Page 137 - 《武汉大学学报（信息科学版）》2025年第10期

第 50 卷 第 10 期 武 汉 大 学 学 报（ 信 息 科 学 版 ） Vol.50 No.10
2025 年 10 月 Geomatics and Information Science of Wuhan University Oct. 2025

引文格式：曹汉瑞,王妍,李熙，等 .VIIRS 夜光影像中农田火像素识别方法[J]. 武汉大学学报（信息科学版）,2025,50(10):2072-
2085.DOI:10.13203/j.whugis20230256
Citation：CAO Hanrui,WANG Yan,LI Xi,et al.Method for Detecting Farmland Fire Pixels in VIIRS Night-Time Light Images
[J].Geomatics and Information Science of Wuhan University,2025,50(10):2072-2085.DOI:10.13203/j.whugis20230256
VIIRS 夜光影像中农田火像素识别方法

曹汉瑞 王 妍 李 熙 胡申森 邱 实 魏英策 5
3
4
1
1
2
1 武汉大学测绘遥感信息工程全国重点实验室，湖北 武汉，430079
2 江苏省测绘工程院,江苏 南京,210013
3 国防科技大学气象海洋学院，湖南 长沙，410073
4 中国科学院空天信息创新研究院，北京，100094
5 起源太空（南京）科技有限公司，江苏 南京，210046
摘 要：夜光遥感影像已被广泛应用于人类活动、社会经济等方面的研究。南部非洲的夜光影像上存在烧田产生的农田
火像素，这些像素易与城镇灯光像素混淆，干扰了夜光影像在社会经济评估中的应用。以南部非洲的 10 个大陆国家为研
究区域，基于国家极地轨道伙伴关系卫星(national polar-orbiting partnership,NPP)/可见光红外成像辐射仪(visible infra‑
red imaging radiometer,VIIRS)数据生产的黑色大理石(Black Marble)产品，首先构建了夜光辐亮度时间序列的 3 个特征；
然后采用随机森林分类方法将夜光影像中的像素分为农田火像素、稳定灯光像素和全黑像素；最后采用分层随机抽样，
用时间序列夜光辐亮度数据、高分辨率卫星影像和地表覆盖数据对像素分类结果进行精度检验。结果表明，像素分类的
总体精度为 91.2%，平均生产者精度为 91.9%，平均用户精度为 91.0%，其中农田火像素分类的生产者精度和用户精度分
别为 86.4% 和 92.6%。所提方法可在后续应用中滤除 Black Marble 产品中的农田火像素，提升夜光影像对非洲社会经济
的评估精度。
关键词：夜光遥感；NPP/VIIRS；Black Marble 产品；南部非洲；农田火
中图分类号：P237 文献标识码：A 收稿日期：2024‑03‑24
DOI：10.13203/j.whugis20230256 文章编号：1671‑8860（2025）10‑2072‑14
Method for Detecting Farmland Fire Pixels in VIIRS Night-Time Light Images

1
3
1
2
CAO Hanrui WANG Yan LI Xi HU Shensen QIU Shi WEI Yingce 5
4
1 State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University,
Wuhan 430079, China
2 Jiangsu Province Surveying and Mapping Engineering Institute, Nanjing 210013, China
3 College of Meteorology and Oceanography, National University of Defense Technology, Changsha 410073, China
4 Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China
5 Origin Space (Nanjing) Technology Co. Ltd, Nanjing 210046, China
Abstract： Objectives: Night-time light images have been widely used in human activity analysis, social
economy estimation and other aspects. However, on night-time light images, farmland fire pixels caused
by burning fields are easily confused with the urban light pixels, which interferes with the socioeconomic as‑
sessments using night-time light images. Based on the radiance time series characteristics of pixels, the
farmland fire pixels on night-time light images can be identified through the random forest method. Methods: 10
continental countries in southern Africa were taken as the research area. Based on Black Marble product
produced by national polar-orbiting partnership(NPP)/visible infrared imaging radiometer(VIIRS) data,
three characteristics of the time series of night-time light radiance were constructed, and the random forest
classification method was used to divide the pixels into farmland fire pixels, stable light pixels, and black
pixels. Results: Stratified random sampling was used to manually test the classification accuracy, using

基金项目：国家重点研发计划（2019YFE0126800）；国家自然科学基金（42271371）。
第一作者：曹汉瑞，硕士，主要从事夜光遥感影像处理与应用。CaoHanrui@whu.edu.cn
通信作者：李熙，博士，教授。 lixi@whu.edu.cn