Page 141 - 《武汉大学学报（信息科学版）》2025年第10期

2076 武 汉 大 学 学 报 （信 息 科 学 版） 2025 年 10 月

大波动（图 5（g）），这类像素对应的区域大多是裸 作物的类型（小麦、玉米、橄榄、花生、芒果、芭蕉、
地、森林或水体等没有人类活动且没有发生农田 棉花等）及其播种时间，将农田火出现的时间窗
火的区域。本文根据南部非洲地区主要种植农 口定为每年 6 月—11 月。

图 4 3 类像素的夜光影像和谷歌地球影像
Fig. 4 Night-Time Light Images and Google Earth Images of Three Types of Pixels

基于 3 类像素一年内的夜光辐亮度时间序列 持较高水平， F 2 值接近于 1；农田火像素和全黑像
特点，本研究构建了 3 种夜光特征用于分类，分别 素的一年内大部分天数辐亮度低于阈值， F 2 值接
为夜光辐亮度最大值、夜光辐亮度大于阈值的比 近于 0。因此这一特征能够区分稳定灯光像素与
例和夜光辐亮度突变率，如表 2 所示。 其他两种像素。
具 体 夜 光 辐 亮 度 最 大 值 特 征 F 1 的 计 算 公 夜光辐亮度突变率 F 3 的计算公式为：
式为： ï ï , r out > 0
ì r in - r out
ï
ï ï
F 1 = max { r 1,r 2…,r n } （1） ï r out
F 3 = í （3）
式中， r 1，r 2，…，r n 表示该像素一年内的夜光辐亮 ï ï 0,r in = 0 & r out = 0
ï
ï
î
度， n 为该像素一年内通过质量筛选有效的天数。 ï ï r in,r in > 0 & r out = 0
本文根据谷歌影像选取了裸地、森林和水体区域 式中， r in 表示该像素在农田火时间窗口内的最大
的像素，计算后发现这些像素一年内夜光辐亮度 值； r out 表示像素在农田火时间窗口外的最大值。
－
的最大值均小于 0.5 nW·cm ²·sr ，显著小于稳 若像素的夜光辐亮度在一年内较平稳，并且在农
－1
定灯光像素和农田火像素的夜光辐亮度最大值， 田火时间窗口内没有出现大幅度增长，则 F 3 值接
因此这一特征能区分全黑像素与其他两种像素。 近于 0；若像素仅在农田火时间窗口内出现大幅
夜光辐亮度大于阈值的比例特征 F 2 的计算 增长，则 F 3 值较大。因此这一特征能够区分农田
公式为： 火像素与其他两种像素。
n′ 通过 VNP46A3 月级夜光影像、GlobeLand30
F 2 = （2）
n 地表覆盖数据以及谷歌影像采集训练样本，步骤
式中，n' 为该像素一年内夜光辐亮度高于阈值的 如下：
天 数 。 将 夜 光 辐 亮 度 的 阈 值 设 为 1 nW·cm ²· 1）使用 VNP46A3 月级夜光影像，在南部非
－
sr ，如图 5 所示，稳定灯光像素一年内辐亮度保 洲 10 个大陆国家内人工采集农田火像素、稳定灯
－1