北極地區活躍火的時空分布格局分析

薛乃婷, 張震, 杜志恒, 胡克宏, 張莎莎, 黃丹妮

研究論文

北極地區活躍火的時空分布格局分析

薛乃婷1, 張震1, 杜志恒2, 胡克宏1, 張莎莎1, 黃丹妮1

(1安徽理工大學測繪學院, 安徽 淮南 232000;2中國科學院西北生態環境資源研究院冰凍圈科學國家重點實驗室, 甘肅 蘭州 730000)

基于火災信息資源管理系統 (Fire Information for Resource Management System, FIRMS) MODIS (Moderate-resolution Imaging Spectroradiometer)與VIIRS(Visible Infrared Imaging Radiometer)的活躍火位置數據, 按照2000—2018年不同時間(年、月、時)和空間(國家)尺度分析了北極地區活躍火動態變化, 旨在為活躍火的預測和管理提供依據。研究結果表明: (1)2012—2018年, MODIS C6(MODIS Near Real-time 1 km active fire products, MCD14DL) 與VIIRS V1(VIIRS Near Real-time 375 m active fire products, VNP14-IMGTDL_NRT)活躍火頻次趨勢一致, 最大值與最小值分別出現在 2013 年與2015年; (2)北極地區活躍火頻次累計最多的國家是俄羅斯, 最少的國家是挪威, 兩套產品年際變化在不同國家特征頗為相似; (3)北極地區7國(俄羅斯、美國、加拿大、丹麥、挪威、瑞典和芬蘭)活躍火現象主要集中在6—8月, 活躍火觀測時段主要集中在各國當地時間12時左右。

MODIS VIIRS 北極地區 活躍火 時空分布

0 引言

活躍火[1](active fire)是根據衛星監測的熱異常生成的, 該算法將潛在火災的亮溫與周圍土地覆蓋的亮溫進行比較, 如果亮溫差超過給定的閾值, 則潛在火災被確認為活躍火或“熱點”。活躍火是改變陸地生態系統的自然因素之一, 是自然界碳循環主要影響因素之一, 在地球表面的大部分地區均產生重要的生態作用, 是全球氣候變化與森林生態系統反饋的關鍵因子[2-3]。全球發生火災的面積達3.3×108～4.3×108hm2·a–1, 由此每年產生的碳排放量可達2~4 Pg, 超過每年化石燃料燃燒排放量的50%[4]。活躍火現象可能會讓野生動物、微生物、土壤和林木等受到直接危害, 影響森林景觀結構、林木更新、森林覆蓋, 甚至會影響碳平衡、水循環、全球氣候、大氣排放和生物多樣性等, 往往會帶來巨大的環境和經濟損失[5-7]。因此, 監測活躍火是很有必要的, 而監測手段主要包括地面及近地面監測、航空監測、雷達監測、衛星遙感聯合地理信息系統監測和無線傳感器網絡技術等[8]。

隨著火災監測手段的發展, 火災數據也愈多。在火災監測中的活躍火數據主要有NOAA/ AVHRR(National Oceanic and Atmospheric Admini-stration/Advanced Very High Resolution Radio-meter)數據、MODIS(Moderate-resolution Imaging Spectroradiometer)數據和VIIRS(Visible Infrared Imaging Radiometer)數據。NOAA/ AVHRR數據覆蓋范圍廣, 可以提供覆蓋全球的中分辨率遙感影像, 有著較高的時間和空間分辨率, 在火災監測方面有了較好的應用, 但其局限性在于AVHRR大多只能用于無云區域, 且其數據本身有一定的局限性, 無法保證監測的時間分辨率, 不利于火點的監測[9-10]。MODIS火點監測算法是基于 NOAA/AVHRR算法發展起來的, 其數據有著較高的時間、空間和光譜分辨率, 避免了AVHRR數據的飽和問題[10], 并應用于全球火日常監測中。VIIRS是AVHRR和MODIS系列的拓展和改進, 提高了空間、時間和光譜分辨率, 重訪周期短, 同時也提高了對更小火點的監測能力以及對大型火災的動態監測能力[11-12]。

火災信息資源管理系統(FIRMS)由馬里蘭大學開發, 資金來自美國國家航空航天局的應用科學計劃和聯合國糧食及農業組織(聯合國糧農組織), 為自然資源管理者提供近實時的活躍火地點, 為持續監測和緊急情況提供近實時信息。在中等分辨率成像光譜儀(MODIS)和可見紅外成像輻射計套件(VIIRS)的衛星觀測3小時內, 火災信息資源管理系統(FIRMS)發布近實時(NRT)活躍火數據, 可供下載的活躍火數據格式有: SHP、KML、TXT、WMS。目前基于FIRMS全球與區域活躍火產品的研究主要集中在全球燃燒面積的估算[13]、利用先進星載熱發射和反射輻射儀(Advanced Spaceborne Thermal Emission and Reflection Radiometer, ASTER)、增強型專題繪圖儀(Enhanced Thematic Mapper Plus, ETM+)及中等分辨率衛星傳感器對活躍火產品進行驗證[14]等方面, 鮮有北極地區活躍火時空分布分析的研究。

活躍火是北極地區的一個重要過程, 活躍火事件在北極地區較為常見[15], 影響著高地和低地森林以及泥炭地, 北極地區活躍火還控制著許多重要的生態系統過程[16]。在大陸和全球范圍內, 北極燃燒區域的變化, 火災嚴重程度和燃燒深度控制活躍火排放, 影響大氣中痕量氣體的大氣濃度[16]。2019年夏季, 北極地區發生高溫和嚴重的森林大火, 大火污染空氣, 釋放大量二氧化碳, 推動全球氣候變暖, 同時又增加了釋放甲烷溫室氣體的多年凍土進一步解凍的風險。因此, 了解北極地區活躍火頻次時空分布格局有助于理解活躍火的發生規律[17], 為北極地區活躍火的影響評價以及對氣候變化和極端天氣事件的響應分析提供科學依據。

本文根據FIRMS MODIS C6(2000—2018年)與VIIRS V1(2012—2018年)活躍火位置矢量數據, 利用ArcGIS 10.2的疊加分析等功能, 統計北極地區活躍火頻次信息, 從時間(年、月、時)和空間(國家)上分析北極地區的活躍火動態變化, 旨在揭示北極地區活躍火年際、逐月和逐時的變化規律以及空間格局, 為北極地區的活躍火預測和管理提供科學依據, 進而為其他活躍火方面的研究提供參考。

1 研究區概況與數據方法

1.1 研究區概況

北極地區是北極圈(北緯66°34′)以北的地區, 地理為亞、歐、北美三大地區所環抱, 近于半封閉, 總面積為2 100萬平方千米, 約占地球總面積的 1/25, 陸地面積約為800萬平方千米[18]。北冰洋周圍是亞洲、歐洲和北美洲北部的多年凍土區, 大部分地區都比較平坦, 沒有樹木生長。北極圈以內的陸地部分分屬于俄羅斯、美國、加拿大、丹麥、挪威、冰島(因統計無活躍火, 故不在分析范圍之內)、瑞典和芬蘭八個環北極國家(圖1), 氣候寒冷[19]。

北極地區植被面積約為505萬平方千米, 其中約26%的直立灌木、7%的濕地、11%的貧瘠地、40%的苔原, 而北極地區的地表覆蓋如圖1所示[20-21]。加拿大是高北極地區地形最多樣的國家, 主要與豐富的貧瘠類型和矮灌木苔原有關, 而俄羅斯是低北極最大的地區, 主要是低灌木苔原。北極植被對氣候變化特別敏感, 尤其是夏季溫度的變化。由于七月份的平均溫度接近冰點, 夏季幾度的氣溫變化會使植物生長所需的總熱量發生幾倍的變化, 從而導致植被結構、植物生產力、植物群落和物種多樣性發生重大變化[21]。

1.2 數據與方法

本研究所需的活躍火位置矢量數據從 FIRMS網站(https://firms.modaps.eosdis.nasa.gov/ active_fire/#firms-shapefile)獲取, 時間尺度為2000—2018年, 數據類型有MODIS C6(MODIS NRT 1km active fire products, MCD14DL)與VIIRS V1(VIIRS NRT 375m active fire products, VNP14IMGTDL_NRT), 利用ArcGIS 10.2的疊加分析等功能, 統計活躍火信息。

Fig.1. Land cover in the Arctic region

MODIS是搭載在Terra和Aqua衛星上的一個重要的傳感器, Terra衛星每日10:30和22:30過境(經過赤道, UTC), Aqua衛星每日1:30和13:30過境(經過赤道, UTC), MODIS第六版活躍火位置數據的時間范圍為2000年11月(Terra)和2002年7月(Aqua)至今, 覆蓋范圍為全球, 空間分辨率為1 km, 坐標系為WGS 84。VIIRS是搭載在Suomi National Polar-orbiting Partnership (Suomi NPP)上的傳感器, 每日1:30和13:30過境(經過赤道, UTC), VIIRS活躍火位置數據的時間范圍為2012年1月提供到現在, 覆蓋范圍為全球, 空間分辨率為375 m, 坐標系為WGS 84。MODIS C6與VIIRS V1活躍火位置矢量數據是經過一致性檢測算法完成的, 兩種數據具有很好的一致性, 可以兼容使用[1]。

ERA5氣候再分析數據(https://cds.climate. copernicus.eu/cdsapp#!/dataset/ecv-for-climate-cha-nge?tab=form)是歐洲中期天氣預報中心(European Centre for Medium-Range Weather Fore-casts, ECMWF)發布的第五代再分析數據, 使用ECMWF的綜合預報系統(IFS)的CY41R2中的4D-Var數據同化產生的, 可提供1979年至今的全球月平均格網數據, 包括近地面2 m氣溫、降水和海表溫度等。將近地面2 m氣溫、降水數據轉成TIF格式, 再運用ArcGIS 10.2統計6—8月近地面2 m平均氣溫、平均降水數據。將活躍火頻次分別與火災高發期(6—8月)氣溫和降水圖疊加, 得到火點對應的氣溫降水值, 以0.1間隔分別建立火點與氣溫和降水的關系。

LIS/OTD網格閃電氣候數據集(https://ghrc. nsstc.nasa. gov/lightning/data/ data_lis_otd- climatolo-gy. html)是由兩個閃電衛星儀器觀測的總閃電閃變速率的網格氣候組成, 該數據集包括2.5°×2.5°和0.5°×0.5°空間分辨率的閃電率密度[22]。第一個傳感器是光學瞬態探測器(OTD), 它搭載在1995年4月發射的OrbView-1(以前稱為Micro-Lab-1)衛星上。OTD于2000年3月停止運作。第二個傳感器是1997年11月發射的熱帶降雨測量任務(TRMM)衛星上的閃電成像傳感器(LIS)。TRMM LIS在2015年4月TRMM衛星被移出軌道后停止運行。利用Panoply工具將LIS/OTD 0.5°高分辨率月氣候(HRMC)數據[23]繪制成北極地區4—9月閃電速率月氣候圖。

2 結果與討論

2.1 基于FIRMS MODIS與VIIRS的北極地區活躍火頻次動態變化

基于FIRMS MODIS C6(2000—2018年)和VIIRS V1(2012—2018年)活躍火位置矢量數據統計表明, 北極地區活躍火頻次分別累計達220 854次和377 965次, 年際呈現顯著波動變化特征。去除MODIS C6 2000 年僅有的11—12 月數據, 2001—2018 多年平均頻數為12 269.67次, VIIRS V1 (2012—2018年)多年平均頻數為53 995次, 是因為VIIRS的空間分辨率更高, 更易監測到過火面積較小的火災現象, 對于同一火災現象也能監測到更多的頻次信息, 而MODIS監測的時間序列更長, 可以更好地體現活躍火頻次的時間動態變化。

2012—2018年, MODIS C6 與VIIRS V1活躍火頻次趨勢一致, 最大值與最小值分別出現在 2013 與2015年(圖2)。由于俄羅斯在北極地區國土面積的占比較大, 俄羅斯是北極地區活躍火發生頻次最多的國家, 對北極地區活躍火頻次趨勢有很大影響, 北極地區活躍火頻次最值(最大值和最小值)出現年份與俄羅斯最值出現年份一致, 北極地區活躍火一般集中發生于6—8月(圖3)。由2001—2018年俄羅斯6—8月平均氣溫和降水數據(圖4)可知, 俄羅斯2013年氣溫較高且降水最少, 2015年氣溫較低且降水較高, 而高溫干旱會影響活躍火的發生。但活躍火頻次與火災高發期氣溫降水均呈現出明顯的非線性關系(圖5), MODIS C6與VIIRS V1的整體趨勢一致, 均表現為隨著氣溫降水的增加, 活躍火頻次呈先增加后減少的變化趨勢, 活躍火頻次主要集中在氣溫為12~16℃, 降水為1~3mm內。

圖2 北極地區MODIS C6(2000—2018年)與VIIRS V1(2012—2018年)活躍火頻次年際變化

Fig.2. Annual changes in the number of MODIS C6(2000—2018) and VIIRS V1(2012—2018) active fires in the Arctic region

圖3 2012—2018年北極地區7國MODIS C6與VIIRS V1的活躍火頻數月際差異

Fig.3. Monthly differences of the number of MODIS C6 and VIIRS V1 active fires in the Arctic region from 2012 to 2018

圖4 俄羅斯氣溫和降水變化

Fig.4. Temperature and precipitation changes in Russia

2.2 北極地區國家活躍火逐年、逐月、逐時特征與動態變化

2.2.1 北極地區國家的活躍火逐年頻次動態變化

MODIS C6與VIIRS V1的統計結果(表1)表明, 俄羅斯的活躍火頻次最高, 其次是美國, 加拿大位居第三, 活躍火頻次最少的國家是挪威。

為揭示北極地區7國活躍火發生頻次與發生時間長時序差異, 利用MODIS C6(2000—2018年)進一步分析北極地區各國活躍火頻次年際變化, 表明北極地區7個國家活躍火頻次呈現波動變化特征(圖6)。挪威、瑞典、芬蘭、俄羅斯、美國、加拿大、丹麥(格陵蘭島)的活躍火頻次峰值分別出現在2018年、2014年、2003年、2013年、2004年、2004年和2017年。

圖5 俄羅斯活躍火頻次與火災高發期氣溫降水的關系

Fig.5. The relationship between surface air temperature and precipitation in fire season and active fires in Russia

表1 北極地區主要國家基于MODIS C6(2000—2018年)與VIIRS V1(2012—2018年)的活躍火像元總數

進一步比較北極地區7個主要國家2012—2018年MODIS C6與VIIRS V1的兩套活躍火產品的監測結果, 發現不同國家兩套產品年際變化特征頗為相似(圖7)。挪威、瑞典、芬蘭、俄羅斯、美國、加拿大、丹麥(格陵蘭島)的活躍火頻次峰值分別出現在2018年、2014年、2013年、2013年、2017年、2017年和2017年。由此可見, 美國、加拿大、丹麥(格陵蘭島)均在2017年活躍火頻數最大。根據2012—2018年ERA5氣候再分析數據中的近地面2 m月平均氣溫和降水數據, 按國家提取6—8月的數據, 由圖8可知, 美國近地面2 m月平均氣溫增高、降水減少以及月平均氣溫降低、降水增加與活躍火頻次的增、減存在較好的相關關系, 而加拿大、丹麥(格陵蘭島)地區近地面2 m月平均氣溫及降水與活躍火頻次的相關關系與美國存在差異。2017年美國氣溫較高降水較低, 與活躍火頻次峰值出現在2017年相一致, 而加拿大、丹麥(格陵蘭島)2017年近地面2 m月平均氣溫較低、降水較高, 與活躍火頻次在2017年最高不相符, 可能存在其他方面的影響活躍火發生因素, 有待探究。

圖6 2000—2018年北極地區國家基于MODIS C6的活躍火頻次動態變化

Fig.6. Annual changes in the number of MODIS C6 active fires in the seven countries of Arctic region from 2000 to 2018

2.2.2 北極地區7國活躍火發生逐月的差異與規律

北極地區7國年內各月的活躍火規模不同, 在月際上表現出明顯的集中分布特征(圖3)。北極地區7國活躍火現象完全集中在6—8月, 即夏季。受夏季高溫干旱天氣的影響, 夏季往往會比其他季節更易發生火災, 與北極地區7國活躍火現象相符合。北極地區林火也常與閃電活動有關, 如圖9所示, 可見 6、7、8月份的閃電活動比較頻繁, 其中7月份閃電活動最多, 這與北極地區7國活躍火發生的逐月特征相一致。

2.2.3 北極地區7國活躍火發生時段差異與規律

由于 MODIS 與 VIIRS 重訪周期分別為 6 時與12時, 利用活躍火頻次進一步統計分析北極地區7國發生時段(小時)的差異與規律[1]。根據MODIS C6統計結果(圖10), 表明挪威、瑞典、芬蘭活躍火一般集中在9—11時(UTC), 換算成各國當地時間依次為11—13時、11—13時、12—14時, 俄羅斯一般集中在3—6時(UTC), 即主要分布在東四區至東十區, 換算成當地時間為7—10時至13—16時 ; 美國、加拿大、丹麥(格陵蘭島)一般分別集中在21—22時(UTC)、20—21時(UTC)、14—16時(UTC), 換算成各國當地時間依次為13—14時、13—14時、12—14時。可見, 北極地區7國活躍火均發生在各國當地時間12時左右, 正午溫度較高, 更利于火災的發生。

基于較高空間分辨率VIIRS V1的北極地區主要國家活躍火觀測時段的統計結果進一步修正了MODIS C6的分析結果。既有效地識別了特征時段(6時, UTC)及其相鄰時段的活躍火頻次信息, 也對其他監測時段的活躍火頻次信息進行了補充。挪威、瑞典、芬蘭活躍火一般集中在8—11時和23時(UTC), 換算成各國當地時間依次為10—13時和1時、10—13時和1時、11—14時和2時; 俄羅斯一般集中在0—8時和16—23時(UTC), 即主要分布在東四區至東十區, 換算成當地時間為4—12時和20—3時至10—18時和2—9時; 美國、加拿大一般集中在10—11時和19—23時(UTC), 換算成各國當地時間依次為2—3時和11—15時、3—4時和12—16時; 丹麥(格陵蘭島)一般集中在3—6時和14—17時(UTC), 換算成當地時間為1—5時和12—15時。

圖7 2012—2018年北極地區主要國家基于MODIS C6與VIIRS V1的活躍火頻次年際變化

Fig.7. Annual changes in the number of MODIS C6 and VIIRS V1 active fires in the seven countries of Arctic region from 2012 to 2018

圖8 三個國家氣溫和降水變化

圖9 4—9月閃電活動

Fig.9. Lightning distributions from April to September

圖10 2012—2018年北極地區主要國家MODIS C6與VIIRS V1活躍火頻數時段差異

Fig.10. Hourly differences of the number of MODIS C6 and VIIRS V1 active fires in the seven countries of Arctic region from 2012 to 2018

3 結論

基于MODIS C6與VIIRS V1活躍火位置矢量數據, 從不同時間(年、月、時)和空間(國家)分析北極地區活躍火動態變化, 得到如下結論。

1. MODIS C6(2001—2018年)多年平均頻數為12 269.67次, VIIRS V1 (2012—2018年)多年平均頻數為53 995次, 2012—2018年最大值與最小值分別出現在 2013 與2015年。MODIS C6 與VIIRS V1活躍火頻次趨勢一致, VIIRS的空間分辨率更高, MODIS的時間序列較長。

2. 北極地區活躍火頻次累計最多的國家是俄羅斯, 最少的國家是挪威。比較北極地區7個主要國家2012—2018年MODIS C6與VIIRS V1的活躍火監測結果, 發現不同國家兩套產品年際變化特征頗為相似。

3. 北極地區7國活躍火現象完全集中在6—8月, 即夏季。活躍火觀測時段主要集中在各國當地時間12時左右。

未來, 可進一步探究活躍火的影響因素, 分析活躍火的成因, 將活躍火與碳排放或生態之間建立聯系, 為后續研究提供支持。

1 李鵬, 李文君, 封志明, 等. 基于FIRMS MODIS與VIIRS的東南亞活躍火頻次時空動態分析[J]. 資源科學, 2019, 41(8): 1526-1540.

2 CONARD S G, IVANOVA G A. Wildfire in Russian boreal forests: potential impacts of fire regime characteristics on emissions and global carbon balance estimates[J]. Environmental Pollution, 1997, 98(3): 305-313.

3 BELENGUER-PLOMER M A, TANASE M A, FERNANDEZ-CARRILLO A, et al. Burned area detection and mapping using Sentinel-1 backscatter coefficient and thermal anomalies[J]. Remote Sensing of Environment, 2019, 233: 111345.

4 楊偉, 姜曉麗. 森林火災火燒跡地遙感信息提取及應用[J]. 林業科學, 2018, 54(5): 135-142.

5 丁青, 馮險峰. 歐亞北方森林MODIS14數據的林火變化分析——以俄羅斯歐洲地區為例[J]. 地球信息科學學報,2013,15(3): 476-482.

6 何誠, 鞏垠熙, 張思玉, 等. 基于MODIS數據的森林火險時空分異規律研究[J]. 光譜學與光譜分析, 2013, 33(9): 2472-2477.

7 OTóN G, RAMO R, LIZUNDIA-LOIOLA J, et al. Global detection of long-term (1982–2017) burned area with AVHRR-LTDR data[J]. Remote Sensing, 2019, 11(18): 2079.

8 彭禹, 蔡邦成. 森林火災監測及相關技術綜述[J]. 安徽農業科學, 2014, 42(32): 11355-11357.

9 PU R, GONG P, LI Z, et al. A dynamic algorithm for wildfire mapping with NOAA/AVHRR data[J]. International Journal of Wildland Fire, 2004, 13(3): 275-285.

10 周永寶, 韓惠. 基于遙感數據的森林火災監測研究概述[J]. 測繪與空間地理信息, 2014, 37(3): 134-136.

11 程良曉. 基于VIIRS數據的火點檢測及秸稈焚燒對霾污染過程影響研究[D]. 山東科技大學, 2017.

12 SCHROEDER W, OLIVA P, GIGLIO L, et al. The New VIIRS 375m active fire detection data product: Algorithm description and initial assessment[J]. Remote Sensing of Environment, 2014(143): 85-96.

13 GIGLIO L, VAN DER WERF G R, RANDERSON J T, et al. Global estimation of burned area using MODIS active fire observations[J]. Atmospheric Chemistry and Physics, 2005, 6(4): 957-974.

14 SCHROEDER W, PRINS E, GIGLIO L, et al. Validation of GOES and MODIS active fire detection products using ASTER and ETM+ data[J]. Remote Sensing of Environment, 2008, 112(5): 2711-2726.

15 NITZE I, GROSSE G, JONES B M, et al. Remote sensing quantifies widespread abundance of permafrost region disturbances across the Arctic and Subarctic[J]. Nature Communications, 2018, 9(1): 5423.

16 KASISCHKE E S, TURETSKY M R. Recent changes in the fire regime across the North American boreal region: Spatial and temporal patterns of burning across Canada and Alaska[J]. Geophysical Research Letters, 2006, 33(9): L09703.

17 焦琳琳, 常禹, 胡遠滿, 等. 基于MODIS的中國野火時空分布格局[J]. 生態學雜志, 2014, 33(5): 1351-1358.

18 周定國. 北極地區地名縱橫談[J]. 中國測繪, 2007(6): 56-63.

19 張俠, 劉玉新, 凌曉良, 等. 北極地區人口數量、組成與分布[J]. 世界地理研究, 2008, 17(4): 132-141.

20 WANG J, ZHAO Y Y, LI C C, et al. Mapping global land cover in 2001 and 2010 with spatial-temporal consistency at 250m resolution[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2015(103): 38-47.

21 WALKER D A, RAYNOLDS M K, DANIF A, et al. The Circumpolar Arctic vegetation map[J]. Journal of Vegetation Science, 2005, 16(3).

22 趙俊卉, 亢新剛, 郭廣猛, 等. 基于LIS/OTD格點數據的中國東北地區雷擊火時空分布[J]. 生態學雜志, 2009, 28(4): 715-720.

23 CECIL D J, BUECHLER D E, BLAKESLEE R J. Gridded lightning climatology from TRMM-LIS and OTD: Dataset description[J]. Atmospheric Research, 2014, 135-136.

SPATIOTEMPORAL DISTRIBUTION PATTERNS OF ACTIVE FIRE IN THE ARCTIC REGION

Xue Naiting1, Zhang Zhen1, Du Zhiheng2, Hu Kehong1, Zhang Shasha1, Huang Danni1

(1School of Geomatics, Anhui University of Science and Technology, Huainan 232000, China;2State Key Laboratory of Cryospheric Sciences, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, China)

Based on Fire Information for Resource Management System (FIRMS), MODIS and VIIRS active fire position data, dynamic changes of active fires in the Arctic region were analyzed at different temporal (yearly, monthly, and hourly) and spatial (country) scales from 2000 to 2018, to provide a basis for the prediction and management of active fires. The results showed that: (1) from 2000 to 2018, MODIS C6 (MODIS NRT 1 km active fire products, MCD14DL) and VIIRS V1 (VIIRS NRT 375 m active fire products, VNP14IMGTDL_NRT) active fire frequency trends were consistent, with maximum and minimum values appearing in 2013 and 2015 respectively. (2) In the Arctic region, the country with the greatest cumulative active fire frequency was Russia, and the country with the lowest active fire frequency was Norway. The interannual variations of the two sets of products were quite similar in different countries. (3) The active fires in the seven countries of the Arctic region (Russia, the United States, Canada, Denmark, Norway, Sweden, and Finland) were mainly concentrated in June–August, and the active fire observation period was mainly concentrated around 12:00 local time in various countries.

MODIS, VIIRS, Arctic region, active fire, spatiotemporal distribution

2019年12月收到來稿, 2020年4月收到修改稿

國家自然科學基金(41701087)資助

薛乃婷, 女, 1996年生。碩士研究生, 從事熱紅外遙感研究。E-mail:1486132393@qq.com

張震, E-mail:zhangzhen@aust.edu.cn

10. 13679/j.jdyj.20190075