国土资源遥感, 2019, 31(2): 187-195 doi: 10.6046/gtzyyg.2019.02.26

技术应用

可燃物干燥指数在草地火险预警中的应用

黄宝华1,2

1.烟台市不动产登记中心,烟台 264003

2.中国农业大学(烟台)理工学院,烟台 264670

Application of fuel dry index in the prairie fire danger

HUANG Baohua1,2

1.Yantai Real Estate Registration Center, Yantai 264003, China

2.College of Technology, China Agriculture University (Yantai), Yantai 264670, China

责任编辑: 陈理

收稿日期: 2018-02-2   修回日期: 2018-05-5   网络出版日期: 2019-06-15

基金资助: 烟台市科技发展计划项目“基于MODIS数据火险预警研究”.  2009163
“山东海岸带遥感灾害监测”共同资助.  2013ZH084

Received: 2018-02-2   Revised: 2018-05-5   Online: 2019-06-15

作者简介 About authors

黄宝华(1977-),男,高级工程师,博士,研究方向为GIS与遥感应用。Email:huangbaohua78@126.com。 。

摘要

在草地生物物理特性基础上,结合能量交换原则(由遥感和气象数据得到显热和潜热通量)提出了可燃物干燥指数(Fd),并将其应用于山东省草地火险监测。Fd较好解决了山东省草地火灾风险预警时空预测问题,提高了火险的估算精度,能够随时间变化动态预警山东省每日高火灾风险区域。将Fd与美国潜在火险模型(fire potential index,FPI)用于2010年4月8日的火险预警研究,结果表明Fd较FPI能够更好地指示火险。在等间距火险分类法中,2010年31个火点数据Fd值在Ⅲ级以上的占87.1%,Ⅰ级为0,火灾发生地点与火灾风险预警高的区域吻合较好。由Fd曲线图可以看出Fd与草地植被生长季节有着紧密的关系,初期和发育期的Fd值较高,但呈下降趋势; 中期Fd值低; 晚期Fd值高,并呈现上升趋势。总体说明了Fd指数在草地生长阶段火险预报中的重要作用。

关键词： 潜热通量 ; 显热通量 ; 可燃物干燥指数 ; 草地火险

Abstract

In this paper, on the basis of prairie biophysical characteristics and in combination with the principle of energy exchange (sensible heat and latent heat flux obtained by remote sensing and meteorological data), the fuel dry index (Fd) was proposed and applied to the Shandong prairie fire monitoring. Fd can better solve the prairie fire forecast, fire danger early warning in time and space and the estimation accuracy. It can change dynamic warning daily high fire risk areas with time in Shandong Province. Fd and fire potential index (FPI) were used to study the fire danger on April 8, 2010. Fire indicating effect of Fd is better than that of FPI. In the equidistance fire classification, data of 31 fire points in 2010 indicated by Fd fell in grade III, accounting for 87.1%, and 0 fell in grade I; the fire locations were in good agreement with areas of high fire risk early warning. In fuel dry index (Fd) graph, it can be seen that Fd has close relationship with the prairie vegetation growing season; the early development of Fd is high, but later it exhibits decreasing trend; at the medium stage, Fd is low; at the late stage,Fd is high, and shows a trend of rising. Overall, the Fd index plays an important role in fire danger forecast at the grassland growing stage.

Keywords： latent heat flux ; sensible heat flux ; fuel dry index ; prairie fire

PDF (4534KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

黄宝华. 可燃物干燥指数在草地火险预警中的应用. 国土资源遥感[J], 2019, 31(2): 187-195 doi:10.6046/gtzyyg.2019.02.26

HUANG Baohua. Application of fuel dry index in the prairie fire danger. REMOTE SENSING FOR LAND & RESOURCES[J], 2019, 31(2): 187-195 doi:10.6046/gtzyyg.2019.02.26

0 引言

陆地生态系统的主体——森林与草地,在全球气候变化中发挥着重要作用。火灾是森林与草地面临的诸多灾害中影响最大的灾害,其烧毁森林草地,降低森林草地的更新能力,引起土壤贫瘠并破坏植被涵养水源的功能,导致环境破坏,造成大气污染[1,2]。随着全球变暖,未来全球发生的森林草地火灾将会增加,为此,迫切需要了解森林草地火灾发生发展规律,开展森林草地火险预测预报,为森林草地的防灾减灾提供决策支撑信息[3]。相对于森林,草地具有类型单一、生长过程区域高度均匀等特征,针对其特征应研究适用于草地的火险预报方法。草地火险与草地的生长季节有着显著的关系,枯草期的草地火险主要由气象因子决定,生长期(初期,发育期、中期和晚期)的草地火险主要由草地的活可燃物的水分含量决定。生态系统中活可燃物含水量是影响火灾易燃危险的关键因素[4,5],活可燃物含水量和易燃性在燃烧过程中的逆相关性会导致热量的损耗而影响火势的蔓延[6,7]。在美国圣塔莫尼卡山脉[8](加利福尼亚州)和西班牙[9]大火中已证实活可燃物含水量对火势的影响,活可燃物含水量是可燃物易燃空间连通性的重要内容,也是火灾发生概率的主要影响因子[10]。

传统利用GIS方法对气象站点点位数据插值生成火险因子数据,其精度会随距气象站点距离的增加而降低[11],不能反映大范围实际环境条件,且费用高、耗时长。利用遥感方法来估算活可燃物含水量克服了上述缺点,但现有的遥感活可燃物含水量估算主要利用植被指数,估算精度低。由于活可燃物含水量与蒸腾作用的潜热和显热通量有着密切关系,本文利用其关系构建了基于生物物理特性与能量交换原则的可燃物干燥指数来监测草地植被生长季节的火险预报模型[12]。利用遥感和气象数据获取可燃物干燥指数所需参数,大大提高了火险监测速度、范围和精度。

1 可燃物干燥指数构建

1.1 能量平衡方程

依据能量守恒与转换定律,地表接收的能量以不同方式转换为其他运动形式,使能量保持平衡,这一交换过程可用地表能量平衡方程来表示,即[13]

Rn=G+H+λE,

式中: Rn为地表太阳净辐射通量; H为下垫面到大气的显热通量(又称感热通量),即下垫面与大气间湍流形式的热交换; λE为从下垫面到大气的潜热通量,即下垫面与大气之间水汽的热交换,其中λ为水汽的汽化潜热,E为蒸散量; G为土壤热通量,即下垫面土壤中的热交换,上述所有通量单位为W·m-2。

1.2 理论基础

根据能量平衡原理,叶片与空气温差的变化取决于太阳净辐射的强弱和作物蒸腾量的大小。研究植物的蒸腾特性与抗旱性之间的关系表明,当植物获得充分的水分供应时,叶片温度因蒸腾而下降,温度下降并低于其在蒸腾抑制时所能达到的温度。植被水分充足时,有足够多的水分用于蒸发,此时的显热通量非常小; 在干旱胁迫条件下,植物能够通过气孔的开闭来调节植物蒸腾耗水量的大小,而旱生植物在水分充足时同样表现出较强的蒸腾作用,当植物处于水分亏缺状态时,为了防止细胞失水,气孔部分关闭,气孔阻力加大,使得蒸腾作用潜热减少,显热增加,叶片温度相应上升[14]。据此,利用显热和潜热通量构建可燃物干燥指数Fd,其中有效能量A(净辐射通量Rn和土壤热通量G之差)划分为显热和潜热交换(H +λE)。Rn和G方向向下,显热和潜热通量方向向上,EF反映了可燃物表面湿度情况,公式为

EF=λEA,

Fd=HH+λE=1-λEA。

当EF>1时,可燃物水分充足,实际中设置EF上限为1(需要注意的是,当EF>1时,H<0的情况在平均超过24 h很少发生)。从EF≈1变化到EF≈0表示植被表面从湿润到干燥的变化情况。因此,利用EF得到可燃物干燥指数Fd。Fd提供了可燃物的表面干燥情况,Fd在0附近时,植被含水量高,潜在火险低; 当上升到1时,植被含水量降低,火灾发生机会增加。

1.3 遥感潜热/显热通量计算方法

净辐射通量R[15]为

Rn=Qin(1-α)+(Sin-Sout)-(1-ε)Sin,
Sin=1.08×(-lntsw)0.256×S×Ta4,
Sout=ε×S×To4,
ε=1.009+0.047ln(NDVI),
Qin=Gsc×cosθ×dt×tsw,
tsw=0.75+2×10-5h,
dt=1+0.033cos(DOY2π365),
θ=arccos(sinφsinδ+cosφcost),
δ=0.409sin2π365DOY-1.39,
t=πN-1212,

式中: α为地表反照率; Sin为太阳入射的长波辐射,W·m-2; Sout为地表发射的长波辐射,W·m-2; S为斯忒藩-玻尔兹曼常数,即5.67×10-8 W·m-2·K-4; Ta为空气温度; To为地表温度; ε为地表比辐射率,又称发射率,是一个无量纲量,在[0,1]之间,根据经验公式,当地表的归一化植被指数(normalized difference vegetation index,NDVI)在0.1570.727之间时,ε可以通过NDVI近似求取,限定当0<NDVI<0.002时,ε取值为1[16], 否则假设 ε为0; Qin为入射到地表的太阳短波辐射,也称太阳总辐射,W·m-2; Gsc为太阳常数,为1 367 W·m-2; tsw为大气直射透射率; h为高程,m; dt为日地距离订正系数; DOY为儒略日; θ为太阳天顶角; φ为地理纬度; δ为太阳赤纬,太阳光与地球赤道平面的夹角; 角(DOY·2 π/365)的单位为弧度; t为太阳时角; N为地方时。

显热通量H[18]为

H=ρCpra+ro(Ts-Ta),
ra=10.16ulnzref-Dzolnzref-Dzh-D,
z0=0.005+0.5(NDVINDVImax)2.5,
zh=8z0,
D=zh1-2LAI(1-e-LAI/2),

式中: ρCp为空气体积热容,ρCp≈1 200 Jm-3·K-1; Ts为空气动力学温度,即冠层热量源交汇处的空气温度; Ta为参考高度处的空气温度; ro为由于树冠树叶的分层产生的结构阻力,s·m-1,为了保持 ρCpra+ro在[0,1]之间,ro为一个可调参数(估计为16 s·m-1)[19]; ra为空气动力学阻力,s·m-1,由于草地高粗糙度,ra通常低于ro[21]; u为卫星过境时风速,s·m-1; zref为气象测量参考高度,m; zo为动量传输粗糙度,可根据冠层湍流模型,利用近地表风速和植被参数(株高和叶面积指数)等信息进行估算,当上述信息无法获取时,可根据NDVI与其最大值(NDVImax)估算[21]; zh为作物平均高度,m,与粗糙度长度之间存在较好的相关性; D为位移高度[19] ; LAI为叶面积指数。

由Allen等[19]提出计算土壤热通量G的方法,其表达式为

G/Rn=0.4e-0.5LAI。

从而利用Rn,H和G根据式(1)计算潜热通量。

2 研究区及数据源

2.1 山东省草地概况

山东省草地面积约占全省土地总面积的10%(图1),其结构特征为中覆盖草地面积大,而高覆盖草地和低覆盖草地面积小。中覆盖草地面积占全省草地总面积的54.3%,高覆盖与低覆盖草地面积之和占全省草地总面积的46.7%。草地面积总体呈减少趋势,其中火灾是一个主要原因。山东省草地分布比较集中,在全省17个城市中,草地面积较大的城市分别为烟台、临沂、青岛和东营,分别占全省草地面积的25.19%,18.39%,7.55%和7.25%; 其余各城市草地面积相对较小[22]。山东省大面积天然草地自春季地温回升后,一般保持在0℃以上即开始萌发返青。随着气温逐渐升高,草地净第一性生产量亦随之增加,至8月份达到了最高产量,也是植株营养成分最丰富的时期。待秋季来临,随着气温下降,至11月上旬植株开始枯黄,草地的地上部分便成为立枯凋落的可燃物。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   2010年山东省植被类型分布

Fig.1   Vegetation types distribution in Shandong Province in 2010


2.2 数据源

1)MODIS 产品: 使用6种MODIS产品,分别为MOD11C1(每日地表温度)、MOD13A1(16 d归一化植被指数NDVI,空间分辨率为500 m)、MOD14A1(每日热异常,火灾和生物量燃烧,空间分辨率为1 km)、MOD15A2(8 d叶面积指数LAI)、MOD43B3(16 d表面反射Albedo,空间分辨率为1 km),时间范围为2010年全年的包括31个火点和均匀分布的14期数据(DOY 93,113,127,140,157,171,187,207,230,241,255,271,288,301)。原始MODIS 产品存储采用分级数据格式、正弦曲线投影,因此对其进行了投影变换、镶嵌、掩模(提取子区)和值域变换等预处理。

2)DEM数据: SRTM(shuttle Radar topography mission)数据主要是由美国国家航空航天局和国防部国家测绘局联合测量的,空间分辨率为30 m。

3)气象数据: 所用的风速、温度等气象数据来源于中国气象数据共享服务网提供的地面气候资料日值数据集。利用GIS的插值权法对山东省分布着的20个国家基准气象站点的实测气象数据进行插值处理,得到覆盖山东省的栅格气象数据。

4)土地利用数据: 利用旱区寒区科学数据中心的基于多源数据融合方法得到的中国1 km空间分辨率的土地覆盖图[23],利用土地利用类型中的草地数据提取MOD14A1火点。

由DEM计算得到tsw,由θ,dt和tsw计算得Qin; 由气象站点插值得到的Ta,再与tsw计算得到太阳入射的Sin; 由MOD13A1计算得到ε,MOD11C1得到To,再由ε和To计算得到Sout; 由MOD43B3得到α,再由式(4)计算得到Rn。由MOD13A1得到作物高度zh,由MOD15A2的LAI计算得到D,利用MODIS红外资料反演Ts,再由式(14)计算得到H。从而由能量平衡方程计算得到λE,由H和λE构建可燃物干燥指数。利用土地利用数据提取草地,分析可燃物干燥指数在草地火险中的应用。

3 结果与分析

3.1 Fd独立样本检验、火险等级划分及模型验证

3.1.1 独立样本检验

对31个火点与随机选取的62个非火点的Fd值进行T检验,目的是利用来自2个总体的独立样本,推断2个总体的均值是否存在显著差异。表1为火点与非火点处Fd值的均值检验结果。

表1   火点/非火点Fd分组统计量

Tab.1  Fire/no fire points Fd group statistics

状态个数均值标准差均值的标准差
Fd值火点
非火点		31
62		0.652 9
0.183 8		0.204 4
0.087 5		0.036 7
0.011 1

新窗口打开| 下载CSV


分析结论通过2步完成: ①2个总体方差是否相等条件下的Levene检验,该检验的F统计量观测值为30.948,对应的概率P值为0.000,显著性水平α为0.05,由于概率P值小于0.05,所以2个总量的方差有显著差异; ②2个总体均值的检验,由于2个总体方差有显著差异,因此应分析表2中第2行假设方差不相等时T检验的结果。其中T统计量观测值为12.228,对应的双尾开率P值为0.000,显著性水平α为0.05,由于概率值小于0.05,所以2个总体的均值有显著性差异,即火点与非火点处的Fd平均值存在显著差异。表2中的均值差值和标准误差值分别为T统计量的分子和分母; 最后2列分别为2个总体差的95%置信区间的上限和下限。

表2   火点/非火点Fd独立样本的检验结果

Tab.2  Fire/no fire point Fd independent samples test

假设条件方差方程Levene检验均值方程的T检验
F统计量P值T统计量自由度P值(双尾)均值差值标准误差值95%置信区间
下限上限
假设方差相等30.9480.00015.50791.000.0000.469 00.030 250.409 00.529 1
假设方差不相等12.22835.6030.0000.469 00.038 360.391 20.546 9

新窗口打开| 下载CSV


3.1.2 Fd与美国潜在火险指数对比

为了验证Fd的使用效果,将其与美国潜在火险指数(fire potential index, FPI)对比研究。FPI模型在不考虑火源的情况下估测植被的点燃系数,模型假设: ①如果活、死植被的湿度被合理提出,就能预测林火发生的可能性; ②植被的绿度为活植被的湿度提供有用的参照; ③细小死可燃物湿度对火传播至关重要,所以利用10 h时滞可燃物湿度来代表细小死植被湿度; ④因为风是短暂即逝的,所以可以不考虑风的因素,FPI模型定义为

FPI=100(1-FMC10HRFRAC)(1-VC) ,

式中: FMC10HRFRAC为10 h时滞死可燃物湿度和水分消失量比; VC为植被覆盖度。

将FPI与Fd指数模型应用于山东省2010年4月8日火灾分析,结果显示两者没有明显的相关性(R2=0.001 2)(图2(a))。这是因为2个模型的构建及输入数据不同,FPI指数中忽略了风速影响,风是火灾发生和蔓延的主要因素之一,风不仅能加快可燃物水分蒸发,加速干燥而使可燃物易燃,而且同时不断补充新的氧气,增加助燃条件,加速燃烧过程。Fd指数在能量平衡方程与生物物理基础上构建,具有明确的物理意义,且风参加了显热计算。在4月8日着火点前6 d的Fd与FPI指数变化情况上可以看出,火灾前6 d的FPI指数整体呈现较为稳定高值状态,其中前一天的FPI值呈现一个微小的增长,指示效果不明显; Fd指数则变化较大,在火灾前3 d呈现一个变幅较大的增长趋势,火灾前一天达到最大值(图2(b))。这说明火灾前3 d的Fd值对火灾发生起到良好的指示作用,Fd指数通过植被物理性质来预测植被干燥程度。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   山东省2010年4月8日火灾Fd和FPI相关性分析及数值变化

Fig.2   Correlation analysis and values change of Fd and FPI of fire in Shandong Province on April 8, 2010


3.1.3 火险等级划分和模型验证

火灾风险估计主要是确认变量的潜在贡献,并将其集成为一个数学表达式,即一个指数中,通过量化指数来表示风险级别,反映了火灾发生的可能性与蔓延的风险性。利用等间距分类法将山东省Fd进行分类,将火灾危险程度共分为5类,按照森林火险措施来对草地进行火险等级划分,如表3所示。

表3   基于可燃物干燥火险指数Fd的草地火险等级划分

Tab.3  Prairie fire danger rating based on the fuel dry danger index

火险等级Fd火点个数百分比/%相应措施
Ⅰ<0.200不燃烧,无火险。一般不会发生火灾,可以安心生产
Ⅱ[0.2,0.4)412.9难燃烧,低度火险。很少发生火灾,注意防火
Ⅲ[0.4,0.6)929.0中度火险。限制火种进入草地,生产用火应注意采取安全措施,禁止其他野外用火
Ⅳ[0.6,0.8)1032.3高度火险。禁止火种进入草地,巡检,做好防火准备,准备灭火
Ⅴ≥0.8825.8极度火险。严禁一切火种进入草地,加强巡查,做好充分防火准备,灭火队伍随时准备灭火

新窗口打开| 下载CSV


图3(a)表示山东省2010年全年31个火点数量随时间分布情况,该区火点主要集中在3—4月间,这与山东省的防火期基本一致。由于9月中旬以来的持续干旱,导致了9—10月的火点增多。通过火点处的Fd值统计信息可以看出火点落在火险等级为Ⅱ级的有4个,占全部火点的12.9%; Ⅲ级的有9个,占全部火点的29.0%; Ⅳ级的有10个,占全部火点的32.3% ; Ⅴ级的有8个,占全部火点的25.8%(图3(b)),该统计情况证实了可燃物干燥指数的应用价值。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   山东省2010年火点随时间分布及与火险等级的关系

Fig.3   Fire point distribution and relationship between fire danger rating and fire frequency of Shandong in 2010


3.2 Fd与草地生长季节关系分析

3.2.1 基于LAI/NDVI的草地生长阶段划分

通常地面覆盖程度、作物高度和LAI随作物生长时期变化而变化。由于在不同生长阶段蒸散发的差别,作物系数值在不同生长阶段具有明显变化,草地生长期一般分为初期、发育期、中期和晚期4个生长阶段。2010年山东省日最低温度、植被覆盖度、草地高度和LAI随时间变化关系如图4所示。以晚春最后一个-4℃前7 d作为生长初期开始时间,天然牧草被绿色植被覆盖约10%时认为生长初期结束。据此山东省2010年牧草生长初期为3月5日—4月初(图4(a)—(b))。以植物高度来判断稀疏草地(干旱牧场),在植物高度接近0.30.6 m时认为发育阶段结束,据此判断发育期为4月初—6月初(图4(c))。生长中期为从有效全部覆盖时开始持续到成熟为止,叶子老化、变黄、衰老、脱落标志着生长中期结束。对多年生植物和许多1 a生植物来讲,中期阶段时间最长。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   2010年山东省日最低温度、植被覆盖度、草地高度和草地LAI随时间变化关系

Fig.4   Time variation of daily minimum temperature, vegetation coverage, prairie height and LAI of Shandong in 2010


本文中优势牧草、稀疏牧草以LAI开始减小作为生长中期结束,乔木、灌木取参考值。山东省2010年牧草生长中期为6月初—8月上旬(图4(d))。生长晚期从开始成熟一直持续到完全衰老为止,据此判断山东省2010年牧草生长晚期为8月上旬—11月初(图4(d))。

3.2.2 植被生长阶段与Fd关系

2010年草地生长季节的14期的H,λE和Fd与DOY的关系分别如图5所示。通过图5可以看出,Fd与草地植被生长季节有着紧密的关系,通过H与λE曲线发现H与λE随草地植被的生长过程呈现较为明显变化特征。草地生长初期和发育期2个时期,H>λE,且生长初期的H与λE变化程度大于发育期的变化程度,Fd呈现一个先升后降的高火险状态。其中A的位置由于该时期的干燥导致呈现一个突变,该位置的突变说明了Fd在植被生长期的火险监测作用。生长中期由于植被含水量的增加,因此H<λE,且随生长过程变化程度呈现先增后减,Fd表现为一个低火险状态。晚期由于植被含水量开始减少,因此晚期开始阶段H<λE,后期H>λE,Fd呈现增长状态,并在晚期的中后段达到高火险状态。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   山东省2010年λE,H和Fd与DOY关系

Fig.5   Relationship of λE, H, Fd and DOY in Shandong Province in 2010


2010年DOY 25,140,241和301的Fd值分布如图6所示。可以看出图6(a)时期山东全省Fd值较高,主要是因为该时期草地刚开始生长,植被水分含量少,且植被覆盖度小。其中高Fd值区域西部地区要大于东部地区,主要原因是该时期西部温度高于东部地区; 图6(b)时期随植被生长进入发育期,含水量的增加,虽然部分地区Fd值仍然较高,但覆盖面积减少明显,且主要集中于胶东半岛和泰安附近,主要是因为这2个区域的风速较高,导致可燃物易于失水; 图6(c)时期全省呈现低火险值,因为夏季虽然气温高,但是空气相对湿度大、风速低、降水量大,是草地营养成分、水量最丰富的时期,不易燃烧,并有阻火作用,但如遇强火被加热干燥后也能燃烧。可燃物湿度大直接影响着火的难易程度,如引燃概率、引燃时间等。且夏季草地郁闭度高,直接关系到下面可燃物的水分和小气候的变化。一般情况下郁闭度越高,射入草内的辐射能量越弱,因而草内的温度就越低,造成蒸发弱,温度低,物质不易燃烧。因此夏季Fd值降低,火险危害性减小; 图6(d)时期全省Fd值均较高,因为自9月开始,山东全省持续特大干旱,旱情发展总体上呈现持续时间长、秋冬春3季连旱、干旱范围广和影响面不断扩大的特点,从鲁南到鲁北、从半岛到内陆、从山区到平原,全省草地均同时遭遇到了气象干旱。滨海草地主要分布在黄河三角洲地区的东营市和滨州市,2市草地受旱面积已达30多万hm2,占2市草地总面积的80%以上; 沿黄河下游流域和南四湖区域周边的草地,特别是菏泽、济宁2市草地牧草生长已受到严重影响,牧草分蘖数减少,地上植株干燥程度提高; 低山丘陵地区的草地,主要分布在枣庄、泰安、莱芜、临沂和日照等市,这些城市由于干旱导致牧草春后萌发明显延迟,新生芽生长也受到不同程度的抑制。地表干枯可燃物由于蒸腾作用,使叶丛脱水,导致显热通量大于潜热通量,Fd值升高。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   山东省2010年DOY 25, 140, 241和301的Fd值

Fig.6   DOY 25, 140, 241 and 301 Fd value of Shandong in 2010


4 结论

蒸腾作用是影响植被水分亏缺的主要因素,它通过显热和潜热变化表现出来,因此由两者构建的可燃物干燥指数(Fd)具有明确的生物物理特征。本研究基于能量平衡原理结合遥感(MODIS产品数据)与气象(温度、风速)数据反演出潜热和显热通量,有效提高了参数的估算精度。主要结论如下:

1)通过对2010年山东省31个火点与随机选取的62个非火点的Fd进行独立样本T检验,概率值小于0.05,表明2个总体的方差和均值都存在显著性差异。

2)将Fd与美国潜在火险模型(FPI)用于2010年4月8日的火险预警研究,结果表明火灾前Fd指数变化明显,且前3 d的Fd值具有较好的指示作用,而FPI指数变化不明显,Fd较FPI能够更好地指示火险,可以作为草地火险预报的有效工具。

3)2010年山东省31个火点数据的Fd值采用等间距分类法在Ⅲ级以上的占87.1%,Ⅰ级为0,火灾发生地点与火灾风险预警高的区域吻合较好,说明了Fd指数的应用价值。通过均匀分布于2010年草地生长季节的14期的H与λE关系图和利用H与λE计算的可燃物干燥指数(Fd)曲线图可以看出Fd与草地植被生长季节有着紧密的关系,随植被生长期(初期、发育期、中期和晚期)呈现不同的变化,初期和发育期的Fd值较高,但呈下降趋势; 中期Fd值低; 晚期Fd值高,呈现上升趋势。

基于生物物理和能量平衡原理基础上的可燃物干燥指数,具有明确的生物、物理意义,方便发展和集成以后多种不同的火险模型。可燃物干燥指数可以脱离地域限制,适合于全球草地火险监测,如通过LiDAR数据获取树高数据,基于该指数可用于森林火险预报。火灾的发生和发展是个非常复杂的过程,涉及到许多影响因素,因此火险是一个综合因素共同影响的结果。但是,本文只是从植被状态方面进行考虑,下一步应将影响火灾发展的天气、地形和人类因素考虑进来,增强火险预报精度。

参考文献

Smith B , McDermid G J .

Examination of fire-related succession within the dry mixed-grass subregion of Alberta with the use of MODIS and Landsat

[J]. Rangeland Ecology and Management, 2014,67(3):307-317.

DOI:10.2111/REM-D-13-00078.1      URL     [本文引用: 1]

黄宝华, 张华, 周利霞 .

集成点燃和火源的火险指数应用研究

[J]. 中国安全科学学报, 2013,23(8):37-42.

Magsci     [本文引用: 1]

为利用点燃和火源概率的集成火险指数(IFDI)准确地监测和评估森林火险,应用中分辨率成像分光辐射谱仪(MODIS)和数字高程模型(DEM)数据,反演出可燃物预热能量(Qig)所需参数.通过计算得到Qig.考虑其在实际传递过程中的热量损失,得到与实际情况相符的点燃概率指数.由DEM计算得到地表粗糙度指数,结合人口密度指数,得到火源概率指数(FRPI).利用上述2个指数组成IFDI.应用IFDI,研究分析黑龙江地区2004年全年火险和10月12日重大林火处的着火点前12天火险情况.结果表明:随着火灾发生日期的接近,IFDI升高,即可根据IFDI对森林火险实施预警.

Huang B H, Zhang H, Zhou L X .

Research on application of integrated fire danger index based on ignition and fire

[J]. China Safety Science Journal, 2013,23(8):37-42.

Magsci     [本文引用: 1]

黄宝华, 孙治军, 张华 , 等.

潜在森林火险评估方法研究——以山东省为例

[J]. 灾害学, 2014,29(4):116-121.

[本文引用: 1]

Huang B H, Sun Z J, Zhang H , et al.

Research on the evaluation method of potential forest fire:Taking Shandong Provience as an example

[J]. Journal of Catastrophology, 2014,29(4):116-121.

[本文引用: 1]

Agee J K, Wright C S, Williamson N , et al.

Foliar moisture content of Pacific Northwest vegetation and its relation to wildland fire behavior

[J]. Forest Ecology and Management, 2002,167(1-3):57-66.

DOI:10.1016/S0378-1127(01)00690-9      URL     [本文引用: 1]

Zarco-Tejada P J, Rueda C A, Ustin S L .

Water content estimation in vegetation with MODIS reflectance data and model inversion methods

[J]. Remote Sensing of Environment, 2003,85(1):109-124.

DOI:10.1016/S0034-4257(02)00197-9      URL     [本文引用: 1]

Huesca M, Litago J, Palacios-Orueta A , et al.

Assessment of forest fire seasonality using MODIS fire potential:A time series approach

[J]. Agricultural and Forest Meteorology, 2009,149(11):1946-1955.

DOI:10.1016/j.agrformet.2009.06.022      URL     [本文引用: 1]

Dasgupta S, Qu J J, Hao X , et al.

Evaluating remotely sensed live fuel moisture estimations for fire behavior predictions in Georgia,USA

[J]. Remote Sensing of Environment, 2007,108(2):138-150.

DOI:10.1016/j.rse.2006.06.023      URL     [本文引用: 1]

Dennison P E, Moritz M A, Taylor R S .

Evaluating predictive models of critical live fuel moisture in the Santa Monica Mountains,California

[J]. International Journal of Wildland Fire, 2008,17(1):18-27.

DOI:10.1071/WF07017      URL     [本文引用: 1]

Chuvieco E, González I, Verdú F , et al.

Prediction of fire occurrence from live fuel moisture content measurements in a Mediterranean ecosystem

[J]. International Journal of Wildland Fire, 2009,18(4):430-441.

DOI:10.1071/WF08020      URL     [本文引用: 1]

Dennison P E, Roberts D A, Thorgusen S R , et al.

Modeling seasonal changes in live fuel moisture and equivalent water thickness using a cumulative water balance index

[J]. Remote Sensing of Environment, 2003,88(4):442-452.

DOI:10.1016/j.rse.2003.08.015      URL     [本文引用: 1]

Chowdhury E H, Hassan Q K .

Operational perspective of remote sensing-based forest fire danger forecasting systems

[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2015,104:224-236.

DOI:10.1016/j.isprsjprs.2014.03.011      URL     [本文引用: 1]

Snyder R L, Spano D, Duce P , et al.

A fuel dryness index for grassland fire-danger assessment

[J]. Agricultural and Forest Meteoro-logy, 2006,139(1-2):1-11.

DOI:10.1016/j.agrformet.2006.05.006      URL     [本文引用: 1]

田国良 . 热红外遥感[M]. 北京: 电子工业出版社, 2006: 302-304.

[本文引用: 1]

Tian G L. Thermal Remote Sensing[M]. Beijing: Publishing House of Electronics Industry, 2006: 302-304.

[本文引用: 1]

王丁, 张丽琴, 薛建辉 .

林木对干旱胁迫的生理与分子响应研究综述

[J]. 安徽农业科学, 2011,39(25):15426-15431.

[本文引用: 1]

Wang D, Zhang L Q, Xue J H .

A review about physiological and molecular responses to drought stress of forest tree

[J]. Journal of Anhui Agricultural Sciences, 2011,39(25):15426-15431.

[本文引用: 1]

张川, 闫浩芳, 大上博基 , 等.

表层有效土壤水分参数化及冠层下土面蒸发模拟

[J].农业工程学报, 2015(2):102-107.

[本文引用: 1]

Zhang C, Yan H F, Oue H , et al.

Parameterization of surface soil available moisture and simulation of soil evaporation beneath canopy

[J].Transaction of the Chinese Society of Agricultural Engineering, 2015(2):102-107.

[本文引用: 1]

Van de Griend A, Owe M .

On the relationship between thermal emissivity and the normalized difference vegetation index for natural surfaces

[J]. International Journal of Remote Sensing, 1993,14(6):1119-1131.

DOI:10.1080/01431169308904400      URL     [本文引用: 1]

孙敏章, 刘作新, 吕谋超 , 等.

基于陆面能量平衡方程的遥感模型

[J]. 灌溉排水学报, 2005,24(3):74-76.

Sun M Z, Liu Z X, Lyu M C , et al.

The study of monitoring ET by SEBEL and its application in water resource management of Hai River Basin

[J]. Journal of irrigation and orainage, 2005,24(3):74-76.

曾丽红, 宋开山, 张柏 , 等.

应用Landsat数据和SEBAL模型反演区域蒸散发及其参数估算

[J]. 遥感技术与应用, 2008,23(3):255-263.

Magsci     [本文引用: 1]

<p>随着遥感技术的进步,人们发展了多种通过遥感计算区域蒸散发的方法。SEBAL模型是通过遥感反演地面蒸散的典型方法,它以陆面能量平衡为基础,物理意义明确,只利用遥感影像和少量的气象数据（风速、气温）就能反演蒸散量。Landsat数据的波谱信息丰富、空间分辨率高,数据源稳定,是通过遥感技术反演蒸散发的理想数据源。如果能合理地估算SEBAL模型中的基本参数,将会获得较高精度的反演结果,能够满足在水文、生态、林业等研究或应用中的需要,对区域水资源的管理与利用具有重要意义。从SEBAL模型的基本原理出发,分析了利用SEBAL模型采用Landsat的TM/ETM+数据反演区域蒸散发的基本过程,针对TM/ETM+数据特点对模型所需要的基本参数进行估算求解,为SEBAL模型在蒸散量反演中的广泛应用提供了一定的指导。</p>

Zeng L H, Song K S, Zhang B , et al.

Applying Landsat data and SEBAL model to inverse regional evapotranspiration and its parameters estimation

[J]. Remote Sensing Technology and Application, 2008,23(3):255-263.

Magsci     [本文引用: 1]

Allen R G, Pereira L S, Raes D , et al.

Crop Evapotranspiration-Guidelines for Computing Crop Water Requirements

[M]. Italy:Food and Agriculture Organization of the United Nations Rome, 1998.

[本文引用: 3]

Lagouarde J P, Brunet Y .

Spatial integration of surface latent heat flux and evaporation mapping

[J]. Advances in Space Research. 1989,9(7):259-264.

Su Z, Jacobs C .

ENVISAT:Actual Evaporation

[R]. Delft:Beleidscommissie Remote Sensing, 2001.

[本文引用: 2]

田贵全, 张明才 .

山东省生态环境遥感监测

[J]. 国土资源遥感, 2006,18(4):63-67.doi: 10.6046/gtzyyg.2006.04.16.

Magsci     [本文引用: 1]

<p>&nbsp;利用遥感与GIS技术，对山东省生态环境现状及其动态变化进行了监测，建立了山东省生态环境遥感监测数据库，分析了山东省生态环境时空变化特征。结果表明，山东省生态环境动态变化的主要特点是耕地面积明显减少，城乡居民点和工矿用地面积大幅度增加。</p>

Tian G Q, Zhang M C .

The remote sensing monitoring of ecological environment in Shandong Province

[J]. Remote Sensing for Land and Resources, 2006,18(4):63-67.doi: 10.6046/gtzyyg.2006.04.16.

Magsci     [本文引用: 1]

冉有华, 李新, 卢玲 .

基于多源数据融合方法的中国1 km土地覆盖分类制图

[J]. 地球科学进展, 2009,24(2):192-203.

Magsci     [本文引用: 1]

<p>精确的全球及区域土地覆盖数据是陆地表层过程研究的重要基础。在集成研究兴起和多种数据并存的背景下，利用多源信息融合技术进行大尺度土地覆盖制图具有重要的现实意义。证据理论清楚地表达了由于不确定和不完全信息所带来的对命题认识的&ldquo;无知&rdquo;，能够确定相应的假设在目前的认知与知识状态下的确定、不确定和&ldquo;无知&rdquo;程度，是多源数据决策融合的重要方法。基于证据理论，将2000年中国1∶10万土地利用数据、中国植被图集（1∶100万）的植被型分类、中国1∶10万冰川图、中国1∶100万沼泽湿地图和MODIS 2001年土地覆盖产品（MOD12Q1）进行了融合，最终基于最大信任度原则进行决策，产生了新的、IGBP分类系统的2000年中国土地覆盖数据。新的土地覆盖数据在保持了中国土地利用数据的总体精度的同时，补充了中国植被图中对植被类型及植被季相的信息，更新了中国湿地图，增加了中国冰川图最新信息，使分类系统更加通用。</p>

Ran Y H, Li X, Lu L .

China land cover classification at 1 km spatial resolution based on a multi-source data fusion approach

[J]. Advances in Earth Science, 2009,24(2):192-203.

Magsci     [本文引用: 1]

/

〈 〉

京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编：100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发