2024年4月3日发(作者：)
第
4
8
卷第
6
期
南方林业科学
South
China
Forestry
Science
Vol.
48
,
No.
6
Dec.,
2020
2020
年
12
月
DOI
编码：
10.1
6259/.36
-
1
342/s.2020.06.0
11
基于
Sentinel-2
影像的四川木里森林火灾监测
李天驰
，
杨福芹
*
,卢燕
（
河南工程学土木工程学院
，
河南郑州
451191
）
摘要
：
快速
、
准确/获取森林火场信息
，
对林业管理
、
火场施救等具有重要意义
。
本文获取了四川省木里藏族自治
县
2020
年
3
月
30
U
森林火灾当
U
、
2019
年
12
月
1
U
及
2020
年
4
月
14
U
森林火灾发生前后的
Sentinel-2
卫星影像
图
,
对影像进行波段合成
,
并计算燃烧指数和大气修正植被指数
，
最后利用遥感动态监测法对火灾发生后森林受损情况
进行简要分析。
结果表明
，
Sentinel-2
卫星的近红外
、
短波红外波段可用于检测火点
，
燃烧指数
BAI
、
NBR
等能较为直观
/显示火灾区域
，
大气修正植被指数
ARVI
能显示森林受损情况。
火灾发生后轻度受损区域面积最大
，
中度受损区域面
积最小
，
受损分析影像能为后续林业植被恢复及森林火灾预防提供有效的技术方法
。
关键词:
遥感
；
“
哨兵二号”
卫星
；
大气修正植被指数;燃烧指数;森林火灾
中图分类号:
P236
：
S762
文献标识码:
A
文章编号:
2095
-
9818
（
2020
）
06
-
0049
-
05
Forest
fire
monitoring
based
on
Sentinel-2
image
in
Muli,
Sichuan
Province
Li
Tianchi,
Yang
Fuqin
*
,
Lu
Yan
(College
of
Civil
Engineering,
He
#
nan
University
of
Engineering,
Zhengzhou
He
'
nan
451191,
China)
Abstract
：
Acquiring
forest
fire
site
information
quickly
and
accurately
is
of
great
significance
to
forestry
management
and
fire
rescue.
The
Sentinel-2
satellite
images
of
the
day
of
the
forest
fire
on
March
30,
2020,
the
day
before
and
after
the
forest
fire
on
December
1,
2019,
and
April
14,
2020,
in
Muli
Tibetan
Autonomous
County,
Sichuan
Province,
were
obtained,
and
combined
the
bands
of
the
images,
and
calculated
the
burn
index
and
the
atmospherically
corrected
vegetation
index,
and
finally
the
forest
damage
after
the
fire
was
briefly
analyzed
using
remote
sensing
dynamic
monitoring
method.
The
results
show
that
the
near
infrared
and
short-wave
infrared
bands
of
the
Sentinel-2
satellite
can
be
used
to
detect
fire
points,
the
combustion
index
BAI,
NBR
and
so
on
can
show
the
fire
area
intuitively,
and
the
atmospherically
resistance
vegetation
index
(ARVI)
can
show
the
forest
damage.
While
the
area
of
lightly
damaged
is
the
largest
and
the
area
of
moderately
damaged
is
the
smallest
after
the
fire,
and
the
damaged
analysis
images
can
provide
effective
technical
methods
for
subsequent
forest
vegetation
restoration
and
forest
fire
prevention.
Key
words
：
remote
sensing;
Sentinel-2
satellite;
atmospherically
corrected
vegetation
index;
burn
index;
forest
fire
森林作为地球生态系统的一个重要组成部分
，
同
取的数据越来越多样
，
如
Landsat-8
卫星搭载的热红
时也是人类生产生活中必不可少的资源
。
森林火灾
作为一种自然灾害
，
人类
为与火灾
生
感
TIRS
）
效测地
讥刘
河
的气
冋
Landsat-8
2017
林
火灾
,
时效地监测森林火灾对于林
，
灾
分类
，
地
火扑救林灾后修
森林火灾监测的
重要
叭目
基于
感器网络的森林
测量
GF-2
分类精度能达到
85%
NDTI
分类
，
结
火灾
系统比可
火
叫
TDLAS
技术旳
的传感
。
基于
MODIS
作为
的森林火灾监测
a7b
。
遥感技术的
，
，
对火
90%
。
Jang
收稿日期:
2020
-
06
-
05
；
2020
-
10
-
14
修回
基金项目:
河南工程学院博士基金项目
（
项目编号:
D2017008
）
作者简介:
李天驰
，
男，
本科在读，
专业为遥感科学与技术。
：
*********************.
★
通信作者
:
杨福芹
，
女，讲师
，
博士,主要从事农业定量遥感研究
°
:
*********************
50
南
方
林业科学
第
48
卷
等⑹利用对地静止卫星向日葵
8
号
(
Himawari-8
)
获取
韩国境内影像数据
,
并通过自适应阈值预处理
、
随机
森林算法检测及检测结果后处理
3
个过程对森林火
灾进行检测
，
结果表明该综合算法检测火灾精度达到
93.08%
。
现有研究多通过图像分类技术对森林火灾进行
监测
,
而将燃烧指数和植被指数等用于森林火灾受损
评估的研究较少
。
鉴于
利用
分
较高
的
Sentinel-2
卫星获取四川木里县森林火灾
.时
及
后的影像
,
通过计算燃烧指数与植被指数对
森林受损情况进行初步分析
，
后利用遥
监测
法
火烧
影像图
，
后
据燃烧
的植被
指数值对森林受损情况进行分分析
，
检
分
卫星用于森林火灾监测的
行
,
后植被
、
林
理
指
据
。
1
数据获取与分析方法
1.1
研究区介绍
自
于中国四川省凉山彝族自治
州
，
地理坐标范围
27
o
40"
-
29
o
10"
N
,
100°03"
—
101
。
40"
E
处
，
1
500
m
以上
，
其地理
图
1
2020
3
28
日
19%30
，
与
处
的
森林火灾
，
随后
并
随
向
，火
与
，
、
现火情
仅对木
侧火情进行研究
，
研究
理
27050"
-
28010
"
N
，
100
°
10
"
—
100
。
40
"
E
o
图
！
木里藏族自治县地理位置及林火当日部分卫星图
Fig
%
1
The
geographical
location
of
Tibetan
Autonomous
County
of
Muli
and
partial
satellite
image
of
the
day
of
the
forest
fire
1.2
卫星影像数据及其预处理
Sentinel-2
系列分为
2A
和
2B
两颗卫星,分别于
2013
年和
2017
由欧洲航天局发射
单颗卫星
重访周
10
d
，
经过两星互补,重访周
缩短至
5
do
Sentinel-2A
和
2B
均搭载
分
多光谱成像
仪(
Multispectral
Instrument,
MSI
),
包含
13
个光谱波
段,其中第
2
至
4
波段为可见光蓝
、
绿和红波段
，
分辨
10
m
；
第
8
和
8A
波段近红波段
，
分
分
别
10m
、
20m
;第
10
至
12
波段
短波红
波段
，
第
10
波段分
60
m
,
第
11
至
12
波段分辨
20
m
获取的卫星数据均来自欧洲航天局哥白尼
计划开放访问中心
(
/
/
首
先下载
2020
3
30
日木里县森林火灾
的
卫星影像
，
随后为研究火灾
后
林受损情况
，
避免
跨度过长
、
植被生长变化引起森林覆盖
较改
，
以
2019
12
1
日起始日
，
影
像内云覆盖量小于
20%
条件
，
查询检索至
2020
二
5
5
日的有研究影像
终选定影像相关信息
见表
1
。
获取的卫星影像产品级别为
Level-1C
(
L1C
),
是经正射校正和亚像元几何精校正后的大气表观
反射产品
。
使用
Sen2Cor
对
影像进行射
定
和
气校正
，
得到
Level-2A
(
L2A
/
别影像
。
对
校正后的图像进行重
，
ENVI
别
的数据类
表
！
获取的卫星影像信息
Tab
%
1
Obtained
satellite
image
information
卫星类型
MGRS
编号
~
云覆盖量
/%
2019-12-01
Sentinel-2B
47RQL
0.07
47RQM
6.39
2020-03-30
Sentinel-2B
47RQL
0.27
2020-04-14Sentinel-2A
47RQL
10.36
47RQM
14.26
1.3
分析方法
1.3.1
燃烧指数与植被指数
燃烧指数是选取对火
燃烧
的波
段
，
通过波段算强燃烧
与未燃烧
的对
比
,
从而评估燃烧程度
#
9
$
选取燃烧面积指数
［
10
］
(
Burn
Area
Index,
BAI
)
和归一化燃烧指数
［
11
$
(Normalized
Burn
Ratio,
NBR
)
作为燃烧指数
，
计算公
(1)(2)
。
植被指数是反植被覆盖度的重指
［
12
$
,
少大气对植被指数的影
，
Kanfman
等
［
13
$
提出了大气修正植被指数
(
Atmospherically
Resistance
Vegetation
Index,
ARVI
)
,
计算公式如式⑶
。
在大气修
正植被指数
，
！
光
，
情况下取
1
多数研究应用
［
14
$
。
对于燃烧
,
BAI
越
,
NBR
小
，
明燃烧程度
重
，
ARV
I
越
小明植被
x
损程度
。
BAI
二
--------
1
---------------
(1)
(0.1Red)
2
+(0.06-NIR)
2
第
6
期
n
#$_NIR-SWIR
李天驰等:基于
Sentinel
—
2
影像的四川木里森林火灾监测
51
数选择
NBR
—
NIR+SWIR
AR®"!
席
⑵
择
数
，
数
(Burn
Index)
，
手动
对应波段
，
用
Otsu's
算法
动获
⑶
取分
，
最后
的变化检测
$
其中式⑶中
RB=Red-y
(Blue-Red)
。
Red
%
Blue
%
nir
和
swir
分别表示红波段
、
蓝波段
、
近红外波段
2
结果与分析
2.1
林火发生时受灾情况分析
对获取的
3
2
。
为
和短波红外波段的地表反射率
。
30
影像分
处
1.3.2
遥感动态监测
遥感动态监测技术多用于识别地表变化信息
，
在
生态环境变化监测中尤为重要
[15]
$由于获取的遥感数
于显示
，
对
2a
进行对比
较为
感
，
理
，
方
为直方
化方
Equalization)
。
由
近红
于短波红外波段对
的
外波段(
BRA)
进行
据时间不同,
Y
大气条件等因素影响
,
因此需对获取
将
Sentinel-2
卫星影像的短波红外(
B12
%
B11
到的遥感影像先进行预处理
。
影像变化信息检测方
，
到
2a
示的波段
(
为
，
用
ENVI
测工
法包括直接比较法
、
分类后比较法和直接分类法
$
[1:9
。
中红
测
线
数
，
直接比较法是最为常用的方法
，
其主要思
是直接对
到近
15
km
。
对
影像进行燃
不同
间的遥感影像进行波段
变
处理,
2b
%
2c
示
。
由
2b
B]
，
获取变化
$
直接比较法的主要方法
像
/
比
法
、
光谱曲线比较法等
[17]
$本文选用
envi
，
的
BAI
值较大
，
在图像中示为较亮的
，
由
2c
的
NBR
，
在图
中
Im?@e
Change
Workflow
工具,在变化检测方法中选
像中
示为较
的
。
图
2
3
月
30
日火灾地区影像分析
Fi$
・
2
Image
analysis
of
the
fire
area
on
March
30
注
：
a:
短波红外与近红外波段合成图像;
buBAI
c:NBR
计算结果
。
Note:
a:
short
wave
infrared
and
near
infrared
band
composite
image;
b:
calculation
result
of
BAI;
c:
calculation
result
of
NBR.
2.2
林火发生前后受灾情况对比分析
2.2.1
灾后情况分析
获取的
4
提供依据
。
2.2.2
山林受损情况分析
14
化
。
由
3a
后的
影像分析
处理
，
方
为评估山林受损情况
，
将
2019
年
12
1
影像
3
。
对
3a
进行了对比
为直方
作为第一时相数据
、
2020
年
4
月
14
影像作为第二
时相数据导入
Image
Change
Workflow
工具进行变化
检测,后经过掩膜
、
，
后的
示为蓝
。
用
影
在红外短波
近红外波段
影像
示为红
，
等处理得到
的
ARVI
影像
。
利用
ENVI
统工
到
ARVI
变化情况
，
根据直方选取
ARVI
变化
像
ARVI
，
3b
。
由
，
的
ARVI
比其
表
，
显示为
的
ARVI
。
比
，
后的
BAI
，
同
的
3
个节点
：
0.419R
、0.6542
、
0.7213
。
为了便于分析
Y
情况
，
对
不
同
，
重
ARVI
影像进行密分
，
的
ARVI
比
设置
3
间:
ARV
I
差值小于
0.4198
的为
Y
损区
数结果见图
3c
%
3d
，
与
3
月
30
日火灾现场的
BAI
和
NBR
，
在影
域
；
ARV
I
差值范围在
0.4198
〜
0.6542
内的为轻度
Y
损区域
；
ARVI
差值在
0.6542
〜
0.7213
内的为中度
Y
损
ARVI
大于
0.7213
的为重
Y
损
Y
损情况分
4
示
。
对密分
像
地
较
对比
。
同时由
3d
的
NBR
较低
，
为后遥感动态监测
。
进行统
52
a
101°10r
0
n
E
101°20'0
”
E
南
方林
业科学
101°30'0
HE
第
48
卷
b
101°10'0
”
E
101°20
r
0
H
E
101°300'E
图
3
4
月
$4
日火灾地区影像分析
Fig
$
3
Image
analysis
of
the
fire
area
on
April
14
注
：
h
:
短波红外与近红外波段合成图像;
b:ARVI
计算结
c:BAI
计算结果
;d:NBR
计算结果
Note:
a:
short-wave
infrared
and
near-infrared
band
composite
images;
b:
calculation
result
of
ARVI;
c:
calculation
result
of
BAI;
d:
calculation
result
of
NBR
计分析
，
利用像元数与分辨率计算每个
0
损区域的面
定误差
叫本文利用空间分辨率为
10
m
的
Sentinel-2
［
积
。
结合图
4
分析可得
，
轻度
0
损区域所占面积最大,
卫星对
林火灾进行
测
，
结
卫星搭载的多
约占总
0
损面积的
65%
。
中度
0
损区域所占面积最
小
，
约占总
0
损面积的
14%
o
重度
0
损区域约
光谱传感器中
，
对
较感对
物较敏
感的近红外
、
短波红外波段可用于
林火灾火
检测
及
0
损分析
。
结合
占总
0
损面积的
21%
o
101°15'0
”
E
像的大气
林
0
损
101°25'0
”
E
101°35'0
”
E
数差
结
，
可较为
况
。
其中轻度
0
损区域约占总
0
损区域面积的
65%
，
多分
于
区域
，
中度
0
损区域面积最小
，
/
e
受损情况
■轻
度受损
■
中度受损
■重
度受损
重度
0
损区域多
中于
区域中
，
结
测是可行的
。
用
搭载多光谱传感器的卫星
像数
进行
林火灾
但是本研究还存在一些不足之处
,
Sentinel-2
卫
星的重访周期为
5
d
，
以
对火
进行
101
150
。
虫
101°25'0
”
E
101°35'0
”
E
图
4
山林受损情况分析
监测
。
研究
对林
0
损
分析进行验
，
以
测
用
高空间分辨率的卫星
高分
像数
对分析结
进行
度
o
参考文献
：
Fi#
・
4
Damage
analysis
of
forests
3
讨论与结论
目前利用遥感技术进行林火检测的研究多以
MODIS
、
NOAA
等高光谱气象类型卫星为主
［
18
-
19
］
,
这些
［
1］
田晓瑞
，
代玄
,
王明玉
,
等
.
多气候情景下中国森林火灾风险评
估
［
J
］
.
应用生态学报
,2016,27(3)
:769-776.
卫星所搭载的传感器光谱分辨率高
、
重访周期短
，
但
是其空间分辨率较低
，
对火灾发生区域的检测会有一
［
2］
李光辉
,
赵军
,
王智
.
基于无线传感器网络的森林火灾监测预
警系统
［
J
］
.
传感技术学报
,2006(
6):2760-2764.
第
6
期
李天驰等:基于
Sentinel-2
影像的四川木里森林火灾监测
53
[3]
羿宏雷
.
森林防火气象站在森林火灾预警中的应用
[J]
.
林业
劳动安全
,
2009,22(
3):36-35.
株氮含量高光谱估算
[J]
.
农业工程学报
,2016,32(23):161
-
167.
[13]
Kanfman
Y
J,
Janre
D.
Atmospherically
resistant
vegetation
[4]
张佳薇
，
张红丽
,
李明宝
.
基于
TDLAS
早期森林火灾检测系
统
[J]
.
森林工程
,2013,29(2)
+139-142.
index(ARVI)
for
EOS-MODIS[J].
IEEE
Trans
Geosci
Remote
[5]
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.
Sens,
1992,
30(2):
261-270.
[14]
超
,
,
小
,
等
.
基于
Landsat
8
OLI
影像的
[6]
刘树超
，
陈小中
,
覃先林
，
等.内蒙古毕拉河林场森林火灾受害
程度遥感评价
[J]
.
林业资源管理
,2018
⑴
+90-95,140.
木河下游河岸林叶面积指数反演
[J]
.
干旱区地理
,2014,37
(6):1248-1256.
[15]
超亮
，
吴玲
，
刘丹
，
等
.
干旱荒漠区生态环境质量遥感动态
[7]
赵文化
，
单海滨
,
钟儒祥
.
基于
MODIS
火点指数监测森林火
灾
[J].
自然灾害学报
,2008(
3):152-157.
监测
—
—
以古尔班通古特沙漠为例
[J].
应用生态学报
,
[8]
Jang
E,
Kang
Y,
Im
J,
et
al.
Detection
and
Monitoring
of
Forest
Fires
Using
Himawari-8
Geostationary
Satellite
Data
in
2019,30(3):877-883.
[16]
张银辉
,
.试论土地利用遥感动态监测技术方法
[J].
South
Korea[J].
Remote
Sensing,
2019,
11(3):
271-296.
[9]
马建行
，
宋开
，
温志丹
，
等
.
基于
Landsat
8
影像的不同燃烧
指数在农田秸秆焚烧区域识别中的应用
[J]
.
应用生态学报
,
土资源科技管理
,2001(3):15-1
&
14.
[17]
邓书斌
.ENVI
遥感图像理方法
[M].
北京
:
高等教育出版
社
,2014.
2015,26(11):3451-3456.
[18]
,
,
张
,
等
.
基于
MODIS
数
的森林火
[10]
Mart
i
n
M.
Cartograf
i
a
e
inventario
de
incendios
forestales
en
la
Pen
i
nsula
Iberica
a
partir
de
im
a
genes
NOAA
AVHRR
卩].
分异规律研究
[J].
光谱学与光谱分析
,2013,33(9):2472
-
2477.
[19]
赵彬,赵文吉
，潘军
，
等
.NOAA-AVHRR
数据在吉林省东部
林火信息提取中的应用
[J]
.国土资源遥感
,2010(1):77-80.
SvrteGeogrAfIca,
1998,
7(1):
109-128.
[11]
L
o
pez
-Garc
i
a
M
J
,
Caselles
V.
Mapping
burns
and
natural
reforestation
using
thematic
Mapper
data
[J].
Geocarto
[20]
杨光，
宁吉彬,舒立福
，
等
.
大
点预报森
International,
1991,
6(1):
31-37
.
林火灾准确性研究
[J]
.
北京林业大学学报
,2017,39(12):1-9.
[12]
杨福芹
，
戴
阳
,
冯海宽
，
等
.
基于赤池信息准则的冬小麦植
(上接第
28
页)
京林业大学学报
(
自然科学版
),2009,33(5):55-59.
[22]
Peleg
Z,
Blumwald
E.
Hormone
balance
and
abiotic
stress
tolerance
in
crop
plants[J].
Curr
Opin
Plant
Biol,
2011,
14(3):
[13]
胡晓健
,
欧阳献
,
喻方圆
.
干旱胁迫对不同种源马尾松苗木
生长及生物量的影响
[J].
江西农业大学学报
，
2010,32(3):
290-295.
[23]
510-516.
[14]
梁建生
，
张建华
.
周期性土壤干旱和叶片水势对气孔响应木
质部
ABA
灵敏度的影响
[J]
.
植物学报
,1999,41(8):855-861.
,
叶
.
干
胁迫对植物
响
[J]
.防护林科技
,2016(5):64-66.
性
量的影
[24]
Ha
S,
Vankova
R,
Yamaguchi
S
K,
et
al.
Cytokinins:
metabolism
and
function
in
plant
adaptation
to
environmental
stresses[J].
Trends
Plant
Sci,
2012,
17(3):
172
179.
[15]
张志良
，
瞿伟菁
,
李小方
.
植物生理学实验指导
[M].
北京
:
高等
教育出版社
,2009.
[16]
路之娟
,
张永清
,
张楚
.
干旱胁迫对不同苦养品种苗期生长
生理
的影响
[J]
.
西北植物学报
,201
&
38
(1)
:112-
[25]
松
,
.
水
胁迫对
叶片
源
含量的影响
[J].
物学报
,1999,20(3):31-35.
120.[26]
Zawaski
C,
Busov
V
B.
Role
of
gibberellin
catabolism
and
signaling
in
growth
and
physiological
response
to
drought
[17]
刘建兵.干旱胁迫对马尾松苗木脯氨酸及游离氨基酸含量
的影响
[J].
湖南林业科技
,2017,44(1)
:14-18.
and
short-day
photoperiods
in
Polulus
trees[J].
Plos
One,
2014,
[18]
敖红
，
王.干旱胁迫
源
的响应及其气孔调节
9(1):
e86217.
[27]
王
,
[28]
,
林
,
等
.
土壤
水
胁迫
植物
源
[J].
林
,2011,29(3):28-34.
[19]
Wang
C,
Yang
A,
Yin
H,
et
al.
Influence
of
water
stress
on
endogenous
hormone
contents
and
cell
damage
of
maize
的变化
[J]
.新疆农业大学学报
,
2000,23(4):41-43.
,
张
,
,
等
.
干
胁迫
叶片
种
seedlings[J].
J
Integr
Plant
Biol,
2008,
50(4):
427-434.
[20]
,
,
大
,
等
.
干
胁迫对
苗生长
源激素含量的影响
[J].
生态环境学报
,2013,22(7):1136
-
源激素的变化
[J]
.华北农学报
,2008,23
⑶
:81-84.
[29]
杨帆
，
苗灵凤
，
晓
，
等
.
植物对干旱胁迫的响应研究进展
[J].
应用与环境生物学报
,
2007,13(4):586-592.
1140.
[21]
李
,
建
,
张
,
等
.
干旱胁迫对
建
苗内源
的影响
[J].
物学报
,2014,35
(6):
[30]
马文涛
，樊卫国.不同种
[31]
周
,
,
的抗旱性及其与内源激素变
化的关系
[J]
.
应用生态学报
,
2014,25(1):147-154.
娟
,
等
.
干
胁迫对苗期木
源
含
1143-1147.
量的影响
[J].
干旱地区农业研究
,2013,31(5):238-244.
发布者：admin，转转请注明出处：http://www.yc00.com/web/1712074335a2000917.html
评论列表（0条）