陳宗杰,楊武年,張琬琳,劉明鑫,董秀軍,何先定

(1. 成都航空職業(yè)技術學院,四川 成都 610100; 2. 成都理工大學,四川 成都 610059; 3. 四川民族學院,四川 康定 626000)

近年來,世界各地森林火災頻發(fā),是人類面臨的主要自然災害之一[1],尤其在2019—2020年,涼山彝族自治州森林火災頻發(fā),且蔓延迅速,過火面積達數(shù)千公頃,毀壞面積數(shù)達百公頃[2]。森林火災難以防范且具有極大的危害性,給人民的生命安全造成了極大威脅。如何對森林火災進行預防與預警,是亟需解決的社會問題。

森林火災受害情況與易然可燃物分布和載量關系十分密切[3]。森林可燃物是森林燃燒三要素之一?？扇嘉锶紵Q于火源和氧氣等必要條件外,還取決于可燃物本身的易燃程度[4]。可燃物特性指描述可燃物組合的各種特性,包括可燃物的數(shù)量、大小、形狀、含水率、密實度及連續(xù)性等,并與植被的易燃程度有密切關系。相關學者作了大量研究,文獻[5]估算了多數(shù)可燃物熱值,作為平均數(shù)在實際中的應用;文獻[6]認為無論針葉林還是闊葉林,葉含水率均表現(xiàn)出明顯的日周期變化規(guī)律,并受所處立地條件的影響;文獻[7]認為闊葉林冠層葉和灌木層葉含水率受環(huán)境的影響存在發(fā)生樹冠火的可能性。但國內(nèi)尚無對森林可燃物易燃程度在大尺度、多元化及系統(tǒng)性方面的研究。因此,研究森林可燃物易燃程度具有較強的理論和實踐指導意義。

本文以四川省涼山彝族自治州木里藏族自治縣為研究區(qū),基于飛馬無人機D500相關數(shù)據(jù),以及哨兵二號(Sentinel-2)、Landsat 8 OLI影像,并結(jié)合野外實測數(shù)據(jù),從影像上提取多種自然因子,識別目標區(qū)域的植被冠層含水量,選擇冠層含水量、高程、坡度、坡向等作為評價因子。采用專家評價法建立評價體系,對目標區(qū)域的可燃物易燃性做出評價并針對森林火災預防與預警提出建設性意見,豐富森林防火和滅火理論與實踐,為西南地區(qū)森林防滅火做好基礎研究工作。

1 技術路線

以四川省涼山彝族自治州木里藏族自治縣為研究區(qū),基于無人機相關數(shù)據(jù)、Sentinel-2、Landsat 8 OLI影像,并結(jié)合野外實測數(shù)據(jù),從影像上提取多種自然因子,識別目標區(qū)域的植被冠層含水量,選擇冠層含水量、高程、坡度、坡向等作為評價因子。采用專家評價法建立評價體系,對目標區(qū)域的可燃物易燃性作出評價并提出建議。技術路線如圖1所示。

2 研究區(qū)與數(shù)據(jù)處理

2.1 研究區(qū)概況

選取位于我國西南地區(qū)木里藏族自治縣部分區(qū)域為研究區(qū)。木里藏族自治縣面積約為13 252 km2,東西橫跨較大,逾160 km,南北接近東西跨度,逾170 km。平均海拔約3000 m,最低河谷地帶與最高點高程差超過4000 m。

木里藏族自治縣位于川西高原,屬亞熱帶高原季風型氣候,氣候的立體性和干濕性都比較分明。橫斷山脈會阻斷向東的氣流,下沉導致氣溫升高,濕度降低,由于特殊的地理環(huán)境,南下的冷空氣也會被山脈阻隔,因此木里藏族自治縣較干燥,空氣濕度也較低。木里藏族自治縣以中高山山地地形為主,地表起伏明顯,高差相對較大,隨處可見山坡和深谷,且風向變化非常復雜,為山火的蔓延提供了空間上的便利。

2.2 數(shù)據(jù)處理

2.2.1 衛(wèi)星遙感數(shù)據(jù)

本文選擇使用Sentinel-2A衛(wèi)星數(shù)據(jù),由MSI傳感器采集的。該傳感器包括可見光波段和紅外范圍共計13個光譜波段。Sentinel-2A是世界上唯一擁有3個紅邊波段的在軌陸地資源衛(wèi)星。紅邊數(shù)據(jù)可以檢測植被生物特性,提供重要的植被數(shù)據(jù)。通過大氣校正、重采樣與裁剪,獲取研究區(qū)影像。

選取Landsat 8遙感衛(wèi)星影像,Landsat 8搭載了陸地成像儀(operational land image,OLI)和熱紅外傳感器(thermal infrared sensor,TIRS)兩個傳感器。選擇Landsat 8衛(wèi)星數(shù)據(jù)主要利用Band 10對地表溫度進行反演。獲取云量盡可能小的數(shù)據(jù),避免其他因素影響成果數(shù)據(jù)。對數(shù)據(jù)進行輻射定標、大氣校正、地形校正、裁剪,獲取所需圖像。

2.2.2 無人機數(shù)據(jù)

利用多旋翼無人機系統(tǒng)D-CAM20航測模塊和D-LiDAR2000激光雷達模塊,配合無人機管家獲取區(qū)域影像數(shù)據(jù)和地形數(shù)據(jù),如圖2所示。

圖2 D-CAM20(左)與D-LiDAR2000(右)模塊

對預處理后的機載LiDAR數(shù)據(jù)提取數(shù)字高程模型,并進行點云歸一化處理;采用基于點云的單木分割方法,提取樹高、冠幅等森林垂直結(jié)構參數(shù),如圖3所示,相臨近的單木以不同顏色區(qū)分。

圖3 單木分割(剖面圖局部)

2.2.3 野外實測數(shù)據(jù)

對于模型的建立與評價,需要實地采集各種數(shù)據(jù),主要是目標區(qū)域冠層含水量的實測數(shù)據(jù),確定研究點位,根據(jù)地區(qū)地形特點和位置,在保持安全的前提下,獲取的樣本具體實測值,如圖4所示。對于冠層含水數(shù)據(jù)的采集,流程如下。

圖4 野外觀測采樣數(shù)據(jù)

(1)記錄采樣點位置。

(2)對于林地,利用工具對樹葉進行采集。在不傷害植被的前提下采集適量的樣品。選擇較新鮮的樣本進行稱重、封裝、記錄,并記錄其樹木類型、樹木冠層的投影范圍及冠層垂直高度。

(3)對于灌木與草地,選擇10 m ×10 m范圍內(nèi)可以代表其樣點的區(qū)域采樣,根據(jù)實際情況選擇半徑范圍為1 m,在不傷害植被的前提下獲取樣本,并進行稱重、封裝和記錄。

(4)利用烘干機對樣本進行烘干,記錄每個樣本植被含水量實測值。利用樣本區(qū)域乘以相應的系數(shù),最終得到樣本值。

3 植被冠層含水量反演

根據(jù)文獻[8]提出的生態(tài)水(層)概念及相關研究,生態(tài)水反演的主要原理為,基于不同特征指數(shù)與目標含水量間的響應關系,采用單一指數(shù)或多個指數(shù)進行數(shù)據(jù)分析,根據(jù)響應關系和實地測量數(shù)據(jù)建立相關的數(shù)學模型,預測未測量區(qū)域生態(tài)水含量。提取24個特征指數(shù)[9]、10個光譜參數(shù)[10]、3個紅邊指數(shù)、5個生物物理參數(shù)(包括葉面積指數(shù)、葉綠素含量等)[11],以及6個地形與其他因子等[12]。對所有變量作歸一化處理,統(tǒng)一量綱。最終建立最優(yōu)的6-13-1結(jié)構的神經(jīng)網(wǎng)絡模型進行反演[13]。其中參與計算的光譜參數(shù)和紅邊指數(shù)見表1。

表1 光譜參數(shù)與紅邊指數(shù)

3.1 變量處理與篩選

野外采樣時,將土地的利用類型作為重要的參考因子。最好的處理方式是根據(jù)類型個數(shù)分別建立多個線性回歸方程,類似于數(shù)學函數(shù)中的分段函數(shù),采樣的樣本點數(shù)目及其類型因子數(shù)量很少,建立的模型不具備典型性[14]。

因此將植被類型轉(zhuǎn)化為整數(shù)數(shù)值變量[1,2,…,m]。由于選擇的Sigmoid函數(shù)的取值范圍為[-1,1],建立模型前需要將數(shù)據(jù)作歸一化處理;同時提供變量的有效性,加快神經(jīng)網(wǎng)絡的收斂速度。選擇經(jīng)過多重共線性檢驗后的21個參數(shù)變量(特征指數(shù))作為輸入值,將研究區(qū)域的植被冠層實測數(shù)據(jù)作為輸出值,初步建立神經(jīng)網(wǎng)絡模型[15]。

根據(jù)Kolmogorov定理,神經(jīng)網(wǎng)絡的拓撲結(jié)構簡記為n-p-m,其中n為輸入層節(jié)點,m為輸出層節(jié)點數(shù),p為隱含層節(jié)點數(shù)。經(jīng)驗公式為

k=2n+1

式中,k為可能的隱含層節(jié)點數(shù);p的取值范圍為[k-3,k+3]。因此隱含層設置區(qū)間為[40,46],計算建立的初步神經(jīng)網(wǎng)絡模型,記錄決定系數(shù)R2隨隱含層節(jié)點數(shù)的變化趨勢,如圖5所示。

圖5 R2與變量組合

通過數(shù)據(jù)分析可知,當隱含層節(jié)點數(shù)為44時,模型效果最好,其決定系數(shù)R2=0.51。即神經(jīng)網(wǎng)絡模型的結(jié)構為21-44-1。

3.2 神經(jīng)網(wǎng)絡模型的建立

采用Weight法則進行變量貢獻度排序,將每個隱藏神經(jīng)元的隱藏輸出連接權值劃分為與每個輸入神經(jīng)元相關的組件,根據(jù)貢獻度的高低(如圖6所示),分別選擇TYPE、CWC、NDWI1640、NDII、SAVI、MSI為第1組合,TYPE、CWC、NDWI1640、NDII、SAVI為第2組合,TYPE、CWC、NDWI1640、NDII、SAVI、MSI、FVC為第3組合。其中,TYPE為用地類型,分別計算R2。

圖6 參數(shù)貢獻度

通過試驗可知,神經(jīng)網(wǎng)絡模型的最優(yōu)變量組合為TYPE、CWC、NDWI1640、NDII、SAVI、MSI,據(jù)經(jīng)驗公式,確定隱含層節(jié)點數(shù)值范圍為[10,16],最優(yōu)的隱含層節(jié)點數(shù)為13,ANN模型的最終拓撲結(jié)構為6-13-1(如圖7所示),此時模型的R2為0.68,效果最優(yōu)。

圖7 神經(jīng)網(wǎng)絡6-13-1結(jié)構

3.3 反演結(jié)果

選擇最優(yōu)的6-13-1結(jié)構的神經(jīng)網(wǎng)絡模型。對實測數(shù)據(jù)和預測數(shù)據(jù)進行對比分析,得到模型的R2為0.69,較優(yōu)化前提高了0.18,如圖8所示。

圖8 相關性分析

經(jīng)分析,該模型可對植被冠層生態(tài)水進行反演。本文對植被冠層生態(tài)水構建的神經(jīng)網(wǎng)絡模型決定系數(shù)R2為0.677 8,均方根誤差(RMSE)為17.64。由于多光譜數(shù)據(jù)在空間上是連續(xù)的,在灌叢和草甸區(qū)域同樣獲取了植被冠層光譜信息,因而多光譜數(shù)據(jù)反演成果能夠在一定程度上反映灌叢和草甸區(qū)域冠層生態(tài)水信息,將研究區(qū)植被冠層生態(tài)水反演結(jié)果與植被類型分類圖進行空間疊加分析。針葉林和闊葉林中植被冠層生態(tài)水儲量分布情況見表2。

表2 不同植被類型中的冠層生態(tài)水儲量統(tǒng)計

木里自治縣地區(qū)植被群落垂直帶譜分布特征顯著,隨著海拔的升高,植被冠層生態(tài)水的變化特征明顯,植被冠層生態(tài)水空間分布特征符合野外調(diào)研的植被分布規(guī)律。可以得出,植被冠層神經(jīng)網(wǎng)絡模型能夠有效地模擬研究區(qū)植被冠層生態(tài)水空間分布規(guī)律,定量反演研究區(qū)不同植被類型冠層生態(tài)水的實際儲量,模型反演結(jié)果較為理想。

4 易燃程度評價

根據(jù)著名的火三角模型理論,氣候、地形因素、可燃物是影響森林火災的重要因素。影響可燃物的要素紛繁復雜,導致森林山火防范的根本性問題轉(zhuǎn)化為如何精確地獲取可燃物易燃程度。對研究區(qū)生態(tài)環(huán)境進行實地調(diào)查和分析,并考慮數(shù)據(jù)的可獲得性,建立易燃程度評價模型。

4.1 評價因子選取

4.1.1 植被類型

森林火災主要是由人為或森林自燃引發(fā)的?？扇嘉锏慕缍ㄊ怯善渖锾匦詻Q定的。松木、杉木極易燃;經(jīng)濟林、灌木、闊葉林等可燃;水域、草地等幾乎不可燃燒,可以有效遏制森林山火。不同區(qū)域、不同植被對森林火災的影響不同,其中基于植被生態(tài)水反演的研究也需要區(qū)分植被種類?；跓o人機圖像對研究區(qū)植被類型進行分類,利用監(jiān)督分類中的最大似然法對數(shù)據(jù)進行地物識別與分類,分類精度為88.807 9%,Kappa系數(shù)為0.891 2,符合要求。

4.1.2 地表溫度

氣象因子也是影響森林山火的重要因素,主要影響燃料的供氧、植被含水量、熱傳輸?shù)?。發(fā)生森林火災后,火災蔓延的方向和速率與地表溫度相關性較大。而地表溫度受海拔高度、坡度、坡向等的影響,地表溫度在白天出現(xiàn)最高值。

利用Landsat 8 OLI影像,以TIRS10數(shù)據(jù)(JM＿SC)單通道反演法為主,反演地表溫度并獲取研究區(qū)地表溫度空間分布[16]。

4.1.3 可燃物冠層含水量

根據(jù)火三角理論及大量研究可知,森林山火的研究重點為植被的含水量。含水量的多少直接決定植被的可燃性與易燃程度。不同區(qū)域、不同植被類型、不同植被部位差異較大,這也是本文的研究重點。

根據(jù)反演結(jié)果可以得出,植被冠層生態(tài)水儲量為2 549 215.5 mg。其中,針葉林冠層生態(tài)水總量為968 701.889 mg,占研究區(qū)冠層生態(tài)水總量的37.99%,針葉林平均冠層生態(tài)水儲量為46.86 mg/hm2;闊葉林冠層生態(tài)水總量為769 419.328 mg,占研究區(qū)冠層生態(tài)水總量的30.172%,闊葉林平均冠層生態(tài)水儲量為39.56 mg/hm2。植被冠層生態(tài)水中分布在湖泊、人工建筑、裸地等非植被地類內(nèi)的冠層生態(tài)水儲量為研究區(qū)冠層生態(tài)水總儲量的0.854%,誤差比例較小,能夠滿足植被冠層生態(tài)水反演精度要求。

4.1.4 地 形

地形對森林山火的蔓延方向和速率有較大影響。木里藏族自治縣的海拔高程、坡度、坡向也是衡量該區(qū)域森林火災的重要因素。坡度大,植被根系的保水能力較弱;坡度小,根系保水能力較強。這也間接影響植被含水量[17]。

海拔高度也會影響森林火災的發(fā)生。海拔高度較大時,溫度降低,濕度也降低,森林植被的含水率升高,易燃性降低;海拔更高時,進入亞高山地帶或分水嶺附近,降水量明顯增加,一般不易發(fā)生森林火災[18]。

利用無人機獲取目標區(qū)域高精度地形數(shù)據(jù),研究區(qū)域地形起伏較大,地表形態(tài)破碎。隨著高程的增加,坡度和坡向的起伏隨之增大,人類較難到達。西部的地勢較低,地形起伏較為平緩,有河流貫穿。東部地勢較高,地形起伏較大,山脈綿延起伏。該地形更有利于火災形勢的蔓延。

4.2 評價等級劃分

通過大量實地勘測及對生態(tài)環(huán)境的調(diào)查與分析,選擇高程、坡度、坡向、冠層含水量、土地利用類型、地表溫度6個因子[19],將木里藏族自治縣研究區(qū)域的可燃物易燃性分為極易燃、易燃、較易燃、可燃、難燃5個等級(見表3),分別賦值為9、7、5、3、1分。在單因子評價的基礎上,采用專家評價法加權(見表4),進一步獲取研究區(qū)易燃程度數(shù)據(jù)。各評價因子空間分布如圖9所示。

表3 易燃性評價分級

表4 各因子分級評價

圖9 各評價因子

隨著高程的增加,溫度和濕度的變化對易燃性有著重要的影響;不同坡度對水分保護能力具有差異性。坡向的不同導致接受太陽輻射的時間不同,間接影響含水量;冠層含水量直接影響可燃物;土地利用類型主要影響不同植被、不同地物的燃燒能力。地表溫度也是重要因素,影響生態(tài)環(huán)境的干燥程度,也影響火災的發(fā)生、蔓延方向、速率等[20]。

通過影響因子加權分析結(jié)果(如圖10所示)可知,可燃物易燃性區(qū)域主要集中在可燃、較易燃、易燃區(qū)域,面積共占83.19%,并以較易燃為主。各級面積占比見表5。

表5 不同易燃區(qū)域面積占比

圖10 區(qū)域易燃程度

5 結(jié) 論

對于空間分布而言,難燃區(qū)域主要分布在谷地低海拔緩坡區(qū)域,用地類型以城鎮(zhèn)用地、草地為主。主要原因為,該區(qū)域以水體及其沿岸區(qū)域為主,可燃物濕度較大,且地表溫度較低,可燃物易燃程度較低。

可燃區(qū)域集中分布在較高海拔、低坡度區(qū)域,用地類型以草地為主。易燃區(qū)域集中分布在山地中海拔、坡度較小區(qū)域,用地類型以林地和灌木為主,植被類型為闊葉林及針葉林。高易燃區(qū)域集中分布在中高海拔、含水量適中的區(qū)域,植被以針葉林為主,陽光照射充足,地表溫度較高,可燃條件充足[21]。

極易燃區(qū)域主要以針葉林和灌叢為主,海拔較低,環(huán)境濕度小,植被含水量少,土壤濕度較低[22];坡度較大,不利于雨水保存;陽光照射充足,地表溫度高,較容易引起森林火災[23]。

通過對研究區(qū)域的實地勘測,對比發(fā)生火災區(qū)域與研究結(jié)論發(fā)現(xiàn),數(shù)起小型森林山火發(fā)生的區(qū)域都屬于易燃、較易燃、極易燃地區(qū)。由于目標區(qū)域嚴格的交通管制與過火區(qū)域的保密政策,其余地區(qū)火災易發(fā)程度的準確性需要現(xiàn)實材料的進一步論證。但基于現(xiàn)有結(jié)論,建議對易燃及以上地區(qū)加強森林火災防范力度[24]。