扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
四千年农夫 中国、朝鲜和日本的永续农业
-
>
线辣椒优质高产栽培
-
>
生命的艺术:动物解剖学的神秘历史之旅
-
>
正确使用农药知识问答
-
>
迷你花园:打造你的玻璃生态瓶
-
>
花史左编
-
>
海水抗风浪网箱工程技术
森林草原野火风险预警监测方法及应用 版权信息
- ISBN：9787030696731
- 条形码：9787030696731 ; 978-7-03-069673-1
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
森林草原野火风险预警监测方法及应用 内容简介
本书系统阐述森林草原野火风险预警监测理论与方法，并在中国西南、全球林火多发区域开展应用研究。主要内容包括：可燃物含水率与森林火灾的作用关系、野火风险评估、中国西南森林火灾风险时空挖掘、全球林火多发区域森林火险趋势分析、火点检测方法及野火蔓延速率提取方法、森林草原火灾预警监测大数据平台等。
森林草原野火风险预警监测方法及应用 目录
目录
**部分 研究背景及现状
第1章 森林草原可燃物含水率遥感反演方法研究进展 3
1.1 基于光学-红外遥感的植被冠层可燃物含水率反演 4
1.2 基于微波遥感的植被冠层可燃物含水率反演 5
主要参考文献 8
第2章 野火风险评估预警方法研究进展 12
2.1 可燃物含水率的获取及其与森林火灾发生的关系 12
2.2 国家火险等级预报系统 13
2.3 森林火险预测预警模型的发展和应用 14
2.3.1 基于Logistic回归模型的研究方法 15
2.3.2 基于人工神经网络的研究方法 15
2.3.3 基于无线传感器的研究方法 16
2.3.4 基于天气火险数据的研究方法 16
主要参考文献 17
第3章 野火火点检测与蔓延速率估算研究进展 22
3.1 地球同步卫星发展状况 23
3.2 野火火点检测研究进展 24
3.3 野火蔓延速率估算研究进展 26
主要参考文献 27
第二部分 基于极化SAR数据的植被冠层可燃物含水率遥感反演方法
第4章 研究区概况及数据准备 33
4.1 地面实测植被冠层可燃物含水率数据 33
4.1.1 草地可燃物含水率数据 33
4.1.2 森林冠层可燃物含水率数据 34
4.2 SAR数据及其预处理 35
4.2.1 Radarsat-2全极化数据 35
4.2.2 Sentinel-1A双极化数据 36
4.3 若尔盖草原辅助地面实测数据 39
4.3.1 若尔盖草原地表土壤水分数据 39
4.3.2 若尔盖草原植被相关参数数据 39
主要参考文献 40
第5章 基于全极化特征分解参数的草地可燃物含水率反演 41
5.1 极化特征参数提取 41
5.2 草地可燃物含水率反演结果 44
5.2.1 极化特征参数与草地可燃物含水率相关性分析 44
5.2.2 多元线性回归估算草地可燃物含水率 47
主要参考文献 49
第6章 基于Dubois模型和比值方法的草地可燃物含水率反演 50
6.1 裸土和植被散射模型 50
6.1.1 Dubois裸土散射模型 50
6.1.2 Topp土壤介电模型 51
6.1.3 比值植被散射模型 52
6.2 反演方法构建 53
6.3 反演结果与分析 54
主要参考文献 57
第7章 基于线性模型和水云模型的森林冠层可燃物含水率反演 59
7.1 裸土和植被散射模型 60
7.1.1 裸土散射线性模型 60
7.1.2 植被散射水云模型 60
7.2 反演方法构建 62
7.2.1 模型耦合 62
7.2.2 模型标定 63
7.2.3 参数反演 65
7.3 对比实验：Landsat-8光学遥感数据和偏*小二乘回归方法 66
7.4 反演结果与分析 67
7.4.1 基于双极化Sentinel-1A数据的反演结果 67
7.4.2 基于光学Landsat-8数据的反演结果 69
主要参考文献 71
第三部分 野火风险评估预警方法及应用
第8章 研究区概况与数据提取 75
8.1 研究区概况 75
8.1.1 地理位置 75
8.1.2 气候条件 75
8.1.3 地形状况 75
8.1.4 植被水文条件 75
8.2 数据说明与准备 76
8.2.1 植被数据 76
8.2.2 地形数据 78
8.2.3 气象数据 81
8.2.4 历史火点数据 85
8.3 基于半变异函数的数据提取 86
8.3.1 半变异函数模型 86
8.3.2 样本数据提取 87
主要参考文献 91
第9章 野火及诱发因子时空特征分析 93
9.1 野火时空分布特征分析 93
9.1.1 野火年度变化分布特征 93
9.1.2 野火月度变化分布特征 93
9.1.3 野火空间分布特征 95
9.2 植被特征分析 96
9.2.1 可燃物含水率分布特征 97
9.2.2 叶面积指数分布特征 98
9.3 地形特征分析 99
9.3.1 海拔分布特征 99
9.3.2 坡向分布特征 100
9.3.3 坡度分布特征 100
9.4 气象特征分析 101
9.4.1 空气温度分布特征 101
9.4.2 空气相对湿度分布特征 101
9.4.3 风速分布特征 102
9.4.4 降雨分布特征 102
第10章 基于Logistic回归模型的野火风险评估 104
10.1 Logistic回归模型基本原理 104
10.2 模型参数预处理 105
10.2.1 相关性分析 105
10.2.2 显著性差异分析 106
10.3 模型构建 108
10.3.1 离散因子处理 108
10.3.2 模型训练 109
10.3.3 模型精度评价 112
10.4 野火风险评估结果及分析 114
10.4.1 野火风险评估结果 114
10.4.2 野火风险评估因子分析 115
主要参考文献 117
第11章 野火风险预警方法 118
11.1 野火风险预警可行性分析 118
11.1.1 模型可行性分析 118
11.1.2 植被数据 119
11.1.3 GFS气象预报数据 119
11.2 野火风险预警结果及分析 119
11.3 野火风险指数时空填补 121
11.3.1 专题图层时空填补方法 122
11.3.2 填补结果精度验证 122
主要参考文献 124
第四部分 全球森林火灾风险时空挖掘及预警预测方法
第12章 可燃物含水率对西南三省森林火灾的作用关系研究 129
12.1 研究区概况 129
12.2 数据说明与准备 130
12.2.1 可燃物含水率野外实测 130
12.2.2 土地覆盖产品 131
12.2.3 反射率产品 132
12.2.4 火烧迹地产品 132
12.3 可燃物含水率反演、验证及制图 132
12.3.1 可燃物含水率反演及验证方法 132
12.3.2 可燃物含水率验证结果及区域制图 133
12.4 可燃物含水率对森林火灾发生的短期阈值作用 135
12.4.1 可燃物含水率临界阈值的确定 135
12.4.2 典型森林火灾案例验证短期阈值作用 137
12.5 可燃物含水率对森林火灾发生的长期控制作用 138
12.6 讨论 139
12.6.1 可燃物含水率反演及验证 139
12.6.2 可燃物含水率对森林火灾发生的影响 139
主要参考文献 140
第13章 基于深度学习的西南三省森林火灾风险时空挖掘 142
13.1 研究区概况 142
13.2 数据说明与准备 143
13.2.1 可燃物数据 143
13.2.2 气象数据 145
13.2.3 地形数据 149
13.2.4 火点参考信息数据 151
13.2.5 诱发因子提取 151
13.2.6 典型非火点信息提取 152
13.3 深度学习模型构建及其性能评价 152
13.3.1 深度学习模型构建 152
13.3.2 模型性能评价指标 153
13.3.3 模型性能评价结果 155
13.3.4 基于Logistic回归模型的森林火灾风险挖掘 156
13.4 西南三省森林火灾风险时空挖掘 157
主要参考文献 158
第14章 全球林火多发区域森林火险趋势分析 159
14.1 研究区概况 159
14.2 ARIMA时间序列预测模型介绍 160
14.3 森林火险趋势分析及验证 161
14.3.1 中国西南三省 161
14.3.2 澳大利亚北部 163
14.3.3 欧洲南部 165
14.3.4 非洲中部 167
14.3.5 美国西海岸 169
14.3.6 森林火险趋势验证 171
主要参考文献 174
第五部分 基于静止卫星的野火火点检测与蔓延速率提取方法
第15章 研究区概况及数据处理 177
15.1 研究区概况 177
15.2 遥感数据及预处理 178
15.2.1 Himawari-8数据 178
15.2.2 Himawari-8数据预处理 180
15.2.3 遥感野火火点产品 180
15.2.4 遥感野火火点产品预处理 182
15.3 气象数据 183
主要参考文献 184
第16章 Himawari-8数据野火火点检测方法 185
16.1 基于阈值的野火火点方法 185
16.2 基于上下文的野火火点检测方法 186
16.2.1 基于窗口上下文的野火火点检测方法 187
16.2.2 基于全局上下文的野火火点检测方法 187
16.3 基于时间序列的野火火点方法 189
16.4 实验结果对比分析 190
主要参考文献 193
第17章 Himawari-8数据野火蔓延速率提取方法 194
17.1 野火蔓延速率提取方法 194
17.1.1 野火过火面积提取 194
17.1.2 野火中心提取 195
17.1.3 野火蔓延速率计算 196
17.2 CSIRO GFS模型及精度评定方法 198
17.2.1 CSIRO GFS模型 198
17.2.2 精度评定方法 199
17.3 基于不同野火火点检测算法的验证结果 200
17.4 野火蔓延速率与植被、地形相关性分析 206
主要参考文献 207
**部分 研究背景及现状
第1章 森林草原可燃物含水率遥感反演方法研究进展 3
1.1 基于光学-红外遥感的植被冠层可燃物含水率反演 4
1.2 基于微波遥感的植被冠层可燃物含水率反演 5
主要参考文献 8
第2章 野火风险评估预警方法研究进展 12
2.1 可燃物含水率的获取及其与森林火灾发生的关系 12
2.2 国家火险等级预报系统 13
2.3 森林火险预测预警模型的发展和应用 14
2.3.1 基于Logistic回归模型的研究方法 15
2.3.2 基于人工神经网络的研究方法 15
2.3.3 基于无线传感器的研究方法 16
2.3.4 基于天气火险数据的研究方法 16
主要参考文献 17
第3章 野火火点检测与蔓延速率估算研究进展 22
3.1 地球同步卫星发展状况 23
3.2 野火火点检测研究进展 24
3.3 野火蔓延速率估算研究进展 26
主要参考文献 27
第二部分 基于极化SAR数据的植被冠层可燃物含水率遥感反演方法
第4章 研究区概况及数据准备 33
4.1 地面实测植被冠层可燃物含水率数据 33
4.1.1 草地可燃物含水率数据 33
4.1.2 森林冠层可燃物含水率数据 34
4.2 SAR数据及其预处理 35
4.2.1 Radarsat-2全极化数据 35
4.2.2 Sentinel-1A双极化数据 36
4.3 若尔盖草原辅助地面实测数据 39
4.3.1 若尔盖草原地表土壤水分数据 39
4.3.2 若尔盖草原植被相关参数数据 39
主要参考文献 40
第5章 基于全极化特征分解参数的草地可燃物含水率反演 41
5.1 极化特征参数提取 41
5.2 草地可燃物含水率反演结果 44
5.2.1 极化特征参数与草地可燃物含水率相关性分析 44
5.2.2 多元线性回归估算草地可燃物含水率 47
主要参考文献 49
第6章 基于Dubois模型和比值方法的草地可燃物含水率反演 50
6.1 裸土和植被散射模型 50
6.1.1 Dubois裸土散射模型 50
6.1.2 Topp土壤介电模型 51
6.1.3 比值植被散射模型 52
6.2 反演方法构建 53
6.3 反演结果与分析 54
主要参考文献 57
第7章 基于线性模型和水云模型的森林冠层可燃物含水率反演 59
7.1 裸土和植被散射模型 60
7.1.1 裸土散射线性模型 60
7.1.2 植被散射水云模型 60
7.2 反演方法构建 62
7.2.1 模型耦合 62
7.2.2 模型标定 63
7.2.3 参数反演 65
7.3 对比实验：Landsat-8光学遥感数据和偏*小二乘回归方法 66
7.4 反演结果与分析 67
7.4.1 基于双极化Sentinel-1A数据的反演结果 67
7.4.2 基于光学Landsat-8数据的反演结果 69
主要参考文献 71
第三部分 野火风险评估预警方法及应用
第8章 研究区概况与数据提取 75
8.1 研究区概况 75
8.1.1 地理位置 75
8.1.2 气候条件 75
8.1.3 地形状况 75
8.1.4 植被水文条件 75
8.2 数据说明与准备 76
8.2.1 植被数据 76
8.2.2 地形数据 78
8.2.3 气象数据 81
8.2.4 历史火点数据 85
8.3 基于半变异函数的数据提取 86
8.3.1 半变异函数模型 86
8.3.2 样本数据提取 87
主要参考文献 91
第9章 野火及诱发因子时空特征分析 93
9.1 野火时空分布特征分析 93
9.1.1 野火年度变化分布特征 93
9.1.2 野火月度变化分布特征 93
9.1.3 野火空间分布特征 95
9.2 植被特征分析 96
9.2.1 可燃物含水率分布特征 97
9.2.2 叶面积指数分布特征 98
9.3 地形特征分析 99
9.3.1 海拔分布特征 99
9.3.2 坡向分布特征 100
9.3.3 坡度分布特征 100
9.4 气象特征分析 101
9.4.1 空气温度分布特征 101
9.4.2 空气相对湿度分布特征 101
9.4.3 风速分布特征 102
9.4.4 降雨分布特征 102
第10章 基于Logistic回归模型的野火风险评估 104
10.1 Logistic回归模型基本原理 104
10.2 模型参数预处理 105
10.2.1 相关性分析 105
10.2.2 显著性差异分析 106
10.3 模型构建 108
10.3.1 离散因子处理 108
10.3.2 模型训练 109
10.3.3 模型精度评价 112
10.4 野火风险评估结果及分析 114
10.4.1 野火风险评估结果 114
10.4.2 野火风险评估因子分析 115
主要参考文献 117
第11章 野火风险预警方法 118
11.1 野火风险预警可行性分析 118
11.1.1 模型可行性分析 118
11.1.2 植被数据 119
11.1.3 GFS气象预报数据 119
11.2 野火风险预警结果及分析 119
11.3 野火风险指数时空填补 121
11.3.1 专题图层时空填补方法 122
11.3.2 填补结果精度验证 122
主要参考文献 124
第四部分 全球森林火灾风险时空挖掘及预警预测方法
第12章 可燃物含水率对西南三省森林火灾的作用关系研究 129
12.1 研究区概况 129
12.2 数据说明与准备 130
12.2.1 可燃物含水率野外实测 130
12.2.2 土地覆盖产品 131
12.2.3 反射率产品 132
12.2.4 火烧迹地产品 132
12.3 可燃物含水率反演、验证及制图 132
12.3.1 可燃物含水率反演及验证方法 132
12.3.2 可燃物含水率验证结果及区域制图 133
12.4 可燃物含水率对森林火灾发生的短期阈值作用 135
12.4.1 可燃物含水率临界阈值的确定 135
12.4.2 典型森林火灾案例验证短期阈值作用 137
12.5 可燃物含水率对森林火灾发生的长期控制作用 138
12.6 讨论 139
12.6.1 可燃物含水率反演及验证 139
12.6.2 可燃物含水率对森林火灾发生的影响 139
主要参考文献 140
第13章 基于深度学习的西南三省森林火灾风险时空挖掘 142
13.1 研究区概况 142
13.2 数据说明与准备 143
13.2.1 可燃物数据 143
13.2.2 气象数据 145
13.2.3 地形数据 149
13.2.4 火点参考信息数据 151
13.2.5 诱发因子提取 151
13.2.6 典型非火点信息提取 152
13.3 深度学习模型构建及其性能评价 152
13.3.1 深度学习模型构建 152
13.3.2 模型性能评价指标 153
13.3.3 模型性能评价结果 155
13.3.4 基于Logistic回归模型的森林火灾风险挖掘 156
13.4 西南三省森林火灾风险时空挖掘 157
主要参考文献 158
第14章 全球林火多发区域森林火险趋势分析 159
14.1 研究区概况 159
14.2 ARIMA时间序列预测模型介绍 160
14.3 森林火险趋势分析及验证 161
14.3.1 中国西南三省 161
14.3.2 澳大利亚北部 163
14.3.3 欧洲南部 165
14.3.4 非洲中部 167
14.3.5 美国西海岸 169
14.3.6 森林火险趋势验证 171
主要参考文献 174
第五部分 基于静止卫星的野火火点检测与蔓延速率提取方法
第15章 研究区概况及数据处理 177
15.1 研究区概况 177
15.2 遥感数据及预处理 178
15.2.1 Himawari-8数据 178
15.2.2 Himawari-8数据预处理 180
15.2.3 遥感野火火点产品 180
15.2.4 遥感野火火点产品预处理 182
15.3 气象数据 183
主要参考文献 184
第16章 Himawari-8数据野火火点检测方法 185
16.1 基于阈值的野火火点方法 185
16.2 基于上下文的野火火点检测方法 186
16.2.1 基于窗口上下文的野火火点检测方法 187
16.2.2 基于全局上下文的野火火点检测方法 187
16.3 基于时间序列的野火火点方法 189
16.4 实验结果对比分析 190
主要参考文献 193
第17章 Himawari-8数据野火蔓延速率提取方法 194
17.1 野火蔓延速率提取方法 194
17.1.1 野火过火面积提取 194
17.1.2 野火中心提取 195
17.1.3 野火蔓延速率计算 196
17.2 CSIRO GFS模型及精度评定方法 198
17.2.1 CSIRO GFS模型 198
17.2.2 精度评定方法 199
17.3 基于不同野火火点检测算法的验证结果 200
17.4 野火蔓延速率与植被、地形相关性分析 206
主要参考文献 207
展开全部
森林草原野火风险预警监测方法及应用 节选
**部分 研究背景及现状 全球气候变暖背景下，特大森林草原火灾等极端气候事件频发，给全球生态环境保护和百姓生命财产安全带来了严峻挑战。大面积的野火[自然的（natural）或非计划（unprescribed）的火[1，2]]会演变为森林草原火灾，破坏生态环境，威胁当地百姓生命财产安全[3]。森林草原火灾是一种突发性强、破坏性大、处置救助较为困难的自然灾害。森林草原防火和救援工作是中国防灾减灾工作的重要组成部分，是国家公共应急体系建设的重要内容，事关社会发展稳定的大局。因此，高精度地定量预估野火发生的潜在可能性（即野火风险预警[4]），将森林草原火灾消灭在萌芽状态，显得尤为迫切和重要。 针对野火风险预警，Pyne等提出了著名的野火环境三角（fire environment triangle）模型，指出森林野火的爆发与气象、地形和可燃物（fuel）三个方面密切相关[5]。目前，国内外相关研究[6-9]和业务化运行的森林火险系统，如中国森林火险气象预报系统（QX/T 77-2007）、加拿大森林林火天气指数系统（Canadian Fire Weather Index System）、美国国家火险等级系统（National Fire Danger Rating System）、澳大利亚森林火险等级系统（Australian McArthur Forest Fire Danger Rating System）等，虽然充分考虑了温度、相对湿度、降雨、风速以及坡度等气象和地形信息，但在可燃物信息方面仅考虑了部分死可燃物信息或绿度因子（greenness factor）[10-13]。其主要原因是气象和地形信息相对容易获取，而大范围、近实时的可燃物信息仍难以获取，导致森林野火风险预警仍存在理论缺陷。 鉴于此，作者团队十余年来一直致力于野火风险预警监测方面的研究，通过多学科交叉研究，构建了基于可燃物遥感定量反演和时空大数据挖掘技术的野火风险预警理论与方法体系，并研发了森林草原火灾预警监测系统，服务于我国森林草原火灾风险预警监测与防控。 第1章 森林草原可燃物含水率遥感反演方法研究进展 经典的野火环境三角模型中，气候和地形相关数据的获取比较容易，因此，准确地描述可燃物的空间分布特征和时间变化规律便成了基于野火环境三角模型评估和预警野火风险的关键。可燃物具体是指野火发生时所有可以被燃烧物质的总和。对于自然植被区域而言，占比*大的可燃物便是地表覆盖的植被（包括植被正常生长发育所产生的枯枝落叶等凋落物）。根据其组成部分的生物学特征，植被可燃物可具体划分为4部分：冠层可燃物、树枝可燃物、枝干可燃物以及地表枯枝落叶等死可燃物。表征植被冠层可燃物特征的参数包括冠层可燃物含水率（canopy fuel moisture content，CFMC）、冠层可燃物载量以及可燃物类别等。其中，植被冠层可燃物载量是指单位地表面积中所有植被冠层叶片的干物质重量，是冠层火发生和燃烧的物质基础，与植被自身特点和生长状态密切相关。可燃物类别是指一个可识别的可燃物要素的组合，主要与植被物种属性相关。以上两种可燃物信息的时空分布均比较稳定，而植被冠层可燃物含水率定义为冠层叶片含水量（canopy water content，CWC）和冠层叶片干物质重量（dry matter content，DMC）的百分比值［式（1-1）］，比较容易受到气候因素（如空气温度和湿度、风速、降水等）的影响，在一个很小的空间或时间尺度上都容易发生较为剧烈的起伏变化，导致植被冠层可燃物含水率的时空监测结果存在较大的不确定性[14-16]，从而直接影响*终野火风险的评估与预警精度。因此，针对野火风险评估与预警的重点就是研究如何高精度地描述植被冠层可燃物含水率在时空尺度上的变化分布特点。 传统的植被冠层可燃物含水率监测方案以人工地面采样为主，具体的测量流程如下：首先选定地表植被空间异质性较低的采样区域；然后在选定的地面采样区域内通过破坏性采样方式采集所有植被冠层叶片并现场称重（记为植被湿重），将样本带回实验室利用烘箱等设备烘干后再称重（记为植被干重）；*后根据植被冠层可燃物含水率计算[式（1-1）]植被叶片含水量和植被叶片干重的百分比值，即为植被冠层可燃物含水率（CFMC）。 （1-1） 这种基于地面调查的方法可以获取到比较准确的植被冠层可燃物含水率参数数据，但相应地需要大量的地面实测操作以及复杂的后续处理流程，实施过程不但要消耗大量的人力物力，且无法实现及时、宏观和动态的植被冠层可燃物含水率监测[17]。因此，这种方法只在早期的野火防治工作中使用，目前除在采集数量较少的地面验证数据过程中使用外，已基本不用。 遥感技术的兴起与发展使得传统的地面调查方法转换到了空间尺度上的定量描述。相对于传统的地面测量方法而言，遥感技术可以重复性地对地观测，从而获取到大面积、高空间分辨率的多时相对地观测信息，因此越来越多的研究人员尝试利用遥感技术进行植被冠层可燃物含水率参数大范围、多时相的高精度监测。按照传感器的探测波段，遥感技术可具体划分为可见光-近红外遥感、红外遥感以及微波遥感3类。由于植被冠层可燃物含水率参数在近红外波段和短波红外波段具有一定的光谱灵敏性[14，17，18]，所以目前国内外已经进行了大量基于可见光-近红外遥感和红外遥感的植被冠层可燃物含水率监测研究。但是可见光-近红外遥感和红外遥感光谱信号的穿透能力较弱，极易受云雨雾等天气条件和日照条件的影响[19]，无法精确监测植被冠层可燃物含水率数据的时空连续变化特点。与此相比，微波信号具有比较强的穿透能力，且不受光照条件的限制，可以全天时全天候地对地观测。同时，地表植被和土壤层对于微波信号的吸收和散射作用主要由介电常数决定，而介电常数又主要受水分含量信息的影响，所以微波信号对于植被水分信息比较敏感[19-22]。因此，微波遥感在植被冠层可燃物含水率监测方面同样具有极高的潜在应用价值。 1.1 基于光学-红外遥感的植被冠层可燃物含水率反演 基于可见光-近红外遥感或者红外遥感的植被冠层可燃物含水率反演方法主要可以划分为两大类：传统的基于经验统计模型的定量估算方法和基于植被辐射传输模型的定量反演方法。 传统的经验统计方法利用多元线性回归等经验统计模型直接对植被冠层可燃物含水率进行遥感估算，目的是寻找植被冠层可燃物含水率参数与多光谱反射率数据或相关典型植被指数[如叶面积指数（leaf area index，LAI）、归一化差值植被指数（normalized difference vegetation index，NDVI）、归一化红外指数（normalized difference infrared inelex，NDII）以及增强型植被指数（enhanced vegetation index，EVI）等]之间的线性（或非线性）关系。20世纪80～90年代，Chladil和Paltridge等[23，24]首次基于NOAA-AVHRR传感器获取的多光谱反射率数据发现了归一化差值植被指数（NDVI）与植被冠层可燃物含水率（CFMC）参数的正线性相关关系。2012年，Caccamo等[25]基于中等分辨率成像光谱仪数据（moderate resolution imaging spectroradiometer，MODIS），对比了4种光谱指数与植被冠层可燃物含水率的相关性差异，发现对于澳大利亚东南部3种容易发生火灾的地表植被而言，基于归一化红外指数（NDII）所建立的经验统计模型的植被冠层可燃物含水率遥感估算精度*好。2014年，Casas等[17]基于机载可见光/红外成像光谱仪AVIRIS和MODIS多光谱数据计算多种典型植被指数，采用经验回归的方式定量估算了包含植被冠层可燃物含水率在内的4种典型植被参数。传统的经验统计方法虽然可以估算出比较准确的植被冠层可燃物含水率，但基于地面实测数据建立的经验统计模型容易受地表植被类型、下垫面土壤质地特点以及传感器性能差异等因素的影响，具有较差的普适性[16]，一般只适用于基于特定传感器数据和特定研究区域的植被冠层可燃物含水率遥感估算。 基于植被辐射传输模型的植被冠层可燃物含水率反演方法由于具有较好的普适性而受到野火风险评估专家的推崇。此类方法通过同时反演PROSPECT[26]叶片光学模型中叶片等效水分厚度（equivalent water thickness，EWT）及叶片干物质重量（DMC）两个参数，通过相除运算[式（1-2）]得到植被冠层可燃物含水率（CFMC）[18，27]。 （1-2） 目前常用的定量反演植被冠层可燃物含水率的植被辐射传输模型主要包括PROSAILH模型[28]（SAILH模型[29]+PROSEPCT模型[26]）、PROACRM模型[30]（ACRM模型[30]+PROSEPCT模型[26]）以及PROGEOSAILH模型（SAILH模型[29]+Jasinski模型[31，32]+PROSPECT模型[26]）3种。近年来，以澳大利亚国立大学野火风险研究专家Marta Yebra为代表的众多研究人员都在尝试基于植被辐射传输模型遥感定量反演植被冠层可燃物含水率，并取得了一定的研究成果[16，18，32-34]。2004年，K?tz等[35]分别利用FLIGHT和PROGEOSAILH植被辐射传输模型对比反演了森林冠层可燃物含水率数据。2009年，Yebra等[32]利用PROSPECT叶片光学模型耦合SAILH冠层辐射传输模型，同时结合长期观测所获得的丰富的先验知识，成功定量反演了地中海区域草地及灌木的冠层可燃物含水率。2013年，Jurdan等[16]利用PROGEOSAILH植被辐射传输模型反演了地中海区域森林植被的冠层可燃物含水率。虽然基于植被辐射传输模型的植被冠层可燃物含水率数据取得了比较好的参数反演效果，且模型构建过程中考虑了光学-红外信号的辐射传输机制，使得此类方法具有较高的普适性。但是依然存在4个方面的主要问题而限制其在大区域尺度下的高精度工程化应用：①干物质重量的光谱弱敏感特性使得基于植被辐射传输模型的植被冠层可燃物含水率参数遥感反演总体精度不高，特别是对于垂直结构更为复杂和空间异质性更强的森林覆盖类型的植被区域而言[36]；②植被辐射传输模型对于地表植被的结构假设比较理想化[37]，导致模型只适用于单一物种和均匀分布结构的植被区域，对于更为复杂的混合分层结构植被（如森林植被），模型难以准确地描述植被冠层的光谱反射特征，从而影响目标参数的定量反演效果；③以上所有的植被辐射传输模型均需要较多的输入参数来具体描述植被的属性特征，而其中某些参数的参数化过程又比较困难[36]，这种不精确的模型参数化过程对于植被冠层可燃物含水率参数的高精度反演也有一定的限制作用；④植被辐射传输模型未知参数的个数一般多于观测多光谱反射率波段数，并且不同输入参数的差异性组合有可能对应相同或相似的多光谱反射率曲线，导致基于植被辐射传输模型的植被关键参数遥感反演方案本质上是病态多解的[38]。 1.2 基于微波遥感的植被冠层可燃物含水率反演 基于微波遥感的植被冠层可燃物含水率参数定量反演同样可以分为两个类别：传统基于经验统计模型的定量估算方法和基于雷达辐射传输理论的半经验或物理模型的反演方法。 传统基于经验统计模型的植被冠层可燃物含水率遥感定量估算方法主要是统计分析雷达后向散射系数以及相关衍生参数（比值参数、雷达植被指数和极化特征分解参数等）与植被冠层可燃物含水率的线性（或非线性）相关性，并以此来构建相应的估算模型。此类方法同样只适用于特定的且范围比较小的研究区域，普适性较差。相比基于可见光-红外遥感的植被冠层可燃物含水率反演方法，由于微波信号较强的穿透能力以及对于水分信息的高敏感性[20，22]，基于微波遥感的植被冠层可燃物含水
书友推荐
本类畅销
-
三角梅品种栽培养护应用图鉴
¥36.1¥48 -
红叶石楠繁育与推广
¥39¥69 -
林果吊瓶输注液节水节肥增产新技术
¥7.4¥15 -
林业碳汇知识读本
¥17¥50 -
4.23文创礼盒A款--“作家言我精神状态”
¥42.3¥206 -
4.23文创礼盒B款--“作家言我精神状态”
¥42.3¥206
