刘蓉 刘平波 吴鑫

摘  要：中分辨率成像光谱仪（Moderate Resolution Imaging Spectrometer，MODIS），是EOS计划中一个重要的传感器，对MODIS数据产品在森林火险中的研究具有重大意义，文章主要介绍了MODIS数据解译方法及MODIS数据在森林火险中的研究进展。

关键词：MODIS;数据解译;森林火险

中图分类号：TP75          文献标志码：A         文章编号：2095-2945（2020）03-0177-02

Abstract： Moderate Resolution Imaging Spectrometer（MODIS） is an important sensor in the EOS project， which is of great significance to the research of MODIS data products in forest fire insurance. This paper mainly introduces the interpretation methods of MODIS data and the research progress of MODIS data in forest fire.

Keywords： MODIS; data interpretation; forest fire

前言

1994年，美国宇航局（NASA）启动了对地观测计划（EOS）， EOS的核心传感器是中分辨率成像光谱仪（中等分辨率成像光谱仪），它同时搭载在Terra和Aqua卫星上。它通过X波段直接向世界广播遥感数据。黑体定标器、太阳漫射仪、太阳光稳定性监测仪和光谱辐射校正器是MODIS的关键部件。MODIS具有36个离散的光谱带，它的空间分辨率为250米、500米和1000米，具备同时提供反映大气、陆地、云特性等特征信息，用于长期观测全球动态变化等。MODIS仪器由于具有森林火灾监测能力，远远优于现有的其它遥感仪器。所以目前对于森林火灾的监测主要依赖于MODIS，其产品包括各类火点的识别、火灾面积的估算、火灾释放能量的估算等，为自然灾害监测技术的研究带来了新的研究思路和方法。

1 MODIS仪器数据格式

1.1 数据格式-HDF

HDF（Hierarchical data format）是分层数据格式，属于超文本文件格式，由美国国家高级计算应用中心NCSA（National Center for Supercomputing Application）研制开发，HDF因可移植性强、可存储并处理大数据量，数据类型包括图像、多维数组、文本数据以及指针等，已作为标准数据格式，被广泛用于许多国家和地区。

1.2 MODIS仪器数据产品及分级

根据不同的加工技术，将其产品以HDF格式存储，可分为0-5级数据，包括3种主要标准数据产品类型，如地面标准数据产品、大气标准数据产品和海洋标准数据产品，可將其分解为44个标准数据产品类型[1]。其中0级为未经处理的原始数据产品，一级为赋予了定标参数的L1A数据产品，第二级是在校准和定位之后的L1B数据产品，而第三级是基于L1B校正边缘失真的第三级产品。第四级产品由参数文件提供以校正图像的几何形状和辐射，使得图像的每个点具有精确的地理编码、反射速率和辐射速率。第五级产品是根据各种应用模型开发的L5产品。

2 MODIS数据的解译方法研究

MODIS L1B数据中主要的两种数据对象SDS和Vdata。根据HDF软件库中HDF底层、HDF应用层以及HDF顶层三个接口层的特点，可以使用SD API接口和VS API接口来管理科学数据集SDS和Vdata[2]。HDF文件数据结构被存储在许多类型中，所以比较复杂。HDF4文件的函数库只支持C语言和FORTRAN语言，系统没有其他语言读写HDF4文件。虽然ArcGIS支持大多数光栅数据格式，但ArcGIS不支持存储在固定级别上的HDF数据格式。基于C#的HDF4文件中间件在处理MODIS数据产品时，解决了C语言不能生成多个数据集HDF4文件的问题，并通过环保部生态环境遥感产品生产子系统项目验证了该中间件的实用性[3]。

地表反照率反映着地球表面对太阳辐射的反射能力，同时它对地球大气系统能量平衡的维持也起着关键作用，所以地表反照率在遥感成像和大气辐射传输研究应用比较广泛。使用C++语言进行设计开发的查询软件，数据源为MODIS遥感数据，软件可以查询地表反照率经纬度。功能有数据处理、数据库设计、经纬度坐标获取、数据的存储以及查询地表反照率等[4]。建立了我国大陆地区地表反照率数据库，并可以做到根据经纬度参数查询得到某一具体地理位置的反照率。大多采用门户网站提供MODIS的数据方式是HDF文件缩略图及下载服务，李双青等在.net平台下，基于REST风格，使用GDAL开源库，实现了MODIS数据服务和简单预处理成果数据服务功能，从而更好地为用户提供遥感数据服务[5]。Dwyer M J等人利用脚本表单R语言，综合利用http协议、MRT（MODIS重新投影工具）工具[6]和其他有效的处理工具，以实际数据产品为例，分析出MODIS官方数据产品的技术流程、实现机制和过程[7]。

3 基于MODIS数据产品的森林火灾相关研究

林业作为我国的基础产业，也是我国重要的公益事业。开展森林火灾研究对保护森林资源、促进生态建设及可持续发展具有长远意义。遥感技术应用在森林防火工作各个阶段也越来越深入。在预防期，根据可燃物所处气象特点、地形、干燥指数和湿度、类型等特点预报森林可燃物的危险性。森林火灾发生后，有关单位和部门要组织人力资源，及时对火灾发生的时间、地点、原因、损毁面积和堆积物、扑救情况、物资损失、投入和伤亡等进行评估，为灾后清理提供更科学的依据，植被恢复、火灾事故鉴定和宏观决策部门。因MODIS数据免费，价格低廉且易于获取，使得其在这一领域的应用优势非常明显。最主要的是时间和空间分辨率非常适用于森林火灾预警和灾害监测。

MODIS数据的优点使得MODIS数据在森林防火中得到了广泛的应用。来自美国航天局的戈达德个航空航天中心的Coffman博士领导了一个研究小组，研究在非洲和巴西的森林火灾监测中，基于MODIS数据的火灾监测算法的应用。联合环境监测部门，美国一些大学对全球森林火灾进行日常监测，并利用地理信息系统发布监测结果。

利用MODIS数据对火灾进行监测基本原理遵循斯蒂芬-波尔兹曼定律，周小成等利用我国9起森林火灾事件验证了基于MODIS的火点识别理论，并分析认为：MODIS火点识别理论算法在我国是可行的，但由于区域和季节的变化，将错过低温阴燃的热点[8]。基于MODIS数据，盛世杰构建标准测量数据集，用于生成具有很强识别火灾痕迹能力的火灾特征数据集。利用SGB（Stochastic Gradient Boosting）算法即随机梯度算法进行森林火烧迹地提取，分析总结了火场的时空变化。用MODIS比较火灾数据库产品和地面数据对结果进行了验证和评价[9]。周利霞等利用MODIS数据构建了一个火点指数FPI，修正火点提取精度利用的是归一化植被指数（NDVI），通过研究去除了地表不是植被、或植被稀少的不足以引起火灾的区域，有效减少了因裸土或城市热岛引起的误判。经过实际验证分析，相对于MODIS绝对火点识别算法，FPI-NDVI的方法精度及提取速度都有提高[10]。

利用灰色建模理论，获取数据后，李勇等将八叉树理念运用到林火蔓延边界重心确定过程，将稳健估计引入到灰色理论建模中，为了保证林火蔓延模型的建模精度，提出了ER算法和LIR算法[11]，首次提出基于灰色林火蔓延模型的改进元胞自动机模型的概念。以云南昆明林火进行识别研究，以MODIS L1B数据为数据源[12]，经过数据识别，预处理数据，提取火点背景信息、火点确认、林地提取、最后进行火点识别。为高山峡谷地区的西南林区火灾监测和损失评估提供科学合理的依据。在森林火险预报中，气象资料，如温度和相对湿度，植被资料，如生、死可燃物濕度，植被指数标准化，植被绿度等，都可以从MODIS获取。周永宝利用以上因子，输入火险模型并得到火险指数图。同时结合云南省实际情况，从MODIS数据中依次得到与火灾密切相关的温度、湿度、可燃物种类、数量、含水量等参数因素，建立了火灾风险预测与火灾动态监测模型[13]，并通过实际森林火灾数据验证了该模型的可行性。森林火点检测算法很好地提高了火点检测的精度。通过分析选择MODIS数据的波段和应用参数，对原始数据进行预处理，得到每个MODIS通道的值，并根据目标点与背景像素之间特征参数的类方差阈值判断是否存在着火点，提出了一种基于类间方差的火点识别算法对林火进行监测[14]，有效地消除了背景图像元素特征参数大小对判断结果的影响，避免了传统森林火灾监测方法中火点和漏判的误判。

4 结束语

现阶段，随着社会经济的发展以及森林对生态环境的影响，利用卫星遥感数据开展大范围的反演研究是其中一个重要领域。随着应用的普及，对MODIS数据产品的数据解译研究具有重大意义，对L1B数据的特征进行了分析，以及数据提取方法的研究，综合说明了MODIS数据在林业、海洋、大气等相关自然灾害的数据解译和反演研究进展。

参考文献：

[1]刘灿.基于MODIS数据的气溶胶光学厚度反演研究——以重庆主地区为例[D].重庆：重庆师范大学，2014.

[2]张莉，曾致远.基于HDF4文件格式的MODIS 1B影像数据提取的研究与实现[J].国土资源遥感，2004（4）：27-32.

[3]沈夏炯，马瑞，韩道军，等.HDF4文件访问中间件的设计与实现[J].计算机工程，2015，3（41）：278-282.

[4]杨维，周海金，司福祺，等.基于MODIS遥感数据地表反照率经纬度查询软件设计[J].大气与环境光学学报，2017，12（6）：446-

455.

[5]李双青，樊红，李新广.基于REST的MODIS数据服务方法[J].测绘信息与工程，2010，35（2）：1-2.

[6]Dwyer M J， SchmidtG. The MODIS reprojection tool[M].Earth science satellite remote sensing.Springer Berlin Heidelberg，2006.

[7]周玉科.基于R语言的MODIS数据自动化处理方法研究[J].测绘与空间地理信息，2019，42（1）：20-26.

[8]周小成，汪小钦.MODIS林火识别算法的验证分析[J].火灾科学，2006，15（1）：31-36.

[9]盛世杰.基于MODIS数据的Metric构建及加拿大巴尼拖巴州森林火烧迹地检测[D].南京：南京信息工程大学，2014.

[10]周利霞，高光明，邱冬生，等.基于MODIS数据火点监测指数研究[J].中国安全生产科学技术，2008，4（4）：22-26.

[11]李勇.基于MODIS数据的林火蔓延模型的研建[D].北京：北京林业大学，2007.

[12]段卫虎，黄城，王皓，等.MODIS数据在森林火点识别中的应用研究[J].安徽农业科学，2014，42（28）：9800-9803.

[13]周永宝.基于MODIS的森林火灾预警与检测研究[D].兰州：兰州交通大学，2014.

[14]肖霞.基于类间方差的MODIS森林火灾监测方法研究[D].合肥：中国科学技术大学，2010.