東北地理所在基于Sentinel-2遙感數(shù)據(jù)的秸稈燃燒煙羽檢測方面取得重要進展
中國東北農(nóng)村地區(qū)，春秋季節(jié)由于秸稈的大量焚燒，大氣懸浮顆粒物含量明顯升高，PM10和PM2.5可以升高0.5至4倍。露天生物質(zhì)燃燒（Open-air biomass burning，OBB）是微量氣體污染物和細小碳質(zhì)顆粒物（particulate matter，PM）的主要排放源。大面積、高強度的露天焚燒秸稈會對區(qū)域的空氣質(zhì)量以及當?shù)氐墓残l(wèi)生安全造成損害。秸稈燃燒檢測主要是靠檢測秸稈焚燒的產(chǎn)物來實現(xiàn)的，煙羽檢測是秸稈燃燒檢測的重要手段之一，也是近年來機器視覺領域研究的熱點和難點。衛(wèi)星遙感技術的大面積、同步、經(jīng)濟的監(jiān)測能力，能夠?qū)崿F(xiàn)地球表面全球觀測并為檢測秸稈焚燒釋放的煙羽提供大量有用的數(shù)據(jù)。因此迫切需要開展適用于衛(wèi)星遙感影像的秸稈焚燒煙羽檢測的算法研究。
針對上述問題，本研究基于Sentinel-2遙感數(shù)據(jù)，對YOLOv5s算法進行改進，同時還對Sentinel-2的各波段進行光譜特征分析，選出可分離度較好的波段用于模型構(gòu)建，通過增加信息來降低其他地物類型對煙羽檢測的干擾。
圖1 三對不同地物之間（煙羽對云、煙羽對背景、煙羽對水體）的可分離度
本研究探索了Sentinel-2遙感影像在煙羽檢測方面的潛力，提高了改進的YOLOv5s模型對Sentinel-2影像煙羽識別的精度，還分析了空間分辨率對模型識別的影響。
圖2 2020年11月11日的影像在不同閾值下的二值化分割結(jié)果
圖3 在150的閾值下，不同空間分辨率的二值化分割結(jié)果：（a）空間分辨率為10m；（b） 空間分辨率為20m；（c） 空間分辨率為60米
結(jié)果表明，在RGB中加入Band 6，煙羽識別的精確率提高了6.06%，在RGB_Band6中加入Band 7，與只輸入RGB三通道相比，模型的精確率下降了7.74%，說明增加輸入信息可以適當提高煙羽檢測模型的精度，但是波段的選擇很關鍵，太多的無用信息會導致特征提取困難并降低煙羽檢測的準確性。將空間分辨率為60m，20m和10m的數(shù)據(jù)作為模型輸入，模型的精確率分別為90.87%，80.71%和49.79%，表明更高的空間分辨率不一定能改善模型的性能，提高空間分辨率也會放大影像背景的細節(jié)，給遙感識別和煙羽的信息提取增加一些干擾噪聲，從而降低模型的性能。
該研究發(fā)表在遙感國際重要期刊《Remote Sensing》（中科院二區(qū)TOP），由東北地理所劉華聯(lián)培碩士研究生（第一作者）、杜嘉高級工程師（通訊作者）等共同完成。研究得到國家重點研發(fā)計劃子課題（2021YFD1500103）、中國科學院戰(zhàn)略性先導科技專項課題長春示范區(qū)子課題（XDA28080500）和吉林省環(huán)保廳項目（E139S311）的共同資助。
論文信息：Li, J.？; Liu, H.？; Du, J.*, Cao, B.; Zhang, Y.; Yu, W.; Zhang, W.; Zheng, Z.; Wang. Y.; Sun. Y. Detection of Smoke from Straw Burning Using Sentinel-2 Satellite Data and an Improved YOLOv5s Algorithm. Remote Sens. 2023, 15, 2641.
鏈接： https://doi.org/10.3390/rs15102641
附件下載：
吉公網(wǎng)安備22017302000214號
