0 引言
遥感技术可以有效地用于统计森林火灾的相关信息,还可以对潜在危险区域的林火进行监测和持续跟踪,已成为当前林火监测和识别的重要手段[3⇓⇓-6],众多学者利用MODIS[7-8](moderate-resolution imaging spectroradiometer)及NOAA(national oceanic and atmospheric administration-satellite)系列[9-10]等多种遥感数据对林火进行长时间序列的监测、识别及恢复研究,其中MODIS数据由于其辐射精度高、光谱范围广、重访周期短等特点成为目前使用率较高的遥感数据之一[11]。Zhao等[12]采用卫星观测和统计模型研究中国2003—2016年火灾引起的森林死亡的时空模式,认为森林火灾主要发生在冬季和春季,主要分布在东北、西南和华南地区; 俞昊天等[13]基于MODIS数据,利用CART火点识别算法对澳大利亚森林火灾进行识别,研究其森林火灾时空分布规律; 曾爱聪等[14]基于MODIS卫星火点数据,运用数据统计、Mann-Kendall趋势检验法和滑动t检验,对浙江省2001—2016年森林火灾时空分布特征、变化趋势和防火期的变化进行研究; 崔阳等[15]根据2001—2018年MODIS火烧迹地产品数据集,并结合历史火灾记录资料对黑龙江的林火时空分布规律进行研究,得出MCD64A1火烧迹地产品可以较准确地提取火灾信息,其精度达75.21%。
目前,火灾后的生态修复已成为人们关注的热点,遥感影像由于监测范围广、监测时间长等优点成为火灾后森林恢复研究的一个重要途径。Nolè等[16]基于MODIS的野火光谱指标和衍生的恢复指标,对欧洲森林(包括火灾多发的地中海地区)的火灾严重程度和火灾后恢复趋势进行了长期分析,指出欧洲森林火灾后植被恢复越来越滞后的情况; Hislop等[17]使用MODIS和陆地卫星数据来监测全球北方和温带森林的火灾干扰及其恢复情况,分析得出一些生物群落的恢复随时间推移而缩短的情况很大程度上取决于所在位置; Qin等[18]利用多种传感器数据对2019—2020年澳大利亚森林地区火灾后植被恢复的变化程度和速度进行评估,得出2019年被烧毁的以桉树为主的森林显示出较高的恢复能力,大多数受火灾影响的森林地区火灾后快速再生。
由于全球气候的持续升温,森林火灾发生越发频繁,由中国统计年鉴数据可知2020年中国森林火灾次数总计1 153次,受灾森林面积达8 526 hm2,其中森林火灾发生频率较高的区域集中在东北和西南林区,主要是东北大兴安岭和长白山地区、西南的云南大部分区域和南方零散分布的区域[19]。大兴安岭山脉位于我国的最北部,是面积最大的国有林区。因此,本研究基于火烧迹地数据MOD64A1和总初级生产力(gross primary productivity,GPP)数据MOD17A2H,提取2002—2021年大兴安岭的森林火烧迹地信息和火灾后的GPP数据,分析大兴安岭林火的时空分布规律及火后恢复情况,为该地区的火灾重点防治和森林重建提供科学依据。
1 研究区概况及数据源
1.1 研究区概况
大兴安岭地处内蒙古自治区东北部及黑龙江省西北部,主体跨5个地级行政区(呼伦贝尔市、兴安盟、通辽市、赤峰市和大兴安岭地区),地理坐标范围为N43°00'~53°30',E117°20'~126°00',全长1 400 km,均宽约为200 km,总面积32.72万km2(其中内蒙古自治区境内约24万km2,黑龙江省境内8.48万km2),如图1所示。地势呈西高东低,气候属寒温带大陆季风气候,冬寒夏暖,昼夜温差较大,年平均气温零下2.8 ℃,年平均降水量为746 mm,该区位于我国干湿地区(半干旱地区和半湿润地区)的中界线上,东南坡夏季受海洋季风影响,雨水较多,西北坡比较干旱,成为森林和草原的分界线。大兴安岭地区的植被,北部是以落叶松为主的寒带山地针叶林带,往南针阔混交林带逐渐过渡到以蒙古栎为主的温带丘陵阔叶林带,因地理条件的差异及海拔高度的不同,以兴安落叶松为主的林区呈现不同的类型,研究区的植被具有代表性且分布广的树种还有樟子松、红皮云杉、白桦、二色胡枝子、兴安杜鹃、山杨和蒙古栎等,森林覆盖率达60%以上。2003年5月份大兴安岭呼伦贝尔金河地区发生了特大森林火灾(图1为过火后Landsat7影像),对林区生态系统造成了严重破坏。
图1
1.2 数据源
1.2.1 土地覆盖数据
为了准确研究大兴安岭的森林火灾发生情况,需要引入研究区域的土地覆盖数据将研究区分为森林和非森林像元。MODIS三级土地覆盖类型产品(MCD12Q1)是根据Terra和Aqua观测所得的数据经过处理来描述土地覆盖类型,其数据获取途径为:
表1 大兴安岭IGBP林区土地覆盖分类
Tab.1
| 重采样 编号 | 重采样类型 | 包含的IGBP类型 | 对应的IGBP编号 |
|---|---|---|---|
| 10 | 针叶林 | 常绿针叶林、落叶针叶林 | 1,3 |
| 20 | 阔叶林 | 常绿阔叶林、落叶阔叶林 | 2,4 |
| 30 | 针阔混交林 | 混交林 | 5 |
| 40 | 其他林种 | 郁闭灌木丛、稀疏灌木丛、多树草地、稀树草地 | 6,7,8,9 |
1.2.2 火烧迹地数据
本研究所使用的火烧迹地产品为MCD64A1,是MODIS的Terra和Aqua传感器的复合结果,将第5波段(1 240 nm)和第7波段(2 130 nm)计算得到的燃烧敏感指数,使用动态阈值并结合时间纹理特征等方法进行判定,产品空间分辨率为500 m,时间分辨率为每月一次,记录了火点开始和结束时间、发生地点、火点空间范围、可信度等信息,由NASA网站(
1.2.3 GPP数据
针对森林恢复情况,对比分析过火前后GPP变化情况,GPP被定义为在单位时间和单位面积上绿色植物生产出的全部有机物的量,它反映了植被通过光合作用固定CO2的能力,是森林监测和管理的重要指标。GPP产品使用的为MOD17A2H,它是具有500 m空间分辨率的8 d累计综合数据产品。为了方便后续研究,使用QA数据将GPP数据进行月份以及年份合成,得到以月和年为单位的森林GPP总值,用来分析森林的恢复状况。
2 结果与分析
2.1 大兴安岭火烧迹地时间分布变化
2.1.1 林火发生的年际变化特征
本研究在2002—2021年大兴安岭森林火烧迹地信息提取的基础上,分析林火发生频率以及火烧迹地面积变化情况,进而分析森林灾后恢复的情况。2002—2021年大兴安岭森林总面积以及火烧迹地的年度统计情况如图2所示。
图2
图2
大兴安岭森林区域面积及过火面积年变化
Fig.2
Annual changes of forest area and burned area in Greater Khingan Mountains
根据2002—2021年火烧迹地产品提取森林火点1 538次,平均每年发生76.9次,累计受灾面积超1 444 234 hm2,平均每年的过火面积约722 211 hm2。图2(b)为年际火灾发生面积及次数分布特征。由图2(b)可知,大兴安岭森林火灾次数在2002—2021年间整体呈下降趋势,其中2002年的过火次数最多,共132次; 过火次数最少的年份为2021年,共32次。在2002—2021年20 a间大兴安岭森林过火次数呈波动性变化,其中2004—2008年森林火灾次数缓慢增加,4 a间共增加32次; 从2017—2021年间火灾次数出现明显下降,2021年较2017年火灾次数下降了54.29%。2002—2021年火烧迹地面积不断发生波动,2003年火烧迹地面积为468 552.77 hm2,是整个研究时期过火面积最大的年份,其中2008年过火面积次之,达到394 446.49 hm2; 2019年过火面积最小,仅为3 617.73 hm2。从图2(b)可以看出,2003年和2008年的过火次数和过火面积都处于一个较高的数值,这可能与当时的环境气候有关。大兴安岭林区2002年持续干旱,降水较少,故2003年的气温在入春后回升较快导致林内植被干燥[20]。在2003年5月发生了2次特大森林火灾,5月5日人为火源借风势迅速蔓延,在内蒙古呼伦贝尔市引生了特大森林火灾,过火面积达108 673 hm2; 5月17日黑龙江大兴安岭地区由于自然火源引发火灾,过火面积达361 900 hm2。2008年大兴安岭地区遭受高温干旱天气的侵扰,地下潜伏火受春季大风天气的影响,火势蔓延,并在短时间内迅速形成多个火场,呈现集中爆发趋势。从2009年之后,森林总过火面积基本控制在5 000 hm2以下,但偶尔还是会有起伏较大的年份。
2.1.2 林火发生的月度变化特征
大兴安岭林火月度变化如图3所示。从图3分析可知,森林火灾主要集中发生在每年的3—5月及8—10月,这6个月的火灾次数均在100次以上,但春季的火点数量和过火面积都要高于秋季。森林火灾次数最多的月份是3月,共329次,之后的4月和9月火灾次数分别为293次和285次,这3个月的过火面积占总体的65.54%,其中3月的过火面积最高,超过70万hm2,5月过火面积超过30万hm2。大兴安岭林火主要集中在春秋两季,这与大兴安岭春秋两季的森林防火期具有高度一致性。春季气温回升较快,气候相对干旱且降水较少,植被体内含水量较少,多风且可燃物丰富,当温度升高时容易产生火灾,另外人们在春季进行的踏青、旅游、春季祭祖等活动会加大引发火灾的可能性; 秋季植被的枝叶逐渐干枯凋零,地面堆积大量的枯枝落叶及土壤微生物也随之增加,加上秋季天气干燥多风,给火灾频发创造了自然条件。8—10月的过火面积均保持10万hm2以下,虽然过火次数较高,但过火面积总体占比较低。大兴安岭夏季多雨,整个山区的气候较湿润,这在一定程度上减少了林火发生的次数。森林火灾在12—1月发生的概率极小,2002—2021年20 a间这2个月仅检测到10次。本研究结果与许多研究结果相似[15,21⇓-23],即森林过火次数和过火面积在年尺度上呈波动性变化,在季尺度表现出林火的多发时期为春秋两季,且与人类活动及气候特点息息相关。
图3
图3
大兴安岭林火月度变化
Fig.3
Monthly changes of forest fires in the Greater Khingan Mountains
2.2 大兴安岭火烧迹地空间分布变化
2.2.1 林火的空间分布特征
将2002—2021年火烧迹地逐年及逐月数据分别进行叠加,林火年月的空间分布如图4所示,可以看出大兴安岭林火由东北向西南呈不均匀分布,具体表现为东北部和中部较多,中部比东北部的林火更频繁,主要集中在黑龙江大兴安岭地区和内蒙古呼伦贝尔市,极少量火点零散分布在其他3个地级市。林火集中地处于东部季风区的湿润和半湿润地区,这是因为树木的生长对水分、光照等条件有一定的要求,大兴安岭的东侧近海,由于夏季风给东侧带来了水汽,年降水量在400 mm以上,光照充足,适宜树木的生长,东侧森林植被茂盛,覆盖率较高,林火的发生概率较大。大兴安岭山脉上有着我国面积最大的原始森林,面积约为8.46万km2,森林存在着许多易燃树种(白桦树和蒙古栎),白桦树树皮经常干枯脱落且含油脂较多,极易点燃; 蒙古栎多生长在干燥山坡,冬季幼树的枝叶干枯而不脱落,容易燃烧。这2个地区的林区处于高寒区,同时人烟稀少,交通不便,一旦发生林火,很难被人们察觉,因此极易扩散蔓延。
图4
综合分析大兴安岭的年月空间变化可知,黑龙江大兴安岭地区自2003年5月起林火面积平缓变化,连续十多年无大面积的森林火灾; 内蒙古呼伦贝尔市的林火多集中在每年的3月和4月,且防火紧要期是每年的春夏秋季。内蒙古地区的林火面积远远大于黑龙江地区的,大兴安岭地区冬长夏短,尤其黑龙江地带的冬季长达7个月以上且日照时间非常短,年平均气候为-4 ℃,有大面积的多年冻土区。
2.2.2 不同植被类型的林火分布特征
将大兴安岭森林类型分布与火烧迹地数据进行叠加,并提取不同植被类型的过火,统计各类型占总林区的比例,2002—2021年大兴安岭森林火灾统计情况如表2所示。阔叶林作为大兴安岭的主要森林类型,占地面积较大且过火面积也较大。大兴安岭的气温较低,光照时间较短,阔叶有利于吸收光照,而冬天天气寒冷,加剧了脱落酸的分泌,故大兴安岭的阔叶林植被属落叶阔叶林,秋冬两季落叶提供了大量的可燃物质,导致阔叶林的过火区域较大。根据大兴安岭的植被抗火特性,兴安落叶松>白桦>二色胡枝子>平榛>黑桦>兴安杜鹃>山杨>蒙古栎[24]。大兴安岭针叶林主要以兴安落叶松等抗火性较好的林种为主,研究区域频繁过火促进了山杨—兴安落叶松混交林的形成,而阳性且喜光树种山杨能够最先生长起来,故针叶林的面积占比虽大于混交林,但过火面积比之小。在其他林种中火烧迹地主要集中在多树草原和稀树草原,其中多树草原的过火最多,总占比高达64%。原因在于大兴安岭林区52%都是多树草原且植被为分布稀疏的白桦林和以兴安杜鹃为主的林下灌木,地势较平坦,在旱季易引起地下林火和森林火灾。
表2 大兴安岭森林过火面积及森林类型分布
Tab.2
| 森林类型 | 过火面积/ 108 hm2 | 占总过火面 积的比例/% | 森林类型 占比/% |
|---|---|---|---|
| 阔叶林 | 3 453.59 | 25.33 | 18.95 |
| 针叶林 | 110.82 | 0.81 | 7.39 |
| 混交林 | 221.63 | 1.63 | 6.64 |
| 其他林种 | 9 846.31 | 72.23 | 67.03 |
2.3 森林植被恢复研究
图5
图5
大兴安岭森林区域GPP变化趋势
Fig.5
Trend of GPP in the Greater Khingan Mountains forest region
图6
图6
大兴安岭森林累积过火分布
Fig.6
Distribution of cumulative forest overfire in Greater Khingan Mountains
2.3.1 过火区域的森林年度恢复分析
通过对森林区域的GPP进行统计,最大值多数出现在每年的7月份,选取7月份过火区域的森林GPP估算结果对森林恢复情况进行监测。从图7中可以看到,过火区和森林整体2003年GPP均值较2002年相比大幅度降低,灾后一年GPP数值大幅度提升,即2004年的数值就直接提升了近乎一倍。林火对森林造成破坏,但另一方面也对森林的生态平衡起到调整,林火燃烧造成的养分会对幼林以及灌木等生长起到促进作用,迅速形成新的植被群落。2007年过火区的GPP均值基本上可以恢复到火烧前的状态,但远低于森林整体的均值数。2008—2011年期间过火区和森林整体的GPP均值之间的差距逐渐减小,且过火区的GPP数值基本上维持在一个相对稳定的范围内。
图7
图7
过火区和森林整体的7月份GPP均值对比
Fig.7
Comparison of the average GPP values in July between the burned area and total forest area
2.3.2 森林植被类型的恢复分析
为了将火灾后形成的灌木等因素去除,统计了仅有阔叶林、针叶林和混合林的3种情况,表3为过火区不同植被类型7月份的GPP总产值统计结果,图8为GPP的均值与误差条结果。不同植物由于自身的结构影响着其光能吸收量,如树干的高度、树叶的形状等,因此对太阳能的固定量存在差异,对阳光较喜好的植被类型的GPP值增长速率会相对较快[25],从表3可以看出,不同森林类型GPP总产值的增长变化趋势一致,2003年过火后明显降低,在2004年大幅度增长后再缓慢增加。森林大火后可能导致混交林的结构发生改变,调整为阔叶林或针叶林,自然演替可能需要很长时间,可以看到在火灾发生之后的18 a中,混交林无论是GPP总产值还是所占比例都没有达到2002年的水平。针叶林GPP产值比例在火灾前后变化程度不大,但其总产值恢复到过火前水平需6~7 a; 阔叶林的GPP产值比例变化明显,其中阔叶林的产值比例在火灾后超过混交林,且阔叶林GPP总产值3 a左右可以恢复。阔叶林的叶片较大且树干较高,对阳光的吸收较好,环境适应能力强,故森林火烧后能够最先生长起来,从而使GPP的恢复速度快于其他森林类型,针叶林由于树冠稀疏,树叶稀少的特征导致其在7月份GPP增长慢于阔叶林。以GPP的总产值分析,3种林型自遭受火灾后,再次恢复到2002年的GPP产值,需要至少7 a时间。
表3 过火区不同植被类型7月份的GPP产值数据
Tab.3
| 年份 | GPP总产值/(×104 gC·m-2) | 总产值比例/% | ||||
|---|---|---|---|---|---|---|
| 针叶林 | 阔叶林 | 混交林 | 针叶林 | 阔叶林 | 混交林 | |
| 2002年 | 514.10 | 65.95 | 89.40 | 76.79 | 9.85 | 13.35 |
| 2003年 | 288.27 | 36.97 | 41.04 | 78.70 | 10.09 | 11.20 |
| 2004年 | 411.10 | 65.83 | 63.61 | 76.05 | 12.18 | 11.77 |
| 2005年 | 414.72 | 73.28 | 67.79 | 74.62 | 13.18 | 12.20 |
| 2006年 | 401.79 | 74.80 | 62.67 | 74.51 | 13.87 | 11.62 |
| 2007年 | 480.75 | 88.55 | 74.85 | 74.63 | 13.75 | 11.62 |
| 2008年 | 445.81 | 72.63 | 60.89 | 76.95 | 12.54 | 10.51 |
| 2009年 | 504.37 | 79.85 | 59.84 | 78.31 | 12.40 | 9.29 |
| 2010年 | 540.19 | 76.37 | 66.08 | 79.13 | 11.19 | 9.68 |
| 2011年 | 515.82 | 70.04 | 49.75 | 81.15 | 11.02 | 7.83 |
| 2012年 | 610.78 | 84.05 | 48.86 | 82.13 | 11.30 | 6.57 |
| 2013年 | 542.83 | 82.75 | 38.45 | 81.75 | 12.46 | 5.79 |
| 2014年 | 603.19 | 111.19 | 55.01 | 78.40 | 14.45 | 7.15 |
| 2015年 | 559.94 | 106.39 | 54.86 | 77.64 | 14.75 | 7.61 |
| 2016年 | 643.04 | 123.39 | 65.02 | 77.34 | 14.84 | 7.82 |
| 2017年 | 480.60 | 111.90 | 67.15 | 72.86 | 16.96 | 10.18 |
| 2018年 | 354.19 | 77.83 | 40.05 | 75.03 | 16.49 | 8.48 |
| 2019年 | 353.97 | 58.06 | 32.85 | 79.57 | 13.05 | 7.38 |
| 2020年 | 343.13 | 52.63 | 39.41 | 78.85 | 12.09 | 9.06 |
| 2021年 | 347.30 | 52.51 | 39.17 | 79.12 | 11.96 | 8.92 |
| 均值 | 467.79 | 78.25 | 55.84 | 77.68 | 12.92 | 9.40 |
图8
图8
过火区不同植被类型7月份的GPP平均值与误差条形图
Fig.8
Means and error bars of GPP in July for different vegetation types in the burned area
3 结论与讨论
MODIS产品因其能准确提取火烧迹地信息而成为监测火灾及其恢复的重要手段。本研究使用MCD12Q1土地利用产品提取2002—2021年大兴安岭森林分布数据,在此基础上利用MCD64A1火烧迹地产品提取森林火点分布及过火面积来分析林火的时空分布格局,同时结合MOD17A2H总初级生产力数据来探究火灾后的森林恢复,在区域尺度上对森林变化进行分析,得出以下结论:
1)森林过火面积与森林总面积存在弱相关性,过火面积的大小与气温、风向、当地的重视程度等密切相关。大兴安岭森林火灾次数在2002—2021年间整体呈下降趋势,但火烧迹地面积不断波动,2003年和2008年的过火次数和过火面积都处于一个较高的水平,2019年的过火面积最小,这可能与当时的环境气候有关; 从2009年起,森林过火面积基本维持在一个较低的水准。大兴安岭地区林火主要集中在春秋两季,其中3月和5月的过火面积和过火次数都较高,9月的过火次数次之,但火烧迹地面积较低,这3个月是大兴安岭进行防火工作的重点时期,需做好详细的防火工作安排。
2)2002—2021年大兴安岭林火由东北向西南呈不均匀分布,东北部的黑龙江大兴安岭地区和中部的内蒙古呼伦贝尔市较多,中部的林火面积远大于东北部,但中部比东北部的林火发生更为频繁,极少量火烧迹地零散分布在其他3个地级市。阔叶林作为大兴安岭的主要森林类型,过火区域较大,其次是混交林,最后是针叶林。
3)统计2003年过火区域的GPP年变化值可以看出GPP具有明显的季节特征,且主要集中分布在每年的3—10月,且最大值多数在每年的7月份。过火区域植被需要经历将近7 a的时间才基本恢复,一般在过火后的第一年GPP数值恢复较快,在之后的几年中GPP的增长速率减慢且有时会略微降低。不同植被类型在火烧后的恢复速度不同,阔叶林的恢复速度较快,其次是针叶林,最后是混交林。
2020—2022年这3 a间,疫情在一定程度上限制了人们的出行,这对大兴安岭人为火灾的数量产生了一定的影响。由于春游、外出旅游等活动的大量减少,根据2020年和2021年的统计结果大兴安岭的森林火灾次数持续降低,两者可能存在着较强的关联。
参考文献
2021年全球森林火灾综述
[J].
A review of global forest fires in 2021
[J].
基于林火特征分类模型的森林火情等级制图
[J].
Forest fire potential forecast based on FCCS model
[J].
Examining the effects of forest fire on terrestrial carbon emission and ecosystem production in India using remote sensing approaches
[J].
地形及NDVI在林火遥感监测二次识别中应用的方法探讨
[J].
Methods for the application of topography and NDVI in re- identification of remote sensing - based monitoring of forest fires
[J].
Monitoring of the fire in Muli County on March 28,2020,based on high temporal-spatial resolution remote sensing techniques
[J].
Remote sensing techniques to assess post-fire vegetation recovery
[J].
Improving the detection of wildfire disturbances in space and time based on indicators extracted from MODIS data:A case study in northern Portugal
[J].
Mapping canopy damage from understory fires in Amazon forests using annual time series of Landsat and MODIS data
[J].
Assessment of satellite orbit-drift artifacts in the long-term AVHRR FireCCILT11 global burned area data set
[J].
Spectral and diurnal temporal suitability of GOES Advanced Baseline Imager (ABI) reflectance for burned area mapping
[J].
The Collection 6 MODIS burned area mapping algorithm and product
[J].
DOI:10.1016/j.rse.2018.08.005
PMID:30220740
[本文引用: 1]
The two Moderate Resolution Imaging Spectroradiometer (MODIS) instruments on-board NASA's Terra and Aqua satellites have provided nearly two decades of global fire data. Here, we describe refinements made to the 500-m global burned area mapping algorithm that were implemented in late 2016 as part of the MODIS Collection 6 (C6) land-product reprocessing. The updated algorithm improves upon the heritage Collection 5.1 (C5.1) MCD64A1 and MCD45A1 algorithms by offering significantly better detection of small burns, a modest reduction in burn-date temporal uncertainty, and a large reduction in the extent of unmapped areas. Comparison of the C6 and C5.1 MCD64A1 products for fifteen years (2002-2016) on a regional basis shows that the C6 product detects considerably more burned area globally (26%) and in almost every region considered. The sole exception was in Boreal North America, where the mean annual area burned was 6% lower for C6, primarily as a result of a large increase in the number of small lakes mapped (and subsequently masked) at high latitudes in the upstream C6 input data. With respect to temporal reporting accuracy, 44% of the C6 MCD64A1 burned grid cells were de-tected on the same day as an active fire, and 68% within 2 days, which represents a substantial reduction in temporal uncertainty compared to the C5.1 MCD64A1 and MCD45A1 products. In addition, an areal accuracy assessment of the C6 burned area product undertaken using high resolution burned area reference maps derived from 108 Landsat image pairs is reported.
Spatiotemporal patterns of fire-driven forest mortality in China
[J].
2019—2020年澳大利亚森林火灾遥感监测研究
[J].
Remote sensing monitoring of forest fires in Australia from 2019 to 2020
[J].
基于MODIS卫星火点数据的浙江省林火时空动态变化特征
[J].
Temporal and spatial dynamic characteristics of forest fire in Zhejiang Province of eastern China based on MODIS satellite hot spot data
[J].
基于MODIS数据的2001—2018年黑龙江省林火时空分布
[J].
DOI:10.12302/j.issn.1000-2006.201910023
[本文引用: 2]
【目的】黑龙江省是中国重要的林业省份之一,也是受林火危害最严重的地区之一。通过遥感数据获取森林火点信息,充分了解近年来黑龙江省林火发生的时空分布格局,探索林火发生规律。【方法】根据黑龙江省2001—2018年MODIS(分辨率成像光谱仪)遥感图像的MCD64A1火烧迹地产品数据集,提取林火火点信息,结合历史火灾记录资料、归一化植被指数NDVI(normalized difference vegetation index)、森林类型、数字高程模型DEM(digital elevation model)等数据,运用地理信息系统空间分析方法和统计分析方法,对黑龙江省的林火时空分布规律进行研究。【结果】2001—2018年,黑龙江省林火次数和过火面积呈现波动性变化,但整体上林火次数呈现下降趋势,其中2002年火灾发生次数最多,2003年过火面积最大,2008年过火面积最小;春、秋两季是林火的多发时期,冬季基本不发生火灾。林火在空间分布上具有异质性,在13个地级行政区中黑河市的森林火灾过火面积最大,其次为大兴安岭地区和绥化市,大庆市发生森林火灾的过火面积最小;过火面积随着林地海拔的升高逐渐呈现减少的趋势。结合森林类型分布情况发现,在针叶林中发生火灾的概率较高,其次为混交林和阔叶林。【结论】采用MCD64A1火烧迹地产品能够较为准确地提取出火灾信息,结合植被类型和高程信息对黑龙江省林火发生的时空规律进行分析,可为区域林火扑救和预警监测提供重要的科学依据。
Spatial and temporal distributions of forest fires in Heilongjiang Province from 2001 to 2018 based on MODIS data
[J].
Biogeographic variability in wildfire severity and post-fire vegetation recovery across the European forests via remote sensing-derived spectral metrics
[J].
A satellite data driven approach to monitoring and reporting fire disturbance and recovery across boreal and temperate forests
[J].
Large loss and rapid recovery of vegetation cover and aboveground biomass over forest areas in Australia during 2019-2020
[J].
多气候情景下中国森林火灾风险评估
[J].
Forest fire risk assessment for China under different climate scenarios
[J].
2003年大兴安岭春季森林火灾前期气象条件分析
[J].
Analysis of meteorological conditions in the early stage of spring forest fire in Daxing’anling in 2003
[J].
大兴安岭呼中林区林火时空分布特征分析
[J].
Analyzing the spatial and temporal distribution characteristics of forest fires in Huzhong area in the Great Xing’an Mountains
[J].
中国南北方林火时空分布及火险期动态变化特征——以黑龙江省和江西省为例
[J].
Temporal and spatial distribution of forest fire and the dynamics of fire danger period in southern and northern China:A case study in Heilongjiang and Jiangxi Provinces
[J].
1980—2015年内蒙古森林火灾的时空动态
[J].
DOI:10.3969/j.issn.1000-2006.201806037
[本文引用: 1]
【目的】林火是森林生态系统中重要的干扰因子,严重影响着森林的结构与功能。内蒙古大兴安岭是我国重要的森林生态系统之一,从内蒙古地区地域、海拔、火灾原因分布等可能导致火灾的时空因素分析林火灾害,为森林防火和管理提供有力的科学依据。【方法】基于遥感影像,借助ArcGIS 10.2和Origin等软件,分析了1980—2015年内蒙古地区森林火灾特点,结合时间、空间的因素,探讨林火的时空动态规律。【结果】内蒙古地区森林火灾时空上表现出规律性分布。受害森林面积年变化存在周期性规律,周期间隔16 a,且春季为林火高发季节,在进行森林防火的资源调节过程中,火灾发生次数较多的4、5月正处于春分、清明和谷雨时节,应以控制火源为主要内容。此外,月初林火发生概率相对较高,应在该时段提高警惕; 林火的发生主要集中在9:00—17:00; 多发于呼伦贝尔市、赤峰市、鄂尔多斯市和兴安盟等地区,其中兴安盟过火面积最大,大兴安岭林区火灾也比较频繁。【结论】内蒙古森林火灾频发,过火面积较大,且火灾频发与人类活动及气候特点息息相关。森林火灾主要由人为活动造成,必须严格控制野外火源、生活用火等。建议在掌握内蒙古自治区森林火灾时空动态特征的基础上,加强防火宣传与教育,并运用科学的森林防火措施,制定合理的森林防护政策。
Studies on the spatial and temporal dynamics of forest fires in Inner Mongolia from 1980 to 2015
[J].
内蒙古大兴安岭主要乔灌树种理化性质及抗火性研究
[J].
Study on physicochemical properties and fire-resistance of main tree and shrub species in Daxing’an Mountains,Inner Mongolia
[J].
