基于卫星主动火点检测的野火到达时间重建:方差加权克里金法的外部评估及其在韩国的应用

《Remote Sensing》:Wildfire Time-of-Arrival Reconstruction from Satellite Active-Fire Detections: External Evaluation of Variance-Weighted Kriging and Application to South Korea

【字体: 大 中 小 】 时间:2026年09月27日 来源:Remote Sensing 4.3

编辑推荐:

  摘要专业翻译 大型野火会造成人员伤亡、生态系统破坏和财产损失。减少此类损失需要预测火势蔓延;而验证蔓延模型则需要真实火灾的像元级到达时间(time of arrival, ToA)。同时具备此类数据和独立参考源的地区很少。研究人员通过克里金法(kriging)

  
摘要专业翻译 大型野火会造成人员伤亡、生态系统破坏和财产损失。减少此类损失需要预测火势蔓延;而验证蔓延模型则需要真实火灾的像元级到达时间(time of arrival, ToA)。同时具备此类数据和独立参考源的地区很少。研究人员通过克里金法(kriging)将极轨卫星(VIIRS)与静止卫星(GOES、Himawari)的主动火点检测相结合,在已知最终过火边界内生成到达时间,并附带逐像元克里金标准差。针对29场具有航空红外边界的美国野火,研究人员比较了在是否加入静止卫星数据以及像元尺寸是否进入方差这两个维度上不同的配置,并以反距离加权法(inverse-distance weighting, IDW)作为基线。在所有观测数据均可用的条件下,各配置之间的差异很小。在极轨观测间隙中,使用静止卫星数据的配置重建到达时间的效果更好,其中方差加权克里金法在中位数上表现最佳。综合重建性能与逐像元标准差两方面考虑,研究人员选定了方差加权克里金法。将其应用于韩国21场面积≥100 ha的野火后,研究人员为其中15场事件构建了375 m分辨率到达时间与标准差数据集,并附带事件级评估信息。这是一项应用而非独立精度验证,且重建仅限于最终过火边界内部。即便如此,该数据集仍可在缺乏航空或地面观测的地区支持蔓延模型的像元级验证以及蔓延驱动因素分析。

论文解读

一、研究背景与研究意义

大型野火造成人员伤亡、生态系统破坏和财产损失,减少损失的关键在于预测火势蔓延,而验证蔓延预测模型需要了解真实野火的实际蔓延过程。最终过火边界形状本身无法揭示燃烧在哪个方向、以多快速度推进,因此需要像元级到达时间(time of arrival, ToA)数据来重建同一最终边界内火势前锋随时间的推进过程,进而计算蔓延速率和方向,并分析气象、地形和可燃物条件的响应。韩国的野火统计数据和最终受害边界可用于识别事件的大小和位置,但无法直接提供连续的像元级ToA。近年来韩国大型野火的频率和损害不断增加,气候、森林和城乡交界区因素的综合作用受到重视,定量理解蔓延驱动因素是预防野火升级和制定早期响应策略的基础。然而,在无法对每场野火重复进行地面或航空观测的条件下,卫星主动火点检测是能够以同一观测系统重建多起事件推进过程的现实输入。
现有研究存在两方面不足:一是空间插值方法在观测间隙较宽时依赖少量数据点,且将不同分辨率传感器视为同等可靠性会产生局部扭曲;二是机器学习或物理模型方法的结果依赖训练所用野火案例的分布,应用于区域、尺度或观测条件不同的野火时需要重新训练或单独验证。极轨卫星与静止卫星具有互补的观测特性:VIIRS通过375 m主动火点产品提供较精细的空间定位,但观测同一位置的次数有限;GOES和Himawari观测时间间隔短但像元较大,检测位置和时间可能混杂。已有研究缺乏在事件层面、以外部航空边界为参照,分别评估两类传感器纳入与否以及分辨率差异加权方式的独立评价。本研究的意义在于并非提出新的传感器组合本身,而是对设计决策进行分别评估,并通过外部参考评估和空间分块交叉验证,独立考察静止卫星纳入和基于经验方差加权的作用。在韩国应用中,研究建立了将可生产性、输入数据空间自预测能力诊断以及评估保留和排除生产的原因共同发布的质量筛选结构。

二、研究内容与主要结论

研究目标包括三个方面:定量评估极轨与静止卫星主动火点检测相结合对野火到达时间重建性能的影响;分析空间分块交叉验证指标与外部参考评估结果的关联,考察其作为内部质量指标的潜力;将选定流程应用于韩国100 ha及以上野火,构建ToA和克里金标准差栅格,并发布附带生产可行性和内部质量诊断结果的质量筛选数据集。
在方法选择上,研究以美国西部29场具有NIROPS航空红外边界的野火为外部参考样本,比较五种配置:仅极轨数据反距离加权(P-IDW)、极轨加静止数据反距离加权(PS-IDW)、仅极轨数据普通克里金(P-OK)、极轨加静止数据等权普通克里金(PS-OK)、极轨加静止数据方差加权普通克里金(PSwt-OK)。外部参考评估中,各配置精度总体相近(事件间中位数SC差异小于0.01),PSwt-OK和PS-OK略低于P-OK,但控制组PS-IDW显著低于三种克里金配置。空间分块交叉验证中,PSwt-OK的事件间中位数r最高(0.880),显著高于P-IDW和PS-OK;加入静止数据本身带来的增益为+0.036,方差加权未在此基础上有额外可检测增益。综合两项测试,研究选定PSwt-OK为默认方法。分块交叉验证r与外部NIROPS参考SC之间存在显著正相关(Spearman ρ=0.743, p<0.001),支持将该r作为无外部参考地区野火的可靠性诊断指标。
将固定流程应用于韩国21场野火后,研究为15场事件生成了ToA和标准差栅格,其中7场被分类为已评估、8场为评估保留、6场因VIIRS汇总像元少于5个或变异函数拟合失败而被排除生产。代表性事件中,蔚珍(Uljin)的r为0.942、MAE为10.4 h,义城(Uiseong)为韩国最大事件但r仅为0.771、MAE为10.9 h,江陵(Gangneung)MAE最小(5.8 h)但r为0.739。这表明r作为相关系数在ToA范围较窄时即使误差较小也会偏低,与MAE不能相互替代。

三、主要技术方法

研究采用普通克里金法(ordinary kriging)配合指数协方差函数进行ToA表面插值,变异函数基于极轨像元的坐标和ToA以20个滞后的经验变异函数拟合,nugget下限设为偏基台值的0.001倍,每个预测像元使用最近50个观测。方差加权通过测量误差克里金框架实现,对静止卫星观测的对角协方差矩阵加入经验方差膨胀系数27.4,该系数由2 km静止卫星支撑面积超出375 m输出像元的面积比确定,并经过1/4至4倍系数的敏感性检验。空间分块交叉验证以变异函数变程的一半为块边长(限制在5–30 km),逐块留出极轨像元进行验证,同时保留全部静止卫星汇总点于训练数据中,每折重新拟合变异函数。外部参考评估采用逐次调查面积重叠方法,以S?rensen系数(SC)为指标,评估范围限制在参考累积面积1%–90%的生长阶段调查。美国参考数据来自Magstadt等发布的2020–2024年美国西部高分辨率每日野火边界数据集中的NIROPS航空红外调查记录,共29场事件;韩国应用目标为2022–2025年韩国森林厅国家森林火灾信息系统记录的21场≥100 ha野火,最终边界来自韩国森林厅提供的受害边界数据。

四、研究结果

4.1 外部参考评估中的配置比较。 通过29场美国野火的逐次调查面积重叠评估,五种配置的精度总体相近,事件间中位数SC差异小于0.01(P-OK 0.9398、PSwt-OK 0.9394、PS-OK 0.9374、P-IDW 0.9340、PS-IDW 0.9336)。PSwt-OK和PS-OK分别比P-OK低0.0007和0.0015的事件间中位数,经Holm校正后差异仍可检测。控制组PS-IDW低于三种克里金配置,与PSwt-OK的中位数ΔSC为+0.0048,经Holm校正后差异可检测。
4.2 空间分块交叉验证:方法选择与可靠性指标有效性。 空间分块交叉验证中PSwt-OK的事件间中位数r最高(0.880),经Holm校正后显著高于P-IDW和PS-OK,但与P-OK和PS-IDW的差异未检测到。控制分解显示,仅加入静止数据带来的增益为中位数+0.036(PS-IDW对比P-IDW),方差加权克里金在此之上无额外可检测增益。外部参考评估中PSwt-OK的SC显著低于P-OK(事件间中位数?0.0007,Holm p=0.011),但在使用静止数据的三种配置中,PSwt-OK在SC上显著高于PS-IDW和PS-OK,在r上显著高于PS-OK。分块交叉验证r较高的野火其NIROPS参考SC也较高(Spearman ρ=0.743, p<0.001),验证了r作为内部可靠性诊断的有效性。29场美国事件中PSwt-OK的中位数ME为?15.7 h、MAE为91.9 h。
4.3 韩国质量筛选数据集。 21场韩国事件中有15场成功生产了PSwt-OK ToA和克里金标准差栅格,6场因VIIRS汇总像元不足或变异函数拟合失败被排除生产。15场已生产事件的过火边界内部无缺失像元。7场事件满足有效分块交叉验证条件被分类为已评估,其余8场为评估保留。代表性事件中,蔚珍使用1117个VIIRS像元和93个静止卫星汇总点,r为0.942、ME为?6.0 h、MAE为10.4 h;义城使用3108个VIIRS像元和419个静止卫星汇总点,r为0.771、ME为?0.2 h、MAE为10.9 h;江陵r为0.739、ME为+0.2 h、MAE为5.8 h。即使MAE较小,若ToA范围较短则r可能偏低,两个统计量不能相互替代。

五、讨论与结论

讨论部分指出,本研究的SC中位数约0.94高于此前VIIRS单独追踪(F1=0.85)、机器学习到达时间估计(平均SC=0.82)和生成模型(平均SC=0.81)的报道值,但这些数值不能简单排序,因为参考边界和聚合单位不同。两项测试给出不同答案的原因在于测试条件:观测密集处任何配置产生相似表面,美国野火过火边界内含有VIIRS检测的像元比例中位数为91.9%,配置差异在全覆盖重叠指标SC中被稀释;空间分块交叉验证清空整个观测块从而暴露差异。控制分解表明,静止卫星纳入填补了空白位置,方差加权抑制了粗像元的扭曲从而使纳入变得安全。韩国应用中,MODIS主动火点在韩国的检测概率仅15.2%,而Himawari静止传感器高达93%,静止卫星的首检延迟约13分钟而极轨传感器超过210分钟,支持了韩国产品始终纳入静止数据的理由。韩国缺乏航空或地面验证数据,研究以空间分块交叉验证r作为可靠性指标,并在美国确认了该指标与外部SC的正相关关系后应用于韩国。该指标衡量的是观测相互一致性和到达时间图的可确定性,而非绝对时间误差,低r不应被解读为不准确。研究同时强调,用户应结合评估状态、r、ME、MAE和逐像元标准差栅格进行综合判断,多场野火联合分析时应按r分层查看结果,用作机器学习训练数据时应按野火或空间分块而非按像元划分训练和验证集。
研究结论为:本研究提出了PSwt-OK流程,在普通克里金框架内结合375 m VIIRS的空间细节与GOES和Himawari的时间频率,通过经验方差膨胀降低大型静止卫星像元的影响。在美国29场NIROPS野火的外部参考评估中,PSwt-OK的SC比仅极轨的P-OK低0.0007的事件间中位数,经Holm校正后差异仍可检测;在空间分块交叉验证中PSwt-OK的五种配置中位数r最高,但与P-OK和PS-IDW的差异未检测到。综合两项测试选定PSwt-OK为默认方法,并将第二项测试同时用于方法选择和逐场可靠性诊断。将固定流程应用于韩国21场野火后,为15场生成了ToA和标准差栅格,其中7场为已评估、8场为评估保留、6场为排除生产。韩国结果并非独立区域验证,而是固定流程的应用和示范。构建的数据为韩国火蔓延研究提供了候选参考图层,但在获得外部航空或地面数据之前,应将其作为按明确质量标准筛选的自筛选数据集而非经过验证的精度产品使用。未来研究方向包括获取韩国野火的航空和地面数据进行独立验证,以及建模视角、云和烟雾的影响。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号