基于地理加权回归模型与林火遥感数据估算森林年龄

【目的】通过地理加权回归(GWR)模型估算非干扰林龄,利用遥感数据和林火发生历史数据,获取过火区域信息,进而对林火烈度分级,讨论林火烈度与森林类型的交互作用,估算干扰林龄,最终获得黑龙江省森林年龄的空间分布。【方法】以黑龙江森林为研究区域,基于研究区域的多光谱数据结合地面森林资源清查数据,通过逐步回归方法提取了包括遥感因子绿度指数(Greeness)、湿度指数(Wetness)、林分平均胸径(ADBH)、林分平均树高(ASH)及海拔(Altitude)在内的5个显著因子作为自变量,采用GWR模型建立非干扰林龄估算模型。采用全局Moran I来描述模型残差的空间自相关性。绘制研究区非干扰林龄空间分布图并探究林龄的空间分布状态。[JP+1]结合林火位置与面积记录对多光谱数据目视解译提取过火区域,根据dNBR将过火区域火烈度分级。将火烈度图与植被类型图叠加分析,讨论不同森林类型在不同火烈度下的演替情况。定义干扰林龄时,未发生树种更替的森林林龄不变,树种发生更替的森林在林火发生年将其林龄归为0,并在新的优势树种萌发时从1开始累加,以此类推干扰后森林的林龄。【结果】黑龙江省非干扰森林平均林龄为48年,标准差为16年。GWR模型的 Radj^2 为0.68,RMSE为16.171 7。使用Moran I来检验模型的残差,发现GWR模型可很好地消除残差的空间自相关性。研究区林龄整体空间分布状态不均匀,大兴安岭地区林龄普遍高于黑龙江林区。黑龙江省2000―2010年林火主要发生在大兴安岭及小兴安岭地区,根据dNBR将已提取的过火区域林火烈度分为:未过火、轻度过火、中度过火和重度过火4类,总过火面积为527 932 hm^2,其中重度29 157 hm^2、中度180 268 hm^2、轻度318 507 hm^2。兴安落叶松林和蒙古栎林在整个研究区中过火面积最大,分别占总过火面积的28.63%和47.23%。根据不同森林类型在不同火烈度下的演替情况,估算干扰森林的林龄并绘制干扰林龄空间分布图。【结论】 GWR模型能较有效地估算黑龙江省非干扰林龄,成功地降低了残差的空间自相关性。在估算林龄的过程中加入林火干扰因素,以获取更真实的林龄空间分布数据,可为黑龙江地区森林NPP、NEP以及森林碳储量、森林生物量等相关研究提供数据支持。     

呼中林区火烧迹地遥感提取及林火烈度的空间分析

【目的】利用Landsat TM影像,采用遥感指数构建决策树分类模型,提出一种识别火烧迹地面积与林火烈度分析的新方法,并结合坡度、坡向、海拔等地形因子对过火区域火烈度的空间分布进行科学系统的分析研究,为大兴安岭地区森林防火和林火管理提供一定的理论依据和数据支持。【方法】以大兴安岭地区呼中林区为研究区,以2010年9月火后TM影像以及2007年9月火前TM影像为基础数据,以DEM影像、林相图为辅助数据,利用NDVI、NDSWIR、MNDWI和dNBR等遥感指数构建决策树分类模型,对呼中林区2010年10场火烧迹地进行识别,根据dNBR阈值法将过火区域火烈度分为4级,并利用Arcgis软件将火烈度图分别与坡度、坡向、海拔图叠加分析。【结果】利用决策树分类模型所提取火烧迹地面积的分类总体精度和Kappa系数分别为97.97%和0.943 2,与平行六面体法和ISODATA法的分类的精度相比分别提高了7.56%和17.32%,Kappa系数也相应提高。决策树模型提取火烧迹地的制图精度和用户精度分别为97.51%和97.54%,而平行六面体分类法分别为90.43%和96.52%,ISODATA法分别为94.35%和95.68%。利用dNBR阈值法将已提取的过火区林火烈度分为:未过火、轻度火烧、中度火烧、重度火烧4个级别,其中中度火烧和重度火烧分别占总过火面积的46.6%和33.2%。叠加分析后,海拔在1 000~1 500 m的地区过火面积共4 177 hm~2,占总过火面积的64.4%。Ⅲ级坡(6°~15°)过火面积最大,占总过火面积的45.9%。南坡过火面积最大,为1 391 hm~2,约占总过火面积的21.4%。【结论】本文所使用的决策树分类模型能够准确地识别过火区域,在精度上相较平行六面体法与ISODATA法有显著提高,且过火面积也更接近目视解译判读所得到的过火面积,精度均达到82%以上。dNBR阈值法可将过火区域火烈度分为4个等级,结果表明过火区域中度火烧和重度火烧占总过火面积的比重较大,林火烈度与海拔、坡度、坡向之间存在一定相关关系。     

基于GWR的大兴安岭森林立地质量遥感分析

【目的】建立遥感信息模型,估算森林地位级指数,对森林立地质量的空间分布进行系统研究,为森林经营管理和营林造林提供数据支持与理论依据。【方法】以黑龙江省大兴安岭地区为研究区域,基于研究区域的多光谱数据结合地面森林资源清查数据,采用以最小二乘为基础的多元线性模型(全局模型)和以地理加权回归(GWR)为基础局域回归模型提取包括遥感因子土壤修正植被指数(MSVI)、差值植被指数(DVI)和林分因子林分平均胸径(ADBH)、林分郁闭度(FCC)在内的4个因子作为自变量,建立地位级指数全局估算模型和局域估算模型。对比2种方法,最终采用地理加权回归模型来绘制研究区域地位级指数空间分布图,对研究区域的立地质量进行评价与分析,并探索研究区域内森林地位级指数的空间分布状态随地形的变化趋势。采用全局Moran I描述不同空间尺度下模型残差的空间自相关性(以8 km为间隔计算从8 km到80 km)。【结果】大兴安岭地区地位级指数呈现明显的聚集分布,具体表现为东高西低、北高南低,并且最大值出现在北部区域。遥感因子和林分因子影响森林地位级指数的空间分布。地理加权回归模型的拟合和精度明显好于全局模型,其中全局模型的R2adj为0.48、AIC为1 816、RMSE为1.74,地理加权回归模型的R2adj为0.53、AIC为1 784、RMSE为1.29。通过模型模拟结果和实测值的对比分析发现,地理加权回归模型具有更高的验证精度和更好的拟合效果。基于地理加权回归模型残差分析可知,地理加权回归模型能够很好地解决模型残差的空间自相关性,产生更为理想的模型残差。【结论】全局模型和局域地理加权回归模型能够较为有效地估算黑龙江省大兴安岭地区森林地位级指数,加入样地位置信息进行回归分析的地理加权回归模型能够更有效地降低数据的空间自相关性,结果更符合传统统计模型中关于残差间相互独立的基本假设,使得建模过程更加科学合理。     

基于EVI的大兴安岭火烧迹地植被恢复特征研究

[目的 ]选取Landsat数据源,基于dNBR和EVI指数开展火烧迹地识别和植被恢复特征研究。[方法 ]以1987年大兴安岭北部林区根河林业局金林林场森林火灾为研究背景,在地类划分的基础上,以dNBR为基础数据,采用K-means方法识别并提取火烧迹地,并进行轻、中、重火烈度等级划分;基于火烧迹地的EVI(增强型植被指数)值,采用一元线性回归分析、Mann-Kendall和Theil-Sen median趋势分析等方法分析火烧迹地1987—2019年的植被恢复特征,探究大兴安岭火烧迹地植被恢复进程。[结果 ]基于dNBR得到研究区过火面积为1 291.68 hm2,轻、中、重度火烧迹地面积占比分别为45.70%、32.16%和22.14%,重度过火区分布于火烧迹地中心,从中心向外,过火强度逐渐降低;林火对迹地EVI影响明显,轻、中和重度火烧迹地EVI值分别下降约30.0%、48.3%和68.8%;林火后,随着植被的恢复,迹地EVI值逐渐增加,与对照区的差异逐渐缩小。不同烈度林地火烧迹地EVI恢复速率表现为重度中度轻度,灌草地火烧迹地的EVI值在林火发生后2 a即与对照持平;火烧迹地植被恢复过程中,林地EVI突变点较灌草地少,林地轻度火烧迹地EVI突变点较重、中度迹地少,对照区的突变时间点均滞后于火烧迹地。[结论 ]dNBR可用于研究区火烧迹地和火烈度提取研究。林火使迹地EVI值明显下降,下降程度随火烈度升高而增大。植被恢复过程中,迹地EVI值逐渐增加,林地轻度和中度火烧迹地在火后6～8 a,重度火烧迹地在火后14 a左右恢复为正常植被状态;而灌草地火烧迹地在林火发生后2 a即可恢复正常。火烈度和自然环境是影响大兴安岭火烧迹地植被恢复的主要因素。     

基于landsat影像大兴安岭地区林火烈度时空格局分析

基于大兴安岭地区1988—2009年landsat5 TM数据和地面火烧记录信息,在Envi5.3平台下获得大兴安岭地区多年连续火斑数据,提取火斑数据dNBR指数。结果表明:1988—2009年大兴安岭地区林火发生次数和过火面积均呈现上升趋势;在1998年天保工程实施之前,大兴安岭地区林火以低烈度火为主,1998年之后低烈度过火面积比率呈现显著下降趋势(P0.05);1998年之后高烈度过火面积比率呈现显著上升趋势(P0.01)。月均最高气温与高烈度火占比呈现显著的正相关关系(P0.05),与低烈度火呈现显著的负相关关系(P0.05);月平均风速与高烈度火呈现显著的负相关(P0.05),与低烈度火呈现显著的正相关(P0.05)。通过对比分析天保工程实施前后林火特征和气候的变化趋势,可以发现天保工程的实施对林火烈度产生极大的影响,是其改变的主要原因。     

利用不同时相遥感影像估算大兴安岭北部火干扰后NPP

森林火灾是森林生态系统中重要的干扰,对碳循环和碳平衡具有影响。林火作为大兴安岭森林生态系统中主要的干扰因子,直接影响区域的净初级生产力NPP(net primary productivity)。林火的发生使NPP迅速下降,改变了区域碳平衡。以多时相遥感数据为基础,利用CASA(Carngie-Ames-stanford-Approach)模型估算大兴安岭北部地区未过火区和过火区植被NPP变化。结果表明:1987年6月,未过火区植被NPP为145 g C m-2,轻度过火区为74 g C m-2,中度过火区为58 g C m-2,重度过火区植被NPP为38 g C m-2,火干扰后NPP分别降低了49%、60%、73%;1999年8月,火干扰12 a后,过火区NPP是未过火区NPP的96%以上,NPP恢复迅速,基本达到未过火区水平。2009年8月,火干扰22 a后,过火区NPP是未过火区93%以上,与火干扰12 a时相比,下降3%。虽然NPP增速下降,但是NPP总量增加,生产力也与未过火区基本处于同水平。     

基于幂律分布的森林燃烧生物量卫星遥感估测方法

【目的】利用长时间序列卫星遥感数据产品按森林类型建立大区域燃烧生物量估测模型,并按年生成不同森林类型的燃烧生物量,为我国年林火碳排放估测提供一种新的技术手段。【方法】采用覆盖我国陆地区域的2001—2014年MODIS火产品数据(MOD14A2),按3种森林类型分析该数据产品中的火灾辐射率(FRP)分布特性,并按森林类型构建基于幂律分布的燃烧生物量估测模型,对我国2001—2014年各年林火消耗的森林生物总量进行估测;利用对数形式的概率分布函数线性回归拟合方法求解模型幂参数m;选取每年10场左右的典型森林火灾建立回归方程,修正每年的火灾持续时间d,并以年为单位估测我国不同森林类型因燃烧消耗掉的生物量;同时,利用林火排放物计算模型结合MODIS火烧迹地数据集(MCD45A1),对估测的燃烧生物量进行对比分析。【结果】阔叶林、针叶林和灌木林的FRP数据均呈幂律分布规律,在2001—2014年14年中,林火导致全国的阔叶林年消耗总生物量在0.94~1.37 Mt之间、针叶林在0.80~1.92 Mt之间、灌木林在0.37~0.53 Mt之间。通过与林火排放物计算模型对比分析发现,这2种方法的估测结果在某些年份差异显著,甚至林火排放物计算模型估测的某些年份森林燃烧生物量超过本文研究方法估测的14年总结果。相比国家统计局公布的森林火灾发生次数和森林过火面积,本文研究方法估测的结果和年际变化更符合我国森林火灾发生规律。【结论】基于长时间序列的MODIS火产品数据表明,我国阔叶林、针叶林和灌木林燃烧释放的能量具有幂律分布特性;基于该分布特性,构建按森林类型估测全国森林因燃烧消耗的年森林生物总量模型,并估测出逐年森林因燃烧消耗的森林生物总量,通过与林火排放物计算模型估测的全国同年林火消耗掉的森林生物总量进行对比,该方法比林火排放物计算模型的估测结果更准确。     

基于Landsat 8遥感数据的森林火灾过火面积估算

以贵州省毕节市赫章县2021年3月18日较大森林火灾为例,利用火灾前后Landsat 8遥感数据及ENVI遥感数据处理分析软件,通过图像预处理、计算归一化植被指数和燃烧面积指数等方法,提取森林火灾过火区域,计算过火面积。结果表明,利用Landsat 8数据能够较好地提取森林火灾过火区域,过火面积估算准确率达96.2%。     

林火碳排放研究进展

火是森林生态系统主要的干扰因子, 森林火灾的频繁发生不仅使森林生态系统遭到破坏, 同时也造成了含碳温室气体的大量释放。综述了火烧面积、森林可燃物以及燃烧效率等主要因子对森林火灾排放碳量估计的影响, 分析了这一领域未来研究发展趋势。大量研究表明:1)卫星遥感是估测大尺度上森林过火面积的主要手段, 随着高分辨率卫星的应用, 森林火灾面积的估计精度不断得到提高。目前的研究主要集中于大尺度上林火面积的估计和估算方法的改进。2)遥感数据是目前估计大尺度可燃物燃烧量的有效手段, 利用遥感数据的同时结合有效可燃物计算模型, 运用多元线性与非线性分析结合等方法提高对可燃物燃烧量的估计。3)燃烧效率是决定可燃物消耗量的主要因子, 也是估计森林火灾释放含碳气体量的关键。未来的研究是利用高分辨率的遥感数据, 结合复杂的可燃物计算模型, 更精确地估计林火碳排放。     

要素投入驱动、产业结构升级与林业经济增长的空间效应解析——以黑龙江省重点国有林区为例

【目的】验证林业经济增长过程中是否存在显著的空间关联效应、空间集聚效应和空间溢出效应,探讨林业经济增长与要素投入、产业结构升级存在的内在关系。【方法】以黑龙江省重点国有林区40个林业局为例,运用全局Moran指数验证林业经济增长是否存在空间自关联效应,是否与劳动力、资本、森林管护、产业结构之间存在空间交叉关联效应;运用局部Moran指数检验林业经济增长是否存在空间集聚效应;运用空间回归模型检验林业经济增长是否存在空间溢出效应,并探讨空间溢出效应的表现形式。【结果】劳动力投入增长与林业总产值增长的全局Moran指数均值为负值,其他全局Moran指数均值为正值,并且整体上在0.10显著性水平上通过检验;局部Moran指数在0.10显著性水平上只有绥棱等8个林业局存在高增长集聚特征;空间回归模型显示劳动力投入存在显著的负向空间溢出效应,林业总产值、资本投入、森林管护、产业结构升级存在显著的正向空间溢出效应,并且空间杜宾固定效应模型的溢出效应均大于本地效应。【结论】要素投入驱动、产业结构升级与林业经济增长之间存在显著的空间关联效应,开始形成空间集聚效应;要素投入驱动与产业结构升级的边际效应主要通过空间溢出效应表现出来。黑龙江省重点国有林区林业经济增长的空间溢出效应本质上是知识溢出效应,具体表现在3个方面:生产内容与经营模式的同化、要素配置结构的趋同、产业结构升级的同步。     

喀纳斯泰加林群落与环境和火干扰因子的关系

【目的】划分森林群落类型,定量分析森林群落形成与其环境因子和火干扰因子之间的关系,为新疆喀纳斯泰加林群落物种多样性保护与森林可持续经营提供科学依据。【方法】以新疆喀纳斯泰加林火成演替森林群落为研究对象,基于149个森林群落样地及其火干扰发生时间和火烈度的调查,采用双向指示种分析(two-way indicator species analysis,TWINSPAN)方法对喀纳斯国家自然保护区科学实验区处于不同演替阶段的森林群落进行群落类型划分,并采用冗余分析(redundancy analysis,RDA)方法通过对其森林群落进行排序,分析森林群落形成与环境因子和火干扰因子的关系,定量分离环境因子、火干扰因子及其二者的交互作用对森林群落形成的影响。【结果】 1)TWINSPAN将149个森林群落调查样地划分为16种森林群落类型;2)RDA排序结果较好地反映了喀纳斯泰加林群落形成与环境因子和火干扰因子之间的关系,环境因子中的海拔、坡位、坡度、坡向、土壤有机质和全钾含量对森林群落的形成起较大的作用,其中海拔、坡位、坡度和坡向与RDA第1排序轴存在极显著相关性( P <0.01),土壤有机质和全钾含量与RDA第1排序轴存在显著相关性( P <0.05);火干扰因子中的火烈度对森林群落形成也起较大的作用,火烈度与RDA第2排序轴存在极显著相关性( P <0.01);3)因子分离显示,在影响喀纳斯泰加林群落形成的因素中,环境因子解释的部分占21.96%,火干扰因子解释的部分占1.80%,二者交互作用解释的部分占49.82%,未能解释的部分占26.42%。【结论】喀纳斯国家自然保护区科学实验区有16种森林群落类型,其森林群落形成受环境因子和火干扰因子的共同控制,并且二者的交互作用尤为突出。火干扰是新疆喀纳斯泰加林群落物种多样性保护与森林可持续经营不可或缺的重要因素。     

黑龙江省1980—2005年森林火灾时空特征

森林火灾是林火失去人为控制,在森林内自然蔓延和扩展,对生态系统和人类带来一定危害和损失的森林起火。森林火灾属世界性、跨国性的重大自然灾害,进入20世纪80—90年代以来,全球气候变暖导致森林火灾有上升的趋势,虽然各国的森林防火费用不断增加,但森林火灾发生的面积并未相     

Spatial modeling of the carbon stock of forest trees in Heilongjiang Province,China

Heilongjiang province is the largest forest zone in China and the forest coverage rate is 46%. Forests of Heilongjiang province play an important role in the forest ecosystem of China. In this study we investi- gated the spatial distribution of forest carbon storage in Heilongjiang province using 3083 plots sampled in 2010. We attempted to fit two global models, ordinary least squares model （OLS）, linear mixed model （LMM）, and a local model, geographically weighted regression model （GWR）, to the relationship between forest carbon content and stand, environment, and climate factors. Five predictors significantly affected forest carbon storage and spatial distribution, viz. average diameter of stand （DBH）, number of trees per hectare （TPH）, elevation （Elev）, slope （Slope） and the product of precipitation and temperature （Rain Temp）. The GWR model outperformed the two global models in both model fitting and prediction because it successfully reduced both spatial auto- correlation and heterogeneity in model residuals. More importantly, the GWR model provided localized model coefficients for each location in the study area, which allowed us to evaluate the influences of local stand conditions and topographic features on tree and stand growth, and forest carbon stock. It also helped us to better understand the impacts of silvi- cultural and management activities on the amount and changes of forest carbon storage across the province. The detailed information can be readily incorporated with the mapping ability of GIS software to provide excellent tools for assessing the distribution and dynamics of the for- est-carbon stock in the next few years.     

内蒙古大兴安岭北部原始林区森林火灾应急资源储备与调度研究

【目的】为更好地开展原始林区森林灭火工作,保护内蒙古大兴安岭北部原始林区森林生态资源。【方法】对内蒙古大兴安岭重点国有林管理局下辖的22个林业局,3个自然保护区的应急资源储备情况进行了整理,同时对北部原始林区森林火灾发生的时间规律和空间规律分别进行了分析,在此基础上采用ArcGIS软件,对内蒙古大兴安岭重点国有林管理局森林火灾应急资源的空间分布状况与内蒙古大兴安岭北部原始林区近5年森林火灾发生的空间分布状况进行了叠加分析,依据叠加分析的结果对内蒙古大兴安岭重点国有林管理局森林火灾应急资源空间分布的合理性进行了评判。【结果】叠加分析结果显示,目前内蒙古大兴安岭北部原始林区周边林业局森林火灾应急资源空间配置存在区域集聚以及北部原始林区附近应急资源配置不足等不合理问题。在对内蒙古大兴安岭重点国有林管理局森林火灾应急资源储备情况整理分析的基础上,创新性地提出了以应急物流系统所需时间最少和费用最小为目标进行优化的森林火灾应急资源分配模型。【结论】最后通过实例证明,该模型可以优化森林火灾应急物流系统中资源配置体系,为应急资源的合理调配提供了指导,对于实现科学决策指挥,保护北部原始林区森林生态资源具有一定的现实意义。     

2003—2018年中国森林火灾时空分布格局研究

基于2003—2018年的中国森林火灾统计数据,全面分析了森林火灾发生的时空分布格局,定量分析了其统计学规律,旨在为森林火灾预测、管理和风险决策提供基础支撑。分析结果表明,森林火灾的发生具有极强的随机性和离散性,通过森林火灾总次数、火场面积和受害森林面积的平均数来反映森林火灾发生风险将会导致评估结果偏高。森林火灾发生次数较多的为湖南、贵州、广西等省,而森林火场面积和受害森林面积较多的为黑龙江、内蒙古、云南、湖南、广西等省。按照森林火灾发生的格局,运用K均值聚类分析将31省分为4类。     

基于INFORM模型与GEE的根河火烧迹地冠层含水量反演研究

【目的】提出一种结合辐射传输模型与遥感云平台反演火烧迹地冠层含水量(Canopy water content,CWC)的新方法,弥补目前对火烧迹地恢复阶段植被含水量的监测,为定量监测植被水分与火灾预警提供理论参考。【方法】以内蒙古自治区根河市火烧迹地为研究对象,基于INFORM辐射传输模型,使用查找表的方法反演森林冠层含水量,并结合Google Earth Engine(GEE)大数据遥感平台与Mann-kendall模型分析了火烧迹地的冠层含水量时序性变化,最后绘制根河2018年8月森林冠层含水量分布图。【结果】1)基于样地的CWC反演精度较高(R2为0.79);2)大范围的归一化水分指数(Normalized difference water index, NDWI)和CWC呈指数关系(R2为0.77),但CWC比NDWI的饱和点更高;3)CWC可作为火烧迹地恢复的生态指标,获得了34 a的CWC时序性反演结果,表明火灾后CWC明显降低,并基于Mann-kendall模型得到各样地CWC和LAI的恢复速率。【结论】联合INFORM模型与GEE反演并监测火烧迹地冠层含水量,方法通用且高效。火烧迹地在恢复过程中面临再次发生火烧和虫害病害的风险,研究结果可为森林防火和森林病虫害监测提供技术支持,对该区域森林火灾与森林虫害的预警有一定意义。     

基于高分二号的旺业甸林场蓄积量估测模型研究

【目的】为了探究国产高分二号(GF-2)影像在林分蓄积量估测中的潜力,并找到最佳的蓄积量估测模型。【方法】本次实验以内蒙古旺业甸林场为研究区,以高分二号卫星影像为信息源,结合2017年10月份调查的75块样地以及同时期的GF-2影像数据,提取波段特征、植被指数和纹理特征等43个遥感因子作为候选变量,利用Pearson相关系数选择出与蓄积量显著相关的6个变量,采用多元线性回归模型(MLR)、BP-神经网络模型(BP-ANN)、随机森林模型(RF)、支持向量机模型(SVM)和K邻近模型(KNN)进行蓄积量的估测。以决定系数(R^2)、均方根误差(RMSE)、相对均方根误差(RRMSE%)作为5种模型的评价指标,选择出旺业甸林场的最佳蓄积量估测模型,并绘制了研究区的森林蓄积量分布图。【结果】4种机器学习模型的结果明显优于传统的线性模型,其中随机森林(RF)模型和K邻近模型(KNN)均得到了较高的精度,其中RF模型的R^2为0.66,均方根误差为55.2 m^3/hm^2,相对均方根误差为28.1%,KNN模型的R^2为0.64,均方根误差为57.6 m^3/hm^2相对均方根误差为29.3%。【结论】在利用高分二号数据进行旺业甸林场蓄积量估测时,RF和KNN模型在估测针叶林蓄积量时相比于其他模型可以取得更好的结果。     

中国森林火灾发生规律及预测模型研究

量化分析森林火灾发生规律能为预测和防治森林火灾提供科学依据。文中采用四参数Weibull分布描述了我国森林火灾发生次数和火场面积分布规律,运用Spearman相关系数分析承灾主体因子、灾害管理因子、孕灾环境因子与森林火灾发生次数、面积间关系,基于全国森林火灾数据分别建立灰色系统理论模型、BP人工神经网络模型和时间序列ARIMA模型,并采用Markov随机过程改进已建立模型。结果表明,我国森林火灾发生次数分布呈左偏正态分布,火场面积呈倒J型分布,火灾次数和火场面积分布模型拟合决定系数分别为0.63和0.66;承灾主体、孕灾环境和灾害管理对森林火灾次数和火场面积影响程度依次减小,人工林面积、累年年平均气温、年降雨量平均差值、年最低气温平均日数与森林火灾发生具有明显相关性,影响森林火灾的因子与森林火灾发生次数、火场面积间存在指数型关系;不同模型对森林火灾发生次数和火场面积拟合优度次序为BP模型、GM（1,1）-Markov模型、BP-Markov模型、GM（1,1）模型、ARIMA模型、ARIMA-Markov模型,采用Markov过程能显著改进GM（1,1）预测模型对火灾随机性的预测效果,可以更好地反映森林火灾发生规律。     

多极化星载SAR森林覆盖变化检测方法

【目的】利用多极化星载SAR数据,分析后向散射强度比值影像的概率密度分布特征,融合后向散射强度信息和影像空间上下文信息,提出一种具有较高检测正确率及较低虚警率和漏警率的森林覆盖变化检测方法,为多极化SAR卫星数据的业务化应用提供技术支撑。【方法】将"2期分别分类森林覆盖变化检测法"(CBFC)与"贝叶斯最大期望-马尔科夫随机场(EM-MRF)变化检测法"相结合,首先采用阈值分割法分别对2期多极化SAR影像进行森林-非森林分类得到初始森林覆盖变化图,然后以初始森林覆盖变化图作为训练数据对多极化比值影像进行Fisher特征变换和EM-MRF分类处理,2个时相的HH、HV极化比值影像经Fisher特征变换转化为一个综合差异影像,输入EM-MRF进行迭代分类得到森林覆盖变化检测结果。以黑龙江省逊克县为试验区,以2期ALOSPALSAR双极化数据为SAR遥感数据,以对2期Landsat-5影像、高空间分辨率遥感影像进行目视解译得到的森林覆盖变化图为参考,对本研究提出方法的有效性与CBFC方法及直接用CBFC提取的森林覆盖变化检测图掩膜EM-MRF地表覆盖变化检测图方法(CBFC-EM-MRF)进行比较评价。【结果】通过Fisher特征变换得到的差异影像可有效增强森林覆盖变化、未变化类别的对比度;CBFC通过阈值分割法进行森林-非森林分类,提取的森林覆盖变化图中出现很多面积很小的虚警检测,漏警率也很高,而本研究提出方法通过MRF加入影像空间上下文信息,提高了检测结果的空间连贯性,森林覆盖变化检测虚警率为1.58%,漏警率为11.87%,正确率为98.36%,检测效果和精度明显优于CBFC和CBFC-EM-MRF。【结论】多极化星载SAR森林覆盖变化检测方法具有收敛性好、检测结果可信度高、需要用户交互较少等特点,对我国高分三号及未来其他多极化SAR卫星的森林资源监测业务应用具有重要参考价值。