不同空间尺度的内蒙古森林火点及面积分布格局研究

通过选用空间变异性分析(变异系数)、全局空间自相关分析、热点分析和尺度方差分析等方法,研究1981—2020年内蒙古森林火点及面积在盟市和旗县2个空间尺度上分布的变异性、关联性及尺度效应。结果表明:盟市尺度林火面积变异系数总体呈上升趋势;旗县尺度林火面积变异系数总体呈下降趋势,旗县尺度空间变异性更大。40 a全局森林火点Moran's I指数为0.99,双空间尺度Moran's I指数均呈下降趋势。其中,盟市级别最大值在1991—1995年,为0.46;旗县级别最大值在1986—1990年,为0.61。双尺度森林火点在空间上均呈现高度聚集性。旗县级尺度更显著地展示了森林火灾的空间分布差异及较小区域的森林火灾热点类型;盟市级尺度揭示了森林火灾的总体空间分布规律,热点类型明显缺乏多样性。盟市尺度热点区主要分布在呼伦贝尔市、兴安盟,冷点区不明显。旗县尺度均存在热点聚集区,林火发生水平较高。不同空间尺度的尺度方差表现为旗县>盟市,旗县级尺度林火面积差异对全内蒙古自治区的总体差异贡献率远超过盟市尺度。1981—2020年林火面积在双空间尺度呈现一定的分布规律,火点空间聚集性呈减弱趋势,森林火点与林火面积之间不完全呈正相关关系。内蒙古东部地区由于自然因素和人为因素造成火灾发生次数高于中西部,相关部门应继续加大防火力度。随着尺度的减小,林火空间分布模式愈加明显、聚集度增强,未来需进一步缩小研究范围。

基于卫星火点排放清单(FINN)的我国东北三省生物质户外燃烧网格化清单建立及时空演变特征分析

生物质户外燃烧是影响环境空气质量的重要污染源,东北三省作为我国的重要农业产区,分析其生物质户外燃烧情况能够为当地秸秆资源综合利用和环境质量改善等提供依据.该研究基于卫星火点排放清单(Fire INventory from NCAR,FINN),分析了我国东北三省2016-2020年生物质户外燃烧火点的时空分布特征,结合空气质量监测数据进行了重污染天气成因分析,并建立了可用于数值模拟的生物质户外燃烧源网格化清单.结果表明:①东北三省2018-2019年火点数量较2016-2017年大幅减少,2020年有所增加.年内火点主要出现在春秋两季,春季相对更多.火点主要分布在东北平原,即黑龙江省的东部和西部,以及吉林省西部等,其他地区火点数量相对较少,呈零散式分布的特点.②该研究搭建了东北三省2016-2020年生物质户外燃烧源网格化清单,清单空间分辨率为3km,污染物种类包括SO_(2)、NOx、CO、NMVOC、NH_(3)、PM_(10)、PM_(2.5)、BC和OC等,2016-2020年污染物排放量总体上呈下降趋势,2020年NOx、SO_(2)、PM_(2.5)和PM_(10)的排放总量分别为3479.81、13418.5、215702.87和235495.21 t.③将2019年和2020年生物质户外燃烧污染物排放数据与空气质量数据进行时间拟合,发现部分城市在两个年份的春季秸秆集中燃烧时段均发生了重污染天气事件,且大气污染物浓度峰值与生物质户外燃烧排放污染物峰值出现的时间一致.研究显示,近年来东北三省生物质户外燃烧管控工作成效明显,大气污染物排放量总体上呈下降趋势,但仍然是东北三省部分城市春季发生重污染天气事件的重要原因之一,对部分生物质户外燃烧污染物排放量较大的城市应进一步严格秸秆禁烧等防控措施.该研究建立的生物质户外燃烧源网格化清单,可以更好地服务于区域空气质量数值模拟研究,应用在大气污染成因分析等多个方面,为制定更为精准的大气污染防治措施提供技术支撑.

传统法与深度学习级联结合的近实时火点监测

针对山火监测精度和时效性不足的问题,提出一种级联传统法的多通道卷积神经网络(Multichannel Convolutional Neural Network,MCNN)近实时火点监测算法。首先,结合最大类间方差和空间上下文法,利用背景亮温空间信息差异筛选出潜在火点。然后,采用集成学习思想构建三个卷积神经网络通道,各通道分别输入光谱信息、空间上下文信息及时间地理信息特征的不同组合,同时,通过粒子群优化算法搜索各通道的最佳权重,获取三个通道的火点联合预测概率,实现火点准确识别。结果表明,相比于单通道卷积神经网络(Convolutional Neural Network,CNN)模型,MCNN精确度达到0.88,漏报率降低0.16,并且较日本气象厅官方产品漏报率降低0.06,且实验中模型运行平均耗时172 s。因此,文章提出的MCNN模型可实现较高精度的近实时火点监测,为火灾应急处理提供科学依据。

基于FY-33D/MERSI-Ⅱ和Terra/MODIS数据的森林火点提取算法——以我国西南地区为例

中国西南地区森林覆盖率高,土地利用类型多样,人类活动频繁,森林火灾风险较高,防火任务十分艰巨。遥感技术具有覆盖范围广和周期性监测等优势,被广泛应用于森林火灾监测。气象卫星搭载了对火灾敏感的红外谱段传感器且时间分辨率较高,已成为森林火灾监测的重要遥感数据源。物理阈值法是遥感数据火点提取中比较成熟的算法,但其精度受所选阈值的影响较大,导致不同区域的火点提取精度存在差异。以中国西南地区的重庆市为例,提出了一种采用FY-3D/MERSI-Ⅱ和Terra/MODIS极轨卫星数据作为数据源进行森林火点监测的算法。首先,通过分析前一年MOD14监测产品的历史数据,确定该地区的初定火点阈值;随后,消除云层、水体和太阳耀斑的干扰;最后,采用上下文背景阈值法进行火点提取。对2022年8月重庆市山火的分析表明,该算法的火点提取平均准确率超过了90%。研究结果表明,根据区域特点调整阈值可以提高该地区火点监测的准确率。

2014—2021年南北方典型区域森林火点动态变化特征

本文以黑龙江省和广东省为代表,基于2014年到2021年的森林火点数据,运用全局空间自相关分析、点密度分析和标准差椭圆等空间统计方法,对我国南北方森林火点的时空分布模式和特征进行分析,然后分析森林火点发生次数多的海拔高度.结果显示:两省全年森林火点年际变化呈下降趋势,森林火点有明显的季节性特征,与季节性特征对应,林火的月变化情况均呈双峰式分布;两省森林火点分布在空间上具有较高的异质性,黑龙江省森林火点主要集中在黑龙江省的中部区域,而广东省的森林火点在西北部和西南部区域分布最多,与森林火点分布高密度区一致;两省森林火点分布呈现显著的空间集聚性,且聚集程度较高,黑龙江省集聚程度降低,在空间分布上的依赖性减弱,广东省空间集聚程度提高,森林火点在空间分布上的依赖性增强;黑龙江省森林火点分布方向呈西北—东南方向,森林火点重心总体向西北方向偏移.广东省方向呈东北—西南走向,森林火点重心总体向西南方向移动.两个省份森林火点分布范围都有下降的趋势.

室内火灾高浓度烟雾环境火点增强识别仿真

火灾火点在形态上均具有不确定性,尤其在高浓度烟雾火灾环境中火点还具有随机透明度,易与图像的背景部分混合,导致火点位置识别难度较高。为此,提出室内火灾高浓度烟雾环境火点增强识别方法。对高浓度烟雾图像去噪、锐化以及分割处理,完成目标区域轮廓的提取。基于此,提取目标轮廓并对其增强,获取目标区域中火点的特征向量,结合孪生支持向量机对火点特征展开分类,实现室内火灾高浓度烟雾环境的火点的精准识别。实验结果表明,上述方法的火点识别精度高于98%,耗时低于210ms,且能够有效提取火点目标特征,证明了研究方法的应用效果更好,可靠性更高。

基于遥感技术的新疆巴州火点的特征及其成因分析

通过对遥感影像解译和数据分析,获得了巴音郭楞蒙古自治州(以下简称巴州)近10年火点的时空分布特征及变化趋势,月际变化3月份火险频次最多,12月份最少;季节变化春季最多,冬季最少,年际变化整体呈现波动减少趋势,递减99次/a左右,在2015年有一个突变点,且通过了0.05的显著性检验;地域变化上和静县境内发生火险频次最多,若羌最少;区域变化上北部最多,南部最少,中部位于其次,历年着火面积亦呈现减少的趋势。

GEE平台支持下内蒙古实时中高空间分辨率森林火点监测

森林火灾是森林三大自然灾害之一。为实现对森林火灾的监测,文章以内蒙古自治区为研究区域,基于GEE平台中的Landsat8数据集和Sentinel2数据集通过常规判定方法和机器学习方法分别提出了森林火点的监测方法,确定了2种影像火点判定的最佳阈值。经历史地表火点验证,常规判定方法、随机森林方法和支持向量机模型判定Landsat8影像的准确率分别为98.0%、98.5%和98.0%,判定Sentinel2影像的准确率分别为95.5%、97.5%和97.0%,均可用于内蒙古自治区的森林火灾监测。建议通过GEE平台的API接口,研发实时森林火点监测系统,对森林火点进行实时监测,降低林火损失。

2017年春季辽宁省秸秆焚烧火点遥感监测分析

简述了常用于监测秸秆焚烧火点的遥感数据源和监测原理,采用MODIS和VIIRS 2种数据对2017年辽宁省春季秸秆焚烧火点进行监测分析。结果表明,沈阳监测到的火点数量最多,占全省总数的28.0%,本溪最少;采用VIIRS数据监测到的火点数明显多于MODIS数据的监测结果。

利用改进型MODIS火点探测算法实现河北省秸秆焚烧火点识别

为准确地了解河北省秸秆焚烧火点的空间分布,为秸秆焚烧监测的实现、禁烧工作的开展、环境质量改善提供支持.基于MODIS L1B数据、MODIS标准火点产品MOD14、全国秸秆焚烧火点日报数据为基础,采用改进型MODIS火灾探测算法,并通过IDL语言实现,得到秸秆焚烧火点空间分布信息,并进行空间与定量精度分析.研究表明:火点大部分位于河北省南部的一些地区,其中尤以邢台、石家庄、邯郸火点数量最为突出;该算法运算速度快,获取的秸秆焚烧火点数据具有一定检测精度和可靠性,对秸秆焚烧的监测具有一定的实用价值.

基于观测几何的环境卫星红外相机遥感火点监测算法

MODIS V4算法在观测天顶角较大或太阳天顶角较大时会出现火点漏判现象,针对这个问题,通过数值模拟的方法分析了由明火与背景地物组成的火点像元的亮温在不同观测几何条件下的变化,并在MODIS V4算法基础上提出了针对环境卫星红外相机的基于观测几何的遥感火点监测算法.通过高分辨CCD数据建立烟羽掩码对多景环境卫星火点监测结果进行了验证.与MODIS火点产品对比,环境卫星在火点定位以及小面积火点识别方面具有优势.

基于MODIS数据的火点信息自动提取方法

火点自动识别是提高火灾遥感监测响应速度的关键。MODIS是第一个在仪器特征参数设计上考虑了火灾监测需求的卫星。大兴安岭地区地处草原草甸和森林交界地带,火灾频繁。以大兴安岭地区为实验区,基于马里兰大学提出的MODIS数据火灾监测算法,按照我国的地理环境和植物燃烧条件进行修正,构造了火点信息自动提取模型,形成了从图像预处理到火点自动提取的技术流程。火点信息自动提取产品有火点和异常高温点,火点提取精度达到90%以上。模型适合日间火灾监测。影响火点自动提取精度的主要是因为:图像边缘对探测值产生影响;云覆盖使辐射无法透出;烟羽的影响,使辐射降低。

基于MODIS数据的河南省秋季作物秸秆焚烧火点监测研究

利用MODIS热异常产品数据,提取河南省秋季作物收获期的秸秆焚烧火点信息,经过初步筛选和地面验证,分析该时段内秸秆焚烧火点数量及时空分布格局,以期对政府为控制秋季秸秆焚烧采取的约谈措施进行效果评价。结果表明,利用MODIS热异常产品数据提取的河南省秋季作物收获期秸秆焚烧火点的准确度可达86.54%,能准确反映河南省秋季作物秸秆焚烧火点的空间分布与发展态势。河南省2015年秋季作物秸秆焚烧火点主要集中在豫中、豫东、豫南地区,尤其是周口、驻马店、南阳、信阳、开封等市,5个地区的秸秆焚烧火点总数占到全省秸秆焚烧火点总数的79.90%。2015年河南省秋季作物秸秆焚烧主要发生于9月27日至10月20日共24 d,整体表现平—增—减—平—增—减的趋势。河南省政府针对秋季作物秸秆焚烧采取政府约谈措施之后,秸秆焚烧火点数量大大减少,整体干预效果明显。利用遥感监测技术可对作物秸秆焚烧进行动态监测,为各级监管部门及时提供大范围内的秸秆焚烧信息,也为加强秸秆焚烧监控提供了可靠依据。

基于类间方差的MODIS森林火灾火点检测方法

提出一种基于火点与背景的类间方差和烟雾掩膜的红外光谱火点检测算法。该算法的潜在火点判定阈值设为305K,再利用MODIS热红外光谱通道亮温数据的类间方差值将森林火灾火点从背景中区分出来,并对低温闷烧火点采用烟雾掩膜进行识别。应用该算法对福建省和黑龙江地区的林火数据进行探测处理,与传统MODIS火点检测方法比较分析表明,该算法使用简单高效,在不同环境适应性较强,可以更准确地检测到高温明火点和一些低温闷烧火点,降低了火点的误报率和小火点的漏报率,检测效果更理想。

基于烟羽掩膜的森林火点MODIS探测方法研究

针对MODIS的林火探测算法第四版区域适应性差的不足,利用基于热带雨林特性的潜在火点判定阈值和基于烟羽掩膜的自适应窗口调节技术,对第四版算法进行了改进.烟羽掩膜有利于辅助火点探测,而调整阈值则能改善火点探测的敏感性.根据热带雨林地区森林火灾的特点,潜在火点判定阈值在无烟羽区设为306K,在烟羽掩膜区设为295K.烟羽掩膜可以有效圈定背景像元的范围,增加自适应窗口空间统计分析的约束条件,减少由于降低烟羽掩膜区潜在火点判定阈值而引起的噪声.应用实际火点数据对两种算法进行了比较验证分析.结果表明改进算法后提高了对低温小火点和大扫描角火点探测的敏感性,增强了热带雨林地区的火点探测能力和探测精度.

一种增强的基于上下文火点遥感影像识别方法

传统的火点遥感影像识别方法大多采用阈值法,但阈值的选择受区域、季节以及云天状况等多种因素的限制,因而在实际监测中往往效果不佳。针对这些问题,提出了一种增强的基于上下文信息的火点遥感影像识别方法,考虑了火点与其相邻像元之间的内在联系,在火点背景像元的确定及真实火点的判据选择等方面做了改进,在此基础上确定一组火点判据。该方法基本不受区域、时间等因素的限制,对面积较小的火点识别较为敏感,在实验中取得了较好的效果。

基于MODIS火点指数监测森林火灾

在利用MODIS红外辐射遥感数据分析异常热点光谱辐射特性的基础上,提出了一个新的火情监测模型归一化差异火点指数,并通过几起较大的森林火灾对该模型进行了分析和验证,给出了该监测模型的详细算法。EOS-MODIS探测器具有多光谱、高光谱及热点监测动态范围宽的特点,MODIS的新一代多光谱探测器NPOESS NPP VIIRS同样继承了MODIS的优势,为归一化差异火点指数算法模型提供了广阔的应用前景。

基于神经网络的气象卫星影像森林火点自动识别的试验研究

森林火点的识别是利用气象卫星资料监测森林火灾的基础。传统的目视解译火点识别法难以实现计算机的自动识别 ,神经网络技术为解决这一问题提供了新的工具。作者探讨了应用神经网络实现气象卫星影像森林火点自动识别的技术方法 ,并在湖北省地理范围内进行了试验。试验结果显示 ,经过训练的神经网络能够记忆火点的特征 ,具备将森林火点从气象卫星影像中识别出来的能力。与目视解译法相比 ,神经网络方法的精度接近目视解译法 ,最重要的是实现了森林火点的自动识别。

华北平原秸秆焚烧火点的MODIS影像识别监测

本文利用Terra/MODIS 1B级数据,基于火点像元亮温特征及其与背景亮温的偏差来提取华北平原秸秆焚烧火点信息。文中采用MODIS 1B 500m分辨率下的第1、4、3波段反射率产品进行RGB合成,基于GIS平台叠加火点信息和地理基础数据生成华北平原5省2市秸秆焚烧火点分布图。本文结合火点分布图对研究区2007年6月17日和18日的火点数目进行了统计:结果表明,河南、河北地区的火点较多,山东、河南等境内火点数目分布区域有较大扩展。通过遥感监测秸秆焚烧信息,可为环境监测部门提供环境监测数据;同时能提高秸秆焚烧预警和日常监控能力,兴利保护生态环境。

MODIS数据自适应火点检测的改进算法

在MODIS火点检测算法基础上提出一种自适应火点检测的改进算法,并对改进算法进行的构建详细描述。改进的算法按照直方图统计来选择进行非火点排除的中红外通道亮温阂值,利用背景像素相对增温法判断疑似火点,提高了火点的识别能力。另外改进算法对云覆盖下的火点也有一定的识别能力。选择中国小火点发生频繁的广东地区进行改进算法的检验,结果表明火点检测效果理想。