TM验证MODIS过火面积产品精度分析——以黑龙江省重大森林火灾为例
MODIS林火识别算法的验证分析
MODIS林火识别算法的验证分析
周小成;汪小钦
【期刊名称】《火灾科学》
【年(卷),期】2006(015)001
【摘要】利用中国境内9起森林火灾事件对MODIS火点识别的理论算法进行验证分析,结果表明:MODIS火点识别的理论算法在中国境内是基本通用的,但受地域和季节变化的影响,应用时可能会遗漏个别低温闷烧的热点;利用火点亮温偏离统计均值标准差的关系来确定阈值,可以避免火点的遗漏;林火点在CH21和CH22上的值比较接近,一般有CH21-CH22＜20K,而噪声点在两个波段上的亮温差异比较大.根据以上知识,提出了改进MODIS林火热点识别算法的建议.
【总页数】7页(P31-37)
【作者】周小成;汪小钦
【作者单位】福州大学福建省空间信息工程研究中心,数据挖掘与信息共享教育部重点实验室,福建,福州,350002;福州大学福建省空间信息工程研究中心,数据挖掘与信息共享教育部重点实验室,福建,福州,350002
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于MODIS数据验证分析雾参数反演算法和影响因素 [J], 马慧云;赵国庆;邹峥嵘;张伟康
2.MODIS气溶胶光学厚度产品在西南地区林火检测中的应用 [J], 王研峰;张婕;张弘毅;谢巍;阿如哈斯;吴妮晏
3.MODIS数据解译及其在森林火险中的应用研究 [J], 刘蓉; 刘平波; 吴鑫
4.基于MODIS卫星火点数据的浙江省林火时空动态变化特征 [J], 曾爱聪;郭新彬;郑文霞;魏帽;靳全锋;郭福涛
5.EOS—MODIS数据林火识别算法的验证和改进 [J], 周小成;汪小钦
因版权原因，仅展示原文概要，查看原文内容请购买。
基于ＭＯＤＩＳ 数据的２００１—２０１８ 年黑龙江省林火时空分布
第４５卷㊀第１期２０２１年１月南京林业大学学报（自然科学版）ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅｓＥｄｉｔｉｏｎ）Ｖｏｌ．４５，Ｎｏ．１Ｊａｎ．，２０２１ＤＯＩ：１０．１２３０２／ｊ．ｉｓｓｎ．１０００－２００６．２０１９１００２３㊀收稿日期Ｒｅｃｅｉｖｅｄ：２０１９⁃１０⁃２３㊀㊀㊀㊀修回日期Ａｃｃｅｐｔｅｄ：２０１９⁃１２⁃２９㊀基金项目：国家重点研发计划子课题（２０１７ＹＦＤ０６００９０４０２）㊂㊀第一作者：崔阳（ｃｕｉｙａｎｇ＠ｎｅｆｕ．ｅｄｕ．ｃｎ）㊂∗通信作者：邢艳秋（ｙａｎｑｉｕｘｉｎｇ＠ｎｅｆｕ．ｅｄｕ．ｃｎ），教授，ＯＲＣＩＤ（００００－０００２－６３５３－５８３３）㊂㊀引文格式：崔阳，狄海廷，邢艳秋，等．基于ＭＯＤＩＳ数据的２００１ ２０１８年黑龙江省林火时空分布［Ｊ］．南京林业大学学报（自然科学版），２０２１，４５（１）：２０５－２１１．ＣＵＩＹ，ＤＩＨＴ，ＸＩＮＧＹＱ，ｅｔａｌ．ＳｐａｔｉａｌａｎｄｔｅｍｐｏｒａｌｄｉｓｔｒｉｂｕｔｉｏｎｓｏｆｆｏｒｅｓｔｆｉｒｅｓｉｎＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅｆｒｏｍ２００１ｔｏ２０１８ｂａｓｅｄｏｎＭＯＤＩＳｄａｔａ［Ｊ］．ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅｓＥｄｉｔｉｏｎ），２０２１，４５（１）：２０５－２１１．ＤＯＩ：１０．１２３０２／ｊ．ｉｓｓｎ．１０００－２００６．２０１９１００２３．基于ＭＯＤＩＳ数据的２００１ ２０１８年黑龙江省林火时空分布崔㊀阳，狄海廷，邢艳秋*，常晓晴，单㊀炜（东北林业大学森林作业与环境研究中心，黑龙江㊀哈尔滨㊀１５００４０）摘要：ʌ目的ɔ黑龙江省是中国重要的林业省份之一，也是受林火危害最严重的地区之一㊂通过遥感数据获取森林火点信息，充分了解近年来黑龙江省林火发生的时空分布格局，探索林火发生规律㊂ʌ方法ɔ根据黑龙江省２００１ ２０１８年ＭＯＤＩＳ（分辨率成像光谱仪）遥感图像的ＭＣＤ６４Ａ１火烧迹地产品数据集，提取林火火点信息，结合历史火灾记录资料㊁归一化植被指数ＮＤＶＩ（ｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ）㊁森林类型㊁数字高程模型ＤＥＭ（ｄｉｇｉｔａｌｅｌｅｖａｔｉｏｎｍｏｄｅｌ）等数据，运用地理信息系统空间分析方法和统计分析方法，对黑龙江省的林火时空分布规律进行研究㊂ʌ结果ɔ２００１ ２０１８年，黑龙江省林火次数和过火面积呈现波动性变化，但整体上林火次数呈现下降趋势，其中２００２年火灾发生次数最多，２００３年过火面积最大，２００８年过火面积最小；春㊁秋两季是林火的多发时期，冬季基本不发生火灾㊂林火在空间分布上具有异质性，在１３个地级行政区中黑河市的森林火灾过火面积最大，其次为大兴安岭地区和绥化市，大庆市发生森林火灾的过火面积最小；过火面积随着林地海拔的升高逐渐呈现减少的趋势㊂结合森林类型分布情况发现，在针叶林中发生火灾的概率较高，其次为混交林和阔叶林㊂ʌ结论ɔ采用ＭＣＤ６４Ａ１火烧迹地产品能够较为准确地提取出火灾信息，结合植被类型和高程信息对黑龙江省林火发生的时空规律进行分析，可为区域林火扑救和预警监测提供重要的科学依据㊂关键词：林火；时空分布规律；分辨率成像光谱仪；ＭＣＤ６４Ａ１；黑龙江省中图分类号：Ｓ７６２．１㊀㊀㊀㊀㊀㊀文献标志码：Ａ开放科学（资源服务）标识码（ＯＳＩＤ）：文章编号：１０００－２００６（２０２１）０１－０２０５－０７ＳｐａｔｉａｌａｎｄｔｅｍｐｏｒａｌｄｉｓｔｒｉｂｕｔｉｏｎｓｏｆｆｏｒｅｓｔｆｉｒｅｓｉｎＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅｆｒｏｍ２００１ｔｏ２０１８ｂａｓｅｄｏｎＭＯＤＩＳｄａｔａＣＵＩＹａｎｇ，ＤＩＨａｉｔｉｎｇ，ＸＩＮＧＹａｎｑｉｕ∗，ＣＨＡＮＧＸｉａｏｑｉｎｇ，ＳＨＡＮＷｅｉ（ＣｅｎｔｅｒｆｏｒＦｏｒｅｓｔＯｐｅｒａｔｉｏｎｓａｎｄＥｎｖｉｒｏｎｍｅｎｔ，ＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ１５００４０，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ʌＯｂｊｅｃｔｉｖｅɔＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅｉｓｏｎｅｏｆｔｈｅｍｏｓｔｉｍｐｏｒｔａｎｔｆｏｒｅｓｔｒｙｐｒｏｖｉｎｃｅｓｉｎＣｈｉｎａ，ａｎｄｉｔｉｓａｌｓｏｏｎｅｏｆｔｈｅａｒｅａｓｍｏｓｔｓｅｒｉｏｕｓｌｙｄａｍａｇｅｄｂｙｆｏｒｅｓｔｆｉｒｅｓ．Ｉｎｔｈｉｓｓｔｕｄｙ，ｔｈｅｆｏｒｅｓｔｆｉｒｅｐｏｉｎｔｉｎｆｏｒｍａｔｉｏｎｗａｓｏｂｔａｉｎｅｄｆｒｏｍｒｅ⁃ｍｏｔｅｓｅｎｓｉｎｇｄａｔａ，ａｎｄｔｈｅｔｅｍｐｏｒａｌａｎｄｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｐａｔｔｅｒｎｓｏｆｆｏｒｅｓｔｆｉｒｅｏｃｃｕｒｒｅｎｃｅｉｎＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅｉｎｒｅｃｅｎｔｙｅａｒｓｗａｓｍａｐｐｅｄ，ｓｏｔｈａｔｗｅｃｏｕｌｄｅｘｐｌｏｒｅｔｈｅｌａｗｓｏｆｆｏｒｅｓｔｆｉｒｅｏｃｃｕｒｒｅｎｃｅ．ʌＭｅｔｈｏｄɔＢａｓｅｄｏｎｔｈｅＭＣＤ６４Ａ１ｄａｔａｓｅｔｏｆｆｉｒｅｔｒａｃｅｓｆｒｏｍｔｈｅＭｏｄｅｒａｔｅ⁃ｒｅｓｏｌｕｔｉｏｎＩｍａｇｉｎｇＳｐｅｃｔｒｏｒａｄｉｏｍｅｔｅｒ（ＭＯＤＩＳ）ｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓｆｒｏｍ２００１ｔｏ２０１８ｉｎＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅ，ｗｅｅｘｔｒａｃｔｅｄｔｈｅｆｏｒｅｓｔｆｉｒｅｐｏｉｎｔｉｎｆｏｒｍａｔｉｏｎ．Ｔｈｅｎ，ｗｅｃｏｍｂｉｎｅｄｉｔｗｉｔｈｈｉｓｔｏｒｉ⁃ｃａｌｆｉｒｅｒｅｃｏｒｄｄａｔａ，ｔｈｅｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ（ＮＤＶＩ），ｆｏｒｅｓｔｔｙｐｅ，ａｄｉｇｉｔａｌｅｌｅｖａｔｉｏｎｍｏｄｅｌ（ＤＥＭ），ａｎｄｏｔｈｅｒｄａｔａｔｏｓｔｕｄｙｔｈｅｔｅｍｐｏｒａｌａｎｄｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｓｏｆｆｏｒｅｓｔｆｉｒｅｓｉｎＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅ．ＷｅｕｓｅｄｔｈｅＧＩＳｓｐａｔｉａｌａｎａｌｙｓｉｓａｎｄｓｔａｔｉｓｔｉｃａｌａｎａｌｙｓｉｓｍｅｔｈｏｄｓ．ʌＲｅｓｕｌｔɔＴｈｅｎｕｍｂｅｒｏｆｆｏｒｅｓｔｆｉｒｅｓａｎｄｔｈｅｂｕｒｎｅｄａｒｅａｉｎＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅｆｌｕｃｔｕａｔｅｄｂｅｔｗｅｅｎ２００１ａｎｄ２０１８，ｏｖｅｒａｌｌ，ｔｈｅｎｕｍｂｅｒｏｆｆｏｒｅｓｔｆｉｒｅｓｄｅｃｒｅａｓｅｄ．Ｔｈｅｎｕｍｂｅｒｏｆｆｉｒｅｓｗａｓｔｈｅｈｉｇｈｅｓｔｉｎ２００２，ｔｈｅｂｕｒｎｅｄａｒｅａｗａｓｔｈｅｌａｒｇｅｓｔｉｎ２００３，ａｎｄｔｈｅｂｕｒｎｅｄａｒｅａｗａｓｔｈｅｓｍａｌｌｅｓｔｉｎ２００８．Ｓｐｒｉｎｇａｎｄａｕ⁃南京林业大学学报（自然科学版）第４５卷ｔｕｍｎｗｅｒｅｔｈｅｍｏｓｔｆｒｅｑｕｅｎｔｐｅｒｉｏｄｓｏｆｆｏｒｅｓｔｆｉｒｅｓ，ａｎｄｔｈｅｒｅｗｅｒｅａｌｍｏｓｔｎｏｆｉｒｅｓｉｎｗｉｎｔｅｒ．Ｔｈｅｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｆｏｒｅｓｔｆｉｒｅｓｗａｓｈｅｔｅｒｏｇｅｎｅｏｕｓ．ＨｅｉｈｅＣｉｔｙｈａｄｔｈｅｌａｒｇｅｓｔｆｏｒｅｓｔｆｉｒｅ⁃ｂｕｒｎｅｄａｒｅａｏｕｔｏｆｔｈｅ１３ｐｒｅｆｅｃｔｕｒｅ⁃ｌｅｖｅｌａｄｍｉｎｉｓｔｒａ⁃ｔｉｖｅｒｅｇｉｏｎｓ，ｆｏｌｌｏｗｅｄｂｙＧｒｅａｔｅｒＫｈｉｎｇａｎＭｏｕｎｔａｉｎｓＰｒｅｆｅｃｔｕｒｅａｎｄＳｕｉｈｕａＣｉｔｙ．ＤａｑｉｎｇＣｉｔｙｈａｄｔｈｅｓｍａｌｌｅｓｔｆｏｒｅｓｔｆｉｒｅ⁃ｂｕｒｎｅｄａｒｅａ．Ｔｈｅｆｉｒｅ⁃ｂｕｒｎｅｄａｒｅａｄｅｃｒｅａｓｅｄｗｉｔｈａｎｉｎｃｒｅａｓｅｉｎａｌｔｉｔｕｄｅ．Ｃｏｍｂｉｎｅｄｗｉｔｈｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆｆｏｒｅｓｔｔｙｐｅｓ，ｉｔｗａｓｆｏｕｎｄｔｈａｔｔｈｅｈｉｇｈｅｓｔｐｒｏｂａｂｉｌｉｔｙｏｆｆｉｒｅｏｃｃｕｒｒｅｄｉｎｃｏｎｉｆｅｒｏｕｓｆｏｒｅｓｔｓ，ｆｏｌｌｏｗｅｄｂｙｍｉｘｅｄｆｏｒｅｓｔｓａｎｄｂｒｏａｄ⁃ｌｅａｖｅｄｆｏｒｅｓｔｓ．ʌＣｏｎｃｌｕｓｉｏｎɔＴｈｅＭＣＤ６４Ａ１ｄａｔａｓｅｔｏｆｆｉｒｅｔｒａｃｅｓｃａｎｅｘｔｒａｃｔｆｉｒｅｉｎｆｏｒｍａｔｉｏｎｍｏｒｅａｃｃｕｒａｔｅｌｙ．Ｂｙｃｏｍｂｉｎｉｎｇｉｔｗｉｔｈｔｈｅｖｅｇｅｔａｔｉｏｎｔｙｐｅａｎｄｅｌｅｖａｔｉｏｎｉｎｆｏｒｍａｔｉｏｎ，ｗｅｉｄｅｎｔｉｆｉｅｄｔｈｅｔｅｍｐｏｒａｌａｎｄｓｐａｔｉａｌｌａｗｓｏｆｆｏｒｅｓｔｆｉｒｅｏｃｃｕｒｒｅｎｃｅｉｎＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅ，ｗｈｉｃｈｐｒｏｖｉｄｅａｎｉｍｐｏｒｔａｎｔｓｃｉｅｎｔｉｆｉｃｂａｓｉｓｆｏｒｒｅｇｉｏｎａｌｆｏｒｅｓｔｆｉｒｅｆｉｇｈｔｉｎｇａｎｄｅａｒｌｙｗａｒｎｉｎｇｍｏｎｉ⁃ｔｏｒｉｎｇ．Ｋｅｙｗｏｒｄｓ：ｆｏｒｅｓｔｆｉｒｅ；ｔｅｍｐｏｒａｌａｎｄｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎ；Ｍｏｄｅｒａｔｅ⁃ｒｅｓｏｌｕｔｉｏｎＩｍａｇｉｎｇＳｐｅｃｔｒｏｒａｄｉｏｍｅｔｅｒ（ＭＯＤＩＳ）；ＭＣＤ６４Ａ１；ＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅ㊀㊀森林火灾属于重大自然灾害［１－２］，２１世纪以来，受全球气候变暖的影响，森林火灾次数增多㊂特别是在２０１９年，四川凉山木里 ３．３０ 特大火灾㊁内蒙古兴安盟阿尔山市 ４．３０ 特大火灾以及云南省楚雄州姚安 ５．５ 森林火灾等，造成了大面积的森林毁灭和人员伤亡，严重破坏了生态系统平衡㊂森林火灾的发生受林型㊁地理㊁时间㊁气候温度等因素的影响［３－４］，在景观至区域尺度上具有明显的时间和地理规律［５－８］㊂正确认识和掌握林火发生规律，是科学有效开展防火的重要前提，有助于按照其发生的季节性和地域性特点开展防火工作［９］㊂研究者常采用数理统计方法结合火灾历史数据对火灾的时空分布规律进行分析㊂张冬有等［１０］基于１９８０ ２００５年火灾发生的次数㊁位置以及坡度等数据，分析森林火灾的时空分布规律；杨广斌等［１１］根据林火统计数据对北京林火发生的时间和空间分布规律进行了研究㊂随着遥感技术的应用与发展，特别是具有高空间㊁时间分辨率传感器的不断发展，使得学者将火灾统计数据与多种遥感数据来源对火灾长时间序列监测结合起来［１２］㊂利用ＭＯＤＩＳ（中分辨率成像光谱仪，Ｍｏｄｅｒａｔｅ⁃ｒｅｓｏｌｕｔｉｏｎＩｍａｇｉｎｇＳｐｅｃｔｒｏｒａｄｉｏｍｅｔｅｒ）㊁ＮＯＡＡ（ＮａｔｉｏｎａｌＯｃｅａｎｉｃａｎｄＡｔｍｏｓｐｈｅｒｉｃＡｄｍｉｎｉｓｔｒａｔｉｏｎ⁃ｓａｔｅｌｌｉｔｅ），以及美国陆地卫星Ｌａｎｄｓａｔ系列均可对火灾进行监测㊂其中ＭＯＤＩＳ数据由于监测时间长㊁光谱范围广㊁数据稳定且适应性强成为目前最适合进行火灾检测的传感器之一［１３］㊂Ｋａｕｆｍａｎ等［１４］模拟研究了ＭＯＤＩＳ数据的火灾监测算法，并在非洲㊁巴西开展野外研究对森林火灾实验检测进行验证；贾旭等［１５－１６］利用ＭＯＤＩＳ数据集提取火烧迹地，用来分析降雨量㊁坡度等因素对火灾的响应特征；邓欧等［１７］采用ＭＣＤ４５Ａ１数据，结合气候因子㊁地物类型㊁地形因子及人类活动等影响因子，构建了黑龙江省林火风险模型并进行了火险区划；靳全锋等［１８］基于２００１ ２０１６年的ＭＣＤ６４Ａ１数据结合植被类型㊁生物质密度和燃烧效率，对浙江地区生物质露天燃烧排放污染物的时空变化进行分析㊂关于林火发生规律的研究较多，但要进一步满足森林防火措施的需求，需要获取准确的火点信息及长时间跨度范围内林火的发生规律㊂黑龙江省是中国最大的林业省份之一，年均森林过火面积居全国之首，是火灾危险最严重的地区，也是全国森林防火的重点省份［１９］㊂本研究基于ＭＣＤ６４Ａ１火灾面积产品以及ＭＯＤ１３Ｑ１植被数据集，提取２００１ ２０１８年黑龙江省森林火灾的过火面积以及２０００ ２０１８年植被指数，按照不同年份的植被指数差值划分火灾强度，以数字高程模型ＤＥＭ（ｄｉｇｉｔａｌｅｌｅｖａｔｉｏｎｍｏｄｅｌ）为基础，采用ＡｒｃＧＩＳ空间分析法提取火点与相关林分信息，研究该区域林火发生的规律及其时空分布，以期为区域林火扑救和预警监测提供重要的科学依据㊂１㊀材料与方法１．１㊀研究区概况黑龙江省位于我国东北部（１２１ʎ１１ᶄ １３５ʎ０５ᶄＥ，４３ʎ２６ᶄ ５３ʎ３３ᶄＮ），其北部和东部隔黑龙江㊁乌苏里江与俄罗斯毗邻，西部为内蒙古自治区，南部与吉林省接壤，是中国纬度最高的省份㊂全省土地总面积为４５４０万ｈｍ２，总人口３７７３．１万人㊂地跨黑龙江㊁乌苏里江㊁松花江㊁绥芬河四大水系㊂受季风影响，属于寒温带与温带大陆性气候，冬季漫长㊁寒冷干燥，夏季温热多雨，春秋时节空气干燥㊁湿度低㊂年均气温４．７ħ，年均降水量３５０ ５００ｍｍ㊂全省地貌由５个区域组成，分别为西北部的大兴安岭㊁东北部的小兴安岭㊁东南部的东部山地（由数条并行的东北 西南走向的山岭组成，包括张广才岭㊁老爷岭和完达山等）㊁西部的松嫩平原区及东部的三江平原㊂山地海拔３００ １６００ｍ，平原地区６０２㊀第１期崔㊀阳，等：基于ＭＯＤＩＳ数据的２００１ ２０１８年黑龙江省林火时空分布海拔３５ ２００ｍ㊂省内具有面积较大的森林土壤㊁草原土壤和森林草原土壤，属地带性土壤，同时存在大面积的非地带性土壤㊂森林主要分布在大兴安岭㊁小兴安岭和东部山地三大林区，森林覆盖率４６ １４％，森林面积２０９７．７０万ｈｍ２，森林蓄积量达到１８．２９亿ｍ３，地带性植被属寒温带针叶林和温带针阔混交林［２０］㊂黑龙江省作为我国森林大省，是森林火灾多发的地区，也是因森林火灾受损失最严重的地区㊂１．２㊀数据来源本研究涉及的森林火灾时空分布及其验证数据主要包括：黑龙江省２００１ ２０１８年火灾地面历史记录数据㊁ＭＯＤＩＳ火灾面积产品ＭＣＤ６４Ａ１㊁植被类型分布图和ＤＥＭ等㊂１）火灾地面历史记录数据㊂研究所用数据来源于黑龙江省各个地级市２００１ ２０１８年的火灾记录数据，包括林火发生时间㊁扑灭时间㊁地点㊁火点㊁火灾原因等，按照植被类型图对历史统计数据进行筛选处理，得到林地火灾数据，用于对ＭＯＤＩＳ数据进行精度验证，并为分析林火时空特征提供火灾频次数据㊂２）ＭＯＤＩＳ－ＭＣＤ６４Ａ１火烧迹地产品数据集㊂黑龙江省２００１ ２０１８年ＭＯＤＩＳ火灾面积产品ＭＣＤ６４Ａ１，该数据集来自ＮＡＳＡ网站（ｈｔｔｐ：／／ｌａｄ⁃ｓｗｅｂ．ｎａｓａ．ｇｏｖ／），其为空间分辨率为５００ｍ的月尺度产品，记录了区域森林火灾的位置信息㊁发生日期㊁结束日期㊁火灾面积㊁可信度等㊂本研究使用２００１ ２０１８年年度产品，利用ＭＣＤ６４Ａ１月产品提取的火点以年为单位进行叠加㊂目前ＭＯＤＩＳ火点受自然因素影响，成功检测率可达９０％左右，通过滤除噪声㊁耀斑及云的干扰，不同区域和季节火灾成功检测率高达１００％［２１］，数据格式为ＨＤＦ，投影类型为Ｓｉｎｕｓｏｉｄａｌ㊂３）ＭＯＤＩＳ－ＭＯＤ１３Ａ３植被数据集㊂研究选用２０００ ２０１８年的ＭＯＤ１３Ａ３数据集，空间分辨率１ｋｍˑ１ｋｍ，时间分辨率为３０ｄ，从中提取归一化植被指数，用于划分火烧等级［归一化植被指数（ｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ，ＮＤＶＩ）作为反映植被生长状况及植被空间分布密度的最佳指示因子，根据植被指数差异划分火烧等级］㊂将临近年两幅不同时相㊁同一月份的遥感影像ＮＤＶＩ灰度值进行差值计算，可获得每年的ＮＤＶＩ变化值，该变化值反映每年各像元内植被的变化情况［２２－２３］㊂４）土地覆盖数据㊂２００１ ２０１８年黑龙江省土地利用数据采自ＭＣＤ１２Ｑ１（ＬａｎｄＣｏｖｅｒＴｙｐｅＹｅａｒｌｙＬ３Ｇｌｏｂａｌ５００ｍＳＩＮＧｒｉｄ）产品数据，分辨率为５００ｍ㊂同时采用国际地圈生物圈计划（Ｉｎｔｅｒｎａ⁃ｔｉｏｎａｌＧｅｏｓｐｈｅｒｅＢｉｏｓｐｈｅｒｅＰｒｏｇｒａｍｍｅｒ，ＩＧＢＰ）的土地覆盖分类体系㊂由于本研究的研究对象为森林火点，在ＩＧＢＰ计划的１９个地类中仅提取合并其中的４类，分别为针叶林㊁阔叶林㊁针阔混交林及其他类型㊂５）数字高程模型（ＤＥＭ）数据㊂采用航天飞机雷达地形测绘使命（ｓｈｕｔｔｌｅｒａｄａｒｔｏｐｏｇｒａｐｈｙｍｉｓｓｉｏｎ，ＳＲＴＭ）的ＤＥＭ数据，由地理空间数据云（ｈｔｔｐ：／／ｗｗｗ．ｇｓｃｌｏｕｄ．ｃｎ／）提供，空间分辨率为９０ｍ㊂ＤＥＭ数据主要用于提取地形因子㊂６）其他数据㊂其他数据包括黑龙江行政矢量边界线㊁居民区等数据，统一采用Ａｌｂｅｒｔ投影㊂１．３㊀研究方法１）火点提取㊂基于ＭＣＤ６４Ａ１火烧迹地产品提取火点信息，利用ＭＲＴ转换工具对下载得到的８１６景影像做批量图幅拼接及投影转换，将原有的Ｓｉｎｕｓｏｉｄａｌ正弦曲线投影转换为适合中国地区的Ａｌｂｅｒｔ投影，椭圆体基准为１９８４年世界大地坐标系统（ＷＧＳ－８４）［１６］㊂利用ＡｒｃＧＩＳ１０．２软件对影像进行波段整合㊁数据镶嵌㊁裁剪并提取数据集中的火点信息，主要包括过火像元㊁火烧天数㊁不确实性㊁火灾开始时间和结束时间，根据过火像元计算得到火灾面积㊂利用ＭＣＤ６４Ａ１产品的ＱＡ数据集删除伪火点对数据质量进行控制㊂将过火像元与植被分布图进行叠加，利用植被类型图进行掩膜计算，分析发生不同森林类型区域的过火像元㊁火灾日期信息和火灾面积㊂将过火像元与黑龙江行政区域和土地类型图叠加，提取２００１ ２０１８年黑龙江省森林区域的过火像元㊂将提取的火点分布与相应的历史火点分布进行叠加分析，并对提取火点的可靠性进行验证㊂２）火烧等级划分㊂采用图像阈值化分割的方法划分火烧等级㊂将２０００ ２０１８年每２年同一时期的ＮＤＶＩ灰度进行差值计算，获取２００１ ２０１８年ＮＤＶＩ的变化值，根据差值的大小即过火区的灰度值变化判断火烧强度，将每个火场分为轻度㊁中度和重度火烧３个等级㊂参照田晓瑞等［２４］的研究，依据等距离方法和差值的频率分布，由于小于－０．２的像元较少，将分割阈值设定为－０．３１和－０．２，即ＮＤＶＩ差值在［－０．４，－０．３１）范围内定义为重度火烧，在［－０．３１，－０．２）范围内定义为中度火烧，在［－０．２，０］范围内为轻度火烧㊂７０２南京林业大学学报（自然科学版）第４５卷３）火灾时空分布规律分析㊂将２００１ ２０１８年黑龙江省林火发生时间㊁位置㊁面积以及强度，与黑龙江土地覆盖图和ＤＥＭ数据叠加，从林火年际分布特征㊁季节分布特征㊁地形分布特征和植被类型分布特征几个方面分析林火发生的时空分布规律㊂２㊀结果与分析２．１㊀ＭＣＤ６４Ａ１火烧迹地产品可靠性验证２００１ ２０１８年黑龙江省ＭＣＤ６４Ａ１火烧迹地产品提取的全部火点和相应的历史火点记录分布如图１所示㊂将两者进行叠加分析，发现ＭＣＤ６４Ａ１火烧迹地产品能够较为准确地提取出火灾信息，其中有７５．２１％的历史资料记录的火点落在ＭＣＤ６４Ａ１火烧迹地产品提取到的火烧迹地范围内，误差率为２４．７９％㊂未与历史火点重合的火烧迹地占火烧迹地总面积的２２．４６％㊂ＭＣＤ６４Ａ１产品提取的火烧迹地与历史火点在空间分布上具有较高的一致性，其中２００３年５月的２次典型特大火灾（黑河市爱辉区泉山地营子２００３年 ５．２０ 特大森林火灾㊁大兴安岭富拉罕册支线２００３年 ５．１７ 特大森林火灾［２５］）发生的时间和地理位置与ＭＣＤ６４Ａ１火烧迹地产品提取的火灾信息完全一致㊂这一分析结果说明，ＭＣＤ６４Ａ１数据产品作为大范围火灾灾情监测的重要手段是可靠的，这也与同类研究得到的结果相符［２０］㊂图１㊀ＭＣＤ６４Ａ１火烧迹地㊁历史火点记录分布及地级市火点分布Ｆｉｇ．１㊀ＴｈｅｄｉｓｔｒｉｂｕｔｉｏｎｍａｐｏｆＭＣＤ６４Ａ１ｂｕｒｎｅｄｓｃａｒ，ｈｉｓｔｏｒｙｆｉｒｅｓｐｏｔｒｅｃｏｒｄｓａｎｄｆｉｒｅｓｐｏｔｓｉｎｐｒｅｆｅｃｔｕｒｅｃｉｔｙｏｆＨｅｉｌｉｎｇｊｉａｎｇＰｒｏｖｉｎｃｅ㊀㊀分析认为，ＭＣＤ６４Ａ１火烧迹地未能完全覆盖历史火点的原因可能是：①林地发生地表火时，上层植被的遮挡导致传感器难以探测到其发生信息；②云层的遮挡影响了传感器对火灾的监测；③有些林火零星发生，过火面积远小于ＭＣＤ６４Ａ１产品的分辨率（０．２５ｋｍ２），且过火时间短，传感器无法探测；④由于部分林区范围较大，有些林火火势并未蔓延且发生时间较短，不易察觉，所以历史数据中并未记录，故有２２．４６％的火烧迹地未与历史火点重合㊂２．２㊀黑龙江省林火时间分布格局２．２．１㊀林火年际变化特征分析林火次数年际变化特征可知：２００１ ２０１８年，黑龙江省林火发生次数及过火面积呈波动性变化（图２），从整体上看，火灾次数呈下降趋势，这与图２㊀黑龙江省林火的年际变化Ｆｉｇ．２㊀ＹｅａｒｌｙｓｃａｌｅｃｈａｎｇｅｓｏｆｔｈｅｆｏｒｅｓｔｆｉｒｅｓｏｆＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅ当地林业部门所采取的有效防火措施有很大的关系㊂２００１ ２００３年火灾发生次数较多，其中２００２年为２４２次，是整个研究时段火灾发生次数最多的年份，２００３年和２００１年次之，发生火灾次数分别８０２㊀第１期崔㊀阳，等：基于ＭＯＤＩＳ数据的２００１ ２０１８年黑龙江省林火时空分布为１９７㊁１４７次㊂在此之后火灾次数呈缓慢性波动变化，于２０１５年和２０１７年呈波动性上升，而２０１３年发生火灾次数仅为１１次，是研究时段火灾发生次数最少的年份㊂分析林火面积年际变化特征可知：２００１ ２０１８年，黑龙江省森林过火面积平均为２１．０８万ｈｍ２／ａ，火灾面积在２１世纪初呈平缓变化，在２００３年有大幅度波动性增加，该年的火灾面积为８２．１２万ｈｍ２，是整个研究时段过火面积最大的年份，这与当年５月发生的两场特大火灾有关㊂自２００４年起，火灾面积逐渐减少，但在２００６年火灾面积波动性增加，该年的火灾面积为４１．５３万ｈｍ２，成为研究时段火灾第二大的年份，随后火灾面积平稳变化，在１５万ｈｍ２／ａ上下浮动㊂２００８年过火面积仅为４．２５万ｈｍ２，是整个研究时段火灾过火面积最小的年份㊂利用Ｐｅａｒｓｏｎ方法分析２００１ ２０１８年过火面积和火灾总次数的关系，发现过火面积与火灾总次数的相关系数为０．３９４，两者呈现弱相关关系，说明过火面积受火灾次数影响较小㊂将过火面积与火灾强度比例做相关分析发现，过火面积受重度森林火灾的影响特别显著，尤其是在２００３年发生的两场特大火灾，使得当年的森林过火面积达７９．９３万ｈｍ２［２６］，重度火灾面积在２００１ ２０１８年间最大㊂在２００３年火灾发生后林内可燃物消耗巨大，导致森林生物量减少，使接下来的几年内该地区发生林火的次数大大降低㊂２．２．２㊀林火月变化特征２００１ ２０１８年黑龙江省森林火灾次数的月变化情况见图３㊂从图３可以看出，林火在一年中的月变化呈现双峰式分布㊂林火高峰期大多集中在３ ５月和９ １１月，即春季和秋季，在５月份和１０月份出现峰值，５月份发生的火灾次数为２２１次，火灾面积也达到最大，为１５１．４万ｈｍ２，为全年峰值，且春季火点数明显高于秋季㊂春季干燥少雨，大风频发，尤其是植被返青之前，林木含水量少，地面枯枝落叶较多，导致林火发生次数较多㊂５月份的部分林火发生靠近居民区，清明节祭扫㊁踏春㊁旅游等人为活动引发火灾的可能性大㊂５月末至８月末降雨量增多，使得可燃物含水率增大，降低了林火的风险，林火发生次数降低㊂随着秋季来临，植被逐渐结束当年生长，树枝树叶等逐渐干枯凋零，地面存在大量枯枝落叶物，土壤微生物活动剧增，林火发生的概率大大增加㊂加之秋末是农民烧荒的高峰期，这也导致９ １０月人为引发林火频增，在全年水平上有一个小高峰㊂１２月至次年２月为冬季，气温较低且多积雪覆盖，几乎没有林火发生㊂图３㊀黑龙江省林火的月变化Ｆｉｇ．３㊀ＭｏｎｔｈｌｙｃｈａｎｇｅｓｏｆｆｏｒｅｓｔｆｉｒｅｓｏｆＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅ２．３㊀黑龙江省林火空间分布格局２．３．１㊀林火空间分布特征将２００１ ２０１８年火烧迹地数据叠加，得到火点分布图（图１ｃ），可以看出林火火点由西北向东南呈条带状分布，表现为从大兴安岭地区向东南部逐渐延伸，局部地区火点较为密集，密集火点多分布在大兴安岭山地与黑河市交界处，沿中俄交界线向南一直延伸至黑河市东南端㊂在黑龙江省的西部㊁西南部以及东北部由于多农业地和沼泽地，所以林火的次数偏少，面积也较小㊂对２００１ ２０１８年黑龙江省地级市的火灾过火面进行统计，结果显示：在１３个地级行政区中，２００１ ２０１８年火灾面积最大的是黑河市，过火面积为７４．５２万ｈｍ２，占全省火灾面积的４７．８３％，这与２００３年的两场特大火灾均发生在黑河有关；其次是大兴安岭地区，火灾面积为２５．４２万ｈｍ２，占全省火灾面积的１６ ３２％；再次是绥化市㊁伊春市㊁鹤岗市㊁鸡西㊁双鸭山㊁佳木斯㊁哈尔滨㊁齐齐哈尔㊁牡丹江㊁七台河；大庆市是发生火灾面积最小的行政区，火灾面积仅为全省火灾面积的０．０１５％㊂以上分析表明，黑龙江省的林火分布具有明显的空间异质性㊂２．３．２㊀不同地形的林火分布特征从黑龙江省林火起火的空间位置与海拔分布统计表（表１）可以看出：林火发生密集地区主要分布在海拔２００ ４００ｍ的区域，占总火灾面积的５６ ８１％，其发生火灾的概率最高；其次为４００ ６００ｍ，过火面积占总火灾面积的３１ ５４％，占该海拔区间总面积的５ ７７％，发生火灾的概率较高；在海拔小于２００ｍ的平原林区，发生林火的面积较小㊂总的来说，海拔２００ ６００ｍ发生火灾的概率较高，林９０２南京林业大学学报（自然科学版）第４５卷火面积为总火灾面积的８８．３５％㊂表１㊀黑龙江森林过火面积海拔分布及森林类型分布Ｔａｂｌｅ１㊀Ｔｈｅｓｔａｔｉｓｔｉｃｓｏｆｔｈｅｆｏｒｅｓｔｂｕｒｎｅｄａｒｅａｗｉｔｈａｌｔｉｔｕｄｅｄｉｓｔｒｉｂｕｔｉｏｎａｎｄｆｏｒｅｓｔｔｙｐｅ２．３．３㊀不同植被类型的林火分布特征森林是林火发生的载体，其分布类型对林火的发生有直接影响㊂将森林类型数据与火点数据进行叠加，对火灾可燃物类型进行分析，结果（表１）发现，阔叶林作为黑龙江省主要森林类型，占地面积最大，同时过火面积也最大㊂混交林的过火面积为３２ ８５万ｈｍ２，占总过火面积的２１．１０％，占混交林地总面积的１０．４０％；针叶林发生火灾面积比阔叶林和混交林少，过火面积占总过火面积的２０ ５１％，占针叶林地总面积的１２．８９％㊂３㊀讨㊀论根据黑龙江省２００１ ２０１８年火灾发生情况，利用ＭＣＤ６４Ａ１火烧迹地产品提取到的火灾发生时间㊁地点㊁过火面积等火灾数据，结合历史火灾记录数据㊁植被类型数据和高程信息，运用ＧＩＳ空间分析方法和统计分析方法，揭示黑龙江省林火的时空分布规律㊂１）黑龙江省林火次数在２００１ ２０１８年整体上呈现下降趋势，过火面积呈波动性变化㊂在２００２年火灾发生次数最多，２００３年过火面积最大，２００８年过火面积最小，可能由于２００３年的火灾导致林内可燃物消耗巨大，使得此后几年内该地区发生林火的次数大大降低，也说明加强森林火警能对林火及时发现和扑救㊂春㊁秋两季是林火的多发时期，在５月和１０月呈现双峰值分布，该时期林内枯草落叶等均为天然可燃物，应为防火的重点时期，要严格检查禁止人员携带火源进入林场，做好详细防火安排㊂２）黑龙江省林火在空间上具有较高的异质性，火灾次数与面积呈现弱相关性㊂在１３个行政区中，黑河市的林火过火面积最大，其次为大兴安岭地区㊁绥化市，在大庆市发生林火的过火面积最小；从黑龙江省林火发生随地形变化分布总体上看，过火面积随着海拔的升高呈现逐渐减少的趋势㊂在海拔２００ ６００ｍ的范围林火发生比较普遍，可达总火灾的８８．３５％，其中２００ ４００ｍ的海拔区间内过火面积占该海拔区总面积的５．８４％，４００ ６００ｍ海拔过火面积占该海拔区总面积的５ ７７％，该区间内发生火灾的概率最高，是由于该海拔森林分布面积较大，气温偏高，降水偏少，加之又是人为活动较为密集的区域，因此导致该海拔区域内过火频率最大㊂３）结合森林类型分析，在针叶林中发生火灾的概率较高，占针叶林总面积的１２．８９％，其次为混交林，在阔叶林中虽然过火面积最大但发生火灾的概率最小㊂由于松㊁杉㊁柏等针叶树的树皮与枝叶富含易燃的油脂，具备引发火灾的有利条件，所以较阔叶林更易燃烧，因此其发生火灾的概率最高［２７］㊂根据ＭＯＤＩＳ遥感影像的ＭＣＤ６４Ａ１火烧迹地产品，分析了黑龙江省林火时空分布规律㊂根据本研究结果，可以进行相应的林火预防工作规划，并加强对林火高火险时段和地区的检查与监督㊂林火的发生是一种极其复杂的自然现象，除时空分布特征，气温㊁降雨量㊁风速㊁风向等环境因素对林火的发生和蔓延也有重要的影响，未来仍需对黑龙江林火发生与上述环境因素之间的关系做进一步研究㊂参考文献（ｒｅｆｅｒｅｎｃｅ）：［１］朱教君，刘足根．森林干扰生态研究［Ｊ］．应用生态学报，２００４，１５（１０）：１７０３－１７１０．ＺＨＵＪＪ，ＬＩＵＺＧ．Ａｒｅｖｉｅｗｏｎｄｉｓｔｕｒｂａｎｃｅｅｃｏｌｏｇｙｏｆｆｏｒｅｓｔ［Ｊ］．ＣｈｉｎＪＡｐｐｌＥｃｏｌ，２００４，１５（１０）：１７０３－１７１０．ＤＯＩ：１０．１３２８７／ｊ．１００１－９３３２．２００４．０３５６．［２］胡海清，魏书精，魏书威，等．气候变暖背景下火干扰对森林生态系统碳循环的影响［Ｊ］．灾害学，２０１２，２７（４）：３７－４１．ＨＵＨＱ，ＷＥＩＳＪ，ＷＥＩＳＷ，ｅｔａｌ．Ｅｆｆｅｃｔｏｆｆｉｒｅｄｉｓｔｕｒｂａｎｃｅｏｎｆｏｒｅｓｔｅｃｏｓｙｓｔｅｍｃａｒｂｏｎｃｙｃｌｅｕｎｄｅｒｔｈｅｂａｃｋｇｒｏｕｎｄｏｆｃｌｉｍａｔｅｗａｒｍｉｎｇ［Ｊ］．ＪＣａｔａｓｔｒｏｐｈｏｌｏｇｙ，２０１２，２７（４）：３７－４１．ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００－８１１Ｘ．２０１２．０４．００９．０１２㊀第１期崔㊀阳，等：基于ＭＯＤＩＳ数据的２００１ ２０１８年黑龙江省林火时空分布［３］ＯＬＩＶＥＩＲＡＳ，ＯＥＨＬＥＲＦ，ＳＡＮ⁃ＭＩＧＵＥＬ⁃ＡＹＡＮＺＪ，ｅｔａｌ．ＭｏｄｅｌｉｎｇｓｐａｔｉａｌｐａｔｔｅｒｎｓｏｆｆｉｒｅｏｃｃｕｒｒｅｎｃｅｉｎＭｅｄｉｔｅｒｒａｎｅａｎＥｕ⁃ｒｏｐｅｕｓｉｎｇＭｕｌｔｉｐｌｅＲｅｇｒｅｓｓｉｏｎａｎｄＲａｎｄｏｍＦｏｒｅｓｔ［Ｊ］．ＦｏｒＥｃｏｌＭａｎａｇ，２０１２，２７５：１１７－１２９．ＤＯＩ：１０．１０１６／ｊ．ｆｏｒｅｃｏ．２０１２．０３．００３．［４］ＷＵＺＷ，ＨＥＨＳ，ＹＡＮＧＪ，ｅｔａｌ．ＲｅｌａｔｉｖｅｅｆｆｅｃｔｓｏｆｃｌｉｍａｔｉｃａｎｄｌｏｃａｌｆａｃｔｏｒｓｏｎｆｉｒｅｏｃｃｕｒｒｅｎｃｅｉｎｂｏｒｅａｌｆｏｒｅｓｔｌａｎｄｓｃａｐｅｓｏｆｎｏｒｔｈｅａｓｔｅｒｎＣｈｉｎａ［Ｊ］．ＳｃｉＴｏｔａｌＥｎｖｉｒｏｎ，２０１４，４９３：４７２－４８０．ＤＯＩ：１０．１０１６／ｊ．ｓｃｉｔｏｔｅｎｖ．２０１４．０６．０１１．［５］ＣＨＡＮＧＹ，ＺＨＵＺＬ，ＦＥＮＧＹＴ，ｅｔａｌ．ＴｈｅｓｐａｔｉａｌｖａｒｉａｔｉｏｎｉｎｆｏｒｅｓｔｂｕｒｎｓｅｖｅｒｉｔｙｉｎＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅ，Ｃｈｉｎａ［Ｊ］．ＮａｔＨａｚａｒｄｓ，２０１６，８１（２）：９８１－１００１．ＤＯＩ：１０．１００７／ｓ１１０６９－０１５－２１１６－９．［６］ＪＥＮＫＩＮＳＭＪ，ＨＥＢＥＲＴＳＯＮＥ，ＰＡＧＥＷ，ｅｔａｌ．Ｂａｒｋｂｅｅｔｌｅｓ，ｆｕｅｌｓ，ｆｉｒｅｓａｎｄｉｍｐｌｉｃａｔｉｏｎｓｆｏｒｆｏｒｅｓｔｍａｎａｇｅｍｅｎｔｉｎｔｈｅＩｎｔｅｒ⁃ｍｏｕｎｔａｉｎＷｅｓｔ［Ｊ］．ＦｏｒＥｃｏｌＭａｎａｇ，２００８，２５４（１）：１６－３４．ＤＯＩ：１０．１０１６／ｊ．ｆｏｒｅｃｏ．２００７．０９．０４５．［７］萨如拉，周庆，刘鑫晔，等．１９８０ ２０１５年内蒙古森林火灾的时空动态［Ｊ］．南京林业大学学报（自然科学版），２０１９，４３（２）：１３７－１４３．ＳＡＲＬ，ＺＨＯＵＱ，ＬＩＵＸＹ，ｅｔａｌ．ＳｔｕｄｉｅｓｏｎｔｈｅｓｐａｔｉａｌａｎｄｔｅｍｐｏｒａｌｄｙｎａｍｉｃｓｏｆｆｏｒｅｓｔｆｉｒｅｓｉｎＩｎｎｅｒＭｏｎｇｏｌｉａｆｒｏｍ１９８０ｔｏ２０１５［Ｊ］．ＪＮａｎｊｉｎｇＦｏｒＵｎｉｖ（ＮａｔＳｃｉＥｄ），２０１９，４３（２）：１３７－１４３．ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００－２００６．２０１８０６０３．［８］田晓瑞，舒立福，王明玉，等．大兴安岭林火特征分析［Ｊ］．森林防火，２００８（２）：２０－２１．ＴＩＡＮＸＲ，ＳＨＵＬＦ，ＷＡＮＧＭＹ，ｅｔａｌ．ＡｎａｌｙｓｉｓｏｆｆｏｒｅｓｔｆｉｒｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｉｎＤａｘｉｎｇ ａｎＭｏｕｎｔａｉｎｓ［Ｊ］．ＦｏｒｅｓｔＦｉｒｅＰｒｅｖｅｎｔｉｏｎ，２００８（２）：２０－２１．ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００２－２５１１．２００８．０２．０１０．［９］ＷＡＳＴＬＣ，ＳＣＨＵＮＫＣ，ＬＥＵＣＨＮＥＲＭ，ｅｔａｌ．Ｒｅｃｅｎｔｃｌｉｍａｔｅｃｈａｎｇｅ：ｌｏｎｇ⁃ｔｅｒｍｔｒｅｎｄｓｉｎｍｅｔｅｏｒｏｌｏｇｉｃａｌｆｏｒｅｓｔｆｉｒｅｄａｎｇｅｒｉｎｔｈｅＡｌｐｓ［Ｊ］．ＡｇｒｉｃＦｏｒＭｅｔｅｏｒｏｌ，２０１２，１６２／１６３：１－１３．ＤＯＩ：１０．１０１６／ｊ．ａｇｒｆｏｒｍｅｔ．２０１２．０４．００１．［１０］张冬有，邓欧，李亦秋，等．黑龙江省１９８０ ２００５年森林火灾时空特征［Ｊ］．林业科学，２０１２，４８（２）：１７５－１７９．ＺＨＡＮＧＤＹ，ＤＥＮＧＯ，ＬＩＹＱ，ｅｔａｌ．ＴｅｍｐｏｒａｌａｎｄｓｐａｔｉａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｆｏｒｅｓｔｆｉｒｅｓｉｎＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅｂｅｔｗｅｅｎ１９８０ａｎｄ２００５［Ｊ］．ＳｃｉＳｉｌｖａｅＳｉｎ，２０１２，４８（２）：１７５－１７９．ＤＯＩ：１０．１１７０７／ｊ．１００１－７４８８．２０１２０２２７．［１１］杨广斌，唐小明，宁晋杰，等．北京市１９８６ ２００６年森林火灾的时空分布规律［Ｊ］．林业科学，２００９，４５（７）：９０－９５．ＹＡＮＧＧＢ，ＴＡＮＧＸＭ，ＮＩＮＧＪＪ，ｅｔａｌ．ＳｐａｔｉａｌａｎｄｔｅｍｐｏｒａｌｄｉｓｔｒｉｂｕｔｉｏｎｓｐａｔｔｅｒｎｏｆｆｏｒｅｓｔｆｉｒｅｏｃｃｕｒｒｅｄｉｎＢｅｉｊｉｎｇｆｒｏｍ１９８６ｔｏ２００６［Ｊ］．ＳｃｉＳｉｌｖａｅＳｉｎ，２００９，４５（７）：９０－９５．ＤＯＩ：１０．３３２１／ｊ．ｉｓｓｎ：１００１－７４８８．２００９．０７．０１５．［１２］刘柯珍，舒立福，赵凤君，等．基于卫星监测热点的林火分布及发生预报模型［Ｊ］．林业工程学报，２０１７，２（４）：１２８－１３３．ＬＩＵＫＺＳＨＵＬＦＺＨＡＯＦＪ，ｅｔａｌ．Ｒｅｓｅａｒｃｈｏｎｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｆｏｒｅｓｔｆｉｒｅｂａｓｅｄｏｎｓａｔｅｌｌｉｔｅｈｏｔｓｐｏｔｓｄａｔａａｎｄｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌ［Ｊ］．ＪＦｏｒｅＥｎｇ，２０１７，２（０４），１２８－１３３ＤＯＩ：１０．１３３６０／ｊ．ｉｓｓｎ．２０９６－１３５９．２０１７．０４．０２１．［１３］李福堂．基于ＥＯＳ／ＭＯＤＩＳ的森林火灾监测模型及应用研究［Ｄ］．武汉：华中科技大学，２００５．ＬＩＦＴ．ＦｏｒｅｓｔｆｉｒｅｍｏｎｉｔｏｒｉｎｇｍｏｄｅｌａｎｄａｐｐｌｉｃａｔｉｏｎｒｅｓｅａｒｃｈｂａｓｅｄｏｎＥＯＳ／ＭＯＤＩＳ［Ｄ］．Ｗｕｈａｎ：ＨｕａｚｈｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，２００５．［１４］ＫＡＵＦＭＡＮＹＪ，ＪＵＳＴＩＣＥＣＯ，ＦＬＹＮＮＬＰ，ｅｔａｌ．ＰｏｔｅｎｔｉａｌｇｌｏｂａｌｆｉｒｅｍｏｎｉｔｏｒｉｎｇｆｒｏｍＥｏｓ⁃ＭＯＤＩＳ［Ｊ］．ＪＧｅｏｐｈｙｓＲｅｓ，１９９８，１０３（Ｄ２４）：３２２１５－３２２３８．ＤＯＩ：１０．１０２９／９８ｊｄ０１６４４．［１５］贾旭，高永，魏宝成，等．基于ＭＯＤＩＳ数据的内蒙古地形因子对火灾分布的影响分析［Ｊ］．北京林业大学学报，２０１７，３９（４）：３４－３９．ＪＩＡＸ，ＧＡＯＹ，ＷＥＩＢＣ，ｅｔａｌ．Ｉｍｐａｃｔｏｆｔｏｐｏ⁃ｇｒａｐｈｉｃｆｅａｔｕｒｅｓｏｎｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆｆｉｒｅｂａｓｅｄｏｎＭＯＤＩＳｄａｔａｉｎＩｎｎｅｒＭｏｎｇｏｌｉａ，ｎｏｒｔｈｅｒｎＣｈｉｎａ［Ｊ］．ＪＢｅｉｊｉｎｇＦｏｒＵｎｉｖ，２０１７，３９（５）：３４－４０．ＤＯＩ：１０．１３３３２／ｊ．１０００－１５２２．２０１７０００６．［１６］贾旭，高永，齐呼格金，等．基于ＭＯＤＩＳ数据的内蒙古野火时空变化特征［Ｊ］．中国生态农业学报，２０１７，２５（１）：１２７－１３５．ＪＩＡＸ，ＧＡＯＹＧＪ，ＱＩＨ，ｅｔａｌ．ＭＯＤＩＳ⁃ｂａｓｅｄｓｐａｔｉｏ⁃ｔｅｍｐｏｒａｌｄｉｓ⁃ｔｒｉｂｕｔｉｏｎｏｆｗｉｌｄｆｉｒｅｉｎＩｎｎｅｒＭｏｎｇｏｌｉａ［Ｊ］．ＣｈｉｎＪＥｃｏ⁃Ａｇｒｉｃ，２０１７，２５（１）：１２７－１３５．ＤＯＩ：１０．１３９３０／ｊ．ｃｎｋｉ．ｃｊｅａ．１６０５７７．［１７］邓欧，李亦秋，冯仲科，等．基于空间Ｌｏｇｉｓｔｉｃ的黑龙江省林火风险模型与火险区划［Ｊ］．农业工程学报，２０１２，２８（８）：２００－２０５．ＤＥＮＧＯ，ＬＩＹＱ，ＦＥＮＧＺＫ，ｅｔａｌ．ＭｏｄｅｌａｎｄｚｏｎｉｎｇｏｆｆｏｒｅｓｔｆｉｒｅｒｉｓｋｉｎＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅｂａｓｅｄｏｎｓｐａｔｉａｌＬｏｇｉｓｔｉｃ［Ｊ］．ＴｒａｎｓＣｈｉｎＳｏｃＡｇｒｉｃＥｎｇ，２０１２，２８（８）：２００－２０５．ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００２－６８１９．２０１２．０８．０３１．［１８］靳全锋，叶文晶，沈培福，等．浙江２００１ ２０１６年露天生物质燃烧排放污染物时空格局［Ｊ］．环境科学学报，２０１９，３９（１）：２５９－２６９．ＪＩＮＱＦ，ＹＥＷＪ，ＳＨＥＮＰＦ，ｅｔａｌ．Ｔｅｍｐｏｒａｌａｎｄｓｐａｔｉａｌｐａｔｔｅｒｎｓｏｆｐｏｌｌｕｔａｎｔｓｅｍｉｔｔｅｄｆｒｏｍｔｈｅｏｐｅｎｂｉｏｍａｓｓｂｕｒｎｉｎｇｅｍｉｓ⁃ｓｉｏｎｓｉｎＺｈｅｊｉａｎｇｄｕｒｉｎｇ２００１ｔｏ２０１６［Ｊ］．ＡｃｔａＳｃｉＣｉｒｃｕｍｓｔａｎｔｉ⁃ａｅ，２０１９，３９（１）：２５９－２６９．ＤＯＩ：１０．１３６７１／ｊ．ｈｊｋｘｘｂ．２０１８．０３８７．［１９］金森，胡海清．黑龙江省林火规律研究Ⅰ．林火时空动态与分布［Ｊ］．林业科学，２００２，３８（１）：８８－９４．ＪＩＮＳ，ＨＵＨＱ．ＳｔｕｄｙｏｎｆｏｒｅｓｔｆｉｒｅｒｅｇｉｍｅｏｆＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅⅠ．Ｆｏｒｅｓｔｆｉｒｅｓｐａｔｉａｌａｎｄｔｅｍｐｏｒａｌｄｙｎａｍｉｃｓａｎｄｓｔａｔｉｓｔｉｃａｌｄｉｓｔｒｉｂｕｔｉｏｎ［Ｊ］．ＳｃｉＳｉｌｖａｅＳｉｎ，２００２，３８（１）：８８－９４．ＤＯＩ：１０．３３２１／ｊ．ｉｓｓｎ：１００１－７４８８．２００２．０１．０１４［２０］郑琼．黑龙江省森林火灾的时空分布规律及趋势预测［Ｄ］．哈尔滨：东北林业大学，２０１３．ＺＨＥＮＧＱ．Ｓｐａｔｉａｌａｎｄｔｅｍｐｏｒａｌｄｉｓ⁃ｔｒｉｂｕｔｉｏｎｐａｔｔｅｒｎｏｆｆｏｒｅｓｔｆｉｒｅｏｃｃｕｒｒｅｄｉｎＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅａｎｄｔｅｎｄｅｎｃｙｐｒｅｄｉｃｔｉｏｎ［Ｄ］．Ｈａｒｂｉｎ：ＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，２０１３．［２１］周小成，汪小钦．ＥＯＳ－ＭＯＤＩＳ数据林火识别算法的验证和改进［Ｊ］．遥感技术与应用，２００６，２１（３）：２０６－２１１．ＺＨＯＵＸＣａｎｄＷＡＮＧＸＱ．Ｖａｌｉｄａｔｅａｎｄｉｍｐｒｏｖｅｍｅｎｔｏｎａｒｉｔｈｍｅｔｉｃｏｆｉｄｅｎ⁃ｔｉｆｙｉｎｇｆｏｒｅｓｔｆｉｒｅｂａｓｅｄｏｎＥＯＳ⁃ＭＯＤＩＳＤａｔａ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓＴｅｃｈｎｏｌＡｐｐｌ，２００６，２１（３）：２０６－２１１．ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００４－０３２３．２００６．０３．００７．［２２］解伏菊，肖笃宁，李秀珍．大兴安岭北坡火烧迹地森林郁闭度恢复及其影响因子［Ｊ］．生态学报，２００７，２７（３）：７８４－７９２．ＸＩＥＦＪ，ＸＩＡＯＤＮ，ＬＩＸＺ．ＦｏｒｅｓｔｃｒｏｗｎｄｅｎｓｉｔｙｒｅｓｔｏｒａｔｉｏｎａｎｄｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｓｉｎｔｈｅｂｕｒｎｅｄａｒｅａｏｆｎｏｒｔｈｅｒｎＧｒｅａｔＸｉｎｇ ａｎＭｏｕｎｔａｉｎｓ［Ｊ］．ＡｃｔａＥｃｏｌＳｉｎ，２００７，２７（３）：８７９－８８８．ＤＯＩ：１０．３３２１／ｊ．ｉｓｓｎ：１０００－０９３３．２００７．０３．００７．［２３］ＬＥＯＮＪＲＲ，ＶＡＮＬＥＥＵＷＥＮＷＪＤ，ＣＡＳＡＤＹＧＭ．ＵｓｉｎｇＭＯ⁃ＤＩＳ⁃ＮＤＶＩｆｏｒｔｈｅｍｏｄｅｌｉｎｇｏｆｐｏｓｔ⁃ｗｉｌｄｆｉｒｅｖｅｇｅｔａｔｉｏｎｒｅｓｐｏｎｓｅａｓａｆｕｎｃｔｉｏｎｏｆｅｎｖｉｒｏｎｍｅｎｔａｌｃｏｎｄｉｔｉｏｎｓａｎｄｐｒｅ⁃ｆｉｒｅｒｅｓｔｏｒａｔｉｏｎｔｒｅａｔｍｅｎｔｓ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓ，２０１２，４（３）：５９８－６２１．ＤＯＩ：１０．３３９０／ｒｓ４０３０５９８．［２４］田晓瑞，殷丽，舒立福，等．２００５ ２００７年大兴安岭林火释放碳量［Ｊ］．应用生态学报，２００９，２０（１２）：２８７７－２８８３．ＴＩＡＮＸＲ，ＹＩＮＬ，ＳＨＵＬＦ，ｅｔａｌ．ＣａｒｂｏｎｅｍｉｓｓｉｏｎｆｒｏｍｆｏｒｅｓｔｆｉｒｅｓｉｎＤａｘｉｎｇ ａｎｌｉｎｇｒｅｇｉｏｎｉｎ２００５－２００７［Ｊ］．ＣｈｉｎＪＡｐｐｌＥｃｏｌ，２００９，２０（１２）：２８７７－２８８３．ＤＯＩ：１０．１３２８７／ｊ．１００１－９３３２．２００９．０４５５．［２５］王志成．黑龙江省夏季林火发生规律研究［Ｄ］．２００６．ＷＡＮＧＺＣ．ＳｔｕｄｙｏｎｇｅｎｅｒａｔｉｎｇｒｅｇｕｌａｒｏｆＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅｓｕｍｍｅｒｆｏｒｅｓｔｆｉｒｅ［Ｄ］．Ｈａｒｂｉｎ：ＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，２００６．［２６］杜永胜，王立夫．中国森林火灾典型案例１９５３－２００５［Ｍ］．北京：中国林业出版社，２００７：６５－６８．ＤＵＹＳ，ＷＡＮＧＬＦ．ＴｙｐｉｃａｌｃａｓｅｓｏｆｆｏｒｅｓｔｆｉｒｅｓｉｎＣｈｉｎａ１９５３－２００５［Ｍ］．Ｂｅｉｊｉｎｇ：ＣｈｉｎａＦｏｒｅｓｔｒｙＰｕｂｌｉｓｈｉｎｇＨｏｕｓｅ，２００７：６５－６８．［２７］邓光葵，文明．城乡结合部森林火灾的特点及防治对策［Ｊ］．西南林学院学报，２００１（３）：１７０－１７９．ＤＥＮＧＧＣ，ＷＥＮＭ．Ｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃａｎｄｐｒｅｖｅｎｔｉｏｎｃｏｕｎｔｅｒｍｅａｓｕｒｅｏｆｆｏｒｅｓｔｆｉｒｅｉｎｔｈｅｔｒａｎｓｉｔｉｏｎａｒｅａｂｅｔｗｅｅｎｔｏｗｎａｎｄｃｏｕｎｔｒｙ［Ｊ］．ＪＳｏｕｔｈｗｅｓｔＦｏｒＵｎｉｖ，２００１（３）：１７０－１７９．（责任编辑㊀郑琰燚）１１２。
EOS_MODIS遥感数据在森林火灾监测中的应用
EOS/MODIS遥感数据在森林火灾监测中的应用发布时间：2022-06-16T09:10:43.328Z 来源：《中国教师》2022年2月4期作者：倪波顺1 ，2 金云1[导读] 森林是宝贵的自然资源，而火灾对森林资源又极具破坏性，倪波顺1 ，2 金云11重庆市铜梁区规划和自然资源局，重庆铜梁 452060 2三峡生态环境遥感研究所，重庆 401331摘要：森林是宝贵的自然资源，而火灾对森林资源又极具破坏性，如何及时有效的监控森林火灾显得极为重要。
MODIS数据因其较高的时间分辨率、适中的空间分辨率在监测森林火灾中得到广泛的应用，GIG和RS的结合极大的提高了对于森林火灾的监控、伪火点的识别、灾后面积的评估等，随着遥感技术的进步，森林火灾监控方法将会得到更加广泛、有效而便捷的应用。
关键字：遥感，MODIS数据，森林火灾监测1、引言森林是宝贵的自然资源，有制造氧气、净化空气、过滤尘埃、保持水土、防风固沙、调节气候，还有维持生态环境的重要功能[1]。
我国的森林资源缺乏，全国人均森林面积和人均森林蓄积分别相当于世界人均水平的1/5和1/8，且森林质量不高，平均每公顷蓄积量只有78. 06立方米，相当于世界平均水平的68%；郁闭度0.2-0.3的林分面积占林分总面积20.1%。
森林资源不仅是林地生态系统的重要组成部分，也是中华民族的绿色生态屏障[2]。
森林火灾是一种世界性的严重自然灾害，既破坏森林资源，对野生生物和人的生命则产造成损害，又对区域生态环境和全球气候系统造成严重影响，可能直接影响辐射平衡和全球气候系统[3]；火灾会破坏区域生态环境的生产功能，导致动物栖息地和生物多样性的减少，改变植被演替方式和生物营养循环[4]。
其中我国是重、特大森林火灾高发区，特别是在东北森林与华南森林，及时、准确地检测到火灾的发生己成为国内外研究的热点之一遥感（Remote Sensing，RS）、地理信息系统（Geography Information System，GIS）技术为人类研究防灾减灾工作提供了有效乎段。
基于MODIS数据的多因子协同作用下森林火灾预测监测研究共3篇
基于MODIS数据的多因子协同作用下森林火灾预测监测研究共3篇基于MODIS数据的多因子协同作用下森林火灾预测监测研究1随着全球气候变化和人类活动的增加，森林火灾的发生频率和规模也在不断增加。
为了及时预防和控制森林火灾，需要采取一系列科学的方法进行预测监测。
而基于MODIS（Moderate Resolution Imaging Spectroradiometer）数据的多因子协同作用下对森林火灾的预测监测是目前较为有效的方法之一。
MODIS是一种被广泛应用于地球观测的遥感传感器，具有高时间分辨率、适应广泛的波段、覆盖面积大等特点，可提供丰富的用于森林火灾预测监测的信息。
研究表明，多种因素的协同作用会对森林火灾的发生和发展产生深远影响，而利用MODIS数据进行多因子协同作用下的火灾预测能够更好地提高预测精度和实时性。
在火灾预测监测中，MODIS数据可用于提取多种火险指数，如地表温度、反射率、NDVI（Normalized Difference Vegetation Index）等，这些指数可以反映出植被的生长状态、空气湿度、火源强度等因素。
同时，MODIS数据还可用于提取地表特征，如地形、植被覆盖、水体以及土地利用类型等，这些信息对火灾预测也具有重要意义。
在多因子协同作用下，利用MODIS数据进行森林火灾预测的方法也较为丰富。
基于机器学习算法的火灾预测模型，如支持向量机（SVM）、决策树（DT）和随机森林（RF）等，能够在多种因素的作用下，对火灾概率进行准确预测。
此外，基于地统计学方法的空间分析也可用于分析森林火灾在不同环境条件下的分布规律，从而提高火灾预测的准确性。
然而，基于MODIS数据的多因子协同作用下森林火灾预测监测研究还存在一些挑战。
首先，由于MODIS数据本身存在噪声和缺失值，如何有效地处理这些数据成为研究的重要问题。
其次，由于森林火灾受多种影响因素的影响，建立精确的预测模型也需充分考虑各种因素之间的相互作用性。
黑龙江森林认证的实施效果与保障措施分析
黑龙江森林认证的实施效果与保障措施分析陈雪;王岩【摘要】分析黑龙江森林认证的发展现状和实施效果,尤其是穆棱、友好等林业局通过森林认证后,在林区经济、社会、环境等方面取得的成效,提出黑龙江森林认证发展必须建立认证法律政策框架,制定产品公共采购政策的六项保障措施.【期刊名称】《中国林业经济》【年(卷),期】2014(000)005【总页数】4页(P26-28,48)【关键词】森林认证;森林经营认证;保障措施【作者】陈雪;王岩【作者单位】黑龙江省林业科学院,哈尔滨150081;黑龙江省林业科学院,哈尔滨150081【正文语种】中文【中图分类】F326.24森林认证是由独立的第三方按照国际上认可的森林可持续经营标准和指标体系，对森林的经营管理方式进行持续评估的过程。
其目的是证明森林的经营方式良好，具有可持续性，确保森林经营有利于环境保护、经济盈利和社区的可持续发展。
森林认证在促进森林可持续经营、拓展林产品市场、加快林业国际化等方面，具有不可替代的积极作用，已经得到了国际社会的普遍认可和支持。
森林认证在我国起步较晚，但发展很快，为我国现代林业稳步发展提供了科学途径。
黑龙江省是首批被确定为森林认证试点的省份，但在森工40家国有企业中，大多数森工企业还没有进行森林认证。
分析黑龙江森林认证的发展情况和认证效果，有利于寻求更有效的实施路径和措施，可以进一步推进我国森林认证发展的进程。
因此，以黑龙江林区作为研究区域，探讨森林认证的实施效果和保障措施，具有一定的理论价值和现实意义。
森林认证又称木材认证，是一种通过市场调节达到森林可持续经营目的的工具，主要包括森林经营认证和产销监管链认证两部分。
森林认证在1995年引入我国，2001年，我国成立了森林认证处和中国森林认证领导小组。
2007年9月，我国正式发布森林经营认证标准和产销监管链认证标准。
2009年，我国颁布了《中国森林认证实施规则》，成立了第一家森林认证机构——中林天合森林认证中心。
基于MODIS数据黑龙江省秸秆焚烧监测研究
S;秸秆;火点;黑龙江
每年 10 月是北方秋收的季节,秸秆焚烧现象尤为严重。黑龙江省农 作 物 秸 秆 资 源 丰 富,但 其 利 用 方 式
处于初级阶段,利用率较低,资源浪费严重。大量的秸秆或被焚烧或被废弃,既造成了新的农业面源污染,又
破坏了农村的生态环境,浪费了宝贵 的 可 利 用 再 生 资 源。 近 年 来,环 保 等 多 个 部 门 对 秸 秆 焚 烧 治 理 高 度 重
目翻倍增长,可见全省主要集中在 10 月 15~30 日进行秸秆焚烧。
从秸秆焚烧火点空间分布上来看,
10 月 8 日火点主要集中在西北部和东北部三江平原地区;
10 月 16 日
西北部火点明显减少,主要集中在东北部的绥滨县、同江市、富锦市和饶河县;
10 月 24 日火点迅速增多主要
分布在西南部:齐齐哈尔市、富裕县、龙江县,中部:巴彦县、木兰县、双城市、肇东市、望奎县、绥化市,东北部:
01
23
基金项目:黑龙江省农业科学院院级科研项目(
2017B206)
作者简介:吴黎(
1983
-),女,黑龙江巴彦人,研究方向为农业遥感灾害研究。
通讯作者:李岩(
1982
-),男,黑龙江哈尔滨人,研究方向为农业遥感与智慧农业。
· 38 ·
现代化农业
2021 年第 7 期(总第 504 期)
对于地面火点的监测,首先要有效去除云及水的干扰,以波段 1 的反射 率 为 判 别 目 标,当 该 波 段 反 射 率
区内火点及过火面积信息,但陆地卫星重访周期较长,在北方秋收后基本每 天 都 会 有 秸 秆 焚 烧 现 象。因 此,
利用卫星遥感获取秸秆焚烧火点对卫星的观测频次要求较高,因此利用单一类型的遥感卫星数据,无法同时
利用TM遥感影像和林分因子估测森林可燃物载量
区域性估测 ,在建立实际估测方程时 ,参选因子无需进行中心
标准化 。可燃物载量与因子间岭估计估测模型为 :
Y = Xγ( k) + e 。
(1)
(1)式中 , Y是样地的实测可燃物载量组成的观测向量 ; X 为 影响因子观测阵 ,γ( k)为岭回归系数 , e为样地植被盖度观测
误差 ,并根据所绘岭迹图求解岭参数 k,根据岭估计原理可确
1 研究地区概况
本研究采用 2002年 5月 24日美国 Landsat - 7陆地资源 卫星 TM 数据 ,其轨道号分别是 121 /23,覆盖了塔河县整个地 区 。塔河县位于黑龙江省北部 ,大兴安岭伊勒呼里山北坡 ,东 经 123°～125°,北纬 52°～53°,边境线长 171 km ,是我国重要 的木材生产基地和大兴安岭北部重要交通枢纽 。境内多低山 丘陵 ,地势西高东低 ,呼玛河 、盘古河 、西尔根河流经县境汇入 黑龙江 ,在黑龙江境内流长 75 km ,属寒温带大陆性季风气 候 ,冬季漫长而寒冷 ,夏季短暂而温热 ,全年的平均气温为 - 2～
以下自变量 :归一化差值植被指数 ND = TM ( 4 - 3) / TM ( 4 +
3) ( TM3指 TM 图像 3波段的像素灰度值 , TM4 - 3 指两个波
段的像素灰度值的差 , TM4 /3 指 TM 图像 4波段和 3 波段的
像素灰度值的商 ;其它依此类推 ) ;比值植被指数 RV I = TM4 /
2 研究方法
2. 1 外业调查
林下可燃物载量的测定是在样地内一条对角线上隔一定
距离机械设置 3块 2 m ×2 m 的小样方 ,测量每个样方内可燃
物和灌木的质量 ,同时取样带回实验室测定含水率 。
基于空间Logistic的黑龙江省林火风险模型与火险区划
第28卷第8期农业工程学报V ol.28No.8 2002012年4月Transactions of the Chinese Society of Agricultural Engineering Apr.2012基于空间Logistic的黑龙江省林火风险模型与火险区划邓欧1,2，李亦秋2,3，冯仲科1※，张冬有4（1.北京林业大学测绘与3S技术中心，北京100083； 2.绵阳师范学院资源与环境工程学院，绵阳621000； 3.中国科学院地理科学与资源研究所，北京100101； 4.哈尔滨师范大学生命与环境科学学院，哈尔滨150000）摘要：林火风险分析和森林火险区划是林火管理的重要组成部分。
该文利用黑龙江省2000－2010年MODIS火烧迹地遥感数据集MCD45A1，在RS和GIS技术支持下构建林火空间分布与林火影响因子间的空间Logistic林火风险模型，在较大时间尺度和省域空间尺度上进行了森林火险区划研究，结果表明：通过空间采样构建的Logistic林火风险模型拟合效果很好，在显著性水平为0.05的情况下，通过模型系数的混合检验和Wald检验；相对运行特征（relative operating characteristic，ROC）值为0.753；经图层运算得到森林火险概率分布图，并将黑龙江省分为无火险区、低火险区、中火险区、高火险区和极高火险区。
大兴安岭山地集中了极高火险区和高火险区；小兴安岭基本上属于高火险区和中火险区；东部山地小部分地区属于中火险区；其它地区属于低火险区和无火险区。
黑龙江省森林火险的定量定位评价可为林火的预防、扑救以及防火指挥员进行防火规划和部署扑火力量、指导森林防火工作提供科学依据。
关键词：逻辑回归，区划，风险，林火，黑龙江省doi：10.3969/j.issn.1002-6819.2012.08.031中图分类号：S762.3+1;S762.3+2文献标志码：A文章编号：1002-6819(2012)-08-0200-06邓欧，李亦秋，冯仲科，等.基于空间Logistic的黑龙江省林火风险模型与火险区划[J].农业工程学报，2012，28(8)：200－205.Deng Ou,Li Yiqiu,Feng Zhongke,et al.Model and zoning of forest fire risk in Heilongjiang province based on spatial Logistic[J].Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2012,28(8):200－205.(in Chinese with English abstract)0引言林火是森林植被区最为重要的扰动因子，也是自然、生物、生态环境过程的潜在威胁[1]。
MODIS数据解译及其在森林火险中的应用研究
MODIS数据解译及其在森林火险中的应用研究MODIS（Moderate Resolution Imaging Spectroradiometer）是一款搭载在Terra和Aqua卫星上的遥感仪器，用于观测地球表面的物理和生物过程。
其高空间分辨率（250米至1公里）和高时间分辨率（一到两天）使其成为研究地球表面环境变化的重要工具。
当前，MODIS数据的解译及其在森林火险研究中的应用已成为热门领域。
MODIS数据的解译主要通过获取和分析多个波段的遥感图像，来获得地表温度、植被指数和火点等信息。
地表温度的获取是基于MODIS的热红外波段数据，通过反演算法计算出地表温度。
地表温度是衡量环境温度和热点的重要指标，对火险评估和火灾监测具有重要意义。
植被指数是指反映植被活力和覆盖度的指标，可以通过MODIS的红外和近红外波段数据来计算。
常用的植被指数包括归一化植被指数（NDVI）和修正型归一化植被指数（EVI）。
这些指数可以用于评估植被的健康状况、覆盖度和生长状况，从而判断潜在的森林火险。
火点数据是通过识别MODIS的可见光波段数据中的亮点来获取的。
火点数据可以用于实时监测火灾的发生和发展，优化资源调配，并提供及时的火险预警。
1. 火险评估：通过分析MODIS的地表温度和植被指数数据，可以评估火险等级和火灾潜在性。
地表温度反映了环境的热状态，植被指数则反映了植被的水分含量和健康程度。
综合分析这些数据，可以得出火险等级，并提供火灾预警。
2. 火灾监测：利用MODIS的火点数据，可以实时监测火灾的发生和扩展情况。
火点数据可以提供火灾的空间分布和热点数量，帮助火灾救援部门优化资源调配，提高灭火效率。
3. 火灾后评估：MODIS的数据还可以用于火灾灭火后的生态恢复评估。
通过分析地表温度和植被指数数据的变化，可以评估火灾对生态环境的影响，并制定相应的恢复和保护措施。
MODIS数据的解译及其在森林火险研究中的应用具有重要意义。
MODIS数据解译及其在森林火险中的应用研究
MODIS数据解译及其在森林火险中的应用研究1. 引言1.1 研究背景森林火灾是全球范围内的重要自然灾害之一，每年都会造成大量的生命和财产损失，给社会和经济造成重大影响。
为了有效监测和预防森林火灾，科研人员一直在探索各种方法和技术。
MODIS （Moderate Resolution Imaging Spectroradiometer）是一款搭载在“飞马”卫星上的遥感仪器，能够提供全球范围内高质量的地表覆盖数据，包括地表温度、植被覆盖、干旱程度等。
利用MODIS数据解译森林火险有着重要意义，因为这些数据具有高时空分辨率和全球覆盖的优势，能够为森林火灾的监测和预警提供重要支持。
通过对MODIS数据的解译，可以获得森林植被的生长状态、干旱程度等关键信息，进而构建森林火险监测模型。
这些模型可以帮助预测森林火灾的发生概率和危险程度，为相关部门提供及时准确的预警信息，帮助他们采取有效的防火措施，最大程度地减少火灾的损失。
研究利用MODIS数据进行森林火险监测和预警具有重要的现实意义与广阔的应用前景。
1.2 研究意义森林火灾是一种具有破坏力和危害性的自然灾害，对生态环境和人类生活都造成严重影响。
随着全球气候变暖和人类活动的加剧，森林火灾频发的情况日益严峻。
对森林火险进行及时有效的监测和预警显得尤为重要。
研究MODIS数据在森林火险监测中的应用，不仅可以提高森林火险监测的效率和准确性，还能为森林火灾防控工作提供重要的技术支持。
深入探讨MODIS数据在森林火险监测中的应用，具有重要的理论和实践意义。
通过本研究的开展，有望为森林火险监测提供新的思路和方法，为森林火灾的预防和控制贡献力量。
1.3 研究目的研究目的主要是探讨MODIS数据在森林火险监测中的应用效果，以及针对现有问题提出改进措施。
通过深入分析MODIS数据解译方法和其在森林火险监测中的具体应用，我们旨在为提高森林火险监测的准确性和效率提供科学依据。
具体而言，本研究旨在验证MODIS数据在森林火险监测中的可靠性，并深入探讨其监测模型的构建方法，为实现及时准确的森林火险预警提供技术支持。
基于MODIS时序数据的大兴安岭火烧迹地时空变化及其森林恢复研究
基于MODIS时序数据的大兴安岭火烧迹地时空变化及其森林恢复研究王健;杜玉玲;高钊;吕海燕;时雷【期刊名称】《自然资源遥感》【年(卷),期】2024(36)2【摘要】林火是对森林生态造成影响的最主要干扰因素之一,探究林火时空变化规律及森林恢复具有一定的社会学和生态学意义。
大兴安岭拥有我国面积最大的原始林区,也是林火频繁发生的重点区域。
本研究使用MODIS火烧迹地、土地覆盖以及总初级生产力(gross primary productivity,GPP)时间序列产品对大兴安岭2002—2021年火烧迹地分布信息进行提取,并对火后森林恢复情况进行统计。
结果表明:2002—2021年间,大兴安岭森林地区火灾次数整体呈下降趋势,但火烧迹地面积呈现波动性变化,其中2003年无论是过火面积还是火灾频率都为最高,2008年次之,2019年过火面积最小;林火主要集中在春秋两季,3月过火面积和过火次数都为最高,9月的过火次数较高;同时林火在空间上由东北向西南呈不均匀分布,主要集中在黑龙江大兴安岭地区和内蒙古呼伦贝尔市,且内蒙古地区的林火面积远远大于黑龙江地区。
对过火地区的林种分析可知,阔叶林的过火区域最大,其次是混交林,最后是针叶林。
通过对过火区域的GPP时间序列分析得出,一般灾后第一年GPP数值恢复最快,但需要近7 a时间才能完全恢复到过火前的生长水平,且不同森林类型在灾后恢复速度存在明显差异,阔叶林地恢复速度较快,其次是针叶林,之后是混交林。
了解林火的时空分布能够为布置和调整防火、灭火力量提供数据支撑,灾后森林的恢复研究可为森林重建和持续发展提供科学依据。
【总页数】9页(P142-150)【作者】王健;杜玉玲;高钊;吕海燕;时雷【作者单位】河南农业大学信息与管理科学学院;陕西测绘地理信息局自然资源部第一大地测量队【正文语种】中文【中图分类】TP79【相关文献】1.基于MODIS时序数据的黑龙江流域火烧迹地提取2.基于MODIS时序数据的湖南省水稻种植面积提取及时空变化分析3.基于EVI的大兴安岭火烧迹地植被恢复特征研究4.基于MODIS时序数据北回归线(云南段)地区植被物候时空变化及其对气候响应分析5.基于NDVI的不同火烧强度下大兴安岭林火迹地森林景观恢复因版权原因，仅展示原文概要，查看原文内容请购买。
基于MODIS数据的森林火灾火点提取研究
基于MODIS数据的森林火灾火点提取研究随着全球气候变暖和人类活动的增加，森林火灾对生态环境和人类社会造成了巨大的威胁。
因此，准确、及时地监测和提取森林火灾火点对于预防和控制火灾的扩散至关重要。
近年来，利用遥感技术进行火点提取成为解决这一问题的有效途径之一，而MODIS卫星数据则成为了研究者们广泛采用的数据来源。
MODIS（Moderate Resolution Imaging Spectroradiometer）卫星是美国国家航空航天局（NASA）于1999年发射的一颗搭载在Terra和Aqua卫星上的遥感传感器。
它可以提供高空间、高时间分辨率的地球观测数据，具有很强的火点探测能力。
在森林火灾火点提取研究中，利用MODIS数据进行火点监测已经成为主流方法之一。
基于MODIS数据的森林火灾火点提取研究主要包括以下几个步骤。
首先，研究者需要获取MODIS卫星数据，包括火点探测的关键参数，如红外通道和热红外通道。
然后，利用这些参数进行火点探测和提取。
在火点探测中，通过对比不同通道的亮温值，可以确定潜在的火点位置。
接着，通过一系列的火点筛选和过滤，可以排除掉一些误检的火点，提高火点提取的准确性。
最后，研究者可以使用地理信息系统（GIS）等工具对提取的火点进行空间分析和可视化。
基于MODIS数据的森林火灾火点提取研究已经在许多国家得到应用。
例如，澳大利亚的森林火灾监测系统（ARSON）利用MODIS卫星数据进行火点提取和监测，为澳大利亚的森林火灾防控工作提供了重要的支持。
此外，中国的森林火灾监测中心也采用了类似的方法，通过获取和分析MODIS数据，实现了对全国范围内森林火灾火点的实时监测。
总之，基于MODIS数据的森林火灾火点提取研究在预防和控制火灾方面具有重要的应用价值。
通过利用MODIS卫星数据进行火点监测，可以实现对火灾的及时发现和追踪，为火灾防控工作提供科学依据。
随着遥感技术的不断发展和改进，我们相信基于MODIS数据的森林火灾火点提取方法将会在未来得到更广泛的应用和推广。
基于MODIS火点指数监测森林火灾
基于MODIS火点指数监测森林火灾
赵文化;单海滨;钟儒祥
【期刊名称】《自然灾害学报》
【年(卷),期】2008(17)3
【摘要】在利用MODIS红外辐射遥感数据分析异常热点光谱辐射特性的基础上,提出了一个新的火情监测模型归一化差异火点指数,并通过几起较大的森林火灾对该模型进行了分析和验证,给出了该监测模型的详细算法。
EOS-MODIS探测器具有多光谱、高光谱及热点监测动态范围宽的特点,MODIS的新一代多光谱探测器NPOESS NPP VIIRS同样继承了MODIS的优势,为归一化差异火点指数算法模型提供了广阔的应用前景。
【总页数】6页(P152-157)
【关键词】森林火灾;火灾监测;归一化差异火点指数
【作者】赵文化;单海滨;钟儒祥
【作者单位】国家卫星气象中心广州气象卫星地面站
【正文语种】中文
【中图分类】S762.32
【相关文献】
1.基于MODIS数据的火点监测指数方法研究 [J], 周利霞;高光明;邱冬生;黄宝华
2.基于MODIS热红外辐射的归一化差异火点指数NDTI研究 [J], 赵文化;单海滨;钟儒祥
3.基于MODIS数据火点监测指数研究 [J], 周利霞;高光明;邱冬生;黄宝华
4.基于类间方差的MODIS森林火灾火点检测方法 [J], 肖霞;宋卫国;王彦;涂然;刘士兴;张永明
5.基于MODIS遥感影像的森林火灾火点检测方法 [J], 付迎春;速云中;钟小君因版权原因，仅展示原文概要，查看原文内容请购买。
基于MODIS地表覆盖(LC)的森林火灾识别方法
基于MODIS地表覆盖(LC)的森林火灾识别方法
赵文化;张鹏;单海滨
【期刊名称】《气象科技》
【年(卷),期】2008(36)2
【摘要】通过分析MODIS多光谱地表覆盖产品,证明MODIS本身具有精确识别包括5种森林在内的IGBP 17种地表类型的能力,完全可以满足识别森林火灾的实际需要.在此基础上提出基于MODIS地表覆盖的森林火点识别方法,探讨使用MODIS地表覆盖数据识别森林火灾的数据处理操作过程.应用该森林火点识别方法,MODIS实时广播接收站可以建立一套由MODIS火点侦测模块和MODIS森林火点识别模块构成的完全基于自身数据的森林火灾监测系统.5种森林地表整体平均识别误差为3.5%,可以满足卫星遥感森林火灾监测系统要求.
【总页数】6页(P210-214,插6)
【作者】赵文化;张鹏;单海滨
【作者单位】国家卫星气象中心广州气象卫星地面站,广州,510640;国家卫星气象中心卫星气象研究所,北京,100081;国家卫星气象中心广州气象卫星地面站,广州,510640
【正文语种】中文
【中图分类】P4
【相关文献】
1.华北地区基于MODIS的地表覆盖监测方法研究——以建筑用地为例 [J], 刘凤仙;王荣静;张玮
2.基于MODIS EVI影像的鄂温克旗地表植被覆盖演化规律研究 [J], 李辉;蒋金豹;孟豪
3.三江源地区基于MODIS数据地表温度与土地覆盖定量关系研究 [J], 王思维;易桂花;高雅萍;张廷斌;别小娟
4.基于MODIS数据的地表覆盖种类与地闪分布特征关系研究 [J], 赵生昊;杨磊
5.基于MODIS和ERA-Interim的安徽省地表蒸散发及其受植被覆盖度影响研究[J], 许敏;江鹏
因版权原因，仅展示原文概要，查看原文内容请购买。
MODIS数据解译及其在森林火险中的应用研究
MODIS数据解译及其在森林火险中的应用研究随着卫星遥感技术的不断发展，MODIS（Moderate Resolution Imaging Spectroradiometer）遥感影像数据已经成为火灾监测、预警和评估的一种常用手段。
本文将介绍MODIS数据的解译方法及其在森林火险中的应用研究。
一、MODIS遥感影像数据的解译方法1.数据获取MODIS数据可以从NASA官网上获取（https:///products/modis_products_table/mod09a1）。
数据格式为HDF（Hierarchical Data Format），需要使用专业软件（如ENVI）进行处理和解译。
2.数据预处理数据预处理是指将原始HDF格式数据转换为能够进行解译的格式，包括数据变形、辐射校正和大气校正等。
辐射校正和大气校正是非常重要的预处理步骤，可以减少由于大气散射、吸收和云层等因素对数据的干扰，提高数据质量。
3.数据解译数据解译是指通过遥感手段对数据进行分类、判读和提取目标信息的过程。
解译方法包括最大似然分类、支持向量机分类、决策树分类等。
在森林火险中，我们可以通过解译MODIS数据提取出以下信息：（1）植被覆盖度植被覆盖度可以通过NDVI（Normalized Difference Vegetation Index）指数进行计算，NDVI指数越高，表明植被覆盖度越高；反之，NDVI指数越低，表明植被覆盖度越低。
（2）陆表温度陆表温度可以通过MODIS遥感数据合成算法进行计算，陆表温度越高，表明该地区的火险等级越高，存在着发生火灾的可能性。
4.数据分析及应用经过数据解译后，我们可以通过对数据进行分析，进一步评估森林火险等级，并制定相应的防范措施。
根据得到的植被覆盖度和陆表温度数据，可以制作相应的火险区域图及预警图，及时提醒相关部门和群众采取措施防范火灾的发生。
MODIS数据已经成为科研和实践中广泛应用的工具，以下是MODIS在森林火险中的应用研究案例：1.森林火险监测和预警MODIS数据可以用于森林火险的实时监测和预警，通过分析时间序列数据，可以提前发现火险等级的变化趋势，并制定相应的防范措施。
MODIS数据解译及其在森林火险中的应用研究
MODIS数据解译及其在森林火险中的应用研究现代遥感技术的不断提高，使得遥感数据的应用越来越广泛，其中MODIS（Moderate Resolution Imaging Spectroradiometer）遥感数据在森林火险中的应用备受关注。
本文简要介绍了MODIS数据的解译方法，并分析了其在森林火险中的应用研究。
1. MODIS数据解译方法MODIS卫星是由美国国家空间局（NASA）和美国地球观测系统项目（EOS）联合研制的一种多光谱成像卫星，其数据具有高空间分辨率、高时间分辨率和广覆盖面积等特点。
解译MODIS数据可以通过以下方法：（1）地表温度（LST）反演。
通过反演LST，可以获取地表物体的温度信息，用于评估地表能量平衡和土地表面特征。
（2）大气遥感。
大气遥感是指从卫星上利用可见、近红外、红外波段的反射和辐射数据推算出大气成份和粒子分布的方法。
（3）地表PM2.5浓度估算。
通过分析MODIS卫星获取的反射率和透过率数据，可以将其与地面PM2.5浓度进行对比，从而估算出地表PM2.5浓度。
（4）植被指数（NDVI）计算。
NDVI是指利用红外波段和可见光波段计算出的植被覆盖度参数，是评估地表植被生长和生态系统健康状况的重要参数。
森林火灾是一种严重的自然灾害，对生态环境和人类生命财产造成严重危害。
利用MODIS数据进行火险预警和监测，具有以下几方面的优势：（1）高时间分辨率。
MODIS数据每日可完成全球覆盖，能够及时掌握地表状况。
（2）高空间分辨率。
MODIS数据的空间分辨率可达250米，能够获取到更加精细的火险信息。
（3）能够反演地表温度。
地表温度是森林火灾的重要指标之一，可以用于判断火灾的发生、范围和发展趋势。
（4）能够计算NDVI。
NDVI计算可以反映出植被生长状况，能够预测燃料干燥程度和火灾可能性。
综上所述，利用MODIS数据对森林火灾进行监测和预警，具有很高的应用价值。
未来在这方面的应用研究将进一步深入，为保障人类生命财产安全、维护生态环境做出更大的贡献。
黑龙江省林火预报中的最佳尺度问题研究
黑龙江省林火预报中的最佳尺度问题研究
鲁统春;戴学勇;金森
【期刊名称】《森林防火》
【年(卷),期】2009(000)002
【摘要】森林火灾发生发展受时间和地理条件的影响,表现出明显的时间和地理规律,影响林火发生的气象要素存在异质性.在林火预报中应考虑林火发生地点的空间异质性,但对于异质性空间中林火预报的尺度问题目前还较少研究.现以黑龙江省为例,通过对林火发生空间规律的研究,确定了黑龙江省林火预报的最佳尺度.
【总页数】3页(P37-39)
【作者】鲁统春;戴学勇;金森
【作者单位】黑龙江省方正林业局防火办,黑龙江,方正,150822;黑龙江省塔河林业局,黑龙江,塔河,165200;东北林业大学林学院,黑龙江,哈尔滨,150040
【正文语种】中文
【中图分类】S762.2
【相关文献】
1.黑龙江省多因子综合森林火险预报业务系统 [J], 闫敏慧;梅其珍;徐月
2.中尺度数值分析预报产品在黑龙江省城镇火险预报中的应用 [J], 白钰
3.黑龙江省中尺度数值预报业务系统 [J], 殷世平;李帅;王明洁;白人海
4.黑龙江省林火规律研究Ⅲ.大尺度水平林火与森林类型之间的关系研究 [J], 金森
5.森林火灾大时间尺度活动成因规律及中长期预测预报理论研究 [J], 王述洋
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第30卷第6期2015年12月遥感信息Remote Sensing InformationVol.30，No. 6Dec. ,2015TM验证MODIS过火面积产品精度分析—以黑龙江省重大森林火灾为例焦琳琳以，，申丹w，常禹1，胡远满1，李春林1(1.中国科学院沈阳应用生态研究所森林与土壤生态国家重点实验室，沈阳110016;2.中国科学院地理科学与资源研究所，北京100101;.中国科学院大学，北京100049)摘要：鉴于准确估测森林的过火面积对森林火灾的损失评估和过火区植被的恢复所具有的重要作用，选取了2006年〜2010年黑龙江省51个重大森林火灾记录，分别利用MODIS的MOD14A2(Teira)火产品数据和T M遥感影像数据估算过火面积，并利用Kappa指数分析过火面积在数量和空间位置上的一致性。
结果表明：在单个火场尺度上，小于3.72km2的森林火灾不适于利用MOD14A2产品来估算过火面积，而年过火总面积的相对误差小于15%。
MOD14A2火产品可以有效地估测年度尺度上森林的过火面积；数量Kappa指数明显大于位置Kappa指数和标准Kappa指数，位置Kappa指数较低，这可能是由于MODIS数据的空间分辨率较低、林火记录坐标位置不够准确等原因造成的，有待进一步研究。
关键词：MODIS;TM;林火；过火面积；黑龙江doi:10.3969/j.issn.1000 —3177.2015.06.005中图分类号：Q149 文献标识码：A文章编号：1000 —3177(2015)142 —0024 —07Using TM to Validate Burnt Area of Large Forest Fires Based on MODIS ：A Case Study in Heilongjiang ProvinceJIA O Lin-lin123，SH EN Dan13，C H A N G Yu1 , H U Y uan-m an1，LI Chun-lin1(1. State K ey Laboratory o f Forest and Soil E co lo g y，Institute o f A p p lie d E co lo g y，Chinese A cadem y o f Sciences，Shenyang110016；2Institute o f Geographic Sciences and N atural Resources Research ,Chinese A cadem y o f Sciences ,B eijin g100101 ；3U niversity o f Chinese A cadem y o f Sciences ,B eijin g100049)A bstract ： Burnt forest area is an im portant param eter of forest fires. A ccurate estim ation of burnt forest area implications both for assessm ent of losses caused by forest fires and for post-fire regeneration. In this paper, the M ODIS fire product, M O D14A2, and T M image data were utilized to estim ate burnt forest area of 51 burned sites from year 2006 to 2007 in Heilongjiang province. K appa index was used to test the consistency between burnt forest area derived from M OD14A2 and T Mdata. R esults showed that it is not applicable to estim ate burnt forest area less than 3. 75 square kilom eters using MOD14A2 product，while the relative error for annual burnt forest area was less than 15%. T he M ODIS fire product，M O D14A2，could be effectively used to estim ate annual burnt l^orest area. Q uantitative K appa index was obviously higher than location Kappa indexand standard Kappa index a nd the lower location Kappa was probably due to the low spatial resolution of M ODIS and the inaccurate geographic positions of forest fires recorded, which needs to be further explored.Key w ords：M O D IS；T M；forest fire；burned forest area； Heilongjiang收稿日期：2014 —10 — 24 修订日期：014 —12 —16基金项目：国家自然科学基金（31470516、41201185、41271201);中国科学院战略性先导科技专项（乂0八05050201)。
作者简介：焦琳琳（1988—），女，博士研究生，主要从事景观生态学研究。
E-maii：525082768@qq. com通信作者：常禹（965—），男，研究员，主要从事景观生态学、空间直观景观模型、干扰生态学等研究。
E-mail ： changyu@iae. ac. cn24引用格式：焦琳琳，申丹，常禹，胡远满，李春林.T M验证MODIS过火面积产品精度分析——以黑龙江省重大森林火灾为例[J].遥感信息，2015,30(6) :24-30〇引言林火是森林生态系统中非常重要的自然干扰因 子之一，在维护森林生态系统的稳定性、促进森林发 育以及植被演替方面具有十分重要的作用[1]。
森林 过火面积是森林火灾评估的重要因子[23]。
过火区 面积的大小能反映火灾对森林植被的影响程度[4]。
目前森林火灾面积估算主要包括航空圈图法、数据 统计法、地面调查法和遥感图像法，其中数据统计法 和遥感图像法主要应用估测大尺度森林火灾面积[5]。
数据统计法就是利用国家、国际组织公布的 统计资料对林火发生的面积进行估算；遥感图像法 是根据火烧前后的遥感影像差异来识别过火区并对 其进行面积估算。
前者工作量大，耗费人力，成本较 高，不适用进行大尺度的森林过火区面积的估测；而 遥感卫星具有成像周期短、覆盖范围广等特点，在森 林火灾监测和过火区面积估算中具有显著的优势。
国内外学者在此方面进行了大量的研究：如利用 NOAA-AVHRR[6-9]、SPOT[10-12]、LANDSAT[13-17]、MODIS[18-21]、F Y[22-3进行的林火监测和面积估算。
近年来，利用多源卫星数据估算过火面积得到了广泛关注，Fuller等利用NOAA-AVHRR卫星和LANDSAT卫星的估算马来西亚的森林过火面积[24];G itas等利用NOAA-A V H RR卫星和MODIS卫星估算西班牙的森林过火面积并对过火区进行了等级划分[6];R〇lddn-Zamarr6n等利用 Landsat5-TM 卫星、Envisat-MERIS 卫星和 MODIS卫星绘制了西班牙西部地区过火区图并估算了过火 面积[5];郑伟等利用MODIS卫星和CBERS卫星 数据估算森林过火区面积[]。
综上所述，国内外利 用遥感图像估测森林火灾面积取得了可观的研究成 果，但是在大尺度范围内，应用低分辨率遥感图像所 估测的森林过火面积的精度备受质疑。
本文利用Landsat-TM/ ETM+验证MODIS火 产品——MOD14A2 (Terra)估测的森林过火面积 的精度，为中低分辨率的遥感影像在大尺度范围内 林火检测中的应用提供参考。
1研究区概况黑龙江省居于中国最北端，地理坐标位于121° 11’E〜135°05’E，43°26’N〜53°33’N之间。
北和东 都与俄罗斯相邻，西与内蒙古自治区紕邻，南与吉林 省接壤；全省土地面积约为4. 54 X105km2,总人口 约为3833. 4万人;气候为中温带到寒温带的大陆性 季风气候，冬季寒冷干燥，夏季炎热多雨，春秋季多大风且干燥，容易发生火灾，一年有两个森林火灾高 峰期，3月〜6月为大高峰期和9月〜10月为小高 峰期；根据地貌的差异，将全省分为5个区域：西北 的大兴安岭、东北的小兴安岭、东南的东部山地、西 部的松嫩平原区及东部的三江兴凯平原区。
其中林 区地貌以山地为主，山地海拔高度在300m〜1600m左右，平原海拔高度在35m〜200m左右；地带性植 被为寒温带针叶林和针阔混交林，森林面积达15 7 0 万hm2，主要分布在大兴安岭、小兴安岭、张广才岭、老爷岭和完达山5大片林区，天然林比重大、人工林 少。
黑龙江省是全国森林防火的重点省份，年均森 林过火面积居全国前列，是中国火灾危害严重的地 区[26]，适合开展本项研究。
2数据来源及研究方法本研究从美国国家航空航天局（NASA)的陆地 数据分发中心（LandProcessesDAAC)获取黑龙江 省2006年〜2010年MODIS火产品数据集MOD14A2(Terra)和TM遥感影像数据集（http:// /)。
2006 年〜2010 年黑龙 江省森林火灾记录来自林业科学数据中心（http:// /),该火灾记录包括起火点的位置、火烧面积、起火原因、起火时间、灭火时间和过火区 植被类型等。
2.1 MOD14A2数据的处理MODIS是搭载在Terra和Aqua卫星上的一个 重要的传感器，其中Terra为上午轨道卫星，Aqua为下午轨道卫星。
对于接收MODIS数据来说，每天最 少可以得到两次白天和黑夜过境的更新数据。
本文 选用MOD14A2/Terra的火掩膜产品作为数据源。
MOD14A2产品中有9种不同类型的像元，分 别为0(丢失数据未加工的）、2(其他原因未知丢失 数据未加工的）、3(水）、4(云）、5(未着火陆地）、6(未 知）、7(低概率火灾）、（中等概率火灾）、9(高概率火 灾）。