摘 要：利用遙感技術(shù)進(jìn)行森林火災(zāi)面積的提取是一種高效、快速的方法。通過(guò)分析衛(wèi)星或無(wú)人機(jī)獲取的遙感影像，可以準(zhǔn)確地識(shí)別和量化受火災(zāi)影響的區(qū)域。該研究采用多源、多時(shí)相的遙感數(shù)據(jù)，結(jié)合歸一化燃燒指數(shù)（NDVI）和變化檢測(cè)算法，對(duì)江西省贛州市2022年“10·17”大火前后的影像進(jìn)行處理和分析，提取火災(zāi)燒毀區(qū)域的邊界。通過(guò)對(duì)比分析，計(jì)算受火災(zāi)影響的面積，并評(píng)估火災(zāi)的嚴(yán)重程度。

關(guān)鍵詞：遙感數(shù)據(jù)；森林火災(zāi)；面積提取；歸一化燃燒指數(shù)；變化檢測(cè)

中圖分類(lèi)號(hào)：S762 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2095-2945（2024）24-0010-05

Abstract： The use of remote sensing technology for extracting the area affected by forest fires is an efficient and rapid method. By analyzing remote sensing images obtained from satellites or drones， the areas impacted by fires can be accurately identified and quantified. This study employed multi-source and multi-temporal remote sensing data， integrating the Normalized Burn Ratio （NBR） and change detection algorithms to process and analyze images taken before and after the wildfire of October 17， 2022 in Ganzhou City， Jiangxi Province， China. The boundaries of the fire-scarred areas were extracted. Through comparative analysis， the area affected by the fire was calculated， and the severity of the fire was assessed.

Keywords： remote sensing data; forest fire; area extraction; Normalized Burn Ratio （NBR）; change detection

森林火災(zāi)對(duì)生態(tài)環(huán)境和人類(lèi)社會(huì)具有重大威脅，災(zāi)害發(fā)生時(shí)，損失評(píng)估對(duì)于災(zāi)后恢復(fù)和策略制定至關(guān)重要。近年來(lái)，多源遙感數(shù)據(jù)在森林火災(zāi)監(jiān)測(cè)與損失評(píng)估中展現(xiàn)出巨大潛力。本研究旨在探討如何有效利用這些數(shù)據(jù)和技術(shù)，實(shí)現(xiàn)對(duì)森林火災(zāi)損失的精準(zhǔn)評(píng)估，為森林火災(zāi)管理和應(yīng)急響應(yīng)提供技術(shù)支持。

1 研究背景及意義

1.1 森林火災(zāi)引發(fā)的安全問(wèn)題

森林火災(zāi)作為一種自然災(zāi)害，具有其不可預(yù)測(cè)的突發(fā)性、極高的風(fēng)險(xiǎn)以及巨大的損害潛力，它頻繁地在世界各地發(fā)生，并且處理起來(lái)極其困難。氣候變化和極端氣候事件的增加，使得全球正經(jīng)歷一個(gè)森林火災(zāi)頻發(fā)的階段。2019年澳大利亞森林火災(zāi)，火災(zāi)期間，直接導(dǎo)致1 170萬(wàn)hm2土地被燒毀，造成大量的經(jīng)濟(jì)損失和生物傷亡，直接損失超50億。

我國(guó)在積極推進(jìn)國(guó)土綠化工程的同時(shí)，森林資源的總量和覆蓋范圍都在不斷擴(kuò)大，這也導(dǎo)致了森林內(nèi)可燃物的積累量逐步上升。雖然目前我國(guó)森林火災(zāi)的總體規(guī)模較小，但是由于森林可燃物的持續(xù)增長(zhǎng)以及全球變暖引發(fā)的極端氣候現(xiàn)象，我國(guó)面臨著長(zhǎng)期的森林火災(zāi)高風(fēng)險(xiǎn)和頻發(fā)狀況。2020年早期，我國(guó)西南部的多個(gè)地區(qū)遭遇了頻繁的森林大火，特別是涼山地區(qū)發(fā)生了一起嚴(yán)重的火災(zāi)事故，導(dǎo)致19名消防人員不幸犧牲。根據(jù)2021年的《中國(guó)統(tǒng)計(jì)年鑒》數(shù)據(jù)，2020年我國(guó)共記錄1 153起森林火災(zāi)，過(guò)火面積超過(guò)25萬(wàn)hm2，事故中受傷人數(shù)達(dá)到41人，經(jīng)濟(jì)損失超過(guò)了1億元人民幣。

森林火災(zāi)不但導(dǎo)致了大量的物資資源損失，同時(shí)還會(huì)破壞生態(tài)環(huán)境，帶來(lái)大量的碳污染，進(jìn)一步惡化生存環(huán)境。

1.2 衛(wèi)星遙感森林火災(zāi)監(jiān)測(cè)的意義

得益于衛(wèi)星遙感技術(shù)的不斷發(fā)展及其所產(chǎn)生的豐富數(shù)據(jù)資源，現(xiàn)行的林火污染物排放量評(píng)估方法已經(jīng)從主要依賴(lài)地面統(tǒng)計(jì)數(shù)據(jù)，轉(zhuǎn)變?yōu)槔枚嘣催b感衛(wèi)星數(shù)據(jù)進(jìn)行綜合觀測(cè)與分析。衛(wèi)星遙感技術(shù)能夠?qū)崿F(xiàn)對(duì)全球地表和大氣的高頻率、重復(fù)性監(jiān)測(cè)。

衛(wèi)星遙感技術(shù)是目前獲取地表和大氣信息的關(guān)鍵技術(shù)之一，推動(dòng)了大氣污染物排放研究和衛(wèi)星火災(zāi)監(jiān)測(cè)研究的快速發(fā)展。遙感觀測(cè)技術(shù)的優(yōu)勢(shì)在于：一是能夠?qū)Υ蠓秶膮^(qū)域?qū)崿F(xiàn)廣泛監(jiān)測(cè)；二是對(duì)信息獲取的速度較為迅速；三是局限性小很少會(huì)受到客觀條件的限制而導(dǎo)致無(wú)法觀測(cè)，特別是在自然環(huán)境惡劣、人員無(wú)法抵達(dá)的地區(qū)，可以更容易獲取監(jiān)測(cè)數(shù)據(jù)，為及時(shí)獲取火災(zāi)信息提供可行性。不同類(lèi)型的儀器和數(shù)據(jù)產(chǎn)品還能夠提供多樣化的觀測(cè)數(shù)據(jù)。此外，不同種類(lèi)的傳感器和數(shù)據(jù)產(chǎn)品能夠提供多元化的觀測(cè)數(shù)據(jù)。另外，相比于地面觀測(cè)，衛(wèi)星觀測(cè)在時(shí)空覆蓋上更為優(yōu)越，且與某些大氣模型和模擬相比，它具有更高的觀測(cè)精度和時(shí)空分辨率，能夠提供更客觀的數(shù)據(jù)。因此，通過(guò)衛(wèi)星遙感技術(shù)來(lái)檢測(cè)和觀察森林火災(zāi)的時(shí)空變化，將有助于更準(zhǔn)確地監(jiān)測(cè)和評(píng)估森林的狀態(tài)及火災(zāi)損失，為大氣污染控制提供基礎(chǔ)數(shù)據(jù)，為減輕風(fēng)險(xiǎn)提供觀測(cè)數(shù)據(jù)和影像信息，進(jìn)而為我國(guó)森林安全和減少碳污染提供技術(shù)支撐。

2 研究現(xiàn)狀及監(jiān)測(cè)方法

衛(wèi)星遙感技術(shù)在火災(zāi)監(jiān)測(cè)領(lǐng)域的應(yīng)用最早可追溯到1974年，當(dāng)時(shí)Hitchcock和Hoffer通過(guò)計(jì)算機(jī)分析，首次揭示了火災(zāi)區(qū)域在遙感圖像中的光譜特征與其他區(qū)域的不同，從而開(kāi)啟了該技術(shù)在火災(zāi)監(jiān)測(cè)方面的應(yīng)用。隨后，這一技術(shù)在火災(zāi)監(jiān)測(cè)方面得到了不斷的發(fā)展和完善。隨著遙感技術(shù)的進(jìn)步，利用不同數(shù)據(jù)源的影像數(shù)據(jù)進(jìn)行森林火災(zāi)監(jiān)測(cè)已經(jīng)變得日益成熟。目前，國(guó)內(nèi)外用于火災(zāi)監(jiān)測(cè)的方法主要有以下幾種。

2.1 高溫閾值法

該方法主要通過(guò)不同通道亮溫的值，捕捉地表不同物體的輻射信息判斷著火點(diǎn)。加上煙霧、燒痕、高溫點(diǎn)等輔助數(shù)據(jù)優(yōu)化提高著火點(diǎn)的識(shí)別精度。該方法過(guò)度依賴(lài)人工，雖然在操作上簡(jiǎn)單方便，但在實(shí)際操作中，過(guò)度依賴(lài)人工經(jīng)驗(yàn)，極易造成誤判、錯(cuò)判、漏判。

2.2 上下文火點(diǎn)識(shí)別法

上下文火點(diǎn)識(shí)別法是一種在遙感技術(shù)中廣泛應(yīng)用的火點(diǎn)識(shí)別方法，主要基于圖像及逐像元對(duì)火點(diǎn)進(jìn)行識(shí)別。為避免受到特定區(qū)域和季節(jié)差異的影響，該方法采用了鄰域分析的方法，對(duì)比潛在火點(diǎn)與周?chē)尘暗匚锵袼亻g的物理量差異來(lái)識(shí)別火點(diǎn)。首先，利用閾值監(jiān)測(cè)到的疑似著火點(diǎn)，通過(guò)鄰域分析識(shí)別真實(shí)著火點(diǎn)。但是該種方式會(huì)在較大面積的火災(zāi)情況下，將火災(zāi)中心點(diǎn)錯(cuò)誤識(shí)別為非著火點(diǎn)。因此，該方法在實(shí)際應(yīng)用中，雖然適用范圍廣泛，但要精準(zhǔn)提取著火點(diǎn)仍需要閾值法進(jìn)行輔助。

2.3 亮溫結(jié)合歸一化植被指數(shù)法

在識(shí)別到著火點(diǎn)的基礎(chǔ)上，考慮植被因火災(zāi)破壞而降低了覆蓋率的情況。該方法通過(guò)參考?xì)w一化植被指數(shù)（NDVI），以亮溫和歸一化植被指數(shù)2種數(shù)據(jù)，實(shí)現(xiàn)對(duì)地表覆蓋變化、火災(zāi)監(jiān)測(cè)等目標(biāo)的精確識(shí)別和分析，在森林火災(zāi)監(jiān)測(cè)、土地利用監(jiān)測(cè)等領(lǐng)域具有廣泛的應(yīng)用前景和重要的實(shí)用價(jià)值。

綜上所述，國(guó)內(nèi)外對(duì)森林火災(zāi)衛(wèi)星遙感監(jiān)測(cè)的研究現(xiàn)狀表現(xiàn)：充分利用衛(wèi)星遙感技術(shù)進(jìn)行森林火災(zāi)的監(jiān)測(cè)、定位和評(píng)估，不斷提高監(jiān)測(cè)精度、速度和可靠性，為森林火災(zāi)的防控提供有力支持。在未來(lái)，遙感技術(shù)在森林火災(zāi)監(jiān)測(cè)領(lǐng)域還將繼續(xù)發(fā)展，以滿(mǎn)足需求。

3 研究區(qū)域概況和數(shù)據(jù)

3.1 研究區(qū)域

火災(zāi)發(fā)生地點(diǎn)位于江西省贛州市五云鎮(zhèn)（圖1），地處中國(guó)江西省南部，地理坐標(biāo)為北緯25°40′30″至27°12′19″，東經(jīng)114°54′00″至116°27′40″。贛州市是江西省下轄的地級(jí)市，地處江西省的南端，毗鄰福建省，地貌較為復(fù)雜，有眾多的山脈和丘陵，地勢(shì)的復(fù)雜決定了其林火行為發(fā)展的復(fù)雜多變。

氣候?qū)ι只馂?zāi)發(fā)生頻次和過(guò)火面積大小產(chǎn)生影響，是影響火災(zāi)發(fā)生和發(fā)展的重要因素，贛州市屬于亞熱帶季風(fēng)氣候，有明顯的濕季和干季。在干季，植被可能變得更加干燥，易燃物質(zhì)的含水量減少，增加了火災(zāi)的潛在風(fēng)險(xiǎn)。此外，該地區(qū)植被類(lèi)型豐富且復(fù)雜多樣，根據(jù)2019年森林資源二類(lèi)調(diào)查成果資料，截至2019年底，贛州市林地面積4 621.46萬(wàn)畝（1畝約等于667 m2），森林面積4 454.61萬(wàn)畝，活立木總蓄積量20 113.04萬(wàn)m2，毛竹總株數(shù)5.56億株；闊葉樹(shù)及混交林面積1 827.54萬(wàn)畝，蓄積量11 681.25萬(wàn)m3，森林覆蓋率76.23%，名列全省設(shè)區(qū)市第一。基于以上種種原因，該地區(qū)火災(zāi)發(fā)生幾率較高。

3.2 影像數(shù)據(jù)來(lái)源

基于本次項(xiàng)目區(qū)域林火受災(zāi)特征、天氣條件、影像質(zhì)量等綜合考慮，選取關(guān)鍵時(shí)期遙感影像。林火過(guò)火區(qū)域分布的數(shù)據(jù)源采用Sentinel-2衛(wèi)星影像作為災(zāi)前影像，PL衛(wèi)星影像作為災(zāi)后影像，谷歌影像作為參考，多數(shù)據(jù)源按情況使用提高本次提取的精度，影像使用詳細(xì)情況見(jiàn)表1。

哨兵二號(hào)（Sentinel-2）衛(wèi)星的遙感影像數(shù)據(jù)可以通過(guò)歐空局的開(kāi)放數(shù)據(jù)訪問(wèn)（Open Access Hub）或其他合作伙伴的數(shù)據(jù)服務(wù)進(jìn)行獲取和下載。哨兵二號(hào)（Sentinel-2）是歐洲空間局（ESA）于2015年發(fā)射的一組衛(wèi)星，用于進(jìn)行地球觀測(cè)和環(huán)境監(jiān)測(cè)，搭載了一臺(tái)名為多光譜儀器（Multi Spectral Imager，MSI）的傳感器，該衛(wèi)星能夠監(jiān)測(cè)13個(gè)不同的光譜波段，并且其觀測(cè)覆蓋范圍寬廣，達(dá)到290 km。它能夠提供3種不同的地面分辨率，分別為10、20和60 m。單顆衛(wèi)星的返回周期是10 d，而2顆衛(wèi)星相互補(bǔ)充，使得返回周期縮短至5 d。能夠獲取高分辨率、多光譜的遙感影像數(shù)據(jù)。

Planet衛(wèi)星，全稱(chēng)為“PlanetLabs”衛(wèi)星，是由美國(guó)公司PlanetLabsInc.（前身為PlanetLabs）設(shè)計(jì)、制造和運(yùn)營(yíng)的一系列商業(yè)遙感衛(wèi)星。表2為Planet衛(wèi)星的基本參數(shù)。

3.3 技術(shù)路線(xiàn)

根據(jù)《自然資源遙感綜合調(diào)查技術(shù)要求（1∶10000）》，選取遙感數(shù)據(jù)源需要進(jìn)行輻射校正、正射校正、融合處理、影像鑲嵌、波段合成和圖像裁剪等標(biāo)準(zhǔn)化處理，制作用于自然資源調(diào)查使用的標(biāo)準(zhǔn)影像底圖。流程如圖2所示。

4 火災(zāi)監(jiān)測(cè)及災(zāi)后評(píng)估

4.1 基于影像波譜閾值及NDVI的火災(zāi)監(jiān)測(cè)方法

遵循維恩位移原理，隨著物體溫度的上升，其輻射能量亦隨之增長(zhǎng)，且最高輻射峰向短波長(zhǎng)方向偏移。研究表明，森林火災(zāi)的輻射峰值大致位于3.7 μm，而地表溫度的變化主要在11 μm處較為顯著。因此，搭載了中紅外（3～5 μm）和遠(yuǎn)紅外（10～13 μm）波段傳感器的遙感衛(wèi)星可以用于偵測(cè)森林火災(zāi)熱點(diǎn)。采用衛(wèi)星遙感波段的特性來(lái)開(kāi)發(fā)火點(diǎn)識(shí)別算法是辨別火災(zāi)熱點(diǎn)的核心技術(shù)。這一過(guò)程可以根據(jù)檢測(cè)特性的差異分為兩大類(lèi)方法：一種是基于亮溫特性的檢測(cè)；另一種是基于反射特性的檢測(cè)。亮溫特性檢測(cè)主要依賴(lài)于火災(zāi)像素與非火災(zāi)像素在中紅外和遠(yuǎn)紅外波段亮溫的差異，以及它們?cè)诳梢?jiàn)光和近紅外波段的反射特性，以此來(lái)判斷火點(diǎn)。這種方法適用于那些搭載了相應(yīng)波段衛(wèi)星數(shù)據(jù)的監(jiān)測(cè)系統(tǒng)。而反射特性檢測(cè)主要利用火災(zāi)像素與非火災(zāi)像素在短波紅外波段的反射率差異，并結(jié)合它們?cè)诳梢?jiàn)光和近紅外波段的反射率差異，綜合判斷火點(diǎn)。此外，這一方法還利用高溫火點(diǎn)在近紅外和短波紅外波段特有的光譜特性，結(jié)合衛(wèi)星遙感數(shù)據(jù)、歸一化指數(shù)以及短波紅外峰值與火點(diǎn)的相關(guān)性，實(shí)現(xiàn)了火點(diǎn)的自動(dòng)識(shí)別和誤檢點(diǎn)的排除。

不同波段組合方式進(jìn)行結(jié)合對(duì)火災(zāi)的識(shí)別很有幫助。遙感影像使用的“自然色”波段組合將3個(gè)波段進(jìn)行結(jié)合以大致生成人眼可見(jiàn)的影像。如圖3所示。

采取假彩色的波段組合方式的遙感影像（圖4），紅色和近紅外波段突出顯示了植被，這對(duì)于查看火災(zāi)很有幫助，因?yàn)槲丛馐芑馂?zāi)的茂密植被區(qū)域和植被已遭火災(zāi)摧毀的區(qū)域有著明顯對(duì)比。使用另一波段來(lái)突出顯示植被，如B12波段可提高對(duì)比度。在該圖像中，淺色區(qū)域?yàn)橹脖?，深灰色區(qū)域?yàn)檫^(guò)火區(qū)域，黑色區(qū)域?yàn)樗?。與原始圖像相比，火災(zāi)顯示更加清晰。

光譜指數(shù)，如歸一化植被指數(shù)（NDVI）、全球環(huán)境監(jiān)測(cè)指數(shù)（GEMI）和火燒指數(shù)（BAI）等，是由不同波段組合而成的指標(biāo)，它們?cè)谏只馂?zāi)前后呈現(xiàn)明顯的變化趨勢(shì)。例如，NDVI和GEMI在火災(zāi)發(fā)生后通常會(huì)顯著減少，而B(niǎo)AI則會(huì)顯著增加。通過(guò)分析這些光譜指數(shù)在火災(zāi)前后的變化，可以設(shè)定特定閾值來(lái)提取火災(zāi)影響區(qū)域的信息。

森林火災(zāi)會(huì)導(dǎo)致地物的光譜特性發(fā)生顯著改變，這是因?yàn)榛馂?zāi)會(huì)燒毀部分或全部的地物，使得地物的顏色變深、變暗，從而在可見(jiàn)光波段的光譜反射率降低。利用這一變化，可以通過(guò)比較火災(zāi)前后森林的NDVI歸一化值，來(lái)估算受火災(zāi)影響的森林面積。

公式：NDVI=（NIR-R）/（NIR+R）。

分別計(jì)算災(zāi)前災(zāi)后影像的NDVI，用災(zāi)前的NDVI減去災(zāi)后NDVI，從中提取出過(guò)火區(qū)。在專(zhuān)業(yè)的圖像處理軟件中，加載影像與指數(shù)分析后的結(jié)果，建立過(guò)火跡地的矢量，統(tǒng)計(jì)受災(zāi)畝數(shù)等。

4.2 綜合災(zāi)后評(píng)估方法

森林的受災(zāi)程度是衡量火災(zāi)對(duì)生態(tài)系統(tǒng)影響的重要指標(biāo)，它與植被的死亡率成正比關(guān)系，與植被的恢復(fù)能力成反比關(guān)系。通過(guò)衛(wèi)星遙感技術(shù)評(píng)估森林火災(zāi)受災(zāi)程度的主要方法包括3種。

一是通過(guò)比較火災(zāi)前后衛(wèi)星遙感數(shù)據(jù)的變化來(lái)直接評(píng)估受災(zāi)程度。例如，使用AVHRR數(shù)據(jù)計(jì)算火災(zāi)前后NDVI的變化，并據(jù)此分析火災(zāi)的影響程度。

二是在上述基礎(chǔ)上，通過(guò)目視解譯遙感圖像，選擇不同燃燒程度的代表性樣本，并利用監(jiān)督分類(lèi)等技術(shù)對(duì)火災(zāi)受災(zāi)程度進(jìn)行分級(jí)。這種方法結(jié)合了視覺(jué)判斷和機(jī)器分類(lèi)，以更精確地劃分林火的受損等級(jí)。

三是使用衛(wèi)星圖像的各種光譜指數(shù)和地面實(shí)測(cè)指數(shù)相結(jié)合的方法來(lái)評(píng)估火災(zāi)受災(zāi)情況。例如，利用Google Earth Engine平臺(tái)，結(jié)合Landsat時(shí)間序列數(shù)據(jù)和DNBR、NDVI等光譜指數(shù)，生成火災(zāi)區(qū)域的分布圖。

這些方法共同為森林火災(zāi)的監(jiān)測(cè)和評(píng)估提供了有效的技術(shù)手段，有助于快速準(zhǔn)確地了解火災(zāi)的影響范圍和程度。本次采用了第二種方法，根據(jù)災(zāi)區(qū)的林木光譜特征，分析贛州市商品林在遙感影像上表現(xiàn)的特征變化，從而利用遙感影像進(jìn)行過(guò)火面積提取。本次林火過(guò)火面積的遙感解譯特征識(shí)別見(jiàn)表３。

4.3 監(jiān)測(cè)結(jié)果

此次基于光學(xué)影像對(duì)贛州市五云鎮(zhèn)森林火災(zāi)進(jìn)行遙感監(jiān)測(cè)與評(píng)估分析，經(jīng)過(guò)解譯、分析和精度校驗(yàn)，得到贛州市五云鎮(zhèn)商品林過(guò)火區(qū)域空間分布圖、受損情況分布圖和相應(yīng)統(tǒng)計(jì)表。過(guò)火區(qū)域空間分布圖如圖5所示。

受損情況分布圖如圖6所示。

5 結(jié)論與展望

僅用Sentinel－2影像能實(shí)現(xiàn)對(duì)林火跡地大致范圍的提取，但是對(duì)過(guò)火區(qū)域與未過(guò)火區(qū)域的界線(xiàn)區(qū)分不夠明顯，界線(xiàn)呈鋸齒狀，且容易將夾雜在過(guò)火區(qū)域中的未過(guò)火小區(qū)域誤判為過(guò)火區(qū)域，由于較低分辨率衛(wèi)星遙感圖像因其較低的細(xì)節(jié)表現(xiàn)能力，適用于監(jiān)測(cè)廣泛區(qū)域的森林火災(zāi)，但在捕捉小規(guī)?；馂?zāi)的精確位置方面存在局限。高分辨率影像則能提供關(guān)于樹(shù)木燒傷狀況等更詳細(xì)的信息，而這通常需要更清晰的圖像。無(wú)人機(jī)平臺(tái)能夠靈活地收集多種類(lèi)型的數(shù)據(jù)，有效克服這一挑戰(zhàn)。通過(guò)結(jié)合衛(wèi)星遙感在大范圍監(jiān)測(cè)和無(wú)人機(jī)在高分辨率精細(xì)化探測(cè)方面的各自?xún)?yōu)勢(shì)，可以實(shí)現(xiàn)一種點(diǎn)面結(jié)合的全面、高效的全天候森林火災(zāi)監(jiān)控系統(tǒng)，從而降低火災(zāi)造成的損害，并提高火災(zāi)預(yù)警的準(zhǔn)確性。

參考文獻(xiàn)：

[1] 覃先林，李曉彤，劉樹(shù)超，等．中國(guó)林火衛(wèi)星遙感預(yù)警監(jiān)測(cè)技術(shù)研究進(jìn)展[J].遙感學(xué)報(bào)，２０２０，２４（５）：５１１－５２０．

[2] 鄭偉，陳潔，唐世浩，等.基于FY-3D/MERSI-Ⅱ遠(yuǎn)紅外數(shù)據(jù)的火情監(jiān)測(cè)研究[J].紅外與毫米波學(xué)報(bào)，２０２０，３９（１）：１２０－１27.

[3] 尹俊玥，何瑞瑞，趙鳳君，等.多源衛(wèi)星遙感影像的林火監(jiān)測(cè)[J].光譜學(xué)與光譜分析，２０２３，４３（３）：９１７-926.

[4] 覃先林，陳爾學(xué)，李增元，等. 基于MODIS數(shù)據(jù)的森林覆蓋變化監(jiān)測(cè)方法研究[J].遙感技術(shù)與應(yīng)用，２００６，２１（３）：１７８－１８3.

[5] 張斌，張新建．基于ＮOAA AVHRR 1B數(shù)據(jù)的我國(guó)東北森林火點(diǎn)監(jiān)測(cè)方法[C]//2016中國(guó)地理信息科學(xué)理論與方法學(xué)術(shù)年會(huì)論文集，2016：1-8.

[6] 張兵，韋銳，宋昆侖，等．基于TM8遙感影像的森林火災(zāi)監(jiān)測(cè)與過(guò)火面積測(cè)算[J].礦山測(cè)量，２０１５（３）：７５－７８，８４．