森林可燃物含水特征的高光譜探測與估算研究

張水鋒 張思玉 彭徐劍

摘要 利用高光譜探測反演地物特征是一種全新光譜探測技術。分析了近年來森林可燃物含水量的光譜探測研究進展，探討了可燃物水分參數的關鍵指標等效水厚度（EWT）和可燃物含水率（FMC），以及基于高光譜探測的實驗分析方法，并討論了可燃物水分參數指標計算的估算模型。以期為森林可燃物含水特征研究提供更加便捷有效的技術方法和理論依據，從而促進全球氣候變暖背景下林火預測預報與森林可燃物火險等級劃分工作的進一步發展。

關鍵詞 高光譜；森林可燃物；含水率

中圖分類號：S762 文獻標識碼：B 文章編號：2095–3305（2023）02–0154-03

森林可燃物作為森林生態系統的基本組成部分，同時也是林火發生的物質基礎和傳播的主要載體。當火源和氧氣達到燃燒條件，可燃物自身的結構狀態、理化性質和數量分布會影響林火的發生和發展程度，尤其是可燃物含水量與林火行為密切相關[1]。目前，國內關于森林可燃物含水量的測量方式大多應用烘干法和電阻法，但其時效性較差。在植物含水量指標的光譜特征研究中，多數針對農作物、林下植被、荒漠植被和草地植被，少有研究關注與森林火險密切相關的森林冠層可燃物含水特征指標[2]。若需分析可燃物冠層水分含量和分布狀況，采用傳統的方法難免浪費人力與物力。因此，可采用根據林分冠層可燃物光譜測定數據，獲取能夠反映水分含量的波段，分析森林冠層可燃物含水狀況與光譜反射率之間的關系，并對光譜差異定量分析，為實現大面積遙感監測提供基礎。高光譜探測技術是近年來迅速發展起來的一種全新一代光學測量技術，其是集探測器技術、精密光學機械、微弱信號檢測、計算機技術、信息處理技術于一體的綜合性技術。基于高光譜探測可實現對森林可燃物含水量的非接觸式高精度光譜測量，是一種在森林防火領域值得探索、研究且具有實用價值的光譜探測技術。

1 可燃物含水率光譜探測研究進展

光譜探測技術被認為是一種監控和量化植物各類多樣指標的有效手段。陸地生態系統的生理過程包含著多種生物物理和化學方面的可變因素，這些因素對于植物如何因環境因素作出反應、如何影響生態系統及如何應對氣候變化等方面起到決定性的作用。植物內水分是考察植物生理條件和生態系統狀態的指示性指標，同時也是評估森林、農田干旱狀態，以及預估火災發生風險的關鍵要素。火險等級的關鍵性評價參數取決于植物（可燃物）的水分含量。研究人員嘗試了大量的方法，利用遙感數據測算了多樣參數，這類研究幾乎都集中在可見光與近紅外（0.3～1.0 μm）、短紅外（1.0～2.5 μm）、中紅外（2.5～6 μm）的范圍內。Verbesselt等[3]認為有效測量等效水厚度難度較大，難以實現對葉片面積的測量。Jacquemoud等[4]的研究表明，由于測量植物的干重較為繁瑣，難以有效計算可燃物含水率。因此，可考慮引入高光譜探測技術，為準確估算可燃物含水率和森林防火模型構建等方面研究創新更可靠的方法。

高光譜探測技術可獲得窄且連續的光譜數據，在植被信息反演方面有較大的優勢，對于植被特征難以識別的困難也有很大改善。研究表明水分敏感的光譜波段包括0.95、-0.97、1.45 μm附近和1.65～1.90 μm，而這些波段特征能夠反映植物的水分特征，還有學者提出了一些用于植物水分情況監測的植被指數。最初通過遙感預測植物的含水率是用于研究農作物水脅迫對植物的產量的影響。而后有學者開始研究在近紅外和中紅外范圍內，植物含水率與光譜反射率之間的關系，并通過室內及室外試驗找到植物水分與遙感數據的關系，多數研究是通過建立植物含水率與指數之間的經驗模型估算植物的含水率，此法可有效地估算植物含水率，并且能夠獲得大范圍的空間和時間的分布。Ceccato等[5]研究了植物冠層含水率和光譜及植被指數之間的關系。杜華強等[6]采用分形維數分析高光譜反射曲線分析植物的健康情況，而田慶久等[7]發現在1.45 μm附近的特征吸收峰的深度和面積顯著相關，通過光譜反射率監測了小麥的水分含量特征。

2 可燃物水分參數與實驗分析

2.1 可燃物水分參數指標

林分冠層可燃物的各項水分參數指標，主要包括可燃物含水率FMC（%，質量百分比單位）、等效水厚度EWT（g/cm2，單位面積的質量單位）。等效水厚度是指葉片單位面積上的含水量。遙感領域有時也將等效水厚度表達為植物液態水含量。可燃物含水率是指可燃物含水量（濕重減去干重）占濕重或者干重的比率。其2個水分參數在火災建模，尤其是在森林的火災預測防控方面具有十分重要的作用。從理論上看，雖然已經可以通過采集冠層可燃物反射光譜的方法測量這些參數（尤其是等效水厚度EWT），但從目前的研究看，森林可燃物在林分的冠層的級別上，利用高分辨率光譜反射采集數據測量的研究方法在我國的推廣應用并不多。

等效水厚度和可燃物含水率可分別從2個不同方面描述冠層可燃物含水量。雖說EWT和FMC均能有效說明植物的含水量，但在使用遙感數據時，借助于經驗模型和自然規律，等效水厚度似乎更容易測量。目前，可燃物含水率計算方式頗多，例如，Jacquemoud等[4]認為可燃物含水率取決于EWT和植物干物質含量（DMC）；Riano等[8]分別計算等效水厚度和干物質含量預測FMC，并假設植物DMC在全年時間內是不變的；Garnier等[9]發現植物干物質含量在干旱期隨著新陳代謝的放緩，呈下降的趨勢。FMC與EWT分別作為基于面積和質量2個不同的水分指標，進行獨立的分析。植物的蒸騰作用、呼吸作用、氣體交換過程（如二氧化碳和水），以及光合作用這樣的化學反應過程（如固態碳），都可以被界定為可以在很小的一個面積單位進行[10-12]。Verbesselt[3]和 Chuvieco[13]等認為很難有效地測量等效水厚度。對于測量等效水厚度、可燃物含水率的阻力重重，在過去的數十年中，研究人員嘗試了大量的方法，利用遙感數據測算這類多樣參數。

2.2 可燃物高光譜實驗分析

可燃物高光譜探測實驗研究可使用地物光譜儀（如美國 Spectral Evolution公司的PSR+3500，光譜波段350～2 500 nm）進行反射光譜測定，波譜分辨率為3.5～4.0 nm。利用儀器自帶的植被探頭與葉片夾式光譜探測器在野外直接測定不同林分冠層可燃物光譜。研究過程中可主要測量植物冠層水平可燃物的水分參數的2個變量（FMC、EWT）。為獲得試驗所需的理想環境條件，同時降低任何空氣條件、溫度條件變化所產生的誤差，試驗一般在嚴格控制的實驗室條件下進行。實驗室需搭建1個暗室，暗室所有墻壁、頂部、地面全部涂覆1層黑色塑料材料。在不同的光譜段分別使用偏最小二乘或類神經網絡法對2種變量進行考察。完成可燃物樣品獲取工作后，對樣品進行保鮮處理，并在5 h內精密測量新鮮冠層葉片可燃物的質量。測量使用高精密數字電子秤，其精度達到10-5 g。而后冠層可燃物在烤箱中，在75 ℃狀態下連續烘烤48 h，直至其質量維持穩定。而后，EWT使用以下式（1）進行計算。

EWT = （1）

式（1）中，Wf和Wd是每個樣品濕重和干重，A是葉面面積，Pw是理論穩定物理狀態下純凈水的密度（g/cm3）。LAI是描述植被冠層結構的最基本的參量之一，指一定土地面積上植物葉面面積總和與土地面積之比。為了計算LAI，所有葉片的整體面積應除以對應的冠層占地面積得到LAI，進而用EWT乘以LAI，得到單位地面積冠層總含水量（EWTC）。

EWTC = EWT×LAI（2）

式（2）中EWT和FMC這2個不同的參數，分別從2個不同方面描述冠層可燃物含水量。目前，可燃物含水率有很多計算方式。Hunt等[14]為了按比例放大FMC，用LAI乘以FMC，獲得冠層總含水率（FMCC）。計算公式見式（3）、式（4）：

FMC = ×100（3）

FMCC = ×100（4）

3 可燃物水分參數估算模型

為了將等效水厚度（EWT）和可燃物含水率（FMC）從葉片水平提升到冠層水平進行研究，葉面積指數（LAI，m2/m2）是一個必須重視的變量。研究可燃物含水特征可同時包括林分冠層水平的2個變量：等效水厚度和可燃物含水率能用來反映高光譜數據的反射光譜在估測EWTC和FMCC的適用性。利用EWT和FMC這2個不同的數值，可分別從2個不同方面描述不同林分冠層可燃物含水量指標的分析。EWTC和FMCC的估算模型研究可采用2種方法：

一是基于偏最小二乘法（PLSR）的EWTC和FMCC的估算模型研究。高光譜數據具有高維度特性，以及與相鄰波段的高共線性。為了解決上述難點，使用偏最小二乘法，一種最常用的多變量分析方法，進行高光譜數據分析。其能夠將多變量數據轉換到正交分布關系。偏最小二乘法已經被廣泛應用于植物遙感數據的多變量分析領域。它已經被證實是分析近紅外光譜數據和高光譜數據，從而獲得單葉片或者冠層生化、生理特性的一種有效手段，是一種適用于所有光譜數的分析方法，能夠有效地利用任何波長的光譜數據。

二是基于人工神經網絡（ANN）的EWTC和FMCC估算模型研究。人工神經網絡的應用已經被證明是替代傳統統計分析方法的一種更加有效的分析手段，Neinavaz等[15]的研究已經證實類神經網絡是一種用于高光譜數據推算LAI數值的有效方法。典型的類神經網絡包含不同類別的層級：輸入層、隱藏層、輸出層，隨著隱藏層級數量的提高，網絡系統會屏蔽更多的復雜問題。人工神經網絡的計算準確性取決于隱藏層的神經元數目，因此，最佳的人工神經數需要通過對不同數量的測試而最終獲得。EWTC和FMCC的預估值和實算值之間可使用線性回歸分析法確定最佳神經網絡模型，重復進行交叉驗證后將最終結果進行均值處理，以此降低隨機性帶來的影響，并通過交叉驗證測證系數和均方根誤差來推算神經網絡的可靠性。

4 討論

可燃物含水量與森林野火具有密不可分的聯系，在遙感領域通常也被稱作葉片水含量或者葉片水重量。在本研究探討中，等效水厚度和可燃物含水率，分別作為基于面積和質量2個不同的水分指標，進行獨立的分析。通過高光譜技術分析不同林分類型冠層可燃物的含水量特征，以及同種林分冠層的不同含水率的樣品的光譜變化，研究含水率與反射率之間關系，進而反演可燃物含水率，建立可靠性好、精度高的反演模型，為我國應用高光譜技術進行實時、大面積地對森林冠層可燃物含水量監測提供基礎理論依據，為全球氣候變暖背景下林火預測預報工作提供參考。另外，我國火災多發的林分類型主要集中于油脂含量較高的針葉林和針闊混交林。因此，可考慮通過以我國火災多發區之一的北亞熱帶林區的一些典型林型（馬尾松、杉木、麻櫟、油茶）為研究對象，研究不同林分類型冠層含水量指標的特征與估測方法。

參考文獻

[1] 胡海清，羅斯生，羅碧珍，等.森林可燃物含水率及其預測模型研究進展[J].世界林業研究，2017，30（3）：64-69.

[2] 伊伯樂，康平，史浩楠，等.興安落葉松林地表凋落物層含水率空間異質性研究[J].林業工程學報，2020，5（4）：161-167.

[3] Verbesselt J， Somers B， Lhermitte S， et al. Monitoring herbaceous fuel moisture content with SPOT VEGETATION time-series for fire risk prediction in savanna ecosystems[J]. Remote Sensing of Environment， 2007， 108（4）： 357-368.

[4] Jacquemoud S， Baret F. Prospect： A model of leaf optical properties spectra[J]. Remote Sensing of Environment， 1990， 34（2）： 75-91.

[5] Ceccato P， Gobron N， Flasse S， et al. Designing a spectral index to estimate vegetation water content from remote sensing data： part 1： Theoretical approach[J]. Remote Sensing of Environment， 2002， 82（2/3）： 188-197.

[6] 杜華強，金偉，葛宏立，等.用高光譜曲線分形維數分析植被健康狀況[J].光譜學與光譜分析，2009，29（8）：2136-2140.

[7] 田慶久，宮鵬，趙春江，等.用光譜反射率診斷小麥水分狀況的可行性分析[J].科學通報，2000（24）：2645-2650.

[8] Estimation of fuel moisture content by inversion of radiative transfer models to simulate equivalent water thickness and dry matter content： Analysis at leaf and canopy level[J]. IEEE Transactions on Geoscience and Remote Sensing， 2005， 43（4）： 819-826.

[9] Garnier E，Laurent G， Bellmann A， et al. Consistency of Species Ranking Based on Functional Leaf Traits[J].New Phytologist， 2001，152（1）：69-83.

[10] Watson D J.Comparative physiological studies on the growth of field crops： I. Variation in net assimilation rate and leaf area between species and varieties， and within and between years[J]. Annals of Botany. 1947，11（1）：41-76.

[11] Hikosaka K. Interspecific difference in the photosynthesis-nitrogen relationship： patterns， physiological causes， and ecological importance[J]. Journal of Plant Research， 2004，117（6）：481-494.

[12] Lloyd J， Bloomfield K， Domingues T F， et al. Photosynthetically relevant foliar traits correlating better on a mass vs an area basis： of ecophysiological relevance or just a case of mathematical imperatives and statistical quicksand？ [J]. New Phytologist， 2013，199（2），311-321.

[13] Chuvieco E， Cocero D， Riano D， et al. Combining NDVI and surface temperature for the estimation of live fuel moisture content in forest fire danger rating[J]. Remote Sensing of Environment， 2004，92（3）：322-331.

[14] Hunt E R，Ustin S L， Ria?o D. Satellite-Based Publications on Climate Change[M]. Germany： Springer， 2013.

[15] Neinavaz E， Skidmore AK， Darvishzadeh R， et al. Retrieving vegetation canopy water content from hyperspectral thermal measurements[J].Agricultural and Forest Meteorology， 2017，247（12）：365-375.

責任編輯：黃艷飛

Research on Hyper-

spectral Detection and Estimation of Water Content Characteristics of Forest Fuel

Zhang Shui-Feng et al（Nanjing Forest Police College， Nanjing， Jaingsu 210023）

Abstract Using hyperspectral detection to retrieve ground features is a new spectral detection technology. The paper analyzed the research progress of spectral detection of forest fuel water content in recent years， discussed the key indexes of combustible water parameters： equivalent water thickness （EWT） and fuel moisture content （FMC）， the experimental analysis method based on hyperspectral detection， and discussed the estimation model of fuel water parameter index. It is expected to provide more convenient and effective technical methods and theoretical basis for the research on the water content characteristics of forest combustibles， so as to promote the further development of forest fire prediction and fire risk classification of forest combustibles under the background of global warming.

Key words Hyperspectral; Forest fuel; Water content

基金項目 北亞熱帶不同類型林分冠層可燃物含水量的高光譜特征研究（LGZD201906） ；森林火災災害鏈鏈發機制及阻斷機理研究（31872705）。

作者簡介 張水鋒（1986—），男，江蘇丹陽人，副教授，主要從事大數據分析、森林火災可燃物調控研究。

收稿日期 2022-12-10