Method for Detecting Farmland Fire Pixels in VIIRS Night-Time Light Images

CAO Hanrui; WANG Yan; LI Xi; HU Shensen; QIU Shi; WEI Yingce

doi:10.13203/j.whugis20230256

您当前的位置：

首页 >

文章列表页 >

Method for Detecting Farmland Fire Pixels in VIIRS Night-Time Light Images

Photogrammetry and Remote Sensing | 更新时间：2026-11-05

- Method for Detecting Farmland Fire Pixels in VIIRS Night-Time Light Images
- Geomatics and Information Science of Wuhan University Vol. 50, Issue 10, Pages: 2072-2085(2025)
- 作者机构：
  
  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
- 作者简介：
- 基金信息：
  
  The National Key Research and Development Program of China(2019YFE0126800)
- DOI：10.13203/j.whugis20230256
  CLC： P237
- Received：24 March 2024，
  
  Published：05 October 2025
- 稿件说明：
移动端阅览
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.

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.
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

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

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 infrared 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。

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 assessments 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 time series of night-time light data

high resolution satellite images and land cover data. Results show that the overall accuracy of pixel classification is 91.2%

the average producer accuracy is 91.9%

and the average user accuracy is 91.0%. Among them

the producer accuracy and user accuracy of farmland fire pixel classification are 86.4% and 92.6%

respectively.

Conclusions

The random forest classification method was used to classify the pixels on night-time light images into farmland fire pixels

stable light pixels and black pixels with high accuracy. The proposed method can be used to filter out farmland fire pixels in Black Marble products

so as to improve the evaluation accuracy for African social economy using night-light images.

关键词

Keywords

references

李德仁，李熙 . 论夜光遥感数据挖掘［J］. 测绘学报， 2015 ， 44 （ 6 ）： 591 - 601 .

LI Deren ， LI Xi . An Overview on Data Mining of Nighttime Light Remote Sensing ［J］. Acta Geodaetica et Cartographica Sinica ， 2015 ， 44 （ 6 ）： 591 - 601 .

LEVIN N ， KYBA C C M ， ZHANG Q L ， et al . Remote Sensing of Night Lights： A Review and an Outlook for the Future ［J］. Remote Sensing of Environment ， 2020 ， 237 ： 111443 .

JUNG M C ， KANG M Y ， KIM S . Does Polycentric Development Produce less Transportation Carbon Emissions？ Evidence from Urban Form Identified by Night-Time Lights Across US Metropolitan Areas ［J］. Urban Climate ， 2022 ， 44 ： 101223 .

HE X ， YUAN X D ， ZHANG D H ， et al . Delineation of Urban Agglomeration Boundary Based on Multisource Big Data Fusion：A Case Study of Guangdong–Hong Kong–Macao Greater Bay Area （GBA）［J］. Remote Sensing ， 2021 ， 13 （ 9 ）： 1801 .

钟芊芊，肖锐，曹汉瑞，等 . 启明星一号夜间灯光影像的评估［J］. 武汉大学学报（信息科学版）， 2023 ， 48 （ 8 ）： 1273 - 1285 .

ZHONG Qianqian ， XIAO Rui ， CAO Hanrui ， et al . Evaluation of Qimingxing-1 Nighttime Light Image ［J］. Geomatics and Information Science of Wuhan University ， 2023 ， 48 （ 8 ）： 1273 - 1285 .

CHEN J Q ， WEI H ， LI N ， et al . Exploring the Spatial-Temporal Dynamics of the Yangtze River Delta Urban Agglomeration Based on Night-Time Light Remote Sensing Technology ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2020 ， 13 ： 5369 - 5383 .

BERGANTINO A S ， DI LIDDO G ， PORCELLI F . Regression-Based Measure of Urban Sprawl for Italian Municipalities Using DMSP-OLS Night-Time Light Images and Economic Data ［J］. Applied Economics ， 2020 ， 52 （ 38 ）： 4213 - 4222 .

HE X ， ZHANG Z M ， YANG Z J . Extraction of Urban Built-up Area Based on the Fusion of Night-Time Light Data and Point of Interest Data ［J］. Royal Society Open Science ， 2021 ， 8 （ 8 ）： 210838 .

PAN W B ， FU H M ， ZHENG P . Regional Poverty and Inequality in the Xiamen-Zhangzhou-Quanzhou City Cluster in China Based on NPP/VIIRS Night-Time Light Imagery ［J］. Sustainability ， 2020 ， 12 （ 6 ）： 2547 .

LIANG H D ， GUO Z Y ， WU J P ， et al . GDP Spatialization in Ningbo City Based on NPP/VIIRS Night-Time Light and Auxiliary Data Using Random Forest Regression ［J］. Advances in Space Research ， 2020 ， 65 （ 1 ）： 481 - 493 .

IVAN K ， HOLOBÂCĂ I H ， BENEDEK J ， et al . Potential of Night-Time Lights to Measure Regional Inequality ［J］. Remote Sensing ， 2020 ， 12 （ 1 ）： 33 .

李熙，巩钰，邵振峰，等 . 夜间灯光遥感视角下的中国对中亚地区援助效果评估［J］. 武汉大学学报（信息科学版）， 2023 ， 48 （ 12 ）： 1914 - 1922 .

LI Xi ， GONG Yu ， SHAO Zhenfeng ， et al . Evaluation of China’s Aid to Central Asia from the Perspective of Night-Time Light Remote Sensing ［J］. Geomatics and Information Science of Wuhan University ， 2023 ， 48 （ 12 ）： 1914 - 1922 .

STATHAKIS D ， BALTAS P . Seasonal Population Estimates Based on Night-Time Lights ［J］. Computers， Environment and Urban Systems ， 2018 ， 68 ： 133 - 141 .

SONG J C ， TONG X Y ， WANG L Z ， et al . Monitoring Finer-Scale Population Density in Urban Functional Zones： A Remote Sensing Data Fusion Approach ［J］. Landscape and Urban Planning ， 2019 ， 190 ： 103580 .

HE M ， XU Y M ， LI N . Population Spatialization in Beijing City Based on Machine Learning and Multisource Remote Sensing Data ［J］. Remote Sensing ， 2020 ， 12 （ 12 ）： 1910 .

VERNON HENDERSON J ， STOREYGARD A ， WEIL D N . Measuring Economic Growth from Outer Space ［J］. The American Economic Review ， 2012 ， 102 （ 2 ）： 994 - 1028 .

JIANG S N ， WEI G E ， ZHANG Z K ， et al . Detecting the Dynamics of Urban Growth in Africa Using DMSP/OLS Nighttime Light Data ［J］. Land ， 2021 ， 10 （ 1 ）： 13 .

LI X ， GE L L ， CHEN X L . Detecting Zimbabwe’s Decadal Economic Decline Using Nighttime Light Imagery ［J］. Remote Sensing ， 2013 ， 5 （ 9 ）： 4551 - 4570 .

张悦，李众，曲春红 . 非洲农业现代化发展：现状、挑战与机遇［J］. 中国食物与营养， 2021 ， 27 （ 6 ）： 17 - 22 .

ZHANG Yue ， LI Zhong ， QU Chunhong . Agricultural Modernization in Africa： Status Quo， Challenges and Opportunities ［J］. Food and Nutrition in China ， 2021 ， 27 （ 6 ）： 17 - 22 .

GIGLIO L ， DESCLOITRES J ， JUSTICE C O ， et al . An Enhanced Contextual Fire Detection Algorithm for MODIS ［J］. Remote Sensing of Environment ， 2003 ， 87 （ 2-3 ）： 273 - 282 .

SCHROEDER W ， OLIVA P ， GIGLIO L ， et al . The New VIIRS 375 m Active Fire Detection Data Product： Algorithm Description and Initial Assessment ［J］. Remote Sensing of Environment ， 2014 ， 143 ： 85 - 96 .

ELVIDGE C ， ZHIZHIN M ， HSU F C ， et al . VIIRS Nightfire： Satellite Pyrometry at Night ［J］. Remote Sensing ， 2013 ， 5 （ 9 ）： 4423 - 4449 .

ROMÁN M O ， WANG Z S ， SUN Q S ， et al . NASA’s Black Marble Nighttime Lights Product Suite ［J］. Remote Sensing of Environment ， 2018 ， 210 ： 113 - 143 .

LI X ， SHANG X Y ， ZHANG Q L ， et al . Using Radiant Intensity to Characterize the Anisotropy of Satellite-Derived City Light at Night ［J］. Remote Sensing of Environment ， 2022 ， 271 ： 112920 .

LI X ， MA R ， ZHANG Q ， et al . Anisotropic Characteristic of Artificial Light at Night-Systematic Investigation with VIIRS DNB Multi-temporal Observations ［J］. Remote Sensing of Environment ， 2019 ， 233 ： 111357 .

JUN C ， BAN Y F ， LI S N . Open Access to Earth Land-Cover Map ［J］. Nature ， 2014 ， 514 ： 434 .

BELGIU M ， DRĂGUŢ L . Random Forest in Remote Sensing： A Review of Applications and Future Directions ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2016 ， 114 ： 24 - 31 .

李明洁，王明常，王凤艳，等 . 基于多特征随机森林算法的深圳市土地利用分类［J］. 世界地质， 2022 ， 41 （ 3 ）： 632 - 640 .

LI Mingjie ， WANG Mingchang ， WANG Fengyan ， et al . Land Use Classification in Shenzhen Based on Multi-features Random Forest Algorithm ［J］. World Geology ， 2022 ， 41 （ 3 ）： 632 - 640 .

马玥，姜琦刚，孟治国，等 . 基于随机森林算法的农耕区土地利用分类研究［J］. 农业机械学报， 2016 ， 47 （ 1 ）： 297 - 303 .

MA Yue ， JIANG Qigang ， MENG Zhiguo ， et al . Classification of Land Use in Farming Area Based on Random Forest Algorithm ［J］. Transactions of the Chinese Society for Agricultural Machinery ， 2016 ， 47 （ 1 ）： 297 - 303 .

杨潇钰，余勤，叶强，等 . 基于遥感技术的输电走廊植被山火预警平台研究［J］. 自然灾害学报， 2021 ， 30 （ 6 ）： 67 - 76 .

YANG Xiaoyu ， YU Qin ， YE Qiang ， et al . An Early Warning Platform of Mountain Fire in Transmission Corridor Based on Remote Sensing ［J］. Journal of Natural Disasters ， 2021 ， 30 （ 6 ）： 67 - 76 .

尹俊玥，何瑞瑞，赵凤君，等 . 多源卫星遥感影像的林火监测［J］. 光谱学与光谱分析， 2023 ， 43 （ 3 ）： 917 - 926 .

YIN Junyue ， HE Ruirui ， ZHAO Fengjun ， et al . Research on Forest Fire Monitoring Based on Multi-source Satellite Remote Sensing Images ［J］. Spectroscopy and Spectral Analysis ， 2023 ， 43 （ 3 ）： 917 - 926 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Turkey-Syria Earthquake Assessment Using High-Resolution Night-time Light Images

Autonomous Robotic Mapping for Complex Spaces： Progress， Challenges and Future Perspectives

A Framework for Evaluating Geospatial Cognitive Abilities of Multimodal Large Language Models for Brain-Inspired Spatial Intelligence

Research Progress in Eco-Geological Environmental Monitoring and Construction of an Intelligent Monitoring System in the Qinling Mountains

Spatiotemporal Evolution and Explainable Analysis of Grassland Vulnerability in the Hohhot-Baotou-Ordos-Yulin Urban Agglomeration

Related Author

LI Xi

CAO Hanrui

GONG Yu

Fei LI

Qingwu YAN

Yajing ZOU

Baoli LIU

Related Institution

State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University

School of Environment Science and Spatial Informatics, China University of Mining and Technology

Jiangsu Key Laboratory of Resources and Environmental Information Engineering, China University of Mining and Technology

School of Public Policy and Management, China University of Mining and Technology

AI问答

⁰