森林可燃物类型遥感分类研究进展

李晓彤，覃先林，刘树超，刘 倩

（中国林业科学研究院资源信息研究所 国家林业局林业遥感与信息技术实验室，北京 100091）

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。通过森林可燃物类型划分，可以预测林火蔓延速率和强度，从而推测林火效果并制定防火措施[1]。森林可燃物类型划分在林火发生预报、林火行为预报、灭火指挥、生物防火等应用中具有重要作用[2]。基于遥感数据绘制森林可燃物类型图，与野外调查方法相比具有覆盖范围广、高时间分辨率以及可实时更新可燃物信息等优点[3]。随着航空航天遥感技术在林业领域的广泛应用，遥感手段逐渐成为获取森林可燃物参数的重要途径。本文总结了国际上几种常用的森林可燃物模型，并讨论了国内外利用遥感数据绘制森林可燃物类型图方法的研究进展。

1 森林可燃物模型

由于难以描述一个地区森林可燃物的所有物理特征，因而在进行火险估测和火蔓延研究中，将有足够共同性的可燃物划分为同一个组分，这些组分通常被称为可燃物类型[4]。更具体地说，可燃物类型指具有特定种类、形状、尺寸排列和连续性的可燃物元素的可识别组合，它将在特定的燃烧条件下表现出具有特征性的燃烧行为[5]。森林可燃物模型是可燃物类型的定量描述。火灾模型是方程式，而可燃物模型则是描述火灾模型所需可燃物类型的数字列表。因此，建立可燃物模型是对每种可燃物类型物理参数的数值描述。在不同的生态系统中，可燃物类型可能相似，但与之相关的可燃物模型可能不同[6]。

美国在可燃物模型方面研究最早，提出较多分类方法。美国国家森林火险等级系统（National Fire Danger Rating System ，NFDRS）依赖于当地实时的天气信息，并基于可燃物模型来预测火灾发生潜力和季节变化趋势。在该系统1978年版本中，将可燃物模型由9个扩展到20个，每个可燃物模型均包括活可燃物载量、死可燃物载量以及含水率等属性[7]。

在NFDRS系统可燃物类型的基础上，An⁃drews[8]建立了BEHAVE火行为模型，又称为北方林火实验室（Northern Forest Fire Laboratory，NFFL）森林可燃物模型。该模型根据地表可燃物性质将美国的可燃物分为13种可燃物模型共4组（草本、灌木、林下凋落物、采伐剩余物及基部堆积物）。除此之外，用户还可以根据实际情况自行开发定制可燃物模型，但该系统中缺乏可燃物载量、层次以及树冠火等信息的输入，因此在预测林火方面存在一定的误差。在此之后，出现了FARSITE系统，该系统包含了地表和树冠可燃物模型，该系统在NFFL可燃物模型的基础上增加了冠层可燃物参数，包括冠层覆盖率、冠层高度、冠层容重等，标志着新的可燃物类型划分方法[9]。

Sandberg[10]建立了可燃物特征分类系统（Fuel Characterization Classification System，FCCS）。该系统提出了可燃物类型描述与分类的新概念——可燃物床层，FCCS将可燃物床层定义为景观上相对均匀的单元，代表独特的燃烧环境[11]。该模型将可燃物床层分为6类，即：乔木层、灌木层、非木本植被层、粗可燃物层、枯枝落叶层和地表可燃物层。FCCS既能提供可燃物的定量信息来预测林火行为，又能为可燃物类型分类提供检验标准。

加拿大森林火险等级系统（Canadian Forest Fire Danger Rating System ，CFFDRS）是一套可定制的系统，能适应从局部到全球任何尺度。该系统主要包括加拿大火灾天气指数（Canadian Fire Weather Index，FWI）和加拿大火灾行为预测（Ca⁃nadian Fire Behaviour Prediction，FBP）两个子系统。其中，FBP针对加拿大森林植被自身特点，将可燃物划分为针叶树、落叶树、混交林、采伐迹地和开阔地等5大类，并细分为16种类型[12]。FBP结合FWI可对林火蔓延速率、可燃物消耗和林火强度进行预测。

在澳大利亚，使用最多的是由McArthur[13]开发的森林火险等级系统，用两个仪表估算草原和森林植被的火险等级。该火险等级系统仅有3个可燃物模型，即草地、桉树林和石楠树丛/灌木模型。

欧洲科研人员为了适应地中海气候生态系统中的可燃物类型，简化并修改了NFFL森林可燃物分类体系，开发了名为普罗米修斯（Prometheus）的可燃物分类系统，该系统按照植被类型和高度将可燃物类型分为草本、灌木和地面凋落物等3大类，并根据这3类可燃物的空间分布、高度和密度，将可燃物细分为7种类型[14]以用于模拟火灾行为。欧洲一些国家，如希腊[15]、瑞士[16]、葡萄牙[17]等国也参考Prometheus分类系统建立了可燃物分类系统。

目前，我国还没有形成国家水平上的可燃物模型，大多数是引用国外的可燃物模型来进行火行为模拟。国内的森林可燃物分类研究虽然也取得了一些进展，但目前还缺乏统一规范，只有适用于局部小范围区域的可燃物类型划分[18-22]。

2 森林可燃物类型图遥感绘制方法

传统上对可燃物类型进行分类和制图是通过野外作业、航空摄影和生态建模等方式。这些工作成本较高且更新速率较慢，而遥感的出现弥补了这一不足。随着卫星遥感技术的广泛应用，当前国内外专家利用不同传感器获取的遥感数据，开展了可燃物分类及制图方法研究。

2.1 监督分类和制图

国内外学者在进行可燃物类型遥感分类时，大多数研究者通过监督分类的遥感影像分类方法对研究区可燃物类型进行分类并制图。如Lasap⁃onara等[23]改进了普罗米修斯可燃物分类系统，以得到适用于进行遥感分类的标准化系统，并基于ASTER卫星数据，采用最大似然法对地中海地区森林可燃物进行分类和制图。Giorgos等[24]采用支持向量机分类方法对地中海地区可燃物类型进行分类和绘图，以评估和比较EO-1 Hyperion，Quick⁃bird和Landsat TM影像适用性。结果证实，高空间分辨率影像可获得比高光谱分辨率影像更高的精度。我国研究人员也采用最大似然法、参数优化的神经网络法和支持向量机等方法，基于Land⁃sat数据进行分类，并得到了较为精确的森林可燃物类型图[25-26]。

2.2 面向对象的分类方法

面向对象的分类方法不仅利用待识别像素的光谱信息，还利用该像素于其周围像素间形成的纹理形态、空间结构等信息，因而可进行更加精细的分类，以获得精度更高的可燃物类型图。目前该方法已被广泛用于森林可燃物类型识别的工作中，如Arroyo等[27]利用高空间分辨率卫星数据，通过面向对象分类生成燃料类型图。该研究证明了使用该方法创建的可燃物类型图精度可超过80%。陈芸芝等[28]基于ASTER影像，并结合森林资源调查获得的小班数据，采用该方法对漳平市森林可燃物进行分类，分类的面积精度达到89.3%。Stefanidou等[29]也采用该方法，对灾害监测星座和Landsat-80LI卫星影像分别进行可燃物类型图的绘制，并结合国家机构提供的植被密度信息，最终得到了令人满意的结果，精度达到89%。相比于像元级分类方法，基于对象的图像分析方法可获得更精确的可燃物类型图。Alonso等[30]基于ASTER影像，应用3种基于像素的算法（最大似然、神经网络和支持向量机）和基于对象的图像分析方法对可燃物类型进行分类，并证实了这一结论。

2.3 可燃物特征信息

随着可获得的卫星遥感数据产品的丰富，还有学者利用大尺度的卫星遥感产品并结合可燃物特征信息，对大范围的森林可燃物类型进行划分，并绘制可燃物类型图。如覃先林等[31]利用多时相的MODIS数据生成试验区16天的最大归一化植被指数后，通过主成分分析，采用非监督分类与监督分类相结合的方法，完成了试验区的森林可燃物分类，精度均在70%以上。Bajocco等[32]采用了具有高时间分辨率的MODIS NDVI产品，构建基于像元的植被NDVI年平均曲线，并通过图像分割、聚类分析等步骤，建立了基于植被物候属性的植被可燃物类型图绘制方法。Pettinari等[33]利用MERIS土地覆盖产品，并结合生态区划数据，生成了南美洲可燃物类型图，同时还通过FCCS系统预测了林火行为。这些方法大多是大尺度下对森林可燃物类型的制图研究，方法简单，但普适性较差且精度也会相对较低。

2.4 结合植被垂直信息

随着激光雷达（LIDAR）技术的成熟，有学者尝试将光学遥感影像与LIDAR数据结合，进行可燃物分类工作。众多研究结果表明，将高空间分辨率多光谱数据和LIDAR数据进行融合有利于提高森林可燃物类型分类和制图的准确性[34-40]。LI⁃DAR可以对林下植被进行探测，用来估测各类森林可燃物高度、林分结构等参数，从而可以克服被动遥感绘制可燃物类型图时难以探测到这些信息的局限。Marino等[41]根据机载激光扫描仪（ALS）数据获得的可燃物垂直结构信息，建立了可燃物类型分类决策算法，并生成了森林可燃物类型图。相较于单纯利用植被物种，利用ALS反演的可燃物垂直结构信息进行可燃物分类将会大大提高精度。Huesca等[42]利用波谱混合分析（SMA）、波谱角填图（SAM）、多端元波谱混合分析（MESMA）得到研究区森林植被类型分类结果，并通过LIDAR数据，将植被垂直剖面（VVP）作为端元，建立可燃物分类规则以进行可燃物制图。

3 总结与展望

森林可燃物类型及空间分布信息对于林火管理至关重要，因为它可用于估算火灾风险及影响。随着不同林火模型的发展，世界各地已经建立了多种可燃物分类系统，国外已经形成了比较成熟的体系。而国内在森林可燃物类型的划分方面研究还不够系统和深入，所用数据源单一，主要为光学遥感图像，且利用的波段比较有限；分类精度还有待提高，存在缺乏适应于全国范围内统一的可燃物类型划分标准等问题。利用遥感技术对森林可燃物类型进行识别应有以下发展趋势：

1）综合利用高分遥感数据。结合使用高空间、高光谱和高时间分辨率的遥感数据，对局部区域森林可燃物类型进行精细化、准确化划分，可以更好地为森林防火管理工作提供可燃物信息。

2）主被动遥感数据的综合应用。光学遥感数据与LiDAR数据相结合来获取地表可燃物信息，是当前森林可燃物类别识别的一个新趋势，然而我国在这方面的研究甚少。对于林下复杂环境的可燃物状况，采用光学遥感数据结合LiDAR数据进行探测，可以满足获取复杂森林环境中不同层次可燃物信息的需要，从而提高林火蔓延速率及火行为预测的精度。

3）在方法上向着智能化识别方向发展。随着人工智能、深度学习等新一代信息技术的发展和应用，应可以发展适应我国遥感数据的森林可燃物类型智能化识别方法，提高森林可燃物类型更新的精度和频率。