林业科学  2011, Vol. 47 Issue (8): 192-195   PDF    
0

文章信息

郑伟, 李亚君, 刘诚, 王萌
Zheng Wei, Li Yajun, Liu Cheng, Wang Meng
基于多源卫星遥感数据的森林过火区面积估算方法
Extracting Forest Burned Scar Region Area Based on Multi-Source Remote Sensing Data
林业科学, 2011, 47(8): 192-195.
Scientia Silvae Sinicae, 2011, 47(8): 192-195.

文章历史

收稿日期:2009-12-28
修回日期:2010-02-24

作者相关文章

郑伟
李亚君
刘诚
王萌

基于多源卫星遥感数据的森林过火区面积估算方法
郑伟, 李亚君, 刘诚, 王萌    
国家卫星气象中心 北京 100081
关键词:多源遥感    森林火灾    过火区估算    
Extracting Forest Burned Scar Region Area Based on Multi-Source Remote Sensing Data
Zheng Wei, Li Yajun, Liu Cheng, Wang Meng    
National Satellite Meteorological Center Beijing 100081
Abstract: Forest burned scar area is an important factor for monitoring forest fire and assessing the losses. The traditional method quickly extracting burned scar area is based on satellite images with low-middle spatial resolution and cannot fully meet the need of the accuracy of assessment. This paper presents a new approach which takes advantage of high spatial resolution of CBERS / CCD and high temporal resolution of MODIS. Firstly, the vegetation coverage derived from CBERS / CCD was used to calculate NDVI with the Linear Special Mixed Model. Based on the data, the vegetation coverage data with the MODIS spatial resolution was obtained by calculating the average. Secondly, the burned scar pixels were derived by using the NDVI difference between the MODIS data before and after the forest fire. Finally the burned scar region area can be calculated based on the vegetation coverage data and the burned scar pixels. The validation, conducted in Yakeshi City in Inner Mongolia Autonomous Region in the late of May, 2006, showed that the new method enhanced the accuracy in estimating the burned scar area over the traditional one.
Key words: multi-source remote sensing data    forest fire    burned scar region    

森林火灾作为世界上主要自然灾害之一,严重危害森林资源,威胁人民生命财产安全,破坏自然生态环境。对森林火灾快速、准确的监测是十分重要的。森林过火面积是森林火灾最基本的描述因子,同时也是林火管理中森林火灾评估的最重要因子(易浩若等,1998覃先林等,2008)。过火区面积能反映火灾对森林植被的影响及其损失信息,评价火灾对生态环境的影响。卫星遥感具有成像周期短、覆盖范围广的特点,非常适用于森林火灾的监测和过火区面积的估算,特别是对人迹罕见的原始森林中的火灾,更能发挥其不可替代的监测作用。对森林火灾过火面积的快速估算可为有关部门及时提供森林火灾损失评估信息。国内外在这方面开展了很多研究,主要是利用时间分辨率比较高的FY或NOAA / AVHRR气象卫星数据(易浩若等,1994Pereira, 1999刘诚等,2004)、EOS / MODIS遥感数据(Kaufman et al., 1998许东蓓等,2007付迎春等,2008赵文化等,2008)等来监测森林火灾、估算过火区面积,并取得了较好的研究成果。但由于这些数据空间分辨率比较低,影响了过火区面积提取的精度。陆地资源卫星,如中巴资源卫星CBERS、环境减灾卫星HJ等具有较高的空间分辨率,但观测时效较低。针对这一问题,本文提出了综合利用中巴资源卫星CBERS / CCD数据空间分辨率高和MODIS数据时间分辨率高的特点计算森林过火区面积的方法,并以2006年5月下旬内蒙古自治区牙克石市免渡河火灾过火面积估算为例,验证该方法的有效性。

1 数据来源

EOS /MODIS数据共有36个波段,波谱范围从可见光波段一直到热红外波段,其第1和第2波段是空间分辨率为250 m的可见光红光和近红外波段,可用来计算归一化植被指数NDVI(normalized difference vegetation index)。对同一区域,白天可以获得2次MODIS数据,该数据可由国家卫星气象中心网站下载,数据经过了辐射定标,直接得到反射率图像。CBERS数据从中国资源卫星应用中心获取,其CCD(电荷耦合器件摄像机)数据共有从蓝、绿、红到近红外4个波段和1个全色波段,空间分辨率为19.5 m。根据CBERS / CCD数据头文件提供的定标系数,利用下面的公式(Zheng et al., 2007)计算反射率图像: DN = aL + b, 式中: DN表示灰度值,a表示增益,b表示偏移,L是入瞳辐射度;R = πLds2 / E0 cosθ,式中: R是地表反射率,ds是日地天文单位距离,E0太阳辐照度,θ是太阳天顶角。

对CBERS / CCD数据和MODIS数据进行几何精纠正,并分别进行0.000 25°和0.002 5°的等经纬度投影。

2 方法 2.1 过火像元的判识

利用卫星遥感技术估计过火区面积,根据火灾前后地表辐射特征的变化来确定过火像元。2007年5月下旬,对黑龙江省黑河市嫩江县火迹地进行了实地考察,利用ASD光谱仪在火迹地现场测量了过火区和未过火区的植被光谱,图 1给出了松树和草地过火前后的光谱特征曲线。从图 1中可以看到:植被燃烧后,树冠和林下植被燃烧或灼伤,其叶绿素细胞受到损害,致使过火后的松树、草地等植被的光谱特征发生了明显的变化。主要体现在近红外波段地物反射率的迅速下降,在包括近红外通道的RGB彩色合成图可以比较清楚的反映过火区。通过选择过火像元和未过火像元在近红外通道反射率的差异,利用域值法可以提取过火区,判别式如下: RNirTNir, 式中: RNir代表近红外通道的反射率,TNir代表域值,即火像元和未过火像元在近红外通道反射率的差异。该方法的优点是仅利用单时次的图像就可以提取过火区,适用于在没有与火灾发生相近时间的灾前晴空图像情况下使用,但该方法容易受到水体等低反射率地物的影响。

图 1 火灾前后植被光谱曲线比较 Figure 1 Comparison of vegetation reflectance spectrabefore and after the fire event

考虑到火灾前后像元在近红外波段反射率下降的幅度明显大于红光波段反射率的变化幅度,因此可利用火灾前后像元的归一化植被指数NDVI差异来判识出过火区域(易浩若等,1998),NDVI表达式为NDVI = (RNirRRed) / RNir + RRed式中: RRed代表红光通道的反射率。通过分析火灾前后NDVI的差异,建立条件判别式,确定过火像元,判别式为NDVIBefore - NDVIAfterTNDVI其中NDVIBefore为火灾前NDVI值,NDVIAfter是火灾后NDVI值,TNDVI为判别阈值。TNDVI可以利用在火场附近的非火场区域,具有相对均一地表类型的火灾前后的NDVI差值确定,这样可以在一定程度上消除由于大气、植被自然生长等因素造成的NDVI的变化。

2.2 过火面积估算

由于遥感数据空间分辨率的限制,通常被判识为过火的像元不完全由植被覆盖,会包括一定面积的裸露地表,因此仅利用计算过火像元个数与像元面积乘积再求和的方法估算的过火面积结果会比实际的大。植被覆盖度是指植被在地面的垂直投影面积占统计区总面积的百分比,在估算过火面积中引人植被覆盖度信息,可以去除裸露地表对估算过火面积造成的影响,从而提高过火面积估算精度。因此,确定过火像元后,采用如下公式估算过火面积: 式中: S为过火区面积,n为过火像元个数,Si为第i个像元的面积,Ci为第i个像元的植被覆盖度。

本文基于混合像元分解原理计算植被覆盖度。线性光谱混合模型是混合像元分解中最常用的方法,它是利用一个线性关系来表达遥感系统中一个像元内各地物的类型、比例与地物的光谱响应。在该模型中,像元在某一光谱波段的反射率是由构成像元的基本组分的反射率及其所占像元面积的比例为权重系数的线性组合(Gong et al., 1994)。对于森林地区,根据线性光谱混合模型,假定每个像元由植被和土壤2种端元组成,则混合像元NDVIMix可表示为: NDVIMix = NDVIVC + NDVIS (1 - C),式中:NDVIV表示绿色植被端元值,NDVIS表示土壤端元值,C表示一个像元的植被覆盖度。据此,可以得到植被覆盖度的表达式: C = (NDVIMix -NDVIS) / (NDVIV - NDVIS)。

为了提高过火面积估算精度,本文利用空间分辨率比较高的CBERS / CCD遥感数据计算植被覆盖度。基于对CBERS / CCD图像典型地物的光谱分析,确定土壤端元NDVIS值,并对研究区NDVI值做统计,将最大值作为绿色植被端元NDVIV值。根据植被覆盖度的表达式计算CBERS / CCD像元对应的植被覆盖度CB。基于CB,计算其10 × 10窗口大小的植被覆盖度平均值,得到相当于MODIS数据空间分辨率对应的植被覆盖度C。因为C是由空间分辨率较高的CBERS数据得到,因此可认为 C是MODIS像元尺度的真实植被覆盖度值。

3 应用分析

为了检验以上方法的有效性,本文在2006年5月下旬选择内蒙古自治区牙克石市免渡河林场火灾过火面积计算进行试验。选用的2景MODIS晴空数据成像时间分别为火灾发生前的2006年5月23日和火灾后的2006年5月30日(图 2)。尽量选择与火灾发生后时间比较接近的灾前晴空数据,可以最大限度地减少由于植被自然生长产生的NDVI的变化对过火区判识的影响。为了去除火场外围烟雾的影响,利用火灾前后近红外波段反射率差值进行了判识。对于火场内受烟雾影响的西北地区过火区提取进行了人机交互解译,得到了过火区的二值图像(图 3)。选用森林火灾发生后的2006年5月31日(图 4)的CBERS / CCD数据,通过人机交互,利用近红外通道域值法来确定过火像元。选用2004年8月19日的CBERS / CCD数据(图 5)计算0.000 25°的植被覆盖度数据(图 6),通过均值运算得到0.002 5°的植被覆盖度。这里选择夏季的数据可以更好的反映研究区的植被覆盖状况。得到CBERS / CCD数据判识的过火像元和0.000 25°的植被覆盖度数据,利用2.2节中的公式就可以估算过火区面积,因为CBERS / CCD数据空间分辨率比较高,因此把该过火面积作为本文方法的验证数据。

图 2 免渡河林场火场火灾前后MODIS数据合成图 Figure 2 Comparison of MODIS data in Mianduheforest farm before and after fire event
图 3 基于灾情前后的MODIS数据得到的过火区图 Figure 3 Burned scar region based on the MODISimages of before and after fire event
图 4 免渡河林场2006年5月31日CBERS合成影像 Figure 4 CBERS data after the forest fire in Mianduheforest farm on May 31, 2006
图 5 2004年8月19日免渡河林场CBERS合成影像 Figure 5 CBERS data before the forest fire inMianduhe forest farm on Aug 19, 2004
图 6 基于CBERS数据计算的0.002 5°植被覆盖度图 Figure 6 Vegetation coverage data basedon the CBERS image

为了避开2006年5月31日的CBERS / CCD数据火场中部分厚云的影响,在火场中选择了3个区域(图 4),以CBERS数据估算的过火面积为参考值,来分析利用MODIS数据估算过火区面积的误差,同时计算在不考虑植被覆盖度情况下,直接利用灾前和灾后植被指数降低的MODIS像元个数及其像元面积来估算过火区面积的精度。表 1给出了3个区域利用不同方法估算的过火区面积对比。从表中可以看到:基于本文提出的方法,利用MODIS数据计算得到过火区面积与不考虑植被覆盖度情况下计算的过火区面积比较,3个区域的精度都有了明显的提高,考虑到本方法是通过阈值判定过火像元是否过火,没有对火灾前后过火像元反射率变化程度进行分级,没有考虑到过火像元的燃烧程度因素,因此各个区域的精度有一定的差异。通过计算3个区域过火区面积的平均精度,可以看出平均精度由没有考虑植被覆盖度的不到60%,提高到了90%以上。这说明引入高空间分辨率的植被覆盖度本底信息后,大幅度提高了过火面积的估算精度。

表 1 过火区面积对比 Tab.1 Comparison of burned scar area
4 小结

以上研究结果表明:本文提出的方法可以综合气象卫星或环境卫星资料观测频次较密、陆地资源卫星资料空间分辨率较高的特点,在提高卫星遥感森林火灾过火区监测时效性的同时,提高了过火面积估算精度。该方法可直接用于具有250 m分辨率的风云三号中分辨率成像光谱仪(FY3A / MERSI)资料,也可在对植被覆盖度分辨率调整后用于具有1 km分辨率的FY1D、NOAA等极轨气象卫星资料,从而提高获取森林过火区有效卫星资料的机会。该方法可操作性强,适合于业务化应用,可为森林火灾的扑火救灾工作提供更加及时、准确的信息。

参考文献(References)
付迎春, 徐颂军, 陈蜜. 2008. 基于MODIS影像梯度的林火边界提取方法[J]. 林业科学, 44(7): 56-51. DOI:10.11707/j.1001-7488.20080710
刘诚, 李亚君. 2004. 气象卫星亚像元火点面积和亮温估算方法[J]. 应用气象学报, 15(3): 273-280.
覃先林, 李增元, 易浩若, 等. 2008. 基于ENVISAT -MERIS数据的过火区制彩色合成图方法研究[J]. 遥感技术与应用, 23(1): 1-6. DOI:10.11873/j.issn.1004-0323.2008.1.1
许东蓓, 梁芸, 蒲肃, 等. 2007. EOS / MODIS遥感监测在甘肃迭部重大森林火灾中的应用[J]. 林业科学, 43(2): 124-127.
易浩若, 纪平, 何筱萍, 等. 1994. 用NOAA / AVHRR资料监测红花尔基森林火灾[J]. 遥感信息, (4): 16-17.
易浩若, 纪平. 1998. 森林过火面积的遥感测算方法[J]. 遥感技术与应用, 13(2): 10-14. DOI:10.11873/j.issn.1004-0323.1998.2.10
赵文化, 单海滨, 钟儒祥. 2008. 基于MODIS火点指数监测森林火灾[J]. 自然灾害学报, 17(3): 152-157.
Gong P, Miller J R, Spanner M. 1994. Forest canopy closure from classification and spectral unmixing of scene components multisensor evaluation of an open canopy[J]. IEEE Transactions on Geoscience and Remote Sensing, 32(5): 1067-1080. DOI:10.1109/36.312895
Kaufman Y J, Justice C O, Flynn L P, et al. 1998. Potential global fire monitoring from EOS-MODIS[J]. Journal of Geophysical Research, 103(D24): 32215-32238. DOI:10.1029/98JD01644
Pereira J M C. 1999. A comparative evaluation of NOAA / AVHRR vegetation indices for burned surface detection and mapping[J]. IEEE Transactions on Geoscience and Remote Sensing, 37(1): 217-226. DOI:10.1109/36.739156
Zheng Wei, Liu Chuang, Zeng Zhiyuan, et al. 2007. A feasible atmospheric correction method to TM image[J]. Journal of China University of Mining and Technology, 17(1): 112-115. DOI:10.1016/S1006-1266(07)60024-8