论文部分内容阅读
森林火灾是在人为因素与自然因素的综合作用下产生自然灾害的,其会损毁大量植被资源,造成巨大的社会经济损失,破坏生态平衡。利用遥感技术对森林火灾风险进行实时预警可为森林火灾的有效预防提供科学支撑。广东省在大规模的荒山造林完成后,森林面积大大增加,中幼林比例增大,树种结构单一,加之市郊自然村落分散,道路四通八达,人为活动频繁,极易发生森林火灾。本文利用卫星遥感技术对森林火灾的风险预警进行研究,在综合分析国内外研究成果的基础上,构建森林火灾风险预警因子初选指标集。利用森林火灾卫星热点历史数据,采用主成分分析法对森林火灾风险预警因子进行筛选,构建森林火灾风险预警因子指标体系,综合运用森林火灾动态危险性指数和自然灾害风险指数,构建森林火灾风险预警模型。利用MODIS数据计算各像元的森林火灾风险值,绘制森林火灾风险实时分布专题图,实现森林火灾风险的实时预警。以广东省为研究区进行了森林火灾风险预警案例应用,研究结果如下:（1）对广东省2009～2019年的森林火灾卫星热点数据进行时空分析,结果表明:广东省历史森林火灾时空分布差异较大。从空间分布来看,森林火灾热点高密度区域覆盖了清远市、韶关市、河源市、梅州市、潮州市、揭阳市、汕尾市、惠州市、肇庆市,广东省东北部森林火灾热点密度最高;从时间分布来看,广东省共发生森林火灾1221 0起,平均每年发生1110起,其中,201 1年是发生森林火灾次数最多的年份,2013年、2015年次之,2019年是发生森林火灾最少的年份;季节分布上,冬季森林火灾发生次数最多,为9867次,春季次之,为7905次,秋季较少,夏季几乎不发生森林火灾。利用时空分析的结果可计算历史森林火灾时空分布密度,是构建森林火灾风险预警模型的重要参数之一。（2）在综合分析国内外研究成果的基础上,构建了森林火灾风险预警因子初选指标集,包括归一化植被指数（NDVI）、温度植被干旱指数（TVDI）、归一化红外指数（NDII7）、高程（GC）、坡度（PD）、坡向（PX）、历史森林火灾空间分布密度（MD）、树种燃烧类型（RSLX）、地表覆盖类型（DBLX）等9个因子。利用5980个森林火灾历史火点作为样本,提取初选指标值并进行主成分分析,各因子的贡献值分别为 20.456%、17.63%、17.545%、11.362%、10.641%、9.217%、8.525%、3.253%、1.371%。从研究结果可知:前7个因子的累计贡献值达 95.376%,因此选择 NDVI、NDII7、TVDI、GC、PD、PX、MD 等 7 个因子构建森林火灾风险预警指标体系。（3）以NDVI、TVDI、NDII7为自变量,构建改进的森林火灾动态危险性指数模型FDDI改;以FDDI改为因变量,GC、PD、PX、MD为自变量,进行相关性分析得到 GC、PD、PX、MD 的权重值,分别为 0.15501、0.093185、0.040017、0.074882,在模型中添加带权重的GC、PD、PX、MD等4个因子,构建森林火灾风险预警模型NFDDI。利用500个森林火灾历史火点与500个随机非火点为样本对模型进行ROC检验,检验结果可知:森林火灾风险预警模型的AUC值为0.714（>0.7）,模型的拟合效果较好,能有效进行森林火灾风险预警。（4）利用2021年2月14日～17日的MODIS数据、DEM数据、森林火灾历史数据分别提取预警因子,采用森林火灾风险预警模型计算各像元的森林火灾风险值,绘制广东省2021年2月15日～18日的森林火灾风险预警专题图,从图中可以看出,广东省各市连续4天均存在高森林火灾风险区,其中广州市、佛山市、中山市、东莞市、汕头市、深圳市的高森林火灾风险区面积较大,随时间推移森林火灾风险程度逐渐下降,高森林火灾风险区域面积逐渐减少。本文基于MODIS数据对广东省森林火灾风险预警进行了研究与检验,研究结果具有应用价值,融合多源遥感数据开展森林火灾风险预警研究将是未来的研究重点。本文解决了森林火灾动态危险性指数模型因忽略静态因子所带来的局限性,未来的研究也将考虑更多的森林火灾风险预警因子（例如:雷击、风速、风向等）,以建立更加完善的森林火灾风险预警模型。