img

官方微信

遥感技术与应用, 2021, 36(3): 521-532 doi: 10.11873/j.issn.1004-0323.2021.3.0521

森林遥感专栏

多源时序国产卫星影像的森林火灾动态监测

以四川省木里县及其周边林区为例

曾超,1,2, 曾珍1,2, 曹振宇1,2, 邹强3, 余长锡1

1.自然资源部四川基础地理信息中心,四川 成都 610041

2.自然资源部应急测绘技术创新中心,四川 成都 610041

3.中国科学院、水利部成都山地灾害与环境研究所,四川 成都 610041

Forest Fire Dynamic Monitoring based on Time Series and Multi-source Satellite Images: A Case Study of the Muli County Forest Areas in Sichuan Province

Zeng Chao,1,2, Zeng Zhen1,2, Cao Zhenyu1,2, Zou Qiang3, Yu Changxi1

1.Sichuan Geomatics Center,Chengdu 610041,China

2.Emergency Surveying and Mapping Technology Innovation Center,MNR,Chengdu 610041,China

3.Institute of Mountain Hazards and Environment,Chinese Academy of Sciences and Ministry of Water Conservancy,Chengdu 610041,China

收稿日期: 2020-07-27   修回日期: 2021-05-05   网络出版日期: 2021-07-21

基金资助: 国家对地观测科学数据中心开放基金项目.  DAOP2020020
四川省科学技术厅省级科技计划—应用基础研究项目.  19YYJC0660

Received: 2020-07-27   Revised: 2021-05-05   Online: 2021-07-21

作者简介 About authors

曾超(1986-),男,重庆云阳人,博士研究生,高级工程师,主要从事山地灾害遥感与风险评估方面的研究E⁃mail:zeng3chao@163.com , E-mail:zeng3chao@163.com

摘要

四川省木里县及周边林区是全国林火最为高发和易发区之一,近两年连续发生了扑火人员重大伤亡的事件。利用时序国产卫星影像、无人机影像和现场勘查数据等,从监测火灾蔓延时空过程的角度,对该区林火热点进行了动态监测,并分析了重点火场火灾发展过程,结果表明:以国产GF-4卫星影像为主,辅助以2 m/8 m光学卫星星座影像,可较好地监测林火热点;研究提出林火热点判定阈值为白天亮温值T≥360 K或夜间亮温值T≥330 K;监测发现了该区3月30日至4月6日间共6处火场的25次林火事件,并重点反演了①号木里和②号西昌火灾发展的时空过程。通过将卫星监测热点与现场勘查热点、无人机影像解译热点对比,表明在火灾早期和中期卫星林火热点监测精度可达89%。建议利用时序国产多源卫星影像对该区林火进行持续监测,并结合权威部门现场勘查数据适时发布预警信息,避免造成重大生命财产损失。

关键词: 多源时序卫星影像 ; 森林火灾 ; 热点动态监测 ; 蔓延分析 ; 四川木里县 ; 西昌市

Abstract

Muli County and its surrounding areas in Sichuan Province are one of the most frequent and vulnerable forest fire areas in the China. In the past two years, there have been serious casualties of firefighters in forest fire fighting. In this paper, time-series and multi-source satellites images, UAV images and disaster site survey data are used to monitor the forest fire hot spot dynamically, and the process of fire spread in Muli County were analyzed. The results show that: The GF-4 Satellite images and 2 m/8 m optical satellite constellation images, which can be used for forest fire hotspots monitoring effetely. We believe that the grid can be determined as the forest fire hotspot, while the grid temperature value T≥360 K in the daytime or temperature value T≥330 K in the nighttime. 25 forest fire incidents in 6 fire sites were found and monitor from March 30 to April 6 in the area, and the progress of the fire in Muli and Xichang County were also investigated with the hot spot. Compared with the high-resolution unmanned aerial vehicle images and the collecting hot spot data of fire site, it shows that the accuracy of satellite forest fire hotspot monitoring can reach 89%. It is recommended to use time-series and multi-source satellite images to monitor the forest fires in this area continuously, and combine the fire site survey data of authoritative departments for timely fire warning. It is also suggesting that combine meteorological, topographic, vegetation and human factors to carry out fire cause analysis and risk assessment studies, to avoid causing loss of life and property again.

Keywords: Multi-source and time series satellite imagery ; Forest fire detection ; Forest fire dynamic monitoring ; Forest fire spread analysis ; Muli County ; Xichang County

PDF (11249KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

曾超, 曾珍, 曹振宇, 邹强, 余长锡. 多源时序国产卫星影像的森林火灾动态监测. 遥感技术与应用[J], 2021, 36(3): 521-532 doi:10.11873/j.issn.1004-0323.2021.3.0521

Zeng Chao, Zeng Zhen, Cao Zhenyu, Zou Qiang, Yu Changxi. Forest Fire Dynamic Monitoring based on Time Series and Multi-source Satellite Images: A Case Study of the Muli County Forest Areas in Sichuan Province. Remote Sensing Technology and Application[J], 2021, 36(3): 521-532 doi:10.11873/j.issn.1004-0323.2021.3.0521

1 引 言

2020年3月26日以来,四川省凉山州木里县、西昌市、冕宁县、盐源县以及甘孜州的九龙县等连续发生几场森林火灾,造成了巨大的生命和财产损失。这是继2019年3月30日木里县雅砻江镇立尔村境内森林火灾一年后1,该地区再次发生重大森林火灾导致人员重大伤亡事件,因此亟需针对木里县及其周边林区开展林火监测研究及应用,以避免造成重大损失。目前,常用林火监测手段主要包括:地面巡查、晾望台观测、视频监控、无线传感器网络、卫星和航空遥感,其中卫星遥感因其监测范围大、灾点定位准、定量化程度较高等特点,已在世界各国广泛应用2

卫星遥感林火监测的原理是利用传感器的中红外通道对高温火点辐射的强吸收,将其从背景环境中提取出来3。目前,可用于林火监测的卫星遥感数据主要有:Landsat/ETM、Terra/ASTER、HJ/IRS、Sentinel-2/MSI等中高分辨率卫星数据,NOAA/AVHRR、EOS/MODIS、ERA/ATSR、Hima-wari/AHI和FY/VISSR等中低空间分辨率卫星数据。学者根据这些卫星遥感数据的波谱特性,研究并不断发展了林火监测算法4。Dozier5提出了亚象素火点温度场理论模型,奠定了该领域的理论基础,Matson等 6基于该理论采用NOAA-6数据监测美国及巴西的火灾。此后发展的林火监测算法可归纳为固定阈值法(Threshold-Based Methods)、“劈窗法”(Contextual Methods)和叠加掩膜法(Fuel Mask Methods)3类。Flannigan等7提出了基于固定亮温阈值的火灾自动探测算法,在加拿大林火监测中取得较好效果;Kaufman等8采用固定阈值法利用MODIS数据实现火点识别。Lee等9提出了一种利用潜在火点和背景环境温度的显著统计差异,进行林火检测的“劈窗算法”,国际地球圈—生物圈计划数据和信息系统(IGBP-DIS)采用该方法制作了全球火灾数据产品10。Chuvieco等11提出了基于阈值和植被指数的火点探测算法,即利用固定阈值确定疑似火点后,采用多时相NDVI指数变化剔除疑似火点。Giglio等12-13对上述算法进行了对比研究,发现它们在检测小型火灾的能力、对烟雾和邻近火灾的判识度、错误警报的次数以及方法适用性方面存在实质性差异。针对这些不足,相关学者进一步修正并发展了这些方法14-16

近年来,利用国产卫星开展林火监测技术发展十分迅速,国内许多学者提出了利用HJ/IRS影像的林火自动监测方法17-18,刘树超等 19利用GF-4 PMI 影像对着火点探测。这些学者的研究推动了我国卫星遥感林火监测进步,但也提出缺少利用多期时间序列的国产影像开展火场蔓延变化研究,以及尚未明确林火热点判定阈值等问题20。采用国产时序卫星遥感和无人机遥感影像数据等,对3月26日以来木里县及其周边林区开展了林火热点动态监测,对重点火场火灾发展时空过程进行分析,旨在为火灾预防扑救、火灾趋势反演及减轻灾害损失提供科学依据。

2 数据与方法

2.1 研究区火情概况

选取四川省凉山州木里县、西昌市、冕宁县、盐源县、喜德县以及甘孜州的九龙县作为研究区。据2019年地理国情监测地表覆盖数据统计表明,该区域森林覆盖面积约为3.29万km2,森林覆盖率达87%。历史上该区域也是森林火灾高发区域,仅木里县2005~2008年就发生60次林火,各级政府的森林防火任务非常艰巨21。今年3月底至4月上旬期间,四川省发生森林草原火灾42起,同比增加26起,增幅高达163%,其中重大森林火灾多发生在研究区内,特别是凉山州西昌市经久乡森林火灾,造成19名地方扑火人员牺牲、3名地方扑火队员重伤和部分民房烧毁,造成重大生命财产损失1

图1

图1   研究区范围图

Fig. 1   Location of the study area


2.2 数据资料

收集了火灾发生前后覆盖研究区的国产时序GF-4卫星影像数据,覆盖重点火场的2 m/8 m光学卫星(GF-1 B、C、D)星座影像数据,灾前ZY3卫星影像数据;火灾期间无人机航空视频和遥感影像数据;2019年地理国情监测地表覆盖数据和1∶5万比例尺DEM数据;林火热点(火点、烟点)的现场勘察数据。

2.2.1 卫星影像数据

2020年3月9日至4月15日的卫星影像数据,包括白天获取的GF-4/PMI影像数据,含PMS(全色、可见光、近红外共5个波段,空间分辨率为50 m)和IRS(中波红外,空间分辨率为400 m)两种数据;夜晚获取的仅有GF-4/IRS影像数据。2 m/8 m光学卫星星座影像数据,含全色(空间分辨率为2 m)和多光谱(可见光、近红外共4个波段,空间分辨率为8 m),其波段及光谱范围等信息见自然资源部遥感云服务平台;H1C(海洋一号C)卫星影像数据(可见光、近红外共4个波段,空间分辨率为50 m)。灾前ZY3卫星影像(经过几何精校正和正射校正)作为空间参考,用于所有卫星和航空影像数据的几何精校正等预处理。选取了2020年3月30日至4月6日的时序GF-4影像数据25景(表1),2020年3月9日至4月15日的2 m/8 m光学卫星星座影像数据9景用于研究。

表1   选取的卫星影像数据表

Table 1  Acquisition of satellite image data

数据类型拍摄日期拍摄时间数量(景)用途
GF-4(共25景;白天为PMI数据;夜间为IRS数据)3月30日11:26;16:402卫星林火热点监测
3月31日4:46;11:27;15:01;20:114
4月1日11:31;13:41;16:41;20:254
4月2日4:46;13:37;20:123
4月3日4:46;11:31;20:113
4月4日4:47;11:31;16:41;20:114
4月5日4:46;11:272
4月6日4:46;11:31;14:573
2 m/8 m光学卫星星座(共9景)3月9日12:171林火热点目视解译
3月30日12:301
3月31日12:221
4月1日12:13;11:572
4月2日12:041
4月4日12:191
4月6日12:021
4月15日12:221
H1C卫星影像(共1景)4月4日11:591林火热点目视解译
ZY-3卫星(灾前共2景)2019年3月22日2数据预处理

新窗口打开| 下载CSV


2.2.2 无人机航摄数据

2020年3月27日至4月7日,选取木里县、西昌市和冕宁县无人机航空摄影可见光和红外视频数据及光学影像数据(空间分辨率为0.2 m),用于卫星林火热点监测结果精度验证(表2)。

表2   选取的无人机航摄数据

Table 2  Acquisition of UAV video and image data

数据类型拍摄地点拍摄时间视频时长/min影像面积/km2
视频数据(白天为可见光;夜间为红外视频)木里县乔瓦镇、项脚乡3月30日21时37.45
木里县李子坪乡3月31日11时41.75
木里县白碉乡4月1日10时25.00
西昌市泸山火场3月30日22时21.00
西昌市泸山火场3月31日4时36.83
可见光影像木里县白碉乡4月3日10时40
木里县4月5日10时218
西昌市泸山火场4月1日19时25
西昌市泸山火场4月2日7时14

新窗口打开| 下载CSV


2.2.3 其他数据

1∶5万DEM数据用于卫星影像数据的正射校正;采用了2019年地理国情监测生产的地表覆盖数据中植被类型的矢量数据,用于剔除除植被外的地物,减少环境背景对林火热点监测结果的影响;四川省应急管理厅提供的林火热点的现场勘察数据,用于卫星林火热点监测结果精度验证。

研究数据资料的使用主要基于以下原则:GF-4卫星影像时间分辨率高、单景面积大,可形成有效覆盖研究区的时间序列影像,其IRS波段对林火热点敏感,重点用于林火热点探测;2 m/8 m光学卫星星座空间分辨率相对较高,但重返周期较长,重点用于主要火场目视解译,辅助判定林火热点阈值;无人机航空摄影数据和林火热点的现场勘察数据,空间分辨率高,但受天气影响大,重点用于监测结果的验证。

2.3 研究方法

研究采用了ENVI5.3和ArcGIS10.2软件,主要流程包括(图2):①数据预处理,以灾前ZY3卫星影像和DEM数据,对卫星影像数据进行正射校正和几何精校正;对GF-4/ IRS卫星影像数据进行辐射定标和亮温计算;②林火目视解译,利用2 m/8 m光学卫星星座影像对重点火场的林火热点和火线等进行目视解译;③林火热点阈值判定,通过叠加亮温计算结果和目视解译结果,经统计后确定卫星林火热点判定阈值;④林火热点动态监测,利用时序影像,根据阈值提取研究区不同时段林火热点,并叠加植被覆盖数据掩膜去除背景环境影响,开展火灾时序动态监测,并分析重点火场火灾发展时空过程;⑤监测结果验证,采用无人机航摄数据和现场勘察数据,结合权威报道等资料,对监测结果进行验证。

图2

图2   林火热点监测技术流程

Fig.2   Flowchart of fire detection method


2.3.1 数据预处理

主要介绍辐射定标和亮温值计算。利用式(1)对选取的25景GF-4/IRS和9景2 m/8 m光学卫星星座影像进行辐射定标,计算得到辐射率,采用式(2)将GF-4/IRS辐射率转化为亮温17

L=(DN-B)/G

其中:L为辐射率;DN为影像灰度值;B为增益系数,G为偏移量,其数值可在元数据中XML文件中读取。

T=C2vln1+C1v3/L

其中:T为亮温(K),L为辐射率,v为中心波长的倒数(cm-1),中心波长可在中国资源卫星应用中心公布的GF-4/IRS数据光谱响应函数文件中获得。

C1=1.910659×10-5(mWm-2Sr-1cm-4

C2=1.438833(cmK)。

2.3.2 林火热点阈值判定方法

(1)林火热点目视解译。林火热点是森林草原等植被燃烧产生的典型热异常特征,包括火点(着火点)和烟点,其中火点是指植被燃烧过程中可见的明火位置,烟点是植被在燃烧过程中,因植被自身水分的蒸发形成大量烟的位置22。利用火灾期间2 m/8 m光学卫星星座影像的假彩色(4、3、2波段)组合,结合区域地貌(山脊线、山谷线、坡面)和植被覆盖情况,建立热点的影像目视解译标志,并完成重点火场热点的目视解译。解译标志主要表现为:①火灾区域在影像被大面积烟雾覆盖。烟雾从烟点开始沿风向呈带状延伸散开,影像上颜色从深灰逐渐转变为浅灰色,形状呈“扫帚形”带状,与云层覆盖区可根据形状和云层的阴影区分;②火线往往沿着山脊线和迎风坡面在烟雾覆盖下方出露,形状呈条带状。火线沿线连续或间断地出现火点和烟点,火点在真彩色(3、2、1波段)合成图像呈橙红色,与周边植被的绿色显著区分,在假彩色(4、3、2波段)合成图像呈黄色和橙红色,与周边暗红色植被区分。烟点在过火区域间断分布,在假彩色(4、3、2波段)合成图像呈灰色,与周边暗红色植被明显区分。

(2)林火热点阈值构建。将目视解译的热点结果作为训练样本,叠加同时间段内GF-4/IRS亮温计算结果(目视解译样本影像采集时间与GF-4/IRS影像采集时间相差3 h以内),统计林火热点的亮温值分布特征,取最小亮温值作为白天林火热点判定阈值,并根据白天和夜间林火温度差异,确定夜间林火热点判定阈值。

2.3.3 火灾发展的动态监测方法

采用白天和夜间林火热点阈值,提取不同时间点GF-4/IRS亮温影像中的林火热点像元,并对研究区热点像元的空间分布和数量变化进行动态监测。根据热点时空变化情况,对热点聚集数量多和火灾持续时间相对较长的重点火场火灾发展时空过程进行分析和反演。

2.3.4 准确度验证方法

通过对比权威机构报道的火灾发展过程资料与卫星监测热点像元时序监测结果,从定性角度验证热点监测结果的准确度。采用无人机航摄数据和现场勘察热点数据,对比卫星热点监测结果,从定量的角度对监测结果进行精度验证。

3 结果与分析

3.1 卫星林火热点判定阈值

通过目视解译的林火热点42处训练样本(图3),分别叠加相同时段GF-4/IRS亮温图像结果,得到白天林火热点的亮温值分布区间(表3)。林火火点的最低亮温值为383.21 K,最大值为383.83 K;烟点最低亮温值为359.94 K,最大值为383.53 K。选取烟点最低亮温值取整后作为白天热点判定阈值,以尽可能探测出研究区所有可能的热点,白天亮温值T≥360 K即判定为林火热点(式(3))。夜间地表背景温度和林火热点温度相对白天降低,周宇飞等23利用红外热成像仪测得白天火源平均温度较夜间平均高约30 K,在此认为夜间亮温值低于白天约30 K,即T≥330 K即为林火热点(式(4))。

图3

图3   基于卫星和无人机航空影像的林火热点目视解译结果

(图3(a)~(e):2 m/8 m光学卫星星座波段4、3、2合成假彩色影像,图4(f):无人机RGB航摄影像)

Fig.3   Visual interpretation of forest fire hot spots based on satellite and UAV images


:T380 K/360 KT<380 K/T<360 K
:T350 K/330 KT<350 K/T<330 K

表3   林火热点目视解译样本及对应的亮温值

Table 3  The brightness temperature value of forest fire extract by visual interpretation sample

2 m/8 m卫星星座影像GF-4卫星影像亮温
样本类型样本数量样本影像获取时间IRS影像获取时间最小值最大值平均值
火点13月30日12:303月30日11:26383.21383.35383.28
火点14月1日11:574月1日13:41383.53384.83384.18
烟点93月30日12:303月30日11:26369.96383.21378.98
烟点153月31日12:223月31日15:01359.94384.35382.38
烟点104月1日11:574月1日13:41364.40384.53378.47
烟点64月4日12:194月4日11:31362.77372.87370.50

新窗口打开| 下载CSV


3.2 林火热点动态监测结果

利用2020年3月30日至4月6日的25景时序GF-4/IRS影像的亮温结果,根据林火热点判定阈值(式(3)和式(4)),对研究区25个时间段的林火热点进行了监测,其中白天14次,夜间11次。本次监测发现有林火事件的共6处火场,分别为:木里县及其与盐源县交界1处(图4(a),①号木里火场)、西昌市1处(图4(b),②号西昌火场)、冕宁县1处(图4(b),③号冕宁火场)、盐源县2处(图4(b),④号盐源火场;图4(h),⑤号盐源火场;)、九龙县1处(图4(j),⑥号九龙火场)。号木里火场的火灾规模最大,监测发现3月30日16:40该火场卫星热点像元最多达677个(图5),其持续时间也最长,至4月4日夜间 20:11仍有热点分布;其次是 号西昌火场,3月31日20:11发现其卫星热点像元最多约为141个(图5),4月2日午后热点消失;③号冕宁县、④号盐源县、⑤号盐源县和⑥号九龙县火灾规模相对较小,热点像元最多约30个,持续时间也较短,多为2~3 d。

图4

图4   研究区卫星林火热点动态监测结果

(①号火场底图为4月15日12:22的2 m/8 m光学卫星星座影像;②号火场底图为4月6日12:02的2 m/8 m光学卫星星座影像;③、④和⑤号火场底图为4月5日11:27的GF-4影像;⑥号火场底图为4月4日11:59的H1C卫星影像)

Fig.4   Dynamic monitoring results of forest fire with satellite image in the study area


图5

图5   重点火场卫星林火热点像元数量变化

(①~⑥对应了图4中的火场编号)

Fig.5   The number of forest fire hotspot pixels in the main fire sites


3.3 重点火场火灾时空过程分析

根据卫星监测的热点像元分布范围及像元数量随时间变化数据,重点分析了①号木里火场和②号西昌火场火灾发展的时空过程。

3.3.1 ①号木里火场火灾发展的时空过程

(1)3月30日11:26,在乔瓦镇与项脚蒙古乡交界处发现了两处热点聚集,位于整个火场的西南角(图6),热点像元数量累计40个;随后5个小时里火灾急速向东北方向蔓延,到3月30日16:40热点呈面状分布展开,基本覆盖了项脚蒙古乡整个区域和乔瓦镇的东南部分区域,包括:项脚村、羊窝子村锄头弯村等(图6),同时火线向东北蔓延至白碉苗族乡西南部,整个30日火势发展最为迅速,火线前缘向东北方向推进约10 km,热点像元的数量达到峰值,累计677个(图5)。

图6

图6   ①号木里火场的火灾发展时空过程

Fig. 6   Spatiotemporal process of fire development in number① Muli fire site


(2)3月31日,火灾进一步向东北、东和南3个方向蔓延,东北方向的火线蔓延至阳山村、呷咪坪村一带,东部火线蔓延至吉米村,南部火线蔓延至大地村及项脚蒙古乡与列瓦乡交界处,火线向东面小金河靠近(图6);31日的火势较30日有所减缓,火线前缘分别向东北、东和南3个方向推进约7 km、4 km和3 km,热点像元数量减少至426个(图5)。

(3)4月1日,火灾向北、东北和东3个方向蔓延,北部热点覆盖阳山村部分区域,东北方向的热点覆盖呷咪坪村和吉米村,蔓延至白碉村一带,东部热点覆盖吉米村,4月1日热点与31日热点区域相互叠加后,整个火场基本覆盖了白碉苗族乡东南和南部及大坡蒙古乡大部份区域(图6)。其火势较31日有所减缓,火线前缘分别向北、东北和东3个方向推进约1.2 km、1.5 km和2 km,而原西南方向覆盖乔瓦镇与项脚蒙古乡境内的热点逐渐消失,热点像元数量减少至290个像元(图5)。

(4)4月2日,火灾主要向东蔓延,到达大坡蒙古乡达拉牯村和格居村(图6),火势较1日进一步减缓,火线前缘向东推进约1 km,热点像元数量减少至86个(图5)。

(5)4月3日,火灾再向东北和东两个方向蔓延,东北方向火线蔓延至大坡蒙古乡花椒坪村,东部火线穿过格居村,火线前缘整体抵近北面的雅砻江和东面的小金河(图6),火势较2日再减缓,火线前缘分别向东北和东推进约1.6 km和1.2 km,热点像元数量减少至45个(图5)。

(6)4月4日和4月5日,北面、东北、东面和南面的火线后受到河流阻隔,北面火线受人工防火带阻隔,使得火灾基本停止蔓延,火势总体被控制住,整个火场有零星几处热点(图6),火灾基本进入余火阶段。

3.3.2 ②号西昌火场火灾发展的时空过程

(1)3月30日16:40,在经久乡马鞍村及其与马道镇和西溪乡的交界处发现了热点聚集,位于整个火场的西南角(图7),热点像元数量累计29个(图5)。

图7

图7   ②号西昌火场的火灾发展时空过程

Fig.7   Spatiotemporal process of fire development in number② Xichang fire site


(2)3月31日,火灾向东、北和南3个方向蔓延(图7),较30日火线前缘向3个方向分别推进约4 km、2 km和3 km,向东的火线前缘抵近邛海边,林火覆盖了火场大部分地区,31日热点像元数量达到峰值,为141个(图5)。

(3)4月1日,火灾蔓延基本停止(图7),火势总体减小,东和北方向的热点消失,南向仍有热点聚集,热点像元数量减少至67个。

(4)4月2日,火灾向东南角蔓延,到达海南乡、缸瓦村和西昌电池厂,火势整体进一步减弱,仅东南角少量热点聚集,像元数量为39个;至4月2日13:37,整个西昌火场热点完全消失。

3.4 监测结果准确度验证

(1)热点动态监测结果以及火灾发展时空过程,与相关政府机构发布的现场勘查火灾过程基本吻合。据凉山州人民政府报道2:“3月28日19:30,木里县乔瓦镇锄头湾村与项脚乡项脚村交界处发生森林火灾;4月1日,发展出南线—东线、南线—西线—北线、北线—东北线3条火线;4月3日,前两条火线明火已基本扑灭,北线—东北线明火暂未扑灭;4月4日,前两条火线进入处理余火阶段,北线—东北线明火暂未扑灭。4月5日,3条火线均已控制,进入余火处理阶段;4月6日和7日,进入残存烟点处理阶段。”该报道的火场与本文①号木里火场位置一致,发生时间和结束时间基本吻合,报道描述的火灾发展时空过程与本文分析结果基本吻合(图6)。“3月30日15时51分,西昌市经久乡马鞍村大营农场方向发生森林火灾,山火迅速漫延至泸山;3月31日,火灾迅速扩散,过火面积1 000 hm2;4月1日12时,东线、北线、西线明火已扑灭,转入烟点和余火处置,南线剩两条火线。4月2日晚至3日8:00,区域均未发生复燃,未发现烟点。” 该报道与本文分析的②号西昌火场位置一致,火灾发生和结束时间一致,火势发展过程基本吻合(图7)。“4月3日16时,九龙县于雅砻江左岸发生森林火灾,着火点20~30个,4月5日已无明火,进入清理余火、烟点、暗火阶段。” 该报道与本文分析的⑥号九龙火场位置一致,火灾发生和结束时间一致。

(2)火灾初期(发生和迅速蔓延阶段)和中期(火灾发展高峰阶段),卫星监测热点与无人机影像解译、现场勘察热点可准确匹配。图8中,①号木里火场在火灾初期和中期(3月30日~4月2日),无人机影像解译和现场勘察热点数量为9个,其中8个热点落在同期卫星监测林火热点像元范围内;②号西昌火场在火灾中期(4月1日~4月2日),无人机影像解译和现场勘察得到的林火热点均落在卫星监测的林火热点范围内,据此测算卫星热点监测精度达89%,表明在火灾初期和中期GF-4卫星监测林火准确度较高。火灾后期(余火、烟点和暗火残存阶段),①号木里火场4月3~4月5日无人机解译5个热点,仅1个热点落在同期卫星监测热点像元范围内,表明在火灾后期GF-4卫星较难探测出余火热点。⑥号九龙火场4月3日现场勘察6个热点,仅3个热点落在卫星热点范围内,其原因可能为卫星探测和现场勘察时间相差较大(超过7 h),火灾发展后未能实时监测。

图8

图8   卫星监测热点与无人机影像解译、现场勘查热点对比结果

Fig.8   Comparison results of satellite monitoring fire hotspots with unmanned aerial vehicle image interpretation hotspots and field survey hotspots


4 结 论

利用时序国产卫星影像、无人机航空影像及现场勘查热点数据等,针对近期火灾高发、易发,且国家和四川省及相关部门重点关注的木里县及其周边林区,开展了卫星林火热点动态监测研究及应用,分析了重点火场火灾发展时空过程,对监测结果进行了检验,结果表明:

(1)以国产GF-4卫星影像为主,辅助以2 m/8 m光学卫星星座影像,可较好地监测林火热点。研究确定了卫星林火热点判定阈值,即:白天亮温值T≥360 K或夜间亮温值T≥330 K为林火热点,可为后续持续开展林火动态监测提供参考。由于实验采用的林火热点解译样本均来源于该研究区的此次特定林火事件,据此确定的林火亮温判定阈值的普适性待进一步研究。

(2)利用25景时序GF-4卫星影像,对木里县及周边林区3月30日至4月6日期间的林火事件进行了动态监测,发现典型的6处火场25次林火事件,其中①号木里和②号西昌火场规模相对较大,持续时间长,危害及造成损失相对较大。

(3)利用热点动态监测结果反演了①号木里和②号西昌火场火灾发展时空过程,可为潜在火灾预防扑救、火灾趋势研判及灾害损失评估提供参考。监测发现①号火场3月30日火点起源于西南角乔瓦镇与项脚蒙古乡交界处,后向东北、东和南3个方向迅速蔓延,火线推进距离最大达到10 km/d;到4月2日,再向东蔓延,火势减小;4月3日,火线抵近雅砻江和小金河,火势再减缓;4月4日和4月5日,受到河流和人工防火带阻隔,火灾基本停止蔓延,火势被控制。②号火场3月30日火点起源于经久乡马鞍村及其与马道镇和西溪乡的交界处,后火灾向东、北和南蔓延,火线最大推进最大距离4 km/d;31日火势达到峰值;4月1日,火灾蔓延基本停止;4月2日,火灾被控制扑灭。

(4)经检验,卫星热点动态监测结果及其表现的火灾发展时空过程,与相关政府机构发布的现场勘查火灾过程基本吻合。火灾初期和中期,GF-4卫星监测热点准确度较高,监测精度可达到89%;火灾后期,GF-4卫星则较难监测出火场余火。实验利用2 m/8 m光学卫星星座解译样本点来统计GF-4热红外影像的亮温分布特征,由于两种影像成像时间上相差0~3 h,以及火灾初期林火快速动态变化的影响(扩张速度约160~400 m/h),使得对火点的亮温阈值判定存在一定影响。

新华网.近期四川森林火灾多发国家森防办约谈四川省、凉山州人民政府。http:∥www.xinhuanet.com/local/ 2020-04/09/c_1125832983.htm
凉山州人民政府,凉山州森林火灾扑火救援专题,http://www.lsz.gov.cn/ztzl/rdzt/lszslhzphjy/index.html

参考文献

Li Weiqiang.

Causes of Forest Fires and Prevention and Control Measures—A Case Study of

3.30” Fire in Muli County[J]. Journal of Sichuan Forestry Science and Technology, 2019, 404): 108-111.

[本文引用: 1]

李维强.

森林火灾的成因及防控对策—以“3·30”木里火灾为例

[J]. 四川林业科技, 2019404): 108-111.

[本文引用: 1]

Peng YuCai Bangcheng.

Review of Forest Fire Monitoring and Interrelated Technology

[J]. Journal of Anhui Agricultural Sciences, 20144232): 11355-11357.

[本文引用: 1]

彭禹蔡邦成.

森林火灾监测及相关技术综述

[J]. 安徽农业科学, 20144232): 11355-11357.

[本文引用: 1]

Zheng WeiChen Jie Yan Huaet al.

Global Fire Monitoring Products of FY-3D/MERSI-II and Their Applications

[J]. Journal of Remote Sensing, 2020245): 521-530.

[本文引用: 1]

郑伟陈洁闫华.

FY-3D/MERSI-II全球火点监测产品及其应用

[J]. 遥感学报, 202024245): 521-530.

[本文引用: 1]

Zhan JianfengFan ChongLi Tao.

A Forest Firespot Automatic Detection Algorithm for HJ-IRS Imagery

[J]. Geomatics and Information Science of Wuhan University, 20123711): 1321-1324.

[本文引用: 1]

詹剑锋范冲李陶.

一种利用 HJ-IRS 影像的林火火点自动检测算法

[J]. 武汉大学学报信息科学版, 20123711): 1321-1324.

[本文引用: 1]

Dozier J.

A Method for Satellite Identification of Surface Temperature Fields of Subpixel Resolution

[J]. Remote Sensing of Environment, 198111221-229.

[本文引用: 1]

Matson M SSchneider RAldridgeet al.

Fire Detection Using the NOAA Series Satellites

[R]. NOAA-NESS Technical Report 7, Washington1984734.

[本文引用: 1]

Flannigan M DVonder Haar T H.

Forest Fire Monitoring Using NOAA Satellite AVHRR

[J]. Canadian Journal of Forest Research, 198616975-982. doi: 10.1139/x86-171.

[本文引用: 1]

Kaufman Y JJustice C OFlynn L Pet al.

Potential Global Fire Monitoring from EOS-MODIS

[J]. Journal of Geophysical Research: Atmospheres, 1998103D24): 32215-32238.

[本文引用: 1]

Lee T FTag P M.

Improved Detection of Hotspots Using the AVHRR 3.7 μm Channel

[J]. Bulletin of the American Meteorological Society,19907112):1722-1730. doi: 10.1175/1520-0477(1990)071<1722:IDOHUT>2.0.CO2.

[本文引用: 1]

Dwyer EGrégoire J MMalingreau J P.

A Global Analysis of Vegetation Fires Using Satellite Images: Spatial and Temporal Dynamics

[J]. Ambio, 1998273): 175-181.

[本文引用: 1]

Chuvieco EMartin M P.

A Simple Method for Are Growth Mapping Using AVHRR Channel 3 Data

[J]. Remote Sensing,19941516):3141-3146. doi:10.1080/014311694089 54316.

[本文引用: 1]

Giglio LKendall J DJustice C O.

Evaluation of Global Fire Detection Algorithms Using Simulated AVHRR Infrared Data

[J]. International Journal of Remote Sensing, 19992010): 1947-1985. doi: 10.1080/014311699212290.

[本文引用: 1]

Boles S HVerbyla D L.

Comparison of Three AVHRR-based Fire Detection Algorithms for Interior Alaska

[J]. Remote Sensing of Environment, 2000721): 1-16.

[本文引用: 1]

Fraser R HLi ZCihlar J.

Hotspot and NDVI Differencing Synergy (HANDS): A New Technique for Burned Area Mapping over Boreal Forest

[J]. Remote Sensing of Environment, 2000743): 362-376.

[本文引用: 1]

Giglio LDescloitres JJustice C Oet al.

An Enhanced Contextual Fire Detection Algorithm for MODIS

[J]. Remote Sensing of Environment, 2003872-3):273-82.

Giglio LSchroeder WJustice C O.

The Collection 6 MODIS Active Fire Detection Algorithm and Fire Products

[J]. Remote Sensing of Environment, 201617831-41.

[本文引用: 1]

Qin XianlinZhang ZihuiLi Zengyuan.

An Automatic Forest Fires Identification Method Using HJ-1B IRS Data

[J]. Remote Sensing Technology and Application, 2013255): 700-706.

[本文引用: 2]

覃先林张子辉李增元.

一种利用HJ-1B红外相机数据自动识别林火的方法

[J]. 遥感技术与应用, 2013255): 700-706.

[本文引用: 2]

Li JiaguoGu XingfaYu Tao.

Detection of Australian Southeast Forest Fire Using HJ Satellite

[J]. Journal of Beijing University of Aeronautics and Astronautics, 20103610): 1221-1224.

[本文引用: 1]

李家国顾行发余涛.

澳大利亚东南部森林山火HJ卫星遥感监测

[J]. 北京航空航天大学学报, 20103610): 1221-1224.

[本文引用: 1]

Liu ShuchaoLi XiaotongQin Xianlinet al.

Adaptive Threshold Method for Active Fire Identification based on GF-4 PMI Data

[J]. Journal of Remote Sensing, 2020243): 215-225.

[本文引用: 1]

刘树超李晓彤覃先林.

GF-4 PMI 影像着火点自适应阈值分割

[J]. 遥感学报, 2020243): 215-225.

[本文引用: 1]

Rao YuemingWang ChuanHuang Huaguo.

Forest Fire Monitoring based on Multisensor Remote Sensing Techniques in Muli County, Sichuan Province

[J]. Journal of Remote Sensing, 2020245): 559-570.

[本文引用: 1]

饶月明王川黄华国.

联合多源遥感数据监测四川木里县森林火灾

[J]. 遥感学报, 2020245): 559-570.

[本文引用: 1]

Deng WuxiXia Xiaozhu.

Analysis of the State of Forest Fires in Muli County and Their Precaution Measures

[J]. Journal of Sichuan Forestry Science and Technoligy, 2009306): 130-134.

[本文引用: 1]

邓武喜夏筱竹.

木里县森林火情分析及防范措施

[J]. 四川林业科技, 2009306): 130-134.

[本文引用: 1]

Qin XianlinLi XiaotongLiu Shuchaoet al.

Forest Fire Early Warning and Monitoring Techniques Using Satellite Remote Sensing in China

[J]. Journal of Remote Sensing, 2020245):511-520.

[本文引用: 1]

覃先林李晓彤刘树超.

中国林火卫星遥感预警监测技术研究进展

[J]. 遥感学报, 2020245): 511-520.

[本文引用: 1]

Zhou YufeiLi XingweiWang Zhenshiet al.

The Research on Algorithm for Identifying Early Forest Fire of Infrared Thermal Imager

[J]. Forest Resources Management,20125): 119-124.

[本文引用: 1]

周宇飞李兴伟王振师.

红外热成像仪早期林火识别算法研究

[J]. 林业资源管理, 20125):119-124.

[本文引用: 1]

/