衛星紅外遙感技術及其在防災救災中的應用研究

黃宇飛 徐嘉 白紹竣 高冀 李昂 高洪濤

衛星紅外遙感技術及其在防災救災中的應用研究

黃宇飛1徐嘉2白紹竣3高冀4李昂1高洪濤1

（1 中國空間技術研究院遙感衛星總體部，北京 100094）（2 中國空間技術研究院錢學森空間技術實驗室，北京 100094）（3 北京空間機電研究所，北京 100094）（4 中國空間技術研究院衛星應用總體部，北京 100094）

紅外遙感在防災救災應用上相對于傳統方法有著省時省力的優勢。文章對衛星紅外遙感在防災救災中的應用研究情況進行了深入調研，對紅外遙感在大氣、水環境、土壤以及地質異常等各類災害監測的應用與發展進行介紹和分析，涵蓋溫室效應、森林火災、旱災、水質、溫排水、泥石流和地震等多種典型災害，最后分析國內外主要差距并提出相關發展建議。

防災救災 應用研究 發展建議 紅外遙感

0 引言

傳統災害監測方法通常采取定點監測和隨機調查等方法，需要耗費大量時間精力，且有些災害早期僅憑人眼難以識別。紅外遙感在防災救災方面有著獨特優勢，例如：森林火災等災害在發生前或發生時會釋放大量能量，引起地表和大氣的大面積輻射異常。即使目標的熱傳導、熱慣量和熱容量有差異，但通過分析處理結合現場勘查，可實現紅外遙感在防災救災領域的應用[1]。本文對紅外遙感在防災救災方面的應用研究情況進行了深入調研，并對紅外遙感在各類災害監測的應用與發展進行了介紹和分析，并提出紅外遙感在防災救災方面應用的發展建議。

1 紅外遙感在大氣災害監測中的應用與發展

1.1 溫室效應監測

大氣散射輻射與大氣溫度和大氣構成有關。對于溫室效應，主要因素是二氧化碳（CO2）、甲烷（CH4）和氧化亞氮（N2O）。熱紅外遙感技術可解決更大的區域范圍內CO2的氣體濃度探測[2]。對于一個特定波長來說，吸收系數與大氣組成、溫度和壓力有關。如果已知吸收氣體的濃度，用輻射測量可估算大氣溫度廓線，從而可推算吸收氣體濃度及吸收系數。一般來說，隨著氣體濃度的增大，相應波段可探測到的大氣層也越高。對于對流層最高層，輻射測量的結果對應于較低的溫度。利用已知的溫度廓線調整測量和模擬的輻射值，可估算吸收氣體濃度。主要的不確定性來自于溫度廓線信息。

泰羅斯垂直分布探測儀（The TIROS Operational Vertical Sounder，TOVS）裝載有一個波長為4~15μm、19個波段的熱紅外輻射儀，以及一個微波輻射儀。其中部分波段受CO2吸收的影響，其他波段受水蒸氣吸收的影響，主要用于天氣預測[3]。法國氣象研究機構通過對TOVS波段數據的CO2混合比的研究，得出更易在熱帶或高緯度地區獲取CO2濃度數據的結論，這主要是因為熱帶地區較少變化的溫度廓線和較厚的對流層所致[4]。

另外兩個具有代表性的典型應用就是大氣紅外探測器（Atmospheric Infrared Sounder，AIRS）和紅外大氣探測儀（Infrared Atmospheric Sounder Interferometer，IASI）。

AIRS傳感器是由NASA設計的第一個高光譜分辨率紅外探測器，主要用于天氣預測，其波長范圍3.7~15.4μm，光譜分辨力為1 200，主要設計用途是獲取氣象上溫度和水蒸氣廓線。所獲取溫度廓線的垂直分辨率為1km，水蒸氣廓線的分辨率為3%~5%。Strow等[5]已證實大氣中CO2混合比的增加對AIRS觀側的全球平均溫度有影響。最初從AIRS數據獲取月度的CO2產品，并嘗試沿用了TOVS的估算方法，如：應用神經網絡算法選取波段。估算方法只限于熱帶地區。盡管所獲取的全球CO2濃度分布顯得較為合理，但又很快認識到其空間分布特征不僅由CO2決定，估算方法受到了波段選取、觀測方式等因素的影響。

由歐洲航天局（ESA）發射的Metop衛星搭載的IASI傳感器，能提供熱紅外波段高光譜數據，主要用于獲取天氣預測的溫度和水蒸氣廓線，還可以用于氣候研究和大氣組成評估，與AIRS相類似。但還未從IASI的觀測數據中估算出CO2或CH4的濃度。

AIRS傳感器已運行了8年多時間，歐洲和美國的研究人員在不斷嘗試基于AIRS觀測數據的多種CO2濃度的估算方法。盡管已經證實在AIRS觀測數據中包含CO2信息，但誤差仍然太大而不能提供地表CO2通量的信息。原因是由于觀測數據相對高的加權函數所導致。在對流層的上部，與CO2相關的信號由季節循環所控制，這種循環的上下偏移為1個或幾個百萬分之一。為了提供有用的信息，精度要求甚至比對低大氣層靈敏的儀器要求還要高。這些要求到目前為止仍未得到滿足，另外，觀測呈現受區域性偏差的影響，這對地表通量的估算產生了破壞性的影響。從AIRS或IASI等熱紅外傳感器獲取的CO2濃度信息，大部分被用于確定傳輸模型中的誤差。

目前已構建的地面監測站點網絡，提供了在大陸尺度進行通量評估的條件，但是不足以解決更高的區域尺度的問題。正在運行的幾個傳感器并沒有被特定設計為監測CO2和CH4濃度。國內外研究團隊采用觀測數據來獲取碳排放氣體的濃度，并已取得了相當大的進展。監測中的精度和誤差問題始終是一個挑戰，但所獲取的氣體濃度的時空分布確實展現出一些預期的特征，例如：年增長率、季節性循環、緯度方向的梯度等。有關碳循環的附加知識要求對更小數量級的梯度進行識別，但目前衛星產品的誤差和噪音仍然比這些梯度波動范圍要大。

1.2 森林火災、秸稈焚燒等火點監測

遙感火點監測是利用秸稈燃燒時內部含有火焰的高溫像元與背景常溫像元，在中紅外和熱紅外波段輻射能量的差異，來識別地面火點[6-8]。國內已開展大量研究和應用，通常是利用光譜信息判斷農作物是否進入收割期，使用地理信息系統（Geographic Information System，GIS）技術輔助分析判斷探測的焚燒火點下墊面性質，提取秸稈焚燒點，并對焚燒點的空間分布及發生頻率進行統計、分析、制圖，以及對探測到的秸稈焚燒點驗證和精度分析。或者通過比較中紅外通道及熱紅外通道在同一像元亮度溫度的地區差異，提取潛在的熱異常點，并根據背景環境溫度及土地分類信息，判斷耕地范圍內秸稈焚燒點。

目前，用于火點監測的衛星主要有“風云三號”（FY3）系列實驗星（A星、B星）[1]、美國NOAA系列和EOS-MODIS系列，由于NOAA-16、FY3A等衛星相繼出現故障退役，多顆在軌衛星超期服役，隨時可能出現故障而停止服務，使得每天覆蓋的次數明顯減少且時間分布不均勻，造成了很多空白時段[9]。

算法方面，主要有單窗算法、分裂窗算法和多通道算法三種。熱紅外遙感技術本身較為復雜，主要表現為地表發射率的測定、溫度與發射率的分離、大氣效應校正、非同溫像元混合問題等。因此如何在氣象條件、地物條件等復雜條件下，獲取更加準確的地表溫度反演數據是重點和難點。在地表溫度反演工作中，高溫像元點一般由道路、建筑物、裸地、荒山等構成，由于上述衛星熱紅外波段數據源的分辨率一般較低，而航拍數據成本較高，且無法保證數據的長期性，而城市內部常見火災覆蓋面積一般較小，因此熱紅外遙感技術應用主要涉及森林火災監控這一領域。由于森林火災的起火點面積一般較小（幾米至幾十米），因此星載遙感傳感器往往不能第一時間發現起火點。目前國內的熱紅外遙感技術在森林火災監控中的應用主要為對已發生的林火的管控。基于相關氣象數據（風向、風速、氣溫、濕度）和地形數據（坡度、坡向），利用熱紅外遙感圖像可以準確定位森林火災的火頭位置，并對火勢發展趨勢進行預測，以便消防部門對火災撲救進行合理的判斷和決策。

1.3 氣溶膠、顆粒物的監測

在氣溶膠、顆粒物的監測方面，目前主要是通過中分辨率成像光譜儀（MODIS）的數據信息，利用線性回歸和相關分析方法，推演出目標地區氣溶膠光學厚度時空分布的特征和變化趨勢。代表方法是暗像元法，該算法能較好地監測氣溶膠，并反映其區域變化，但冬季檢測結果遠不如夏季的。雖然氣溶膠光學厚度和顆粒物的直接關系較低，但經濕度修正和垂直修正后，二者相關性可顯著提高，可作為監測城市顆粒物污染物地面分布的有效手段[10-11]。

然而，MODIS等常規衛星載荷的譜段設置、信噪比等載荷特點均非針對顆粒物特性而設置，其對顆粒物監測的精度有限。實現顆粒物的高精度監測還需偏振技術，如利用可見光、近紅外的偏振通道等[11]。針對目前我國嚴峻的大氣污染環境形勢，后續大氣環境監測衛星載荷的發展需考慮利用可見光、近紅外和短波紅外波段的偏振特性，高精度地監測顆粒物。

2 紅外遙感在水環境災害監測中的應用與發展

2.1 水污染的監測

水污染監測主要是以清潔水與污染水的反射光譜作為監測依據[12]。正常情況下，水體反射率較低，從而使得其在遙感影像中呈暗色調，尤其在紅外譜段上更明顯。在進行水體監測時，可將水色指標及光譜特征作為主要依據。由于遙感技術監測的范圍較廣，從而使其在水體擴散時能夠及時發現污染物的擴散方向、排放源、影響范圍及程度，以便盡快找到污染源。由于水體中污染物種類較多且過于繁雜，通常將水污染分為石油污染、廢水污染等類型。

石油污染屬于較為常見的水污染。利用遙感技術進行石油污染監測，不但可以確定污染區的實際范圍和石油含量，同時還能追蹤到污染源[13]。由于石油與海水的光譜特征差異較大，所以在很多譜段上均可將石油與海水分開。在廢水污染監測方面，由于廢水中所含懸浮物種類較多且水色差異較大，加之特征曲線上的強度也不同，所以可采用多光譜合成圖像對廢水進行監測。此外，根據廢水中水溫的差異情況，也可采用熱紅外進行監測。

2.2 水表溫度、溫排水的監測

在水表溫度、溫排水的監測方面，主要是利用HJ-1B-IRS、LANDSAT-TM和TERRA/AQUA-MODIS等數據反演水表溫度，分析出陸地與水體溫度空間差異。濕地在水體溫度中較低，上游河流注入區水體溫度較高。研究表明普適性單通道算法精度較高（例如：MODIS溫度產品精度為1.23K）。環保部利用長時間序列HJ-1B-1RS、LANDSAT-TM和MODIS的數據，對太湖、巢湖、滇池的水表溫度開展了水溫及生態環境之間關系的研究和業務應用。

利用熱紅外遙感技術進行溫排水監測的方法主要有單通道、多通道、多角度反演等[14]。主要是對核電站周圍的海水溫度進行反演，然后根據同一地點的長期數據，分析核電站出水口及周邊海域水溫的空間分布特點和不同季節、不同條件（例如潮汐等）下溫排水的分布特點，并利用MODIS的海表溫度產品進行驗證。

3 紅外遙感在干旱、城市熱島效應監測應用與發展

3.1 土壤含水量、干旱的監測

由于近紅外、短波紅外、熱紅外波段對土壤含水量比較敏感，由其構建的相關模型可有效監測土壤濕度、干旱程度等[15-17]。目前方法主要是利用短波紅外光譜特征進行土壤含水量反演，根據土壤水分在光譜特征空間中的變化規律，給出短波紅外土壤濕度指數，從而實現目標區域干旱情況的監測。1981年Idso等[18]根據能量平衡原理提出了作物缺水指數（Crop Water Stress Index，CWSI）。CWSI與日蒸散量有簡單的線性關系，它是由植被冠層溫度轉換而來的。用NOAA/AVHRR得到熱紅外溫度，再由熱紅外溫度計算出日平均溫度，進而計算出蒸發散能力，從而對旱情做出分級。

經長期研究得出：CWSI與作物長勢、供水狀態有較好的相關性。后續的學者陸續提出了類似于CWSI的土壤干旱指數（Soil Water Stress Index，SWSI）的概念，并用于地理干濕分異的研究。最后得出結論：土壤相對含水量與CWSI和SWSI有密切的關系。在大面積旱情監測中，CWSI和SWSI適用范圍廣。CWSI雖然有可靠性強、精度高的優點，但是由于涉及到許多氣象與農業的參數因子，故而不易實現，因此造成難以及時獲得旱情信息的后果。1995年Kogan使用NOAA/AVHRR的數據，利用蒸騰原理以及能量平衡原理提出了溫度條件指數（Temperature Condition Index，TCI）[19]。TCI使用植被冠層溫度作為衡量干旱的指標，該指標的核心參數是最大地表亮溫和最小地表亮溫，其精度直接影響了TCI的計算精度。TCI不受作物生長季的影響，可以應用于作物播種期和收割期，適用于長周期大范圍的干旱監測，但由于季節性地溫差異、空氣濕度等因素的影響，會導致監測精度降低。改進后的植被溫度條件指數法降低了對地面氣象要素的依賴程度，計算更簡便，同時具有良好的實時性，可用于監測作物生長旺盛期的土壤墑情。但是數據必須選擇晴空星下點，并且需要時相相近的多年遙感資料。

另一種方法是熱紅外/可見光反演法。該方法主要是利用遙感傳感器的熱紅外溫度數據通過反演地表溫度或者植被冠層溫度來對干旱進行衡量。其中，植被指數就是可見光/近紅外反演法的核心要素。植被指數是監測地面植被生長狀況的指數，常見的植被指數有歸一化植被指數（NDVI）、歸一化干旱指數（NDDI）、距平植被指數（AVI）、水分虧缺指數（WDI）、條件植被指數（VCI）、溫度干旱植被指數（TVDI）等。

3.2 地表溫度的監測

地表溫度監測方面，目前地表溫度反演常用算法有：輻射傳導方程算法、基于影像的反演算法、單窗算法、單通道算法和多角度算法[20-23]。輻射傳導方程算法是基于大氣輻射傳輸模型，根據實時大氣剖面數據進行大氣模擬，該算法計算過程較為復雜，且實時大氣剖面參數較難獲取，因而實際應用起來較為困難。基于影像的反演算法是依據影像的灰度值得到地表亮溫，繼而經過輻射率校正后得到地表溫度。該算法反演過程簡單易行，但忽略了大氣輻射因素對地表溫度反演的影響。單窗算法和單通道算法都考慮了大氣輻射的影響，所需的大氣參數較輻射傳輸算法少。其中，單窗算法的地表溫度演算精度較高且應用較多。多角度算法是利用同一地物在不同觀測角度的熱紅外遙感數據進行地表溫度的反演。其前提是不同角度觀測時所經過的大氣路徑不同，大氣的吸收作用不同。由于通道間信息高度相關性及不能直接反演混合像元組分溫度，在建立非同溫混合像元熱輻射方向性模型基礎上，熱紅外多角度遙感數據可以用于反演組分溫度。但大氣校正和數據獲取困難制約了多角度遙感數據的應用，而角度效應的未知性使多角度數據僅適用于理想大氣條件下的均質區域（如海洋表面或濃密森林植被），而不適用于非均質地表。

另外，高光譜能夠提供地物數十到上百的很窄的電磁波波段，進而生成連續的地物光譜曲線。熱紅外高光譜數據光譜精細程度的增加有助于提煉具有物理意義的方程約束條件，提高溫度和發射率分離的精度。目前，基于地物地表發射率光譜特性的高光譜熱紅外地表溫度反演方法中，最具有代表性的是光譜平滑迭代溫度發射率分離法（ISSTES）和線性發射率約束法。ISSTES用高光譜測量結果基于平滑度指數通過迭代方法實現溫度與發射率的分離，發射率奇異值的存在會導致結果不收斂，影響分離結果。線性發射率約束法是由經過大氣校正的高光譜熱紅外數據進行溫度反演。

4 紅外遙感在地質災害監測中的應用與發展

4.1 滑坡、泥石流監測

遙感技術應用于地質災害調查，可追溯到上世紀70年代末期。日本利用遙感圖像編制了全國1/50 000地質災害分布圖；歐盟各國在大量滑坡、泥石流遙感調查基礎上，進行了系統總結，提出了遙感技術結合地面調查的分類方法，運用GPS測量及雷達數據監測滑坡的程度。

滑坡和泥石流主要成因是強降雨，中國氣象科學研究院運用日本MTSAT衛星紅外數據以及其他衛星遙感數據，分析了2010年8月甘肅舟曲強降雨實況與災情、大尺度環流背景、對流云團演變，以及對流形成與發展的大氣不穩定條件、觸發機制和水汽輸送情況，建立了引發舟曲特大泥石流災害的強降雨演化過程產生的模型[24]。

目前地質災害遙感調查已基本完成了示范性實驗階段，正走向全面推廣的實用性階段，尤其是在山區大型工程建設及江河湖庫的防災減災工作中，具有廣闊的應用前景。遙感技術地質災害調查應用，已取得了許多成功的經驗。但是在地質災害預測、監測、救災方面不是很成功。充分利用航天遙感、差分干涉雷達和全球定位系統技術及其集成技術進行地質災害監測，是未來遙感對地觀測技術體系在地質災害應用中的必然發展趨勢。

4.2 地震監測

20世紀80年代，前蘇聯科學家經研究發現地震前6~24天熱紅外遙感會出現異常，并持續到震后一周，溫度異常與斷層分布有關，因此地震活動性與紅外遙感異常、斷裂構造的活動有關[25]。自從地震熱紅外異常被前蘇聯學者發現后，類似研究也在世界各國相繼展開。美國地震學家對世界多個地震的熱紅外圖像以及長波輻射等進行分析，證明了地震前震中目標點周邊經緯度2.5°范圍內存在溫度異常。我國學者也進行了大量的探索研究，對前震下大陸板塊之間擠壓產生的紅外異常信息與地震時、空、強度三要素的關系進行了分析，結果表明：1）地震前在遠離震中區出現一大片孤立增溫區，比其周圍高出2~6℃。2）震級愈大，亮溫增溫面積也愈大。3）一般在亮溫增溫異常發展到鼎盛時期后，在幾天至60天內發震，即進入短期和臨震時期。

地震常常伴隨有地表和底層大氣增溫、地下熱水上涌等現象，大量試驗表明，衛星熱紅外遙感對地震及斷裂活動有一定指示作用。但由于熱紅外遙感受云層等影響，識別異常困難，因此該方法尚不能完全作為地震預報的有效手段。主要原因如下：1）熱紅外溫度受地形地貌、地物類型、氣象和斷裂活動及地震等諸多因素的影響，地震紅外異常的提取有相當的難度。因此能有效地將深部斷裂活動及地震引起的熱信息從復雜的紅外遙感數據中檢測出來，地震學者仍需要在去除大氣、地形地貌等干擾信息校正方面作更深入的研究。2）由于多數大陸地震的孕震區以及發生破裂的深度都在5km以下，而且大多數在10km左右，而多數小于5級的地震破裂尺度不超過2km，其孕震區最多達到100m，在如此深的地層、如此小的震源區域，發生的前兆物理過程被地表觀測到是有一定困難的。

5 與國外的主要差距及發展建議

5.1 國內研究工作的主要差距

目前，NASA、ESA、CEOS等主要航天機構已對紅外遙感技術在防災救災中的應用開展了大量的研究，并在以Terra、Aqua、EOS等為代表的衛星中進行了實際應用，具備了成熟技術條件，驗證了應用價值。我國紅外遙感技術在防災救災中的應用也取得了一些成果。但仍存在以下問題：

（1）國產衛星數據源不足，業務化不足，缺乏多星協同能力

國內遙感載荷缺乏全天候、全天時的工程化能力，信息獲取能力和手段不足。現有衛星遙感數據品質和國外高分辨率衛星相比差距較大，空間分辨率明顯偏低，而且在惡劣天氣情況下無法全天候獲取載荷數據。對特定地區進行高精度觀測的能力不足，難以應對大范圍嚴重突發災害迫切需要的高動態觀測需求。國內搭載短波紅外、中紅外和熱紅外載荷的民用衛星較少，空間分辨率、時間分辨率、信噪比等也相對不高，造成過度依賴國外衛星數據，但紅外遙感數據涉及國防安全，無法從國外進口高品質圖像數據，即使使用國外衛星數據仍需提前進行加急訂購。因此，要實現實時或準實時監測，必須解決遙感數據源問題。我國在軌衛星雖然很多，但一定程度上仍是“各自為戰”，此外由于多顆衛星過境時間接近，沖突較多，常常顧此失彼，限制了其業務化的規模應用和定量化、精細化水平的提高。

（2）地面軟件和算法設計缺乏創新性

1）建立使用的識別模型單一，不能滿足不同衛星的應用，準確率有待提高；衛星圖像的定位方法單一，定位精度低，嚴重影響了關鍵要素核查的效率；使用的背景圖陳舊不能很好地反映情況，影響是否受災的判定；使用的預處理和圖像處理軟件效率低下、速度慢，處理大數據時常溢出。這些問題都嚴重影響了衛星防災救災監測工作的正常開展。

2）紅外遙感對災害要素監測的指標算法主要針對國外衛星數據設計，國內衛星載荷監測指標算法缺乏原創性和創新性。紅外載荷的比輻射率校正、大氣校正依賴于地面數據，載荷自身波段不能進行校正，導致算法沒有普適性。

3）現有災害信息自動提取方法多是基于災害前后多時相同源傳感器影像進行變化監測，而災后處理的數據多為異源多期影像、災后單景影像等。災情信息自動提取的精度遠遠沒有達到實用化的程度，需要大力發展異源影像匹配、目標檢測識別等影像處理技術。

4）數據實時傳輸問題。例如：對于夜間搜救及林火監測等應急任務，決策者需要根據衛星傳回來的實時畫面做決策。衛星獲取的影像目標像素小、數量多且是滿屏運動，幀內、幀間相關性差，在傳輸過程中，易受環境干擾，碼率跳動變化大。要實現低比特率下的高品質數據傳輸，必須解決無線信道糾錯編碼、信號擴頻調制、數據包調度、擁塞控制等關鍵技術。

5）多源影像融合問題。不同種類載荷影像所反映的信息有很大差異，影像之間互補性明顯。但由于載荷的成像機理、成像條件不同，影像之間存在較大差別。對于不同種類載荷影像間的融合需要解決統一空間坐標、像元序列匹配、融合目標檢測、融合效果評估等問題。進一步分析不同成像傳感器的工作機制和影像特點，尋找多源載荷間具有較好魯棒性的特征描述算子，顯著提高影像融合的穩定性和精確性。

（3）缺乏有效地防災救災應急機制

目前我國面對突發事件的業務化應急響應機制還不夠完善。普遍存在平臺技術相對單一、多種高端裝備不足的問題，無法及時開展工作。從災害發生后到遙感衛星過境、下傳遙感數據和數據分析，整個過程所需時間較長，尚未形成一體化的災害應急響應指揮系統。因此，提高遙感對于重大自然災害的快速反應能力非常必要，應提高遙感在重大自然災害監測中的時效性。

此外我國現有的共享模式還沒有相關的制度保障，缺乏經常性的共享服務機制和支持跨部門遙感應用信息共享的技術標準，無法形成遙感信息、地理空間信息、資源環境信息、社會經濟信息的匯集和共享平臺，影響了數據共享的有序性和有效性。

5.2 發展建議

根據本文前述的主要差距，建議衛星紅外遙感技術在防災救災中應用研究的重點集中在如下幾個方面：

1）建立信號模型、數據變換模型以及多載荷影像融合模型，進行影像實時融合分析、受災目標探測及災情評估；將多源數據融合與影像序列處理相結合，構建目標影像檢測模型，自動檢測目標，提取災情信息，并建立多源數據應急決策服務模型；利用衛星紅外載荷獲取的實時災情數據，結合地理空間數據、統計數據等；構建基于先驗知識的多源數據應急決策服務模型，及時掌握災情的發生發展狀況，實現應急災情信息獲取到應急決策服務的轉變。

2）針對已有衛星紅外載荷開展我國自主的高分辨率、高精度的水體、地表溫度、火點等反演和應用，同時大力發展國產民用的紅外衛星、載荷，針對載荷特點和環保需求開展相關算法研究和業務應用。大力拓展應用領域，同時加強與用戶單位的溝通，深入調研并了解用戶需要什么，以用戶單位需求為牽引，加快相關型號立項，從而推動防災救災事業的發展。

3）有效載荷的空間分辨率大幅度提高也帶動了對數據傳輸、存儲的需求。我國應研制地面大容量數據接收天線，并且抓緊建設紅外遙感大型試驗驗證場，同時更新老舊設備，以滿足現有衛星接收處理系統能力的需求。

4）建立相關防災救災機制，整合已有衛星資源，加快多星協同，以多星組成星座的模式提高時間分辨率，并且優化行政審批流程，以效率為先，避免流程冗余造成耽誤應急處置部門決策以及災情的擴大化，另外應盡快制定遙感數據產品標準以及共享機制，同時結合不同領域的應用，組織生產不同級別的標準產品，促進遙感數據和信息的共享。

6 結束語

國外的研究現狀來看，紅外遙感技術作為具有多尺度、時效性、綜合型的探測技術，在大面積的災害監測中的作用不可低估，其快速發展更是為這些災害監測奠定了充分的基礎。熱紅外遙感對于地震、火山的研究，必將成為兩大自然災害的有效預報支撐；對于煤田火區監測的獨特優勢，會隨著技術逐步成熟得到廣泛的應用并科學地督導滅火的實施；在森林火災監測、大面積的城市火災監測以及各種冰凍災害監測等方面，都將會發展為重要的手段。然而，對于這些災害的準確監測、預報和預警，還需要大量地表和地下的信息以及其他學科、技術的結合，最終實現逐步降低各種災害損失。

[1] 楊忠東, 張鵬, 谷松巖, 等. FY-3衛星應用和發展[J]. 上海航天, 2017, 34(4): 1-7. YANG Zhongdong, ZHANG Peng, GU Songyan, et al. Application and Development of FY-3 Meteorological Satellite[J]. Aerospace Shanghai, 2017, 34(4): 1-7. (in Chinese)

[2] FUCHS E M. Fire Monitoring the Use of Medium Resolution Satellites (AVHRR, MODIS, TET) for Long Time Series Processing and the Implementation in User Driven Application and Services[C]//Proceedings of International Symposium on Remote Sensing of Environment (ISRSE) . Berlin, Germany: Copernicus Publications, 2015: 797-804.

[3] CHEN D, ZHANG C. Research Progress on Drought Remote Sensing Inversion Models[J]. Forest Inventory and Planning, 2016, 41(3): 18-24.

[4] JOHANSSON J, MELLQVIST J, LI L, et al. Quantification of Industrial VOC Emissions in China using Solar Occultation Flux (SOF) [J]. Geophysical Research Abstracts, 2017, 19: 19062.

[5] STROW L L, HANNON S E. A 4-year Zonal Climatology of Lower Tropospheric CO2Derived from Ocean-only Atmospheric Infrared Sounder Observations[J]. Journal of Geophysical Research, 2008, 113(D18): D18302.

[6] 馬芮, 孫林, 袁廣輝, 等. 可見光紅外成像輻射儀數據林火識別算法研究[J]. 遙感信息, 2015, 30(4): 37-43. MA Rui, SUN Lin, YUAN Guanghui, et al. Technology and Method of Forest Fire Monitoring Using NPP VIIRIS Data[J]. Remote Sensing Information, 2015, 30(4): 37-43. (in Chinese)

[7] FAN Hongjie, HUANG Yipeng, LI Wanbiao. Overview of Retrieval Algorithm of Cloud-top Height Based on Satellite Infrared Remote Sensing[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2017, 53(4): 783-792.

[8] 王橋, 厲青, 陳良富, 等. 大氣環境衛星遙感技術及其應用[M]. 北京: 科學出版社, 2011. WANG Qiao, LI Qing, CHEN Liangfu, et al. Satellite Remote Sensing Technology of Atmospheric Environment and Its Application[M]. Beijing: Science Press, 2011. (in Chinese)

[9] 劉兆軍, 周峰, 李瑜. 航天光學遙感器對紅外探測器的需求分析[J]. 紅外與激光工程, 2008, 37(1): 25-29. LIU Zhaojun, ZHOU Feng, LI Yu. Demands Analysis of IR Detectors for Space Remote Sensor[J]. Infrared and Laser Engineering, 2008, 37(1): 25-29. (in Chinese)

[10] 陳良富, 李萃萃, 陶金花, 等. 氣溶膠遙感定量反演研究與應用[M]. 北京: 科學出版社, 2011. CHEN Liangfu, LI Cuicui, TAO Jinhua, et al. Research and Application of Aerosol Remote Sensing Quantitative Retrieval[M]. Beijing: Science Press, 2011. (in Chinese)

[11] 趙少華, 張峰, 王橋, 等. 高光譜遙感技術在國家環保領域中的應用[J]. 光譜學與光譜分析, 2013, 33(12): 3343-3348. ZHAO Shaohua, ZHANG Feng, WANG Qiao, et al. Application of Hyper-spectral Remote Sensing Technology in Environmental Protection[J]. Spectroscopy and Spectral Analysis, 2013, 33(12): 3343-3348. (in Chinese)

[12] ZHAO S, WANG Q, ZHANG F, et al. Drought Mapping Using Two Shortwave Infrared Water Indexes with MODIS Data Under Vegetated Season[J]. Journal of Environmental Informatics, 2013, 21(2): 102-111.

[13] 徐平. 海面溢油數值模擬及其遙感圖像處理的研究[D]. 鎮江: 江蘇科技大學, 2014. XU Ping. Research of Numerical Simulation and Remote Sensing Image Processing of Spilled Oil[D]. Zhenjiang: Jiangsu University of Science and Technology, 2014. (in Chinese)

[14] 朱利, 趙利民, 王橋, 等. 核電站溫排水分布衛星遙感監測及驗證[J]. 光譜學與光譜分析, 2014(11): 3079-3084. ZHU Li, ZHAO Limin, WANG Qiao, et al. Monitoring the Thermal Plume from Coastal Nuclear Power Plant Using Satellite Remote Sensing Data: Modeling and Validation[J]. Spectroscopy and Spectral Analysis, 2014(11): 3079-3084. (in Chinese)

[15] 程晉聽. 簡化型蒸散脅迫指數的構建及其在農業干旱監測中的應用[D]. 南京: 南京信息工程大學, 2013. CHENG Jinting. Construction of Simplified Evapotranspiration Stress Index and Its Application in Agricultural Drought Monitoring[D]. Nanjing: Nanjing University of Information Engineering, 2013. (in Chinese)

[16] 聞建光, 劉強, 柳欽火, 等. 陸表二向反射特性遙感建模及反照率反演[M]. 北京：科學出版社, 2015: 168-192. WEN Jianguang, LIU Qiang, LIU Qinhuo, et al. Remote Sensing Modeling for Land Bidirectional Reflectance Characteristics and the Retrieval of Albedo[M]. Beijing: Science Press, 2015: 168-192. (in Chinese)

[17] 王慧慧, 周廷剛, 杜嘉, 等. 溫度植被旱情指數在吉林省干旱監測中的應用[J].遙感技術與應用, 2013, 28(2): 324-329. WANG Huihui, ZHOU Tinggang, DU Jia, et al. Application of Temperature Vegetation Dryness Index in Monitoring Drought in the Jilin Province[J]. Remote Sensing Technology and Application, 2013, 28(2): 324-329. (in Chinese)

[18] 張振華, 蔡煥杰, 柴紅敏. 不同生育時期對作物缺水指標的影響[J]. 干旱地區農業研究, 2002, 20(1): 77-80. ZHANG Zhenhua, CAI Huanjie, CHAI Hongmin. The Influence of Growth Stages on CWSI[J]. Agricultural Research in the Arid Areas, 2002, 20(1): 77-80. (in Chinese)

[19] KOGAN F N. Application of Vegetation Index and Brightness Temperature for Drought Detection[J]. Advances in Space Research, 1995, 15(11): 91-100.

[20] 周義, 覃志豪, 包剛. 熱紅外遙感圖像中云覆蓋像元地表溫度估算初論[J]. 地理科學, 2013, 33(3): 329-334. ZHOU Yi, QIN Zhihao, BAO Gang. A Preliminary View on the Estimation of Land Surface Temperature under Cloud Cover from Thermal Remote Sensing Data[J]. Scientia Geographica Sinica, 2013, 33(3): 329-334. (in Chinese)

[21] 王敏, 孟浩, 白楊. 上海市土地利用空間格局與地表溫度關系研究[J]. 生態環境學報, 2013, 22(2): 343-350. WANG Min, Meng Hao, BAI Yang. Relationships Between Landscapes Spatial Pattern and Land Surface Temperature in Shanghai[J]. Ecology and Environment Sciences, 2013, 22(2): 343-350. (in Chinese)

[22] 楊佩國, 胡俊峰, 劉睿. HJ-1B衛星熱紅外遙感影像農田地表溫度反演[J]. 測繪科學, 2013, 38(1): 61-62. YANG Peiguo, HU Junfeng, LIU Rui. Land Surface Temperature Retrieval Method in Farmland Area for HJ-1B IRS4[J]. Science of Surveying and Mapping, 2013, 38(1): 61-62. (in Chinese)

[23] 李召良, 段四波, 唐伯惠, 等. 熱紅外地表溫度遙感反演方法研究進展[J]. 遙感學報, 2016, 20(5): 899-920. LI Shaoliang, DUAN Sibo, TANG Bohui, et al. Review of Methods for Land Surface Temperature Derived from Thermal Infrared Remotely Sensed Data[J]. Journal of Remote Sensing, 2016, 20(5): 899-920. (in Chinese)

[24] 鈐偉妙, 羅亞麗, 張人禾. 引發舟曲特大泥石流災害強降雨過程成因[J]. 應用氣象學報, 2011, 22(4): 385-397. QIAN Weimiao, LUO Yali, ZHANG Renhe. The Heavy Rainfall Event Leading to the Large Debris Flow at Zhouqu[J]. Journal of Applied Meteorological Science, 2011, 22(4): 385-397. (in Chinese)

[25] 周波. 地震分析預測模型及平臺研究與實踐[D]. 金華: 浙江師范大學, 2009. ZHOU Bo. The Method and Research on the Model and Platform Construct about the Earthquake Forecast[D]. Jinhua: Zhejiang Normal University, 2009. (in Chinese)

Satellite Infrared Remote Sensing Technology and Its Application in Disaster Prevention and Relief

HUANG Yufei1XU Jia1BAI Shaojun2GAO Ji1LI Ang1GAO Hongtao1

（1 Institute of Remote Sensing Satelite, CAST, Beijing 100094, China）（2 Qian Xuesen Laboratory of Space Technology, CAST, Beijing 100094, China）（3 Beijing Institute of Space Mechanics & Electricity, Beijing 100094, China）（4 Institute of Spacecraft Application System Engineering, CAST, Beijing 100094, China）

Infrared remote sensing has the advantage of saving time and effort compared with traditional methods in the application of disaster prevention and relief. In this paper, the satellite infrared remote sensing application in disaster relief is investigated in depth, and the application and development of the infrared remote sensing in the atmosphere, water environment, soil and geological anomaly are introduced and analyzed, including greenhouse effect, forest fire, drought, temperature, water quality, water drainage, landslides, earthquakes and other typical disasters. Finally, the main gap at home and abroad and proposals for development are put forward.

disaster prevention and relief; application research; development suggestions; infrared remote sensing

V443+.5

A

1009-8518(2020)05-0118-09

10.3969/j.issn.1009-8518.2020.05.014

2019-11-30

黃宇飛, 徐嘉, 白紹竣, 等. 衛星紅外遙感技術及其在防災救災中的應用研究[J]. 航天返回與遙感, 2020, 41(5): 118-126.

HUANG Yufei, XU Jia, BAI Shaojun, et al. Satellite Infrared Remote Sensing Technology and Its Application in Disaster Prevention and Relief[J]. Spacecraft Recovery & Remote Sensing, 2020, 41(5): 118-126. (in Chinese)

黃宇飛，男，1987年生，2013年獲哈爾濱工業大學飛行器設計專業碩士學位，工程師。主要研究方向為遙感衛星總體設計及應用研究。E-mail：billyyufei@sina.com。

（編輯：龐冰）