Study on the accuracy of forest fire prediction by satellite hot spots in Daxing'an Mountains of Heilongjiang, northeastern China
-
摘要: 卫星监测是现阶段我国主要森林火灾监测方法，其本质是测报地面的高温热源，利用粗分辨率的遥感数据进行林火监测时不能区分高温热源性质、精确定位火场，对于热点数据的地面核查反馈工作造成一定困难。提升热点数据处置的技术水平是森林防火研究的热点。本文基于2005—2015年黑龙江省大兴安岭林区卫星热点数据和同时期森林火灾历史资料，利用ARCGIS和统计分析，得出结论如下：1)卫星热点初判林火发生次数的准确率79.7%，不同卫星初判热源差异较大，NOAA-16、NOAA-18、NOAA-19和FY-1D的报准率均在80%左右，监测次数综合达到1 928次，占总数的2/3，是监测林火的主力卫星。2)卫星预报初判林火发生位置平均误差为5 787.9 m；不同卫星初判热源差异较大，NOAA-19和Terra预报热点的误差较小，但监测数量偏少；NOAA-15和NOAA-17的监测数量虽然较多，但其误差非常大，NOAA-15有7 064.7 m，NOAA-17达到万米以上。3)在卫星监测到的219次森林火灾和历史资料记录的165次火灾中，有147次森林火灾能够对应，卫星的多报、少报问题主要集中于呼玛县，在连续监测同一场森林火灾时，容易出现多报、少报的现象。建议在无法提高卫星性能的情况下，改进卫星图像的处理技术，完善卫星图像的判读标准，提高判读的准确性，同时完善地面核查反馈的方案，以增加核查效率，降低核查经济成本，同时基于不同卫星的性能差异，建议在进行林火监测时应以预报精确的风云系列极轨卫星为主，以性能稳定的NOAA系列卫星为辅。Abstract: Satellite monitoring is a major forest fire monitoring method at present in China, its essence is measuring and reporting the high-temperature heat source of ground. However, the coarse resolution remote sensing data can't distinguish the nature of the heat source, the fire locating is not precise, and it always make the excessive or underrated report, this can make difficult in the work of hot spot data verification. To enhance the technical level of hot spot data disposal is the research topic of forest fire protection industry. Through the data of Daxing'an Mountains satellite hot spot data and forest fire historical data from 2005 to 2015, making use of ARCGIS and statistical analysis, the conclusions were drawn as the followings: 1) Accuracy rate of satellite forest fire forecasting was 79.7%, first forecasting heat resource of varied satellites are different, the accuracy rate of NOAA-16, NOAA-18, NOAA-19 and FY-1D was all about 80%, monitoring frequency reached 1 928 times, accounted for 2/3 of the total, and they are the main satellite in forest fire monitoring. 2) The mean position error of the prediction of hot spot and the actual fire was 5 787.9 m, first forecasting heat resource of varied satellites was different, the error of NOAA-19 and Terra predicting hot spots was less, but the monitoring number was small. Although the monitoring number of NOAA-17 and NOAA-15 was more, yet the error was big, the error of NOAA-15 was 7 064.7 m, and that of NOAA-17 was more than 10 000 m. 3)Among 219 forest fires recorded from satellite and 165 fires in historical record, 147 forest fires can be recorded by satellite and historical record in the same time. The problems of multiple reports and few reports mainly concentrated in Huma County. When the satellites monitor the same forest fire, the phenomenon of overstating and missing is serious. To give advice, in the case of having no possibility to improve the performance of satellite, satellite image processing technology should be improved, also it is necessary to perfect the standards of satellite image interpretation and to improve the accuracy of interpretation. At the same time, perfecting the ground verification feedback scheme is also necessary to increase the efficiency of verification and reduce the verification cost. Based on the differences among different satellites, in forest fire monitoring, we should mainly use FY satellites which are very accurate in predicting, and the stable NOAA satellites can be used as a supplement.
-
黑龙江省大兴安岭林区地处我国最北部，其主要林型为兴安落叶松(Larix gmelinii)林，也称为明亮针叶林，是寒温带最具代表性的森林植被类型之一[1]。该区气候干冷，枯枝落叶常年累积造成可燃物载量偏高，林区内分布较多的沟塘、荒草坡和大面积的次生林，为森林火灾的发生制造了适宜的条件[2]。据统计，在2005—2015年期间，卫星监测到黑龙江省的热点数为9 798次，其中大兴安岭林区为2 952次，约占全省的1/3，而同一时期相邻省份吉林省热点数仅为827次。近年来，随着发生频率增高及发生规模加重，大兴安岭森林火灾已经成为社会关注的焦点，在森林火灾监测方面，卫星遥感监测发挥了重要作用，利用卫星热点已成为林火管理指挥决策的重要依据。但该区地形条件复杂，道路网络不够发达，使得该区热点的地面核查反馈工作有着较大难度。在进行热点定位及判断热点性质时，主要依靠国境线进行定位，定位参照物较为单一，地理数据信息库也较为陈旧，热点的定位及热点的性质易出现偏差。因此，如何加强大兴安岭林区卫星监测森林火灾的能力，提高监测准确性，减少森林火灾损失，是当前林火管理面临的一项十分紧迫的任务。
现阶段国内外的研究都集中在如何提高监测设备的技术水平上，如欧盟研制的林火自动观察系统，通过与地面遥感相结合，能做到30 s发现火情、40 s精确定位，其定位准确率达95%以上，Terra和Aqua是由美国国家地质调查局和美国国家航空航天局联合管理的两颗卫星，其搭载的MODIS传感器的分辨率最高可达到250 m[3]，可以有效提高林火的定位精度。目前，我国卫星遥感监测火情已经业务化，林火监测对卫星自身性能有着严格的要求，如主要考虑其光谱分辨率、时间分辨率和空间分辨率等，光谱分辨率主要强调识别能力，即林火等高温目标的发现能力，区分明火、暗火、火烧迹地，能识别林地、农田等非林地[4]；时间分辨率强调发现时间，即更大的监测覆盖范围，较宽的图像扫描宽度，较短的监测重复周期[5]；空间分辨率强调发现小火的能力，即发现较小的初发火点，较高的火点定位精度，清晰的背景图像信息[6]。2016年6月正式投入使用的“高分四号”是世界上地球同步轨道上第一颗高分辨率遥感卫星，其可见光谱分辨率高达50 m，利用其凝视模式可对已知位置进行短时间的持续成像，提高了一颗卫星对一片区域的连续监测能力，其1 s成像能力满足了森林火灾监测的时间分辨率要求[7]。2017年1月我国首颗林业卫星“吉林林业一号”升空，其地面像元分辨率高达1 m，将与后续林业卫星组成林业卫星星座，在应对森林火灾时可实现高频次的数据更新，对重点区域的访问间隔高达10 min/次，每天可重访30次[8]。随着我国卫星性能的不断提高，监测方式本身存在的问题也暴露出来。闫厚等[9]进行了有关卫星监测森林火灾局限性的研究，卫星监测林火主要存在的问题有：卫星定位火点与实际火点偏差较大；卫星遥感监测易受到云层遮挡；卫星图像的目视判读依赖人工；卫星热点性质的核查反馈工作进行速度慢，使数据缺少及时性。本研究通过对大兴安岭林区卫星热点数据的分析，确定卫星热点初判林火的报准率，初判火点位置与实际火点位置的误差，和卫星热点数据的多报、少报，总结在利用卫星热点数据进行林火监测中存在的问题，为林火卫星监测单位提供参考，便于在室内图像处理分析时尽可能多的排除非林火热点并提高卫星定位的精度，减少野外核查的工作量，为森林火灾的及时扑救提供参考，使林火卫星监测能够更好地为森林防火工作提供有效服务。
1. 研究区概况与研究方法
1.1 研究区域概况
黑龙江省大兴安岭林区位于我国的最北部，东部接小兴安岭，南部与松嫩平原接壤，西部以大兴安岭山脉为界与内蒙古自治区接壤，北部以黑龙江主航道中心线与俄罗斯相望。地理位置为121°12′~127°00′E，50°10′~53°33′N，面积为835万hm2[10]。大兴安岭林区属于寒温带季风区，冬季长达9个月，夏季不到1个月，无霜期出现在5月上旬至8月末，70~100 d。全年的平均温度为-2~-4 ℃，全年温差较大，1月平均温度为-20~-30 ℃，7月平均温度为17~20 ℃，极端低温为-52.3 ℃，极端高温为35.5 ℃。年降水量较少为460 mm，且集中于7—9月，这一时期的降水量约占全年的85%~90%。积雪期长达5个月，深度为30~50 cm。大兴安岭林区属寒温带针叶林区，该区植被丰富，森林覆盖率高达79.83%，主要森林类型为兴安落叶松林，土壤主要为棕色针叶林土、暗棕壤、灰色森林土、草甸土、沼泽土和冲积土等[11]。
1.2 数据来源
森林火灾统计资料来源于黑龙江省森林防火办公室，统计数据包括2000—2010年黑龙江省大兴安岭林区起火地点、起火时间、灭火时间、地理坐标、火灾面积等。
卫星热点数据来自于国家林业局卫星监测中心，卫星源主要包括NOAA-12、NOAA-14 NOAA-15、NOAA-16、NOAA-17、NOAA-18、NOAA-19、Terra、FY-1D等。数据包含2000—2015年黑龙江省大兴安岭林区的接收时间、地点、经纬度、连续性、像素个数、星标、有无烟雾，及2005—2015年热点反馈情况。
1.3 研究方法
1.3.1 卫星热点初判林火的准确性分析
卫星热点数据根据其热源性质共分为9类，即林火、荒火、计划烧除、农用火、工矿用火、草原火、境外火、查无火和其他。其中林火指在林内发生，经核查人员核实为森林火灾的火点；荒火指在人为控制下对荒地进行火烧引起的火点；计划烧除指在人为控制下，在规定地区内，利用一定强度的火烧除森林可燃物和其他植被，以满足该地区造林经营等方面的要求；农用火指由人们在农事生产经营活动中引起的，如刀耕火种、生物质燃料燃烧和防害防冻等方面的应用；工矿用火指在工业矿山生产中用火而产生的火点；草原火指在草原上发生，经核查人员核实为火灾的火点；境外火指火点落在靠近国界5~10 km范围内或省界以外，对国内或省内森林资源有严重或潜在威胁区域的火点；查无火指核查人员在预报热点一定范围内没有找到火点；其他是指除上述热源性质外的火点[12]。本文在进行研究时，利用的卫星热点数据是初判为林地内的热点数据，根据其反馈结果分为报准和报错两大类，其中卫星数据的反馈结果为发生在林地内的林火和计划烧除，则为报准，反之则为报错。将收集到的大兴安岭林区卫星热点数据作为一个大样本，根据反馈结果，对样本中9种热源性质中林火的比例进行估计，并通过式(1)计算报准率。
p=an (1) 式中：p为总体的报准率；n为样本个数；a为满足报准要求的记录数。
利用大样本进行置信区间的估计，设样本总体满足二点分布，x1, x2, …, xn为来自二点分布b(1, p)的独立随机样本，通过中心极限定理可知，样本平均值x的渐进分布为N(p,p(1−p)n)，因此可知位置参数u为：
u=ˉx−p√p(1−p)/n˙˜ N(0,1) u可作为近似枢轴量，对给定显著水平α，利用标准正态分布的1-α/2分位数u1－α/2可得：
P(|ˉx−p√p(1−p)/n|≤u1−α/2)≈1−α 括号里的事件可等价于：
(ˉx−p)2−u21−α/2p(1−p)/n≤0 上述方程的两个根可表示为：
11+u21−α/2n(ˉx+u21−α/22n±√ˉx(1−ˉx)nu21−α/2+u41−α/24n2) 由于n比较大，在实际应用中通常将u1－α/22/n项略去，则可将报准率置信区间近似为：
[ˉx−u1−α/2√ˉx(1−ˉx)n,ˉx+u1−α/2√ˉx(1−ˉx)n] (2) 不同卫星根据其过境时间、搭载的传感器不同等性能的差异，对林火监测预报的报准率具有一定影响。美国的NOAA系列卫星每天至少可以对同一地区观测2次，其投影宽度达2 048 km，其通道波长主要集中于红外波段，对地面温度分辨率高，第3通道的波长范围为3.55~3.93 μm，对林火有极敏感的反应[13]。我国的风云系列卫星每天定时发送2次卫星云图，效率相对较低，可分别卫星对该区域进行研究，以比较每颗卫星的林火热点报准率。并对不同年份、月份和防火期的报准率进行对比分析。
将卫星监测到的2000—2010年大兴安岭林区的火点位置与同时期森林火灾历史资料真实火点位置进行位置误差的定量计算。
地球是一个不规则的球体，计算两点间的距离复杂且误差大。将两点投影到一个平面上求距离可以减小误差。UTM是一种精度高、变形幅度小而且分布均匀、适用范围广的投影方式，在较窄的区域内拥有较高的精度[14]。WGS84椭球有精度高和适用范围广等优点。使用WGS84/UTM转换坐标操作简单，精度高。利用Arcgis软件基于UTM52N投影将经纬度坐标转换成WGS84坐标，通过距离公式可计算出一次森林火灾卫星预报热点与实际火点位置的误差Ri [15]：
Ri=√(ai−ci)2+(bi−di)2i=1,2,⋯,n (3) 式中：(ai, bi)为卫星热点位置，(ci, di)为实际火点位置。将Ri作为一个总体的样本，用数理统计的方法进行热点预报误差的统计估计[16]。假设Ri服从正态分布，样本总数n=467，则平均误差R为：
ˉR=n∑i=1Rin (4) 误差限：
ΔˉR=s√nt1−α2(n−1) (5) 式中：s为标准差，t为枢轴量，α为显著水平。
置信区间为：
[ˉR−s√nt1−α2(n−1,ˉR+s√nt1−α2(n−1))] (6) 1.3.2 森林火灾验证卫星热点的准确率分析
结合大兴安岭林区卫星热点数据和同时期森林火灾历史资料进行卫星预报林火热点的准确性分析。将反馈结果为林火的卫星热点数据与森林火灾历史资料相结合，一次森林火灾会有多条卫星热点数据与其相对应，森林火灾历史资料又是以火灾次数为单位进行记录，根据时间、地点等因素将多条卫星热点数据结合为一条数据进行记录。将卫星数据与历史资料进行一一对应的分析，会存在两种情况：第一种为卫星多报数据，即卫星记录数据中显示有森林火灾发生，但在森林火灾历史资料中并没有能够与之相对应的记录；第二种为卫星少报数据，即在历史资料中有记录的森林火灾在卫星数据中没有能够与之对应的记录。根据对应结果，分析卫星热点数据的多报、少报出现的次数和分布情况，以及不同卫星监测预报林火的多报分析。
2. 森林火灾验证卫星热点的准确率分析
2.1 卫星热点初判林火的报准率分析
2.1.1 卫星热点初判热源类别分析
如图 1所示，将9种热源进行分类统计。结果表明，2005—2015年监测到的2 952个卫星热点中，经地面核查为林火的有1 589个，占53.83%；荒火有14个，占0.47%；计划烧除有764个，占25.88%；农用火有320个，占10.84%；工矿用火有2个，占0.07%；境外火有30个，占1.02%；草原火有4个占0.14%；查无火有150个，占5.08%；其他有79个，占2.68%。以95%的可靠性估计卫星监测林火的报准率，查标准正态双侧位分数表可知u1－α/2=1.96，卫星热点预报林火的准确率为0.797，置信区间为[0.782, 0.816]。
2.1.2 不同卫星初判林火报准率分析
据统计，如图 2，有的卫星报准率很高，但其监测到的次数也很少，如NOAA-15的报准率100%，但仅监测到13次；NOAA-14、NOAA-17、FY-3A和MODIS的报准率都在85%以上，但是监测次数最多的FY-3A卫星也只有137次；NOAA-12和Terra监测到的次数虽然较多，但报准率仅为66.88%和67.74%；Aqua仅监测到49次，报准率也只有73.47%；NOAA-16、NOAA-18、NOAA-19和FY-1D的报准率均在80%左右，监测次数综合达到1 928次，占总数的2/3，是监测林N代表NOAA系列卫星；F代表风云(FY)系列卫星；A代表Aqua卫星；M代表MODIS卫星；T代表Terra卫星。下同。N represents NOAA satellite; F represents Fengyun satellite; A represents Aqua satellite; M represents MODIS satellite; T represents Terra satellite. The same below.火的主力卫星。NOAA卫星采取双星运行模式，一颗卫星一天内可至少对同一地区监测2次，加上其2 048 km的卫星图像宽度，增强了NOAA卫星发现火的能力。FY-3A是在风云一代卫星的基础上发展的，使用年限上的不同使得二者的监测数量有一定差距，但就报准率来看，FY-3A明显高于风云一代卫星。
![]()
图 2 不同卫星监测预报林火报准率比较N代表NOAA系列卫星; F代表风云(FY)系列卫星; A代表Aqua卫星; M代表MODIS卫星; T代表Terra卫星。下同。Figure 2. Comparison in accuracy rate of forecasting forest fire among different satellitesN represents NOAA satellite; F represents Fengyun satellite; A represents Aqua satellite; M represents MODIS satellite; T represents Terra satellite. The same below.2.1.3 不同时期卫星初判林火报准率分析
如图 3所示，2005—2015年期间，2005、2007、2009、2011和2012年的报准率均低于70%，2006年和2010年的报准率准确性相对较好，并且在监测热点较多的情况下能够保持较高的报准率。从整体趋势来看，随着年份的变化，卫星预报林火热点的报准率从开始的不稳定，到最后的趋于稳定，与NOAA-19和FY-3A等新一代的高技术水平卫星的投入使用有着较大关系。
![]()
图 3 不同年份卫星监测预报林火报准率比较Figure 3. Comparison in accuracy rate of forecasting forest fire among different years从防火期和非防火期报准率对比来看，防火期期间报准率的准确性要明显高于非防火期。从不同月份的报准率情况来看，除9月份以外，其他月份的报准率的准确性均能维持在较高水平，通过对数据的核查，出现报错的情况在9月上中旬较多，此时处于非防火期。从图 4和图 5结合来看，报准率在非防火期的情况下较低，是在非防火期内农事用火等生产生活性用火增加，使得判读的难度加大，容易引起林火热点的报错。
![]()
图 4 防火期与非防火期卫星监测预报林火报准率比较Figure 4. Comparison in accuracy rate of forecasting forest fire between fire season and non-fire season![]()
图 5 不同月份卫星监测预报林火报准率比较Figure 5. Comparison in accuracy rate of forecasting forest fire among different months2.2 卫星初判林火发生位置的准确性分析
2.2.1 卫星初判林火发生位置分析
2000—2010年卫星共监测到大兴安岭林区234起森林火灾，由于多颗卫星可连续监测到同一起森林火灾，或一颗卫星可重复监测到同一次森林火灾，通过对数据的整理，共得到467条数据可用于卫星初判林火发生位置分析。利用距离公式计算误差Ri，将467个Ri作为总体，假设Ri服从正态分布，以95%的可靠性(u1－α/2=1.96)对卫星预报林火热点的误差进行估计，平均误差为5 787.9 m，置信区间为[4 734.1, 6 841.7]。
2.2.2 不同卫星初判林火发生位置分析
NOAA-19和Terra预报热点的误差较小(见图 6)，分别为3 814.2和3 310.2 m，但其监测数量偏少，分别只有4和26次；NOAA-15和NOAA-17的监测数量虽然较多，但其误差相对较大，NOAA-15有7 064.7 m，NOAA-17达万米以上；FY-3A和FY-1C的误差相对较大，分别为11 062.4和8 475.6 m，监测数量分别为8和10次；NOAA-12和NOAA-18的误差分别为4 099.03和5 185.1 m，监测数量分别为135和54次。Aqua和Terra的空间分辨率非常高，是预报热点的误差较小的主要原因，但由于其有限的图幅宽度，使其发现火的能力大大降低，监测到的热点数量也随之减少。NOAA卫星虽然图幅较大，但其1.1 km的空间分辨率，使其在进行热点定位上有一定的局限性。
![]()
图 6 不同卫星初判热点位置误差Figure 6. Position error of predicting hot spots among different satellites2.2.3 不同时期卫星初判林火发生位置分析
如图 7所示，2000—2010年之间，除2003和2004年相对误差较大外，误差均处于平均水平左右，具有较高的准确性和稳定性。从防火期和非防火期的误差对比来看，防火期的误差要高于非防火期，在非防火期内森林火灾发生次数少，一旦发生很容易确定其位置(见图 8)。如图 9所示，从不同月份的误差情况来看，3月份的误差偏高，其余月份预报情况较好，总体准确性较为稳定，其中以8月份的误差最小。
![]()
图 7 不同年份初判热点位置误差Figure 7. Position error of predicting hot spots among different years![]()
图 8 防火期与非防火期初判热点位置误差比较Figure 8. Position error of predicting hot spots between fire season and non-fire season![]()
图 9 不同月份初判热点位置误差Figure 9. Position error of predicting hot spots among different months3. 森林火灾验证卫星热点的准确性分析
3.1 森林火灾验证发生次数的准确性分析
在2005—2010年卫星热点数据的记录中，反馈为林火的共有452条数据。由于多颗卫星可连续监测到同一起森林火灾，或一颗卫星可重复监测到同一次火灾，通过对数据的整理，以及与同时期历史资料的一一对应得出，卫星共计监测到219次森林火灾，同时期历史资料共有165次火灾记录，累计共有147次森林火灾的卫星数据与历史资料能够对应。其中卫星数据有记录但历史资料无记录共有72次火灾，即卫星多报数为72次；历史资料有记录但卫星数据无记录共有18次火灾，即卫星少报数为18次(见图 10)。
![]()
图 10 卫星监测数与森林火灾发生次数对比图Figure 10. Comparative map of satellite monitoring frequency and forest fire occurrence3.2 森林火灾验证林火发现位置的准确性分析
据统计，卫星热点数据多报情况主要发生在呼玛县，在卫星多报的72次森林火灾中有47次出现在呼玛县，松岭区11次，呼中区和塔河县各5次，漠河县4次。在历史资料记录的165次火灾中，有18次没有与其相对应的卫星记录，其中呼玛县7次，加格达奇区2次，呼中区、松岭区和漠河县各为3次。
3.3 不同卫星热点预报林火多报分析
不同卫星对于森林火灾的多报情况有一定差异(见图 11)，Aqua、NOAA-17、NOAA-14、NOAA-19和FY-3A的多报概率很高，但其监测到的火灾次数较少，最多的也只监测到了219次森林火灾中的42次；Terra和NOAA-16监测到的次数虽然较多，但多报情况较为明显；Modis和NOAA-15多报概率较小，但监测到的森林火灾次数相对较少；NOAA-18和FY-1D监测到的火灾次数和多报情况较为良好。风云系列卫星虽然报错率不高，但从整体来看，报错次数较高，可能是由于该系列卫星研发起步较晚，技术水平不完善引起的。由于Aqua和Terra搭载的MODIS传感器光谱分辨率高，对地面热源有极强的敏感性，导致其在进行热点判读时易出现多报的情况，建议在利用MODIS数据进行热点判读时在算法上做进一步的订正。
![]()
图 11 不同卫星热点预报林火多报分析Figure 11. Over-forecasting forest fire analysis among different satellites4. 结论与讨论
1) 从大兴安岭林区2005—2010年卫星热点反馈数据来看，卫星热点初判林火发生次数的准确率79.7%。究其原因，有卫星容易受到云层植被等对热源遮挡，也有进行卫星图像判读出现的错误，依赖判读人员的经验，当与地理信息配准有误差时，人员聚集区内的热点也会被预报为林火热点。从大兴安岭林区2000—2010年森林火灾历史资料来看，卫星预报初判林火发生位置平均误差为5 787.9 m，最大误差可达万米，这就意味着核查人员必须在一个相当大的范围内进行热点的查找，有些林区不通公路，需要步行寻找，造成核查效率低下，浪费大量的时间和资源，也不利于火灾的及时扑救。这其中的原因有卫星本身的分辨率较低造成的定位不精确，也有在进行卫星图像火点定位时存在的误差，地理信息本身也存在误差。在现有卫星性能无法改变的情况下，应加强研究，对卫星热点数据进行更为有效的分析，降低预报的误差。从大兴安岭林区2005—2010年的卫星热点数据和森林火灾历史资料结合来看，在卫星监测到的219次森林火灾和历史资料记录的165次火灾中，有147次森林火灾能够对应，卫星的多报、少报问题主要集中于呼玛县，通过对森林火灾历史资料和文献的查阅，呼玛县发生的森林火灾以人为火为主，且多集中在道路1 200 m的范围内，离公路越远发生的火灾次数越少，在进行热点性质判读的时候，可能易于生产用火相混淆，随着“高分四号”和林业卫星星座的凝视监测模式投入使用，这一问题或得到有效解决。
2) 通过对不同时期卫星预报森林火灾的准确性研究发现，在监测初期，卫星监测的准确性不高，特别是在连续监测同一场森林火灾时容易出现报错、位置误差过大等问题。防火期期间的卫星监测，准确性较为稳定，有较高的可信度，非防火期期间由于其发生森林火灾较少，监测数据不连续，无法得到有效结论。从不同月份的误差情况来看，3月份的误差偏高，这可能与初春季节，冰雪消融，裸露出极易燃烧的半分解的枯草，且蔓延迅速等相关，不容易进行精确定位，造成定位误差偏大。
3) 通过对不同卫星预报森林火灾差异的分析发现，美国的NOAA系列卫星监测到的火灾次数较多，报准率和定位精度良好，搭载MODIS传感器的Terra和Aqua两颗卫星定位精度较高，但监测次数较少。从过境时间上来看，Aqua和Terra过境时间集中在上午和夜间，NOAA系列的过境时间在凌晨和下午，我国的森林火灾多发生在11:00—16:00[17]，NOAA系列在发现火灾的能力上有一定优势，因而能监测到较多森林火灾。从两个系列卫星本身性能来看，NOAA系列卫星图像幅宽达2 048 km×2 048 km，MODIS传感器的幅宽达2 330 km×2 330 km，二者观测范围均较大，在覆盖频次相同的情况下(每天早、晚各2次)，相比NOAA系列卫星1.1 km的分辨率，MODIS传感器250 m的高分辨率对于准确的预报热点和精确定位有较大作用，由于其对地表高温热源敏感性较高，也容易出现多报的问题。我国的风云系列卫星发展起步较晚，从早期报准率较低、定位不精确的FY-1D，到后来的预报较为精确的FY-3A，我国卫星监测林火的技术越来越走向成熟，使林火的预测预报更为准确。
4) 卫星监测森林火灾是森林防火工作的一项重要手段，相对于其他监测手段，其准确性高，成本低，监测范围广，科技含量高。为了进一步提高卫星监测的准确性，可使用精度更高的卫星，或多种卫星协同使用提高时间和空间的分辨率。改进卫星图像的处理技术，完善卫星图像的判读标准，降低人为因素对目视判读的影响。完善地面核查反馈的方案，以增加核查效率，降低核查经济成本。改进卫星图像与地理信息的配准技术，降低火点定位时的误差。针对卫星预报林火热点的多报、少报问题，应加强对各区域生态、农事生产活动等信息的了解，在进行卫星数据处理时将其列入考虑因素。基于不同卫星的性能差异，在进行林火监测时应以预报精确的风云系列卫星为主，以性能稳定的NOAA系列卫星为辅。随着我国卫星制造技术的发展，卫星性能的不断提高，卫星监测林火将会更准确、更及时，为森林火灾的及时扑救作出贡献。
-
![]()
图 2 不同卫星监测预报林火报准率比较
N代表NOAA系列卫星; F代表风云(FY)系列卫星; A代表Aqua卫星; M代表MODIS卫星; T代表Terra卫星。下同。
Figure 2. Comparison in accuracy rate of forecasting forest fire among different satellites
N represents NOAA satellite; F represents Fengyun satellite; A represents Aqua satellite; M represents MODIS satellite; T represents Terra satellite. The same below.
![]()
图 3 不同年份卫星监测预报林火报准率比较
Figure 3. Comparison in accuracy rate of forecasting forest fire among different years
![]()
图 4 防火期与非防火期卫星监测预报林火报准率比较
Figure 4. Comparison in accuracy rate of forecasting forest fire between fire season and non-fire season
![]()
图 5 不同月份卫星监测预报林火报准率比较
Figure 5. Comparison in accuracy rate of forecasting forest fire among different months
![]()
图 6 不同卫星初判热点位置误差
Figure 6. Position error of predicting hot spots among different satellites
![]()
图 7 不同年份初判热点位置误差
Figure 7. Position error of predicting hot spots among different years
![]()
图 8 防火期与非防火期初判热点位置误差比较
Figure 8. Position error of predicting hot spots between fire season and non-fire season
![]()
图 9 不同月份初判热点位置误差
Figure 9. Position error of predicting hot spots among different months
![]()
图 10 卫星监测数与森林火灾发生次数对比图
Figure 10. Comparative map of satellite monitoring frequency and forest fire occurrence
-
[1] 张瑶.大兴安岭26年间林火对森林植被碳收支的影响[D].哈尔滨: 东北林业大学, 2009. http://cdmd.cnki.com.cn/Article/CDMD-10225-2009134128.htm ZHANG Y. The effect of forest fire on carbon budget in Daxing'an Moutains[D]. Harbin: Northeast Forestry University, 2009. http://cdmd.cnki.com.cn/Article/CDMD-10225-2009134128.htm
[2] 张艳平.黑龙江大兴安岭地区气候变化对森林火灾影响的研究[D].哈尔滨: 东北林业大学, 2008. http://cdmd.cnki.com.cn/Article/CDMD-10225-2009133899.htm ZHANG Y P. Study on the impacts of climate change on forest fires in Daxing'anling Mountains[D]. Harbin: Northeast Forestry University, 2008. http://cdmd.cnki.com.cn/Article/CDMD-10225-2009133899.htm
[3] 邱知, 陆亚刚, 张红梅.林火卫星监测技术研究进展[J].宁夏农林科技, 2012, 53(8):144-146, 150. doi: 10.3969/j.issn.1002-204X.2012.08.066 QIU Z, LU Y G, ZHANG H M. A brief review on satellite monitoring technology of forest fires[J]. Ningxia Journal of Agriculture and Forestry Science Technology, 2012, 53(8):144-146, 150. doi: 10.3969/j.issn.1002-204X.2012.08.066
[4] 孔祥生.高温目标遥感特征识别技术监测土法炼焦研究[D].成都: 成都理工大学, 2007. http://cdmd.cnki.com.cn/Article/CDMD-10616-2007138683.htm KONG X S.High hot spots recognition technology detecting indigenous coke-making sites using remote sensing data[D]. Chengdu: Chengdu University of Technology, 2007. http://cdmd.cnki.com.cn/Article/CDMD-10616-2007138683.htm
[5] 许继爽, 王诗奎, 杨鹤猛, 等.高分辨率遥感卫星在应急监测领域的应用[J].卫星应用, 2016(3):48-53. http://d.old.wanfangdata.com.cn/Periodical/wxyy201603011 XU J S, WANG S K, YANG H M, et al. Application of high resolution remote sensing satellite in emergency monitoring[J]. Satellite Application, 2016(3):48-53. http://d.old.wanfangdata.com.cn/Periodical/wxyy201603011
[6] 詹剑锋.利用HJ-IRS影像提取林火火点和火烧迹地算法研究[D].长沙: 中南大学, 2012. http://cdmd.cnki.com.cn/Article/CDMD-10533-1012477680.htm ZHAN J F. The research on forest fire spot and burn scar extraction algorithms using HJ-IRS image[D]. Changsha: Central South University, 2012. http://cdmd.cnki.com.cn/Article/CDMD-10533-1012477680.htm
[7] 王殿中, 何红艳. "高分四号"卫星观测能力与应用前景分析[J].航天返回与遥感, 2017, 38(1):98-106. doi: 10.3969/j.issn.1009-8518.2017.01.013 WANG D Z, HE H Y. Observation capability and application prospect of GF-4 satellite[J]. Spacecraft Recovery & Remote Sensing, 2017, 38(1):98-106. doi: 10.3969/j.issn.1009-8518.2017.01.013
[8] 张力军. "吉林林业一号"卫星发射成功[D].吉林日报, 2017-01-10(1). ZHANG L J. "Jilin Forestry-1" satellite launch successfully[D]. Jilin Daily, 2017-01-10(1).
[9] 闫厚, 王金海, 吴宇平.气象卫星在森林火灾监测中的应用及其原理[J].森林防火, 2005(3):29-32. doi: 10.3969/j.issn.1002-2511.2005.03.011 YAN H, WANG J H, WU Y P. Applicantio weather satellites of forest fire monitoring and its principle[J]. Forest Fire Prevention, 2005(3):29-32. doi: 10.3969/j.issn.1002-2511.2005.03.011
[10] 丁炳录, 康健.大兴安岭资源植物[M].北京:气象出版社, 1994:3-10. DING B L, KANG J. Plant resources of Daxing'an Moutains[M]. Beijing: China Meteorological Press, 1994:3-10.
[11] 楚旭, 邸雪颖, 杨光.林火对兴安落叶松根生物量及碳氮养分浓度的影响[J].北京林业大学学报, 2013, 35(2):10-16. http://j.bjfu.edu.cn/article/id/9870 CHU X, DI X Y, YANG G. Impacts of forest fire on root biomass, carbon and nitrogen concentration of Larix gmelinii[J]. Journal of Beijing Forestry University, 2013, 35(2):10-16. http://j.bjfu.edu.cn/article/id/9870
[12] 黄甫则, 周汝良, 叶江霞, 等.利用卫星热点测报森林火灾的报准率统计分析[J].林业调查规划, 2012, 37(2):65-68. http://d.old.wanfangdata.com.cn/Periodical/lydcgh201202016 HUANG F Z, ZHOU R L, YE J X, et al. Accuracy statistical analysis of forest fire forecasting by using satellite hot spot[J]. Forest Inventory and Planning, 2012, 37(2):65-68. http://d.old.wanfangdata.com.cn/Periodical/lydcgh201202016
[13] 金岩, 高峰, 张潇, 等.国外卫星热点专题应用进展[J].卫星应用, 2014(6):42-45. http://d.old.wanfangdata.com.cn/Periodical/wxyy201406012 JIN Y, GAO F, ZHANG X, et al. The recent progress of foreign satellite hot spot[J]. Satellite Application, 2014(6):42-45. http://d.old.wanfangdata.com.cn/Periodical/wxyy201406012
[14] 熊应乾, 杜德文, 姜莉莉, 等.多波束数据处理中的UTM直角坐标与经纬度坐标转换技术[J].海洋科学进展, 2006, 24(2):246-253. doi: 10.3969/j.issn.1671-6647.2006.02.014 XIONG Y Q, DU D W, JIANG L L, et al. The technology of coordinate transformation between UTM orthogonal coordinate and latitude and longitude coordinates in data processing of multi-beam[J]. Advances in Marine Science, 2006, 24(2):246-253. doi: 10.3969/j.issn.1671-6647.2006.02.014
[15] 蔡晓铭, 黎秉翰, 周海浪.云南省卫星火情监测应用现状分析[J].今日科苑, 2008(2):73. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=QK200802409402 CAI X M, LI B H, ZHOU H L. Analysis on application status of satellite fire monitoring in Yunnan[J]. Modern Science, 2008(2):73. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=QK200802409402
[16] KAUFMAN Y J, TUCKER C J, FUNG I. Remote sensing of biomass burning in the tropics[J]. Journal of Geophysical Research, 1990, 95(7):9927-9939. http://cn.bing.com/academic/profile?id=af7b8ba48a75428ac0495b4fad6eb0b2&encoded=0&v=paper_preview&mkt=zh-cn
[17] 覃先林.林火卫星遥感监测[M].北京:中国林业出版社, 2016:7. QIN X L. Satellite remote sensing monitoring of forest fire[M].Beijing: China Forestry Publishing House, 2016:7.
下载:
计量
- 文章访问数: 1748
- HTML全文浏览量: 490
- PDF下载量: 48
