自然火灾遥感监测研究进展

冯博宇

中国地质大学（武汉），湖北 武汉 430074

0 引言

火在自然界中扮演着十分重要的角色，它影响着森林、草原和湿地中生物的多样性。最近几十年中，在全球范围内生物体燃烧的地理分布范围和持续燃烧时间都有所增加，使热辐射产物以及其对气候和环境的影响明显增强，火灾监测从而成为越来越热门的研究方向。对于分布范围广、分布地区不宜接近的自然火灾，遥感成为广泛应用的检测手段。了解遥感技术应用于火灾监测的近30年历史发展有助于理清其后续发展的道路。

1 国内外火灾遥感监测发展状况

最初用于检测火灾的图像来自航拍，但因其覆盖范围太小、在用于大面积火灾时需要拼接而不能满足实际需要。卫星遥感影像被发现可用于监测火灾是在1974年，Hitchcock和Hoffer利用计算机辅助分析观察到遥感影像中由火灾产生的可被区分的光谱不同区域。在这之后，随着遥感技术的不断发展，各种卫星传感器的成功升空，遥感图像在自然火灾检测中的应用迅速渗透到各种生态系统的火灾中。

国外这方面的遥感应用已经有30多年。早在1978年Benson和Briggs两人便使用Landsat MSS传感器数据，通过监督和非监督分类对温带针叶、阔叶混合林火灾进行观测。随后，人们逐渐意识到通过遥感数据识别火灾直接使用以往地表统计数据参数是不行的，这开启了对遥感火灾参数的探索。人们利用归一化植被指数（NDVI），通过反映地表植被覆盖情况而得到火灾信息。近十年，随着根据近红外和中红外波段数据计算得到的差异性归一化燃烧率（dNBR）提出，很多科学家开始使用此参数对遥感数据进行处理来获取火灾信息，它提供了一个用来评估火灾造成生态变化程度的连续尺度[1]。Christopher Legg和Yves Laumonier[2]使用NOAA/AVHRR传感器数据针对1997年印度尼西亚重大火灾采用设定阈值寻找热场的方法寻找火灾地点。Daniel Chongo[3]等人使用2001年1月到2003年12月的MODIS数据，对南非克鲁格国家公园上的草原火灾进行监测。其利用设置NDVI和监督分类的方法搜索火灾地区。Brigitte等人[4]根据加拿大森林火灾危险评定系统，在2002年利用雷达卫星ERS-1 SAR数据对寒带森林火灾进行研究。

遥感火灾监测首次在我国发挥巨大作用是发现1987年5月黑龙江省大兴安岭林区发生特大森林火灾，刘洋等人[5]使用1/20万的火灾期Landsat TM影像、SPOT影像和火灾前期的Landsat MSS影像对此次火灾进行观测。选取适当波段进行解译，确定人工训练样区，然后进行监督分类确定火情。张欢等人[6]在2007年通过增强和多通道彩色合成等图像处理的NOAA/AVHRR传感器数据提取当年4月30日发生在黑龙江省大兴安岭区罕诺河管护区发生的火灾信息。2009年，段颖等人[7]使用中巴资源卫星对云南安宁“3.29”重大森林大火进行监测，其从多波段卫星遥感数据提取窗口上的纹理均匀性指标、图斑变异性指标作为光谱识别指标。

2 常用于火灾监测的传感器

现在有很多卫星传感器（包括Landsat-TM，Landsat-MSS，MODIS，SPOT，DMSP，ERS-ATSR和JERS等）获得的数据可以用于火灾监测。这些具有不同时间分辨率、光谱分辨率和空间分辨率特点的仪器可以得到侧重方面不同的数据资料，其中不乏有适用于火灾监测的数据。M. Pilar Martín等人[8]在《欧洲地中海盆地大规模自然火灾遥感监测》一书中总结由火灾产生的四种形式的信号：辐射能量、烟雾、地面碳化和地表植被变化。针对需要识别的火灾信号、根据不同的实际需求、考虑传感器波段设置、时间、空间和光谱分辨率，最后选用不同的传感器进行测量便可以达到较好的监测效果。

NOAA/AVHRR传感器十分适合于火灾数据收集，能够提供每日两次覆盖全球的中分辨率遥感图像。其波段覆盖范围从可见光（Ch1：0.63μm）、近红外（Ch2：0.83μm）、中红外（Ch3：3.7μm）和热红外（Ch4和 Ch5：10～l2μm）。各波段都可以为火灾监测提供有用数据：Ch1可以用于识别烟雾；Ch3波长接近温度800K物体（目前通过实验室测量火灾地点温度变化范围在570～1800K）的辐射峰值波长，可以识别很小的着火点；通过比较Ch1和Ch2通道反射率的差值可以估计过火区的面积。但AVHRR传感器也还存在着很多不足。由与其最初是为了满足气象应用，Ch3饱和温度（47℃）很低可能导致误判，这些错误主要来源于物体对太阳光的散射，湖面、江河和卷云的反射作用导致的AVHRR Ch3亮温迅速上升。此外Ch3对烟雾、云层的抗干扰能力较小。卿清涛[9]曾对AVHRR传感器监测火灾准确率进行研究，经统计其误判率为17%左右，漏识率为20%左右。

Terra和Aqua卫星携带的MODIS传感器和Terra卫星携带的ASTER传感器也被用于生成遥感火灾产品。与NOAA/AVHRR比较，MODIS仪器专门对高温敏感的波段做了优化，使其监测火灾能力大大提高。MODIS影像因具有较广的光谱覆盖范围（0.62μm～14.385μm，共36个波段）及每天2次覆盖全球的动态监测能力、多通道的250m、500m和1k m数据为局部、区域和全球的火灾制图提供了有力的数据源。EOS数据产品手册1卷[10]、2卷[11]分别对Terra卫星和Aqua卫星携带的MODIS传感器在火灾方面的应用做了详细的总结。MODIS专门设有检测火灾波段3.9 μm，其饱和温度为500K，足够用于做火灾强度判读。MODIS传感器提供的地表热异常（MOD14）和地表燃烧伤痕(MOD40)数据产品都可用来帮助监测火灾[10-11]。MOD14产品常用于判断火灾发生、寻找火灾发生地点、划分火灾等级依据和计算火灾能量释放。Terra卫星上的ASTER传感器[10]分辨率设置有5个热红外波段，这5个波度可以用来获得地表辐射量，从而得到地面温度图件，用来对火灾进行监测。ASTER传感器较MODIS传感器有更高的空间分辨率（90m），其数据常与MODIS数据结合以得到高空间分辨率的火灾地图。

3 常用的识别火灾方法

想要从遥感图像中得到有用的火灾信息就需要对图像进行特定的处理与分析，自上世纪80年代中期科学家们就开始针对此需求设计用于遥感图像火灾分析的方法。

阈值法：通过设置阈值来寻找着火点、区别不同等级的火灾是较早被使用的方法，这是一种较直接的获取火灾数据的方法，经过多年的不断完善，此方法仍在频繁地被使用。发展初期，人们只是通过简单的单波段阈值方法筛选出存在着火点的像素。最简单的尝试是找出遥感图像中红外波段达到饱和的像素，认为这些像素覆盖区域出现火情。但由于单一波段阈值设置所含信息量较少不能得到准确的火灾信息，所以渐渐被多波段阈值方法所替代。多波段算法利用两个或两个以上的波段阈值控制着火点的搜索，被搜索出的着火点一定是满足所有阈值限制的。田鹏举等人[12]曾利用此方法为MODIS传感器数据设置多波段阈值对贵州省林火进行监测。但这样人工设置阈值的方法比较复杂，研究者必须对所要处理生态系统的特点十分清楚。所以科学家又提出了上下文联系的阈值算法。这种算法可以根据临近像元与目标像元的相互关系自动调整阈值大小，从而使寻找着火点的过程参考周围环境的整体影响。当然如果在判断每个像素是否为着火点时都依次与周围像元进行比较会极大的增加算法的计算量，因此通常的做法是先通过单波段或多波段阈值法寻找出可能的着火点，然后再对这些可能的着火点进行与周围像素的比较来确定此像元是否存在着火点。北京师范大学遥感国家重点实验室的钱永刚等人[13]在2009年对上下文联系的阈值算法进行了比较全面的研究，指出此种阈值算法的关键是选取合适的上下文联系像素来筛选可能的着火点，这些像素应该去除被云层、热点效应和之前火灾留下的裸露土地污染的像素。

植被指数：自然火灾总是与地表植被覆盖变化有关，因此通过判断地表植被情况来了解火灾情况也是分析火灾情况的主要手段。绿色植物的波谱特征主要取决于它的叶子，在可见光谱内，以0.45μm为中心的蓝波段以及0.67μm为中心的红波段叶绿素强烈吸收辐射能呈吸收谷，这两个吸收谷之间（0.54μm附近）吸收较少，形成绿色反射峰（10%～20%）。近红外波谱段内，吸收能很低，0.74μm附近反射率急剧增加，导致0.74～1.3μm波谱内形成高反射。而红波段的强吸收与近红外的强反射导致了植物的红边效应。利用近红外与红波段辐射量比值、NDVI或土壤纠正植被指数（SAVI）都可以获得地面植被覆盖情况。近期人们又发现光谱中近红外和中红外区域对火灾后的植被和土壤变化很敏感。火灾影响后绿色植被和其周围湿度的减少、裸露土地和岩石的增加会引起近红外辐射值减少、中红外辐射值增多。这一发现促使了dNBR的出现。Key和Benson[14]最早对此参数的数值、物理特征做了研究。Jos· e M. C. Pereira[15]1999年以Landsat TM影像为参照对NOAA/AVHRR进行不同植被参数监测火灾准确度的比较，这些参数包括NDVI、植被指数3（VI3）、全球环境监测指数（GEMI）和改进的全球环境监测指数（GEMI3）。比较表明，在实验地区地中海地区NDVI效果不佳，不如直接使用中红外波段进行阈值设置，GEMI3的准确性最高。

图像分类：图像分类一直是处理遥感图像的重要方法，对于火灾信息的提取也有十分显著的效果。最普遍的监督分类和非监督分类经常被用于监测火灾。很多实例中，人们还会在进行分类前在图像中加入主成分分析、KT分析或NDVI等信息增加分类精度。除此之外，灰度划分的方法也用于区别燃烧区受破坏程度、非燃烧区。这种灰度划分的办法既被使用与单波段划分又被使用于植被指数。但基于像素的图像分类精度不是太高，所以最近几年人们开始对基于对象的图像分类在火灾监测中的应用进行研究。

4 结论与展望

Ioannis Z. Gitas等人[16]曾在《地中海生态系统自然火灾监测》一书中总结了5个遥感监测火灾的发展方向：评价现有的火灾遥感方法在必要时对其进行改进、继续火灾遥感的定量化研究、提高全球火灾评估准确性已得到由于火灾产生的CO2量、使用较新传感器（例如多光谱数据）数据进行火灾监测研究和增加火灾监测算法的自动性。

随着遥感技术的日趋成熟，高光谱、高分辨率数据成为可能，为火灾监测提供了更多先进的观测平台。遥感火灾监测算法也在不断完善，精确度逐渐提高。遥感在火灾监测中会占有越来越重要的地位。此外，定量遥感技术也将在之后的火灾监测中发挥重要作用，为定量评定火灾程度提供了有利数据。

[1]C.H.Key, Remote Sensing Sensitivity to Fire Severity and fire recovery[J].Proceedings of the 5th International Workshop on Remote Sensing and GIS Applications to Forest Fire Management: Fire Effects Assessment: 29-39.

[2]Christopher A.Legg and Yves Laumonier, Fires in Indonesia, 1997: A Remote Sensing Perspective[J].Ambio，1999)

[3]Daniel Chongo.Ryota Nagasawa.Ahmedou Ould Cherif Ahmed. Mst Farida Perveen, Fire monitoring in savanna ecosystems using MODIS data: a case study of Kruger National Park, South Africa, [J]Landscape Ecol Eng，2007(3): 79-88.

[4]Brigitte Leblon, Eric Kasischke, Marty Alexander,Mark Doyle and Melissa Abbott, Fire Danger Monitoring Using ERS-1 SAR Images in the Case of Northern Boreal Forests [J].Natural Hazards，2002，27: 231-255.

[5]刘洋，樊广，宁周，继松，高雪莲.大兴安岭森林火灾遥感调查方法初探[J].

[6]张欢，李竑积，韩俊杰.2007年春季大兴安岭森林火灾的遥感监测及气候背景分析[J]. 黑龙江气象，2007(4).

[7]段颖，周汝良，刘智军.基于CBERS遥感数据的云南安宁“3.29”火灾面积评估[J].云南地理环境研究，2009(21).

[8]Emilio Chuvieco, Remote Sensing of Large Wildfires in the European Mediterranean Basin1999.

[9]卿清涛，NOAA/AVHRR遥感监测森林火灾的准确性研究[J].四川气象，2004，24：30-32.

[10]EOS Data Products Handbook Volume 1.

[11]EOS Data Products Handbook Volume 2.

[12]田鹏举，龙俐，郑小波，王备.EOS/MODIS卫星资料在贵州省林火监测中的应用[J].贵州气象，2008，32: 20-22

[13]Yonggang Qian, Guangjian Yan, Sibo Duan,Xiangsheng Kong, A Contextual Fire Detection Algorithm for Simulated, [J].Sensors，2009，9: 961-979.

[14]C.H. Key, Remote sensing sensitivity to fire severity and fire recovery, [J].Remote Sensing and GIS Applications to Forest Fire Management: Fire Effects Assessment，2005.

[15]Jos·e M. C. Pereira, A Comparative Evaluation of NOAA/AVHRR Vegetation Indexes for Burned Surface Detection and Mapping, [J].IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING ，1999，37.

[16]Emilio Chuvieco, Earth Observation of Wildland Fires in Mediterranean Ecosystems，2009.