紅外波段（Band 5）反射值最高，藍(lán)光與短波紅外2波段反射值（圖3c），突顯了近紅外波段在云層特征辨識中的特殊價值。這些光譜特性差異為精準(zhǔn)識別火情要素提供了理論基礎(chǔ)，深化相關(guān)研究將顯著提升遙感技術(shù)在環(huán)境監(jiān)測與災(zāi)害預(yù)警中的決策支持能力。

圖4. 陸地衛(wèi)星8波段主動火災(zāi)探測的比較分析顯示，不同光譜波段的煙霧和火災(zāi)活動強度各不相同

圖5. Landsat 8 圖像顯示了波段 1（沿海氣溶膠）在澳大利亞野火地區(qū)進(jìn)行煙霧探測的有效性

本研究利用Landsat 8數(shù)據(jù)探索野火自動檢測方案時，重點考察了海岸帶氣溶膠波段（Band 1，0.43-0.45μm）在煙霧識別中的應(yīng)用價值，能有效捕捉煙羽細(xì)顆粒物特征。通過Band 1影像分析發(fā)現(xiàn)，煙霧呈現(xiàn)渾濁彌散斑塊形態(tài)，與周邊地物形成鮮明對比（圖5），為煙羽精準(zhǔn)識別與輪廓勾勒提供了關(guān)鍵依據(jù)。實證研究表明：Band 1兼具光譜敏感性與空間分辨優(yōu)勢，可靠識別煙羽分布，極大提升野火響應(yīng)時效。

圖6. 陸地資源衛(wèi)星8號圖像通過SWIR（波段7和6）和NIR（波段5）的波段組合突出了主動火災(zāi)探測，有助于澳大利亞地區(qū)及時采取野火干預(yù)和緩解策略

圖7. 從SVM模型獲得的分類圖

以澳大利亞沃根河谷為試驗區(qū)，基于2019年Landsat 8影像數(shù)據(jù)，實證評估了支持向量機(jī)（SVM）野火探測系統(tǒng)的效能?；瘘c識別算法主要利用短波紅外Band 7（2.2μm波段）對火場輻射的敏感性：白天時，火點輻射信號與地表太陽反射背景混雜，需借助近紅外Band 5協(xié)同解譯——該波段雖對火點像素響應(yīng)微弱，卻在非火區(qū)與短波紅外數(shù)據(jù)保持強相關(guān)性；夜間因太陽輻射消失，短波紅外波段對火場熱輻射的響應(yīng)顯著增強。晝夜數(shù)據(jù)均表明，活躍火點會在短波紅外波段形成相對于背景的輻射/反射異常，其原理類似于中熱紅外通道的熱異常檢測。

圖8. 根據(jù)2019年12月的MODIS燃燒面積月度數(shù)據(jù)，在沃根谷和周邊地區(qū)觀測到的燃燒面積，突出了藍(lán)山國家公園、石花園國家公園和沃勒米國家公園的火災(zāi)足跡

分類結(jié)果的空間可視化使野火動態(tài)解析更為直觀。將分類圖與高分辨率底圖疊加，可精準(zhǔn)定位高危區(qū)域，指導(dǎo)決策者優(yōu)化資源配置并實施定向防控措施。此外，通過對比火災(zāi)發(fā)生前、中、后期的多時序影像，系統(tǒng)成功追蹤火勢蔓延軌跡與災(zāi)后植被恢復(fù)進(jìn)程（圖7、8、9）。特別值得關(guān)注的是，本研究采用MODIS月度過火面積產(chǎn)品驗證SVM模型精度（圖8）。該衛(wèi)星數(shù)據(jù)集完整記錄了2019年12月火災(zāi)影響范圍，將其與模型識別結(jié)果（圖7）進(jìn)行空間比對，證實了SVM在過火區(qū)域檢測中具有高度一致性與準(zhǔn)確性。

圖9. Landsat 8圖像描繪了活躍的火災(zāi)區(qū)域，以及使用利用SWIR和紅色波段的創(chuàng)新火災(zāi)指數(shù)生成的圖像，展示了火災(zāi)探測精度的提高

研究者創(chuàng)新性地探索了火災(zāi)指數(shù)構(gòu)建方法，重點利用Landsat 8影像短波紅外2（SWIR 2）與紅波段光譜特性（公式4）。光譜特征分析表明，活躍火點在短波紅外波段呈現(xiàn)反射峰值，而在紅波段呈現(xiàn)反射谷值，據(jù)此研發(fā)的新型歸一化火災(zāi)指數(shù)（NDFI）通過Band 7（SWIR 2）與Band 4（紅波段）組合實現(xiàn)對活躍火區(qū)的精準(zhǔn)識別。該指數(shù)計算方式如下：

表2. NDFI、NBR、SVM和FRP在火災(zāi)探測和表征中的比較性能指標(biāo)

在火災(zāi)探測與特征分析的橫向?qū)Ρ戎?，歸一化火災(zāi)指數(shù)（NDFI）、歸一化燃燒指數(shù)（NBR）、支持向量機(jī)（SVM）及火輻射功率（FRP）各具優(yōu)勢與局限。SVM憑借最高綜合精度與F1分?jǐn)?shù)，彰顯其對火區(qū)/非火區(qū)的高效分類能力；通過多維特征增強，其可適應(yīng)復(fù)雜火情但依賴海量訓(xùn)練數(shù)據(jù)與算力資源。NDFI則對植被變化及小型火點高度敏感，擅于精細(xì)化測繪過火邊界，其基于短波紅外2與紅波段的組合提升探測精度，但受限于衛(wèi)星中等時間分辨率。NBR依賴近紅外與短波紅外光譜，在大尺度火烈度評估與災(zāi)后植被恢復(fù)監(jiān)測中表現(xiàn)穩(wěn)健，但對低強度火情識別不足。FRP憑借近實時火點追蹤與輻射能量量化能力，在火勢動態(tài)解析中，雖因空間分辨率受限難以捕捉細(xì)微火場特征，卻為火災(zāi)強度評估提供核心數(shù)據(jù)支撐。綜合來看，多方法協(xié)同可彌補單一技術(shù)缺陷，實現(xiàn)火災(zāi)管理策略在時空維度上的優(yōu)化整合。表2系統(tǒng)呈現(xiàn)了SVM模型與NDFI基于Landsat 8地面實測數(shù)據(jù)的性能對比結(jié)果。

圖10. 將模型預(yù)測的燒傷面積與火災(zāi)邊界

圖10展示了模型對過火區(qū)域的檢測精度驗證結(jié)果，該驗證通過將模型輸出與獲取的新南威爾士州國家公園與野生動物管理局（NPWS）2019-2020野火季火災(zāi)歷史數(shù)據(jù)集（含野火與計劃燒除）中的過火邊界矢量文件進(jìn)行比對完成。NPWS數(shù)據(jù)提供了該時期認(rèn)定的火災(zāi)范圍邊界。如圖10所示，模型輸出的過火區(qū)域與NPWS火場邊界在視覺對比中呈現(xiàn)高度吻合。圖中紅色邊界代表NPWS記錄的火災(zāi)范圍，模型計算結(jié)果與之緊密契合，表明其準(zhǔn)確描繪了火災(zāi)影響區(qū)域。該驗證證實了模型在野火邊界識別方面的可靠性——即使在復(fù)雜地形條件下仍保持精確，印證了其在未來野火監(jiān)測與應(yīng)急決策中的應(yīng)用潛力。

本研究開發(fā)的基于支持向量機(jī)（SVM）的野火探測系統(tǒng)具備多重優(yōu)勢：可實現(xiàn)火情早期預(yù)警、過火區(qū)精準(zhǔn)制圖，并為應(yīng)急響應(yīng)與決策者提供實時信息。通過融合衛(wèi)星數(shù)據(jù)與機(jī)器學(xué)習(xí)算法，利益相關(guān)方可深入解析火災(zāi)動態(tài)，從而采取主動防控措施降低生命財產(chǎn)與生態(tài)系統(tǒng)風(fēng)險。研究還揭示了火點光譜特性：短波紅外波段反射值達(dá)峰值而紅波段呈谷值，據(jù)此創(chuàng)新性提出歸一化火災(zāi)指數(shù)（NDFI）。該指數(shù)利用Landsat 8短波紅外與紅波段光譜響應(yīng)，通過顯著反射差異有效劃定活躍火區(qū)邊界。

參考文獻(xiàn)

Singh H, Ang L M, Srivastava S K. Active wildfire detection via satellite imagery and machine learning: An empirical investigation of Australian wildfires[J]. Natural Hazards, 2025: 1-24.

?? ?? ??

動物活體熒光成像系統(tǒng) - MARS 

In Vivo Imaging System

?? ?? ??

 恒光智影

上海恒光智影醫(yī)療科技有限公司，被評為“國家高新技術(shù)企業(yè)”，“上海市專精特新中小企業(yè)”，榮獲“科技部重大儀器專項立項項目”，上海市“科技創(chuàng)新行動計劃”科學(xué)儀器領(lǐng)域立項單位。

恒光智影，致力于為生物醫(yī)學(xué)、臨床前和臨床應(yīng)用等相關(guān)領(lǐng)域的研究提供先進(jìn)的、一體化的成像解決方案。

專注動物活體成像技術(shù)，成像范圍覆蓋 400-1700 nm，同時可整合CT, X-ray，超聲，光聲，光熱成像等技術(shù)。

可為腫瘤藥理、神經(jīng)藥理、心血管藥理、大分子藥代動力學(xué)等一系列學(xué)科的科研人員提供清晰的成像效果，為用戶提供前沿的生物醫(yī)藥與科學(xué)儀器服務(wù)。