机载光学全谱段遥感林火监测
发布时间：2021-01-25 09:07
森林火灾是一种危害极大的自然灾害,是森林扰动的主要类型之一,直接影响森林生态系统结构、碳循环甚至全球气候的变化。近年来,航空平台和传感器的技术进步有效地提升了机载遥感系统探测和监测森林火灾的能力,推动了机载遥感在森林可燃物调查及载量评估、火险测报预测、火场态势及火情监测、灾害损失评估以及火烧迹地生态修复治理等方面的应用。本文首先介绍了中国林业科学研究院机载光学全谱段遥感系统CAF-LiTCHy （Chinese Academy of Forestry’s LiDAR,Thermal,CCD and Hyperspectral airborne observation system）,描述了激光雷达扫描仪、热红外相机、CCD相机和高光谱传感器等传感器的参数;然后,阐明了集成方案和观测数据的处理方法;最后,以四川省西昌市"3.30森林火灾"作为该系统火后灾情遥感调查和灾情评估应用示例,综合多传感器数据特征,进行森林火烧程度评价,分析该系统采集的正射影像、冠层高度模型、高光谱影像、热红外影像在森林火灾监测评价中的潜力。研究结果表明CAF-LiTCHy机载遥感观测系统能有效获取森林火灾的灾情信...
【文章来源】：遥感学报. 2020,24(10)北大核心
【文章页数】：13 页
【部分图文】：
不同林火烈度的CAF-LiTCHy机载数据
为了进一步反映这次西昌森林火灾林木受害程度，在Google Earth中选取2019-12-13由法国航天局（CNES) Airbus获取的高空间分辨率影像与火烧后局部的机载CHM数据进行对比分析，其中位置A、B、C、和D分别对应了图3中未过火区域、轻度过火区、中度过火区和重度过火区。从图4可以看出，林火发生前，该区域Google Earth影像中森林覆盖完整，郁闭度较高（图4 (a））；从林火发生后的CHM数据分析可见（图4 (b）），该区域森林发生了大面积的重度过火（图4 (b）中的D区域），林木自下而上燃烧完全程度高，郁闭度和冠层高度信息急剧下降，但轻、中度过火区域的森林依旧保持了林木的部分垂直结构信息（图4 (b）中的B、C区域）。正常植被由于叶绿素对蓝光和红光吸收作用强，而对绿光反射作用强，因此其光谱曲线呈现出450 nm蓝光和670 nm红光处的吸收谷以及在550 nm绿光出现反射峰的现象。同时，植被叶片细胞结构导致800 nm—1100 nm区域存在一个反射高峰。受到植被含水量影响，正常植被在1450 nm、1950 nm处反射率下降，形成吸收谷。图5展示了机载高光谱影像中火烧迹地、正常冠层、中度过火冠层、水体、裸土、柏油路的光谱曲线特征。从该图中可以明显地观察到，相较于未过火的正常冠层，中度过火冠层由于叶片由绿变焦黄、叶绿素丧失，导致蓝、红光的吸收作用减弱，同时由于火烧导致叶片细胞结构发生变化，其叶片在800 nm—1100 nm的反射峰明显削弱，另外叶片含水量的降低导致其在1450 nm、1950 nm的吸收率降低，反射率升高。此外，重度过火区的树木已成碳灰状，使得该火烧灰烬区域在400 nm—2500 nm区间内的反射率在0.1附近。由此可见，过火区不同典型地物的光谱曲线反映了本次采集和处理后的机载高光谱数据具备有效刻画地物光谱特性的能力，对确定过火区的林木冠层受害程度以及估测森林火灾受害面积具有重要的理论依据。
正常植被由于叶绿素对蓝光和红光吸收作用强，而对绿光反射作用强，因此其光谱曲线呈现出450 nm蓝光和670 nm红光处的吸收谷以及在550 nm绿光出现反射峰的现象。同时，植被叶片细胞结构导致800 nm—1100 nm区域存在一个反射高峰。受到植被含水量影响，正常植被在1450 nm、1950 nm处反射率下降，形成吸收谷。图5展示了机载高光谱影像中火烧迹地、正常冠层、中度过火冠层、水体、裸土、柏油路的光谱曲线特征。从该图中可以明显地观察到，相较于未过火的正常冠层，中度过火冠层由于叶片由绿变焦黄、叶绿素丧失，导致蓝、红光的吸收作用减弱，同时由于火烧导致叶片细胞结构发生变化，其叶片在800 nm—1100 nm的反射峰明显削弱，另外叶片含水量的降低导致其在1450 nm、1950 nm的吸收率降低，反射率升高。此外，重度过火区的树木已成碳灰状，使得该火烧灰烬区域在400 nm—2500 nm区间内的反射率在0.1附近。由此可见，过火区不同典型地物的光谱曲线反映了本次采集和处理后的机载高光谱数据具备有效刻画地物光谱特性的能力，对确定过火区的林木冠层受害程度以及估测森林火灾受害面积具有重要的理论依据。高光谱影像（图6 (a））以及其波段衍生的指数可以在空间上更有效地反映林火烈度，结合Haboudane等（2008）和Huesca等（2013）的研究结果，利用高光谱数据的最优窄波段信息分别计算了修正型土壤调节植被指数（MSAVI）（图6 (b））和归一化燃烧率指数（NBR）（图6 (c）），本文选取机载高光谱影像的673.34 nm（红光波段）、804.22 nm（近红外波段）以及2132.65 nm（短波红外波段）的反射率来计算MSAVI与NBR，公式为
【参考文献】：
期刊论文
[1]基于林火特征分类模型的森林火情等级制图[J]. 马振宇,陈博伟,庞勇,廖声熙,覃先林,张怀清. 国土资源遥感. 2020(01)
[2]妙峰山林场主要针叶林冠层特征及潜在火行为[J]. 陶长森,牛树奎,陈羚,李连强. 北京林业大学学报. 2018(05)
[3]机载AISA Eagle Ⅱ高光谱数据处理——以额济纳旗试验区为例[J]. 荚文,庞勇,岳彩荣,李增元,车涛,马明国. 遥感技术与应用. 2016(03)
[4]中国林火卫星遥感预警监测技术研究进展[J]. 覃先林,李晓彤,刘树超,刘倩,李增元. 遥感学报. 2020(05)
本文编号：2998964
【文章来源】：遥感学报. 2020,24(10)北大核心
【文章页数】：13 页
【部分图文】：
不同林火烈度的CAF-LiTCHy机载数据
为了进一步反映这次西昌森林火灾林木受害程度，在Google Earth中选取2019-12-13由法国航天局（CNES) Airbus获取的高空间分辨率影像与火烧后局部的机载CHM数据进行对比分析，其中位置A、B、C、和D分别对应了图3中未过火区域、轻度过火区、中度过火区和重度过火区。从图4可以看出，林火发生前，该区域Google Earth影像中森林覆盖完整，郁闭度较高（图4 (a））；从林火发生后的CHM数据分析可见（图4 (b）），该区域森林发生了大面积的重度过火（图4 (b）中的D区域），林木自下而上燃烧完全程度高，郁闭度和冠层高度信息急剧下降，但轻、中度过火区域的森林依旧保持了林木的部分垂直结构信息（图4 (b）中的B、C区域）。正常植被由于叶绿素对蓝光和红光吸收作用强，而对绿光反射作用强，因此其光谱曲线呈现出450 nm蓝光和670 nm红光处的吸收谷以及在550 nm绿光出现反射峰的现象。同时，植被叶片细胞结构导致800 nm—1100 nm区域存在一个反射高峰。受到植被含水量影响，正常植被在1450 nm、1950 nm处反射率下降，形成吸收谷。图5展示了机载高光谱影像中火烧迹地、正常冠层、中度过火冠层、水体、裸土、柏油路的光谱曲线特征。从该图中可以明显地观察到，相较于未过火的正常冠层，中度过火冠层由于叶片由绿变焦黄、叶绿素丧失，导致蓝、红光的吸收作用减弱，同时由于火烧导致叶片细胞结构发生变化，其叶片在800 nm—1100 nm的反射峰明显削弱，另外叶片含水量的降低导致其在1450 nm、1950 nm的吸收率降低，反射率升高。此外，重度过火区的树木已成碳灰状，使得该火烧灰烬区域在400 nm—2500 nm区间内的反射率在0.1附近。由此可见，过火区不同典型地物的光谱曲线反映了本次采集和处理后的机载高光谱数据具备有效刻画地物光谱特性的能力，对确定过火区的林木冠层受害程度以及估测森林火灾受害面积具有重要的理论依据。
正常植被由于叶绿素对蓝光和红光吸收作用强，而对绿光反射作用强，因此其光谱曲线呈现出450 nm蓝光和670 nm红光处的吸收谷以及在550 nm绿光出现反射峰的现象。同时，植被叶片细胞结构导致800 nm—1100 nm区域存在一个反射高峰。受到植被含水量影响，正常植被在1450 nm、1950 nm处反射率下降，形成吸收谷。图5展示了机载高光谱影像中火烧迹地、正常冠层、中度过火冠层、水体、裸土、柏油路的光谱曲线特征。从该图中可以明显地观察到，相较于未过火的正常冠层，中度过火冠层由于叶片由绿变焦黄、叶绿素丧失，导致蓝、红光的吸收作用减弱，同时由于火烧导致叶片细胞结构发生变化，其叶片在800 nm—1100 nm的反射峰明显削弱，另外叶片含水量的降低导致其在1450 nm、1950 nm的吸收率降低，反射率升高。此外，重度过火区的树木已成碳灰状，使得该火烧灰烬区域在400 nm—2500 nm区间内的反射率在0.1附近。由此可见，过火区不同典型地物的光谱曲线反映了本次采集和处理后的机载高光谱数据具备有效刻画地物光谱特性的能力，对确定过火区的林木冠层受害程度以及估测森林火灾受害面积具有重要的理论依据。高光谱影像（图6 (a））以及其波段衍生的指数可以在空间上更有效地反映林火烈度，结合Haboudane等（2008）和Huesca等（2013）的研究结果，利用高光谱数据的最优窄波段信息分别计算了修正型土壤调节植被指数（MSAVI）（图6 (b））和归一化燃烧率指数（NBR）（图6 (c）），本文选取机载高光谱影像的673.34 nm（红光波段）、804.22 nm（近红外波段）以及2132.65 nm（短波红外波段）的反射率来计算MSAVI与NBR，公式为
【参考文献】：
期刊论文
[1]基于林火特征分类模型的森林火情等级制图[J]. 马振宇,陈博伟,庞勇,廖声熙,覃先林,张怀清. 国土资源遥感. 2020(01)
[2]妙峰山林场主要针叶林冠层特征及潜在火行为[J]. 陶长森,牛树奎,陈羚,李连强. 北京林业大学学报. 2018(05)
[3]机载AISA Eagle Ⅱ高光谱数据处理——以额济纳旗试验区为例[J]. 荚文,庞勇,岳彩荣,李增元,车涛,马明国. 遥感技术与应用. 2016(03)
[4]中国林火卫星遥感预警监测技术研究进展[J]. 覃先林,李晓彤,刘树超,刘倩,李增元. 遥感学报. 2020(05)
本文编号：2998964
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/2998964.html
