摘要
森林火灾破坏性大并且会释放出大量有害物质，威胁生态环境和人类健康。四川是我国重要林区也是火灾频发区，对四川省进行森林火灾监测和火灾污染监测尤为重要。基于多源遥感卫星数据高分四号等，首先使用最大类间方差法（又名大津法，Otsu）判定亮温阈值实现对火点的提取;并在此基础上利用深度学习的方法进行火点提取;之后通过归一化植被指数差值和植被覆盖度计算燃烧面积;最后基于火灾的高斯日循环特征实现火灾污染物排放估算。本文主要工作及研究成果如下: （1）基于最大类间方差法判定亮温阈值的火点提取。利用高分四号影像数据，收集火点样本，通过Otsu判定中波红外最佳亮温阈值，实现对四川省火点的提取。与上下文方法比较发现，Otsu阈值方法提取的火点漏检和误检少，其综合评价指标在0.73以上。 （2）在传统阈值方法的基础上利用深度学习提取火点。通过火点裁剪、效果反推等数据增广的方法增加火点样本量，利用ENVINet5网络训练适用于高分四号的影像数据的深度学习模型进行火点提取，模型精度为0.961。相对于传统阈值方法，深度学习方法减少了数据预处理步骤，且提取的火点图斑更加完整，漏检更少，其综合评价指标在0.76以上。 （3）基于归一化植被指数差值提取过火区域并计算燃烧面积。使用Landsat8和高分四号影像数据，利用火灾前后归一化植被指数（NDVI）的变化计算NDVI差值，从而提取出过火区域，并结合火灾前植被覆盖度来计算燃烧面积。提取的过火区域与C3SBA10燃烧区域产品提供的过火区域在空间分布上具有一致性，且细节表现更好;计算的燃烧面积消除了混合像元的影响，避免了将不可燃地物纳入计算。 （4）基于火灾高斯日循环特征的污染物排放量估算。利用Himawari-8L3WLF火点产品，对火点像元每小时的火辐射功率进行高斯拟合，结合转换系数、排放因子等参数实现污染物排放估算。估算结果与GFAS、FINN两种排放产品进行对比发现，三者的火灾污染物排放量在时间分布上具有一致性。通过对各生物质类型的燃烧排放量进行分析，在各生物质中，森林占有较大贡献量。 总之，本文的方法对于其它地区利用遥感手段进行火灾监测和火灾污染物排放估算的工作也具有一定的参考价值。
NETL