森林火灾实时监控的遥感实践：多国卫星一览

点击图片上方蓝色字体“慧天地”即可订阅

英文原文作者：Mark Altaweel；英文原文来源：https://www.gislounge.com/real-time-fire-mapping-and-satellite-data/  ；中文编译：慧天地杜一鸣

慧天地创新技术研究院招聘记者，详情请点击链接：

从早期的卫星遥感开始，卫星传感器就被用来探测全球的野外火灾。然而，卫星是否能够实时监测火灾发生的地点，并提供能够帮助消防员的关键数据呢？这成为了该领域目前新的研究重点，即利用基于卫星的遥感实时确定野火的强度和方向，而不仅仅只是监测山火林火的存在。

最近，美国国家航空航天局（NASA）的科学家们一直在利用中分辨率光谱成像卫星（MODIS）收集的数据来解决这个问题，这些数据被用来监测野外火灾的存在。最近的进展为在多年的野火旧数据上使用神经网络模型，然后自动确定野火的出现位置，方法的准确度超过99％。使用旧数据目前的确可以改善对未来火灾的预测，然而问题是如果人们有兴趣获得关于野火出现的更多数据，例如其行进方向和热强度，那么MODIS则无法达到理想的分辨率。一种解决方案是使CubeSat或微型卫星在实时区域飞行和监测，以便监测野火的发生，也可以使用热传感器来映射火灾强度，甚至可以使用传感器来获取产生的碳和烟尘的数据。此外，这些数据还可以与消防人员的工作部署联系起来，他们可以在火灾发生时快速获得数据，从而更好地针对目前的火灾类型做出反应[1]。

下图为NASA资源管理系统在3小时的卫星观测中从中分辨率光谱成像卫星（MODIS）和可见红外成像辐射计（VIIRS）获得的实时活动数据中的火灾信息分布图。

实时和近实时火灾测绘的最新方法

近年来来，科学家们一直在尝试将不同的仪器应用于实时火灾监测，包括使用热测量法测量火灾强度，以及使用无人机（UAV）等需要红外摄像机等设备的仪器。这些设备的数据可以用来监测火灾，提供实时的反馈信息并用于预测，如火灾的方向性等[2]。最新的实时或近实时火灾监测方法通常侧重于平衡空间覆盖和时间分辨率，这种方法试图在短时间间隔内监测大面积区域，并能够获得足够好的分辨率，以便获得重要数据以确定山林火的方向性和其他重要数据。日本发射的Himawari-8数据卫星就是这样，它在平衡这些特征方面显示出了优势，而且在近实时的火灾监测方面具有可见的潜力[3]。

其他方法试图将仿真与卫星监测相结合。科学家们发现，野火的产生是复杂的，因为它们包含了各种因素，包括温度、风、燃料和其他未来的天气条件。传感器数据可以直接提供仿真数据，然后尝试预测火灾的变化。这就是所谓的重新初始化方法，它采用火灾模型，并使用最新数据重新初始化它们来运行模拟预测。从这一点可以看出，随着近实时数据的加入，预测森林火灾的准确性将显著提高[4]。

用于改进火情测绘的新一代卫星

目前正在发生的变化还包括新一代美国国家环境GOES卫星等观测方式。近年来，商业卫星频频发射，使诸如实时天气监测等功能得以实现。各国政府越来越认识到，实时天气监测在与野火监测和预报等活动（包括其他与天气或的环境有关的现象，如照明）相结合方面也是至关重要的。在这种情况下，较新的气象卫星结合了热成像技术，可使用WF-ABBA等算法进行处理。该算法通过处理热图像以检测活动火灾，并可用于确定火灾中可能导致给定方向扩散的变化趋势[5]。下图为使用HIMAWARI-8地球同步卫星数据基于机器学习进行森林火灾探测算法流程简图。（图像来源: JANG,E., KANG, Y., IM, J., LEE, D. W., YOON, J., & KIM, S. K. (2019). DETECTIONAND MONITORING OF FOREST FIRES USING HIMAWARI-8 GEOSTATIONARY SATELLITE DATA INSOUTH KOREA. REMOTE SENSING, 11(3), 271.）

总结与展望

通过结合新的卫星和改进后的图像处理方法，我们可以更好地了解野火的发生机制。尽管如此，加利福尼亚州和其他地方最近发生的火灾表明，野火的成因和扩散仍然是个很复杂的研究领域，通常受到多种因素的影响，这些因素具有非常高的动态特征因此并不容易监测。然而，检测和预测技术正在通过不断的改进以所需数据，从而更好地实时了解野火。而更好的算法和不断改进改进的图像也在发挥着他们的作用和影响。

参考文献：

[1] For more onmonitoring and investigating fires in real-time data from satellites, includingmachine methods used, see: https://eos.org/articles/new-eyes-on-wildfires.

[2] For more onUAV instruments used to monitor wildfires, see: Casbeer, D. W., Sai-Ming Li, Beard, R. W., Mehra, R. K., & McLain,T. W. 2005. Forest fire monitoring with multiple small UAVs. Proceedings of the2005, American Control Conference, 2005.: 3530–3535. Presented at theProceedings of the 2005, American Control Conference, 2005.,https://ieeexplore.ieee.org/document/1470520/, May 8, 2019, Portland, OR, USA:IEEE.

[3] For more onHimawari-8 and its use in monitoring fires, see:  Liu, X., He, B., Quan, X., Yebra, M., Qiu,S., Yin, C., et al. 2018. Near Real-Time Extracting Wildfire Spread Rate fromHimawari-8 Satellite Data. Remote Sensing, 10(10): 1654.

[4] For more on arecent approach in integrating simulation and remote sensing data, see:  Cardil, A., Monedero, S., Ramírez, J., &Silva, C. A. 2019. Assessing and reinitializing wildland fire simulationsthrough satellite active fire data. Journal of Environmental Management, 231:996–1003.

[5] For more on next generation of weather satellites and potential forreal-time fire monitoring, see:  Jones,S., Hally, B., Reinke, K., Wickramasinghe, C., Wallace, L., & Engel, C.2018. Next Generation Fire Detection from Geostationary Satellites. IGARSS 2018– 2018 IEEE International Geoscience and Remote Sensing Symposium: 5465–5468.Presented at the IGARSS 2018 – 2018 IEEE International Geoscience and RemoteSensing Symposium, https://ieeexplore.ieee.org/document/8518812/, May 8, 2019,Valencia: IEEE.

欢迎大家关注《慧天地》同名新浪微博

微博ID：慧天地_geomaticser

荐读

点击下文标题即可阅读

编辑 / 卜玺  审核 / 卜玺 安有硕

指导：万剑华教授