摘要
森林火灾是最为常见的灾害之一，严重危及人类生命安全。及时准确监测森林火灾的发生及火场状况，对应对火灾及减少损失至关重要。当前，森林火灾卫星遥感监测主要以低空间分辨率的卫星遥感为主，空间分辨率过低导致无法探测规模较小火灾及掌握详细火场态势。针对这一问题，结合近些年中高空间分辨率卫星观测、共享及处理能力的发展，本文从森林火灾卫星遥感监测的基本原理、当前可用中高空间分辨率卫星数据及其特点、中高分辨率森林着火区监测算法，以及数据共享与云端存储与计算等4个技术环节，对森林火灾中高分辨率卫星遥感监测当前研究现状与存在问题进行了总结，阐述了近实时中高空间分辨率森林火灾监测系统的可行性。近实时中高空间分辨率森林火灾监测系统可对已有低空间分辨率森林火灾监测体系形成重要补充，依托其空间分辨率的优势有助于及早、准确发现小规模火情，进而为森林火灾的防治与管理提供更好支撑。
火灾是森林生态系统面临的主要灾害之一，据统计全球每年约发生森林火灾超过20万起，过火面积可达约400万k
及时准确的森林火灾监测对应对火灾及减少损失至关重要。近些年来，森林火灾卫星遥感与地面监测技术均得到了快速发展。现有经济较好地区的地面监测逐步以搭建于高处的光学/红外传感器自动化火灾监测为主，其具有精度高、时效性强的优势（
受制于卫星遥感自身特点，单颗卫星不能做到时间分辨率与空间分辨率兼顾，空间分辨率的提高往往以牺牲重访周期为代价。近年来，中高分辨率太阳同步轨道多光谱卫星传感器及数据实时处理、免费共享技术的快速发展为解决这一问题提供了可能, 如欧空局的Sentinel 2 A/B，单颗卫星能以10 d的重访周期实现幅宽290 km的最高10 m空间分辨率的数据获取，两颗卫星则将重访周期减少至5 d（
自然界物体具有不同的波谱特性，会向外界辐射不同波长的电磁波。常态下的森林辐射称之为背景辐射，燃烧时产生的火焰、烟雾等具有自己的辐射特征。根据普朗克定律及维恩位移定律，随温度升高最强黑体辐射波长呈减小趋势，典型森林火灾温度在500 — 800 K左右，对应最大辐射能量处波长位于3—5 μm间，而火势相对较低的着火区其最大辐射能量处波长则偏向热红外范围（约10 μm），这是当前基于中红外波段与热红外波段开展森林火灾监测的理论基础（
图1 不同温度黑体辐射及主要中高空间分辨率传感器短波红外与热红外波段位置
Fig.1 Planck function showing blackbody emission with different temperatures source and locations of SWIR and TIR bands of major medium and high spatial resolution satellite data
当前,具有短波红外与可见光近红外波段、且数据获取后具备近实时分发共享数据潜力的中高分辨率的卫星数据主要如下：
（1）Sentinel-2 A/B。Sentinel 2（简称哨兵2号）是欧洲空间局哥白尼计划下的一个地球观测任务。为了能在短时间内重复拍摄同一区域和高任务可用性，哨兵2号任务包含了两颗同时运作的相同卫星哨兵2号A（Sentinel-2A） 与B（Sentinel-2B），分别于2015-06-23与2017-03-07发射。轨道高度为786 km的太阳同步轨道，每日可环绕地球14.3次（
哨兵2号具有13个波段，涵盖可见光、近红外线（NIR）与短波红外线（SWIR），可提供空间分辨率10 m、20 m和60 m影像，影像幅宽290 km，两颗卫星结合可以实现全球任一位置5 d的重访。哨兵2号具有两个短波红外波段，中心波长分别为1.610 μm与2.190 μm，空间分辨率为20 m，可用于发现正在燃烧的森林植被区域；另外，其可见光波段可有效发现森林草原等植被燃烧时形成的烟区；而其近红外、短波红外及可见光等波段组合构建的指数，可定量用于火烧迹地的识别及森林火灾受害程度评价等。
（2）Landsat 8/7。Landsat 8发射于2013年，是Landsat 7的后续卫星，携带有两个主要载荷：陆地成像仪OLI（Operational Land Imager）和热红外传感器TIRS（Thermal Infrared Sensor）。轨道高度为705 km的太阳同步轨道，影像幅宽185 km，重访周期为16 d。OLI陆地成像仪包括9个波段，空间分辨率为30 m，包括两个短波红外波段。TIRS包括两个热红外波段，波长中心位置分别为10.9 μm与12.0 μm，空间分辨率为100 m（
Landsat 7发射于1999年，目前仍在运行状态，主要搭载ETM+( Enhanced Thematic Mapper)传感器。轨道高度与Landsat 8一致，影像幅宽185 km，重访周期为16 d。ETM+包括8个波段，涵盖了可见光、近红外、短波红外与热红外波段，短波红外波段1个，空间分辨率30 m，热红外波段一个，波长范围10.4—12.5 μm，空间分辨率60 m（
从数据互补角度来讲，Landsat 7与Landsat 8轨道设计上成像时间间隔8 d，两颗卫星数据的组合可提升重放周期至8 d左右。Landsat 9预计于2020年发射，将采用Landsat 7的轨道，因而未来Landsat 8与Landsat 9的组合将有效保证热红外与短波红外星载数据的可用性。
(3)Resourcesat-2/2A。Resourcesat系列卫星主要包括Resourcesat-2/2A, Resourcesat-2卫星发射于2011年，Resourcesat-2A卫星发射于2016，两颗卫星成像范围以印度及其周边区域为主。Resourcesat-2A为Resource-2卫星后继星，两颗卫星携带传感器一致，其中的LISS-3与AWiFS传感器均包括可见光波段与短波红外波段，幅宽分别为149 km与740 km，星下点空间分辨率分别为23.5 m与56 m。联合两颗卫星，AWiFS传感器重访周期可以提高到2—3 d，LISS-3传感器可以达到12—13 d。
(4)GF-5。高分五号（GF-5）卫星于2018年5月发射，是世界首颗实现对大气和陆地综合观测的全谱段高光谱卫星，上面搭载了一个可见短波红外高光谱相机，该相机是国际上首台同时兼顾宽覆盖和宽谱段的高光谱相机，在60 km幅宽和30 m空间分辨率下，可以获取从可见光至短波红外（400—2500 nm）光谱颜色范围里，330个光谱颜色通道，短波红外通道与可见光数据的联合可为高分辨率火点的发现提供支持。
除上述在轨卫星数据之外，NASA在加州的喷汽推进实验室（JPL）正与位于旧金山的Quadra Pi R2E合作研制FireSat。FireSat将是一个超过200个热红外影像传感器的卫星星座，可用于快速定位全球野火位置。一旦投入运行，FireSat将从天空中最完整地开展野火范围监测。传感器能探测10—15 m范围大小的火灾，从火势开始到开展处理，平均耗时仅15 min(
众多着火点检测算法已在区域及全球尺度上得到了应用（
利用近红外—短波红波段特征阈值法可以对每个像元进行判别，然而固定阈值在不同数据源、不同时间的火点检测外推中面临着较大的不确定性。空间上下文算法可以有效解决这一问题，发展较为成熟并已成功用于MODIS、VIIRS及ASTER等传感器监测全球的火点中（
考虑到卫星成像大气条件以及地面的异质性与复杂性，空间上下文算法往往会导致较多的误判，特别是应用于中高空间分辨率数据。大部分算法通过利用可见光波段特征标记云、水体、沙漠、建筑物等像素或多时相分析等技术，以去除伪火点信息（
(a) 为Landsat 8假彩色合成图
(a) Landsat 8 false color composite map
(b) 为Landsat 8火点图
(b) Active fire from Landsat 8
(c) 为MODIS火点图
(c) Active fire from MODIS
(d) 为火灾发生位置
(d) Position of active fire
图2 MODIS火点与Landsat火点检测对比
Fig.2 Comparison between the active fire detection from MODIS and Landsat 8
开展全球尺度中高空间分辨率森林火灾监测，卫星数据的可获取性是决定性因素之一。2008年美国地质调查局(USGS)宣布其Landsat存档数据向公众免费开放，代表着中分辨卫星数据共享时代的到来；欧洲航天局的Sentinel 2卫星的免费共享政策，更是进一步推动了全球中等分辨率数据的可用性(Wulder和Coops，2014)。目前，地球观测组织（GEO）、世界数据系统(WDS)、国际科技数据委员会(CODATA)和国际科研数据联盟(RDA)等正在致力于推动地球观测数据和空间数据的共享，未来将会有更多的中高空间分辨率数据加入到数据共享的行列(
全球中高空间分辨率森林火灾监测的另一主要制约因素是海量卫星数据的预处理及火点信息提取的时效性。考虑到火灾周期的短暂性，如不能实时获取卫星数据，则其应用意义将大打折扣。传统方式的用户单景数据下载，然后进行信息提取无论是在时间上还是效率上均无法满足需求，迫切需要创新性的手段解决这一问题。云端实时数据共享与计算的出现，为解决这一问题提供了可能。当前，USGS与ESA实时提供多级卫星数据资源，亚马逊与谷歌将其共享至云存储平台对全球用户共享，并凭借其海量服务器的支持提供计算能力，已经极大促进了中高分辨率数据在多尺度、多行业的应用（
图 3 近48小时GEE提供中国及周边中高空间分辨率数据分布
Fig.3 Distribution of medium and high spatial resolution satellite data in past 48 hours provided by GEE
如上所述，构建一个近实时中高空间分辨率森林火灾监测系统已成为可能。目前，面临的主要困难包括：（1）除Landsat与Sentinel系列外，其他国家的中高分辨率数据尚未实现完全共享，这导致了目前可用数据相对偏少；（2）中高分辨率卫星遥感数据量较大，其自动化预处理及火点提取均需要一定时间，因而在大尺度中高空间分辨率火点监测方面时效性还存在一定的延迟。显然，随着更多具备短波红外与近红外波段中高空间分辨率卫星的发射、数据共享政策的积极推动、云端存储与计算技术与网络技术的飞速发展，这些困难均有望尽快得到解决。
近实时中高分辨率森林火灾监测系统构建本身对已有的全球低分辨率森林火灾监测系统将是一个重要补充，而且借助其空间分辨率优势，将有助于在森林草原等植被燃烧早期阶段，利用其可见光近红外波段对烟敏感的特性及时发现林下火势较弱的火、以及短波红外检测出燃烧面积较小的明火，从而精细掌握森林火灾发展态势信息，为科学预防扑救森林火灾提供技术和信息支撑，从而有效减少森林火灾造成的经济损失和生态环境破坏。
参考文献(References)
Csiszar I A and Schroeder W. 2008. Short-term observations of the temporal development of active fires from consecutive same-day ETM+ and ASTER imagery in the Amazon: implications for active fire product validation. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 1(4): 248-253 [DOI: 10.1109/JSTARS.2008.2011377] [百度学术]
Delp C L, Lee C Y, De Weck O, Bishop C, Analzone E, Gostelow R and Dutenhoffer C. 2008. The challenge of model‐based systems engineering for space systems. Insight, 11(5): 14-18 [DOI: 10.1002/inst.200811514] [百度学术]
Drusch M, Del Bello U, Carlier S, Colin O, Fernandez V, Gascon F, Hoersch B, Isola C, Laberinti P, Martimort P, Meygret A, Spoto F, Sy O, Marchese F and Bargellini P. 2012. Sentinel-2: ESA’s optical high-resolution mission for GMES operational services. Remote sensing of Environment, 120: 25-36 [DOI: 10.1016/j.rse.2011.11.026] [百度学术]
Flannigan M D and Haar T H V. 1986. Forest fire monitoring using NOAA satellite AVHRR. Canadian Journal of Forest Research, 16(5): 975-982 [DOI: 10.1139/x86-171] [百度学术]
Flasse S P and Ceccato P. 1996. A contextual algorithm for AVHRR fire detection. International Journal of Remote Sensing, 17(2): 419-424 [DOI: 10.1080/01431169608949018] [百度学术]
付迎春, 袁修孝, 宋妍, 陈蜜, 郭泰圣. 2009 基于MODIS影像的森林火灾火线检测方法. 遥感学报, 13(03): 542-548 [百度学术]
Fu Y C, Yuan X X, Song Y, Chen M and Guo T S.2009. Fire line detection method of forest fire based on Modis image. Journal of Remote Sensing, 13(03): 542-548 [百度学术]
Giglio L, Csiszar I, Restás Á, Morisette J T, Schroeder W, Morton D and Justice C O. 2008. Active fire detection and characterization with the advanced spaceborne thermal emission and reflection radiometer (ASTER). Remote Sensing of Environment, 112(6): 3055-3063 [DOI: 10.1016/j.rse.2008.03.003] [百度学术]
Giglio L, Descloitres J, Justice C O and Kaufman Y J. 2003. An enhanced contextual fire detection algorithm for MODIS. Remote Sensing of Environment, 87(2/3): 273-282 [DOI: 10.1016/S0034-4257(03)00184-6] [百度学术]
Giglio L, Van Der Werf G R, Randerson J T, Collatz G J and Kasibhatla P. 2006. Global estimation of burned area using MODIS active fire observations. Atmospheric Chemistry and Physics, 6(4): 957-974 [DOI: 10.5194/acp-6-957-2006] [百度学术]
Gorelick N, Hancher M, Dixon M, Ilyushchenko S, Thau D and Moore R. 2017. Google earth engine: planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, 202: 18-27 [DOI: 10.1016/j.rse.2017.06.031] [百度学术]
Goward S N, Masek J G, Williams D L, Irons J R and Thompson R J. 2001. The Landsat 7 mission: terrestrial research and applications for the 21st century. Remote Sensing of Environment, 78(1/2): 3-12 [DOI: 10.1016/S0034-4257(01)00262-0] [百度学术]
Gu X F and Tong X D. 2015. Overview of China earth observation satellite programs [space agencies]. IEEE Geoscience and Remote Sensing Magazine, 3(3): 113-129 [DOI: 10.1109/MGRS.2015.2467172] [百度学术]
Harris R and Baumann I. 2015. Open data policies and satellite Earth observation. Space Policy, 32: 44-53 [DOI: 10.1016/j.spacepol.2015.01.001] [百度学术]
何全军, 刘诚. 2008. MODIS数据自适应火点检测的改进算法. 遥感学报, 12(03): 448-453 [百度学术]
He Q J and Liu C. 2008 An improved algorithm for adaptive fire detection based on Modis data. Journal of Remote Sensing, 12(03): 448-453. [百度学术]
何阳, 杨进, 马勇, 刘建波, 陈甫, 李信鹏, 杨轶斐. 2016 基于Landsat-8陆地卫星数据的火点检测方法. 红外与毫米波学报, 35(05): 600-608 [百度学术]
He Y, Yang J, Ma Y, Liu J B, Chen P, Li X P and Yang Y F. 2016 Fire detection method based on landsat-8 landsat data. Journal of Infrared and Millimeter Wave, 35(05): 600-608 [百度学术]
Hua L Z and Shao G F. 2017. The progress of operational forest fire monitoring with infrared remote sensing. Journal of Forestry Research, 28(2): 215-229 [DOI: 10.1007/s11676-016-0361-8] [百度学术]
Kaufman Y J, Justice C O, Flynn L P, Kendall J D, Prins E M, Giglio L, Ward D E, Menzel W P and Setzer A W. 1998. Potential global fire monitoring from EOS‐MODIS. Journal of Geophysical Research: Atmospheres, 103(D24): 32215-32238 [DOI: 10.1029/98JD01644] [百度学术]
Kumar S S and Roy D P. 2018. Global operational land imager Landsat-8 reflectance-based active fire detection algorithm. International Journal of Digital Earth, 11(2): 154-178 [DOI: 10.1080/17538947.2017.1391341] [百度学术]
Lentile L B, Holden Z A, Smith A M S, Falkowski M J, Hudak A T, Morgan P, Lewis S A, Gessler P E and Benson N C. 2006. Remote sensing techniques to assess active fire characteristics and post-fire effects. International Journal of Wildland Fire, 15(3): 319-345 [DOI: 10.1071/WF05097] [百度学术]
Lin Z Y, Chen F, Niu Z, Li B, Yu B, Jia H C and Zhang M M. 2018. An active fire detection algorithm based on multi-temporal FengYun-3C VIRR data. Remote Sensing of Environment, 211: 376-387 [DOI: 10.1016/j.rse.2018.04.027] [百度学术]
Martell D L. 2015. A review of recent forest and wildland fire management decision support systems research. Current Forestry Reports, 1(2): 128-137 [DOI: 10.1007/s40725-015-0011-y] [百度学术]
Martone M, Rizzoli P, Wecklich C, González C, Bueso-Bello J L, Valdo P, Schulze D, Zink M, Krieger G and Moreira A. 2018. The global forest/non-forest map from TanDEM-X interferometric SAR data. Remote Sensing of Environment, 205: 352-373 [DOI: 10.1016/j.rse.2017.12.002] [百度学术]
Meng R, Dennison P E, Huang C Q, Moritz M A and D'Antonio C. 2015. Effects of fire severity and post-fire climate on short-term vegetation recovery of mixed-conifer and red fir forests in the Sierra Nevada Mountains of California. Remote Sensing of Environment, 171: 311-325 [DOI: 10.1016/j.rse.2015.10.024] [百度学术]
Oppenheimer C. c 1991. Thermal distributions of hot volcanic surfaces constrained using three infrared bands of remote sensing data. Geophysical Research Letters,431-434 [DOI:10.1029/93GL00500] [百度学术]
Rauste Y, Herland E, Frelander H, Soini K, Kuoremaki T and Ruokari A. 1997. Satellite-based forest fire detection for fire control in boreal forests. International Journal of Remote Sensing, 18(12): 2641-2656 [DOI: 10.1080/014311697217512] [百度学术]
Roy D P, Wulder M A, Loveland T R, Woodcock C E, Allen R G, Anderson M C, Helder D, Irons J R, Johnson D M, Kennedy R, Scambos T A, Schaaf C B, Schott J R, Sheng Y, Vermote E F, Belward A S, Bindschadler R, Cohen W B, Gao F, Hipple J D, Hostert P, Huntington J, Justice C O, Kilic A, Kovalskyy V, Lee Z P, Lymburner L, Masek J G, McCorkel J, Shuai Y, Trezza R, Vogelmann J, Wynne R H and Zhu Z. 2014. Landsat-8: science and product vision for terrestrial global change research. Remote Sensing of Environment, 145: 154-172 [DOI: 10.1016/j.rse.2014.02.001] [百度学术]
Schroeder W, Oliva P, Giglio L and Csiszar I A. 2014. The New VIIRS 375 m active fire detection data product: algorithm description and initial assessment. Remote Sensing of Environment, 143: 85-96 [DOI: 10.1016/j.rse.2013.12.008] [百度学术]
Schroeder W, Oliva P, Giglio L, Quayle B, Lorenz E and Morelli F. 2016. Active fire detection using Landsat-8/OLI data. Remote Sensing of Environment, 185: 210-220 [DOI: 10.1016/j.rse.2015.08.032] [百度学术]
Schroeder W, Prins E, Giglio L, Csiszar I, Schmidt C, Morisette J and Morton D. 2008. Validation of GOES and MODIS active fire detection products using ASTER and ETM+ data. Remote Sensing of Environment, 112(5): 2711-2726 [DOI: 10.1016/j.rse.2008.01.005] [百度学术]
谭明艳, 陈仲新, 曹鑫, 陈晋, 杨伟, 辜智慧. 2007. 利用MODIS识别草原火灾迹地方法的研究. 遥感学报, 11(03): 340-349 [百度学术]
Tan M Y, Chen Z X, Cao X, Chen J, Yang W and Gu Z H. 2007. Study on the method of using Modis to identify grassland fire traces. Journal of Remote Sensing, 11(03): 340-349 [百度学术]
Vuolo F, Żółtak M, Pipitone C, Zappa L, Wenng H, Immitzer M, Weiss M, Baret F and Atzberger C. 2016. Data service platform for Sentinel-2 surface reflectance and value-added products: system use and examples. Remote Sensing, 8(11): 938 [DOI: 10.3390/rs8110938] [百度学术]
Wulder M A and Coops N C, 2014.Satellites: Make Earth observations open access. Nature, 513, 30–31 [DOI:10.1038/513030a] [百度学术]
Zheng Y L, Zhao Y D, Liu W P, Liu S B and Yao R T. 2018. An intelligent wireless system for field ecology monitoring and forest fire warning. Sensors, 18(12): 4457 [DOI: 10.3390/s18124457] [百度学术]
朱亚静, 邢立新, 潘军, 孟涛, 闻久成, 王红红, 乔振民, 黄竞铖. 2011. 短波红外遥感高温地物目标识别方法研究. 遥感信息, 41(06): 33-36 [百度学术]
Zhu Y J, Xing L X, Pan J, Meng T, Wen J C, Wang H H, Qiao Z M and Huang J C. 2011. Research on recognition method of high temperature ground objects using short wave infrared remote sensing. Remote Sensing Information, 41(06): 33-36 [百度学术]
