卫星遥感在森林火灾监测与火险预报中的应用研究

卫星遥感在森林火灾监测与火险预报中的应用研究董武，张远洪，张玉贵（本溪市林业公安处）徐文兴，于尚友，杨友强（本溪市气象局）气象卫星能够连续的从空间遥感到地表特征。不仅可以获得测站稠密地区的资料。而且可以获得人烟稀少地区的信息．正因为如此．卫星资料越来...     

卫星遥感技术在林火管理与研究中的应用(英文)

卫星遥感已经成为森林火险等级预测、可燃物和火烧区制图、林火监测和火生态研究的一个主要数据来源。本文综述了这些研究领域的研究成果,分析了未来林火管理中采用的卫星遥感技术的发展趋势。根据卫星遥感数据制取的可燃物分布图可以满足林火管理在空间和时间尺度上的需要。单独采用遥感数据或结合地面气象数据可以生成一些火险指数,用于森林火险的预报。目前NOAA 和MODIS 卫星由于有高的时间分辨率已被广泛用于林火探测和监测,这些监测结果可以在许多林火网站上见到,这为世界各地的林火管理和研究提供了重要的参考资料。作为低成本的有效工具, 卫星遥感技术在确定火烧面积和过火区制图上发挥了重要作用。遥感技术的发展也可以用来推断火烧时间和估计火烧程度。卫星遥感也非常适合用来估计生物燃烧面积,这是估计全球或区域生物燃烧排放量和理解火对全球变化的影响的基础。本文还讨论了林火研究中采用的卫星类型。文章最后建议中国需要在卫星遥感技术的应用上进一步发展,提高我国的林火管理水平。参71。     

基于亚像元分解与增强的MODIS卫星林火监测图像制作

为提高低空间分辨率遥感影像在卫星林火监测部门的应用质量,获取更准确的火灾信息,制作可视效果更好、便于基层部门使用的卫星林火监测图像。本研究以2013年2月6日云南省大理市黄家村森林火灾为背景,研究了一种基于亚像元分解与增强技术的卫星林火监测图像制作技术。结果表明,通过亚像元分解与增强技术,对空间分辨率低的气象卫星遥感图像进行处理,可得到空间分辨率为30 m的图像产品,能够将低分辨率遥感影像处理成超分辨率的遥感影像图像。该技术可应用于林火监测部门发布相关的监测图像。     

我国森林火灾预警监测技术体系发展思考

对我国森林火灾的预警监测手段和卫星遥感预警监测技术研究的发展现状、存在问题和发展趋势进行了分析,并对构建服务于我国生态文明建设的天、空、地一体化的林火预警监测体系建设进行了展望。     

林火信息管理系统在天西林区的应用

在森林防火工作中,以遥感、地理信息系统、卫星定位系统为支柱的空间信息技术为林火预防和扑救提供了强大的技术支持。     

多颗气象卫星连续监测林火的序列图构建

选取2007年肇庆"11·29"森林火灾期间的历史卫星遥感数据,借助过境广东区域的多颗卫星数据实现对林火的动态连续监测。基于指数火情算法提取火点信息,构建林火区域序列图,从而实现对火点快速定位和连续监测。结果表明,与火点假彩色图像相比,指数火情图更适合业务自动化作业,指数火情图不仅可以指示地理位置,还可以清晰指示火点发展动态、划分林火区域火情强度和预测蔓延规律,在构建动态序列图上具有明显优势。     

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。     

专家系统用于摇感图像处理的方法研究

针对饣象卫星监测森林火灾和遥感图像分类问题，论述专家系统用于遥感图像处理的方法，使用框架和规则的知识表示方法，匹配和以正向推理为主的推理机制、综合的控制策略、使用信度处理不确定性的构造实用专家系统方法。据此实现的软件模块，经实验数据检测，取得满意的结果。     

专家系统用于遥感图像处理的方法研究*

针对气象卫星监测森林火灾和遥感图像分类问题，论述专家系统用于遥感图像处理的方法，使用框架和规则的知识表示方法、匹配和以正向推理为主的推理机制、综合的控制策略、使用置信度处理不确定性和构造实用专家系统的方法。据此实现的软件模块，经实验数据检测，取得满意的结果。     

应用EOS-MODIS数据进行林火监测的初步探索

本文简要的介绍了美国EOS系列卫星、EOSMODIS数据及其该数据的遥感应用 ,从理论上分析了EOSMODIS数据林火信息的识别和提取的原理及方法 ,介绍了几种MODIS的林火监测产品实例 ,并与应用AVHRR林火监测进行对比。     

Fire models and methods to map fuel types: The role of remote sensing

Understanding fire is essential to improving forest management strategies. More specifically, an accurate knowledge of the spatial distribution of fuels is critical when analyzing, modelling and predicting fire behaviour. First, we review the main concepts and terminology associated with forest fuels and a number of fuel type classifications. Second, we summarize the main techniques employed to map fuel types starting with the most traditional approaches, such as field work, aerial photo interpretation or ecological modelling. We pay special attention to more contemporary techniques, which involve the use of remote sensing systems. In general, remote sensing systems are low-priced, can be regularly updated and are less time-consuming than traditional methods, but they are still facing important limitations. Recent work has shown that the integration of different sources of information and methods in a complementary way helps to overcome most of these limitations. Further research is encouraged to develop novel and enhanced remote sensing techniques.     

遥感估测森林可燃物载量的研究进展

对采用遥感图像估测森林可燃物载量的方法进行综述.首先将现有方法根据对像元载量的分配方法,分成直接分配法和间接分配法2种.直接分配法分成聚类分析法和判别分析法;间接分配法分为简单植被特征法、林分模型法和综合因子约束法3种.然后对各方法的优缺点进行评价,指出现有方法整体准确率不高的不足,并分析产生误差的3个来源:1) 从遥感图像判读中间特征所产生的误差;2) 从中间特征到可燃物载量之间的误差;3) 使用可燃物模型所产生的误差.据此提出改进现有方法、提高估测准确率的3个思路:1) 使用新图像,如更高分辨率遥感图像、雷达图像或混合图像;2) 选择更合适的中间特征以及它们与可燃物载量的关系模型;3) 使用连续变量来描述可燃物载量.     

Multi-source land cover classification for forest fire management based on imaging spectrometry and LiDAR data

Forest fire management practices are highly dependent on the proper monitoring of the spatial distribution of the natural and man-made fuel complexes at landscape level. Spatial patterns of fuel types as well as the three-dimensional structure and state of the vegetation are essential for the assessment and prediction of forest fire risk and fire behaviour. A combination of the two remote sensing systems, imaging spectrometry and light detection and ranging (LiDAR), is well suited to map fuel types and properties, especially within the complex wildland–urban interface. LiDAR observations sample the spatial information dimension providing explicit geometric information about the structure of the Earth's surface and super-imposed objects. Imaging spectrometry on the other hand samples the spectral dimension, which is sensitive for discrimination of surface types. As a non-parametric classifier support vector machines (SVM) are particularly well adapted to classify data of high dimensionality and from multiple sources as proposed in this work. The presented approach achieves an improved land cover mapping adapted to forest fire management needs. The map is based on a single SVM classifier combining the spectral and spatial information dimensions provided by imaging spectrometry and LiDAR.     

大兴安岭呼中森林大火碳释放估算

森林火灾不仅破坏森林生态系统,还向大气中释放了大量含碳温室气体,影响碳循环。对林火碳释放进行有效地估算,可以更加深入了解林火对碳循环的作用。利用卫星遥感影像,分析了2010年6月大兴安岭呼中森林大火后植被指数变化,对火烧程度进行了分级,结合野外火烧迹地调查和可燃物含碳率,估算出不同火烧等级、不同植被类型林火过火面积、火烧消耗可燃物量和释放碳量。结果表明:此次大兴安岭呼中森林大火总过火面积为5 812.4hm2,消耗可燃物总量76 742.51t,释放碳34 534.13t,其中落叶松林和针阔混交林释放碳量分别为14 934.16和19 599.97t。     

可燃物分类与卫星遥感制图

This paper summarizes the fuel type systems currently adopted by the fire danger rating systems or fire behavior prediction systems of some countries, such as Canada, the United States, Australia, Greece, and Switzerland. As an example, the Canadian Forest Fire Danger Rating System organizes fuel types into five major groups, with a total of 16 discrete fuel types recognized. In the United States National Fire Danger Rating System, fuel models are divided into four vegetation groups and twenty fire behavior fuel models. The Promethus System （Greece） divides fuels into 7 types, and Australia has adopted only three distinct fuel types： open grasslands, dry eucalyptus forests, and heath/shrublands. Four approaches to mapping fuels are acceptable： field reconnaissance, direct mapping methods, indirect mapping methods, and gradient modeling. Satellite remote-sensing techniques provide an alternative source of obtaining fuel data quickly, since they provide comprehensive spatial coverage and enough temporal resolution to update fuel maps in a more efficient and timely manner than traditional aerial photography or fieldwork. Satellite sensors can also provide digital information that can be easily tied into other spatial databases using Geographic Information System （GIS） analysis, which can be used as input in fire behavior and growth models. Various fuel-mapping methods from satellite remote sensing are discussed in the paper. According to the analysis of the fuel mapping techniques worldwide, this paper suggests that China should first create appropriate fuel types for its fire agencies before embarking on developing a national fire danger rating system to improve the current data situation for it＇s fire management programs.     

基于RS和GIS的云南省森林火险预报研究

基于遥感、GIS技术,选取不同植被易燃等级、植被干燥度、森林气象火险预报等级作为森林火险预报因子,采用因子加权叠置法,计算得到云南省森林火险预报指数,划分为没有危险、低度危险、中度危险、高度危险和极度危险5个等级。研究结果表明,较之传统的森林火险气象预报,该预报模型能够更为准确地预测林火发生的可能性,更好地满足森林防火业务的需求。     

Sensitivity analysis of fire behavior modeling with LIDAR-derived surface fuel maps

Each year, wildland fires burn millions of hectares of forest worldwide. Fire managers need to provide effective methods for mapping fire fuels accurately. Fuel distribution is very important for predicting fire behavior. The overall aim of this project is to model fire behavior using FARSITE (Fire Area Simulator) and investigate differences in modeling outputs using fuel model maps, which differ in accuracy, in east Texas. This simulator model requires as input spatial data themes such as elevation, slope, aspect, surface fuel model, and canopy cover along with separate weather and wind data. Seven fuel models, including grass, brush, and timber models, are identified in the study area. To perform modeling sensitivity analysis, two different fuel model maps were used, one obtained by classifying a QuickBird image and the other obtained by classifying a LIDAR (LIght Detection and Ranging) and QuickBird fused data set. Our previous investigations showed that LIDAR improves the accuracy of fuel mapping by at least 13%. According to our new results, LIDAR-derived variables also provides more detailed information about characteristics of fire. This study will show the importance of using accurate maps of fuel models derived using new LIDAR remote sensing techniques.     

谷歌地球（Google Earth）在森林火灾扑救应急指挥中的应用

谷歌地球（Google Earth）是美国谷歌公司推出的免费全球地理信息系统服务软件,其以卫星照片和航空照片为底图,结合DTM数字模型,通过网络提供全球的遥感图像。以谷歌地球提供的共享空间数据和森林火灾预防、监测、扑救等数据为基础,可以对谷歌地球进行二次开发。通过森林防火的空间数据与属性数据相结合可以实现森林火场定位、火场信息查询、GPS辅助决策指挥、火灾损失评估、火灾数据统计分析等功能;能够在短时间内实现森林火灾的准确定位并提供森林火灾发生地和火场周围的地理信息,以便快速准确地引导扑火队员到达火场进行火灾扑救。