森林火灾及植被恢复的遥感监测研究.docVIP

森林火灾及植被恢复的遥感监测研究

驱动因子03遥感方法

驱动因子

03

01

主要

内容

CONTENTS

02

空间格局

遥感方法

遥感数据选择：

利用卫星遥感数据(如Landsat等)和航空遥感数据获取火灾前后植被变化的信息。

数据处理与植被指数分析：

应用植被指数(如NDVI、EVI等)来评估火灾对植被覆盖的影响，并监测植被恢复的过程。

时序遥感分析：

通过比较多个时间点的遥感数据，在不同阶段观察植被变化，以评估火灾对植被恢复速度和质量的影响。

遥感方法|遥感数据选择

森火遥感数据来源：

数据源

NOAA

MODIS

Landsat

FY卫星

Sentinel-2

SPOT-

VEGETATION

数据类型

热红外反射率和亮温

可见光、红外、近红外

可见光和红外

热红外和可见光

多光谱

可见光和近红外

空间分辨率

1km(AVHRR

250m(红外)、500m(可见光

30m(Landsat8OLI/TIRS)

1km(FY-2和FY-3)

10m、20m、60m

1km

时间分辨率

每隔数小时

(AVHRR)

每隔1-2天

16天(Landsat8)

多次每天

5天

每天

光谱范围

多波段，包括可见光、红外

多波段，包括可见光、红外

可见光和红外波段

可见光和红外波段

可见光、红外近红外波段

可见光和近红外波段

主要用途

火点检测、火灾监测、天气预测、气候研究

火点监测、植被监测、气溶胶监测、陆地温度

土地覆盖分类、森林监测、城市规划、资源管理

气象监测、天气预测、火点检测、云检测

土地覆盖分类、植被监测、水资源管理、土地利用

植被监测、农业应用、陆地覆盖变化检测

遥感方法|遥感数据处理遥感数据优化：

利用机器学习技术(如深度学习)和高分辨率遥感数据，可以将低分辨率遥感图像提升到更

高分辨率水平，以获得更精细的植被恢复信息。

GeorgeH.Mitri等人通过使用非常高的空间(VHS)分辨率(QuickBird)和高光谱(EO-1Hyperion)图像的组合，并

采用基于对象的图像分析，绘制地中海萨索斯岛上的火灾后森林再生和植被恢复。

多源数据选择与融合：

将不同传感器(如光学、雷达、激光雷达等)的遥感数据进行融合，可提供更全面、准确

的植被恢复信息，特别是利用雷达数据进行地下植被恢复研究。

Fernández-Manso等人研究发现，Sentinel-2A上的多光谱传感器中的红边波段可以指示火灾严重程度，证明了红边光

谱指数相对于传统光谱指数的优越性。

遥感方法|植被指数分析

植被恢复指数：

VRI=((NDVI1-NDVI2)/(NDVI1-NDVIO))*100

其中NDVIO是火灾前的植被覆盖指数，NDVI1是火灾后的植被覆盖指数，NDVI2是火灾后特定时

期(研究时)的植被覆盖指数

森林恢复指数(FRI)和植被覆盖率(FVC):

FVC和FRI轨迹代表了火灾后森林恢复的时空格局，能够以此估算森林中不同火灾程度的森林再

生和植被恢复速率。示例计算如下：

FVC=(NDVI-NDVI_min)/(NDVI_max-NDVI_min)*100%

FRI=(NDVI_after-NDVI_before)/(NDVI_after+NDVI_before)

空间格局

火灾热点分析：

利用空间统计和图像分析方法，在地理信息系统(GIS)上确定火灾热点和程度。

植被恢复格局：

观察和分析火灾后植被恢复的空间格局，包括植被类型、覆盖率和分布。

空间格局|火灾热点分析

野火调查探测技术：

利用高分辨率遥感影像确定火灾范围和火点位置，评估火势强度，建立火灾监测模型

基于可见光一近红外数据，通过提取烟雾、植被覆盖等信息服务于火点及过火面积估算，中红外、远红外数据可以提取地表辐射值开展火点监测。

野火卫星观测

火辐射能量(MCD14ML)

火烧而积(MCD45AI,MCD64AI,ESAfirecci)

野火斑块数据集

野火热点(AVHRR,ATSR,TRMM,VIIRS,MODIS)

非定量信息和统计数据I?291

Wwm

Wwm2

空间格局|火灾热点分析

经典火点提取