東北地理所在基于Sentinel-2遙感數據的秸稈燃燒煙羽檢測方面取得重要進展
中國東北農村地區，春秋季節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。露天生物質燃燒（Open-air biomass burning，OBB）是微量氣體污染物和細小碳質顆粒物（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域的空氣質量以及當地的公共衛生安全造成損害。秸稈燃燒檢測主要是靠檢測秸稈焚燒的產物來實現的，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。衛星遙感技術的大面積、同步、經濟的監測能力，能夠實現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據。因此迫切需要開展適用于衛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遙感數據，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果
圖3 在150的閾值下，不同空間分辨率的二值化分割結果：（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的數據作為模型輸入，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，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。
該研究發表在遙感國際重要期刊《Remote Sensing》（中科院二區TOP），由東北地理所劉華聯培碩士研究生（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計劃子課題（2021YFD1500103）、中國科學院戰略性先導科技專項課題長春示范區子課題（XDA28080500）和吉林省環保廳項目（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：
吉公網安備22017302000214號
