中国东北农村地区，春秋季节由于秸秆的大量焚烧，大气悬浮颗粒物含量明显升高，PM10和PM2.5可以升高0.5至4倍。露天生物质燃烧（Open-air biomass burning，OBB）是微量气体污染物和细小碳质颗粒物（particulate matter，PM）的主要排放源。大面积、高强度的露天焚烧秸秆会对区域的空气质量以及当地的公共卫生安全造成损害。秸秆燃烧检测主要是靠检测秸秆焚烧的产物来实现的，烟羽检测是秸秆燃烧检测的重要手段之一，也是近年来机器视觉领域研究的热点和难点。卫星遥感技术的大面积、同步、经济的监测能力，能够实现地球表面全球观测并为检测秸秆焚烧释放的烟羽提供大量有用的数据。因此迫切需要开展适用于卫星遥感影像的秸秆焚烧烟羽检测的算法研究。 

　　针对上述问题，本研究基于Sentinel-2遥感数据，对YOLOv5s算法进行改进，同时还对Sentinel-2的各波段进行光谱特征分析，选出可分离度较好的波段用于模型构建，通过增加信息来降低其他地物类型对烟羽检测的干扰。

　　图1 三对不同地物之间（烟羽对云、烟羽对背景、烟羽对水体）的可分离度 

　　本研究探索了Sentinel-2遥感影像在烟羽检测方面的潜力，提高了改进的YOLOv5s模型对Sentinel-2影像烟羽识别的精度，还分析了空间分辨率对模型识别的影响。

　　图2 2020年11月11日的影像在不同阈值下的二值化分割结果 

　　图3 在150的阈值下，不同空间分辨率的二值化分割结果：（a）空间分辨率为10m；（b） 空间分辨率为20m；（c） 空间分辨率为60米

　　结果表明，在RGB中加入Band 6，烟羽识别的精确率提高了6.06%，在RGB_Band6中加入Band 7，与只输入RGB三通道相比，模型的精确率下降了7.74%，说明增加输入信息可以适当提高烟羽检测模型的精度，但是波段的选择很关键，太多的无用信息会导致特征提取困难并降低烟羽检测的准确性。将空间分辨率为60m，20m和10m的数据作为模型输入，模型的精确率分别为90.87%，80.71%和49.79%，表明更高的空间分辨率不一定能改善模型的性能，提高空间分辨率也会放大影像背景的细节，给遥感识别和烟羽的信息提取增加一些干扰噪声，从而降低模型的性能。 

　　该研究发表在遥感国际重要期刊《Remote Sensing》（中科院二区TOP），由东北地理所刘华联培硕士研究生（第一作者）、杜嘉高级工程师（通讯作者）等共同完成。研究得到国家重点研发计划子课题（2021YFD1500103）、中国科学院战略性先导科技专项课题长春示范区子课题（XDA28080500）和吉林省环保厅项目（E139S311）的共同资助。 

　　论文信息：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. 

　　链接： https://doi.org/10.3390/rs15102641