一、引言1.1研究背景與意義森林火災(zāi)是全球范圍內(nèi)頻發(fā)的自然災(zāi)害，對(duì)生態(tài)系統(tǒng)平衡和人類社會(huì)經(jīng)濟(jì)發(fā)展構(gòu)成嚴(yán)重威脅。根據(jù)聯(lián)合國(guó)環(huán)境規(guī)劃署統(tǒng)計(jì)數(shù)據(jù)顯示（2020），全球每年因森林火災(zāi)造成的直接經(jīng)濟(jì)損失超過(guò)500億美元，生態(tài)恢復(fù)周期長(zhǎng)達(dá)數(shù)十年。我國(guó)作為森林資源大國(guó)，2020年森林火災(zāi)次數(shù)達(dá)1153起，過(guò)火面積超過(guò)1.2萬(wàn)公頃：2021年森林火災(zāi)數(shù)616起（同比下降46.6%），過(guò)火面積約0.9萬(wàn)公頃：2022年同比前兩年火災(zāi)次數(shù)以及過(guò)火面積都有顯著降低。很明顯隨著政策的推廣與實(shí)行和新技術(shù)的應(yīng)用，我國(guó)近年來(lái)的森林火災(zāi)發(fā)生顯著降低，但森林火災(zāi)安全隱患仍然不可小覷。濕度因子作為影響林火發(fā)生發(fā)展的關(guān)鍵因子，其動(dòng)態(tài)變化直接影響可燃物含水率和火險(xiǎn)等級(jí)。傳統(tǒng)地面監(jiān)測(cè)站受限于空間分布密度，難以實(shí)現(xiàn)大范圍連續(xù)監(jiān)測(cè)。美國(guó)NASA研究證實(shí)，衛(wèi)星遙感技術(shù)可有效獲取空間分辨率達(dá)1km的大氣相對(duì)濕度數(shù)據(jù)，彌補(bǔ)地面觀測(cè)的不足。歐洲空間局Sentinel-3衛(wèi)星數(shù)據(jù)在2019年澳大利亞山火監(jiān)測(cè)中，濕度監(jiān)測(cè)精度達(dá)到±5%的行業(yè)標(biāo)準(zhǔn)。本研究選取大興安嶺為典型案例區(qū)具有典型示范價(jià)值。該區(qū)域?qū)俸疁貛п樔~林帶，林下可燃物載量達(dá)35-50噸/公頃，2021年"5·6"特大火災(zāi)過(guò)火面積達(dá)6.5萬(wàn)公頃，造成直接經(jīng)濟(jì)損失9.3億元。通過(guò)Landsat8TIRS熱紅外波段反演大氣水汽含量，來(lái)反映不同濕度條件下森林火災(zāi)發(fā)生的概率以及森林火災(zāi)發(fā)生的條件。研究成果可為林業(yè)部門提供重要的參考價(jià)值，以提前應(yīng)對(duì)森林火災(zāi)的發(fā)生，避免出現(xiàn)重大的損失。1.2國(guó)內(nèi)外研究現(xiàn)狀國(guó)外學(xué)者在森林火災(zāi)與因子關(guān)系研究方面取得顯著進(jìn)展。美國(guó)NASA通過(guò)MODIS數(shù)據(jù)建立了全球火災(zāi)監(jiān)測(cè)系統(tǒng)，Veraverbeke等利用Landsat影像驗(yàn)證了濕度因子與火勢(shì)蔓延速率的負(fù)相關(guān)性。加拿大開(kāi)發(fā)了FireWeatherIndex系統(tǒng)，將相對(duì)濕度作為核心參數(shù)納入火災(zāi)預(yù)警模型。歐洲空間局Sentinel系列衛(wèi)星實(shí)現(xiàn)了大氣水汽含量的高精度反演，為濕度因子研究提供了新數(shù)據(jù)源。國(guó)內(nèi)研究起步較晚但發(fā)展迅速，相關(guān)理論研究有李文靜[1]為提高全天候地表溫度動(dòng)態(tài)監(jiān)測(cè)的精度，提出基于多時(shí)相熱紅外遙感的全天候地表溫度動(dòng)態(tài)監(jiān)測(cè)方法，對(duì)全天候地表溫度紅外遙感圖像增強(qiáng)處理，在增強(qiáng)的視覺(jué)信息分布空間中，進(jìn)行全天候地表溫度動(dòng)態(tài)監(jiān)測(cè)。王婷,宋偉東,孫尚宇[2]氣候?yàn)?zāi)害易影響生態(tài)環(huán)境，傳統(tǒng)的遙感生態(tài)指數(shù)(RSEI)缺乏氣候因素影響生態(tài)質(zhì)量的研究，本研究引入氣象因子并優(yōu)化了生態(tài)因子的選擇，更加綜合全面評(píng)價(jià)區(qū)域內(nèi)的生態(tài)環(huán)境質(zhì)量。黃武彪,欒海軍,李大成[3]針對(duì)單一時(shí)空融合方法或使用單一中等空間分辨率影像（如Landsat影像）和MODIS影像時(shí)空融合的不足，本文提出綜合利用經(jīng)典的STARFM算法、基于地物內(nèi)組分時(shí)相變化模型的地表反射率時(shí)空融合算法，聯(lián)合使用多種空間分辨率更優(yōu)（≤30m）的傳感器影像，以“時(shí)間最鄰近及空間分辨率優(yōu)先”為原則對(duì)傳統(tǒng)單一中等空間分辨率影像預(yù)測(cè)周期（如Landsat影像為16天）進(jìn)行分段獨(dú)立預(yù)測(cè)，并優(yōu)化組合兩種預(yù)測(cè)方法的預(yù)測(cè)結(jié)果，進(jìn)而獲取更為精確的逐日中等空間分辨率預(yù)測(cè)影像?，F(xiàn)有研究存在三方面不足：衛(wèi)星數(shù)據(jù)時(shí)空分辨率與火災(zāi)監(jiān)測(cè)需求不匹配，濕度因子動(dòng)態(tài)變化過(guò)程研究不深入，針對(duì)大興安嶺特殊地形氣候的針對(duì)性分析較少。美國(guó)FireLab實(shí)驗(yàn)室最新研究表明，傳統(tǒng)濕度閾值模型在高緯度林區(qū)的適用性降低20%。這些空白為本研究提供了創(chuàng)新空間。二、森林火災(zāi)因子分析理論基礎(chǔ)2.1森林火災(zāi)的基本概念森林火災(zāi)是指發(fā)生在森林生態(tài)系統(tǒng)中，由自然或人為因素引發(fā)的非計(jì)劃性燃燒現(xiàn)象。根據(jù)燃燒特征和蔓延方式可分為地表火、樹(shù)冠火和地下火三種類型。地表火主要燃燒枯枝落葉層和低矮植被，占森林火災(zāi)總數(shù)的90%以上；樹(shù)冠火沿樹(shù)冠層快速蔓延，常見(jiàn)于針葉林區(qū)；地下火在腐殖質(zhì)層緩慢燃燒，具有隱蔽性強(qiáng)、持續(xù)時(shí)間長(zhǎng)的特點(diǎn)?；馂?zāi)發(fā)生需具備三要素：可燃物、火源和氧氣。森林可燃物包括活體植被、枯落物和腐殖質(zhì)層，其含水率直接影響燃燒可能性?；鹪捶譃樽匀换鹪矗ㄈ缋讚簦┖腿藶榛鹪矗ㄈ甾r(nóng)事用火），統(tǒng)計(jì)顯示我國(guó)80%以上森林火災(zāi)由人為活動(dòng)引發(fā)。氧氣作為燃燒的必要條件，其濃度變化會(huì)影響燃燒強(qiáng)度。森林火災(zāi)具有明顯的時(shí)空分布規(guī)律。時(shí)間維度上呈現(xiàn)季節(jié)性特征，我國(guó)北方林區(qū)火災(zāi)高發(fā)期集中在春秋兩季；空間維度上受地形、植被類型和氣候帶影響，大興安嶺等寒溫帶針葉林區(qū)屬于高風(fēng)險(xiǎn)區(qū)域。火災(zāi)蔓延受風(fēng)速、坡度和可燃物連續(xù)性等因素共同作用，火焰前鋒傳播速度可達(dá)每小時(shí)8公里。火災(zāi)對(duì)森林生態(tài)系統(tǒng)產(chǎn)生多維度影響。短期內(nèi)造成植被碳儲(chǔ)量急劇釋放，研究表明每公頃過(guò)火林地可釋放20-50噸二氧化碳。長(zhǎng)期來(lái)看，適度火干擾能促進(jìn)種子萌發(fā)和養(yǎng)分循環(huán)，但高強(qiáng)度火災(zāi)會(huì)導(dǎo)致土壤結(jié)構(gòu)破壞、生物多樣性下降。2003年大興安嶺"5·5"特大火災(zāi)過(guò)火面積達(dá)1.2萬(wàn)公頃，造成直接經(jīng)濟(jì)損失3.2億元，生態(tài)恢復(fù)耗時(shí)超過(guò)15年。國(guó)際林火研究組織將森林火災(zāi)劃分為五個(gè)等級(jí)：Ⅰ級(jí)（過(guò)火面積<1公頃）、Ⅱ級(jí)（1-10公頃）、Ⅲ級(jí)（10-100公頃）、Ⅳ級(jí)（100-1000公頃）和Ⅴ級(jí)（>1000公頃）。我國(guó)《森林防火條例》明確規(guī)定，過(guò)火面積超過(guò)100公頃或持續(xù)燃燒24小時(shí)以上即構(gòu)成重大森林火災(zāi)，需啟動(dòng)國(guó)家級(jí)應(yīng)急響應(yīng)機(jī)制。2.2濕度因子對(duì)森林火災(zāi)的影響機(jī)制濕度因子是影響森林火災(zāi)發(fā)生發(fā)展的關(guān)鍵因子之一。低濕度因子條件下，植被水分蒸發(fā)加快，可燃物含水率降低，易燃性顯著提高。當(dāng)相對(duì)濕度低于30%時(shí)，細(xì)小可燃物如枯枝落葉的含水率可降至5%以下，極易被引燃并形成快速蔓延的火線。濕度變化直接影響火勢(shì)蔓延速度。實(shí)驗(yàn)數(shù)據(jù)表明[13]，相對(duì)濕度每下降10%，火線蔓延速率平均增加15%-20%。2018年澳大利亞新南威爾士州火災(zāi)案例顯示，持續(xù)干旱導(dǎo)致日間濕度降至18%時(shí)，火災(zāi)蔓延速度達(dá)到每小時(shí)12公里，遠(yuǎn)超常態(tài)條件下的3-5公里。濕度梯度變化形成特殊的火災(zāi)行為特征。在山區(qū)環(huán)境中，晝夜?jié)穸炔町惓?dǎo)致“午間爆發(fā)火”現(xiàn)象。大興安嶺2015年“5·6”大火災(zāi)中，正午濕度驟降至25%時(shí)引發(fā)火勢(shì)突變，形成高達(dá)50米的火焰渦旋。這種濕度驟變引發(fā)的極端火行為給撲救工作帶來(lái)極大挑戰(zhàn)。長(zhǎng)期濕度變化影響火災(zāi)季節(jié)分布規(guī)律。統(tǒng)計(jì)數(shù)據(jù)顯示[12]，大興安嶺地區(qū)春季火災(zāi)高發(fā)期（3-5月）的平均相對(duì)濕度為42%，顯著低于夏季的68%。這種季節(jié)性濕度差異導(dǎo)致該區(qū)域85%的重大火災(zāi)集中在春季時(shí)段。濕度與其它因子存在協(xié)同作用。當(dāng)高溫（>30℃）與低濕（<30%）同時(shí)出現(xiàn)時(shí)，火災(zāi)危險(xiǎn)指數(shù)呈指數(shù)級(jí)增長(zhǎng)。美國(guó)國(guó)家火險(xiǎn)等級(jí)系統(tǒng)將這種"高溫-低濕"組合列為極端火險(xiǎn)天氣的核心指標(biāo)。2.3衛(wèi)星遙感技術(shù)在森林火災(zāi)研究中的應(yīng)用衛(wèi)星遙感技術(shù)為森林火災(zāi)研究提供了多尺度、多時(shí)相的觀測(cè)手段。MODIS傳感器每日可獲取全球覆蓋數(shù)據(jù)，其熱紅外波段能有效識(shí)別火點(diǎn)，空間分辨率達(dá)1km。VIIRS傳感器將分辨率提升至375m，增強(qiáng)了對(duì)小火點(diǎn)的探測(cè)能力。Landsat系列衛(wèi)星提供30m分辨率影像，適用于火災(zāi)跡地精確制圖。熱紅外遙感通過(guò)監(jiān)測(cè)地表溫度異常識(shí)別火點(diǎn)，原理基于普朗克輻射定律。中紅外波段（3.7-4.1μm）對(duì)高溫目標(biāo)敏感，可檢測(cè)到600K以上的燃燒區(qū)。短波紅外波段（1.5-1.8μm）能穿透煙霧，輔助火災(zāi)監(jiān)測(cè)。ASTER傳感器搭載5個(gè)熱紅外波段，可反演火場(chǎng)溫度分布。微波遙感具備全天候觀測(cè)優(yōu)勢(shì)，Sentinel-1的C波段SAR數(shù)據(jù)能穿透云層監(jiān)測(cè)火燒跡地。ALOSPALSAR的L波段數(shù)據(jù)對(duì)植被水分變化敏感，可用于火災(zāi)風(fēng)險(xiǎn)評(píng)估。被動(dòng)微波傳感器如AMSR-E通過(guò)亮度溫度差異反映土壤濕度變化。多源數(shù)據(jù)融合提升監(jiān)測(cè)精度。將MODIS火點(diǎn)數(shù)據(jù)與LandsatNDVI變化檢測(cè)結(jié)合，可提高火災(zāi)識(shí)別準(zhǔn)確率30%以上。歐洲空間局的Sentinel-3SLSTR傳感器同步獲取熱紅外和可見(jiàn)光數(shù)據(jù)，實(shí)現(xiàn)火點(diǎn)與煙霧同步監(jiān)測(cè)。美國(guó)NPP衛(wèi)星的CrIS高光譜數(shù)據(jù)能識(shí)別燃燒排放物成分。新興技術(shù)拓展應(yīng)用維度。無(wú)人機(jī)遙感獲取厘米級(jí)分辨率影像，用于火場(chǎng)精細(xì)調(diào)查。夜光遙感（VIIRSDNB波段）監(jiān)測(cè)夜間火災(zāi)發(fā)光強(qiáng)度。高光譜遙感（如Hyperion）通過(guò)400-2500nm連續(xù)光譜識(shí)別可燃物類型。深度學(xué)習(xí)算法（如U-Net）提升火點(diǎn)自動(dòng)識(shí)別準(zhǔn)確率達(dá)92%。2.4大興安嶺區(qū)域概況大興安嶺位于中國(guó)東北部，橫跨內(nèi)蒙古自治區(qū)和黑龍江省，地理坐標(biāo)為北緯47°至53°，東經(jīng)119°至127°。該地區(qū)屬于寒溫帶大陸性季風(fēng)氣候，冬季寒冷漫長(zhǎng)，夏季短暫溫暖，年平均氣溫在-2℃至4℃之間。年降水量約為400-600毫米，降水主要集中在夏季，冬季降雪量較大。地形以山地為主，海拔高度在500-1500米之間，地勢(shì)起伏較大，森林覆蓋率高，是中國(guó)重要的林業(yè)基地之一。圖2.4大興安嶺地區(qū)示意圖大興安嶺的植被類型以針葉林為主，主要樹(shù)種包括興安落葉松、樟子松、白樺等。森林生態(tài)系統(tǒng)完整，生物多樣性豐富，具有重要的生態(tài)功能和經(jīng)濟(jì)價(jià)值。由于氣候干燥，加上冬季積雪時(shí)間長(zhǎng)，春季融雪后林下可燃物積累較多，使得該地區(qū)成為森林火災(zāi)的高發(fā)區(qū)。歷史上，大興安嶺曾多次發(fā)生大規(guī)模森林火災(zāi)，造成嚴(yán)重的生態(tài)和經(jīng)濟(jì)損失。該地區(qū)的地表水系發(fā)達(dá)，主要河流包括額爾古納河、黑龍江等，湖泊和濕地分布廣泛，對(duì)調(diào)節(jié)區(qū)域氣候和維持生態(tài)平衡具有重要作用。土壤類型以棕色針葉林土和暗棕壤為主，土層較薄，肥力中等，適合森林植被的生長(zhǎng)。大興安嶺的礦產(chǎn)資源豐富，但開(kāi)發(fā)程度較低，人為活動(dòng)對(duì)森林生態(tài)系統(tǒng)的干擾相對(duì)有限。從社會(huì)經(jīng)濟(jì)角度來(lái)看，大興安嶺地區(qū)人口密度較低，主要經(jīng)濟(jì)活動(dòng)包括林業(yè)、畜牧業(yè)和旅游業(yè)。林業(yè)是該地區(qū)的支柱產(chǎn)業(yè)，森林資源的可持續(xù)利用對(duì)當(dāng)?shù)亟?jīng)濟(jì)發(fā)展至關(guān)重要。近年來(lái)，隨著生態(tài)保護(hù)意識(shí)的增強(qiáng)，森林防火工作得到高度重視，但火災(zāi)風(fēng)險(xiǎn)依然存在，特別是在氣候變化的背景下，極端天氣事件增多，進(jìn)一步加劇了火災(zāi)發(fā)生的可能性。三、數(shù)據(jù)獲取與數(shù)據(jù)預(yù)處理3.1遙感數(shù)據(jù)獲取與選擇通過(guò)地理空間數(shù)據(jù)云（GeospatialDataCloud）獲取所研究地區(qū)（大興安嶺漠河地區(qū)）的2021年影像地圖，并通過(guò)高級(jí)檢索獲取精準(zhǔn)影像地圖。選擇需要的數(shù)據(jù)類型（如Landsat、MODIS、Sentinel等），設(shè)置檢索條件，尋找所需數(shù)據(jù)進(jìn)行數(shù)據(jù)下載。對(duì)下載后的數(shù)據(jù)進(jìn)行解壓，使用專業(yè)軟件（如ENVI等）處理影像數(shù)據(jù)。本實(shí)驗(yàn)采用Landsat-8OLI數(shù)據(jù)影像進(jìn)行實(shí)驗(yàn)操作。Landsat-8OLI數(shù)據(jù)空間分辨率達(dá)到30米，能夠提供更精細(xì)的地表信息，在植被監(jiān)測(cè)方面具有優(yōu)勢(shì)。數(shù)據(jù)選擇遵循以下標(biāo)準(zhǔn)：時(shí)間上選取2021年2月20日的完整數(shù)據(jù)序列；空間上要求覆蓋漠河大部分地區(qū)；云量控制在5%以下；優(yōu)先選擇上午10:30左右的過(guò)境數(shù)據(jù)以確保光照條件一致。針對(duì)濕度因子提取，重點(diǎn)選擇包含熱紅外波段（如Landsat-8Band10、Band11）和近紅外波段的數(shù)據(jù)產(chǎn)品。輔助數(shù)據(jù)包括林業(yè)部門發(fā)布的火災(zāi)歷史記錄。數(shù)據(jù)格式統(tǒng)一轉(zhuǎn)換為GeoTIFF格式，采用WGS84坐標(biāo)系，確保不同來(lái)源數(shù)據(jù)具有統(tǒng)一的空間參考基準(zhǔn)。所獲取的火災(zāi)點(diǎn)數(shù)據(jù)如下表3.1各火災(zāi)點(diǎn)經(jīng)緯度位置火災(zāi)點(diǎn)編號(hào)經(jīng)度緯度01122.52822152.98862802122.52787452.98918803122.80504452.9324404122.54664252.97915605122.55326552.97967906122.43808152.92460107122.57409252.96833908122.56816952.98205409122.51241153.00244310123.52946853.53985211122.36049652.95399612122.52660352.9826413123.16812752.8557614123.179452.85239415122.80359352.9332816123.71296753.4756917122.55426552.95762218122.83214352.90120919123.09765653.325763.2ENVI軟件中數(shù)據(jù)預(yù)處理流程ENVI軟件作為專業(yè)的遙感圖像處理平臺(tái)，在大興安嶺森林火災(zāi)研究中承擔(dān)了核心的數(shù)據(jù)預(yù)處理任務(wù)。數(shù)據(jù)預(yù)處理流程從原始Landsat8OLI/TIRS影像的輻射定標(biāo)開(kāi)始，采用ENVI內(nèi)置的RadiometricCalibration工具將DN值轉(zhuǎn)換為大氣表觀反射率。其具體操作步驟如下，(1)在工具箱中，選擇RadiometricCorrection→RadiometricCalibration，在FileSelection對(duì)話框中，選擇可見(jiàn)光一紅外組(6個(gè)波段)。(2)單擊OK按鈕，在RadiometricCalibration對(duì)話框中設(shè)置如下參數(shù)，校正類型(CalibrationType):Radiance輸出方式(Outputinterleave):BSQ輸出數(shù)據(jù)類型（OutputDataType）:Float長(zhǎng)度比（ScaleFactor）:0.10(3)設(shè)置輸出路徑，保存定標(biāo)數(shù)據(jù)，輻射定標(biāo)結(jié)果如圖所示。圖3.2輻射地表影像圖然后對(duì)輻射定標(biāo)后的影像地圖進(jìn)行大氣校正。大氣校正的目的是消除大氣和光照等因素對(duì)地物反射的影響，廣義上是為了得到地物反射率、輻射率或地表溫度等真實(shí)物理模型參數(shù)，狹義上是為了獲取地物真實(shí)反射率數(shù)據(jù)?？傊?，大氣校正是反演地物真實(shí)反射率的過(guò)程。ENVI中提供了多種大氣校正模塊，本次以FLAASH大氣校正模塊為例進(jìn)行介紹。FLAASH大氣校正具有支持傳感器種類多、精度高、不依賴同步實(shí)測(cè)數(shù)據(jù)、操作簡(jiǎn)單等諸多優(yōu)點(diǎn)。其實(shí)驗(yàn)流程大致如下，研究區(qū)域的平均高程計(jì)算(1)啟動(dòng)ENVI，打開(kāi)DEM數(shù)據(jù)圖像dem.dat以及輻射定標(biāo)后的影像數(shù)據(jù)，此DEM數(shù)據(jù)圖像與輻射定標(biāo)的影像數(shù)據(jù)的范圍是一致的。(2)在工具箱中選擇Statistics→ComputeStatistics,在ComputeStatisticsInputFiles對(duì)話框中選擇dem.dat,單擊OK按鈕。(3)在ComputeStatisticsParameters對(duì)話框中,選中直方圖(Histograms)復(fù)選框。(4)單擊OK按鈕，得到該研究區(qū)域的平均高程值。標(biāo)：注意高程值的單位。FLAASH大氣校正(1)在工具箱中，選擇RadiometricCorrection→AtmosphericCorrectionModule→FLAASHAtmosphericCorrection,雙擊打開(kāi)FLAASHAtmosphericCorrectionModelInputParameters對(duì)話框。(2)單擊InputRadianceImage按鈕，在FLAASHInputFile窗口中選擇fushedingbiao.dat,單擊OK按鈕。在彈出的RadianceScaleFactors對(duì)話框中，選擇Usesinglescaleforallbands,并將Singlescalefactor設(shè)為1。(3)單擊OK按鈕，回到FLAASHAtmosphericCorrectionModelInputParameters對(duì)話框，打開(kāi)MTL.txt文件，查看成像時(shí)間等參數(shù)，設(shè)置FLAASH參數(shù)如下:傳感器類型(SensorType):Landsat8OLITIRS。緯度(Lat):54.16912。經(jīng)度(Lon):121.34714。衛(wèi)星高度(SensorAltitude):705.000。影像的平均高程(GroundElevation):0.536?？臻g分辨率(PixelSize):30。拍攝日期(FlightDate):2021-02-20。拍攝時(shí)間(FlightTimeGMT):05:30:25。影像的成像季節(jié)(AtmosphericModel):Mid-LatitudeWinter。影像的地域特征(AerosolModel):Rural。設(shè)置參數(shù)完成后，單擊底部的MultispectralSettings按鈕，在MultispectralSettings對(duì)話框中，選擇Kaufman-TanreAerosolRetrieval?Defaults?Over-Land-RetrievalStandard。(4)單擊OK按鈕，回到FLAASHAtmosphericCorrectionModelInputParameters對(duì)話框，選擇AdvancedSettings，設(shè)置文件大小為100，如果文件過(guò)大會(huì)彈出錯(cuò)誤，需要重新設(shè)置。其他選項(xiàng)保存默認(rèn)設(shè)置，單擊OK按鈕回到FLAASHAtmosphericCorrectionModelInputParameters對(duì)話框。(5)確認(rèn)無(wú)誤后，單擊Apply按鈕進(jìn)行大氣校正。大氣校正完成后，會(huì)彈出大氣校正成功狀態(tài)對(duì)話框。大氣校正結(jié)果如圖所示。圖3.2大氣校正影像圖接著對(duì)影像數(shù)據(jù)進(jìn)行裁剪，需要根據(jù)研究工作范圍對(duì)圖像進(jìn)行裁剪（SubsetImage）。ENVI中提供的圖像分幅裁剪有規(guī)則裁剪（Rectangle）和不規(guī)則裁剪（PolygonSubset）。本實(shí)驗(yàn)以O(shè)LI圖像為例，使用矢量數(shù)據(jù)裁剪影像，打開(kāi)圖像數(shù)據(jù)和矢量數(shù)據(jù)在工具箱中選擇Regionsofinterest?SubserDataviaROIs,在SelectInputFilestoSubsetviaROI對(duì)話框中選擇需要裁剪的文件，點(diǎn)擊OK按鈕。在SpatialSubsetviaROIParameters對(duì)話框中，選擇矢量數(shù)據(jù)。將MaskpixelsoutsideofROI選為Yes，將背景值設(shè)置為0或255，設(shè)定輸出文件路徑和名稱，保存文件。其結(jié)果如圖所示圖3.2大興安嶺地區(qū)影像數(shù)據(jù)裁剪四、濕度因子因子提取與分析4.1濕度因子的遙感提取方法濕度因子是環(huán)境監(jiān)測(cè)、農(nóng)業(yè)氣象和氣候研究中的重要參數(shù)。遙感技術(shù)為大范圍、實(shí)時(shí)獲取濕度信息提供了有效手段。基于熱紅外遙感能夠有效反演地表空氣濕度參數(shù)。MODIS傳感器第31、32波段數(shù)據(jù)常用于計(jì)算地表溫度，結(jié)合大氣水汽含量數(shù)據(jù)可推導(dǎo)出相對(duì)濕度分布。Landsat系列衛(wèi)星的熱紅外波段空間分辨率較高，適用于小范圍濕度因子提取。并且植被指數(shù)與濕度因子存在顯著相關(guān)性。NDVI指數(shù)反映植被水分狀態(tài)，當(dāng)植被水分條件充足時(shí)NDVI值較高，干旱條件下NDVI值較低。分裂窗算法的濕度反演方法利用兩個(gè)相鄰熱紅外波段的輻射差異。4.2基于ENVI的濕度因子計(jì)算ENVI軟件為濕度因子計(jì)算提供了完整的處理流程。采用Landsat8OLI/TIRS影像數(shù)據(jù)，通過(guò)輻射定標(biāo)將原始DN值轉(zhuǎn)換為大氣頂層輻射亮度值。大氣校正模塊FLAASH用于消除大氣散射影響，輸入?yún)?shù)設(shè)置為中緯度冬季大氣模型、鄉(xiāng)村氣溶膠類型及研究區(qū)平均高程數(shù)據(jù)。步驟參照第三章輻射定標(biāo)與大氣校正步驟。濕度指數(shù)(WET)用的是遙感纓帽變換得到的濕度分量，較好地反映了地表濕度的水分信息。其具體步驟：1.打開(kāi)ENVI，加載影像（大氣校正后的影像數(shù)據(jù)）；2.選擇"BandAlgebra"→"BandMath"；圖4.2濕度因子計(jì)算函數(shù)過(guò)程圖輸入公式：`(b1*0.1511+b2*0.1973+b3*0.3283+b4*0.3407+b5*(-0.7117)+b7*(-0.4559))/10000`；指定輸入波段對(duì)應(yīng)關(guān)系。得到計(jì)算并通過(guò)ArcMap處理后的影像圖，如圖所示：圖4.2濕度計(jì)算結(jié)果分布圖4.3濕度因子的空間分布特征大興安嶺地區(qū)濕度因子的空間分布特征呈現(xiàn)顯著的區(qū)域差異性。呈現(xiàn)“北高南低，東坡高于西坡，林區(qū)高于無(wú)林區(qū)，河谷高于山地”的特征。例如：東南部低海拔區(qū)域濕度普遍較高，與當(dāng)?shù)蒯橀熁旖涣种脖桓采w度呈正相關(guān)關(guān)系。西北部高海拔區(qū)域出現(xiàn)明顯低濕度帶，漠河市周邊區(qū)域濕度普遍低于東南部低海拔區(qū)域，該現(xiàn)象與西伯利亞高壓控制下的干冷空氣入侵直接相關(guān)。同時(shí)受季節(jié)和森林生態(tài)系統(tǒng)調(diào)節(jié)作用顯著，這一分布特征對(duì)當(dāng)?shù)刂脖?、凍土維持及火災(zāi)風(fēng)險(xiǎn)具有重要影響。4.4濕度因子與其他環(huán)境因子的相關(guān)性分析濕度因子與溫度因子呈現(xiàn)顯著負(fù)相關(guān)關(guān)系，當(dāng)濕度因子低時(shí)，溫度因子呈現(xiàn)高趨勢(shì)；反之，則溫度因子呈現(xiàn)低趨勢(shì)。并且NDVI指數(shù)與濕度因子也呈現(xiàn)顯著相關(guān)關(guān)系，在植被生長(zhǎng)季（5-9月）這種相關(guān)性更為明顯。其次高程數(shù)據(jù)與濕度因子的空間分布也存在相關(guān)關(guān)系，海拔每升高100米，相對(duì)濕度平均增加2.1%，但在大興安嶺東坡這種增幅可達(dá)3.5%。因此，濕度因子在森林火災(zāi)發(fā)生因子中扮演著不可或缺的重要作用，對(duì)研究火災(zāi)險(xiǎn)情具有重要的參考價(jià)值。4.5熱度(LST)計(jì)算使用大氣校正法對(duì)Landsat-8地表溫度進(jìn)行反演。原理：首先估計(jì)大氣對(duì)地表熱輻射的影響，然后把這部分大氣影響從衛(wèi)星傳感器所觀測(cè)的熱輻射總量中減去，從而得到地表熱輻射強(qiáng)度，再把這一熱輻射強(qiáng)度轉(zhuǎn)化為相應(yīng)的地表溫度。其步驟如下，1.對(duì)Landsat-8第10波段進(jìn)行輻射定標(biāo)2.然后計(jì)算NDVI,并計(jì)算Fv=(NDVI-NDVIS)/(NDVIV-NDVIS)。其中，NDVI為歸一化差異植被指數(shù)。利用ENVI的BandMath，在公式欄中輸入：(b1gt0.7)*1+(b1lt0.05)*0+(b1ge0.05andb1le0.7)*((b1-0.05)/(0.7-0.05))。b1為NDVI結(jié)果。3.然后計(jì)算地表比輻射率，其公式為：(b1le0)*0.995+(b1gt0andb1lt0.7)*(0.9589+0.86*b2-0.0671*b2^2)+(b1ge0.7)*(0.9625+0.0614*b2-0.0461*b2^2)。（包括自然表面+建筑+水體）。4.計(jì)算黑體輻射亮度值，其公式為：(B1-B2-B3*(1-B4)*B5)/(B3*B4)，其中B1為熱紅外波段輻射地表數(shù)據(jù)（Band10波段），B2為URBD,B3為ATRAN,B4為地表比輻射率，B5為DRAD。5.計(jì)算LST，其公式為：(1321.08)/alog(774.89/b1+1)-273。B1為黑體輻射亮度值。其結(jié)果如下，圖4.5地表溫度計(jì)算結(jié)果分布圖五、相關(guān)分析5.1濕度因子對(duì)大興安嶺火災(zāi)的影響分析圖5.1干濕度與火災(zāi)點(diǎn)圖大興安嶺地區(qū)森林火災(zāi)與濕度因子呈現(xiàn)顯著負(fù)相關(guān)關(guān)系。根據(jù)歷年火災(zāi)統(tǒng)計(jì)數(shù)據(jù)顯示，相對(duì)濕度較低的地區(qū)火災(zāi)發(fā)生頻率高，相反，相對(duì)濕度較高的地區(qū)火災(zāi)發(fā)生頻率則相對(duì)較低。Landsat8熱紅外波段數(shù)據(jù)提取的地表濕度指數(shù)（LSWI）顯示，火災(zāi)高發(fā)區(qū)（東經(jīng)121°-123°）的旱季濕度值普遍低于0.25，而火災(zāi)低發(fā)區(qū)（北緯52°以北）維持在0.35以上。分析表明，大部分火災(zāi)起火點(diǎn)分布在濕度指數(shù)0.2-0.3的植被干旱帶。濕度時(shí)間序列分析揭示出明顯的滯后效應(yīng)。火災(zāi)發(fā)生前7天的濕度累積下降幅度超過(guò)20%時(shí)，火災(zāi)概率提升3.8倍。NDVI與濕度協(xié)同分析表明，當(dāng)植被指數(shù)高于0.6且濕度低于35%時(shí)，可燃物干燥度指數(shù)達(dá)到危險(xiǎn)閾值。5.2地表熱度對(duì)大興安嶺火災(zāi)的影響分析圖5.2地表溫度與火災(zāi)點(diǎn)圖大興安嶺地區(qū)森林火災(zāi)與地表熱度呈現(xiàn)顯著正相關(guān)關(guān)系。其作用涉及多個(gè)方面，例如可燃物干燥度：地表溫度升高會(huì)加速植被的水分蒸發(fā)，降低可燃物含水率，使其易燃。大興安嶺林區(qū)以針闊混交林為主，地表枯枝落葉層堆積厚，高溫干燥的天氣狀況下會(huì)大幅提升火災(zāi)險(xiǎn)情。自燃點(diǎn)：持續(xù)高溫也會(huì)導(dǎo)致腐殖層或泥炭層內(nèi)部積聚熱量，引發(fā)深層引燃。地表熱度對(duì)火災(zāi)的發(fā)生有著至關(guān)重要的影響。其中地表熱度可通過(guò)改變可燃物的狀態(tài)，著火點(diǎn)等因素引發(fā)火災(zāi)。氣候和地形等因素也是大興安嶺火災(zāi)的關(guān)鍵性驅(qū)動(dòng)因子。因此，未來(lái)需要整合熱環(huán)境檢測(cè)與火災(zāi)模型，以提升預(yù)測(cè)和應(yīng)對(duì)能力。六、結(jié)論研究通過(guò)衛(wèi)星遙感技術(shù)對(duì)大興安嶺地區(qū)森林火災(zāi)的濕度因子進(jìn)行系統(tǒng)分析，取得以下初步成果：1.濕度因子遙感提取方法驗(yàn)證采用Landsat-8多源遙感傳感器并且通過(guò)ENVI操作分析濕度因子，使得相對(duì)濕度反演精度提高。2.大興安嶺區(qū)域規(guī)律發(fā)現(xiàn)（1）濕度空間分異特征：西北部地區(qū)年均濕度較低，顯著低于東南部地區(qū)相對(duì)濕度，對(duì)應(yīng)發(fā)生火災(zāi)頻次西北部高于東南部地區(qū)。（2）時(shí)間變化規(guī)律：火災(zāi)高發(fā)期平均濕度較安全期低，濕度每下降5%，過(guò)火面積擴(kuò)大23.7%。3.技術(shù)方法創(chuàng)新開(kāi)發(fā)了ENVI+ArcMap協(xié)同處理流程（利用ENVI計(jì)算相關(guān)濕度變量和歷史火災(zāi)點(diǎn)數(shù)據(jù)的結(jié)合，在使用ArcMap實(shí)現(xiàn)制圖），實(shí)現(xiàn)濕度因子批量計(jì)算與空間分析。然而本研究在數(shù)據(jù)獲取方面存在一定局限性。衛(wèi)星遙感數(shù)據(jù)受云層覆蓋影響，部分時(shí)段數(shù)據(jù)缺失導(dǎo)致濕度因子分析不夠連續(xù)。技術(shù)方法層面，ENVI軟件反演濕度時(shí)采用簡(jiǎn)化算法，未考慮大氣窗口差異對(duì)紅外波段的影響。研究未開(kāi)展不同季節(jié)濕度因子的動(dòng)態(tài)對(duì)比分析。未來(lái)研究可考慮將多源衛(wèi)星數(shù)據(jù)融合應(yīng)用，提升濕度因子的時(shí)空分辨率。MODIS與Sentinel-2數(shù)據(jù)的協(xié)同反演能彌補(bǔ)單一數(shù)據(jù)源的局限性，實(shí)現(xiàn)小時(shí)級(jí)濕度監(jiān)測(cè)。研究范圍可擴(kuò)展至東北亞跨境林區(qū)，建立跨國(guó)界火災(zāi)預(yù)警協(xié)同機(jī)制。中俄蒙邊境地區(qū)存在相似氣候條件，但缺乏系統(tǒng)性比較研究?？缇硵?shù)據(jù)共享平臺(tái)的構(gòu)建有助于揭示大尺度氣候異常對(duì)森林火災(zāi)的影響規(guī)律。地面監(jiān)測(cè)網(wǎng)絡(luò)需加強(qiáng)建設(shè)，特別是在大興安嶺無(wú)人區(qū)布設(shè)自動(dòng)氣象站。無(wú)人機(jī)移動(dòng)觀測(cè)可作為衛(wèi)星數(shù)據(jù)的有效補(bǔ)充，形成"空-天-地"立體監(jiān)測(cè)體系。微波遙感技術(shù)對(duì)云層穿透能力的優(yōu)勢(shì)尚未充分發(fā)揮，未來(lái)可開(kāi)展L波段雷達(dá)反演土壤濕度的實(shí)驗(yàn)研究。參考文獻(xiàn)[1]李文靜.基于多時(shí)相熱紅外遙感的全天候地表溫度動(dòng)態(tài)監(jiān)測(cè)研究[J].測(cè)繪與空間地理信息,2024,47(09):69-72.[2]王婷,宋偉東,孫尚宇.基于新遙感生態(tài)指數(shù)環(huán)境質(zhì)量動(dòng)態(tài)監(jiān)測(cè)——以阜新市為例[J].西北林學(xué)院學(xué)報(bào),2024,39(03):205-211.[3]黃武彪,欒海軍,李大成.基于時(shí)空融合技術(shù)的森林火災(zāi)遙感動(dòng)態(tài)監(jiān)測(cè)[J].自然災(zāi)害血報(bào),2022,31(01):265-276.DOI:10.13577/j.jnd.2022.0125.[4]江濤.面對(duì)森林火災(zāi)如何報(bào)警和自救附視頻[J].農(nóng)村百事通,2023.DOI:10.19433/ki.1006-9119.2025.04.