论文部分内容阅读
火灾是指对森林和人类带来重要危害和严重损失的林火行为。利用卫星过境时获取的高分辨率遥感图像,可以知道火灾发生的范围,对获取的遥感影像进行提取与统计。现阶段基于遥感的研究大多数在东北以及西北地区,在华南地区使用高分辨率卫星影像进行火灾预警的研究比较少,因此限制了森林火灾预警系统在遥感领域的发展。本文基于高分辨率影像对于火灾预警进行了深入的探究。本文以Landsat8的影像数据,高分一号卫星影像数据以及遥感获取当时的平均相对湿度等天气因素数据为基本数据源,并对在高分辨率影像上构建FPI(Fire Potential Index,潜在火险指数)模型展开了研究。以河源市紫金县东江林场为例,提出了一种将Landsat8反演的温度影像进行泛克里金插值,插值后的温度影像分辨率与高分一号卫星影像分辨率相同,融入平均相对湿度等天气因素特征,结合多种不同的植被指数,构建了从2013年到2015年的FPI模型分布图的方法。主要的研究内容如下:(1)基于大气传输方程的温度反演地表温度(Land Surface Temperature,LST)是一个在FPI模型中非常重要的参量,也是进行火险预测过程中的一个重要参数。本文基于大气辐射传输方程在Landsat8影像中进行地表温度反演,并为建立FPI模型作精确分析。得出研究区域的温度范围从2013-2015年分别是24.85℃-34.35℃,24.44℃-28.05℃,26.79℃-28.98℃。(2)Landsat8温度数据进行泛克里金插值法Landsat8影像分辨率(30m)与GF-1(8m)的分辨率不一样,所以要将Lansat8反演的温度影像进行尺度转换。同时,为了检验反演的地表温度数据的尺度转换的合理性,需要利用莫兰系数和正态分布检验工具进行验证,它们的莫兰系数分别是0.96,0.96,0.97。同时,进行正态分布采取的是夏皮洛-威尔逊检验法,获取的p值分别为0.1857,0.09968,0.08534。均大于0.05,服从正态分布。2013年与2014年泛克里金插值后的温度值的平均误差系数减少了5.73%,5.57%,2015年与实测温度的比较,平均误差系数少了5.63%。因此,本文利用泛克里金法插值法对Landsat8获取的温度进行尺度转换,获取与高分一号的分辨率一致温度数据是合理的。(3)植被指数构建FPI模型从高分一号影像数据导出多种植被指数,融入相对湿度等气象因素,建立多种植被指数构建FPI模型。在构建FPI模型中,GNDVI(Green Normalized Difference Vegetation Index)和OSAVI(Optimized Soil Adjusted Vegetation Index)与NDVI(Normalized Difference Vegetation Index)相比,每个火险等级平均差值仅差2.37%和2.55%。而且这两种指数与NDVI相关性分析平均为0.9423和0.9376。这两种指数与NDVI高度相关。GNDVI以及OSAVI与N DVI最相似,提取每个等级的比例都十分接近NDVI,在高分辨率影像进行FPI模型中可以替代NDVI指数到FPI模型当中。而ARVI(Atmospherically Resistant Vegetation Index)和GARI(Green Atmospherically Resistant Index)指数与N DVI相比平均相关系数是0.7368和0.6689,相关性为显著相关。而EVI(Enhanced Vegetation Index)与EVI2(Enhanced Vegetation Index 2)指数与NDVI的平均差值为41.98%和41.97%,平均相关系数为0.4624和0.4340。这两种指数与NDVI相关性不强,提取的误差较大。而MNLI(Modified Non-Linear Index)以及VARI(Visible Atmospherically Resistant Index)的FPI模型统计量与NDVI明显不符。因此,用高分辨率影像构建FPI模型中,使用相关性较强的GNDVI,OSAVI,ARVI和GARI指数,而不是使用相关性较弱的EVI,EVI2,MN LI以及VARI指数。基于NDVI的FPI模型每年易发生火灾的比例不到1%,因为广东省湿度大且时滞长,死可燃物少,提取的易发生火灾的范围明显低于其他地区,这也符合实际发生火灾的情况。