應用衛星遙感技術監測林火燃料可燃性研究現狀與發展趨勢

田小龍，江 洪,2*，周國模，余樹全，信曉穎

（1.浙江農林大學 亞熱帶森林培育國家重點實驗室 浙江省森林生態系統碳循環與固碳減排重點實驗室，浙江 臨安 311300；2.南京大學 國際地球系統科學研究所，江蘇 南京 210093）

森林火災不僅造成巨大的經濟損失，也嚴重破壞了人類生存的自然環境和生態平衡，甚至造成災難性的損失[1]。森林火險影響因子有氣候、燃料類型、地形因子和人類活動等。森林火災是在上述綜合因素作用下發生和發展的。林火是指林地上自由蔓延的火，包括受控的火與失控的火[2]。林火起火原因復雜多樣[3]，主要是由雷擊或由人為因素引起，按其火源分雷擊火和人為火。無論是雷擊火或人為火，林火燃料的類型和可燃性都是非常重要的成火條件和燃燒基礎。林火燃料可燃性是指林木活立木及其凋落物燃燒的可能性大小，并可以廣泛地指以該種樹木為主要優勢樹種的林分的可燃性，包含其地面植被[4]。森林可燃物含水量或可燃物濕度，直接影響著火的難易程度、間接影響火強度、火勢、林火蔓延速率、有效輻射，是預測林火發生、林火行為、能量釋放、估計火險大小的主要指標，是確定計劃火燒、實施營林用火的基本依據[5]。另外，燃料水分還有冷卻效應，促進煙的形成和減少熱量產生的作用，同時濕可燃物具有難以點燃、蔓延速度低等特點[6]。不同森林可燃物在不同時期、不同部位含水率都有一定的差異。一旦發生火災，還可根據濕度預測火場大小等，計算應投入的撲火力量，提高撲火組織的工作效率。所以，開展對可燃物濕度的研究，對提高林火發生和林火行為預報的準確性具有重要意義。在林火預報系統中，歷來重視火燃料的可燃性分析。早期，在缺乏衛星遙感資料時，就有科學家利用航片或森林調查數據，結合統計模型進行燃料可燃性的時空動態分析。如加拿大的Wright于1928年利用空氣中相對濕度以及燃料的可燃性進行火險預報；美國的Gisbome提出多因子預報方法；前蘇聯人聶斯切洛夫于1944年提出綜合指標法；日本的昌山久尚20世紀40年代提出實效濕度法[7]。近半個世紀以來，美國、加拿大、澳大利亞、日本和中國等國家大量開展了林火燃料可燃性的試驗研究、模型模擬和遙感監測的工作。

遙感可以提供潛在空間分布類型的信息以及燃料有關火災風險評估信息[8]，具體準確地了解燃料的空間分布，幫助分析、建模和預測火行為[9]。特別是空間分辨率高、大尺度的燃料類型和燃料可燃性的遙感圖像可以大大提高火險預報精度和有效地采取措施控制火燃燒的行為。本文通過文獻綜述，分析了應用衛星遙感技術監測林火燃料和可燃性的國內外進展和未來發展趨勢。

1 林火燃料可燃性的特點

1.1 可燃物類型

森林可燃物是森林火災發生的物質基礎，也是發生森林火災的首要條件。森林可燃物特征取決于可燃物的燃燒性質，是由可燃物的物理性質和化學性質來決定的。物理性質有：可燃物的結構、含水率、發熱量等；化學性質有：油脂含量、可燃氣體含量、灰分含量等[10]。可燃物種類的劃分方法主要有：①按物種類別分，鄭煥能等將森林可燃物分為死地被物、地衣、苔蘚、草本植物、灌木、喬木、森林雜亂物等[11]，物種類別不同，燃燒性特點差異很大；②按生活力分，美國人Deeming將森林可燃物分為活可燃物和死可燃物兩大類，死可燃物根據含水率的恢復時間又分為1 h、10 h、100 h時滯的可燃物[12]；③按所處位置分，鄭煥能等將其分為地下、地表和空中可燃物，可燃物在森林中所處的位置不同。發生森林火災的種類也不同。此外，還有按燃燒難易程度、按可燃物的大小和形狀分類的方法[13]。可燃物濕度的計算公式：

式中，FMC為可燃物含水率（%），WH為可燃物的濕重（g），WD為可燃物干重（g）。

按照國家林業局行業標準，我國把可燃物類型劃分為十個等級（表1）。馬尾松純林火險等級最高，杉木、杉木馬尾松混交林和竹林等風險次之，闊葉樹火險等級最低，而水域是林火重要制約因子。其中針葉林為易燃的林分，居民地次之，因此在林分管理中要把重點放在針葉林上。同時注意到純林相對混交林而言更易燃，所以在進行人工林構建時要更多的利用混交林。此外，林火的一個關鍵環境影響因子是林分的密度。已經有實驗證明林分密度對林火的蔓延有一定的影響[14]。如果這種林分的密度比較大，則林火可能蔓延；相反如果林分密度較小，則林火很可能會熄滅。

1.2 影響可燃物燃燒的環境因子

因為林火與氣候的相關性，所以林火被認為是容易受氣候影響的[15]。特別是可燃物的可燃性，比較容易受到風、溫度和降水等氣候條件的影響。而且，可燃物燃燒的環境因子之間既是相互聯系的又是相互制約的，例如：風速會影響林火燃料的含水率，風速增大含水率就會降低；溫度升高也會使含水率降低；降水越多林火燃料的含水率就會越大，從而降低燃料的可燃性等。

風對森林火災的發生和發展起兩個作用。一是使未燃燒的林火燃料蒸發變干；二是林火燃料燃燒后，通過風帶來新鮮氧氣，使火燃燒的更旺。所以大風天氣多，火災次數也多。風又是林火蔓延的重要因子，風速越大，火燒面積也越大[16]。

降水量大小直接影響林區的相對濕度，林火燃料相對濕度越高，著火率越低；相對濕度越低，著火率越高。如果一個地區的年降水量超過1 500 mm，或月降水量超過100 mm，一般不發生或少發生森林火災[17]。

林火發生最多的時間，多半是白天氣溫出現最高的時段。因為氣溫升高加速可燃物自身溫度升高、含水量變小，易接近燃點。影響溫度的主要有以下幾個方面：①海拔高度，隨著海拔的增高，降水量增加，溫度降低，林火燃料濕度增大，林火發生的可能性減小；②坡度，坡度對林火發生和蔓延的影響基本呈中間高兩邊低的二次分布，隨著坡度增大，地表徑流加快，地面上的林火燃料容易干燥，火險程度也較高，但當坡度達到急坡以上，林火不易蔓延；③坡向，坡向直接影響地面接收太陽輻射的多寡，造成在不同坡向上的溫度差異，南坡接受太陽輻射多，其地面溫度比北坡高，空氣更干燥，林火燃料亦干燥，更容易造成森林火災。

表1 可燃物類型Table1 Forest fuel types

1.3 燃料的含水率

相對濕度越大，可燃物含水率也隨之增大。通常相對濕度在75%以上則不易發生森林火災；75% ～ 55%可能發生火災；55%以下容易發生火災；30%以下可能發生特大火災。此外還有連旱日數長短、云量多少等都能影響森林火災的發生。縱觀各國研究現狀，特別是美、加兩國出發點都是研究林火燃料含水率。不同森林林火燃料在不同時期、不同部位含水率都有一定的差異[18]。火災的發生與林火燃料的含水率密切相關，所以森林燃料含水率一直作為林火預警的一個關鍵參數為研究人員所關注[19]。此外，鮮活可燃物的濕度在判斷火災發生時的作用較小，但是其含水量的大小直接影響到林火的蔓延速度，是林火蔓延模型中的關鍵參數[20]。森林地表的死可燃物通常比鮮活的可燃物更為干燥，也更易著火，是監測潛在森林火災的重要指標。

2 遙感技術在監測林火燃料可燃性上的應用和特點

在現代森林資源調查中遙感圖像是空間數據源，它包括森林全貌和森林分布狀況等各種信息，如樹種組成、樹高、樹冠覆蓋率和材積等指標。通過對圖像的增強處理、特征提取、模式識別等，使遙感圖像再現整體森林的空間分布。與航空遙感相比，航天遙感能夠進行連續的、全天候的工作，提供更大范圍的數據，其成本更低，是獲取遙感數據的主要方式；而航空遙感主要應用于臨時性的、緊急的觀測任務以獲得高精度數據。目前，世界上許多國家都已經發射了服務于不同目的的各種遙感衛星，其遙感器的空間分辨率和光譜分辨率也都各異，形成了從粗到細的對地觀測數據源系列，可以用于監測從土地利用、農作物生長、植被覆蓋到洪水、森林火災、污染等現象的信息以及其動態變化。目前用于研究森林植被類型狀況、實現森林資源專題信息提取可利用的遙感數據資源較多，如美國的陸地資源衛星的LandsatTM影像、法國的SPOT影像、中巴資源衛星的CERBS影像、以及高分辨率遙感影像如IKONOS遙感影像等。根據研究的需要，首先需對遙感影像進行幾何精校正、影像的直方圖匹配、研究區域的裁剪以及對數字圖像進行粗略的大氣校正等。衛星遙感獲得的數據經計算機處理并輸出的衛星影像圖所包含的地面信息視域范圍大，并能使一景圖像成像時間基本保持一致，對森林資源的宏觀、動態監測及其綜合分析等方面發揮著其他技術不可替代的作用。

遙感在許多林火方面的應用已經比較廣泛，包括燃料和植被類別分類、火災探測等方面[21～22]。特別是近年來，國內外利用衛星遙感圖像進行火點監測應用十分普遍，在森林火災中顯示出它千里眼的作用[23]。從遙感圖像上可以及時發現林火，迅速通報森林防火部門采取滅火措施，把森林火災造成的損失降低到最小程度[24]。另外，由于地形、植被和氣象因素的差異會導致森林火災中林地火燒強度的不同, 因此利用衛星紅外遙感技術取得的數據來反映火燒程度的差別，用衛星數據表現出來，并可得到Landsat映像圖。隨著科學技術的發展，衛星遙感技術并結合部分地面調查用于監測林火燃料可燃性的工作已經開始推廣應用。

應用衛星遙感技術監測林火燃料的可燃性的研究，美國和加拿大是開展研究最早，取得研究成果最多的國家[25]。1972年美國研制出國家級森林火險預報系統，并在全國得到應用，1978年對該系統進行修改，使其更完善。該系統是集火險預報、林火發生預報、林火行為預報于一體的綜合性系統，代表世界林火預報的前沿，在該系統中，越來越重視將衛星遙感的數據用來反演火燃料的可燃燒性。同年，加拿大提出“加拿大森林火災天氣指標系統”，該系統每天只需測定氣溫、相對濕度、風速和降雨量就可進行3天預報[26]。此外，歐洲林火信息預報系統（EFFRFS）使用不同的火險指數和氣象數據進行長期和短期的火險預測預報，目前它所涵蓋的范圍包括了地中海的幾個國家以及德國、芬蘭、澳大利亞、塞浦路斯、保加利亞、羅馬尼亞等國[27]。歐洲林火信息系統EFFI動正朝著成為動態體現林火信息的系統方向發展，它是一個網絡界面系統，用戶可以在其中搜索到感興趣的歐洲區域任何一個地方的信息。

我國利用衛星遙感技術監測林火燃料預報研究起步較遲，福建省氣象科學研究所于1991年引進NOAA極軌氣象衛星資料接收處理系統，2000年引進新一代NOAA/FY極軌氣象衛星資料接收處理系統，2004年2月，由福建省政府投資建設的EOS衛星資料接收處理系統在福建省氣緣科學研究所投入業務使用[28]。此外，林火與氣象因子的相關關系以及森林火險天氣預測預報的研究也是林火研究的重點。據楊美和、高穎儀等利用長白山地區近30年的氣象與林火研究資料表明，最高氣溫和降水量是誘發林火發生的主導因素；袁建新認為，在影響林火發生的眾多氣象因子中，相對濕度和林火燃料濕度是林火發生最關鍵的因素，濕度大小，不僅影響林火燃料的干濕程度，而且隨著濕度的減小，林火燃料的干燥速度不斷加快[29]；王貴芝、龐旺才等也認為空氣濕度對森林火險的直接作用和間接作用都是明顯的；李鐘活、薛文彪等認為，降水直接影響林下林火燃料的濕度變化，如果經常下雨且雨量大，林下的枯枝落葉、地被物和雜灌等含水量高，林內相對濕度增加，不易發生森林火災，而在干旱少雨的春季就容易發生森林火災[30]。

總之，衛星遙感技術在林業上監測林火燃料可燃性的應用，具有其優越性，不僅減少了調查人員的數量，降低了勞動強度和調查成本，提高了經濟效益，而且還能與抽樣技術相結合，提高調查精度和調查成果的質量，極大地推動了資源清查的進步。

3 討論與展望

由于地形、氣候、森林結構以及林木自身生理過程都會對森林林火燃料濕度產生影響[31]，影響森林火災發生的因素眾多，機制復雜，因素之間相互交織，因果之間呈非線性關系，因此，用一般的統計方法建立的預測模型，常常不能有效地預測森林火災的發生情況，常規的統計方法還存在覆蓋面積小、工作量大和監測主觀性等缺點[32]。隨著時間的推移，利用遙感影像對燃料可燃性的監測會使森林火災發生的燃料因素有一定的變化，隨著預測次數的增加預測結果有可能失真，因此需要不斷補充新的資料[33]。建議將氣候參數、植被以及林分燃料結構等加入到模型當中，提供一個較完整的林火動態模型來監測燃料的可燃性。充分利用森林火災發生的已有信息，結合遙感影像和可燃性林火燃料信息，再利用常規的地面調查來補充對于一些通過插值得到氣象數據帶來的額外誤差。

遙感技術可以支持不同階段的森林火災管理以及防火、火災行為的預測[34]。配合燃料的空間分布狀況作為基地觀察的遙感方法可以減輕火災的破壞程度[35]。但是，要真正了解火行為，特別是從表面到潛在的火行為，就需要了解燃料的詳細資料[36]。燃料種類，往往指的是燃料（立木）的絕對高度和垂直結構[37]。掌握詳細的測繪燃料類型及其信息（垂直結構和表面特征），將有利于森林火災的管理。因此，深入研究如何利用遙感監測林火燃料可燃性的方法就顯得尤為重要。美國和加拿大是開展應用衛星遙感技術監測林火燃料的可燃性最早，取得研究成果最多的國家[38]。我國科學家在此方面也開展了深入的研究，取得了很多研究成果，但相比于美國和加拿大還存在很大差距，應用衛星遙感技術監測林火燃料可燃性的研究與林火研究在實際工作中具有重大的意義，其研究成果是國家及地方制定長期林火管理戰略的依據[39～40]，因此在當前氣候災害頻發的大背景下，我國應加大此方面的研究力度，更深入地探索衛星遙感技術在監控林火燃料可燃性的研究，爭取取得更多的研究成果。

[1]楊國棟.利用MODIS遙感技術監測浙江省森林火燃料濕度的時空動態[D].臨安：浙江農林大學，2009.

[2]張雁，譚偉，馮仲科.廣義3S技術在林業上的應用現狀與發展趨勢[J].北京林業大學學報，2005，27（2）：213－217.

[3]張彥林.基于廣義3S技術的森林資源監測體系探討[J].甘肅林業職業技術學院學報，2006（8）：36－39.

[4]張勇，胡林，馮仲科.北京地區林木可燃性研究[J].北京：北京林業大學林學院，2007，29（2）：111－114.

[5]劉祖軍，劉建，徐劍.基于RS和GIS的森林火險區劃[J].福建農林大學學報，2008，37（6）：606－609.

[6]Dexter B D, Williams D F.Direct field estimation of fine fuel moisture content[J].Aust For, 1976，39（2）：140－144.

[7]龔固堂，劉淑瓊.林火干擾與森林群落動態研究綜述[J].四川林業科技，2007，28（4）：21－25.

[8]B Koetz, F Morsdorf, S van der Linden.Multi-source land cover classification for forest fire management based on imaging spectrometry and LiDAR data[J].For Ecol Manag, 2008，256（3）：263－271.

[9]Lara A.Arroyo, Cristina Pascual,et al.Manzanera.Fire models and methods to map fuel types: The role of remote sensing[J].For Ecol Manag,2008, 256（6）：1 239－1 252.

[10]胡海清.森林防火[M].北京：經濟科學出版社，1995.

[11]鄭煥能.森林防火學[M].北京：農業出版社，1962.

[12]瓦季連克.曲寶恩（譯）.大面積森林火災[M].哈爾濱：東北林學院出版社，1984.

[13]鄭煥能.林火管理[M].哈爾濱：東北林業大學出版社，1988.

[14]Xiaodong Li，William Magill.Critical density in a fire spread model under environmental influence [J].Int J Comput Intell Appl, 2003, 3（2）：145－155.

[15]Le Goff, H Flannigan.Management solution to face climate change, the example of forest fires[M].Canada: Ecosys Manag Boreal For，2009.

[16]Michael C Wimberly, Matthew J Reilly.Assessment of fire severity and species diversity in the southern Appalachians using Landsat TM and ETM+ imagery [J].Rem Sens Envir, 2007, 108（2）：189－197.

[17]李振頂，利辛縣.衛星遙感技術在平原林業資源清查中的應用[J].安徽林業科技，2007（6）：29.

[18]姚樹人，文定元.森林消防管理學[M].北京：中國林業出版社，2002.

[19]Dimitrakopoulos A P, Papaioannou K K.Flammability assessment of mediterranean forest fuels[J].Fire Tech, 2001, 37（2）：143－152.

[20]Carlson J D, Burgan R E.Review of users' needs in operational fire danger estimation: The oklahoma example[J].Int J Rem Sensing, 2003,24（8）：1 601－1 620.

[21]Chuvieco E.A review of remote sensing methods for the study of large wildland fires[M].Spain: Megafires project ENV-CT96-0256, 1997.

[22]Chuvieco E, Ventura G, Martín M P,et al.Assessment of multitemporal compositing techniques of MODIS and avhrr images for burned land mapping[J].Rem Sensing Environ, 2005, 94（4）：450－462.

[23]趙明文，張廣英，王付華.衛星遙感資料在森林火災監測中的應用[J].黑龍江氣象，2005（1）：35，40.

[24]劉祖軍，劉建，余坤勇，等.基于RS和GIS的森林火險區劃[J].福建農林大學學報（自然科學版），2008，37（6）：606－609.

[25]Crawley M J.The R book[M].Chichester: John Wiley & Sons, 2007.

[26]田曉瑞，舒立福，阿力甫江.林火研究綜述（III）——ENSO對森林火災的影響[J].世界林業研究，2003，16（5）：22－25.

[27]李紅，張有慧，舒立福，等.林火研究綜述（V）——航空護林[J].世界林業研究，2004，17（5）：17－20.

[28]劉俊芬.3S技術在林業中的應用[J].內蒙古林業調查設計，2006，29（3）：31－75.

[29]舒立福，田曉瑞，寇曉軍.林火研究綜述（I）——研究熱點與進展[J].世界林業研究，2003，16（3）：37－40.

[30]舒立福，張小羅，王明玉，等.林火研究綜述（II）——林火預測預報[J].世界林業研究，2003，16（4）：34－37.

[31]William J.de Groot, Robert D.Field, Michael A Brady,et al.Development of the Indonesian and Malaysian Fire Danger Rating Systems[J].Mitig Adapt Strat Glob Change, 2007（12）：165－180.

[32]白尚斌，張曉麗.林火預測預報研究綜述[J].農業網絡信息，2008（6）：22－26.

[33]趙鳳君，王明玉，舒立福，等.氣候變化與林火研究綜述[J].森林防火，2005（4）：19－21.

[34]Chuvieco E, Allg?wer B, Salas J,et al.Integration of physical and human factors in fire danger assessment[A].Chuvieco E.Wildland Fire

Danger Estimation and Mapping, the Role of Remote Sensing Data[M].Singapore: World Scientific Publishing, 2003.197－218.

[35]Millar C I, Stephenson N L, Stephens S L.Climate change and forests of the future: managing in the face of uncertainty[J].Ecol Appl, 2007, 17（8）：2 145－2 151.

[36]Narayan C, Fernandes P M, van Brusselen J,et al.Potential for CO2emissions mitigation in europe through prescribed burning in the context of the kyoto protocol[J].For Ecol Manag, 2007, 251（3）：164－173.

[37]Lasaponara R., Lanorte A.Remotely sensed characterization of forest fuel types by using satellite ASTER data[J].Int J Appl Earth Obser Geoinfor，2007，9（3）：225－234.

[38]Allgo¨wer B, Carlson J D, van Wagtendonk J W.Introduction to fire danger rating and remote sensing—will remote sensing enhance wildland fire danger rating[A].Chuvieco, E.Wildland Fire Danger Estimation and Mapping, the Role of Remote Sensing Data[M].Singapore: World Scientific Publishing, 2003.147－159.

[39]Peckham S D, Ahl D E, Serbin S P,et al.Fire-induced changes in green-up and leaf maturity of the canadian boreal forest[J].Rem Sensing Environ, 2008, 112（9）：3 594－3 603.

[40]Goff H L, Leduc A, Bergeron Y.The adaptive capacity of forest management to changing fire regimes in the boreal forest of Quebec[J].For Chron, 2005（81）：582－592.