基于遙感信息的大興安嶺林火情勢及預警研究

田家昊

摘要：

森林火災對生態(tài)系統(tǒng)和資源安全構(gòu)成了嚴重威脅。為了緩解這一危害，連續(xù)監(jiān)測森林火災的時空信息至關(guān)重要。利用中低分辨率遙感衛(wèi)星技術(shù)，可以實現(xiàn)全球范圍內(nèi)對森林火災的持續(xù)監(jiān)測。本文選取了大興安嶺地區(qū)，通過分析2001-2017年歷史林火的時空動態(tài)、空間分布和季節(jié)特征，嘗試建立完善的火災風險預警指標體系，以提高預測和防控能力。研究結(jié)果顯示，整合不同分辨率的遙感數(shù)據(jù)顯著提高火燒跡地產(chǎn)品準確性，特別是中小火斑的識別。然而，改進后的數(shù)據(jù)產(chǎn)品仍存在問題，主要表現(xiàn)為小火識別率未明顯改善和時間跨度較短。這些問題受森林火災傳播復雜性和衛(wèi)星觀測不確定性因素影響，難度較大。因此，森林火災檢測仍然具有挑戰(zhàn)性，但及時發(fā)現(xiàn)對撲滅火勢至關(guān)重要。為解決問題，未來需提高遙感技術(shù)的精度和時空分辨率，更有效保護生態(tài)環(huán)境和資源安全。

關(guān)鍵詞：森林火災；遙感；風險預警；森林火災危險指數(shù)

引言

傳統(tǒng)監(jiān)測森林火災的方法主要依賴于采集火燒跡地信息并進行統(tǒng)計分析。然而，傳統(tǒng)方法僅能獲取較小區(qū)域范圍內(nèi)的火災信息，無法實現(xiàn)較大范圍的火災監(jiān)測[1]。同時，傳統(tǒng)方法的數(shù)據(jù)需要經(jīng)過復雜的獲取過程，而且最終的相關(guān)數(shù)據(jù)集無法滿足動態(tài)監(jiān)測火災和可視化火災過程需求[2]。但遙感技術(shù)可以有效幫助解決這些問題，特別是在遙感數(shù)據(jù)時空分辨率不斷提高的背景下，基于遙感數(shù)據(jù)能夠更準確捕捉地表變化過程，有利于更全面、實時了解火災的動態(tài)情況[3]。

目前，國內(nèi)外學者在林火早期預警研究中已經(jīng)將多個因素，如氣象、地形地貌和植被狀況，分級處理，以建立與各級森林火險危險區(qū)相匹配的早期預警模型。劉琳[4]采用植被覆蓋類型、歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）以及溫度植被干旱指數(shù)（TVDI）這3種因子，建立重慶市森林火災監(jiān)測預警火險綜合預報指數(shù)模型。賈旭[5]以各火險因子在短時間內(nèi)是否發(fā)生變化為依據(jù)，在計算內(nèi)蒙古火險區(qū)劃時，采用分級分析法單獨計算因子權(quán)重，將其與穩(wěn)定因子分為兩大類。Cipriani等[6]通過火災結(jié)構(gòu)指數(shù)（SFI）的疊加，對高程、坡向、坡度、用地類型、道路、建筑物等因素進行危險等級劃分，生成研究區(qū)森林火險圖，進而確定森林火險發(fā)生幾率最高的地區(qū)。

因此，本文以大興安嶺為研究區(qū)，選取該地區(qū)2001-2017年間的林火遺跡信息，并結(jié)合遙感數(shù)據(jù)對比分析歷史火燒跡地信息。本文分析了該區(qū)域歷史林火的年際動態(tài)變化、空間分布和季節(jié)特征。此外，還嘗試對森林火災風險預警因子進行衛(wèi)星遙感數(shù)據(jù)提取，構(gòu)建與之相適應的指標體系。

二、數(shù)據(jù)與方法

（一）研究區(qū)概況

本文以中國東北部的大興安嶺林為研究區(qū)。該研究區(qū)是中國境內(nèi)的一片重要森林地區(qū)，覆蓋范圍從北緯43°到53°30′，東經(jīng)從117°20′到127°之間，橫跨內(nèi)蒙古自治區(qū)東北部和黑龍江省西北部，總面積約為32.72萬平方千米。總長約為1400千米，寬度大致在200千米左右，其海拔高度區(qū)間約為1100米至1400米。

大興安嶺林區(qū)一直以來都面臨著頻繁的森林火災威脅，這一地區(qū)的森林中可見許多帶有火燒跡象的活立木。由于受到干冷氣候和強風的影響，微小的火源很容易演變成大規(guī)模的森林火災。盡管自20世紀50年代以來，我國采取更為嚴格的火控政策，成功改善了當?shù)氐纳只鹎椤Ｅc此同時，這一政策也引發(fā)了新的問題，其中之一便是可燃物的不斷積累，導致森林火險等級持續(xù)上升。自1987年后，我國進一步加大了對大興安嶺林區(qū)森林火災的治理力度，特別是從2014年起全面停止了國有林區(qū)的商業(yè)性采伐，這標志著森林火災在大興安嶺林區(qū)的生態(tài)擾動中占據(jù)主導地位。

（二）數(shù)據(jù)源

本文選擇了NASA的MCD64A1數(shù)據(jù)集的數(shù)據(jù)作為火燒跡地信息提取的數(shù)據(jù)基礎(chǔ)。MCD64A1系統(tǒng)是根據(jù)MODIS的火燒痕跡資料集合而成。該數(shù)據(jù)是一個月尺度的產(chǎn)品，具有500米的空間分辨率，記錄了區(qū)域森林火災發(fā)生過程的一些詳細信息。MODIS火點資料庫容易受自然因素干擾，然而通過人工過濾排除噪音、耀斑和云團的干擾，可以將成功的火點檢測率提高至接近100%。這一結(jié)果在之前的研究中已經(jīng)得到驗證[7]。圖1為基于MCD64A1數(shù)據(jù)集繪制的全球年平均火焰蔓延范圍圖。由此可見，全國發(fā)生森林火災最嚴重的地區(qū)是大興安嶺及其周邊地區(qū)。因此，本文選取大興安嶺為研究地域。

圖1 2001年至2017年各地區(qū)平均火災蔓延范圍[8]

本文從國家森林與草原管理局獲得了大興安嶺2001-2017年林火發(fā)生次數(shù)與過火面積的統(tǒng)計數(shù)據(jù)（https：//www.forestry.gov.cn/）。其記錄了2001-2017年各月大興安嶺森林火災過火面積，有助于了解原始火燒跡地的火災識別效果及火災分布規(guī)律。

（三）森林火災風險預警指標體系的歸納

國內(nèi)外研究成果表明，森林火災的發(fā)生主要與地表溫度、地表植被狀況、地形地貌、降水量、可燃物含水率等因素密切相關(guān)，森林火災的發(fā)生具有一定的危險性。本文選取NDVI，火災動態(tài)危險性指（Forest Fire Dynamic Danger Index，F(xiàn)DDI）、7波段的歸一化紅外指數(shù)（Normalized difference infrared index，NDII7）以及三個火災風險因子嘗試構(gòu)建林火預警體系。NDVI是一種能反映植被綠度、光合作用強度的反映地表植被覆蓋信息的植被指數(shù)，現(xiàn)主要用于動態(tài)監(jiān)測植被。其計算公式為：

NDVI=Rnir-RredRnir+Rred（1）

式中：Rnir和Rred是近紅外波段和紅光波段的地物反射率，經(jīng)過大氣校正的MODIS影像數(shù)據(jù)。

覃先林[9]的研究工作已論證了NDVI7對可燃物的含水率反應比其他植被指數(shù)更為顯著的短波紅外波段與可燃物含水率呈現(xiàn)負相關(guān)關(guān)系。因此，以MODIS的兩個波段計算的NDVI7作為可燃物含水率指標之一，其公式如下：

NDVI7=ρ2-ρ7ρ2+ρ7（2）

式中：ρ2，ρ7分別為MODIS觀測數(shù)據(jù)中的波段數(shù)據(jù)。

FDDI是根據(jù)李曉戀[10]研究提出的可用于森林火災預警的森林火災動態(tài)危險指數(shù)，該指數(shù)的前提包括三方面。首先，可燃物含水率可預測發(fā)生森林火災的可能性。其次，草木覆蓋度可以作為輔助指標進行相應的參考，起到一定的效用。最后，燃物含水率的大小受地表溫度影響。其公式為：

FDDI=（1-NDII7）×（=T-TminTmax-Tmin）×（1-PV）（3）

式中：NDVI7為表示可燃物含水率的MODIS第七波段歸一化紅外線指數(shù)，T為地表溫度，PV為植被覆蓋而植被覆蓋，PV主要由NDVI估計。

PV=NDVI-NDVISNDVIV-NDVIS（4）

式中：NDVIV代表高植被覆蓋像元的NDVI，一般取值為0.9。NDVIS為裸土像元的NDVI值，常取0.15。

綜上，F(xiàn)DDI結(jié)果值大于發(fā)生森林火災的危險性；結(jié)果數(shù)值越小，林火危險性越小，李哲全[11]的這一研究成果已在廣東林火預警中得到應用，當?shù)氐牧只痤A警模型是根據(jù)廣東當?shù)氐膶崪y資料構(gòu)建的。不過，針對大興安嶺林火警報，也針對反映大興安嶺地區(qū)積雪因素而引入額外因素一化差分積雪指數(shù)（NDSI）。它的計算公式是：

NDSI=ρG-ρSWIRρG+ρSWIR（5）

其中，ρSWIR表示短波紅外的表觀反射率，ρG表示綠波段的表觀反射率，NDSI根據(jù)相關(guān)標準并結(jié)合研究區(qū)域的實際情況分為四個等級。NDSI在0.4-1的范圍表示研究區(qū)域被積雪完全覆蓋，0.2-0.4的范圍表示研究區(qū)域被積雪覆蓋的程度更高。0-0.2區(qū)間表示該研究區(qū)域覆蓋有少量積雪，小于0表明該研究區(qū)域無積雪。相應的，積雪程度越高的區(qū)域火險風險便會相應減少。

三、大興安嶺林火情勢分析

（一）歷年林火分布

研究區(qū)內(nèi)的歷史林火分布相當廣泛，尤其是在東北部地區(qū)，呈現(xiàn)出明顯的空間分布規(guī)律，即“東多西少，北多南少”。如圖2所示，在2003年至2006年期間，大興安嶺東北部地區(qū)發(fā)生了多次嚴重的森林火災。在接下來的幾年里，盡管林火得到了較好的控制，但仍然發(fā)生了一些小規(guī)模的林火事件。總體而言，研究區(qū)的林火干擾相對較低，單個火災的規(guī)模也相對較小。然而，自2006年以來，東南部地區(qū)經(jīng)歷了多次林火事件。在中部地區(qū)，盡管在2003年發(fā)生了一次嚴重的森林火災，但在其他時間段也有一些小規(guī)模的火災，它們分布相對分散。

圖2 基于MCD64A1繪制的2001—2017年全國及大興安嶺地區(qū)火災分布圖[12]

這一地區(qū)的林火分布情況不僅反映了自然因素的影響，如氣象條件和地理特點，還受到人類活動的影響，如森林管理和火源控制措施的實施情況。因此，對于不同地區(qū)的林火風險評估和防控策略的制定，需要綜合考慮這些因素，以保護森林資源和生態(tài)環(huán)境的安全。

（二）年際間變化趨勢

圖3展示了研究區(qū)在2001年至2017年之間的森林火災歷年面積的波動，如所示。在這個研究期間，大興安

圖3 歷年林火面積折線圖

嶺地區(qū)總共發(fā)生了144.27萬公頃的林火。從歷年來發(fā)生森林火災的地區(qū)曲線波動情況看，2003年和2004年發(fā)生在研究區(qū)的森林火災均較大規(guī)模，兩年共發(fā)生87.3萬公頃。2005年的火災得到有效控制，但2006年再次發(fā)生較大波動，此后每年都在下降。自2012年以后，單年的過火面積基本保持在1萬公頃以下。

（三）季節(jié)性特征

圖4展示了研究期間內(nèi)歷史林火的發(fā)生時間分布。從圖中可以明確大興安嶺地區(qū)具有明顯的季節(jié)性特征，主要集中在春季和秋季兩個季節(jié)。這有助于確定最易引發(fā)林火的火險期，從而提取采取預警措施。

具體而言，春季前后的火險期相對較長，林火主要發(fā)生在4月和5月。其中這兩個月份的過火面積分別占全年總過火面積的14%和24%。在秋季，林火通常在10月達到高峰，成為全年林火發(fā)生頻率最高的月份，占比約為44%。因此，這一時段被認為是全年最危險的火險期。此外，在其他六個月的時間里，林火干擾相對較小，約占全年的4%-5%之間。

這些季節(jié)性特征對于制定針對性的火災預防和應對策略至關(guān)重要。春季和秋季是需要特別警惕的時段，因為這兩個季節(jié)的火險性較高，而在其他時段則相對較低。因此，在火險期內(nèi)采取更嚴格的火源控制和監(jiān)測措施，以及增強公眾的火災防范意識，對于減少林火的風險和損失具有重要意義。

圖4 各月林火面積占比

四、討論

傳統(tǒng)的森林防火預警方法通常依賴地面氣象站點的監(jiān)測數(shù)據(jù)，然而這些數(shù)據(jù)在距離站點較遠或較近時都存在一定的限制，因為其準確性與站點位置有關(guān)。這種方法基于點數(shù)據(jù)，需要進行空間插值，因此可能產(chǎn)生不同的插值結(jié)果，降低了其普適性。相比之下，運用遙感數(shù)據(jù)進行實時森林火災風險分析和預警則能更有效幫助林業(yè)管理部門預防火災。這種方法使得防火預警更具操作性和準確性。使用MODIS數(shù)據(jù)得到的最終預警圖為1km分辨率，會影響預警精確度，對于可能預警效果不佳的小面積森林火災而言。因此，在后續(xù)的研究中，為了提高風險預警的準確性，可以結(jié)合利用空間分辨率較高的圖像來進行早期的林火預警研究。

基于遙感影像建立的預警模型可實現(xiàn)實時森林火災風險預警，為防火工作提供了實時指導。同時，預警模型能夠克服以往僅考慮地形因素的森林火災危險指數(shù)模型的局限性，綜合考慮了多種人為因素和自然因素，在森林火災預測和預警方面可以表現(xiàn)出更多優(yōu)勢。然而，預警模型對森林火災危害的要求相對較高。未來的研究方向包括建立更為完善的衛(wèi)星遙感森林火險預警模型，以提高預警精度。此外，還可以進一步研究人為活動、風速風向等預警因子的遙感提取方法，以確保森林火險風險預警的及時性，并合理規(guī)劃森林防火工作，以降低潛在損失。

結(jié)語

本文以大興安嶺地區(qū)為研究區(qū)，基于多源遙感數(shù)據(jù)集提取并統(tǒng)計2001-2017年期間發(fā)生的林火相關(guān)信息，從時空角度明確研究區(qū)歷史林火的特征。研究發(fā)現(xiàn)，由于缺乏充分的基礎(chǔ)實驗數(shù)據(jù)，目前在中國關(guān)于區(qū)域林火情勢的研究仍然存在不足之處。為填補這一研究領(lǐng)域的空白，較多學者采用了一系列指標，包括TVDI、NDVI、NDII7以及根據(jù)歷史森林火災數(shù)據(jù)擬合的FDDI。這些指標能夠反映森林火災發(fā)生的概率。從林火分布特點上看，歷史林火在研究區(qū)分布較廣，影響最嚴重的是東北部地區(qū)，呈“東多西少、北多南少”的分布規(guī)律。東北部在2003年至2006年期間經(jīng)歷了多次重大的森林火災，造成了嚴重的森林資源損失。東南部雖然受干擾較輕，但自2006年以后也發(fā)生了多次林火。中部地區(qū)主要有小規(guī)模林火分散分布。在年際間變化趨勢方面，從2001年到2017年的統(tǒng)計數(shù)據(jù)中可以看出，大興安嶺地區(qū)的年際林火面積呈現(xiàn)波動趨勢。2003和2004年是火災最嚴重的兩年，總過火面積達到87.3萬公頃。之后，林火得到一定程度的控制，尤其是自2012年以后，單年過火面積基本維持在1萬公頃以下。從季節(jié)特征上看，林火呈明顯的季節(jié)特征，主要發(fā)生在春季和秋季，其中秋季的火險期最為突出，主要在10月，占全年總過火面積的44%。春季前后的火險期跨度較大，分別在4月和5月，分別占全年總過火面積的14%和24%。其余月份則相對少發(fā)林火，總體來說比例偏低。考慮到復雜多變的森林環(huán)境，以及森林火災的突發(fā)性和危害性，本文總結(jié)的森林火災檢測方法仍存在適應各種現(xiàn)實森林環(huán)境檢測要求的挑戰(zhàn)。因此，還需要在未來進行改進。一方面，本文的數(shù)據(jù)集都是從MODIS數(shù)據(jù)庫和一些論文中搜集整理的。但現(xiàn)實中的森林火災場景復雜多變，干擾因素較多，本文所收集到的數(shù)據(jù)集仍然較少，后期還可擴展數(shù)據(jù)集，以便在更深層次上做更多的審視。另一方面，本文僅使用了二維屬性的衛(wèi)星觀測數(shù)據(jù)，未將高程、坡度、坡向等因素納入考量，后期可增加實地觀測數(shù)據(jù)，將研究區(qū)地理情況納入體系構(gòu)建。

參考文獻

[1]

安森鵬，高振嶺，王磊．林火對森林生態(tài)系統(tǒng)的影響［J］．科技信息，2013（06）：90-91.

[2]楊偉，張樹文，姜曉麗．基于MODIS時序數(shù)據(jù)的黑龍江流域火燒字地提取[J].生態(tài)學報.2015（17）：5866-5873.

[3]Mouillot F.，Schultz M.G.，Yue C．Ten years of global burned area products from space borne remote sensing review： analysis of user needs and recommendations for future developments[J].International Journal of Applied Earth Observations and Geoinformation，2014，26：64-79.

[4]劉琳.基于MODIS數(shù)據(jù)的重慶市森林火災監(jiān)測與預警研究[D].重慶師范大學，2014.

[5]賈旭.基于遙感數(shù)據(jù)的內(nèi)蒙古火災時空分異特征與風險評估研究[D].內(nèi)蒙古農(nóng)業(yè)大學，2018.

[6]Ciprianihn，Pereirajaa，Silvara，et al.Fire risk map for the SerradeSo Domingos Municipal park，Poosdecaldas，MG[J].Cerne，2011，17（01）：77-83.

[7]周小成，汪小欽．EOS－MODIS數(shù)據(jù)林火識別算法的驗證和改進[J].遙感技術(shù)與應用.2006，21（03）：206-211.

[8]Tomàs Artés.A global wild fire data set for the analysis of fire regimes and fire behaviour[J].Scientific Data，2019.

[9]覃先林.遙感與地理信息系統(tǒng)技術(shù)相結(jié)合的林火預警方法的研究[D].中國林業(yè)科學研究院，2005.

[10]李曉戀.基于MODIS數(shù)據(jù)的多因子協(xié)同作用下森林火災預測監(jiān)測研究[D].中國科學技術(shù)大學，2016.

[11]李哲全.基于衛(wèi)星遙感的森林火災風險預警研究[D].中南林業(yè)科技大學，2021.

[12]喬澤宇.2001—2017年我國森林火災時空分布特征[N].山東科技大學，2020.