基于MODIS数据的森林火灾监测方法研究

雩风三日

基于MODIS数据的森林火灾监测方法研究

         森林火灾会给国家和人民带来巨大的安全威胁和经济损失，我国是森林火灾高发国家之一。通过研究分析发现，可以利用卫星遥感数据从三个方面对森林火灾进行有效管控：灾前预测可以减少火灾发生；灾时实时监测可在最大程度上降低损失；灾后高效、快速的提取火迹地可以为森林的灾后评估、重建方案提供可靠的依据。目前，MODIS数据是使用范围最广的遥感数据之一，对森林火灾监测具有实时性高、效率高、精度好、成本低等优点。本文着重利用MODIS数据对森林火灾的灾前、灾时、灾后三个阶段进行了研究，并针对基于MODIS数据的森林火灾监测过程中存在的问题加以改进，主要分析和结论如下：

         （1）构建基于多因子森林火险的预测模型。在将静态与动态火险因子相结合，根据层次分析法对各火险因子计算权重并叠加的此基础上，进行森林火险预测，解决了火险因子单一及各火险因子间无相互作用关系问题。该模型通过黑河市2009年4月25日和26日的MODIS数据对4月27日的森林火灾进行火险预测，预测精度分别为83.33%和87.50%，然而传统预测模型精度仅为56.25%和68.75%。研究表明，该模型可以对黑河市的火险进行有效的预测。此外，利用火点数据对静态火险因子进行危险等级划分，在一定程度上提高了该模型对不同地区的适用性。

         （2）构建基于BP神经网络的烟雾识别模型。通过对地物特征的分析，选用Ref7、Ref8、BT32-BT20、MNDFI、NBR和NDVI作为该模型的输入层，以单一季节、地区的地物样本构建烟雾识别模型，并对该模型的可靠性进行了验证，其总体精度和Kappa系数分别为96.96%和95.78%。最后通过四个地区数据对该模型进行检验，并与多通道阈值法对比，结果表明该模型可以对多季节、地区的陆地上空的烟雾进行有效的监测，同时提高了森林烟雾识别的效率。此外，在陆地上空，使用MNDFI-NDVI-NBR假彩色合成影像对烟雾的显示效果优于真彩色合成影像。

         （3）利用最大类间方差法对火迹地进行提取。首先，分析NDVI、NBR、NSTv2和NSEv1四种指数对火迹地的敏感度和可分离性；其次，利用最大类间方差法对火迹地进行提取，然后通过Fire_cci5.1数据对提取结果进行了精度评估，其中NSEv2指数的总体精度和Kappa系数分别为93.47%和83.08%，优于其它指数；最后，对该方法进行多个地区的适用性评估，Kappa系数分别为76.42%、75.06%，具有高度一致性。其结果表明，将最大类间方差法与NSEv2结合，可以快速识别精度较好的火迹地面积，从而克服通过产品数据预测而出现的较大延时性问题。

0 n. H3 B7 @7 [7 b9 l

关键词：森林火灾；MODIS；森林火险预测；烟雾识别；火迹地提取

6 b9 r3 ]3 p$ `4 A% n' \5 m