地形及NDVI在林火遥感监测二次识别中应用的方法探讨

doi:10.6046/zrzyyg.2021142

摘要
图/表
参考文献
相关文章
Metrics

全文: PDF(5542 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

挖掘归一化植被指数(normalized difference vegetation index,NDVI)及地形因素在地表分类中具有指示意义,其结果可很好地应用于特定场景。利用2002—2020年AQUA/MODIS NDVI及地形指数(高程及坡度)提取重庆地表分类信息,将重庆地表分为林地、草地、果园、旱地、水田、水体和建筑用地7类。基于重庆地形破碎致使农、林、草用地交错分布的特征及防火需求,将林地、草地、果园、旱地划分为林火关注区,水田、水体、建筑用地划分为非林火关注区。利用林火关注区分级结果对2002—2020年AQUA/MODIS监测热点、2014—2020年FY3-C/VIRR监测热点、2019—2020年FY3-D/MERSI监测热点进行二次识别。结果表明,单项地类提取结果,除旱地和果园等经济林区外,其余各地类提取精度在64%以上; 林火关注分区精度在86%以上。利用林火关注分区结果对遥感监测林火点进行二次识别,发现AQUA/MODIS监测的林火点中,46.27%的点在非林火关注区,FY3-C/VIRR和FY3-D/MERSI监测的林火点中,分别有26.47% 和11.76%的点在非林火关注区。对2021年5月1—2日林火遥感监测结果进行二次识别,AQUA/MODIS和TERRA/MODIS监测结果中,有81.08%的点落在非林火关注区,FY3-C/VIRR监测结果有71.4%落在非林火关注区。利用NDVI及地形指数提取复杂地形区域地表分类信息并应用于林火遥感监测二次识别,可有效降低复杂地形区域林火监测干扰信息,降低热点核实人力物力投入。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	陈艳英
	马鑫程
	徐彦平
	王颖
	汪艳波

关键词 ：归一化植被指数(NDVI), 地形指数, 林火, 遥感监测, 二次识别

Abstract：

The indicative significance of normalized vegetation index (NDVI) and terrain factors in land classification can be applied to specific scenarios. This study extracted the land classification information of Chongqing using the AQUA/MODIS NDVI and terrain indices (height and slope) of 2002—2020 and accordingly divided the land in Chongqing into seven types, i.e., forest land, grassland, orchard, dry fields, paddy fields, waters, and residential and building land, with the former three types being economic forest land. Based on the characteristics of broken terrain caused by the staggered distribution of agricultural, forest, and grassland, as well as the need for fire prevention in Chongqing, this study categorized the economic forest land and dry fields as concern areas of forest fires and categorized paddy fields, waters, and residential and building land as unconcerned areas of forest fires. The hotspots monitored using AQUA/MODIS in 2002—2020, FY3-C/VIRR in 2014—2020, and FY3-D/MERSI in 2019—2020 individually were re-identified based on the classification results of the concern areas of forest fires. The results are as follows. The extraction accuracy of individual land types (except for orchard and dry fields) was over 64%, and that of the concern areas of forest fires was over 86%. Based on the classification results of concern areas of forest fires, the forest fire points monitored using the remote sensing techniques were re-identified. The re-identification results showed that the 46.27%, 26.47%, and 11.76% of forest fire points monitored using AQUA/MODIS, FY3-C/VIRR, and FY3-D/MERSI, respectively were in unconcerned areas of forest fires. The forest fires monitored using remote sensing techniques on May 1-2, 2021 were re-identified, and 71.4%and 81.08% of forest fire points monitored using FY3-C/VIRR and both AQUA/MODIS and TERRA/MODIS, respectively were in unconcerned areas of forest fires. Therefore, extracting land classification information in complex terrain areas using NDVI and terrain indices and applying the extraction results to the re-identification of forest fires monitored using remote sensing techniques can effectively reduce the interference to forest fire monitoring in complex terrain areas, thereby minimizing the input of manpower and properties for the verification of hotspots.

Key words： NDVI terrain index forest fire remote sensing and monitoring re-identification

收稿日期: 2021-05-11 出版日期: 2022-09-21

ZTFLH:

TP79

基金资助:重庆市技术创新与应用发展专项“基于多源遥感的林火监测方法研究”(cstc2019jscx-msxmX0289);重庆市气象部门业务技术攻关项目“基于多源卫星数据的重庆林火遥感监测方法探究”(YWJSGG-202102);重庆市气象局2022年业务技术攻关项目“应用遥感产品改进重庆市森林火险气象条件预报技术研究”(YWJSGG-202204);中国气象局省所科技创新发展专项“重庆丘陵山地多源卫星遥感数据应用关键技术研究”(SSCX2020CQ)

通讯作者: 马鑫程

作者简介: 陈艳英(1974-),女,硕士,主要从事遥感及地理信息系统在地表监测及反演中的应用研究。Email: chenyanying1618@163.com。

引用本文:

陈艳英, 马鑫程, 徐彦平, 王颖, 汪艳波. 地形及NDVI在林火遥感监测二次识别中应用的方法探讨[J]. 自然资源遥感, 2022, 34(3): 88-96.
CHEN Yanying, MA Xincheng, XU Yanping, WANG Ying, WANG Yanbo. Methods for the application of topography and NDVI in re-identification of remote sensing-based monitoring of forest fires. Remote Sensing for Natural Resources, 2022, 34(3): 88-96.

链接本文:

https://www.gtzyyg.com/CN/10.6046/zrzyyg.2021142 或 https://www.gtzyyg.com/CN/Y2022/V34/I3/88

Tab.1 不同来源热点数量

Tab.2 不同土地类型采集的样区数

Fig.1 不同土地类型样地NDVI月趋势线及对应坡度/高程值

Fig.2 水体和建筑用地提取结果

Fig.3 农用地提取结果

Fig.4 草地、林地提取结果及林火关注区分类

Tab.3 单个地类准确度检验结果

Tab.4 林火关注区分类准确度检验结果

Fig 5 FY3-C/VIRR,FY3-D/MERSI及AQUA/MODIS监测高温点分布

Tab.5 监测高温点在2类林火关注区内的热点统计

Fig.6 FY3-C/VIRR,FY3-D/MERSI和AQUA/MODIS监测高温点二次识别后分布

Fig.7 2021年5月1—2日TERRA(AQUA)/MODIS,FY3-C/VIRR卫星高温热点监测结果

Fig.8 2021年5月1—2日TERRA(AQUA)/MODIS和FY3-C/VIRR卫星高温热点二次识别后结果

[1]	张剑. 林火监测与预警在森林防灭火中的运用[J]. 林业科技, 2021(2):165-166.
	Zhang J. Application of forest fire monitoring and early warning in forest fire prevention[J]. Forestry Technology, 2021(2):165-166.
[2]	覃先林, 李晓彤, 刘树超, 等. 中国林火卫星遥感预警监测技术研究进展[J]. 遥感学报, 2020, 24(5):511-520.
	Qin X L, Li X T, Liu S C, et al. Forest fire early warning and monitoring techniques using satellite remote sensing in China[J]. Journal of Remote Sensing, 2020, 24(5):511-520.
[3]	周利霞, 高光明, 邱冬生. 基于MODIS数据的火点监测指数方法研究[J]. 火灾科学, 2008, 17(2):77-82.
	Zhou L X, Gao G M, Qiu D S. Fire-monitoring method of FPI-NDVI based on MODIS data[J]. Fire Safety Science, 2008, 17(2):77-82.
[4]	马芮, 孙林, 袁广辉, 等. 可见光红外成像辐射仪数据林火识别算法研究[J]. 遥感信息, 2015, 30(4):37-42.
	Ma R, Sun L, Yuan G H, et al. Technology and method of forest fire monitoring using NPP VIIRS data[J]. Remote Sensing Information, 2015, 30(4):37-42.
[5]	覃先林, 易浩若. 基于MODIS数据的林火识别方法研究[J]. 火灾科学, 2004, 13(2):83-89.
	Qin X L, Yi H R. A method to identify forest fire based on MODIS data[J]. Fire Safety Science, 2004, 13(2):83-89.
[6]	张婕, 张文煜, 冯建东, 等. 基于亮温-植被指数-气溶胶光学厚度的MODIS火点监测算法研究[J]. 遥感技术与应用, 2016, 31(5):886-892.
	Zhang J, Zhang W Y, Feng J D, et al. An improved algorithm for forest fire detection:A study based on brightness temperature, vegetation index and AOD[J]. Remote Sensing Technology and Application, 2016, 31(5):886-892.
[7]	饶月明, 王川, 黄华国. 联合多源遥感数据监测四川木里县森林火灾[J]. 遥感学报, 2020, 24(5):559-570.
	Rao Y M, Wang H, Huang H G. Forest fire monitoring based on multisensor remote sensing techniques in Muli County,Sichuan Province[J]. Journal of Remote Sensing, 2020, 24(5):559-570.
[8]	Kaufman Y J, Tucker Q, Fung L. Remote sensing of biomass burning in the tropics[J]. Journal of Geophysical Research, 1990, 95:9927-9939. doi: 10.1029/JD095iD07p09927
[9]	Giglio L, Descloites J, Justice C, et al. An enhanced contextual fire detection algorithm for MODIS[J]. Remote Sensing of Environment, 2003, 87(2/3):273-282. doi: 10.1016/S0034-4257(03)00184-6
[10]	陈兴峰, 刘李, 李家国, 等. 卫星遥感火点监测应用和研究进展[J]. 遥感学报, 2020, 24(5):531-542.
	Chen X F, Liu L, Li J G, et al. Application and research progress of fire monitoring using satellite remote sensing[J]. Journal of Remote Sensing, 2020, 24(5):531-542.
[11]	胡梅, 齐述华, 舒晓波, 等. 华北平原秸秆焚烧火点的MODIS影像识别监测[J]. 地球信息科学, 2008, 10(6):802-807.
	Hu M, Qi S H, Shu X B, et al. Monitoring fire from crop residues burning with MODIS data in north China plain[J]. Geo-Information Science, 2008, 10(6):802-807.
[12]	陈艳英, 游扬声, 何正明, 等. 重庆市森林火灾时空分布特征分析[J]. 中国农学通报, 2014, 30(13):51-58.
	Chen Y Y, You Y S, He Z M, et al. Analysis on temporal-spatial feature of forest fires in Chongqing[J]. Chinese Agricultural Science Bulletin, 2014, 30(13):51-58.
[13]	陈艳英, 游扬声, 唐云辉. 局域地形和林火数量对区划方法的影响规律研究[J]. 自然灾害学报, 2015, 24(2):228-234.
	Chen Y Y, You Y S, Tang Y H. Research of forest fire zoning based on local topography and fire numbers[J]. Journal of Natural Disaters, 2015, 24(2):228-234.
[14]	李伶俐, 李江文, 钟守琴, 等. 基于地形复杂度的重庆市耕地“宜机化”改造适宜性评价[J]. 中国生态农业学报(中英文), 2022, 30(2):302-313.
	Li L L, Li J W, Zhong S Q, et al. Suitability evaluation of suitable-for-mechanization transformation of cultivated land based on topographic complexity in Chongqing,China[J]. Chinese Journal of Eco-Agriculture, 2022, 30(2):302-313.
[15]	毛玉龙. 第三次国土调查对耕地的调查和认定[J]. 西部资源, 2021(6):166-168.
	Mao Y L. Investigation and identification of cultivated land in the third national land survey[J]. Western Resources, 2021(6):166-168.

[1]	于航, 安娜, 汪洁, 邢宇, 许文佳, 步凡, 王晓红, 杨金中. 黔西南采煤塌陷区高分遥感动态监测——以六盘水市煤矿采空塌陷区为例[J]. 自然资源遥感, 2023, 35(3): 310-318.
[2]	李星佑, 张飞, 王筝. 土壤盐渍化遥感监测模型构建方法现状与发展趋势[J]. 自然资源遥感, 2022, 34(4): 11-21.
[3]	王娟, 王志红, 张建国, 初娜, 李斯, 尹展. 河南省国家级自然保护区人类活动遥感监测及其影响强度评价[J]. 自然资源遥感, 2022, 34(4): 235-242.
[4]	辛荣芳, 李宗仁, 张焜, 张兴, 黄丽, 刘宝山. 青海省湟水流域地质灾害动态变化遥感监测[J]. 自然资源遥感, 2022, 34(4): 254-261.
[5]	董双发, 范晓, 石海岗, 许莉萍, 章新益. 基于Landsat8和无人机的福清核电温排水分布研究[J]. 自然资源遥感, 2022, 34(3): 112-120.
[6]	查东平, 蔡海生, 张学玲, 何庆港. 基于多时相Sentinel-1水稻种植范围提取[J]. 自然资源遥感, 2022, 34(3): 184-195.
[7]	佟晶, 杨金中, 杜鑫, 杜晓敏, 李春博, 安娜. 污染地块土地治理与开发利用遥感监测——以浙江省风险管控与修复名录地块为例[J]. 自然资源遥感, 2022, 34(3): 235-239.
[8]	左璐, 孙雷刚, 鲁军景, 徐全洪, 刘剑锋, 马晓倩. 基于MODIS的京津冀地区生态质量综合评价及其时空变化监测[J]. 自然资源遥感, 2022, 34(2): 203-214.
[9]	吕品, 熊丽媛, 徐争强, 周学铖. 基于FME的矿山遥感监测矢量数据图属一致性检查方法[J]. 自然资源遥感, 2022, 34(1): 293-298.
[10]	陈栋, 姚维岭. 基于ArcPy与定制ArcToolbox的矿山新增图斑自动编号及方法改进[J]. 国土资源遥感, 2021, 33(2): 262-269.
[11]	刁明光, 刘文静, 李静, 刘芳, 王彦佐. 矿山遥感监测矢量成果数据动态变化检测方法[J]. 国土资源遥感, 2020, 32(3): 240-246.
[12]	汪洁, 刘小杨, 杨金中, 周英杰, 安娜, 王志晖. 基于国产高空间分辨率卫星数据的浙江省矿山环境恢复治理典型模式分析[J]. 国土资源遥感, 2020, 32(3): 216-221.
[13]	冯力力, 江利明, 柳林, 孙亚飞. 新疆克拉牙依拉克冰川变化(1973—2016)主被动遥感监测分析[J]. 国土资源遥感, 2020, 32(2): 162-169.
[14]	石海岗, 梁春利, 张建永, 张春雷, 程旭. 岸线变迁对田湾核电站温排水影响遥感调查[J]. 国土资源遥感, 2020, 32(2): 196-203.
[15]	刘晰, 郝利娜, 杨显华, 黄洁, 张志, 杨武年. 矿山遥感监测指标快速统计方法研究与实现[J]. 国土资源遥感, 2020, 32(2): 259-265.

Viewed

Full text

Abstract

Cited

Shared

Discussed