张文文，王 劲，王秋华*，曹恒茂，王金波，左军宏，王加庆

(1.西南林业大学 土木工程学院，云南省森林灾害预警与控制重点实验室，云南 昆明 650224；2.施甸县善洲林场，云南 保山 678000)

森林火灾是严重的自然灾害，但火也是自然环境的重要干扰因子之一，影响着全球生态系统的演替模式和过程，包括植被分布和结构、碳循环等[1-2]。森林火灾的发生频率和强度在不断增加，火灾防控形势更加严峻[3-4]。因此，急需高效实用的技术手段支撑火灾扑救决策[5]。近年来，空间观测、传感器技术、信息技术和计算能力的不断优化以及遥感数据空间分辨率、光谱分辨率和时相特征的多样化，有效提升了遥感技术探测森林火灾的效果。相较于传统森林火灾监测方法(如瞭望塔和航空巡护等)，遥感技术探测信息丰富，观测范围广、周期短，具有覆盖面广、采集数据快、受限条件少等，能较全面地反映地物动态变化，及时发现并提供火场信息，是开展森林火灾探测的有效手段[6]。该技术已在可燃物调查、确定火烧面积、过火区制图、评估火烧程度、估算生物燃烧排放量、了解火后森林受害程度以及指导灾后植被恢复工作等方面发挥了重要作用[7-8]。

将卫星遥感技术应用于森林火灾探测起源于20世纪80年代，最早是利用GEOS/VAS传感器以及NOAA(national oceanic and atmospheric administration)/AVHRR(advanced very high resolution radiometer)进行火灾监测[9](表1)。当前用于森林火灾遥感探测的卫星平台包括：MODIS(moderate-resolution imaging spectroradiometer)/EOS(earth observation system)、AHI(advanced himawari imager)/葵花8号(himawari-8)[10]、哨兵二号(sentinel-2)[11]以及国产系列：风云三号(FY-3)[12]、高分一号(GF-1)、高分四号(GF-4)[13]、资源三号(ZY-3)和环境系列(HJ)、吉林一号(JiLin-1)等[14]。此外，机载遥感技术也被广泛应用于森林火灾的探测，尤其是应用于重大和特别森林火灾(按照受害森林面积和伤亡人数，森林火灾分为一般森林火灾、较大森林火灾、重大森林火灾和特别重大森林火灾)[15]，可获取火灾实时、高清数字正射影像，空间分辨率高达8～10 cm，航拍效率可达30～40 km2·d-1，时效性高、地类识别精度高、区划精度性能优等[16]。

现阶段森林火灾探测技术主要包括：利用遥感影像识别植被，估算植被面积、载量等，可定量估测可燃物载量[17]；利用地表辐射能巨大的变化监测火点，实现火情的实时跟踪[18]；利用火灾前后地物光谱特征变化确定火灾程度与变化，识别火烧迹地，能较精准地评价火灾危害程度[19]；利用植被指数以及光谱混合分析法(spectral mixture analysis; SMA)监测火后植被恢复，提高了植被的监测精度[20]。但受数据时空分辨率及其质量的影响，监测面积较小的火灾(受害森林面积<1 hm2)有一定难度。未来可开展植被群落的长期监测，实现森林火灾的早期探测与实时监测，及时精确评估火灾易发区的火险等级，实现森林火灾高效防控；综合不同尺度的遥感平台优势并结合遥感数据，对地理信息系统建模，突出遥感森林火灾探测产品的预测性，满足森林火灾探测的具体需求[21]。

1 森林火灾灾前预测

1.1 森林可燃物载量评估及类型识别

可燃物载量对于计算空间火险等级以及模拟整个景观中的火行为至关重要。然而，在满足一定精度条件下，大空间尺度(景观尺度)可燃物载量数据的快速获取依赖传统的地面调查方式难以获得，但通过遥感探测技术，森林可燃物载量定量估测可被实现[15]。非光合植被(non-photosynthetic vegetation,NPV)主要是指凋落物，其大量积累会导致森林火灾发生的风险加大。因此，定量掌握非光合植被覆盖度(fNPV)有利于可燃物载量的评估与火灾监测[22]。目前，遥感技术凭借其大范围数据获取和连续观测等优势，已成为估算fNPV的主要技术手段[23]。自然状态下，林区可燃物载量取决于植被类型和火周期，利用遥感数据和少量地面信息可实现森林可燃物载量定量估测[24]。其中，Landsat TM影像结合火历史数据、林木冠层转换率与林分因子对可燃物载量进行估算，其估测值与实测值之间的决定系数(R2)高达0.79[25]。激光雷达(light detection and ranging,LiDAR)是一种主动遥感技术，雷达传感器能获取高精度的垂直结构信息，提供有关森林结构和生物量组成等方面的定量信息，可用于可燃物载量评估，其评估准确率和效率较高，可达90%[26]。

可燃物载量和类型的变化会导致火灾模式存在较大差异[27]，而基于遥感影像的时间序列分析，遥感动态监测技术可实现可燃物类型分类，使得对象(可燃物)具备大小、形状、拓扑关系、类别层次等诸多信息，其分类的面积精度可达到89.3%[28]，可更好地进行火行为预测和空间模拟[29-30]。此外，可燃物分类具有尺度依赖性，这种空间尺度的变化使得遥感影像的使用具有差异性。对于区域性乃至全国性的森林可燃物分类，可采用低空间分辨率遥感数据；在林分尺度上，可采用高分影像来反映可燃物的细微变化。美国最先应用NOAA数据，研究北美植被分布特点，为全球植被覆盖状况的研究提供了借鉴经验[31]。Goodenough等[32]利用Hyperion、ALI、ETM 3种遥感数据对加拿大维多利亚区的5种森林类型进行了分类，在结果对比中发现高光谱遥感数据可以提供连续、精细的光谱信息，能有效地消除大气散射的影响，具有更强的森林识别能力。但由于高光谱遥感数据成本高、可获取数据有限，不能实现大范围长时间的监测。Giorgos等[33]通过对地中海可燃物类型进行分类与绘图，进而评估和比较了EO-1 Hyperion、Quickbird和Landsat TM图像中固有的光谱和空间信息，发现高空间分辨率在可燃物分类方面比高光谱分辨率更精确。

1.2 森林火险发生预报

森林火险预测预报是利用气象、可燃物、火源来预测预报森林火灾发生的可能性[34]。中国最早利用森林火灾风险等级模型进行火险预测预报，随着遥感(remote sensing)、地理信息系统(geographic information system)等新技术的发展与应用，卫星遥感探测技术凭借其监测范围广，能及时准确地反馈地面信息，可获取全球气象及地表等相关参数的特点，为开展每日森林火灾风险发生等级预报和及时获取火险预报参数提供了可行的技术手段[20]。彭光雄等[35]基于MODIS数据探测的火险数据(可燃物类型及湿度)，构建了火灾敏感性指数(FSI)，结果表明该指数能够很好表征森林火灾险的实况。

遥感主要利用电磁波所携带的信息来反演被探测目标的各种属性，最广泛利用的电磁波谱主要是：可见近红外、热红外、微波波段[36]。其中，微波遥感可提取地表含水量(干燥程度)；热红外遥感可提供地表温度；可见光遥感反演的植被指数等生态指标可以更新可燃物分布地图。遥感探测技术可对火灾危险区域进行火灾风险评估[37]。森林火灾风险评估和预警还需要结合气象、历史火点数据、植被类型、林分结构等，通过建模估测森林火灾发生概率，发布风险等级，有利于对高火险区域进行重点防控。

2 森林火灾灾时监测

2.1 森林火点识别

森林火灾监测作为发现森林火灾火点的重要手段，是防灾减灾的基础，通过及时精准地识别森林火灾，精准定位火点，有利于早发现早扑救[38]。传统的森林火灾监测需大量人力、物力、财力，有一定的局限性，但卫星遥感探测技术凭借其技术优势，节省了相应的成本，在火灾监测中得到了广泛应用，如GEOS/VAS、NOAA/AVHRR、MODIS/EOS、TM、DMSP等卫星数据以及中国的FY系列气象卫星和环境与灾害监测预报小卫星等[39]。目前学术界主要将NOAA/AVHRR、MODIS/EOS影像作为火点监测的遥感数据源，其森林火灾识别精度达到90%以上[9]。基于遥感技术的火点识别方法研究也在不断地发展与改进。Yuan等[40]将火的颜色特征和运动特征融入遥感森林火灾探测方案，提出了一种基于视觉传感器的无人机森林火灾监测与检测方法，提高了森林火灾探测性能并降低了误报率。Dozier[41]提出一种亚像素的地表温度场卫星识别方法，为其他卫星数据火点识别方法的发展奠定了理论基础。

基于NOAA/AVHRR卫星数据发展出图像增强方法、阈值法(单阈值法、多阈值法、动态阈值法)、NDVI指数法等火点识别方法[42]，如，刘良明等[43]提出一种时空动态阈值火点检测算法，发现该算法能有效改善火点检测结果，具有时空尺度的自适应性。随后，在完整的MODIS火点识别算法体系及其火产品的基础上，发展出绝对阈值法、上下文算法(Contextual)和多通道合成法等MODIS火点识别方法[44-45]。目前，在AVHRR和MODIS火点识别方法基础上，又提出一系列修正、改进算法，如，覃先林等[46]基于MODIS各波段特性，利用地面信息，采用亮温-植被指数法建立了森林火灾识别模型，提高了火点判别精度。殷针针等[38]基于FY-3D MERSI影像数据，改进了潜在火点像元的识别算法，并结合动态阈值法和Contextual进行了火点识别实验，结果显示，改进后的算法能快速有效地提取出火点信息，尤其是对较小火点有较好识别效果。此外有学者开始基于环境小卫星进行火点探测，李家国等[47]提出一种能较好应用于HJ-1B森林火灾监测的归一化火点指数(Ku)算法。覃先林等[48]提出了一种利用HJ-1B卫星红外相机数据的火点自动识别算法，火点漏分率低于10%，错分率为0，能满足森林火灾监测的精度要求。

2.2 森林火灾燃烧动态监测

火灾的实时监测需要对地观测卫星在时间和空间分辨率上须同时满足监测需求，因而，在森林火灾监测任务中多以极轨或静止轨道卫星为主，如风云系列(FY)、EOS/MODIS、NOAA/AVHRR、S-NPP/VIIRS、Himawari-8/9、COMS-1等。极轨卫星已形成广泛的火点监测能力。如NOAA/AVHRR对温度极为敏感且具有夜间成像与动态获取无云状态下遥感影像的能力，能识别出比卫星空间分辨率远小的火点，具有独特的监测效果[49]；EOS/MODIS一天过境4次，在时间分辨率上可实现对森林火灾的监测需求。此外，其火产品包含了能够独立理解火灾的时间和空间分布规律及特性的信息[50]；VIIRS具有更高的空间分辨率(375 m)，能够监测到比MODIS更小的火点。但极轨卫星观测频次较低，且集中于相对固定的几个时段，对于火灾的实时监测来说，时间分辨率无法达到要求[51]。静止卫星可通过重复凝视拍摄，对火灾进行高时空分辨率的监测。如，日本Himawari-8/9静止气象卫星和韩国COMS-1(通信-海洋-气象卫星-1)地球静止轨道卫星具有观测频次高(10 min·次-1)，能对单一的森林火灾事件形成连续观测，可进行火情实时跟踪，此外，其覆盖范围广，适用于监测过火面积较小的火灾，能监测到林下阴燃阶段的火[52]。我国的风云四号(FY-4)静止气象卫星可对地球环境参数、天气、气候实现高精度、高时效的定量观测，每15 min返回1次火场信息，可满足森林火灾领域研究分析、模式计算、监测的需求[53]。此外，国产高分系列适合连续监测我国突发性森林火灾，动态跟踪监测着火点[11]。

火场动态监测常利用中高分辨率的卫星影像提取火灾的发展趋势、云烟走向和火烧强度等火场信息，这是由于多数森林火灾在低空间分辨率热红外通道卫星影像(NOAA、MODIS、FY等)上通常仅表现为点特征，而在Landsat TM/ETM+/OLI、GF系列、Sentinel-2A/B等中高空间分辨率卫星影像上可较好地表征出火线具有的线面特征，分辨出正在燃烧的火场轮廓[54]。如，中国目前已在轨运行高分六号(GF-6)，其(尤其是蓝光波段) 影像可较好反映植被燃烧形成的烟区(包括烟羽和烟团)的分布状况如位置、范围和形状)，从而判定火场的位置和火蔓延趋势[7]。Ononye等[55]基于梯度法，从多光谱红外图像中提取火场参数(火场周界、活跃火线和火势蔓延方向)， 提高了火蔓延预测能力。受火场地形、植被、风向等影响，火场时常出现多条火线、多个方向蔓延的现象，需要在卫星影像上定量提取出多个分散的燃烧区域。

3 森林火灾灾后评估

3.1 森林火灾受害程度评价

森林火灾受害程度可反映火后森林生态系统变化程度，即它与植被死亡率成正比，与植被修复能力成反比，是了解火后森林受害程度、开展森林火灾恢复重建工作极为重要的参数。国内外多用火烧烈度(burn severity)来定量评价森林受害程度[56]，尤其是借助激光雷达(LiDAR)在森林垂直结构测量方面的优势，通过植被垂直高度在森林火灾发生前后的变化来确定火烧烈度。不同类型遥感数据及光谱波段间组合指数，如NBR(normalized burn ratio)、NDVI(normalized difference vegetation index)、EVI(normalized difference vegetation index)等，已被广泛运用于火后森林受害程度评价[57]。如，Victor[58]提出了一种新的光谱指数dNBR-EVI，能更精确地确定植被烧损严重程度及判断土壤烧伤程度。基于植被指数并结合地面调查组合指数CBI(composite burn index)构建评价指标，也是评估森林受灾程度的方法。如，Ri[59]对美国地质勘探局(USGS)提供的遥感陆地卫星数据进行预处理，调查了森林火灾的空间特征，确定火点位置，并通过NBR和dNBR来计算烧伤面积和调查烧伤严重程度(BS)，估计火灾受损面积。此外，通过研究火灾前后遥感计算的值变化或通过目视判读选取不同程度的训练样本，借助分类方法可将森林受害程度进行分级。

遥感是大尺度动态的一种监测手段，被有效地用于监测森林火灾造成的陆地生态系统生产力和生物多样性的总体损失。Sannigrahi等[60]采用2种光能利用率(LUE)模型及MODIS遥感数据，对森林生态系统陆地净初级生产力(NPP)进行了定量分析，提出一种新方法(delta-NPP/delta-burn指数)来量化森林火灾对陆地碳排放和生态系统生产的影响。长时序卫星遥感产品的广泛应用为利用遥感探测技术进行森林火灾烧毁生物量估算提供了有效的工具，利用MODIS火产品中的火辐射功率数据(fire radiative power；FRP)得到火辐射能(fire radiative energy；FRE)，进而估算森林火灾消耗的生物量[61]。静止卫星超高的时间分辨率可以通过FRP时间积分等方法对森林火灾燃烧总量进行计算[53]。

3.2 火烧迹地生态修复状况

卫星传感器可提供地物在火烧迹地各波段的辐射能量差异，用于地物识别和区分，并具有很强的时效性和周期性，为卫星影像研究火烧迹地植被恢复提供了新的技术手段[62]。目前火烧迹地植被研究仍广泛使用中低空间分辨率的遥感数据，具有高时间分辨率。高空间分辨率数据能够识别植物个体，而高光谱分辨率数据能够更好区分不同植被物种[63]。除光学影像外，雷达数据在火后植被恢复研究方面也发挥了作用。Meng等[20]联合激光雷达与高分卫星影像(WorldView-2)研究了不同程度火烧迹地植被的短期恢复速率。

现阶段，火烧迹地植被恢复卫星遥感监测方法可概括为图像分类法[64]、植被指数法[65]、光谱混合分析法(SAM)[66]。其中SAM得到的地物识别与区分结果更加精细、准确，能提高植被的监测精度，但此方法也常因空间异质性、地表复杂性以及像元组成差异性而受到限制。火后植被恢复评价模型常用植被指数(NDVI、EVI、SAVI、MSAVI、NBR和NBR2等)作为灾后生态恢复的评价指标。此外，叶面积指数(LAI)[67]、植被覆盖度(VCF)、净初级生产力(NPP)和光合作用有效辐射吸收率(FAPAR)等生态参数也常用于植被恢复的研究中[68]。

表1 各种不同空间分辨率的遥感影像信息提取

4 结论与展望

随着气候变化，尤其是变暖趋势增强，人为干扰活动增加，全球森林火灾更具暴发性和危害性。人类也将面对更多大面积、高强度且影响大的森林火灾。现有灭火技术和方法将面临严峻挑战。更需要大空间、大尺度和大时间跨度的森林火灾实时探测和及时监测技术。遥感技术的发展、数据源的多样化以及方法模型的改进，为森林火灾探测提供了支撑。遥感技术能较全面地反映地物动态变化，及时发现并提供火场信息；形成了适用于不同卫星遥感数据的火情监测应用方法与技术系统，实用性好。已用于绘制可燃物载量火险图、主动或实时森林火灾探测和监测、火烧后损失评估和火烧迹地生态修复治理等方面，可靠性强。但遥感在森林火灾探测方面的应用还需拓展和深入，向多尺度模拟和多指标量化、功能拓宽化和性能精细化、航空遥感与航天遥感相结合发展。

及时、精确提供火场信息，为精准灭火服务。随着极端火事件频发，出于对火险的及时处置响应，现阶段对火点位置的精确度以及对目标探测时效性需求也要求更高。迅速向火管理者提供高清图像产品和衍生信息，及时评估森林火灾形势、提出灭火规划建议。特别是中国西南高山峡谷区，山高坡陡谷深，缺乏及时准确的火灾实时遥感信息，很容易在灭火行动中造成人员伤亡。要优化配置遥感监测系统，可将光谱采样限制在单个波段，完成直观的图像解译，以静态地图的形式向防灭火指挥员提供森林火灾的位置信息[69]。系统处理大量不同光谱和空间分辨率的地球观测图像，得到从森林火灾探测、火线监测到受影响区域的损害评估、灾后恢复评估期间精细化的专题产品。

自动解译、多方位评估，提高精准度和可信度。要形成高效准确的自动监测及分析能力，建立稳定和模块化的计算技术平台，促进多个火应用程序(如实时火灾探测、火锋动态监测、快速火区测绘和烧毁区域的时间序列分析)高效运行。借助遥感图像，对生物防火林带、箐沟、火场紧急开辟的防火隔离带以及天然河流、湖泊等进行隔火效能评估。

协同使用多源数据、信息互补和尺度转换。协同使用更多的数据源，进一步融合时间、空间、光谱信息，实现多尺度、多平台影像间的信息互补和尺度转换，不断提升多星源对火点的响应和监测能力。如航天与航空遥感相结合，无人机技术对火场进行实时监控与指挥，利用遥感技术和地理信息系统对高火险区的评估预测，及时发现、定位、指挥扑火。实现监测火烧迹地植被演替的更新状况，预测其恢复时间、评估火的生态效益等。