基于MODIS遥感数据的野火烟雾探测和植被受灾评估研究

雩风三日

基于MODIS遥感数据的野火烟雾探测和植被受灾评估研究

$ }& J5 V. W% ?, s; M4 [; u: I

    随着全球变暖和极端气候的日益频繁，近年来世界各地的野火频繁发生。野火的研究和防控对于保护人民的生命财产安全、研究了解火灾的影响和生态系统的动态变化至关重要。卫星遥感作为一种有效的环境监测和分析手段，为野火的研究和应用提供了有价值的信息。基于卫星数据己经开展了很多野火监测和评估方面的研究。然而，对于火灾烟雾识别的有效性和适用性还有待进一步提高，同时对灾后过火迹地的光谱特征和探测识别以及受灾植被的动力学等方面还需要更深入的研究。

    本文基于Aqua和Terra卫星上搭载的中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer, MODIS)的遥感数据，提出了两个模型来分别提高野火烟雾探测和过火迹地测绘的精度，并深入分析了灾后过火迹地的光谱特征和受野火影响植被的动力学特征。第三章介绍了我们构建的新的大型卫星图像烟雾数据集(USTC_SmokeRS)，该数据集涵盖了来自世界各地的六种地物和气溶胶类别的MODIS影像，即云、沙尘、雾霆、陆地、海岸和烟雾。为了建立卫星遥感火灾烟雾的探测基准，我们提出了一个新的基于卷积神经网络(convolution neural network, CNN)的改进型模型(SmokeNet)，该模型通过融合空间和通道间注意力机制，有效增强了网络对图像的特征表达，并对比评估了新模型与几种先进的深度学习图像分类方法的精度。通过利用不同比例(16%, 32%,48%和64%)的训练图像开展多组对照实验，结果表明所提出的SmokeNet模型的精度和Kappa系数均高于其他先进的方法。其中，在采用64%的图像训练后，SmokeNet模型达到了最优的精度92.75%和Kappa系数0.9130;在采用16%的图像训练后，新模型的图像分类精度和Kappa系数较其它先进模型分别提高了至少4.99%和0.06。

    在第四章中，为了准确评估野火发生后的过火区域，我们研究了过火迹地的光谱特征，并提出了一种新的过火迹地测绘方法，在仍利用单张MODIS影像的基础上，该方法对过火迹地的识别精度优于以往的方法，关键的创新是结合了最优的光谱指数和神经网络算法。我们利用传统的遥感算法(经验公式法、多阂值法和目视判别法)，从美国内华达州、华盛顿州和加利福尼亚州2016年的三场野火MODIS数据中提取了五种典型地物类别(过火迹地、植被、云、裸土和云阴影)的样本集。然后，利用分离性指数M评价了7个光谱波段和13个光谱指数区分过火迹地与四种未燃地物类别的能力。基于过火区域和未过火区域的分离性分析，我们采用了M值大于1.0的光谱指数生成了训练样本集，其精度评估的结果是总精度98.68%和Kappa系数0.9746。最后，我们利用反向传播神经网络(back-propagation neural network, BPNN)学习了i)11练样本集中不同类别间的光谱差异，最终生成基于MODIS的过火迹地图。我们将新的过火迹地测绘方法应用于美国爱达荷州、内华达州和俄勒冈州2017年的三场野火案例来验证其有效性。通过对比新方法的结果和基于Landsat-8陆地成像仪(Operational Land Imager, OLI)数据生成的参考过火迹地图，结果表明新方法可以有效利用不同地物类别间的光谱特征。与传统的经验公式法相比，该方法降低了至少10%的错分误差和6%的漏分误差，从而实现灾后过火迹地的精确评估。

    为深入理解野火扰动下的植被动力学过程，在第五章中，我们研究了三个研究区域近二十年间植被指数时间序列的动态过程，包括Aqua和Terra卫星MODIS的归一化植被指数(Normalized Di}'erence Vegetation Index, NDVI)和增强型植被指数((Enhanced Vegetation Index, EVI)数据，其中研究地点LI遭受过两场野火(Btu Fire, 2008和Camp Fire, 2018)的影响，研究地点L2只受Camp Fire的影响，而地点L3不受任何火灾的影响。通过利用多重分形去趋势波动分析(multifractal detrended fluctuation analysis, MFDFA)和费歇尔一香农分析(Fisher-Shannon analysis, FSA)的统计学方法，我们研究了植被指数时间序列的异质性和组织/无序性及其与灾后植被恢复过程的关系。结果表明，多次野火的影响增加了NDVI和EVI时间序列的异质性，其时间动态受较大的波动控制。同时，与未受火灾影响的研究区域相比，受野火影响地区的NDVI和EVI数据更有组织性，也更有序。此外，研究表明多个统计指标包括广义赫斯特指数范围h}-range ,多重分形谱的宽度W和费歇尔一香农信息平面在研究区域的比较中p-value值通常小于0.05，因此能够较好地区分不同次数野火影响的研究区域。

本文提出了改进的野火烟雾探测模型和灾后过火迹地测绘方法，并研究分析了火灾对植被动力学的影响及其特征变化，可以为野火防控和植被监测提供参考。最后，对未来进一步的研究提出了建议。
) \7 a# A- p1 [; _1 C$ b# p

关键词:野火;卫星遥感;MODIS;烟雾;过火迹地;植被指数;光谱指数;神经网络:时间序列分析

: \0 q) z& q5 _. n