打开文本图片集

摘要：本文围绕面向多源遥感数据的森林火灾监测方法和应用进行了研究，针对当前森林火灾监测中存在的问题，研究了多源遥感数据在森林火灾监测中的实际应用，提出了有效的措施，可助力提升森林火灾监测工作水平。

关键词：多源遥感数据；森林火灾；监测

森林火灾具有较大的危害，具有突发性强，危害大，蔓延速度快等特点，除了会影响全球生态系统及碳循环之外，还会威胁人们的生命财产安全。某地森林覆盖率较高，可燃条件较好，容易发生火灾，由于山谷风、地形复杂等影响，导致火灾发生后很难进行监测及控制，为了改变现状，加强对火灾的防控，需要利用高分遥感监测技术。

近年来，遥感及无人机技术在森林防灭火工作中得到了广泛应用，在早期火点识别、过火区解译、灾害损失评估等领域发挥作用。与传统的监测方式相比，运用卫星开展火情监测具有全天候、覆盖范围广等优势。卫星搭载的多光谱、红外传感器能有效地识别和监测森林火灾情况。运用夜光遥感卫星能在夜晚监测森林火灾情况，了解现场火情以及火灾发展趋势。在无人机上安装热红外传感器、光学传感器可持续监测森林火灾实时情况，及时传递火灾现场信息。基于多源遥感数据融合能快速有效感知高温点异常和森林火灾热点，可有效提升森林火灾识别能力，提高森林防灭火工作水平，为森林火灾监测及应急工作提供数据支撑。

1、森林火灾监测工作中的问题

（一）技术装备水平落后

当前，很多森林地区仍然运用人工巡查等传统方式进行火灾监测，手段单一，重点林区并未采用智能监控设备、无人机巡查、自动报警系统等新技术，无法及时获取最新数据和信息，影响了监测工作质量[1]。此外，森林火灾监测新技术应用存在不足。遥感监测技术、大数据分析等新技术在森林火灾监测中的应用还不够，部分监测设备的响应效率较低、精准度不足，不能及时、准确地识别火情。

（二）预警系统有待改进

预警系统覆盖范围不足。在森林火灾监测工作中，一些地方未能合理的设置前端感知设备，布设密度不足，特别是高山及偏远地方，无法实现全面监测。数据分析能力存在短板。部分预警系统不具备智能化研判能力，无法有效地融合多源数据并对其进行深度分析，无法及时地发出预警[2]。

（三）数据整合难度较大

系统兼容性不足。各层级、部门应用的监测系统标准存在差异，限制了数据互通共享，使得火情信息无法及时传递。多平台协同不到位。未能形成立体化监测网络，无法整合地面、卫星及航空巡查方式，缺乏联动机制[3]。

（四）基层能力存在短板

基层管理部门专业人才缺乏。基层队伍规模有限、人员年龄普遍较大，专业技术人才缺乏，一定程度影响了工作效率和质量。其次，资金投入有限。部分地方经济发展水平较低，在火灾监测设备维护及更新方面投入不足，缺乏先进技术装备，森林火灾监测能力有限。

（五）管理制度仍需完善

部分地区森林防灭火相关部门的职能与责任存在交叉，跨部门协作效率较低。缺乏森林火灾长效管理机制，对于森林火灾设备管理，往往只重视建设，而忽视了日常管理和危害工作，并未制定有效的定期巡检及维护机制[4]。

2、多源遥感数据在森林火灾监测中作用

（一）提升监测的精准性和时效性。首先，面向多源遥感数据的火灾监测可及时识别火点。利用红外、光学、合成孔径雷达数据，可准确识别火灾，快速确定火灾发生地点。利用高分四号卫星对高温敏感度较强的优势，可准确地发现火点。合成孔径雷达可不受天气因素影响，提升森林火灾监测工作的持续性，优化监测效果。利用多源遥感数据可对火点周围植被类型、湿度以及风向等信息进行分析，提升火情预测的准确性。其次，可动态跟踪火势。应用多源遥感数据，能实现高频次森林火灾观测，及时了解火情发展，为救援工作开展提供参考。利用无人机搭载热成像相机，可持续监测火场热辐射状况，提供实时火场图像[5]。

（二）提高对复杂环境抗干扰能力。首先，提升云雨环境适应性。在森林火灾监测中，光学数据容易受到天气因素影响，而合成孔径雷达数据能够穿透云层，将合成孔径雷达数据与光学数据进行结合，能够解决单一数据源的问题，实现全天候森林火灾监测。其次，提升小面积火灾监测能力。高分四号卫星的中分辨率和合成孔径雷达数据的高时间分辨率相符，可更好地监测及识别小范围火情。比如在山区或偏远地区，很难及时发现小面积火灾，容易让火势蔓延，带来更大的损失，基于系统地分析多源遥感数据，能够快速定位火灾发生地方，及时采取灭火措施[6]。

（三）为灾前预警和灾后评估提供数据支持。首先，能实现火险预警。基于不同遥感数据建立多源时空分析模型，准确预测火险等级。基于历史火情数据、植被覆盖度和气象信息分析，可预测区域火灾风险等级，制定有效预防措施。其次，可进行灾情量化评估。运用多源遥感数据对比分析火灾前后的遥感图像，能准确测算过火面积，为生态损失估算和后续恢复工作提供数据支撑。

（四）提高森林火灾应急响应水平。通过多维度数据融合，结合监控视频、地理信息等数据建立防火一张图，可实现从监测到处置的闭环管理，提升应急响应工作效率。通过融合地面监控摄像头、无人机和卫星遥感数据，能够构建全面的火灾监测网络，持续更新火情信息[7]。辅助科学智能决策。基于时空大数据分析，获得动态的火情风险指数，为分级防控措施提供参考。协助应急部门优化消防资源分配，优先分配给高风险区域灭火工作。

3、森林火灾监测工作框架

“空天地”一体化森林火灾监测研究结合卫星、无人机、地面监控等多种监测手段，融合多种监测数据，依据有关专题数据构建森林火险及态势发展模型，利用火点识别算法自动识别森林火点，实时监测火情发展，为森林火灾应急部门提供数据支撑，辅助森林火灾救援科学决策。整体工作框架如图1所示。

4、实验区与数据源

（一）实验区概况

某森林区域的森林覆盖度较大，达到了66%，地形条件复杂，山高林密坡陡，地面海拔在35-120米，相对高差在50m以上。2022年入秋后，因改地区持续干旱，森林防火形势十分严峻，在9月11日某森林区域突火灾。

（二）数据源

（1）基础地理信息数据。该区域森林火灾监测工作中，采集了1 ：1000基础地理信息数据，包括1 ：1000数字线划地图、数字正射影像等。

（2）遥感监测数据。包括卫星遥感影像、无人机正射影像、激光探测标记数据。

（3）其他数据。因火灾发生区域山脊线上有大型风力发电机组及光伏发电设施，结合现场实际，收集了相关设施的资料，为救援工作开展提供依据，保护好重要基础设施。

5、应急监测

森林火灾应急监测主要包括初期火场三维信息采集、中期火情态势实时监测、后期高温点探测。结合地形级三维数据建立火灾现场模型；利用无人机搭载红外传感器探测火灾情况，以卫星感知为辅助，可将火灾信息、应急资源等在地图上展现出来，辅助应急救援部门科学开展救援行动；明火扑灭之后，利用无人机热成像持续感知高温热点，防范复燃风险，直到彻底扑灭火灾。

（一）初期火场三维信息采集

在初期阶段监测中，需要采集火场三维地形数据，可将应急救援指挥工作需要的要素资料在地图进行标注。本文结合亚米级遥感影像、数字高程模型等数据快速构建三维模型，将道路、水源点、火灾现场指挥部、电力设施、村民聚集地等进行分类分级显示，辅助指挥部掌握火场周边情况及应急资源分别，从而制定科学、高效的应急救援措施。

（二）中期实时监测火情态势

在中期阶段工作中，主要涉及到火势发展、救援部署、明火扑灭、高温区域防复燃监测等。在此期间，利用卫星以及无人机开展持续监测。首先，采用无人机追踪监测。无人机技术在火灾监测中具有高灵活性、高机动性等优势，选择大疆M30T无人机，同时安装光学监测镜头以及热红外成像镜头，持续监测现场火情，运用大疆M 300装置正射影像模块P1镜头，着重监测重点火势区域，并且建立3D模型（如图2所示）。其次，利用夜光卫星遥感监测。夜晚环境下，无人机在监测燃烧区域情况时存在一些问题，如风力较大、起降困难等，利用夜光遥感卫星实施编程推扫可作为有效补充，通过采集相关的夜光卫星影像数据，并进行分析，辅助应急救援部门掌握火灾现场情况。

（三）后期高温点探测

在火灾后期阶段，明火基本已被扑灭，此时虽没有大范围燃烧区域，但已过火区域依然可能有燃烧不完全的零星高温点，需要对其进行监测，防止复燃。可采用无人机搭载热红外传感器、激光测距仪等，在火灾区域开展监测工作，感知高温点位置并进行记录标记。

（四）火灾监测综合分析

基于监测火灾的各个阶段，从获取第一手火灾现场反馈资料开始，不断进行监测，在四天内采取了多样化的监测方式，获取相关火情信息，基于对比及分析信息，形成火灾燃烧范围变化图。区域火灾逐渐扑灭，没有明火及烟点特征，所有明火均被扑灭。

6、面向多源遥感数据的森林火灾监测措施

（一）多源数据融合监测‌。充分融合‌光学、红外及雷达数据，发挥不同数据的特点‌。可以运用高分四号卫星的中红外波段持续监测火点，结合Sentinel-2多光谱数据提取火烧区域光谱特征，利用Sentinel-1A雷达数据减少天气因素影响，实现全天候火灾监测。‌建立天空地立体监测网络‌。融合卫星、无人机、地面传感器等设备，对多源数据进行整合，构建“空天地”一体化森林火灾感知网络，精准、高效地识别火情。

（二）‌模型算法迭代优化‌。‌利用遗传算法，结合中红外亮温阈值提取潜在火点，引入时间序列分析过滤误判，结合实际案例进行验证，优化火点识别算法‌。‌借助麻雀搜索算法，对Stacking集成模型进行完善，依据灾前灾后遥感影像，自动地划分过火迹地类型，计算相应的面积，优化过火面积提取模型‌。

（三）‌技术互补创新应用‌。创新雷达、光学数据融合应用。采用光学卫星监测火场动态，借助SAR雷达数据减少天气因素对监测工作的影响，实现全天候森林火灾监测。通过对历史数据的分析，结合NDVI和dNBR等的时序变化，准确地判定起火时间及其发展趋势。

（四）‌‌火灾救援全面辅助。可基于Sentinel-2数据提取dNBR指数，结合OTSU算法划分火灾区域的过火程度，定量分析‌过火面积及其情况，提升工作的精度性。基于多源遥感数据可以持续跟踪火情，实时监测火灾现场情况，为救援部署、损失评估、灾后重建等工作开展提供数据支撑。

结语：

综上所述，当前森林火灾监测存在手段单一、全面性及实时性等不足。本文探讨了利用多源遥感数据开展森林火灾监测的方法。充分整合无人机、卫星、地面监控、现场反馈信息等数据，基于火场三维地形数据，采用分类分级的方式将火灾周边地形和居民地数据、道路和风电场等重要基础设施、直升机取水点等应急资源在地图上进行二维、三维可视化标注，可直观、全面反映了火灾及现场情况。研究了热红外、SAR等新型探测感知手段在火灾监测工作中的融合运用，结合无人机技术应用，提升了单一监测手段识别火点的准确性和时效性，提高了火灾现场的监测和保障能力。为后续在森林火灾防控工作应用提供了新的思路。

参考文献：

[1]戴维序，朱涛，吴桐，等. 基于多源遥感数据的森林火灾损失评估 [J]. 科技创新与应用， 2024， 14 （24）： 10-14.

[2]周茉莉. 基于多源遥感数据的森林火灾应急监测 [J]. 北京测绘， 2023， 37 （11）： 1509-1513.

[3]何瑞瑞，赵凤君，曾玉婷，等. 多源遥感影像在森林火灾监测中的应用 [J]. 世界林业研究， 2022， 35 （02）： 59-63.

[4]马礼，罗建松，王逸凯. 基于多源遥感数据的森林火灾监测研究 [J]. 测绘与空间地理信息， 2021， 44 （05）： 141-145.

[5]刘锟，欧阳斯达，李鸿洲，等. 多源遥感数据在森林火灾应急监测中的应用 [J]. 卫星应用， 2020， （07）： 53-57.

[6]饶月明. 基于多源遥感数据的森林火灾监测及火烧迹地冠层含水量反演方法研究[D]. 北京林业大学， 2020.

[7]饶月明，王川，黄华国. 联合多源遥感数据监测四川木里县森林火灾 [J]. 遥感学报， 2020， 24 （05）： 559-570.

作者简介：彭鑫（1988.3-），本科，工程师，主要从事测绘遥感、地信相关行业应用工作