基于MODIS數據的安徽農村秸稈焚燒現狀監測

杜 鑫

(安徽理工大學空間信息與測繪工程學院，安徽 淮南 232001)

引言

由于秸稈焚燒火點分布沒有一定的規律性，利用傳統的人工排查不僅消耗巨大的人力物力，而且效率低。如今，遙感作為先進的遠距離探測技術，成為秸稈焚燒監測工作的最理想手段，而MODIS作為先進的多光譜遙感傳感器，提供了豐富的數據產品。國內學者在20世紀90年代也開始利用遙感技術監測地面火點的研究，但都集中在火災方面的研究。陳維英于1987年應用了NOAA/AVHRR數據對大興安嶺火災的過火面積進行了計算[1]；趙彬等人對2007年4月29日吉林省東部的森林火災運用閾值法、臨近像元分析法、亮溫結合NDVI法和彩色合成法4種方法進行了研究分析[2]。

隨著我國開始建立MODIS數據接收站，MODIS數據的研究與應用不斷推廣、深入，MODIS數據也取代NOAA/AVHRR被國內很多學者用于火點提取。覃志豪等對中、蒙、俄3國交界的地區數據通過設置MODIS遙感數據的熱紅外波段亮溫閾值并結合NDVI成功建立了基于MODIS數據的林火識別模型[3]；王子峰等基于MODIS基礎數據和地表分類數據應用“背景對比火點探測算法”實現了對華北地區秸稈焚燒火點的遙感監測，并依據我國的實際狀況背景對比火點提取方法的若干參數和閾值進行了適當的調整，保證了探測結果的可信度并有效地提高了算法的運行效率[4]；周小成等針對鄰近背景像元算法在MODIS數據的火點監測上進行進行驗證分析并做了改進[5]；張樹譽利用MODIS數據對關中地區稻稈焚燒狀況進行了監測研究[6]；胡梅等利用MODIS數據應用火點像元的亮溫與背景亮溫的偏差對華北平原的稻稈焚燒點進行了影像識別研究[7]。近年來隨著中國國產對地觀測衛星的發射，利用國產衛星數據的地面火點監測的研究越來越多。在理論模型方面有許多不同的學者針對怎樣提高遙感提取火點的準確度先后提出了閾值模型、上下文模型、MODIS火點提取模型等。2016年，張恒僖對江西省秸稈焚燒火點提取方法進行了研究，對比了三通道合成法、固定閾值法、上下文法、最大類間方差法、MODIS火點算法和改進后的火點提取方法之間的差異及提取準確率[8]。鑒于衛星傳感器的參數差異和數據獲取的難易程度等一些原因，目前國內外主要使用NOAA/AVHRR、EOS/MODIS影像作為火點探測的遙感數據源來進行火點提取。隨著Terra衛星的升空，MODIS數據在火災監測及過火面積的計算精度方面有了很大提高。Maier等人應用MOD14數據對火點探測算法的靈敏度進行了研究[9]，Kaufman等人應用MODIS數據對巴西的森林火災監測進行了模擬研究并進行了野外驗證[10]；Louis Giglio在此基礎上寫出了MODIS數據火點算法之后NASA聯合其它單位用MODIS數據對全球火災進行了日常監測[11]。

本研究采用MODIS熱異常數據對安徽省近幾年秸稈焚燒狀況進行遙感動態監測，分析了安徽省秸稈焚燒狀況發展趨勢及地區分布，可為環保部門提供合理依據，政府可以根據秸稈焚燒點的具體位置加大對該地區秸稈禁燒力度，為安徽省環保工作助力；通過考察MODIS火點提取的效果分析MODIS數據提取火點的優勢與不足：肯定MODIS數據相對于傳統方法監測火點的優勢，發現研究過程中的不足，為改進火點提取精度提供有效建議。

1 材料與方法

1.1 研究區概況

安徽省位于中國華東地區，界于E114°54′～119°37′，N29°41′～34°38′。主要分為皖北、皖中、皖南地區，皖南地區主要種植棉花、水稻、菜葉、油菜；皖中地區主要種植蔬菜、水稻、棉花、小麥；皖北地區主要以小麥、水稻、棉花種植為主，還有少量大豆、中藥、梨樹(碭山)。其中小麥、水稻秸稈焚燒最為普遍。根據2018年安徽秸稈綜合利用產業博覽會數據顯示，安徽省秸稈年可收集量達4800萬t左右。2017年，全省秸稈綜合利用率87.3%，產業化利用量占利用總量的27.59%。

1.2 數據來源

為研究安徽省農村秸稈焚燒現狀，本文用到的數據主要有MODIS數據。包括2013—2017年秋收季(9月22日—11月1日)空間分辨率為1000m的熱異常數據MOD14A2和空間分辨率為500m的MODIS三級數據土地覆蓋類型產品(Land Cover data)MCD12Q1；安徽省行政邊界矢量數據。

1.3 研究方法

1.3.1 火點提取

地球上不同的物體，如土地、水體、森林、草地等，因為其具有不同的溫度和不同的物理化學性質且常常處于不同的狀態，因此都具有不同的光譜特性，向外界輻射的電磁破也具有不同的波長[12]。根據普朗克定律可知，植物在沒有燃燒時和燃燒時所發出的輻射也有差異，沒有燃燒時植物發出的輻射是背景輻射，燃燒時則主要是由火焰和高溫碳化物發出的輻射。根據這種差異利用MODIS成像光譜儀的監測數據進行數據分析即可提取火點信息。

MOD14A2數據是分辨率為1000m的熱異常數據，其DN值(像元灰度值)范圍是0～9。像元灰度值共分為10類，分別為：0未被處理的(丟失的輸入數據),1未被處理的(失效的),2未被處理的(其它原因),3水體,4云,5沒有火點,6未知的,7、8、9都為火點(其中像元為7的火點為低置信度火點)。

1.3.2 農用地提取

表1 MOD14數據說明

MODIS三級數據土地覆蓋類型產品(Land Cover data)分辨率為500m，是 Terra和Aqua 1a觀測數據經過處理的結果，描述了土地覆蓋的類型。該土地覆蓋數據集中包含了17個主要土地覆蓋類型，根據國際地圈生物圈計劃(IGBP)，其中包括11個自然植被類型，3個土地開發和鑲嵌的地類和3個非草木土地類型定義類。

MCD12Q1采用5種不同的土地覆蓋分類方案，信息提取主要技術是監督/決策樹分類。該數據中包含了5個數據集，5個分類方案如下。

土地覆蓋分類1：IGBP的全球植被分類方案(本研究所采用方案)；土地覆蓋分類2：美國馬里蘭大學(UMD格式)方案；土地覆蓋分類3：基于MODIS葉面積指數/光合有效輻射方案；土地覆蓋分類4：基于MODIS衍生凈初級生產力(NPP)方案；土地覆蓋分類5：植物功能型(肺功能)方案。

該研究將農用地上的火點判斷為秸稈焚燒點，通過上述火點提取方法對遙感影像進行火點提取有可能包括如森林火災火點、高反射率水體、人工建筑熱源等一些非秸稈焚燒點，為此還需進行一些更細化的處理以達到剔除上述非秸稈焚燒火點干擾。結合土地覆蓋資料來排除非秸稈焚燒火點，但土地利用土地覆蓋資料數據一般都不是最新的，并且土地利用土地覆蓋資料的更新需要很多人力，并不能及時更新，在時效性上會打折扣。由于資源限制，本文采用MODIS三級數據土地覆蓋類型產品提取農用地以判定火點是否在農用地之上。該數據空間分辨率為500m，擁有5種不同的土地覆蓋分類方案。土地覆蓋分類1～5的分類圖可見圖像上各DN值都代表某一地物類型，由具體意義可知可以使用土地覆蓋分類1中的DN=12的值提取農用地。

1.3.3 秸稈焚燒點年際變化特征分析

分析農用地數據與火點數據疊加得到的秸稈焚燒點，根據總體焚燒點數目判斷5a來安徽省秸稈焚燒的總體變化，統計每個市5a的秸稈焚燒點數目并將安徽省分為皖南、皖中、皖北3大區域進行統計分析秸稈焚燒點的分布情況，根據秸稈焚燒點的像元數分析秸稈焚燒面積的變化情況與秸稈焚燒點數目變化情況進行比較分析。

2 結果與分析

2.1 秸稈焚燒火點分布

經統計，安徽省2013年9月22日—11月1日秸稈焚燒火點為29個，2014年同時間段為30個，2015—2017年同期秸稈焚燒火點分別為8個、4個、12個。由圖2所示，2015年后秸稈焚燒火點數顯著下降且保持在較低數量。其中2014—2015年度下降幅度高達73.3%。

2014年國務院辦公廳頒布的《關于推進農作物秸稈綜合利用的意見》以及2015年中華人民共和國國家發展和改革委員會下發《關于進一步加快推進農作物秸稈綜合利用和禁燒工作的通知》,通知中明確了關于秸稈禁燒和綜合利用的總體要求和主要目標：要加快推進秸稈綜合利用產業化,加大秸稈禁燒力度，進一步落實地方政府職責，不斷提高禁燒監管水平，促進農民增收、環境改善和農業可持續發展。力爭到2020年，全國秸稈綜合利用率達到85%以上；秸稈焚燒火點數或過火面積較2016年下降5%，在人口集中區域、機場周邊和交通干線沿線以及地方政府劃定的區域內，基本消除露天焚燒秸稈現象。由于國家及政府的約束與監督，從2015年起，安徽省秸稈焚燒情況明顯減少。

2.2 城市農用地火點分布

按照安徽境內的2大河流將安徽分為皖南(銅陵、蕪湖、馬鞍山、黃山、宣城、池州)、皖中(合肥、安慶、六安、滁州)、皖北(蚌埠、阜陽、宿州、淮北、淮南、亳州)3大區域，根據表2統計(如圖3所示)的三片區域的秸稈焚燒變化情況，明顯可以發現，安徽省秸稈焚燒現象多發于淮河流域(主要在皖北地區)，皖北地區秸稈焚燒火點數占此次統計的比例高達68.7%，尤其在亳州市、阜陽市該現象較為嚴重。集中焚燒秸稈所帶來的環境污染將遠高于其它城市，通過大氣循環作用污染還會在一定程度上影響其它城市的環境變化。但是由圖2(e)所示，可以發現2017秸稈焚燒情況相比于2016年、2015年有略微增長趨勢；值得注意的是，2017年秸稈焚燒不僅發生在皖北地區，長江流域也出現了部分地區秸稈焚燒情況，所以建議政府在加大對皖北地區秸稈焚燒的監管力度的同時也需要時刻監督長江流域該種情況的發生。

表2 安徽省2013—2017年秋收季節火點分布統計

由圖3明顯可以看出，2015年之前皖北的秸稈焚燒狀況相較于皖中、皖南地區嚴重得多，其秸稈焚燒點為44個，皖南、皖北總計15個；2015年之后情況得以控制，皖北共12個、皖中4個、皖南8個；總體來說，淮河以南地區秸稈焚燒火點數在2013—2017年間基本保持不變。值得注意的是，相較于2016年所有地區秸稈焚燒點出現了上升的趨勢，雖然漲幅不大，但應該引起有關部門注意，尤其是皖北地區。

2.3 年鑒秸稈焚燒面積

對所提取的火點矢量化后可以發現(如圖4所示)，火點以面的形式呈現出來，火點大小存在差異，由于MOD14熱異常數據分辨率為1000m,可能導致部分連續火點以1個大面積火點顯示出來，所以火點數不是唯一衡量秸稈焚燒變化趨勢的值。焚燒面積也是本研究統計的關鍵要素，可以根據焚燒區域的像元數反映秸稈焚燒面積。

根據對每年數據像元值統計計算得出(圖5所示)的秸稈焚燒點像元數可知，2014年秋收季節秸稈焚燒面積相對2013年同期下降了23.8%，2015年比2014年下降了25.0%,2016年比2015年下降了55.6%，2017年比2016年上升了37.5%。結合圖4面積變化情況與圖5焚燒點變化情況，秸稈焚燒面積的變化趨勢與秸稈焚燒火點數變化趨勢呈現相似的趨勢，總體在減少但在2017年有略微增長。

3 結論

本文利用MOD14熱異常數據產品對安徽省境內火點提取，由于該數據的時間分辨率較高，可以及時提取出火點信息，而利用MCD12Q1數據可以提取得到全省耕地的大致分布，從而能有效地排除森林火災火點、高反射率水體、人工建筑熱源等其它地物對提取結果的干擾。考慮到每年氣象條件的不同，作物物候期的正常年際波動，所以對于時相的延長也提高了提取秸稈焚燒點的合理性。提取結果不僅可以反映秸稈焚燒點數目，還可以反映秸稈焚燒面積的變化趨勢。

對安徽省5a秸稈焚燒火點數目及分布情況進行統計、分析，研究結果顯示：秸稈焚燒多發于皖北地區(尤其亳州、阜陽較為嚴重)，其秸稈焚燒點占全省的68.7%，主要是由于皖北地區主要種植小麥、水稻、玉米(玉米秸稈多加工為飼料)等作物，導致小麥、水稻秸稈焚燒現象普遍；2013—2017年安徽省秸稈焚燒無論在數量上還是在面積上都呈現了明顯下降的趨勢，從2013年的29個、2014年的30個下降至2015年的8個和2016年的4個。尤其在2015年下降明顯，說明國家和政府頒布的《關于推進農作物秸稈綜合利用的意見》及《關于進一步加快推進農作物秸稈綜合利用和禁燒工作的通知》在秸稈禁燒和綜合處理方面具有強制的約束力；雖然在秸稈禁燒工作開展以來秸稈焚燒狀況得到了明顯控制，但在2017年該現象出現了“死灰復燃”的情況，安徽省秸稈焚燒火點數量上升到12個。

本研究在利用MOD14熱異常數據提火點時所采用的像元灰度值為7、8、9，具有較高置信度的8和9是可以準確提取火點信息的DN值，但是像元灰度值7是低置信度(Low confidence)的火點,在研究中加入該像元值產生的結果可能會有一定的偏差，但是若僅僅考慮DN值8、9的火點，在火點提取的過程中會出現漏判的現象。所以對于DN值為7的像元是否可以用來提取火點信息是需要進一步討論的問題。