PSAT-FMP：面向关键输电基础设施的资产感知火灾监测平台

《Remote Sensing Applications: Society and Environment》：PSAT-FMP: An asset-aware fire monitoring platform for critical transmission infrastructure

　　

**摘要**

野火对输电基础设施构成反复威胁，尤其是在植被茂密的地区。现有的卫星火灾信息服务支持大范围监测，但其输出结果并不总是适合面向基础设施的评估，特别是在存在持续工业热源或空间局部化事件的情况下。本研究提出了PSAT-FMP，这是一种资产感知的火灾监测系统，通过传感器特定的卫星工作流和上下文感知的警报生成，旨在保护输电基础设施。该平台将NOAA-20 VIIRS和Sentinel-2 A MSI影像与地理参考基础设施数据、排除区和基于距离的严重性分类相结合，在基于AWS的操作工作流中运行，而火灾检测组件则采用U-Net架构和EfficientNet-B7骨干网络实现。在巴西米纳斯吉拉斯州，该部署产生了226条火灾警报，涉及56条受监测的输电线路。在评估的数据集上，分割模型对NOAA-20的测试IoU值为0.90，对Sentinel-2 A的测试IoU值为0.94。与FIRMS进行的针对性对比评估进一步表明，所提出的工作流可以减少作为警报传播的工业热响应，并通过Sentinel-2 A分支在粗粒度大范围火灾产品未涵盖的情况下识别局部火灾相关事件。这些结果表明，资产感知的火灾监测可以为输电基础设施保护提供具有操作相关性的支持。本研究贡献了一个应用框架，将传感器特定的火灾检测、空间上下文和严重性分类的警报生成整合在统一的监测工作流中。

**引言**

野火对生态系统、公共安全和关键基础设施构成重大威胁，特别是在穿越偏远或植被茂密地区的输电线路（Muhs等，2020；da Costa等，2025）。在巴西，2024年1月至6月期间，靠近输电线的火灾事件导致29,859次电力供应中断，与上年同期相比增长了34%（Oliveira，2024；巴西国家电力监管局，2025）。这些中断可能由多种机制引起，包括对塔架和导线的直接热损伤、烟雾引起的闪络、因附近火灾活动而触发的预防性停机，以及受火灾削弱后的植被倒伏到电线上（Muhs等，2020）。因此，早期可靠的火灾检测可以支持火锋到达关键资产之前的人员调度、负荷转移和受控停机等缓解措施。除了服务中断外，2024年巴西电力部门的火灾相关维护和应急响应费用估计达到1.3亿美元（Sobreira等，2025），凸显了针对能源基础设施保护的监测系统的操作和经济重要性。

能源公司通常依赖卫星平台在区域和全球尺度上监测野火活动。最广泛使用的系统之一是NASA的火资源管理信息系统（FIRMS），该系统利用MODIS和VIIRS传感器，通过上下文热异常算法提供近实时的主动火点检测（Giglio等，2003；Schroeder等，2014；Giglio等，2016）。虽然这些产品在大范围监测方面很有效，但在面向基础设施保护的应用中仍然有限。首先，它们检测的是热异常而非野火，这意味着与野火活动无关的强烈热源，如工业操作、气体燃烧或高反射表面，也可能触发警报（Schroeder等，2014；Giglio等，2016；Prasetyo等，2022）。这一局限性在工业设施和植被区域共存的景观中尤为相关，例如巴西输电走廊沿线常出现的情况。其次，MODIS和VIIRS的空间分辨率限制了小火灾或低强度事件的检测，而这些事件可能仍然威胁到附近的基础设施（Coskuner，2022；Xu等，2025）。第三，现有平台通常不纳入地理参考的基础设施数据，也不根据检测点与关键资产的接近程度进行优先级排序。因此，这些系统提供了有用的区域态势感知，但在资产特定的操作决策方面提供的支持有限。

尽管在卫星遥感和深度学习火灾检测方面取得了显著进展，但很少有研究解决了关键基础设施附近资产感知野火监测的具体挑战（Ghali和Akhloufi，2023；Rostami等，2022）。大多数现有平台和方法专注于通用火灾检测或大规模过火区制图，没有纳入地理参考的基础设施数据来评估每次检测的操作相关性。这一差距促使了本研究的开展。

为解决上述局限性，我们提出了火灾监测平台（PSAT-FMP），这是一个基于云的系统，旨在利用卫星影像和地理参考基础设施数据进行持续的、资产感知的火灾检测和监测。PSAT-FMP通过专门的深度学习管道处理两个互补卫星星座的影像：NOAA-20 VIIRS提供12小时重访频率、750米分辨率的热数据，而Sentinel-2 A MSI提供5天重访周期、20米分辨率的高分辨率光学影像。每个管道采用基于EfficientNet-b7骨干网络的U-Net分割模型，在带有手动标注火灾掩膜的传感器特定数据集上训练。虽然两个管道独立运行并针对各自传感器的光谱和空间特征进行优化，但它们的输出在一个统一的警报生成框架中汇聚，该框架利用NOAA-20的时间频率实现快速检测覆盖，并利用Sentinel-2 A的空间细节实现精确的火灾界定。

PSAT-FMP的一个显著特征是其资产感知监测范式，该范式将地理参考的基础设施数据直接整合到火灾检测工作流中。用户通过上传Shapefile文件注册关键资产，如输电线路和塔架，平台自动从这些文件中生成缓冲区域感兴趣区（ROI）和针对已知非火灾热源的可选排除区。仅在受监测的ROI内的检测才会生成火灾警报，并根据检测点到最近注册资产的距离进行严重性分类。这样一来，该平台并不将火灾检测视为孤立的分类任务，而是将火灾监测框定为以基础设施为中心的风险评估问题，其中每次检测的操作相关性由其与关键资产的空间关系决定。

在此背景下，本研究的主要贡献包括：
(i) 一个资产感知的火灾监测框架，其中基于卫星的检测是根据受监测基础设施、排除区和基于距离的严重性等级进行解释的。
(ii) 针对FIRMS的针对性对比评估，涉及两个操作相关的场景：存在持续热源的工业环境和通过Sentinel-2 A分支识别的局部火灾相关事件。
(iii) 一个基于AWS的操作工作流，整合了连续影像获取、火灾检测、警报生成和输电基础设施监测的可视化。

本文其余部分组织如下。第2节回顾相关工作。第3节描述材料与方法。第4节报告结果。第5节讨论发现和局限性。最后，第6节总结全文。

**章节片段**

**相关工作**

与本研究相关的前期工作可分为三个领域：用于火灾监测的卫星平台、用于主动火检测的深度学习方法和与基础设施监测相关的遥感应用。这三个领域共同定义了本研究的研究背景，并明确了本研究解决的问题：火灾检测、地理参考基础设施数据和操作警报优先级排序之间的有限整合。

**方法工作流程概述**

PSAT-FMP被设计为一个操作工作流，其中传感器特定的火灾分割与地理参考基础设施数据相结合，生成资产感知的警报。该方法包括四个主要阶段：(i) 定义受监测资产和感兴趣区域（ROI），(ii) 卫星影像的连续获取和存储，(iii) 通过深度学习分割进行传感器特定的火灾检测，以及 (iv) 通过空间滤波和测地距离……（原文截断）

**结果**

本节报告了使用PSAT-FMP获得的主要结果，涵盖操作部署、分割性能以及与FIRMS的对比评估。第4.1节概述了该平台在巴西米纳斯吉拉斯州用于输电基础设施监测的部署情况。接下来，第4.2节呈现了NOAA-20和Sentinel-2 A分割模型的定量和定性结果。最后，第4.3节报告了两项相对于FIRMS的针对性对比评估……（原文截断）

**主要发现和贡献**

结果表明，PSAT-FMP的主要贡献在于设计了一个用于输电基础设施监测的资产感知基于卫星的火灾监测框架。特别是，本研究将传感器特定的火灾分割、相对于注册资产的空间上下文以及严重性分类的警报生成整合在单一操作工作流中。在这一理解下，该系统的贡献不仅限于图像层面的检测……（原文截断）

**结论**

本研究解决了如何将基于卫星的火灾检测组织成针对关键输电基础设施保护的操作监测工作流的问题。所提出的平台PSAT-FMP表明，在基于AWS的工作流中，将传感器特定的火灾分割与地理参考资产数据、基于距离的严重性分类和排除区过滤相结合，可以将通用火灾检测转化为基础设施参照的、具有……的警报（原文截断）

**CRediT作者贡献声明**

Alex Salazar：调查。Paulo Piratelo：调查。Santiago Piovesan：调查。Jhon Erazo：调查。Jorge Caceres：调查。Rick Souza：调查。Flavio Barbosa：调查。Mateus Favretto：项目管理。Paulo Violada：项目管理、概念化。Adelmo Antonio Correia：可视化。Arthur Chaves De Paiva Neto：可视化。Ruany Maia：可视化。Antonio Roberto Donadon：可视化。

**利益冲突声明**

作者声明以下财务利益/个人关系，可能被视为潜在的利益冲突：Jorge Caceres报告了财务支持和文章出版费用由高等教育人员改进协调委员会提供。如果还有其他作者，他们声明没有已知的可能影响本文所报告工作的竞争性财务利益或个人关系。

**致谢**

作者感谢CEMIG（米纳斯吉拉斯能源公司）和ANEEL（国家电力能源局）为本研究提供的资金支持（PD-04950-0664/2023）。作者声明没有利益冲突。此外，本研究的出版文章处理费用由高等教育人员改进协调委员会（CAPES）资助（标识符：ROR: 00x0ma614）。为了开放获取的目的，作者已分配Creative Commons CC BY许可证。

Alex Salazar | Paulo Piratelo | Santiago Piovesan | Jhon Erazo | Jorge Caceres | Rick Souza | Flavio Barbosa | Mateus Favretto | Paulo Violada | Adelmo Antonio Correia | Arthur Chaves De Paiva Neto | Ruany Maia | Antonio Roberto Donadon

SENAI嵌入式系统创新研究所，巴西弗洛里亚诺波利斯，Avenida Luiz Boiteux Piazza, 574 - Cond. Sapiens Parque - Canasvieiras, Florianópolis, 88054-700, SC, Brazil