论文学习（二）：Forest Fire Spread Monitoring and Vegetation Dynamics Detection Based on Multi-Source Remote

---

  论文标题：Forest Fire Spread Monitoring and Vegetation Dynamics Detection Based on Multi-Source Remote Sensing Images（基于多源遥感影像的森林火灾蔓延监测与植被动态检测）
  DOI：10.3390/rs14184431
  论文目的：单源遥感数据采集点无法同时满足火灾蔓延监测的时间和空间分辨率要求。为了解决这一问题，本研究收集了广泛应用于森林火灾监测的多源图像数据，以改善森林火灾蔓延监测。本文以2020年3月28日在四川省凉山州木里县和2020年3月份30日在京九乡发生的山火为研究对象。使用Planet、Sentinel-2、MODIS、GF-1、GF-4和Landsat-8的多源卫星遥感图像数据用于火灾监测，通过不同时间的遥感数据，快速获得火灾时间序列的传播情况，并计算差异归一化燃烧比（dNBR）提取火线信息和火灾严重程度、通过随机森林算法确定火灾蔓延的主要因素。最后计算NDVI指数，分析植被覆盖率和火灾严重程度之间的关系。
  论文结论：

• 1.多源卫星遥感影像可及时处理随时间变化的森林火灾。
• 2.在四川省的例子中，气象因素对火灾传播影像最大，相对湿度对火灾蔓延影像最大。
• 3.火灾前后植被覆盖率和dNBR（差异化归一化烧毁指数）显著相关。
  • dNBR（差异化归一化烧毁指数）：评估火灾后地表烧毁程度的遥感指标，计算方式为：

$$dNBR=NBR（post-fire）-NBR（pre-fire）$$
通过火灾前后的NBR指数（归一化烧毁指数）作差，得出：

• dNBR<0：火灾后植被恢复。
• dNBR>0：火灾造成的烧毁程度。

1.Introduction

• 时间分辨率：对同一目标相邻两次探测的时间间隔，称为遥感图像的时间分辨率。
  • 超短(短)周期时间分辨率：可以观测到一天之内的变化，以小时为单位。
  • 中周期时间分辨率：可以观测到一年内的变化，以天为单位。
  • 长周期时间分辨率：一般以年为单位的变化。

  本实验使用到的系列卫星如下：

• Landsat系列卫星：能很好识别火灾烧毁的区域，在森林火灾监测方面具有优势。但时间分辨率限制高达16天，无法获得连续的时间序列图像。
• MODIS（中分辨率成像光谱仪）：大型空间遥感仪器，有双卫星系统Aqua和Terra，可以支持对森林火灾烧毁面积等进行定性和定量分析。每天记录四张图像，可及时监测森林火灾发生率。但监测空间分辨率为500m，很难监测小火灾的蔓延。
• Sentinel-2（哨兵2号）：由哨兵-2A和哨兵-2B组成的高分辨率多光谱成像卫星，覆盖13个光谱带（含红外光谱带），地面分辨率为10m、20m和60m。
• GF-4（高风-4卫星）：较高空间分辨率，可在几分钟内获得序列中的相同区域图像。
• 行星卫星（Planet satellite）：有良好的图像质量、高数据覆盖效率和3-5m的空间分辨率。

  单颗卫星的遥感数据无法同时满足时间和空间分辨率的要求，此时可使用各种遥感卫星监测数据以增强卫星的观测频率（多源遥感数据）。本文利用四川省火灾数据，结合多源遥感卫星以提取蔓延火线的时间序列，以获取火灾的位置和时间演变。此方法可准确计算和分析火灾后不同时间的面积及其变化情况，同时分类火灾强度、定量分析火灾前后研究区植被的动态变化。并且，结合低、中、高分辨率三种不同类型的遥感数据，可以准确快速地判断火灾蔓延的方向，解决了单一遥感数据无法连续监测的问题，在此基础上可基于不同的时空图像数据构建森林火灾评估技术。

2.Materials and Methods

2.1Study Area

  本研究关注2020年3月28日四川省凉山州木里县和2020年3月30日京九乡发生的山火。

• 木里县：大火持续九天，平均海拔4000m，主要为云南松和灌木。
• 京九乡：大火持续3天，平均海拔1800米，主要为紫茎泽兰和灌木。
• 背景：凉山地区连续20天无降水，气温高，湿度低于10%。

  研究区域和火灾现场图：

2.2Remote Sensing Data

  以下为从Planet、Sentinel-2、Landsat-8、GF-1、GF-4和MODIS卫星获取的火灾区域遥感数据：

根据表中所示的数据共获得29幅图像。从不同的遥感卫星中获取不同的数据，多源遥感数据森林火灾监测流程图：

• GF-4：
  • IRS卫星：监测异常高温。
  • PMS卫星：监测烟雾，以实现火点监测。

通过辐射定标，将遥感图像DN值转换为辐射值，实现温度转换。公式如下：
$$L_e({\lambda }_i)=Gain\ast DN+offset$$

• $L_e$：转换后的辐射值。
• ${\lambda }_i$：通道i的中心波长。
• $DN$：观测到的负载。
• $Gain$：校准斜率。
• $offset$：绝对校准系数的偏移量。

使用普朗克函数计算温度：

• Planet、Sentinel-2、Landsat8、GF-1、MODIS：对数据预处理后计算出dNBR，以计算出燃烧区域的面积。
• Landsat8：计算出dNBR以得到火灾猛烈程度，计算出VFC（植被覆盖度）并进行分析，最终得出火灾猛烈程度与植被覆盖度的联系。

  处理卫星遥感图像时应进行预处理，如处理辐射误差、几何校正、大气校正，图像有云时使用云掩模算法去除云，并将所有数据源的空间分辨率重采样到3m。

2.3Forest Fire Factor Variables

  影响森林火灾蔓延的因素分为气象、地形、可燃物和人为因素四类，本文从中国气象数据网收集了森林火灾蔓延时的每小时温度、相对湿度、降水量、风向和风速值；从地理空间数据云中获取了研究区的数字高程模型（DEM）数据，并提取了研究区高程、坡度和坡向因子；从中科院植物研究所获得研究区域的可燃类型变量；从国家地理信息目录服务下载了研究区域的基本地理数据库，以收集有关是否有公路、铁路、住宅区和水的信息。综上共收集了13种因素分析对森林火灾的影响：

2.4Extraction of Fire Line and Classification of Fire Severity

  NBR（归一化燃烧比）和差分归一化燃烧比（dNBR）可用于提取遥感图像中火线位置和火灾状态。其中，NBR用于识别遥感图像中的森林火灾烧毁区域，计算公式如下：

其取值范围为$[-1，1]$，与森林火灾强度呈负相关。dNBR用于检测火灾状态、提取森林火灾强度水平（引用中有相关研究），范围为$[-2，2]$，计算公式如下：

  使用dNBR对火灾强度进行划分：

2.5Variable Importance Analysis

  以是否发生火灾作为因变量，使用随机森林法对火灾风险因子进行重要性排序。基本思想是重新排列列中特征值的顺序，并观察模型精度降低了多少。不重要风险因子对模型精度影响不大，但会显著降低重要特征的建模精度。最后通过交叉验证对估计函数的参数进行优化，以获得最优值。随机森林算法使用的超参数列表：

本文使用随机森林计算特征重要性是通过R语言实现，计算思路如下：

• 对于随机森林中每棵决策树，使用相同的包外（OOB）数据计算其包外数据误差（errOOB1）。
• 在包外数据的所有样本中，将噪声干扰随机添加到特征X上（以便特征X处的样本值可以随机改变），并再次计算其包外数据误差（errOOB2）。
• 若随机森林有N个变量，则特征X重要性方程为：

  随机森林计算特征重要性的Python实现：点击跳转。

2.6Vegetation Fractional Converage

  VFC（植被覆盖率）量化了植被的茂密程度，反映了植被的生长态势，其通过NDVI（归一化植被指数）计算而来，值域为$[0，1]$：

• NIR：近红外波段。
• R：红色波段。
• NDVIsoil：完全裸露土壤或没有植被覆盖的区域的NDVI值。
• NDVIvg：完全被植被覆盖的像素的NDVI值。

3.Results

3.1Extraction of the Fire Line Results

3.1.1Fire Line Time Series in Muli Country

  从穆里县火灾的GF4数据中获得了火灾烟雾和火灾点分布的时间序列：

• 2020-3-31 11：47：发现起火点。
• 2020-3-42 13：38：火灾烟雾覆盖的区域增加。
• 2020-3-31 14：55：火灾烟雾覆盖的区域减少。
• 2020-3-31 15：00：火灾烟雾覆盖的区域减少。
• 2020-4-1 11：52：火灾烟雾覆盖的区域增加，且火势向东北蔓延。
• 2020-4-1 14：14：火灾烟雾覆盖的区域减少。

  从多源遥感数据中提取火线的位置与形状：

• 3.29 12：45：烧毁面积为1.05平方公里。
• 3.30 11：45：烧毁面积为8.97平方公里。
• 3.30 12：30：烧毁面积为17.08平方公里。
• 3.31 14：05：烧毁面积为106.35平方公里。
• 4.01 11：35：烧毁面积为125.89平方公里。
• 4.05 11：46：烧毁面积为209.17平方公里。

3.1.2Fire Line Time Series in Jingjiu Township

  从京九乡火灾的GF4数据中获得了火灾烟雾和火灾点分布的时间序列：

• 2020-3-31 11：47：发现起火点。
• 2020-3-31 14：55：火灾烟雾覆盖的区域减少。
• 2020-3-31 16：41：火灾烟雾覆盖的区域增加。
• 2020-4-01 11：52：火灾烟雾覆盖的区域减少。
• 2020-4-01 14：14：火灾烟雾覆盖的区域减少。
• 2020-4-01 15：17：火灾烟雾覆盖的区域减少。

  从多源遥感数据中提取火线的位置与形状：

• 3.30 13：20：烧毁面积为2.80平方公里。
• 3.31 10：55：烧毁面积为12.10平方公里。
• 3.31 14：55：烧毁面积为17.98平方公里。
• 4.01 15：17：烧毁面积为26.45平方公里。
• 4.02 11：46：烧毁面积为30.97平方公里。

3.2Extraction of Forest Fire Intensity Results

  木里县最终火灾面积为209.17平方公里，根据dNBR阈值对最终火灾烧毁区域进行分类：

• 低强度烧伤面积：138.66$k{m}^2$，占66.29%。
• 中强度烧伤面积：36.51$k{m}^2$，占17.45%。
• 高强度烧伤面积：34.00$k{m}^2$，占16.26%。

  京九乡最终火灾面积为30.91平方公里，根据dNBR阈值对最终火灾烧毁区域进行分类：

• 低强度烧伤面积：23.70$k{m}^2$，占76.67%。
• 中强度烧伤面积：5.51$k{m}^2$，占17.83%。
• 高强度烧伤面积：1.70$k{m}^2$，占5.50%。

  木里县与京九乡火灾后dVFC分布情况：

3.3Variable Importance

  使用随机森林算法计算火险因子重要度：

其中，相对湿度、温度、可燃物类型重要程度较高。

3.4Changes in Vegetation Coverage

  木里县、京九乡大火前后的植被覆盖度如下：

从火灾前的VFC与dNBR图像中随机选取40个点、从火灾后的VFC与dNBR图像中随机选取40个点，分别建立VFC与dNBR之间的关系：

得出木里县与京九乡情况类似，即，火灾前VFC均与dNBR显著成正比，R2分别为0.79和0.76（图a，c）、两种火灾后VFC与dNBR成反比，R2分别为0.77和0.74（图b，d）。而火灾前后VFC之差（dVFC）表明，不同程度火灾后的VFC恢复效果存在显著差异：

• 低强度烧伤区：VFC可以恢复到原始状态。
• 中强度烧伤区：经长时间恢复，中等强度烧伤区的VFC与原始VFC仍有一定差距。
• 高强度烧伤区：经长时间恢复，高等强度烧伤区的VFC与原始VFC之间差距较大。

4.Discussion

  本文研究了从四川省两次森林火灾中获得的29张遥感图像，并按时间序列提取了烧毁面积，从而分析出森林火灾的蔓延过程。分辨率低、精度低的卫星遥感图像仅适用于监测大规模森林火灾，对于小面积森林火灾的位置信息很难及时获取。新一代遥感卫星虽能提供更详细和准确的森林火灾信息，但其对设备更高的性能要求、较低的数据处理速率使得难以广泛应用。
  本文使用归一化燃烧比（NBR）和差异归一化燃烧比（NBR）提取火线和森林火灾的状态，结合多源卫星遥感数据的优势，可有效地显示森林火灾信息，监测森林火灾的传播和发展。
  每小时的相对湿度、温度、降水量、风速和风向作为两起火灾的五个重要气象因素，且气象因素对火灾蔓延的影响比其他因素更为显著。变量重要性结果表明，相对湿度是影响研究区森林火灾蔓延的最关键因素。温度仅次于相对湿度，风速和风向比降水更重要。相对湿度影响森林中火灾燃料的水分含量，高相对湿度会增加燃料的水分，从而减缓火灾的蔓延。温度直接影响可燃燃料的含水量。高温会增加植物的蒸腾作用，降低潜在火灾燃料的含水量，从而增加森林火灾蔓延的可能性。风速和风向的增加会加速森林水分流失，扩大火灾蔓延。
  在地形因素中，海拔是影响研究区森林火灾蔓延的最关键因素。高度的增加在一定程度上减缓了火势的蔓延。由于高海拔地区低压低氧环境的特殊性，氧气不足会降低火灾蔓延的速度。地形方面不如海拔重要。这可能是因为，在研究区域的地形中，由朝向变化引起的太阳辐射差异并不大，导致地形朝向的影响很小。
  可燃物的类型是直接决定森林是否可燃的指标，并直接影响火灾蔓延的过程[26,39]。因此，它的重要性更高，仅次于相对湿度和温度。
  本研究收集了所分析火灾中是否存在铁路、公路、住宅区和水的数据。道路和水等地表结构属于人为因素，在一定程度上对森林火灾的蔓延具有阻断作用。由于人为因素，森林火灾的蔓延可能会减缓，或者蔓延的方向可能会改变。此外，由于人工表面结构，种群密度和种群聚集程度可能会影响传播过程
  计算并研究了研究区火灾前后的植被覆盖率，以及植被覆盖率与dNBR之间的关系。火灾前VFC与dNBR成正比，火灾后VFC与dNBR成反比。 表明植被覆盖率越低，火灾严重程度越低；火灾严重程度越低，火灾后植被恢复能力越差。且根据dVFC分布，不同程度烧伤区域的VFC恢复效果不同。有：

• 低烧伤程度区域：VFC在一段时间后可以恢复到原始状态，甚至可能超过火灾前的VFC。
• 中烧伤程度区域：经过一段时间后，原始VFC与自然恢复之间仍存在一定差距。
• 高烧伤程度区域：即使经过长时间的恢复，与原始VFC相比仍有很大差异。这是因为中等强度和高强度的火灾破坏了森林结构，使森林难以迅速恢复。

5.Conclusions

  本研究利用多源卫星遥感图像对木里县和京九乡的森林火灾监测，调查并量化了森林火灾因素的重要性。使用dNBR确定烧毁面积和森林火灾强度，分析火灾前后植被覆盖率与森林火灾强度之间的关系，实现对野火的动态传播进行监测和定量分析。与其他森林火灾因素相比，气象因素对其蔓延的影响最为显著。在所有变量中，相对湿度是影响森林火灾蔓延的最重要因素，其次是温度。线性回归结果表明，火灾前后VFC与dNBR显著相关，VFC恢复率因火灾严重程度而异。