TM验证MODIS过火面积产品精度分析
——以黑龙江省重大森林火灾为例

焦琳琳，申丹，常禹，胡远满，李春林

（1.中国科学院沈阳应用生态研究所森林与土壤生态国家重点实验室，沈阳110016；2.中国科学院地理科学与资源研究所，北京100101；3.中国科学院大学，北京100049）

TM验证MODIS过火面积产品精度分析
——以黑龙江省重大森林火灾为例

焦琳琳1，2，3，申丹1，3，常禹1，胡远满1，李春林1

（1.中国科学院沈阳应用生态研究所森林与土壤生态国家重点实验室，沈阳110016；2.中国科学院地理科学与资源研究所，北京100101；3.中国科学院大学，北京100049）

鉴于准确估测森林的过火面积对森林火灾的损失评估和过火区植被的恢复所具有的重要作用，选取了2006年～2010年黑龙江省51个重大森林火灾记录，分别利用MODIS的MOD14A2（Terra）火产品数据和TM遥感影像数据估算过火面积，并利用Kappa指数分析过火面积在数量和空间位置上的一致性。结果表明：在单个火场尺度上，小于3.72km2的森林火灾不适于利用MOD14A2产品来估算过火面积，而年过火总面积的相对误差小于15%。MOD14A2火产品可以有效地估测年度尺度上森林的过火面积；数量Kappa指数明显大于位置Kappa指数和标准Kappa指数，位置Kappa指数较低，这可能是由于MODIS数据的空间分辨率较低、林火记录坐标位置不够准确等原因造成的，有待进一步研究。

MODIS；TM；林火；过火面积；黑龙江

0 引 言

林火是森林生态系统中非常重要的自然干扰因子之一，在维护森林生态系统的稳定性、促进森林发育以及植被演替方面具有十分重要的作用［1］。森林过火面积是森林火灾评估的重要因子［2－3］。过火区面积的大小能反映火灾对森林植被的影响程度［4］。目前森林火灾面积估算主要包括航空圈图法、数据统计法、地面调查法和遥感图像法，其中数据统计法和遥感图像法主要应用估测大尺度森林火灾面积［5］。数据统计法就是利用国家、国际组织公布的统计资料对林火发生的面积进行估算；遥感图像法是根据火烧前后的遥感影像差异来识别过火区并对其进行面积估算。前者工作量大，耗费人力，成本较高，不适用进行大尺度的森林过火区面积的估测；而遥感卫星具有成像周期短、覆盖范围广等特点，在森林火灾监测和过火区面积估算中具有显著的优势。国内外学者在此方面进行了大量的研究：如利用NOAA－AVHRR［6－9］、SPOT［10－12］、LANDSAT［13－17］、MODIS［18－21］、FY［22－23］进行的林火监测和面积估算。近年来，利用多源卫星数据估算过火面积得到了广泛关注，Fuller等利用NOAA－AVHRR卫星和LANDSAT卫星的估算马来西亚的森林过火面积［24］；Gitas等利用NOAA－AVHRR卫星和MODIS卫星估算西班牙的森林过火面积并对过火区进行了等级划分［6］；Roldán－Zamarrón等利用Landsat5－TM卫星、Envisat－MERIS卫星和MODIS卫星绘制了西班牙西部地区过火区图并估算了过火面积［25］；郑伟等利用MODIS卫星和CBERS卫星数据估算森林过火区面积［4］。综上所述，国内外利用遥感图像估测森林火灾面积取得了可观的研究成果，但是在大尺度范围内，应用低分辨率遥感图像所估测的森林过火面积的精度备受质疑。

本文利用Landsat－TM／ETM＋验证MODIS火产品——MOD14A2（Terra）估测的森林过火面积的精度，为中低分辨率的遥感影像在大尺度范围内林火检测中的应用提供参考。

1 研究区概况

黑龙江省居于中国最北端，地理坐标位于121° 11′E～135°05′E，43°26′N～53°33′N之间。北和东都与俄罗斯相邻，西与内蒙古自治区毗邻，南与吉林省接壤；全省土地面积约为4.54×105km2，总人口约为3833.4万人；气候为中温带到寒温带的大陆性季风气候，冬季寒冷干燥，夏季炎热多雨，春秋季多大风且干燥，容易发生火灾，一年有两个森林火灾高峰期，3月～6月为大高峰期和9月～10月为小高峰期；根据地貌的差异，将全省分为5个区域：西北的大兴安岭、东北的小兴安岭、东南的东部山地、西部的松嫩平原区及东部的三江兴凯平原区。其中林区地貌以山地为主，山地海拔高度在300m～1600m左右，平原海拔高度在35m～200m左右；地带性植被为寒温带针叶林和针阔混交林，森林面积达1570万hm2，主要分布在大兴安岭、小兴安岭、张广才岭、老爷岭和完达山5大片林区，天然林比重大、人工林少。黑龙江省是全国森林防火的重点省份，年均森林过火面积居全国前列，是中国火灾危害严重的地区［26］，适合开展本项研究。

2 数据来源及研究方法

本研究从美国国家航空航天局（NASA）的陆地数据分发中心（Land Processes DAAC）获取黑龙江省2006年～2010年MODIS火产品数据集MOD14A2（Terra）和TM遥感影像数据集（http：／／earthexplorer.usgs.gov／）。2006年～2010年黑龙江省森林火灾记录来自林业科学数据中心（http：／／www.cfsdc.org／），该火灾记录包括起火点的位置、火烧面积、起火原因、起火时间、灭火时间和过火区植被类型等。

2.1 MOD14A2数据的处理

MODIS是搭载在Terra和Aqua卫星上的一个重要的传感器，其中Terra为上午轨道卫星，Aqua为下午轨道卫星。对于接收MODIS数据来说，每天最少可以得到两次白天和黑夜过境的更新数据。本文选用MOD14A2／Terra的火掩膜产品作为数据源。

MOD14A2产品中有9种不同类型的像元，分别为0（丢失数据未加工的）、2（其他原因未知丢失数据未加工的）、3（水）、4（云）、5（未着火陆地）、6（未知）、7（低概率火灾）、8（中等概率火灾）、9（高概率火灾）。具体选取哪个等级概率的象元作为过火象元，一般需要根据研究尺度和研究区的实际情况来确定［27］。本文首先在全国尺度上，将2003年和2006年全国森林过火面积统计数据与MOD14A2基于不同概率合成的过火面积相比较，发现当只考虑高概率火时，2003年和2006年MOD14A2的过火面积分别为3937km2和2881km2，统计数据为4510.19km2和4082.42km2，误差低于30%，包含其他概率火时，误差较大。研究表明，用MODIS检测火灾时，当误差小于30%时，就可认为是较理想的数据源［28］。因此本文仅选用高概率火灾的象元，来分析在省级尺度上，MOD14A2过火面积产品的精度。

对2006年～2010年的遥感数据进行预处理，将包含黑龙江省的遥感影像进行基于地理坐标系的镶嵌，镶嵌之后结合黑龙江省土地覆盖图进行掩膜计算。

对进行预处理之后的遥感图像进行二值化处理，将所有像元值大于8的像元赋值为1（着火区域），像元值小于等于8的像元赋值为0（未着火区域）。将各年份二值化的遥感图像依次进行叠加，再进行二值化处理，将叠加后所有像元值大于0的像元赋值为1（着火区域），像元值等于0的像元赋值为0（未着火区域）。利用ArcGIS地理信息系统软件进行空间分析，包括重分类、区域统计等分析，得到各年份的过火面积数据。

2.2 基于TM的森林过火区的绘制

根据2008年《森林防火条例》的规定，在森林火灾记录中选取过火面积大于100hm2的重大森林火灾，依据其发生的时间、地点，选取火后TM遥感影像（表1），进行7、4、3波段组合，呈现真彩色影像，过火区呈现红色，非过火区呈现绿色，黑色等其他颜色，通过目视解译，得到过火区的空间分布图，据此计算森林过火面积。

2.3 TM和MODIS两种遥感影像估算的过火面积的比较

本文以TM遥感影像解译的过火区面积为参照，比较MOD14A2过火区面积的差异，以验证MODIS火产品的精度。并利用标准Kappa指数、位置Kappa指数和数量Kappa指数［29－30］进一步分析过火区在数量和位置上的差异。

3 结果与分析

3.1 单个火场过火面积估算

根据选取的黑龙江省过火面积在1km2以上的林火记录，根据林火记录的着火地点（图1），运用ArcGIS对TM（图2）进行目视解译，完成过火区制图，最终解译出亚里河、呼滨等51处火烧迹地，其详细信息如表1所示。

图1 黑龙江省2006年～2010年火烧记录点空间分布图

图2 黑龙江省森林过火区TM遥感解译示例

表1 目视解译火场信息

续表1

其中，相对差异计算公式如下：

由表1可知，MODIS获取的森林过火面积与TM遥感影像目视解译相对差异低于25%的火场数为33场，其余场火灾的相对差异在25%～75%之间。总体看来，对于单场森林火灾来说，MODIS动态火产品MOD14A2估算过火面积的精度相对较低。

为了检验表1中TM的解译结果和MOD14A2提取的过火面积数据是否存在显著差异，本文进行了Wilcoxon秩和检验。Wilcoxon秩和检验应用于两样本成组数据分析，先将两样本看作单一样本（混合样本）进而由小到大排列观察值统一编秩。如果原假设两个独立样本来自相同的总体为真，那么秩将大约均匀分布在两个样本中，即小、中、大秩值被均匀地分布在两个样本中；如果两个独立样本分别来自两个不同的总体，那么其中一个样本必定包含更多小秩值，这样得到一个较小秩和；另一个样本则包含更多大秩值，得到一个较大秩和，据此进行两组样本的差异显著性检验［31］。检验结果表明，两组数据均为非正态分布，不存在显著差异（p＝0.4945）。

虽然2组数据的统计检验不存在显著差异，但是个别火场的误差较大（60%以上），为了确定在多大过火面积时，误差在可接受的范围内，本文以TM遥感影像目视解译的过火面积为自变量，TM和MODIS估算的过火面积的相对差异为因变量，进行非线性曲线拟合，得出结果如图3所示。

图3 不同过火面积下相对差异的变化

由图3可知，过火面积与相对差异之间呈现对数函数的关系，经过对拟合曲线函数进行一阶求导得出，曲线的拐点在过火面积为3.72km2处。这表明，由于MOD14A2的空间分辨率较低（1km），小于3.72km2的森林火灾不适于利用该产品来估算过火面积。

MOD14A2产品主要是从MODIS 4－11微波辐射计算来的，火的监测策略是以火的绝对监测（当火的强度足够被检测到时）和火背景信息的相对检测为基础的（证明表面温度和太阳反射的变化）。但在检测过程中，在火场边缘易出现错判现象，由于火场边缘热效应的影响，常在火点附近形成一个温度场，易出现边缘热效应现象，导致MODIS提取的过火面积较大［28］。Giglio等在估算全球火灾的分布时也发现利用MODIS数据产品估算的过火面积偏大［32］；缪婷婷在估算江西省武宁县火烧迹地面积时得出的迹地面积都大于实际火烧面积［33］。而郑伟等在估算内蒙古自治区牙克石市免渡河林场过火面积时发现考虑植被盖度时利用MODIS数据得出的过火面积要小于实际火烧面积［4］；尤慧等在估算加拿大北方森林火烧迹地面积时也发现在萨省利用MODIS标准火烧迹地产品估算的迹地面积要远小于加拿大林业局提供的实际数据［34］。

3.2 年度森林过火面积的估算

其中，相对差异计算公式如下：

对表2中TM遥感目视解译的年过火面积和MODIS火产品提取的年过火面积两组数据，进行Wilcoxon非参数检验，检验结果表明：检验两组数据均属于非正态分布，两组数据差异不显著（p＝0.4647）。

表2 2006年～2010年黑龙江省年过火面积

由表3可知，除了2008年过火面积相对差异为16.8%以外，其余年份相对差异均小于15%，其中2006年、2007年、2010年这三年的年过火面积相对误差低于6%。MODIS L1B遥感数据是采用绝对阈值法和背景信息相结合的方法来识别温度异常区域，判别时对所有的数据使用了统一的阈值标准，并不随着季节和地域变化而变化，因此，针对于特定区域时识别火点和估测过火面积精度较低［22］。而MOD14A2火产品在火点识别时，增加了用来排除错误警报信息（太阳闪烁以及海岸带揭露等）的测试，一定程度上增加了火点识别的准确性。相关研究表明MODIS遥感影像数据估算过火面积精度在60%以下［27］。本文的研究结果表明，火产品的年过火面积精度在86%以上，说明该火产品在检测黑龙江省年过火面积时，是一个非常有效的数据源，这在MODIS其他地区的应用中，也得到了证实，例如，Padilla等验证了MCD45火产品在全球尺度上估算森林过火面积的可利用性［35］；Loboda等验证了在亚洲中部地区MODIS火产品的可用性，并分析了亚洲中部地区火灾发生的时空格局［36］；Boschetti等人利用MCD45产品和EFFIS数据估算了2007夏天希腊发生的重大森林火灾过火面积，并证明其可用性［37］。

3.3 TM和MODIS估测的过火区面积Kappa指数

如表3所示，2006年～2010年的数量Kappa指数均大于0.8，表明在不考虑空间位置变化的情况下，TM和MODIS估算的研究区过火区面积差别较小，可以用MODIS进行过火区面积的估测；但是位置Kappa指数和标准Kappa指数都较低，这可能由两方面的因素造成的：一是火灾记录空间位置不准确；二是TM和MODIS空间分辨率的差异。

表3 TM和MODIS估测的过火区面积Kappa指数

3 结束语

本文利用TM遥感影像估算了黑龙江省重大森林火灾（过火面积≥1km2）的过火区面积，并以其为基准，比较了MOD14A2火产品的过火区面积误差。结果表明在单个火场尺度上，小于3.72km2的森林火灾不适于利用MOD14A2产品来估算过火面积；而年过火总面积的相对误差小于15%，MOD14A2火产品可以有效地估测年度尺度上，森林的过火面积。

Kappa指数的分析表明，数量Kappa指数明显大于位置Kappa指数和标准Kappa指数，说明MOD14A2火产品和TM遥感影像解译出的黑龙江省年过火面积基本相近。但是，由于MODIS数据的空间分辨率较低、林火记录坐标位置不够准确等原因，MOD14A2火产品与TM遥感影像的位置Kappa指数较低。

［1］魏书精，胡海清，孙龙.气候变化对我国林火发生规律的影响［J］.森林防火，2001（1）：30－34.

［2］易浩若，纪平.林过火面积的遥感测算方法［J］.遥感技术与应用，1988，13（2）：10－14.

［3］覃先林，李增元，易浩若，等.基于ENVISAT－MERIS数据的过火区制图方法研究［J］.遥感技术与应用，2008，23（1）：1－6.

［4］郑伟，李亚君，刘诚，等.基于多源卫星遥感数据的森林过火区面积估算方法［J］.林业科学，2011，47（8）：192－195.

［5］王强.基于多源遥感数据估测林火参数的研究［D］.哈尔滨：东北林业大学，2009.

［6］GITAS I Z，MITRI G H，VENTURA G.Object－based image classification for burned area mapping of Creus Cape，Spain，using NOAA－AVHRR imagery［J］.Remote Sensing of Environment，2004，92（3）：409－413.

［7］CHUEIVECO E，ENGLEFIELD P，TRISCHCHENKO A P，et al.Generation of long time series of burn area maps of the boreal forest from NOAA－AVHRR composite data［J］.Remote Sensing of Environment，2008，112（5）：2381－2396.

［8］赵彬，赵文吉，潘军，等.NOAA－AVHRR数据在吉林省东部林火信息提取中的应用［J］.国土资源遥感，2010，22（1）：77－80.

［9］苏力华，楼玫娟，肖金香，等.气象卫星遥感监测在森林防火中的应用［J］.西北农林科技大学学报 （自然科学版），2004，32（11）：85－88.

［10］TANSEY K，GREGORIRE J M，STROPPIANA D.Vegetation burning in the year 2000：global burned area estimates from SPOT VEGETATION data［J］.Journal of Geophysical Research：Atmospheres（1984－2012），2004，109（D14S03）：1－22.

［11］SILVA J，PEREIRA J，CABRAL，et al.An estimate of the area burned in southern Africa during the 2000dry season using SPOT－VEGETATION satellite data［J］.Journal of Geophysical Research：Atmospheres（1984－2012），2003，108（D13）：8498－8509.

［12］李建微，陈崇成，於其之，等.虚拟森林景观中林火蔓延模型及三维可视化表达［J］.应用生态学报，2005，16（5）：838－842.

［13］KOUTAIAS N，KARTERIS M.Burned area mapping using logistic regression modeling of a single post－fire Landsat－5 thematic mapper image［J］.International Journal of Remote Sensing，2000，21（4）：673－687.

［14］MITRI G H，GITAS I Z.The development of an object－oriented classification model for operational burned area mapping on the Mediterranean island of Thasos using LANDSAT TM images［J］.Forest Fire Research ＆Wildland Fire Safety，2005，72（1）：1－12.

［15］MITRI G H，GITAS I Z.A semi－automated object－oriented model for burned area mapping in the Mediterranean region using Landsat－TM imagery［J］.International Journal of Wildland Fire，2004，13（3）：367－376.

［16］王晓莉，王文娟，常禹，等.基于NBR指数分析大兴安岭呼中森林过火区的林火烈度［J］.应用生态学报，2013，24（4）：967－974.

［17］李月辉，胡远满，常禹，等.大兴安岭呼中林业局森林景观格局变化及其驱动力［J］.生态学报，2006，26（10）：3347－3357.

［18］刘良明，鄢俊洁.MODIS数据在火灾监测中的应用［J］.武汉大学学报（信息科学版），2004（1）：55－60.

［19］刘斌.大兴安岭林火动态变化［D］.北京：中国林业科学研究院，2011.

［20］ROY D P，BOSCHETTI L，JUSTICE C O，et al.The collection 5MODIS burned area product—global evaluation by comparison with the MODIS active fire product［J］.Remote Sensing of Environment，2008，112（9）：3690－3707.

［21］GIGLIO L，LOBODA T，ROY D P，et al.An active－fire based burned area mapping algorithm for the MODIS sensor［J］.Remote Sensing of Environment，2009，113（2）：408－420.

［22］何全军，刘诚.MODIS数据自适应火点检测的改进算法［J］.遥感学报，2008，12（3）：448－452.

［23］纪平，易浩若.基于气象卫星资料的地类面积计算方法［J］.国土资源遥感，1999（2）：52－56.

［24］FULLER D O，FULK M.Burned area in Kalimantan，Indonesia mapped with NOAA－AVHRR and Landsat TM imagery［J］.International Journal of Remote Sensing，2001，22（4）：691－697.

［25］ROLDAN－ZAMARRON A，MERINO－DE－MIGUEL S，GONZALEZ－ALONSO F.Minas de Riotinto（south Spain）forest fire：burned area assessment and fire severity mapping using Landsat 5－TM，Envisat－MERIS，and Terra－MODIS postfire images［J］.Journal of Geographic Research：Biogeosciences（2005－2012），2006，111（G4S11）：1－9.

［26］王明玉，舒立福，田晓瑞，等.ENSO对黑龙江省森林火灾的影响［J］.林业科学研究，2010，23（5）：644－648.

［27］GIGLIO L，WERF G R，RANDERSON J T，et al.Global estimation of burned area using MODIS active fire observations［J］.Atmospheric Chemistry and Physics，2006，6（4）：957－974.

［28］JUSTICE C O，GIGLIO L，KORONTZI S，et al.The MODIS fire products［J］.Remote Sensing of Environment，2002，83（1）：244－262.

［29］吴波，慈龙骏.毛乌素沙地景观格局变化研究［J］.生态学报，2001，21（2）：191－196.

［30］卢玲，程国栋，李新.黑河流域中游地区景观变化研究［J］.应用生态学报，2001，12（1）：68－74.

［31］ORIS F，ASSLIENH，FINSINGER W，et al.Long－term fire history in northern Quebec：implications for the northern limit of commercial forests［J］.Journal of Applied Ecology，2004，51（3）：675－683.

［32］GIGLTO L，CSISZAR I，JUSTICE C O.Global distribution and seasonality of active fires as observed with the Terra and Aqua Moderate Resolution Imaging Spectroradiometer（MODIS）sensors［J］.Journal of Geophysical Research：Biogeosciences（2005－2012），2006，111（G02016）：1－12.

［33］缪婷婷.基于MODIS数据的森林火点监测算法及迹地面积估算的研究［D］.南京：南京信息工程大学，2012.

［34］尤慧，刘荣高，祝善友，等.加拿大北方森林火烧迹地遥感分析［J］.地球信息科学学报，2013，15（4）：597－603.

［35］PADILLA M，STEHMAN S V，CHUVIECO E.Validation of the 2008MODIS－MCD45global burned area product using stratified random sampling［J］.Remote Sensing of Environment，2014，144：187－196.

［36］LOBODA T V，GIGLIO L，BOSCHETTI L，et al.Regional fire monitoring and characterization using global NASA MODIS fire products in dry lands of Central Asia［J］.Frontiers of Earth Science，2012，6（2）：196－205.

［37］BOSCHETTI L，ROY D，BARBOSA P，et al.A MODIS assessment of the summer 2007extent burned in Greece［J］.International Journal of Remote Sensing，2008，29（8）：2433－2436.

Using TM to Validate Burnt Area of Large Forest Fires Based on MODIS：A Case Study in Heilongjiang Province

JIAO Lin－lin1，2，3，SHEN Dan1，3，CHANG Yu1，HU Yuan－man1，LI Chun－lin1
（1.State Key Laboratory of Forest and Soil Ecology，Institute of Applied Ecology，Chinese Academy of Sciences，Shenyang110016；2.Institute of Geographic Sciences and Natural Resources Research，Chinese Academy of Sciences，Beijing100101；3.University of Chinese Academy of Sciences，Beijing100049）

Burnt forest area is an important parameter of forest fires.Accurate estimation of burnt forest area has significant implications both for assessment of losses caused by forest fires and for post－fire regeneration.In this paper，the MODIS fire product，MOD14A2，and TM image data were utilized to estimate burnt forest area of 51burned sites from year 2006to 2007in Heilongjiang province.Kappa index was used to test the consistency between burnt forest area derived from MOD14A2and TM data.Results showed that it is not applicable to estimate burnt forest area less than 3.75square kilometers using MOD14A2 product，while the relative error for annual burnt forest area was less than 15%.The MODIS fire product，MOD14A2，could be effectively used to estimate annual burnt forest area.Quantitative Kappa index was obviously higher than location Kappa index and standard Kappa index and the lower location Kappa was probably due to the low spatial resolution of MODIS and the inaccurate geographic positions of forest fires recorded，which needs to be further explored.

MODIS；TM；forest fire；burned forest area；Heilongjiang

10.3969／j.issn.1000－3177.2015.06.005

Q149

A

1000－3177（2015）142－0024－07

2014－10－24

2014－12－16

国家自然科学基金（31470516、41201185、41271201）；中国科学院战略性先导科技专项（XDA05050201）。

焦琳琳（1988—），女，博士研究生，主要从事景观生态学研究。

E－mail：525082768＠qq.com

常禹（1965—），男，研究员，主要从事景观生态学、空间直观景观模型、干扰生态学等研究。

E－mail：changyu＠iae.ac.cn