0引言

森林火灾具有突发性强、破坏性大、处置和扑救困难等特点，各国纷纷投入大量人力物力以加强森林火灾预防治理和扑救处置的研究。近年来，随着全球气候变暖和极端天气事件增加，国内外森林大火频发，造成大量的森林资源和财产损失，有时还酿成惨重的人身伤亡事件。2018-11，美国加州天堂镇发生森林大火，造成了80多人死亡、9000多栋房屋被摧毁；2019年澳大利亚新南威尔士州境内多地发生森林火灾，大火到2020-02-04已造成33人死亡，约10亿野生动物死亡，3000多间房屋被烧毁，过火面积约1200万。2019-03-30，四川省木里县发生森林大火，造成31名扑火人员牺牲；2020-03-30四川省西昌市发生森林大火，造成19人牺牲。这些惨重的人员伤亡以及造成的经济和生态损失，影响了当地经济发展和社会稳定。自1998年特大洪涝灾害以后，中国开展了天然林保护、退耕还林还草等重点林业工程建设，植树造林的增加和森林抚育采伐活动的减少，森林面积和蓄积取得“双增长”，同时也造成了森林可燃物载量的增加；雨热不同步等气候异常导致高等级森林火险天气天数增加；森林旅游和野外人类活动增加了火源密度及火源管控难度等，导致中国近年来重特大森林火灾时有发生。航天遥感探测具有客观、高效、宏观和快速等特点，已在林火预警、监测、损失评估等方面被广泛应用。但由于受卫星传感器光谱通道、空间分辨率以及观测时效性等影响，目前还难以快速提供反映火场单株树木受害信息的多光谱/高光谱影像，缺乏表征植被垂直结构受损信息的卫星影像。

20世纪50年代国外就开始应用航空红外遥感技术进行林火监测研究和卫星发射前的传感器性能模拟实验。随着航空遥感技术的发展，搭载高性能传感器的机载遥感平台在森林防火中的应用日趋广泛和深入。基于机载激光雷达ALS数据提取的冠层密度、树冠体积和冠基高度等参数在描述可燃物冠层特征、估测可燃物载量和模拟树冠火行为时具有重要价值。使用多期的ALS数据还可以直接量化林火前后森林垂直结构变化，同时结合地形信息绘制出森林不同火烧程度的空间分布，以及评估火扰动后的森林结构的恢复状况。机载高光谱数据因其具有丰富的窄波段光谱信息，已被证明在可燃物类型的区分中具有明显的优势。不同的可燃物类型其化学成分和可用的燃烧能量存在较大差异，具体反映为含水量、干物质、比热等的差异，直接影响了火烧强度、燃烧方式和能量的释放。通过高光谱影像计算的归一化燃烧率指数NBR、修正型土壤调节植被指数MSAVI等植被指数可以刻画林火烈度；归一化植被指数NDVI、光化学反射指数PRI、水分胁迫指数MSI等能有效地探测森林过火区植被的色素含量、含水量等生理信息；同时，基于高光谱数据提取和计算的多种指数对火灾后植被的恢复状况能有较好的指示作用。然而，这些研究中较多地使用单一数据源，没有充分利用和挖掘多源数据相结合提取林草可燃物参数及林草火灾灾情信息的优势。

近年来，发展多传感器集成化机载遥感系统成为趋势。现有的机载遥感系统可提供高分辨率CCD影像、高光谱数据、热红外影像和ALS数据等多维度数据，多维度数据间的组合使用可同时反映森林的不同层面观测信息，已广泛应用于林火的监测和火险估测及预测预报中。

1西昌“3.30森林火灾”监测示例

利用集成的多光谱、高光谱、热红外和激光雷达传感器，可同时观测获取林草火灾发生中和火后植被的垂直和水平结构、光谱以及温度等信息，从而为火场燃烧态势监测、灾后受害程度评价等提供更为精细的表征林草可燃物的“图—谱—温—高”数据支撑服务。

1.1 过火区机载数据获取及处理

2020-03-30T15：00时许，四川凉山州西昌市经久乡马鞍村突发森林火灾；2020-03-31，该山火造成了19名人员牺牲、3人受伤；2020-04-02T12：01，明火全部扑灭。此次火灾发生在距西昌市西南5km的泸山风景区，乔木林主要以云南松为主，零星分布少量赤桉、杨树和栎树，林下有马桑、杜鹃、坡柳、忍冬等灌木，以及黄茅、蒿草（Artemisia）、莎草、紫茎泽兰等地被物。在春末干燥高温环境下，易于发生森林火灾。该森林火灾发生后，急需开展火情监测和灾情评估。中国林业科学研究院2020-04-01对系统进行实验室测试，同时联系有关部门申请应急飞行，协调通航飞机和飞行空域。2020-04-03和云南英安通用航空有限公司达成使用运12E型飞机的联合飞行协议，2020-04-04设备从资源信息研究所出发，2020-04-07运抵云南省普洱市。2020-04-09，在云南普洱机场完成系统和型飞机的安装，并于2020-04-10完成机载设备通电地面调试。此时，系统及人员进入随时执行飞行观测任务的待命状态。2020-04-13，系统与人员随飞机一起转场至西昌青山机场，并分别于2020-04-14T14：00-17：30和2020-04-15T10：40-15：10获取了该过火区的机载遥感数据。其中，热红外相机由于连接线原因出现无规律失锁现象，2020-04-15的飞行仅记录少部分数据。此次飞行试验的绝对航高约3000m（相对航高约1000m），作业区飞行时长共8.5h，采集原始数据约838GB。经POS解算后的位置误差在0.045m之内，快速处理时间约3h。LiDAR数据解算检校匹配后检校场航带间误差0.05m之内，测区同一架次内航带间误差0.1m之内，不同架次航带间误差0.16m之内。图2展示了西昌航测区域的CCD影像（空间分辨率0.1m）、高光谱影像（空间分辨率1m），激光雷达DEM产品（空间分辨率1m），CHM产品（空间分辨率1m）以及热红外正射影像（空间分辨率0.8m）。用POS数据直接解算的定位精度，激光雷达、高光谱、CCD影像三者之间具有很好的一致性，以激光雷达CHM为参照，平面几何位置误差在1个像元内。热红外影像的位置精度较差，通过高光谱影像找控制点进行相对匹配，最终得到的热红外DOM影像的相对偏差为1—3个像元。

图2 西昌森林过火区CAF-LiTCHy机载数据

1.2 林业烈度探测

结合高空间分辨率的机载CCD影像以及相关研究，将本次西昌森林火灾的林火烈度分为未过火、轻度过火、中度过火以及重度过火等4个等级。对于单株林木的林火烈度判读标准如下：（1）未过火：冠层为绿色且保持原本形状，枝叶结构未见火烧痕迹；（2）轻度过火：树冠未全部被烧，绿色冠层占比70%及以上；（3）中度过火：树冠的枝叶多数被烧黄或烧毁，绿色冠层占比25%—70%；（4）重度过火：树冠全部被烧，裸露出烧焦的黑色树干，绿色冠层占比25%及以下。图3（a）展示了不同林火烈度的高分辨率机载CCD影像，图中选取的位置A、B、C和D分别代表未过火、轻度过火、中度过火和重度过火的单株木相对集中的区域。

图3（b）、（c）、（d）和（e）分别对应显示了不同林火烈度的机载CCD影像、高光谱影像、CHM影像以及热红外影像的局部放大图。图3（b）、（c）中，不同林火烈度的区域在真彩色和假彩色显示影像中均可明显区分，尤其在中度和重度过火区；如图3（d）所示，火烧后的森林CHM影像无法直接区分未过火、轻度过火以及中度过火区域，但在重度过火区域显示出大部分林木枝叶均已被烧毁，仅少量残余树木，且高度很低；图3（e）展示了林内不同林火烈度的温度分布情况，当林木树冠被烧毁，覆盖度降低，林隙增大而裸露出的地表受到太阳辐射作用增强，使得其温度高于树冠温度，尤其在大量地面裸露且覆盖了燃烧碳化物的重度过火区，升温更为迅速。

图3 不同林火烈度的CAF-LiTCHy机载数据

为了进一步反映这次西昌森林火灾林木受害程度，在GoogleEarth中选取2019-12-13由法国航天局（CNES）Airbus获取的高空间分辨率影像与火烧后局部的机载CHM数据进行对比分析，其中位置A、B、C、和D分别对应了图3中未过火区域、轻度过火区、中度过火区和重度过火区。

图4 林火前的Google Earth影像与林火后的机载CHM对比

从图4可以看出，林火发生前，该区域GoogleEarth影像中森林覆盖完整，郁闭度较高（图4（a））；从林火发生后的CHM数据分析可见（图4（b）），该区域森林发生了大面积的重度过火（图4（b）中的D区域），林木自下而上燃烧完全程度高，郁闭度和冠层高度信息急剧下降，但轻、中度过火区域的森林依旧保持了林木的部分垂直结构信息（图4（b）中的B、C区域）正常植被由于叶绿素对蓝光和红光吸收作用强，而对绿光反射作用强，因此其光谱曲线呈现出450nm蓝光和670nm红光处的吸收谷以及在550nm绿光出现反射峰的现象。同时，植被叶片细胞结构导致800nm—1100nm区域存在一个反射高峰。受到植被含水量影响，正常植被在1450nm、1950nm处反射率下降，形成吸收谷。

图5 机载高光谱数据典型地物光谱曲线

图5展示了机载高光谱影像中火烧迹地、正常冠层、中度过火冠层、水体、裸土、柏油路的光谱曲线特征。从该图中可以明显地观察到，相较于未过火的正常冠层，中度过火冠层由于叶片由绿变焦黄、叶绿素丧失，导致蓝、红光的吸收作用减弱，同时由于火烧导致叶片细胞结构发生变化，其叶片在800nm—1100nm的反射峰明显削弱，另外叶片含水量的降低导致其在1450nm、1950nm的吸收率降低，反射率升高。此外，重度过火区的树木已成碳灰状，使得该火烧灰烬区域在400nm—2500nm区间内的反射率在0.1附近。由此可见，过火区不同典型地物的光谱曲线反映了本次采集和处理后的机载高光谱数据具备有效刻画地物光谱特性的能力，对确定过火区的林木冠层受害程度以及估测森林火灾受害面积具有重要的理论依据。高光谱影像（图6（a））以及其波段衍生的指数可以在空间上更有效地反映林火烈度，结合Haboudane等和Huesca等的研究结果，利用高光谱数据的最优窄波段信息分别计算了修正型土壤调节植被指数（MSAVI）（图6（b））和归一化燃烧率指数（NBR）（图6（c）），本文选取机载高光谱影像的673.34nm（红光波段）、804.22nm（近红外波段）以及2132.65nm（短波红外波段）的反射率来计算MSAVI与NBR，公式为

式中，ρ673.34、ρ804.22、ρ2132.65分别表示机载高光谱影像在673.34nm、804.22nm以及2159.92nm处的地表反射率。在土壤表面高度裸露的植被稀疏区域，红光波段和近红外波段的反射率受到土壤的影响，进而影响NDVI值，因此常选用MSAVI指数来最大限度地减小土壤背景的影响，增加植被信号的动态范围，MSAVI值越高代表植被越健康、越茂密；同时，NBR利用近红外和短波红外的反射率的归一化计算，刻画了不同林火烈度下的植被叶片细胞结构的破坏和水分的散失程度，NBR值越低，林火烈度越高。由图6可见，在未过火区，MSAVI和NBR均较高；在重度过火区，MSAVI和NBR均较低。同时，结合CCD影像的林火烈度标准的目视判读结果，利用阈值划分法对NBR进行林火烈度划分。图6（d）展示了该区域林火烈度的空间分布，其中房屋、道路和裸地等非植被区也被归类为重度过火区域，在进一步的分析中可以结合分类结果或光谱特征进行剔除。由上述结果可见，利用高光谱数据及其衍生产品能在一定程度上反映此次森林火灾的受害程度，生成的林火烈度图在空间上与林内实际过火状况表现出很好的一致性。

图6 基于机载高光谱数据衍生的植被指数

2结 论

机载光学全谱段遥感系统集成了激光雷达扫描仪、热红外相机、CCD相机、高光谱传感器等4种对地观测传感器，可同时获取观测区域内地物的垂直和水平结构、光谱以及温度等信息。其中：

1、CCD相机和高光谱相机具备对地物类型、植被状态（树木冠幅、植被长势、水分含量、叶面积指数等）、火灾损失程度等灾情信息观测能力，其影像可用于地物类型识别、植被参数提取、火烧迹地识别、以及灾情评估等；

2、激光雷达扫描仪可获取地物的垂直结构信息，从而可用于森林植被结构参数的反演，并将反演的森林高度、冠幅、可燃物载量等数据应用于火险和火行为的预测；

3、热红外相机具有温度敏感（测温精度0.02K）的谱段，可观测获取地表热辐射信息，其影像可反映地物的亮温高低，从而可用于森林着火点的检测

4、由于机载热红外相机可获取空间分辨率优于1m的热红外图像，具有探测优于1m2小火的能力，这对于早期林火的发现和扑救具有重要的应用潜力。

这4种传感器的集成观测，可以实现利用高光谱和CCD数据相结合识别可燃物类型和估测可燃物含水率、激光雷达数据与高光谱或CCD数据相结合估测可燃物载量和枝垂直分布、热红外数据估测地表环境温度等林草火行为预报参数，从而为火行为预报模型提供精准的可燃物及环境参数。

由于新冠肺炎疫情（COVID-19）影响，本研究未能派遣人员同步开展地面调查，无法利用地面调查数据对遥感判读结果进行验证和比对。由于航空飞行时恰逢疫情严重时段，对出差人员实行严格管控，本次飞行没有架设地面GNSS基站，POS的后处理解算使用精密星历信息进行，数据解算需要在飞行的7d后（等精密星历发布）进行。尽管如此，作为第一次森林火灾应急响应的尝试。

系统展现了数据采集的高效性，采集的多源遥感数据很好地展现了在森林火灾受害程度评估中的应用潜力。利用机载遥感系统对森林火灾的快速监测、火环境探测和火情信息服务，可弥补卫星遥感因天气、空间分辨率低、辐射分辨率低等局限。由于森林火灾具有突发性，而受航空平台调集、空域申请等限制，限制了机载遥感平台在应急处置中的及时调用和运行。

随着民用航空空域的开放，以及航空平台的日益丰富，低空的公益性航空平台应急抢险飞行审批加快，如能将类似系统纳入应急飞行系统，或增强现有应急体系中遥感传感器的观测能力和信息处理能力，机载遥感平台将在森林火灾的应急扑救中将会发挥出更广泛的作用。

推荐：  

便携式地物光谱仪iSpecField-NIR/WNIR

专门用于野外遥感测量、土壤环境、矿物地质勘探等领域的最新明星产品，由于其操作灵活、便携方便、光谱测试速度快、光谱数据准确是一款真正意义上便携式地物光谱仪。

无人机机载高光谱成像系统 iSpecHyper-VM100

一款基于小型多旋翼无人机机载高光谱成像系统，该系统由高光谱成像相机、稳定云台、机载控制与数据采集模块、机载供电模块等部分组成。无人机机载高光谱成像系统采用了独有内置扫描系统和增稳系统，成功克服了小型无人机系统搭载推扫式高光谱相机时，由于无人机系统的震动造成的成像质量差的问题，同时具有高光谱分辨率和优异的成像性能。

便携式高光谱成像系统 iSpecHyper-VS1000

专门用于公安刑侦、物证鉴定、医学医疗、精准农业、矿物地质勘探等领域的最新产品，主要优势具有体积小、帧率高、高光谱分辨率高、高像质等性价比特点采用了透射光栅内推扫原理高光谱成像，系统集成高性能数据采集与分析处理系统，高速USB3.0接口传输，全靶面高成像质量光学设计，物镜接口为标准C-Mount，可根据用户需求更换物镜。