应用卫星遥感技术监测林火燃料可燃性研究现状与发展趋势

田小龙，江 洪,2*，周国模，余树全，信晓颖

（1.浙江农林大学 亚热带森林培育国家重点实验室 浙江省森林生态系统碳循环与固碳减排重点实验室，浙江 临安 311300；2.南京大学 国际地球系统科学研究所，江苏 南京 210093）

森林火灾不仅造成巨大的经济损失，也严重破坏了人类生存的自然环境和生态平衡，甚至造成灾难性的损失[1]。森林火险影响因子有气候、燃料类型、地形因子和人类活动等。森林火灾是在上述综合因素作用下发生和发展的。林火是指林地上自由蔓延的火，包括受控的火与失控的火[2]。林火起火原因复杂多样[3]，主要是由雷击或由人为因素引起，按其火源分雷击火和人为火。无论是雷击火或人为火，林火燃料的类型和可燃性都是非常重要的成火条件和燃烧基础。林火燃料可燃性是指林木活立木及其凋落物燃烧的可能性大小，并可以广泛地指以该种树木为主要优势树种的林分的可燃性，包含其地面植被[4]。森林可燃物含水量或可燃物湿度，直接影响着火的难易程度、间接影响火强度、火势、林火蔓延速率、有效辐射，是预测林火发生、林火行为、能量释放、估计火险大小的主要指标，是确定计划火烧、实施营林用火的基本依据[5]。另外，燃料水分还有冷却效应，促进烟的形成和减少热量产生的作用，同时湿可燃物具有难以点燃、蔓延速度低等特点[6]。不同森林可燃物在不同时期、不同部位含水率都有一定的差异。一旦发生火灾，还可根据湿度预测火场大小等，计算应投入的扑火力量，提高扑火组织的工作效率。所以，开展对可燃物湿度的研究，对提高林火发生和林火行为预报的准确性具有重要意义。在林火预报系统中，历来重视火燃料的可燃性分析。早期，在缺乏卫星遥感资料时，就有科学家利用航片或森林调查数据，结合统计模型进行燃料可燃性的时空动态分析。如加拿大的Wright于1928年利用空气中相对湿度以及燃料的可燃性进行火险预报；美国的Gisbome提出多因子预报方法；前苏联人聂斯切洛夫于1944年提出综合指标法；日本的昌山久尚20世纪40年代提出实效湿度法[7]。近半个世纪以来，美国、加拿大、澳大利亚、日本和中国等国家大量开展了林火燃料可燃性的试验研究、模型模拟和遥感监测的工作。

遥感可以提供潜在空间分布类型的信息以及燃料有关火灾风险评估信息[8]，具体准确地了解燃料的空间分布，帮助分析、建模和预测火行为[9]。特别是空间分辨率高、大尺度的燃料类型和燃料可燃性的遥感图像可以大大提高火险预报精度和有效地采取措施控制火燃烧的行为。本文通过文献综述，分析了应用卫星遥感技术监测林火燃料和可燃性的国内外进展和未来发展趋势。

1 林火燃料可燃性的特点

1.1 可燃物类型

森林可燃物是森林火灾发生的物质基础，也是发生森林火灾的首要条件。森林可燃物特征取决于可燃物的燃烧性质，是由可燃物的物理性质和化学性质来决定的。物理性质有：可燃物的结构、含水率、发热量等；化学性质有：油脂含量、可燃气体含量、灰分含量等[10]。可燃物种类的划分方法主要有：①按物种类别分，郑焕能等将森林可燃物分为死地被物、地衣、苔藓、草本植物、灌木、乔木、森林杂乱物等[11]，物种类别不同，燃烧性特点差异很大；②按生活力分，美国人Deeming将森林可燃物分为活可燃物和死可燃物两大类，死可燃物根据含水率的恢复时间又分为1 h、10 h、100 h时滞的可燃物[12]；③按所处位置分，郑焕能等将其分为地下、地表和空中可燃物，可燃物在森林中所处的位置不同。发生森林火灾的种类也不同。此外，还有按燃烧难易程度、按可燃物的大小和形状分类的方法[13]。可燃物湿度的计算公式：

式中，FMC为可燃物含水率（%），WH为可燃物的湿重（g），WD为可燃物干重（g）。

按照国家林业局行业标准，我国把可燃物类型划分为十个等级（表1）。马尾松纯林火险等级最高，杉木、杉木马尾松混交林和竹林等风险次之，阔叶树火险等级最低，而水域是林火重要制约因子。其中针叶林为易燃的林分，居民地次之，因此在林分管理中要把重点放在针叶林上。同时注意到纯林相对混交林而言更易燃，所以在进行人工林构建时要更多的利用混交林。此外，林火的一个关键环境影响因子是林分的密度。已经有实验证明林分密度对林火的蔓延有一定的影响[14]。如果这种林分的密度比较大，则林火可能蔓延；相反如果林分密度较小，则林火很可能会熄灭。

1.2 影响可燃物燃烧的环境因子

因为林火与气候的相关性，所以林火被认为是容易受气候影响的[15]。特别是可燃物的可燃性，比较容易受到风、温度和降水等气候条件的影响。而且，可燃物燃烧的环境因子之间既是相互联系的又是相互制约的，例如：风速会影响林火燃料的含水率，风速增大含水率就会降低；温度升高也会使含水率降低；降水越多林火燃料的含水率就会越大，从而降低燃料的可燃性等。

风对森林火灾的发生和发展起两个作用。一是使未燃烧的林火燃料蒸发变干；二是林火燃料燃烧后，通过风带来新鲜氧气，使火燃烧的更旺。所以大风天气多，火灾次数也多。风又是林火蔓延的重要因子，风速越大，火烧面积也越大[16]。

降水量大小直接影响林区的相对湿度，林火燃料相对湿度越高，着火率越低；相对湿度越低，着火率越高。如果一个地区的年降水量超过1 500 mm，或月降水量超过100 mm，一般不发生或少发生森林火灾[17]。

林火发生最多的时间，多半是白天气温出现最高的时段。因为气温升高加速可燃物自身温度升高、含水量变小，易接近燃点。影响温度的主要有以下几个方面：①海拔高度，随着海拔的增高，降水量增加，温度降低，林火燃料湿度增大，林火发生的可能性减小；②坡度，坡度对林火发生和蔓延的影响基本呈中间高两边低的二次分布，随着坡度增大，地表径流加快，地面上的林火燃料容易干燥，火险程度也较高，但当坡度达到急坡以上，林火不易蔓延；③坡向，坡向直接影响地面接收太阳辐射的多寡，造成在不同坡向上的温度差异，南坡接受太阳辐射多，其地面温度比北坡高，空气更干燥，林火燃料亦干燥，更容易造成森林火灾。

表1 可燃物类型Table1 Forest fuel types

1.3 燃料的含水率

相对湿度越大，可燃物含水率也随之增大。通常相对湿度在75%以上则不易发生森林火灾；75% ～ 55%可能发生火灾；55%以下容易发生火灾；30%以下可能发生特大火灾。此外还有连旱日数长短、云量多少等都能影响森林火灾的发生。纵观各国研究现状，特别是美、加两国出发点都是研究林火燃料含水率。不同森林林火燃料在不同时期、不同部位含水率都有一定的差异[18]。火灾的发生与林火燃料的含水率密切相关，所以森林燃料含水率一直作为林火预警的一个关键参数为研究人员所关注[19]。此外，鲜活可燃物的湿度在判断火灾发生时的作用较小，但是其含水量的大小直接影响到林火的蔓延速度，是林火蔓延模型中的关键参数[20]。森林地表的死可燃物通常比鲜活的可燃物更为干燥，也更易着火，是监测潜在森林火灾的重要指标。

2 遥感技术在监测林火燃料可燃性上的应用和特点

在现代森林资源调查中遥感图像是空间数据源，它包括森林全貌和森林分布状况等各种信息，如树种组成、树高、树冠覆盖率和材积等指标。通过对图像的增强处理、特征提取、模式识别等，使遥感图像再现整体森林的空间分布。与航空遥感相比，航天遥感能够进行连续的、全天候的工作，提供更大范围的数据，其成本更低，是获取遥感数据的主要方式；而航空遥感主要应用于临时性的、紧急的观测任务以获得高精度数据。目前，世界上许多国家都已经发射了服务于不同目的的各种遥感卫星，其遥感器的空间分辨率和光谱分辨率也都各异，形成了从粗到细的对地观测数据源系列，可以用于监测从土地利用、农作物生长、植被覆盖到洪水、森林火灾、污染等现象的信息以及其动态变化。目前用于研究森林植被类型状况、实现森林资源专题信息提取可利用的遥感数据资源较多，如美国的陆地资源卫星的LandsatTM影像、法国的SPOT影像、中巴资源卫星的CERBS影像、以及高分辨率遥感影像如IKONOS遥感影像等。根据研究的需要，首先需对遥感影像进行几何精校正、影像的直方图匹配、研究区域的裁剪以及对数字图像进行粗略的大气校正等。卫星遥感获得的数据经计算机处理并输出的卫星影像图所包含的地面信息视域范围大，并能使一景图像成像时间基本保持一致，对森林资源的宏观、动态监测及其综合分析等方面发挥着其他技术不可替代的作用。

遥感在许多林火方面的应用已经比较广泛，包括燃料和植被类别分类、火灾探测等方面[21～22]。特别是近年来，国内外利用卫星遥感图像进行火点监测应用十分普遍，在森林火灾中显示出它千里眼的作用[23]。从遥感图像上可以及时发现林火，迅速通报森林防火部门采取灭火措施，把森林火灾造成的损失降低到最小程度[24]。另外，由于地形、植被和气象因素的差异会导致森林火灾中林地火烧强度的不同, 因此利用卫星红外遥感技术取得的数据来反映火烧程度的差别，用卫星数据表现出来，并可得到Landsat映像图。随着科学技术的发展，卫星遥感技术并结合部分地面调查用于监测林火燃料可燃性的工作已经开始推广应用。

应用卫星遥感技术监测林火燃料的可燃性的研究，美国和加拿大是开展研究最早，取得研究成果最多的国家[25]。1972年美国研制出国家级森林火险预报系统，并在全国得到应用，1978年对该系统进行修改，使其更完善。该系统是集火险预报、林火发生预报、林火行为预报于一体的综合性系统，代表世界林火预报的前沿，在该系统中，越来越重视将卫星遥感的数据用来反演火燃料的可燃烧性。同年，加拿大提出“加拿大森林火灾天气指标系统”，该系统每天只需测定气温、相对湿度、风速和降雨量就可进行3天预报[26]。此外，欧洲林火信息预报系统（EFFRFS）使用不同的火险指数和气象数据进行长期和短期的火险预测预报，目前它所涵盖的范围包括了地中海的几个国家以及德国、芬兰、澳大利亚、塞浦路斯、保加利亚、罗马尼亚等国[27]。欧洲林火信息系统EFFI动正朝着成为动态体现林火信息的系统方向发展，它是一个网络界面系统，用户可以在其中搜索到感兴趣的欧洲区域任何一个地方的信息。

我国利用卫星遥感技术监测林火燃料预报研究起步较迟，福建省气象科学研究所于1991年引进NOAA极轨气象卫星资料接收处理系统，2000年引进新一代NOAA/FY极轨气象卫星资料接收处理系统，2004年2月，由福建省政府投资建设的EOS卫星资料接收处理系统在福建省气缘科学研究所投入业务使用[28]。此外，林火与气象因子的相关关系以及森林火险天气预测预报的研究也是林火研究的重点。据杨美和、高颖仪等利用长白山地区近30年的气象与林火研究资料表明，最高气温和降水量是诱发林火发生的主导因素；袁建新认为，在影响林火发生的众多气象因子中，相对湿度和林火燃料湿度是林火发生最关键的因素，湿度大小，不仅影响林火燃料的干湿程度，而且随着湿度的减小，林火燃料的干燥速度不断加快[29]；王贵芝、庞旺才等也认为空气湿度对森林火险的直接作用和间接作用都是明显的；李钟活、薛文彪等认为，降水直接影响林下林火燃料的湿度变化，如果经常下雨且雨量大，林下的枯枝落叶、地被物和杂灌等含水量高，林内相对湿度增加，不易发生森林火灾，而在干旱少雨的春季就容易发生森林火灾[30]。

总之，卫星遥感技术在林业上监测林火燃料可燃性的应用，具有其优越性，不仅减少了调查人员的数量，降低了劳动强度和调查成本，提高了经济效益，而且还能与抽样技术相结合，提高调查精度和调查成果的质量，极大地推动了资源清查的进步。

3 讨论与展望

由于地形、气候、森林结构以及林木自身生理过程都会对森林林火燃料湿度产生影响[31]，影响森林火灾发生的因素众多，机制复杂，因素之间相互交织，因果之间呈非线性关系，因此，用一般的统计方法建立的预测模型，常常不能有效地预测森林火灾的发生情况，常规的统计方法还存在覆盖面积小、工作量大和监测主观性等缺点[32]。随着时间的推移，利用遥感影像对燃料可燃性的监测会使森林火灾发生的燃料因素有一定的变化，随着预测次数的增加预测结果有可能失真，因此需要不断补充新的资料[33]。建议将气候参数、植被以及林分燃料结构等加入到模型当中，提供一个较完整的林火动态模型来监测燃料的可燃性。充分利用森林火灾发生的已有信息，结合遥感影像和可燃性林火燃料信息，再利用常规的地面调查来补充对于一些通过插值得到气象数据带来的额外误差。

遥感技术可以支持不同阶段的森林火灾管理以及防火、火灾行为的预测[34]。配合燃料的空间分布状况作为基地观察的遥感方法可以减轻火灾的破坏程度[35]。但是，要真正了解火行为，特别是从表面到潜在的火行为，就需要了解燃料的详细资料[36]。燃料种类，往往指的是燃料（立木）的绝对高度和垂直结构[37]。掌握详细的测绘燃料类型及其信息（垂直结构和表面特征），将有利于森林火灾的管理。因此，深入研究如何利用遥感监测林火燃料可燃性的方法就显得尤为重要。美国和加拿大是开展应用卫星遥感技术监测林火燃料的可燃性最早，取得研究成果最多的国家[38]。我国科学家在此方面也开展了深入的研究，取得了很多研究成果，但相比于美国和加拿大还存在很大差距，应用卫星遥感技术监测林火燃料可燃性的研究与林火研究在实际工作中具有重大的意义，其研究成果是国家及地方制定长期林火管理战略的依据[39～40]，因此在当前气候灾害频发的大背景下，我国应加大此方面的研究力度，更深入地探索卫星遥感技术在监控林火燃料可燃性的研究，争取取得更多的研究成果。

[1]杨国栋.利用MODIS遥感技术监测浙江省森林火燃料湿度的时空动态[D].临安：浙江农林大学，2009.

[2]张雁，谭伟，冯仲科.广义3S技术在林业上的应用现状与发展趋势[J].北京林业大学学报，2005，27（2）：213－217.

[3]张彦林.基于广义3S技术的森林资源监测体系探讨[J].甘肃林业职业技术学院学报，2006（8）：36－39.

[4]张勇，胡林，冯仲科.北京地区林木可燃性研究[J].北京：北京林业大学林学院，2007，29（2）：111－114.

[5]刘祖军，刘建，徐剑.基于RS和GIS的森林火险区划[J].福建农林大学学报，2008，37（6）：606－609.

[6]Dexter B D, Williams D F.Direct field estimation of fine fuel moisture content[J].Aust For, 1976，39（2）：140－144.

[7]龚固堂，刘淑琼.林火干扰与森林群落动态研究综述[J].四川林业科技，2007，28（4）：21－25.

[8]B Koetz, F Morsdorf, S van der Linden.Multi-source land cover classification for forest fire management based on imaging spectrometry and LiDAR data[J].For Ecol Manag, 2008，256（3）：263－271.

[9]Lara A.Arroyo, Cristina Pascual,et al.Manzanera.Fire models and methods to map fuel types: The role of remote sensing[J].For Ecol Manag,2008, 256（6）：1 239－1 252.

[10]胡海清.森林防火[M].北京：经济科学出版社，1995.

[11]郑焕能.森林防火学[M].北京：农业出版社，1962.

[12]瓦季连克.曲宝恩（译）.大面积森林火灾[M].哈尔滨：东北林学院出版社，1984.

[13]郑焕能.林火管理[M].哈尔滨：东北林业大学出版社，1988.

[14]Xiaodong Li，William Magill.Critical density in a fire spread model under environmental influence [J].Int J Comput Intell Appl, 2003, 3（2）：145－155.

[15]Le Goff, H Flannigan.Management solution to face climate change, the example of forest fires[M].Canada: Ecosys Manag Boreal For，2009.

[16]Michael C Wimberly, Matthew J Reilly.Assessment of fire severity and species diversity in the southern Appalachians using Landsat TM and ETM+ imagery [J].Rem Sens Envir, 2007, 108（2）：189－197.

[17]李振顶，利辛县.卫星遥感技术在平原林业资源清查中的应用[J].安徽林业科技，2007（6）：29.

[18]姚树人，文定元.森林消防管理学[M].北京：中国林业出版社，2002.

[19]Dimitrakopoulos A P, Papaioannou K K.Flammability assessment of mediterranean forest fuels[J].Fire Tech, 2001, 37（2）：143－152.

[20]Carlson J D, Burgan R E.Review of users' needs in operational fire danger estimation: The oklahoma example[J].Int J Rem Sensing, 2003,24（8）：1 601－1 620.

[21]Chuvieco E.A review of remote sensing methods for the study of large wildland fires[M].Spain: Megafires project ENV-CT96-0256, 1997.

[22]Chuvieco E, Ventura G, Martín M P,et al.Assessment of multitemporal compositing techniques of MODIS and avhrr images for burned land mapping[J].Rem Sensing Environ, 2005, 94（4）：450－462.

[23]赵明文，张广英，王付华.卫星遥感资料在森林火灾监测中的应用[J].黑龙江气象，2005（1）：35，40.

[24]刘祖军，刘建，余坤勇，等.基于RS和GIS的森林火险区划[J].福建农林大学学报（自然科学版），2008，37（6）：606－609.

[25]Crawley M J.The R book[M].Chichester: John Wiley & Sons, 2007.

[26]田晓瑞，舒立福，阿力甫江.林火研究综述（III）——ENSO对森林火灾的影响[J].世界林业研究，2003，16（5）：22－25.

[27]李红，张有慧，舒立福，等.林火研究综述（V）——航空护林[J].世界林业研究，2004，17（5）：17－20.

[28]刘俊芬.3S技术在林业中的应用[J].内蒙古林业调查设计，2006，29（3）：31－75.

[29]舒立福，田晓瑞，寇晓军.林火研究综述（I）——研究热点与进展[J].世界林业研究，2003，16（3）：37－40.

[30]舒立福，张小罗，王明玉，等.林火研究综述（II）——林火预测预报[J].世界林业研究，2003，16（4）：34－37.

[31]William J.de Groot, Robert D.Field, Michael A Brady,et al.Development of the Indonesian and Malaysian Fire Danger Rating Systems[J].Mitig Adapt Strat Glob Change, 2007（12）：165－180.

[32]白尚斌，张晓丽.林火预测预报研究综述[J].农业网络信息，2008（6）：22－26.

[33]赵凤君，王明玉，舒立福，等.气候变化与林火研究综述[J].森林防火，2005（4）：19－21.

[34]Chuvieco E, Allgöwer B, Salas J,et al.Integration of physical and human factors in fire danger assessment[A].Chuvieco E.Wildland Fire

Danger Estimation and Mapping, the Role of Remote Sensing Data[M].Singapore: World Scientific Publishing, 2003.197－218.

[35]Millar C I, Stephenson N L, Stephens S L.Climate change and forests of the future: managing in the face of uncertainty[J].Ecol Appl, 2007, 17（8）：2 145－2 151.

[36]Narayan C, Fernandes P M, van Brusselen J,et al.Potential for CO2emissions mitigation in europe through prescribed burning in the context of the kyoto protocol[J].For Ecol Manag, 2007, 251（3）：164－173.

[37]Lasaponara R., Lanorte A.Remotely sensed characterization of forest fuel types by using satellite ASTER data[J].Int J Appl Earth Obser Geoinfor，2007，9（3）：225－234.

[38]Allgo¨wer B, Carlson J D, van Wagtendonk J W.Introduction to fire danger rating and remote sensing—will remote sensing enhance wildland fire danger rating[A].Chuvieco, E.Wildland Fire Danger Estimation and Mapping, the Role of Remote Sensing Data[M].Singapore: World Scientific Publishing, 2003.147－159.

[39]Peckham S D, Ahl D E, Serbin S P,et al.Fire-induced changes in green-up and leaf maturity of the canadian boreal forest[J].Rem Sensing Environ, 2008, 112（9）：3 594－3 603.

[40]Goff H L, Leduc A, Bergeron Y.The adaptive capacity of forest management to changing fire regimes in the boreal forest of Quebec[J].For Chron, 2005（81）：582－592.