遥感学报：中国林火卫星遥感预警监测技术研究进展（2020）

1007-4619(2020)05-0511-10 Journal of Remote Sensing( Chinese)遥感学报 中国林火卫星遥感预警监测技术研究进展 覃先林,李晓彤,刘树超,刘倩,李増元 1.中国林业科学研究院资源信息研究所,北京100091 2.国家林业和草原局林业遥感与信息技术重点实验室,北京100091 摘要:中国目前已形成了地面巡护、近地面监测、航空巡护和卫星监测等4级立体林火监测层次,但森林火灾 仍是造成中国森林资源损失、森林生态环境安全和人身伤害的主要林业灾害。为对林火预警监测技术硏究提供 技术借鉴参考,本文从可燃物参数估测、烟区识别、着火点检测、森林大火燃烧动态监测、森林火烧迹地制图 森林火灾受害程度评价、森林燃烧生物量估算和火后植被恢复监测等8个方面.对中国近二十多年来开展的林火 卫星遥感预警监测应用技术的研究进展、存在的技术问题和发展趋势进行了分析,并对构建服务于生态文明建 设的天一空一地一体化的林火预警监测技术体系建设进行了展望。 关键词:卫星遥感技术,林火预警,林火监测,森林防火 引用格式:覃先林,李晓彤,刘树超,刘倩,李增元.2020.中国林火卫星遥感预警监测技术研究进展.遥感学报,24(5):511-520 Qin X L, i X T, Liu S C, Liu Q and Li Z Y. 2020. Forest fire early warning and monitoring techniques using satellite remote sensing in China. Journal of Remote Sensing( Chinese), 24(5): 511-520 [DOI: 10. 11834/jrs. 20209135] 1引言 而为森林火灾的预防扑救和灾后恢复重建等决策 工作提供科技支撑。中国相继在北京、昆明、乌鲁 森林火灾不仅烧毁林木、伤害林内的动植物、木齐和哈尔滨建立了卫星林火监测站,实现了利用 影响生态环境,还会对林区居民的人身安全、社中国风云气象卫星(FY)、美国的NOAA系列和 会和经济发展等带来危害。中国自开展天然林保EOS系列等卫星对全国森林火灾的监测,林火识别 护、退耕还林还草、速生丰产林基地建设等林业准确率达到90%以上;卫星已成为当今全国火情日 重点生态工程建设以来,森林覆盖率稳步提升,常监测业务的一种重要技术手段(杜永胜,2012)。 林内可燃物大量增加;林农间作、森林旅游、全 球气候异常、以及境外火入侵等造成近年中国的2研究进展 重特大森林火灾时有发生、伤亡事故频繁的局面。 中国的遥感技术和遥感林业应用技术经过近几 因此,对森林火灾及时预警和监测是实现“打早、十年的发展,如今已成为支撑林业资源和生态环境 打小、打了”的首要任务 监测评价的主要技术手段(李增元等,2013);中 目前,中国的林火监测已形成了地面巡护、国林业科学研究院资源信息研究所、中科院遥感 近地面、航空巡护和卫星监测等4级立体监测层次与数字地球研究所、国家卫星气象中心、北京林 (覃先林,2016)。卫星监测具有覆盖面积大、时业大学等单位,依托承担的科研项目,长期致力 效性高、连续性强等优点,不仅可对林区的森林于卫星遥感技术在森林防火中的应用技术研究。 资源及火情等进行日常宏观监测,而且还可对森在此,结合利用卫星遥感技术曾开展的可燃物参 林火险因子、森林火灾的燃烧状况、火灾损失及数估测、烟区识别、着火点检测、森林大火燃烧 灾后森林植被恢复等进行长期连续跟踪监测,从动态监测等方面的硏究工作,对中国近二十多年 收稿日期:2019-04-30;预印本:2019-05-27 基金项目:中国林业科学研究院科研专项资金项目(编号: CAFYBB208SZ009);国防科工局高分重大专项(编号:21-Y30B02-9001-19 2206) 第一作者简介:覃先林,1969年生,男,研究员,研究方向为林火卫星遥感预警监测技术。E-mal: noaags@ifrit ac 通信作者简介:李增元,1959年生,男,研究员,研究方向为林业遥感技术与应用。E-mal:liey@ifit.accn

1007-4619（2020）05-0511-10 Journal of Remote Sensing（Chinese） 遥感学报 中国林火卫星遥感预警监测技术研究进展 覃先林，李晓彤，刘树超，刘倩，李增元 1. 中国林业科学研究院资源信息研究所, 北京 100091; 2. 国家林业和草原局 林业遥感与信息技术重点实验室, 北京 100091 摘 要： 中国目前已形成了地面巡护、近地面监测、航空巡护和卫星监测等4级立体林火监测层次，但森林火灾 仍是造成中国森林资源损失、森林生态环境安全和人身伤害的主要林业灾害。为对林火预警监测技术研究提供 技术借鉴参考，本文从可燃物参数估测、烟区识别、着火点检测、森林大火燃烧动态监测、森林火烧迹地制图、 森林火灾受害程度评价、森林燃烧生物量估算和火后植被恢复监测等8个方面，对中国近二十多年来开展的林火 卫星遥感预警监测应用技术的研究进展、存在的技术问题和发展趋势进行了分析，并对构建服务于生态文明建 设的天—空—地一体化的林火预警监测技术体系建设进行了展望。 关键词：卫星遥感技术，林火预警，林火监测，森林防火 引用格式：覃先林，李晓彤，刘树超，刘倩，李增元.2020.中国林火卫星遥感预警监测技术研究进展.遥感学报，24（5）：511-520 Qin X L，Li X T，Liu S C，Liu Q and Li Z Y. 2020. Forest fire early warning and monitoring techniques using satellite remote sensing in China. Journal of Remote Sensing（Chinese），24（5）：511-520［DOI：10.11834/jrs. 20209135］ 1 引 言 森林火灾不仅烧毁林木、伤害林内的动植物、 影响生态环境，还会对林区居民的人身安全、社 会和经济发展等带来危害。中国自开展天然林保 护、退耕还林还草、速生丰产林基地建设等林业 重点生态工程建设以来，森林覆盖率稳步提升， 林内可燃物大量增加；林农间作、森林旅游、全 球气候异常、以及境外火入侵等造成近年中国的 重特大森林火灾时有发生、伤亡事故频繁的局面。 因此，对森林火灾及时预警和监测是实现“打早、 打小、打了”的首要任务。 目前，中国的林火监测已形成了地面巡护、 近地面、航空巡护和卫星监测等4级立体监测层次 （覃先林，2016）。卫星监测具有覆盖面积大、时 效性高、连续性强等优点，不仅可对林区的森林 资源及火情等进行日常宏观监测，而且还可对森 林火险因子、森林火灾的燃烧状况、火灾损失及 灾后森林植被恢复等进行长期连续跟踪监测，从 而为森林火灾的预防扑救和灾后恢复重建等决策 工作提供科技支撑。中国相继在北京、昆明、乌鲁 木齐和哈尔滨建立了卫星林火监测站，实现了利用 中国风云气象卫星 （FY）、美国的 NOAA 系列和 EOS系列等卫星对全国森林火灾的监测，林火识别 准确率达到90%以上；卫星已成为当今全国火情日 常监测业务的一种重要技术手段（杜永胜，2012）。 2 研究进展 中国的遥感技术和遥感林业应用技术经过近几 十年的发展，如今已成为支撑林业资源和生态环境 监测评价的主要技术手段 （李增元 等，2013）；中 国林业科学研究院资源信息研究所、中科院遥感 与数字地球研究所、国家卫星气象中心、北京林 业大学等单位，依托承担的科研项目，长期致力 于卫星遥感技术在森林防火中的应用技术研究。 在此，结合利用卫星遥感技术曾开展的可燃物参 数估测、烟区识别、着火点检测、森林大火燃烧 动态监测等方面的研究工作，对中国近二十多年 收稿日期：2019⁃04⁃30；预印本：2019-05-27 基金项目：中国林业科学研究院科研专项资金项目（编号：CAFYBB2018SZ009）；国防科工局高分重大专项（编号：21-Y30B02-9001-19/ 22/06） 第一作者简介：覃先林，1969年生，男，研究员，研究方向为林火卫星遥感预警监测技术。E-mail：noaags@ifrit.ac.cn 通信作者简介：李增元，1959年生，男，研究员，研究方向为林业遥感技术与应用。E-mail：lizy@ifrit.ac.cn

512 ournal of remote sensing( Chinese)遥感学报2020,24(5 的林火卫星遥感预警研究进展进行总结分析 22烟区识别 2.1可燃物参数估测 森林草原等植被在燃烧过程中,会因植被自 森林火险发生预报是指利用气象、可燃物、 身水分的蒸发形成大量烟的现象。浓烟不仅会遮 火源等因子来预测预报森林火灾发生的可能性。挡火场燃烧现状,致使利用卫星影像检测着火点 影响森林火险发生预报的因素主要包括气象、植时发生漏判的现象;而且还常会形成烟区(包括 被以及环境等。中国的林火预报研究工作始于烟羽和烟团),从而为人们根据其在卫星影像上的 1955年,专家学者们结合林区情况,并参考前苏分布状况(如位置、范围和形状)来判定火场的 联、加拿大、美国等国家的预报方法,研究形位置和火蔓延趋势提供了条件。如果能从光学卫 成了利用气象要素预测预报森林火险等级的模星影像上及时发现森林草原等植被燃烧释放的烟 型(覃先林等,2010a)。随着遥感RS( Remote 的分布状况,从而提前做出预警和防备,将有助 Sensing)、地理信息系统CIs( Geographic Informati于预防森林草原火灾的发生,从而降低发生重特 System)、互联网和数据库等技术的发展和应用 大森林草原火灾的可能性。 为及时获取影响森林火险等级的火险预报参数、 自20世纪70年代以来,美国宇航局(NASA)、 开展全国每日的森林火险发生等级预报提供了可欧洲空间局(ESA)、中国等陆续发射了NOAA 行的技术手段;中国学者在森林、草原火险发生EOS、EO-12、FY系列、高分等卫星,这些卫星 预报中也探索了RS、GIS等新技术的应用方法,上搭载的传感器(如AVHR、MODs、VRR 并取得了较好的研究成果。易浩若等(2004)利 等),为人们开展大气、陆地、海洋等领域的研究 用 NOAAⅤHRR数据按旬获得全国植被的长势及 提供了长时间序列的观测数据,但与火的卫星检 绿度信息,每10-15d获取1次全国的植被长势、 测方法研究相比,目前有关烟的卫星识别方法研 植被绿度及雪覆盖等信息,并结合气象数据,建 究文献甚少,也没有类似MODS的全球着火点和 立了以县级为预报单元的全国森林火险发生预报火烧迹地等产品一样的烟产品。中国目前已在轨 模型和应用系统,在1999年和2000年全国春季和运行的高分一号(GF-1)、高分二号(GF-2)、高 秋季防火期内开展了业务运行。郭广猛(2004) 分四号(GF-4)和高分六号(GF-6)等卫星传感 以大兴安岭林区为研究区,基于MODB数据估测器均在可见光和近红外波段内设置了通道,这些 的森林可燃物湿度、植被指数和地表温度来构建通道影像上对植被因燃烧引起的热异常信息反映 火险指数,实现森林火险预警;Wang等(2004)并不明显,但其(尤其是蓝光波段)影像可较好 以中国东北大兴安岭的草原为研究对象,构建了反映植被燃烧形成的烟区的分布状况信息,为利 基于MODE数据的草原火险等级预报模型和系统。用这些高分卫星检测植被燃烧形成的烟区提供了 可行的条件。 覃先林等(2005,2007,2010a)通过在东北林 区、西南林区、广东省、广西壮族自治区和江西 笔者曾选取在黑龙江省黑河市、云南省安宁 省等开展观测试验,探讨了利用 MODIS数据识别 市、四川省甘孜州、澳大利亚等境内发生的森林 火灾为研究对象,开展了利用GF-1n2影像识别烟 森林可燃物类型、估算森林可燃物绿度及湿度的 区的方法研究。通过对烟及典型地物在GF-1/2卫 方法,并与GIS技术和数据库技术相结合,建立了 空间分辨率为1km2的全国林火预警定量估测模 星多光谱影像的可见光和近红外等通道中的特征 分析,获得烟区的影像特征;根据烟区与其他地 型,研建了林火预警系统;该系统于2009年 2012年,在中国及东南亚地区的森林火险发生物在GF-/2不同通道的反射差异特点,构建烟的 报中进行了应用(覃先林等,2012);彭光雄等 决策树判识模型,建立了利用GF-1/2影像识别烟 区的算法技术流程 (2007)利用MoDS数据识别可燃物类型、估测可 燃物湿度,并利用构建的火灾敏感性指数(FS)23着火点检测 来监测和评估马来西亚半岛的森林火险,其研究 热异常是森林草原等植被燃烧的另一典型特 结果表明该指数可有效表征该国的森林火险实际征。利用卫星遥感搭载的热红外传感器对地表热 状况。 异常敏感的特性,则可以检测出比卫星空间分辨

Journal of Remote Sensing（Chinese） 遥感学报 2020, 24（5） 的林火卫星遥感预警研究进展进行总结分析。 2.1 可燃物参数估测 森林火险发生预报是指利用气象、可燃物、 火源等因子来预测预报森林火灾发生的可能性。 影响森林火险发生预报的因素主要包括气象、植 被以及环境等。中国的林火预报研究工作始于 1955 年，专家学者们结合林区情况，并参考前苏 联、加拿大、美国等国家的预报方法，研究形 成了利用气象要素预测预报森林火险等级的模 型 （覃先林 等，2010a）。随着遥感 RS （Remote Sensing）、地理信息系统GIS（Geographic Information System）、互联网和数据库等技术的发展和应用， 为及时获取影响森林火险等级的火险预报参数、 开展全国每日的森林火险发生等级预报提供了可 行的技术手段；中国学者在森林、草原火险发生 预报中也探索了 RS、GIS 等新技术的应用方法， 并取得了较好的研究成果。易浩若等 （2004） 利 用 NOAA/AVHRR 数据按旬获得全国植被的长势及 绿度信息，每 10—15 d 获取 1 次全国的植被长势、 植被绿度及雪覆盖等信息，并结合气象数据，建 立了以县级为预报单元的全国森林火险发生预报 模型和应用系统，在 1999年和 2000年全国春季和 秋季防火期内开展了业务运行。郭广猛 （2004） 以大兴安岭林区为研究区，基于 MODIS 数据估测 的森林可燃物湿度、植被指数和地表温度来构建 火险指数，实现森林火险预警；Wang 等 （2004） 以中国东北大兴安岭的草原为研究对象，构建了 基于MODIS数据的草原火险等级预报模型和系统。 覃先林 等 （2005，2007，2010a） 通过在东北林 区、西南林区、广东省、广西壮族自治区和江西 省等开展观测试验，探讨了利用 MODIS 数据识别 森林可燃物类型、估算森林可燃物绿度及湿度的 方法，并与GIS技术和数据库技术相结合，建立了 空间分辨率为 1 km2的全国林火预警定量估测模 型，研建了林火预警系统；该系统于 2009 年— 2012 年，在中国及东南亚地区的森林火险发生预 报中进行了应用 （覃先林 等，2012）；彭光雄等 （2007） 利用MODIS数据识别可燃物类型、估测可 燃物湿度，并利用构建的火灾敏感性指数 （FSI） 来监测和评估马来西亚半岛的森林火险，其研究 结果表明该指数可有效表征该国的森林火险实际 状况。 2.2 烟区识别 森林草原等植被在燃烧过程中，会因植被自 身水分的蒸发形成大量烟的现象。浓烟不仅会遮 挡火场燃烧现状，致使利用卫星影像检测着火点 时发生漏判的现象；而且还常会形成烟区 （包括 烟羽和烟团），从而为人们根据其在卫星影像上的 分布状况 （如位置、范围和形状） 来判定火场的 位置和火蔓延趋势提供了条件。如果能从光学卫 星影像上及时发现森林草原等植被燃烧释放的烟 的分布状况，从而提前做出预警和防备，将有助 于预防森林草原火灾的发生，从而降低发生重特 大森林草原火灾的可能性。 自20世纪70年代以来，美国宇航局 （NASA）、 欧洲空间局 （ESA）、中国等陆续发射了 NOAA、 EOS、EO-1/2、FY 系列、高分等卫星，这些卫星 上 搭 载 的 传 感 器 （如 AVHRR、 MODIS、 VIRR 等），为人们开展大气、陆地、海洋等领域的研究 提供了长时间序列的观测数据，但与火的卫星检 测方法研究相比，目前有关烟的卫星识别方法研 究文献甚少，也没有类似 MODIS 的全球着火点和 火烧迹地等产品一样的烟产品。中国目前已在轨 运行的高分一号 （GF-1）、高分二号 （GF-2）、高 分四号 （GF-4） 和高分六号 （GF-6） 等卫星传感 器均在可见光和近红外波段内设置了通道，这些 通道影像上对植被因燃烧引起的热异常信息反映 并不明显，但其 （尤其是蓝光波段） 影像可较好 反映植被燃烧形成的烟区的分布状况信息，为利 用这些高分卫星检测植被燃烧形成的烟区提供了 可行的条件。 笔者曾选取在黑龙江省黑河市、云南省安宁 市、四川省甘孜州、澳大利亚等境内发生的森林 火灾为研究对象，开展了利用 GF-1/2 影像识别烟 区的方法研究。通过对烟及典型地物在 GF-1/2 卫 星多光谱影像的可见光和近红外等通道中的特征 分析，获得烟区的影像特征；根据烟区与其他地 物在 GF-1/2 不同通道的反射差异特点，构建烟的 决策树判识模型，建立了利用 GF-1/2 影像识别烟 区的算法技术流程。 2.3 着火点检测 热异常是森林草原等植被燃烧的另一典型特 征。利用卫星遥感搭载的热红外传感器对地表热 异常敏感的特性，则可以检测出比卫星空间分辨 512

覃先林等:中国林火卫星遥感预警监测技术研究进展 513 率远小的着火点,如利用星下点空间分辨率为支撑(杜永胜,2012) 1.1km×1.1km的 AVHRR数据,可检测出面积为 2.4森林大火燃烧动态监测 0.1hm2的林火(刘诚等,2004)。 20世纪80年代初,中国专家学者相继开展了 1987年“5.6”大兴安岭特大森林火灾发生以 TM、 AVHRRS等卫星数据监测林火的方法研究,并后,森林防火工作受到各级政府高度重视,森林 为1987年“56”大兴安岭特大森林火灾的预防扑防火经费和人力投入均有所增加;虽然森林火灾 救及时提供了监测服务。结合国内林火监测业务次数和造成的森林受害面积总体呈下降趋势,但 需求和国内外卫星遥感技术的发展,中国专家学目前中国的森林防火形势依然较严峻,每年仍有 者不断探讨了卫星遥感影像监测林火的技术方法 数千次森林火灾发生,且近几年都发生了重特大 并取得了许多研究成果。易浩若等(1994)利用森林火灾,不仅烧毁了大面积的森林资源,还造 专家系统方法识别AVHR影像中的火点,提升成了人员伤亡事故。如2019-03-30发生在四川省 了火点的识别精度。近年来,国内外新型卫星传凉山州木里县雅砻江镇立尔村的森林火灾,造成 感器不断发射升空,国内学者针对这些新型卫星了31名扑火人员牺牲。在森林草原大火发生中 影像特点,研究形成了相应的着火点检测方法利用卫星遥感技术准实时定量监测森林火灾燃烧 (李增元等,2016;陈洁等,2017;覃先林等 状态,对于及时准确了解火场燃烧现状、对于科 2016,2018)。 学制定预防扑救决策等均具有重要的实用价值。 按构建着火点检测算法所用的卫星遥感波谱 森林大火燃烧动态卫星监测是指在重特大森 特性,可将其归纳为基于反射特性的检测方法和林火灾发生过程中,通过利用中高空间分辨率 基于亮温特性的检测方法。前者主要是利用着火(优于100m)的卫星影像提取森林火灾的火线轮 像元与非着火像元在短波红外波段的反射率差异,廓参数(位置、长度、面积等),实现对火场燃烧 并结合它们在可见光和近红外波段的差异特性,动态的监测技术方法。与着火点识别研究相比 实现对着火像元的识别(朱亚静等,2011;于一国内外利用遥感技术监测森林草原大火的火场燃 凡等,2013;何阳等,2016)。该方法主要适用于烧动态的研究文献屈指可数,国外仅查阅到 具有短波红外波段的多光谱卫星数据(如 Landsat Ononye等(2007)曾用航空可见热红外影像 AVIRIS TM/ETM+、 Landsat8OL、SPoT和 Sentinel-2AB( Airborne Visible/Infrared Imaging Spectrometer),采 等)。后者主要利用着火像元与非着火像元在中波用梯度法提取森林火灾的火线;国内付迎春等 红外通道、远红外通道的亮温及其差异特性来构(2008,2009)研究了 MODIS影像提取火线周长 建检测判识条件;对于白天的卫星影像,还结合预测火的蔓延方向的方法。由于大多数森林草原 可见光和近红外波段的反射特性来消除外界环境火灾在星下点空间分辨率约1km的低空间分辨率热 的干扰信息(覃先林和易浩若,2004;覃先林等,红外通道卫星影像(如NOAA、MODS、FY等)上 2007,2010b,2018;周艺等,2007;陈洁等 通常仅表现为点特征,而在 Landsat TM/ETM+OLI 2017)。该方法主要应用于具有中波红外和远红外GF-4、 Sentinel-2A/B等中高空间分辨率卫星影像 通道的卫星数据(如MoDs、 NOAAAVHRR、FY上则较好地表征出火线具有的线面特征。覃先林 系列和 Himawari-8数据等)。 等(2013)利用天宫一号卫星数据,分析发现在 经过近20多年的技术攻关和应用系统建设,短波红外影像上也可较好地分辨出正在燃烧的区 中国研究形成了适用于不同卫星遥感数据的火情域。美国的 Landsat tm/ETM+、 Landsat8oLI 监测应用方法和技术系统(吴雪琼等,2010),并 Sentinel-2A/B等中高空间分辨率传感器中都有中 开展了全国及周边区域的火情监测应用服务。同心波长分别约1.65μm、2.12um的短波红外通道 时,中国国家森林防火指挥部卫星林火监测系统从其影像中可分辨岀正在燃烧的森林草原火场轮 从1995年建立运行以来,已从仅利用NOAA/廓。当森林草原火灾、尤其是重特大森林草原火 AVHRR影像发展到综合应用NOAA、FY和MoDS灾发生过程中,由于受火场地形、植被、风向等 等卫星影像,已成为日常全国火情监测的主要技影响,常常形成多个火线同时向不同方向蔓延扩 术设施,并为森林火灾指挥扑救及时提供了技术散的现象,在中高空间分辨率卫星影像上则表现

覃先林 等：中国林火卫星遥感预警监测技术研究进展 率远小的着火点，如利用星下点空间分辨率为 1.1 km×1.1 km 的 AVHRR 数据，可检测出面积为 0.1 hm2 的林火 （刘诚 等，2004）。 20世纪 80年代初，中国专家学者相继开展了 TM、AVHRR等卫星数据监测林火的方法研究，并 为 1987年“5.6”大兴安岭特大森林火灾的预防扑 救及时提供了监测服务。结合国内林火监测业务 需求和国内外卫星遥感技术的发展，中国专家学 者不断探讨了卫星遥感影像监测林火的技术方法， 并取得了许多研究成果。易浩若等 （1994） 利用 专家系统方法识别 AVHRR 影像中的火点，提升 了火点的识别精度。近年来，国内外新型卫星传 感器不断发射升空，国内学者针对这些新型卫星 影像特点，研究形成了相应的着火点检测方法 （李增元 等，2016；陈洁 等，2017；覃先林 等， 2016，2018）。 按构建着火点检测算法所用的卫星遥感波谱 特性，可将其归纳为基于反射特性的检测方法和 基于亮温特性的检测方法。前者主要是利用着火 像元与非着火像元在短波红外波段的反射率差异， 并结合它们在可见光和近红外波段的差异特性， 实现对着火像元的识别 （朱亚静 等，2011；于一 凡 等，2013；何阳 等，2016）。该方法主要适用于 具有短波红外波段的多光谱卫星数据 （如 Landsat TM/ETM+、Landsat 8 OLI、SPOT 和 Sentinel-2A/B 等）。后者主要利用着火像元与非着火像元在中波 红外通道、远红外通道的亮温及其差异特性来构 建检测判识条件；对于白天的卫星影像，还结合 可见光和近红外波段的反射特性来消除外界环境 的干扰信息 （覃先林和易浩若，2004；覃先林 等， 2007，2010b，2018；周艺 等，2007；陈洁 等， 2017）。该方法主要应用于具有中波红外和远红外 通道的卫星数据 （如 MODIS、NOAA/AVHRR、FY 系列和Himawari-8数据等）。 经过近 20 多年的技术攻关和应用系统建设， 中国研究形成了适用于不同卫星遥感数据的火情 监测应用方法和技术系统 （吴雪琼 等，2010），并 开展了全国及周边区域的火情监测应用服务。同 时，中国国家森林防火指挥部卫星林火监测系统 从 1995 年 建 立 运 行 以 来 ， 已 从 仅 利 用 NOAA/ AVHRR影像发展到综合应用NOAA、FY和MODIS 等卫星影像，已成为日常全国火情监测的主要技 术设施，并为森林火灾指挥扑救及时提供了技术 支撑 （杜永胜，2012）。 2.4 森林大火燃烧动态监测 1987 年“5.6”大兴安岭特大森林火灾发生以 后，森林防火工作受到各级政府高度重视，森林 防火经费和人力投入均有所增加；虽然森林火灾 次数和造成的森林受害面积总体呈下降趋势，但 目前中国的森林防火形势依然较严峻，每年仍有 数千次森林火灾发生，且近几年都发生了重特大 森林火灾，不仅烧毁了大面积的森林资源，还造 成了人员伤亡事故。如 2019-03-30 发生在四川省 凉山州木里县雅砻江镇立尔村的森林火灾，造成 了 31 名扑火人员牺牲。在森林草原大火发生中， 利用卫星遥感技术准实时定量监测森林火灾燃烧 状态，对于及时准确了解火场燃烧现状、对于科 学制定预防扑救决策等均具有重要的实用价值。 森林大火燃烧动态卫星监测是指在重特大森 林火灾发生过程中，通过利用中高空间分辨率 （优于 100 m） 的卫星影像提取森林火灾的火线轮 廓参数 （位置、长度、面积等），实现对火场燃烧 动态的监测技术方法。与着火点识别研究相比， 国内外利用遥感技术监测森林草原大火的火场燃 烧 动 态 的 研 究 文 献 屈 指 可 数 ， 国 外 仅 查 阅 到 Ononye 等（2007）曾用航空可见/热红外影像AVIRIS （Airborne Visible/Infrared Imaging Spectrometer），采 用梯度法提取森林火灾的火线；国内付迎春等 （2008，2009） 研究了 MODIS 影像提取火线周长、 预测火的蔓延方向的方法。由于大多数森林草原 火灾在星下点空间分辨率约1 km的低空间分辨率热 红外通道卫星影像（如NOAA、MODIS、FY等）上 通常仅表现为点特征，而在Landsat TM/ETM+/OLI、 GF-4、Sentinel-2A/B 等中高空间分辨率卫星影像 上则较好地表征出火线具有的线面特征。覃先林 等 （2013） 利用天宫一号卫星数据，分析发现在 短波红外影像上也可较好地分辨出正在燃烧的区 域 。 美 国 的 Landsat TM/ETM+ 、 Landsat 8 OLI、 Sentinel-2A/B 等中高空间分辨率传感器中都有中 心波长分别约 1.65 μm、2.12 μm的短波红外通道， 从其影像中可分辨出正在燃烧的森林草原火场轮 廓。当森林草原火灾、尤其是重特大森林草原火 灾发生过程中，由于受火场地形、植被、风向等 影响，常常形成多个火线同时向不同方向蔓延扩 散的现象，在中高空间分辨率卫星影像上则表现 513

514 Journal of remote sensing( Chinese)遥感学报2020,24(5 出多个分散的燃烧区域,如果要准确从卫星影像2.6森林火灾受害程度评价 中勾绘出这些正在燃烧的区域,通常比较繁琐。 对森林受害程度及损失状况的评估是开展森 杨飞(2012)、覃先林等(2014)曾利用具有中高林火灾恢复重建工作极为重要的业务需求。森林 分辨率特性的 Landsat tm/etM+数据模拟GF-4数受害程度可以反映火灾发生后森林生态系统变化 据,研究了火线轮廓定量提取方法,实现了基于程度,即它与植被死亡率成正比,与植被修复能 Landsat tm/etm+数据自动生成火线轮廓参数算法力成反比。利用卫星遥感技术评价森林火灾受害 程序化;该方法曾用于估测在中国黑龙江省和俄程度不仅可了解火后森林受害程度,也有助于指 罗斯远东地区境内的森林大火的火线参数;随着导森林火灾灾后恢复工作。国内外较多用火烧烈 GF-4卫星的升空运行,目前该技术已成功应用于度( Burn Severity)来定量评价森林受害程度(常 GF-4PMI数据定量提取森林大火火线轮廓参数。 禹等,2012;李明泽等,2017)。 2.5森林火烧迹地制图 不同类型卫星遥感数据及其光谱波段间组合 卫星影像能够获取同一地区不同时间的信息, 指数,如NBR( Normalized burn ratio)、NDVI 而不同空间分辨率的卫星影像在不同尺度的火烧 Normalized Difference Vegetation Index) Fl EVI 迹地制图中都有应用。NASA、ESA、国际地圈生 ( Enhanced vegetation Index)等,已被广泛地应用 物圈计划(IGBP)等国际组织已发布了全球尺度 在森林燃烧受害程度的评价中。利用卫星遥感评 价森林燃烧受害程度的方法可分为:(1)通过目 卫星遥感火烧迹地产品,空间分辨率从250m到 视判读选取不同燃烧程度的训练样本,采用分类 不等( Chuvieco等,2018);Long等(2019)首 方法将卫星影像分为不同的火灾燃烧程度类别 次研制共享了全球30m分辨率的火烧迹地遥感 (2)通过卫星影像计算植被指数,结合地面调查 产品。 组合指数CBI( Composite Burn Index)来构建森林 可将光学卫星遥感森林火烧迹地制图方法归 燃烧受害程度的评价指标;(3)通过研究火灾发 类为图像分类法、植被指数法和 Logistic回归法 °生前后卫星遥感计算的值变化来进行受害程度评 图像分类法在火烧迹地遥感制图研究中使用比较价;如Y等(2013)通过 AVHRR数据计算的 多,主要包括传统的监督分类、非监督分类、决NDⅥ差值来评价1987年大兴安岭火灾受害程度和 策树分类、人工神经网络分类、面向对象分类和分析其空间格局;刘树超等(2018)利用森林火 随机森林分类等(祖笑锋等,2015;李明泽等 灾前后的 Landsat8影像计算的差值归一化燃烧指 2017)。植被指数法主要是根据被火烧后的植被在数(dNB)作为受害程度评价指标,通过目视解 卫星遥感影像光谱上与正常植被、其他地物的差译和统计分析相结合的方法,将森林火灾受害程 异,通过构建的植被指数来进行识别(易浩若和度分为低度、中度、重度和未受害等4个等级,对 纪平,1998;朱曦和覃先林,2013;孙桂芬 017-05-02发生在内蒙古毕拉河林场的森林火灾 2018)。该方法的难点是确定分离火烧迹地和其他受害程度进行了评价。 地物的植被指数和阈值;而不同的卫星传感器 按受害程度评价中选用的卫星数据时间可分 不同地区、不同地物类型和不同火灾损害程度等为IA( the initial assessment)和EA( ( the Extended 都会导致难于用同一阈值来判定火烧迹地。 Assessment)两类方法,其中前者选用森林火灾发 Logistic回归模型法是将卫星遥感的反射率或计算生当年的卫星数据;而后者则选用森林火灾发生 的植被指数,与气候、以及地理要素等参数进行后一年的卫星数据。Zh等(2006)对比分析了 回归,构建火烧迹地识别模型的方法。由于火烧EA与IA的评估结果,发现由森林火灾发生前的 迹地的识别实质上是将火烧迹地与非火烧迹地进NBR减去火灾后NBR生成的dNBR值与CBI的相 行区分,因此可以将其当作二分类的 Logistic回归关性更好;而Mler和Thde(2007)发现用EA数 分类,即通过 Logistic变换,利用设定的阈值将影据计算的 RdNBR( Relative dNBr)比dNBR与CBI 像中的火烧迹地与其他类别进行分离,提取火烧的相关性更高。 迹地(朱曦等,2013) 虽然由卫星数据计算出的NBR值与树冠烧毁

Journal of Remote Sensing（Chinese） 遥感学报 2020, 24（5） 出多个分散的燃烧区域，如果要准确从卫星影像 中勾绘出这些正在燃烧的区域，通常比较繁琐。 杨飞 （2012）、覃先林等 （2014） 曾利用具有中高 分辨率特性的 Landsat TM/ETM+数据模拟 GF-4 数 据，研究了火线轮廓定量提取方法，实现了基于 Landsat TM/ETM+数据自动生成火线轮廓参数算法 程序化；该方法曾用于估测在中国黑龙江省和俄 罗斯远东地区境内的森林大火的火线参数；随着 GF-4卫星的升空运行，目前该技术已成功应用于 GF-4 PMI数据定量提取森林大火火线轮廓参数。 2.5 森林火烧迹地制图 卫星影像能够获取同一地区不同时间的信息， 而不同空间分辨率的卫星影像在不同尺度的火烧 迹地制图中都有应用。NASA、ESA、国际地圈生 物圈计划 （IGBP） 等国际组织已发布了全球尺度 卫星遥感火烧迹地产品，空间分辨率从250 m到1° 不等 （Chuvieco 等， 2018）； Long 等 （2019） 首 次研制共享了全球 30 m 分辨率的火烧迹地遥感 产品。 可将光学卫星遥感森林火烧迹地制图方法归 类为图像分类法、植被指数法和 Logistic 回归法。 图像分类法在火烧迹地遥感制图研究中使用比较 多，主要包括传统的监督分类、非监督分类、决 策树分类、人工神经网络分类、面向对象分类和 随机森林分类等 （祖笑锋 等，2015；李明泽 等， 2017）。植被指数法主要是根据被火烧后的植被在 卫星遥感影像光谱上与正常植被、其他地物的差 异，通过构建的植被指数来进行识别 （易浩若和 纪 平 ， 1998； 朱 曦 和 覃 先 林 ， 2013； 孙 桂 芬 ， 2018）。该方法的难点是确定分离火烧迹地和其他 地物的植被指数和阈值；而不同的卫星传感器、 不同地区、不同地物类型和不同火灾损害程度等 都 会 导 致 难 于 用 同 一 阈 值 来 判 定 火 烧 迹 地 。 Logistic 回归模型法是将卫星遥感的反射率或计算 的植被指数，与气候、以及地理要素等参数进行 回归，构建火烧迹地识别模型的方法。由于火烧 迹地的识别实质上是将火烧迹地与非火烧迹地进 行区分，因此可以将其当作二分类的 Logistic 回归 分类，即通过 Logistic 变换，利用设定的阈值将影 像中的火烧迹地与其他类别进行分离，提取火烧 迹地 （朱曦 等，2013）。 2.6 森林火灾受害程度评价 对森林受害程度及损失状况的评估是开展森 林火灾恢复重建工作极为重要的业务需求。森林 受害程度可以反映火灾发生后森林生态系统变化 程度，即它与植被死亡率成正比，与植被修复能 力成反比。利用卫星遥感技术评价森林火灾受害 程度不仅可了解火后森林受害程度，也有助于指 导森林火灾灾后恢复工作。国内外较多用火烧烈 度 （Burn Severity） 来定量评价森林受害程度 （常 禹 等，2012；李明泽 等，2017）。 不同类型卫星遥感数据及其光谱波段间组合 指 数 ， 如 NBR （Normalized Burn Ratio）、 NDVI （Normalized Difference Vegetation Index） 和 EVI （Enhanced Vegetation Index） 等，已被广泛地应用 在森林燃烧受害程度的评价中。利用卫星遥感评 价森林燃烧受害程度的方法可分为：（1） 通过目 视判读选取不同燃烧程度的训练样本，采用分类 方法将卫星影像分为不同的火灾燃烧程度类别； （2） 通过卫星影像计算植被指数，结合地面调查 组合指数 CBI （Composite Burn Index） 来构建森林 燃烧受害程度的评价指标；（3） 通过研究火灾发 生前后卫星遥感计算的值变化来进行受害程度评 价 ； 如 Yi 等 （2013） 通 过 AVHRR 数 据 计 算 的 NDVI差值来评价1987年大兴安岭火灾受害程度和 分析其空间格局；刘树超等 （2018） 利用森林火 灾前后的 Landsat 8 影像计算的差值归一化燃烧指 数 （dNBR） 作为受害程度评价指标，通过目视解 译和统计分析相结合的方法，将森林火灾受害程 度分为低度、中度、重度和未受害等4个等级，对 2017-05-02 发生在内蒙古毕拉河林场的森林火灾 受害程度进行了评价。 按受害程度评价中选用的卫星数据时间可分 为 IA （the Initial Assessment） 和 EA （the Extended Assessment） 两类方法，其中前者选用森林火灾发 生当年的卫星数据；而后者则选用森林火灾发生 后一年的卫星数据。Zhu 等 （2006） 对比分析了 EA 与 IA 的评估结果，发现由森林火灾发生前的 NBR 减去火灾后 NBR 生成的 dNBR 值与 CBI 的相 关性更好；而Miller和Thode （2007） 发现用EA数 据计算的 RdNBR （Relative dNBR） 比 dNBR 与 CBI 的相关性更高。 虽然由卫星数据计算出的 NBR 值与树冠烧毁 514

覃先林等:中国林火卫星遥感预警监测技术研究进展 515 程度间有较强相关性,但是地表和树冠被火烧受度数值积分法求解FRE的方法,为估算森林燃烧 害程度通常是不完全相同的,树冠被烧毁状况并生物量提供了一种新的途径。 Kumar等(2011) 不能代替地表和森林总体受火灾伤害程度;而且则提出利用火灾持续时间、最大FRP值、最小 dNBR是利用火灾前后NBR来计算的,NBR与 CBI FRP值以及幂参数来求解FRE的方法。祖笑锋等 的相关性不仅会受到阴影和地形的干扰,而其还(2017)鉴于各森林类型的燃烧特性间存在差异 会受到植被物候、太阳高度角等的影响。因此,而已有估测模型文献并未考虑森林类型的影响 利用NBR指数及其衍生指数是否能够反映各种森利用获取的2001年—2014年的MODS火产品数据 林生态系统在不同的林火烈度下的真实情况,还(MOD1442),分森林类型建立了估算全国烧毁的 有待于进一步在更广范围内进行验证和适用性年森林生物量模型,并估算出该期间各年被森林 评价。 火灾烧毁的森林生物量;通过与林火排放物计算 近年来,激光雷达数据也常被用于森林燃烧模型估算的全国各年被森林火灾烧毁的森林生物 受害程度评价。如Wang和 Glenn(2009)利用森量对比分析,表明该方法比林火排放物计算模型 林火灾发生前后的LDAR数据,计算得到植被垂估测方法更合理。 直高度在火灾前后的变化来确定火烧烈度;该方2.8火后植被恢复监测 法应用于灌木和草原的危害程度评价效果更明显。 卫星传感器不仅可以按一定时间和空间间隔 7森林燃烧生物量估算 长期重复观测同一火烧迹地,而且还可以提供地 森林火灾不仅会损毁森林植被,改变林内植物在其各波段的辐射能量差异,用于地物的识别 被组成和生物多样性;同时,森林火灾释放的碳和区分,从而为利用卫星影像研究火烧迹地植被 对大气中的碳平衡和全球气候变化具有重要影响, 恢复提供了新的技术手段;不仅可提高研究效率 而森林火灾烧毁的生物量与释放的碳密切相关。 而且还可以降低研究成本。 在近20年中,随着土地覆盖/土地利用变化、全球 目前火烧迹地植被恢复卫星遥感监测方法可 气候异常等影响,全球森林火灾的发生次数和过概括为图像分类法、光谱混合分析法和植被指数 火面积呈现增加的趋势,森林火灾的影响已被研 法。图像分类法能将遥感影像数据转化成地物类 型的数据。作为常用的监督分类和非监督分类方 究全球碳循环的专家学者作为重要影响因素之一进 行研究。近年来,越来越多的专家学者利用卫星数法,被广泛应用于火烧迹地植被恢复的研究中 (苗庆林等,2015)。光谱混合分析法(SMA)是 据开展了估算森林燃烧生物量、碳排放量等研究 目前较为常用的一种混合像元分解方法( Somers 工作。 等,2010)。SMA能根据不同端元的光谱特征定量 随着MODS、FY等长时序卫星遥感产品的免 分析得出各端元的组成及所占的像元比例,因而 费共享,为利用卫星火监测产品来估算大区域的该方法得到的分类结果会更加精细、准确,从而 森林火灾烧毁的生物量的研究提供了一种新的、提高植被恢复的监测精度,但是该方法会因地表 有效的技术手段。Katm等(199)提出了火辐的复杂性、空间异质性、以及像元组成差异性而 射能FRE( Fire Radiative energy)的卫星估算方应用受到限制。植被指数是利用卫星影像各波段 法。 Wooster和 Zhang(20)利用MODS火产品信息间进行组合计算得出的不同时空的定量指标 中的火辐射率FRP( Fire radiative power)数据,值;国内外专家学者常将选取表征植被生长状态 计算出FP在不同的森林覆盖率中出现的频数,参数的植被指数(如NDⅥI、EⅥ、NBR等)应用 估算了俄罗斯和北美寒带区域森林火灾消耗的森 于火后植被恢复评价模型中(Yi等,2013;杨伟, 林生物量。 Wooster等(2005)通过实验分析得到2013;chu等,2016;孙桂芬,2018)。另外,国 FRE与可燃物的烧毁质量间的转换系数为0368,内外专家学者也将利用卫星数据反演得到的表征 这为利用FE估算结果转化为森林燃烧生物量提植被生长状况的叶面积指数(LA1)、净初级生产 供了强有力的支撑,最后引人排放比并根据植物力(NPP)、植被覆盖度(VCF)和光合作用有效 的含碳百分比得到碳排放量。 roberts和 Wooster辐射吸收率( fAPAR)等生态参数应用到植被恢复 (2008)根据FRP具有幂函数分布特性,推导出梯的研究中

覃先林 等：中国林火卫星遥感预警监测技术研究进展 程度间有较强相关性，但是地表和树冠被火烧受 害程度通常是不完全相同的，树冠被烧毁状况并 不能代替地表和森林总体受火灾伤害程度；而且 dNBR是利用火灾前后 NBR来计算的，NBR与 CBI 的相关性不仅会受到阴影和地形的干扰，而其还 会受到植被物候、太阳高度角等的影响。因此， 利用 NBR 指数及其衍生指数是否能够反映各种森 林生态系统在不同的林火烈度下的真实情况，还 有待于进一步在更广范围内进行验证和适用性 评价。 近年来，激光雷达数据也常被用于森林燃烧 受害程度评价。如 Wang 和 Glenn （2009） 利用森 林火灾发生前后的 LiDAR 数据，计算得到植被垂 直高度在火灾前后的变化来确定火烧烈度；该方 法应用于灌木和草原的危害程度评价效果更明显。 2.7 森林燃烧生物量估算 森林火灾不仅会损毁森林植被，改变林内植 被组成和生物多样性；同时，森林火灾释放的碳 对大气中的碳平衡和全球气候变化具有重要影响， 而森林火灾烧毁的生物量与释放的碳密切相关。 在近20年中，随着土地覆盖/土地利用变化、全球 气候异常等影响，全球森林火灾的发生次数和过 火面积呈现增加的趋势，森林火灾的影响已被研 究全球碳循环的专家学者作为重要影响因素之一进 行研究。近年来，越来越多的专家学者利用卫星数 据开展了估算森林燃烧生物量、碳排放量等研究 工作。 随着 MODIS、FY 等长时序卫星遥感产品的免 费共享，为利用卫星火监测产品来估算大区域的 森林火灾烧毁的生物量的研究提供了一种新的、 有效的技术手段。Kaufman等 （1996） 提出了火辐 射能 FRE （Fire Radiative Energy） 的卫星估算方 法。Wooster 和 Zhang （2004） 利用 MODIS 火产品 中的火辐射率 FRP （Fire Radiative Power） 数据， 计算出 FRP 在不同的森林覆盖率中出现的频数， 估算了俄罗斯和北美寒带区域森林火灾消耗的森 林生物量。Wooster 等 （2005） 通过实验分析得到 FRE 与可燃物的烧毁质量间的转换系数为 0.368， 这为利用 FRE 估算结果转化为森林燃烧生物量提 供了强有力的支撑，最后引入排放比并根据植物 的含碳百分比得到碳排放量。Roberts 和 Wooster （2008） 根据 FRP具有幂函数分布特性，推导出梯 度数值积分法求解 FRE 的方法，为估算森林燃烧 生物量提供了一种新的途径。Kumar 等 （2011） 则提出利用火灾持续时间、最大 FRP 值、最小 FRP 值以及幂参数来求解 FRE 的方法。祖笑锋等 （2017） 鉴于各森林类型的燃烧特性间存在差异， 而已有估测模型文献并未考虑森林类型的影响， 利用获取的 2001年—2014年的 MODIS火产品数据 （MOD14A2），分森林类型建立了估算全国烧毁的 年森林生物量模型，并估算出该期间各年被森林 火灾烧毁的森林生物量；通过与林火排放物计算 模型估算的全国各年被森林火灾烧毁的森林生物 量对比分析，表明该方法比林火排放物计算模型 估测方法更合理。 2.8 火后植被恢复监测 卫星传感器不仅可以按一定时间和空间间隔 长期重复观测同一火烧迹地，而且还可以提供地 物在其各波段的辐射能量差异，用于地物的识别 和区分，从而为利用卫星影像研究火烧迹地植被 恢复提供了新的技术手段；不仅可提高研究效率， 而且还可以降低研究成本。 目前火烧迹地植被恢复卫星遥感监测方法可 概括为图像分类法、光谱混合分析法和植被指数 法。图像分类法能将遥感影像数据转化成地物类 型的数据。作为常用的监督分类和非监督分类方 法，被广泛应用于火烧迹地植被恢复的研究中 （苗庆林 等，2015）。光谱混合分析法 （SMA） 是 目前较为常用的一种混合像元分解方法 （Somers 等，2010）。SMA能根据不同端元的光谱特征定量 分析得出各端元的组成及所占的像元比例，因而 该方法得到的分类结果会更加精细、准确，从而 提高植被恢复的监测精度，但是该方法会因地表 的复杂性、空间异质性、以及像元组成差异性而 应用受到限制。植被指数是利用卫星影像各波段 信息间进行组合计算得出的不同时空的定量指标 值；国内外专家学者常将选取表征植被生长状态 参数的植被指数 （如 NDVI、EVI、NBR 等） 应用 于火后植被恢复评价模型中 （Yi 等，2013；杨伟， 2013；Chu 等，2016；孙桂芬，2018）。另外，国 内外专家学者也将利用卫星数据反演得到的表征 植被生长状况的叶面积指数 （LAI）、净初级生产 力 （NPP）、植被覆盖度 （VCF） 和光合作用有效 辐射吸收率 （fAPAR） 等生态参数应用到植被恢复 的研究中。 515

516 Journal of remote sensing( Chinese)遥感学报2020,24(5 3存在的技术问题 别方式将难于应对庞大的卫星遥感数据处理和林 火预警监测专题信息提取的业务需求,而利用云 长期以来,国内专家学者利用卫星遥感技术计算、大数据和人工智能等高新信息技术来搭建 在森林防火预警监测中做了大量的研究和应用工业务应用服务平台正成为国际业务应用系统建设 作,取得了大量研究成果;但目前中国林火卫星的发展趋势之 遥感预警监测技术研究工作在以下方面还需进 另外,目前国内部分科研单位已形成了森林 步加强。 火灾灾情卫星遥感评估方法和应用系统,但森林 3.1关键技术研究还待加强 防火业务部门还没有完全建立森林火灾灾情卫星 近几十年,国内林火卫星遥感预警监测技术遥感评估应用系统,也未开展森林火灾灾情卫星 研究工作取得了较多的研究成果,有效地提升了遥感评估业务。 森林防火预警监测能力,但主要是基于特定的卫4展望 星遥感数据开展关键技术攻关和应用示范,缺乏 持续、综合、全面围绕林火卫星预警监测开展关 随着新时期我国生态文明建设力度的加强和 键技术研究,也缺乏创新性的技术研究成果;因森林防火面临的新任务,不仅RS、GIS、全球定 而中国目前在林火预警监测技术研究方面还表现位系统(CPS)等信息技术在森林防火预警监测领 出基础研究系统性和深度不够、基础理论研究不域中的应用研究越来越受到重视,而且利用新型 足以支撑森林防火现代化体系建设、预警监测等技术手段来提升森林火灾的预防扑救能力也更加 应用技术难以支撑应对日益严峻的重特大森林草重视。在新时期,结合生态文明建设,构建天、 原火灾发生威胁。 空、地一体化的林火预警监测技术体系,还需要 加强以下几个方面的工作。 3.2科研成果转化仍需提高 41分层次合理构建预警监测体系 国内学者利用卫星遥感技术已在可燃物参数 估测、烟区识别、着火点检测、森林燃烧动态监 由于国家、省(市)、以及县(林业局)级等 测等方面开展了研究和取得了大量的阶段成果 不同层级森林防火主管部门对林火预警监测业务 其中部分研究成果甚至达到国际水平;有的研究需求间的差异,所需依赖的监控手段及装备常存 成果已应用到中国及周边区域的森林草原火灾预在差别;因此,在构建林火预警监测体系时,应 警监测中,但总体来看,现有的大多科研成果还分层次合理进行规划布局,确保建设的森林防火 仅是实现了预设的科研目标和完成了设定的科研设施能融合成一个预警监测整体。如在国家层面 任务,还没有在中国林火预警监测业务工作中发以卫星遥感、卫星通讯和卫星导航等航天技术为 挥出应有的作用;原因之一是由于科研成果与业主,并形成具备综合利用卫星通导遥技术及时发 务应用要求间通常还有一定距离,还需要通过成现、定位和指挥扑救全国林区火情的业务能力 果转化项目的资助,才能将科研成果进一步转化在省级、重点林区、以及自然保护区的森林防火 到中国林火预警监测业务应用工作中。 中,则以航空(有人机、无人机)巡视监测为主 来预防扑救火灾;而对于重点森林火险的县级或 3.3卫星火情监测业务系统有待完善 国营林场、以及国家森林公园等,则主要采用物 过去形成的林业遥感监测系统缺乏海量遥感联网、视频监控等监测手段。同时,这些监测技 数据处理技术和计算资源,从而制约了高分卫星术设施及观测的数据均需准实时汇聚到全国的林 遥感数据在林业调查监测业务中的应用,严重影火预警监测技术体系中,切实形成天、空、地一 响了应用系统的规范化运行能力发挥(李增元等 体化的林火预警监测能力 2018)。在中国的卫星火情监测日常业务中,为保 证结果的准确性,主要采用人工判读的方式,由4.2加强技术研究和成果转化 值班人员从卫星影像判读出火情结果并进行发布。 未来应结合新的空间信息观测技术(如物联 随着高分民用卫星数量的日益增多,这种火情判网、无线传感器、视频卫星等)和应用分析技术

Journal of Remote Sensing（Chinese） 遥感学报 2020, 24（5） 3 存在的技术问题 长期以来，国内专家学者利用卫星遥感技术 在森林防火预警监测中做了大量的研究和应用工 作，取得了大量研究成果；但目前中国林火卫星 遥感预警监测技术研究工作在以下方面还需进一 步加强。 3.1 关键技术研究还待加强 近几十年，国内林火卫星遥感预警监测技术 研究工作取得了较多的研究成果，有效地提升了 森林防火预警监测能力，但主要是基于特定的卫 星遥感数据开展关键技术攻关和应用示范，缺乏 持续、综合、全面围绕林火卫星预警监测开展关 键技术研究，也缺乏创新性的技术研究成果；因 而中国目前在林火预警监测技术研究方面还表现 出基础研究系统性和深度不够、基础理论研究不 足以支撑森林防火现代化体系建设、预警监测等 应用技术难以支撑应对日益严峻的重特大森林草 原火灾发生威胁。 3.2 科研成果转化仍需提高 国内学者利用卫星遥感技术已在可燃物参数 估测、烟区识别、着火点检测、森林燃烧动态监 测等方面开展了研究和取得了大量的阶段成果， 其中部分研究成果甚至达到国际水平；有的研究 成果已应用到中国及周边区域的森林草原火灾预 警监测中，但总体来看，现有的大多科研成果还 仅是实现了预设的科研目标和完成了设定的科研 任务，还没有在中国林火预警监测业务工作中发 挥出应有的作用；原因之一是由于科研成果与业 务应用要求间通常还有一定距离，还需要通过成 果转化项目的资助，才能将科研成果进一步转化 到中国林火预警监测业务应用工作中。 3.3 卫星火情监测业务系统有待完善 过去形成的林业遥感监测系统缺乏海量遥感 数据处理技术和计算资源，从而制约了高分卫星 遥感数据在林业调查监测业务中的应用，严重影 响了应用系统的规范化运行能力发挥 （李增元 等， 2018）。在中国的卫星火情监测日常业务中，为保 证结果的准确性，主要采用人工判读的方式，由 值班人员从卫星影像判读出火情结果并进行发布。 随着高分民用卫星数量的日益增多，这种火情判 别方式将难于应对庞大的卫星遥感数据处理和林 火预警监测专题信息提取的业务需求，而利用云 计算、大数据和人工智能等高新信息技术来搭建 业务应用服务平台正成为国际业务应用系统建设 的发展趋势之一。 另外，目前国内部分科研单位已形成了森林 火灾灾情卫星遥感评估方法和应用系统，但森林 防火业务部门还没有完全建立森林火灾灾情卫星 遥感评估应用系统，也未开展森林火灾灾情卫星 遥感评估业务。 4 展 望 随着新时期我国生态文明建设力度的加强和 森林防火面临的新任务， 不仅 RS、GIS、全球定 位系统 （GPS） 等信息技术在森林防火预警监测领 域中的应用研究越来越受到重视，而且利用新型 技术手段来提升森林火灾的预防扑救能力也更加 重视。在新时期，结合生态文明建设，构建天、 空、地一体化的林火预警监测技术体系，还需要 加强以下几个方面的工作。 4.1 分层次合理构建预警监测体系 由于国家、省 （市）、以及县 （林业局） 级等 不同层级森林防火主管部门对林火预警监测业务 需求间的差异，所需依赖的监控手段及装备常存 在差别；因此，在构建林火预警监测体系时，应 分层次合理进行规划布局，确保建设的森林防火 设施能融合成一个预警监测整体。如在国家层面 以卫星遥感、卫星通讯和卫星导航等航天技术为 主，并形成具备综合利用卫星通导遥技术及时发 现、定位和指挥扑救全国林区火情的业务能力； 在省级、重点林区、以及自然保护区的森林防火 中，则以航空 （有人机、无人机） 巡视监测为主 来预防扑救火灾；而对于重点森林火险的县级或 国营林场、以及国家森林公园等，则主要采用物 联网、视频监控等监测手段。同时，这些监测技 术设施及观测的数据均需准实时汇聚到全国的林 火预警监测技术体系中，切实形成天、空、地一 体化的林火预警监测能力。 4.2 加强技术研究和成果转化 未来应结合新的空间信息观测技术 （如物联 网、无线传感器、视频卫星等） 和应用分析技术 516

覃先林等:中国林火卫星遥感预警监测技术研究进展 517 (如云计算、大数据和人工智能等)的发展,以及 essd-10-2015-2018 中国将发射的民用卫星,并与新时期中国森林草 Du Y S. 2012. Making efforts to promote modernization of forest fire 原火灾预防扑救业务“天、空、地”协同需求相 prevention by information construction EB/OL]. Government NetworkofStateForestryAdministration.(2012-02-03).http 结合,综合部署开展林火发生机理、可燃物调控 www.forestry.gov.cn/(杜永胜,2012.努力以信息化建设推动森 林火蔓延、灾情损失和灾后植被恢复等预警监测 林防火现代化[EBOL国家林业局政府网.(2012-02-03)htp 技术研究;研发多源时空数据监测森林草原火灾 //www.forestry.gov.cn/main/3423/20120203/524368.html) 发生及预测火情态势发展等技术,突破新型卫星uYC. u s J and Chen200 traction of forest fire edge line 遥感技术在中国林火预警监测中的应用技术瓶颈, based on MODIS imagery gradient. Scientia Silvae Sinicae, 44 (7)56-61(付迎春,徐颂军,陈蜜.2008.基于MODS影像梯度 形成可服务于林火预防、监测、救灾及灾后恢复 的林火边界提取方法.林业科学,44(7):56-61)[DO:10.3321 等决策的卫星遥感林火预警监测应用技术;并通 iss:1001-74882008.07.010 过应用示范和科研成果转化来提升行业的林火预 Fu Y C, Yuan X x, Song Y,, Chen M and Guo TS.200 Automatic ex 警监测业务能力,充分发挥新技术在中国林火预 traction of forest fire line using MODiS data by multi-spectral im- age gradient technique. Journal of remote sensing, 13(3): 542-548 警监测中的作用。 (付迎春,袁修孝,宋妍,陈蜜,郭泰圣.2009基于MODS影像 4.3加强林火预警监测业务系统建设 的森林火灾火线检测方法,遥感学报,13(3)542-48)[DOl ssn:1007 林火预警监测专题产品的生产常常受制于共 Guo G M200. Study on the MODIS Data Processing and the Theory 性卫星遥感产品生产的精度和时效性,利用现代 and Method in Forest Fire Early Warning- a case study in the 信息技术提升林火卫星遥感预警监测业务应用系 Northeast of China. Beijing: Graduate University of Chinese 统的性能,使其具有高效、高精度的生成林火预 Academy of sciences(郭广猛.2004.MoDS数据处理及其在林 火预警中的理论与方法研究—以中国东北地区为例.北京 警监测专题产品的能力,将有助于森林防火的科 中国科学院研究生院) 学预防扑救。可根据中国林火预警监测业务实际Hey,Yang.,Ma,LuJB, Chen F, Li X P and Yang Y F.2016,A 需求,在现有林火预警监测业务系统基础上,完 method for fire detection using Landsat 8 data. Journal of Infrared 善和增加系统功能,以达到资源的优化利用,从 and millimeter waves,35(5):600-608,624(何阳,杨进,马勇 而形成卫星数据获取、火情产品生产和火情信息 建波,陈甫,李信鹏,杨轶斐.2016.基于 Landsat-8陆地卫星数 共享与服务的综合预警监测业务系统。 据的火点检测方法研究.红外与毫米波学报,35(5):600-608, 624)[DOl:10.1972/ssn.1001-90142016.05015] Kaufman Y J, Remer L A, Ottmar R D, Ward D E, Li RR, Kleidman 参考文献( References) R, Fraser R S, Flynn L P, McDougal D and Shelton G. 1996. Rela- tionship between remotely sensed fire intensity and rate of emis Chang Y, Chen H W, Hu Y M, Feng Y T and Li Y 2012. Advances in sion of smoke: SCAR-C experiment//Levine J, ed. Global Bio- the assessment of forest fire severity and its spatial heterogeneity ass Burning. Cambridge: MIT Press: 685-696 Journal of Natural Disasters,212)28:34(常禹,陈宏伟,胡远 umar S y, Roy D P, Boschetti L and Kremen R201. xploiting the 满,冯玉亭,李悦.2012.林火烈度评价及其空间异质性研究进 power law distribution properties of satellite fire radiative power 展.自然灾害学报,21(2):28-34) retrievals: a method to estimate fire radiative energy and biomass Chen J, Zheng W and Liu C. 2017. Application of grassland fire moni- burned from sparse satellite observations. Journal of Geophysical toring based on Himawari-8 geostationary meteorological satellite Research, 116(D19): D19303 DOI: 10.1029/2 data. Journal of natural disasters,26(4:197204(陈洁,郑伟,刘L1 M Z, Kang XR and Fan W￥.2017. Burned area extraction in hu 诚.2017. Himawari-8静止气象卫星草原火监测分析.自然灾害 zhong Forests based on remote sensing and the spatial analysis of 学报,26(4.197-204)[DO:10.13577jnd.20170423] he burned severity. Scientia Silvae Sinicae, 53(3): 163-174(4HH Chu T, Guo X L and Takeda K. 2016. Remote sensing approach to de- 泽,康祥瑞,范文义.2017.呼中林区火烧迹地遥感提取及林火 tect post-fire vegetation regrowth in Siberian boreal larch forest. 烈度的空间分析.林业科学,5303):163-174)[DO:10.11707 Ecological Indicators, 62: 32-46 DOl: 10. 1016/j. ecolind. 2015 1001-748820170318 Li Z Y, Chen E X, Gao Z H, Qin X L, Wu H G and Xia C Z 2013. Cur- Chuvieco E, Lizundia-Loiola J, Pettinari M L, Ramo R, Padilla M, rent development status and proposals for national forest remote Tansey K, Mouillot F, Laurent P, Storm T, Heil A and Plummer S sensing techniques and applications. Bulletin of Chinese Acade- my of Sciences,28(S1):132-144(李增元,陈尔学,高志海,覃先 uct based on moDis 250 m reflectance bands and thermal anoma- 林,武红敢,夏朝宗.2013.中国林业遥感技术与应用发展现状 lies. Earth System Science Data, 10(4): 2015-2031 [DOL: 10.5194/ 及建议.中国科学院院刊,28(S1):132-144)[DO:0.3969ssn

覃先林 等：中国林火卫星遥感预警监测技术研究进展 （如云计算、大数据和人工智能等） 的发展，以及 中国将发射的民用卫星，并与新时期中国森林草 原火灾预防扑救业务“天、空、地”协同需求相 结合，综合部署开展林火发生机理、可燃物调控、 林火蔓延、灾情损失和灾后植被恢复等预警监测 技术研究；研发多源时空数据监测森林草原火灾 发生及预测火情态势发展等技术，突破新型卫星 遥感技术在中国林火预警监测中的应用技术瓶颈， 形成可服务于林火预防、监测、救灾及灾后恢复 等决策的卫星遥感林火预警监测应用技术；并通 过应用示范和科研成果转化来提升行业的林火预 警监测业务能力，充分发挥新技术在中国林火预 警监测中的作用。 4.3 加强林火预警监测业务系统建设 林火预警监测专题产品的生产常常受制于共 性卫星遥感产品生产的精度和时效性，利用现代 信息技术提升林火卫星遥感预警监测业务应用系 统的性能，使其具有高效、高精度的生成林火预 警监测专题产品的能力，将有助于森林防火的科 学预防扑救。可根据中国林火预警监测业务实际 需求，在现有林火预警监测业务系统基础上，完 善和增加系统功能，以达到资源的优化利用，从 而形成卫星数据获取、火情产品生产和火情信息 共享与服务的综合预警监测业务系统。 参考文献（References） Chang Y, Chen H W, Hu Y M, Feng Y T and Li Y. 2012. Advances in the assessment of forest fire severity and its spatial heterogeneity. Journal of Natural Disasters, 21(2): 28-34（常禹, 陈宏伟, 胡远 满, 冯玉亭, 李悦 . 2012. 林火烈度评价及其空间异质性研究进 展. 自然灾害学报, 21(2): 28-34） Chen J, Zheng W and Liu C. 2017. Application of grassland fire moni‐ toring based on Himawari-8 geostationary meteorological satellite data. Journal of Natural Disasters, 26(4): 197-204（陈洁, 郑伟, 刘 诚. 2017. Himawari-8静止气象卫星草原火监测分析. 自然灾害 学报, 26(4): 197-204）[DOI: 10.13577/j.jnd.2017.0423] Chu T, Guo X L and Takeda K. 2016. Remote sensing approach to de‐ tect post-fire vegetation regrowth in Siberian boreal larch forest. Ecological Indicators, 62: 32-46 [DOI: 10.1016/j. ecolind. 2015. 11.026] Chuvieco E, Lizundia-Loiola J, Pettinari M L, Ramo R, Padilla M, Tansey K, Mouillot F, Laurent P, Storm T, Heil A and Plummer S. 2018. Generation and analysis of a new global burned area prod‐ uct based on MODIS 250 m reflectance bands and thermal anoma‐ lies. Earth System Science Data, 10(4): 2015-2031 [DOI: 10.5194/ essd-10-2015-2018] Du Y S. 2012. Making efforts to promote modernization of forest fire prevention by information construction [EB/OL]. Government Network of State Forestry Administration. (2012-02-03). http:// www.forestry.gov.cn/ (杜永胜 . 2012. 努力以信息化建设推动森 林防火现代化[EB/OL]. 国家林业局政府网 . (2012-02-03). http: //www.forestry.gov.cn/main/3423/20120203/524368.html） Fu Y C, Xu S J and Chen M. 2008. Extraction of forest fire edge line based on MODIS imagery gradient. Scientia Silvae Sinicae, 44 (7): 56-61（付迎春, 徐颂军, 陈蜜. 2008. 基于MODIS影像梯度 的林火边界提取方法. 林业科学, 44(7): 56-61）[DOI: 10.3321/j. issn:1001-7488.2008.07.010] Fu Y C, Yuan X X, Song Y, Chen M and Guo T S. 2009. Automatic ex‐ traction of forest fire line using MODIS data by multi-spectral im‐ age gradient technique. Journal of remote sensing, 13(3): 542-548 （付迎春, 袁修孝, 宋妍, 陈蜜, 郭泰圣 . 2009. 基于 MODIS 影像 的森林火灾火线检测方法 . 遥感学报, 13(3): 542-548）[DOI: 10.3321/j.issn:1007-4619.2009.03.015] Guo G M. 2004. Study on the MODIS Data Processing and the Theory and Method in Forest Fire Early Warning- a case study in the Northeast of China. Beijing: Graduate University of Chinese Academy of Sciences (郭广猛. 2004. MODIS数据处理及其在林 火预警中的理论与方法研究——以中国东北地区为例 . 北京: 中国科学院研究生院) He Y, Yang J, Ma Y, Liu J B, Chen F, Li X P and Yang Y F. 2016. A method for fire detection using Landsat 8 data. Journal of Infrared and Millimeter Waves, 35(5): 600-608, 624（何阳, 杨进, 马勇, 刘 建波, 陈甫, 李信鹏, 杨轶斐 . 2016. 基于 Landsat-8 陆地卫星数 据的火点检测方法研究 . 红外与毫米波学报, 35(5): 600-608, 624）[DOI: 10.11972/j.issn.1001-9014.2016.05.015] Kaufman Y J, Remer L A, Ottmar R D, Ward D E, Li R R, Kleidman R, Fraser R S, Flynn L P, McDougal D and Shelton G. 1996. Rela‐ tionship between remotely sensed fire intensity and rate of emis‐ sion of smoke: SCAR-C experiment//Levine J, ed. Global Bio‐ mass Burning. Cambridge: MIT Press: 685-696 Kumar S S, Roy D P, Boschetti L and Kremens R. 2011. Exploiting the power law distribution properties of satellite fire radiative power retrievals: a method to estimate fire radiative energy and biomass burned from sparse satellite observations. Journal of Geophysical Research, 116(D19): D19303 [DOI: 10.1029/2011JD015676] Li M Z, Kang X R and Fan W Y. 2017. Burned area extraction in Hu‐ zhong Forests based on remote sensing and the spatial analysis of the burned severity. Scientia Silvae Sinicae, 53(3): 163-174（李明 泽, 康祥瑞, 范文义 . 2017. 呼中林区火烧迹地遥感提取及林火 烈度的空间分析 . 林业科学, 53(3): 163-174）[DOI: 10.11707/j. 1001-7488.20170318] Li Z Y, Chen E X, Gao Z H, Qin X L, Wu H G and Xia C Z. 2013. Cur‐ rent development status and proposals for national forest remote sensing techniques and applications. Bulletin of Chinese Acade‐ my of Sciences, 28(S1): 132-144.（李增元, 陈尔学, 高志海, 覃先 林, 武红敢, 夏朝宗 . 2013. 中国林业遥感技术与应用发展现状 及建议. 中国科学院院刊, 28(S1): 132-144）[DOI:10.3969/j.issn. 517

518 Journal of remote sensing( Chinese)遥感学报2020,24(5 1000-30452013z01016 Qin X L. 2016. Forest Fire Monitoring Using Satellite Remote Sens- Li Z Y, Qin X L, Gao Z H, Deng G, Yin L Y, Sun G F and Zu x F ng. Beijing: China Forestry Publishing House(覃先林.2016.林 2016. Analysis on monitoring burning status of forest fire using 火卫星遥感监测.北京:中国林业出版社) GF-4 satellite images. Spacecraft Engineering, 25(S1): 201-205 Qin X L, Liu S C, LiXT, Li ZY, Gao Z H and Deng G 2018. Applica- (李增元,覃先林,高志海,邓广,尹凌宇,孙桂芬,祖笑锋.2016 tion of GF-4 satellite data in forest and grassland fire monitoring 高分四号卫星监测森林火灾燃烧状态分析.航天器工程,25 in China. Satellite Application,(12):34-37(覃先林,刘树超,李 (S1:201-205) 晓彤,李增元,高志海,邓广.2018.高分四号卫星在中国森林草 Li Z Y, Qin X L, Gao Z H, Deng G and Chen E X. 2018. Research on 原火情监测中的应用.卫星应用,(12).3437) forestry application with high resolution remote sensing. Satellite Qin X L, Pang Y and Deng G. 2012. Remote Sensing Monitoring Tech Application,(11:61-65(李增元,覃先林,高志海,邓广,陈尔 nology and Practice for Forest Resources and Forest Fires in 学.高分遥感林业应用研究.卫星应用,2018,11:61-65) Southeast Asia. Beijing: China Forestry Publishing House(RgE uC. Li YJ. Zhao C H. Yan H and Zhao H M. 2004. The method of 林,庞勇,邓广,2012.东南亚地区森林资源和林火遥感监测技 evaluating sub-pixel size and temperature of fire spot in AVhRR 术与实践.北京:中国林业出版社) data. Journal of Applied Meteorological Science, 15(3): 273-280 Qin X L and Yi H R. 2004. A method to identify forest fire based (刘诚,李亚军,赵长海,阎华,赵洪淼.2004.气象卫星亚像元火 modis data. Fire Safety Science,13(2):83-89(覃先林,易浩 点面积和亮温估算方法.应用气象学报,15(3)273-280)[DO 若.2004.基于MODS数据的林火识别方法研究.火灾科学, 9690issn.1001-7313.2004.03.003 13(2):83-89)[DO:10.3969sn.1004-5309.2004.02.005 Chen X Z, Qin X L, Sun G F and Li X T 2018. Remote sens- Qin X L, Ying L Y, Sun G F and Zu x F 2016. Method for burned for- ing assessment of forest fire damage degree in Bilahe forest farm, est biomass estimation at subcompartment level using GF-I ima Inner Mongolia. Forest Resources Management, (1): 90-95, 140 es and GIs datasets. Journal of Geography and Natural Disasters, (刘树超,陈小中,覃先林,孙桂芬,李晓彤.2018.内蒙古毕拉河 6(3):1000181[DO:10.4172/2167-0587.1000181 林场森林火灾受害程度遥感评价.林业资源管理,(1):90-95, Qin X L, Zhang Z H,LizY, Tian Z w, Xiong C. Yang D F and 140)[DO:10.13466/ cnki. lyzygl.2018.01013 Zhang R. 2010a. Method of forecasting and implementation of ong T F, Zhang Z M, He G J, Jiao W L, Tang C, wu B F, Zhang X forest fire early warning. Journal of Beijing Forestry University, M, Wang G Z and Yin R Y, 2019, 30 m resolution global annual 32(4)17-21(覃先林,张子辉,李增元,田祖为,熊有强,杨德付 burned area mapping based on Landsat images and Google Earth 张瑞.2010a林火预警及实现方法,北京林业大学学报,32(4 Engine Remote Sensing, 11(5): 489[DO1: 10.3390/rs1 1050489 17-21) Miao Q L, Tian X R and Zhao F J 2015, NDVI recovery process for Qin XL, Zhang Z H and Li Y 2010b. An automatic forest fires iden- post-fire vegetation in Daxing anling. Scientia Silvae Sinicae, 51 tification method using HJ-1B IRS data Remote Sensing Technol- (2)90-98(苗庆林,田晓瑞,赵凤君.2015.大兴安岭不同植被 ogy and Application.25(5):700-706(覃先林,张子辉,李增元 火后NDⅥ恢复过程.林业科学,51(2:90-98)[DO:10.1707 2010b.一种利用H-1B红外相机数据自动识别林火的方法.遥 .1001-748820150211 感技术与应用,25(5):700-706)[DOl:10.11873isn.1004 Miller J D and Thode A E. 2007, Quantifying bum severity in a hetero- 0323.2010.5.700 Qin X L, Zhang Z H, Li Burn Ratio(dNBR). Remote Sensing of Environment, 109(1): 66- identification methodology using AATSR data. Remote Sensing 80[DO:10.10160re.2006.12.006 Technology and Application,22(4479-484(覃先林,张子辉,李 Ononye A E, vodacek A and Saber E. 2007. Automated extraction of 增元,易浩若.2007.基于 AATSR数据的东北林火识别方法研 fire line parameters from multispectral infrared images. Remote 究,遥感技术与应用,224):479-484)[DO:10.3969jsn.1004 Sensing of Environment, 108(2): 179-188. DOI: 10. 1016/].rse 0323.2007.04.001 Qin XL, Zhu X, Yang F, Zhao K R, Pang Y,LiZY, Li XZ and Zhang Peng g X. Chen Y H. Li J and Patah N A. 2007. Combination of re- JX. 2013. Analysis of sensitive spectral bands for burning status mote sensing and meteorological data for fire risk monitoring-a detection using hyper-spectral images of Tiangong-01. Spectros ase study in Peninsular Malaysia. Geo-Information Science, 9 copy and Spectral Analysis,3x7:1908-1911(覃先林,朱曦,杨 (5):99-104(彭光雄,陈云浩,李京, Patah na.2007.结合遥感 飞,赵凯瑞,庞勇,李增元,李绪志,张九星.2013.天宫一号高光 和气象数据的森林火险监测研究——以马来西亚半岛为例.地 谱数据探测火情状态敏感谱段分析.光谱学与光谱分析,33 信息科学,9(5)99-104)[DO:10.3969issn.1560-8992007 (7)1908-1911)[DOI:10.3964j.sn.1000-0593(2013)07 05.017 1908-0 Qin X L. 2005. Study on Forest Fire Early Warning and Monitoring Qin X L, Yang F, Zu X F, Zhang Z H and Li Z Y 2014. Quantitative Methodology Using Remote Sensing and Geography Information extraction of fine contour parameters for forest fire using satellite (覃先 林.2005.遥感与地理信息系统技术相结合的林火预警方法的 648(覃先林杨飞,祖笑锋张子辉李增元.2014.火线轮廓参数 研究.北京:中国林业科学研究院) 卫星遥感定量提取方法红外与毫米波学报,33(6):64248)

Journal of Remote Sensing（Chinese） 遥感学报 2020, 24（5） 1000-3045.2013.Z01.016] Li Z Y, Qin X L, Gao Z H, Deng G, Yin L Y, Sun G F and Zu X F. 2016. Analysis on monitoring burning status of forest fire using GF-4 satellite images. Spacecraft Engineering, 25(S1): 201-205 （李增元, 覃先林, 高志海, 邓广, 尹凌宇, 孙桂芬, 祖笑锋. 2016. 高分四号卫星监测森林火灾燃烧状态分析 . 航天器工程, 25 (S1): 201-205） Li Z Y, Qin X L, Gao Z H, Deng G and Chen E X. 2018. Research on forestry application with high resolution remote sensing. Satellite Application, (11):61-65（李增元，覃先林，高志海，邓广，陈尔 学. 高分遥感林业应用研究. 卫星应用，2018，11：61-65） Liu C, Li Y J, Zhao C H, Yan H and Zhao H M. 2004. The method of evaluating sub-pixel size and temperature of fire spot in AVHRR data. Journal of Applied Meteorological Science, 15(3): 273-280 （刘诚, 李亚军, 赵长海, 阎华, 赵洪淼. 2004. 气象卫星亚像元火 点面积和亮温估算方法 . 应用气象学报, 15(3): 273-280）[DOI: 10.3969/j.issn.1001-7313.2004.03.003] Liu S C, Chen X Z, Qin X L, Sun G F and Li X T. 2018. Remote sens‐ ing assessment of forest fire damage degree in Bilahe forest farm, Inner Mongolia. Forest Resources Management, (1): 90-95, 140 (刘树超, 陈小中, 覃先林, 孙桂芬, 李晓彤. 2018. 内蒙古毕拉河 林场森林火灾受害程度遥感评价 . 林业资源管理, (1): 90-95, 140）[DOI: 10.13466/j.cnki.lyzygl.2018.01.013] Long T F, Zhang Z M , He G J, Jiao W L, Tang C , Wu B F, Zhang X M, Wang G Z and Yin R Y. 2019. 30 m resolution global annual burned area mapping based on Landsat images and Google Earth Engine. Remote Sensing, 11(5): 489 [DOI: 10.3390/rs11050489] Miao Q L, Tian X R and Zhao F J. 2015. NDVI recovery process for post-fire vegetation in Daxing’anling. Scientia Silvae Sinicae, 51 (2): 90-98（苗庆林, 田晓瑞, 赵凤君 . 2015. 大兴安岭不同植被 火后 NDVI恢复过程 . 林业科学, 51(2): 90-98）[DOI: 10.11707/ j.1001-7488.20150211] Miller J D and Thode A E. 2007. Quantifying burn severity in a hetero‐ geneous landscape with a relative version of the delta Normalized Burn Ratio (dNBR). Remote Sensing of Environment, 109(1): 66- 80 [DOI: 10.1016/j.rse.2006.12.006] Ononye A E, Vodacek A and Saber E. 2007. Automated extraction of fire line parameters from multispectral infrared images. Remote Sensing of Environment, 108(2): 179-188. [DOI: 10.1016/j. rse. 2006.09.029] Peng G X, Chen Y H, Li J and Patah N A. 2007. Combination of re‐ mote sensing and meteorological data for fire risk monitoring—a case study in Peninsular Malaysia. Geo-Information Science, 9 (5): 99-104（彭光雄, 陈云浩, 李京, Patah N A. 2007. 结合遥感 和气象数据的森林火险监测研究——以马来西亚半岛为例. 地 球信息科学, 9(5): 99-104）[DOI: 10.3969/j.issn.1560-8999.2007. 05.017] Qin X L. 2005. Study on Forest Fire Early Warning and Monitoring Methodology Using Remote Sensing and Geography Information System Techniques. Beijing: Chinese Academy of Forestry (覃先 林 . 2005. 遥感与地理信息系统技术相结合的林火预警方法的 研究. 北京: 中国林业科学研究院) Qin X L. 2016. Forest Fire Monitoring Using Satellite Remote Sens‐ ing. Beijing: China Forestry Publishing House (覃先林 . 2016. 林 火卫星遥感监测. 北京: 中国林业出版社) Qin X L, Liu S C, Li X T, Li Z Y, Gao Z H and Deng G. 2018. Applica‐ tion of GF-4 satellite data in forest and grassland fire monitoring in China. Satellite Application, (12): 34-37（覃先林, 刘树超, 李 晓彤, 李增元, 高志海, 邓广. 2018. 高分四号卫星在中国森林草 原火情监测中的应用. 卫星应用, (12): 34-37） Qin X L, Pang Y and Deng G. 2012. Remote Sensing Monitoring Tech‐ nology and Practice for Forest Resources and Forest Fires in Southeast Asia. Beijing: China Forestry Publishing House (覃先 林, 庞勇, 邓广 . 2012. 东南亚地区森林资源和林火遥感监测技 术与实践. 北京: 中国林业出版社) Qin X L and Yi H R. 2004. A method to identify forest fire based on MODIS data. Fire Safety Science, 13(2): 83-89（覃先林, 易浩 若 . 2004. 基于 MODIS 数据的林火识别方法研究 . 火灾科学, 13(2): 83-89）[DOI: 10.3969/j.issn.1004-5309.2004.02.005] Qin X L, Ying L Y, Sun G F and Zu X F. 2016. Method for burned for‐ est biomass estimation at subcompartment level using GF-1 imag‐ es and GIS datasets. Journal of Geography and Natural Disasters, 6(3): 1000181 [DOI: 10.4172/2167-0587.1000181] Qin X L, Zhang Z H, Li Z Y, Tian Z W, Xiong Y Q, Yang D F and Zhang R. 2010a. Method of forecasting and implementation of forest fire early warning. Journal of Beijing Forestry University, 32(4) 17-21（覃先林, 张子辉, 李增元, 田祖为, 熊有强, 杨德付, 张瑞 . 2010a. 林火预警及实现方法 . 北京林业大学学报, 32(4): 17-21） Qin X L, Zhang Z H and Li Z Y. 2010b. An automatic forest fires iden‐ tification method using HJ-1B IRS data. Remote Sensing Technol‐ ogy and Application, 25(5): 700-706（覃先林, 张子辉, 李增元 . 2010b. 一种利用HJ-1B红外相机数据自动识别林火的方法. 遥 感 技 术 与 应 用 , 25(5): 700-706）[DOI: 10.11873/j. issn. 1004- 0323.2010.5.700] Qin X L, Zhang Z H, Li Z Y and Yi H R. 2007. Northeast forest fires identification methodology using AATSR data. Remote Sensing Technology and Application, 22(4): 479-484（覃先林, 张子辉, 李 增元, 易浩若 . 2007. 基于 AATSR 数据的东北林火识别方法研 究. 遥感技术与应用, 22(4): 479-484）[DOI: 10.3969/j.issn.1004- 0323.2007.04.001] Qin X L, Zhu X, Yang F, Zhao K R, Pang Y, Li Z Y, Li X Z and Zhang J X. 2013. Analysis of sensitive spectral bands for burning status detection using hyper-spectral images of Tiangong-01. Spectros‐ copy and Spectral Analysis, 33(7): 1908-1911（覃先林, 朱曦, 杨 飞, 赵凯瑞, 庞勇, 李增元, 李绪志, 张九星. 2013. 天宫一号高光 谱数据探测火情状态敏感谱段分析 . 光谱学与光谱分析, 33 (7): 1908-1911） [DOI: 10.3964/j. issn. 1000-0593(2013)07- 1908-04] Qin X L, Yang F, Zu X F, Zhang Z H and Li Z Y. 2014. Quantitative extraction of fine contour parameters for forest fire using satellite remote sensing. Journal of Infrared Millimeter Waves, 33(6): 642- 648（覃先林,杨飞, 祖笑锋,张子辉,李增元. 2014. 火线轮廓参数 卫星遥感定量提取方法 . 红外与毫米波学报, 33(6): 642-648） 518

覃先林等:中国林火卫星遥感预警监测技术研究进展 519 DO:10.3724SPJ.1010.2014.00642] 方法研究林业科学研究,7(1):13-19) Roberts g j and Wooster M J. 2008. Fire detection and fire character. Yi H R and Ji P. 1998. The methods of evaluating burned area of forest ization over Africa using meteosat SEVIRl. IEEE Transactions on fire by using remote sensing Remote Sensing Technology and Ap- Geoscience and Remote Sensing, 46(4): 1200-1218 DOI: 10 plication,13(2)10-14(易浩若,纪平,1998.森林过火面积的遥 l109grs.2008.915751 感测算方法.遥感技术与应用,13(2):10-14)[DO1:10.11873 Somers B, Verbesselt J, Ampe E M, Sims N, Verstraeten W wand issn.1004-0323.1998.02.002 Coppin P. 2010. Spectral mixture analysis to monitor defoliation Yi H R, Ji P and Qin X L. 2004. Study on forest fire danger forecast in mixed-age Eucalyptus globulus Labill plantations in southern system and its operation in China. Scientia Silvae Sinicae, 40(3) 203-207(易浩若,纪平,覃先林.2004.全国森林火险预报系统 tional Journal of Applied Earth Observation and Geoinformation, 的研究与运行,林业科学,40(3):203-207)[DO:10.3321is: 12(4:270-277[DOl:10.1016jjag2010.03005] 1001-74882004.03.036 unG F 2018. Method for Burned Forest Area Identification and Veg- Yi K P, Tani H, Zhang J Q, Guo M, Wang X F and Zhong G S. 2013 etation Restoration Using Satellite Data. Beijing: Chinese Acade- Long-term satellite detection of post-fire vegetation trends in bo- my of Forestry(孙桂芬,2018.森林火烧迹地识别及植被恢复卫 real forests of China. Remote Sensing, 5(12): 6938-6957 [DOI 星遥感监测方法.北京:中国林业科学研究院) 10.3390/s5126938 Wang C and Glenn N F, 2009. Estimation of fire severity using pre- Yu Y F, Pan J, Xing L X, Jiang L J, Meng T, Han X J and Zhou CC. and post-fire LiDAR data in sagebrush steppe rangelands Interna- 013. Identification of high temperature targets in remote sensing tional Journal of Wildland Fire, 18(7): 848-856 [DOl: 10.1071/ ce. Remote Sensing Informa- WF08173 tion,28(5):90-94(于一凡,潘军,邢立新,蒋立军,孟涛,韩晓静 Wang L T, Zhou Y, Wang S X and Chen S R. 2004. Monitoring for 周彩彩.2013.基于马氏距离的遥感图像高温目标识别方法研 究,遥感信息,28(5):90-94)[DOl:10.3969iss.100031 IEEE Intermational Geoscience and Remote Sensing Symposium 2013.05.017] Anchorage, AK, USA: IEEE: 2095-2098. DOI: 10.1109/ Zhou Y, Wang S X, Wang L T, Chen SR and Li H C. 2007. MoDis da GARSS.2004.1370770 ta-based automatic extraction of information on fire spot. Journal Wooster M J, Roberts G, Perry G L W and Kaufman Y J. 2005. Re- of Natural disasters,l6(1):88-93(周艺,王世新,王丽涛,陈世 trieval of biomass combustion rates and totals from fire radiative 荣,李浩川.2007.基于MODS数据的火点信息自动提取方法 power observations; FRP derivation and calibration relationships 然灾害学报,16(1):8893)[DOl:10.39690isn.1004-4574 between biomass consumption and fire radiative energy release 2007.01.017 Journal of Geophysical Research, 110(D24): D24311 DOL: 10. Zhu X and Qin X L 2013. Burned area mapping using HJ-1A/B CCD 1029/2005JD006318 lata based on two-phase algorithm. Remote Sensing Technology Wooster M J and Zhang Y H. 2004. Boreal forest fires burn less in- and Application,28(1):72-77(朱曦,覃先林.2013.基于二阶段 tensely in Russia than in North America Geophysical Research 算法的HCCD数据过火区制图.遥感技术与应用,28(1)7 Letr31(20):L20505[DO1:10.10292004g1020805] 77)[DOl:10.11873/s.10040323.2013.1 Wu X Q, Qin X L, Li C, Tian Z w, Xiong Y Q, Yang D F and Zhang Zhu X, Qin X L and Liao J. 2013. Remote sensing mapping for uni- R. 2010. Analysis of current forest fire monitoring system in Chi- temporal cross-region forest burned area based on fuzzy set theo- na. Inner Mongolia Forestry Investigation and Design, 33(3): 69- ry. Remote Sensing for Land and Resources, 25(4): 122-128(/R 72(吴雪琼,覃先林,李程,田祖为,熊有强,杨德付,张瑞.2010. 曦,罩先林,廖靖.2013.基于模糊集理论的单时相跨区域森林 中国林火监测体系现状分析.内蒙古林业调查设计,33(3)69 过火区遥感制图.国土资源遥感,25(4:122128)[DOl:10 72)[DO:10.3969issn.1006-6993.2010.03.029 6046/ gtzyyg.2013.0419y Yang F. 2012. Study on the Extraction Method of Active Fire Line Us- Zhu Y J, Xing LX, Pan J, Meng T, Wen JC, Wang HH, Qiao Z M an ing High Spatial Resolution Data. Kunming: Southwest Forestry Huang J C. 2011. Method of identifying high-temperature target University(杨飞,2012.基于高空间分辨率数据的林火燃烧现 sing shortwave infrared remote sensing data Remote Sensing In- 状提取研究.昆明:西南林业大学) formation,(6):33-36,41(朱亚静,邢立新,潘军,孟涛,闻久成, Yang w 2013. The Study on Burned Area Mapping and Vegetation Re- 王红红,乔振民,黄竞铖.2011.短波红外遥感高温地物目标识 generation Based on Remote Sensing Data in Heilongjiang Basin 别方法研究,遥感信息,(6):33-36,41)[DOl:10.3969isn. Changchun: Northeast Institute of Geography and Agroecology 1000-31772011.06.007 Chinese Academy of Sciences(杨伟.2013.基于遥感的黑龙江zhuZ,Keyc, Ohlen d and Benson n.200. Evaluate Sensitivities of 流域火烧迹地及其植被恢复研究,长春:中国科学院研究生院 Burn-Severity Mapping Algorithms for Different Ecosystems and Fire Histories in the United States. USA Final Report to the Joint P. 1994. Research method for remote sensing Fire Science Program, Project: JFSP0l-1-4-12. USGS EROS image processing using expert system. Forest Research, 7(1): 13- Zu X F, Qin X L, Li Z Y, Sun G F and Liu S C. 2017. Method for 19(易浩若,白黎娜,纪平.1994.专家系统用于遥感图像处理的 burned forest biomass estimation using satellite remote sensing

覃先林 等：中国林火卫星遥感预警监测技术研究进展 [DOI:10.3724/SP.J.1010.2014.00642] Roberts G J and Wooster M J. 2008. Fire detection and fire character‐ ization over Africa using Meteosat SEVIRI. IEEE Transactions on Geoscience and Remote Sensing, 46(4): 1200-1218 [DOI: 10. 1109/tgrs.2008.915751] Somers B, Verbesselt J, Ampe E M, Sims N, Verstraeten W W and Coppin P. 2010. Spectral mixture analysis to monitor defoliation in mixed-age Eucalyptus globulus Labill plantations in southern Australia using Landsat 5-TM and EO-1 Hyperion data. Interna‐ tional Journal of Applied Earth Observation and Geoinformation, 12(4): 270-277 [DOI: 10.1016/j.jag.2010.03.005] Sun G F. 2018. Method for Burned Forest Area Identification and Veg‐ etation Restoration Using Satellite Data. Beijing: Chinese Acade‐ my of Forestry (孙桂芬. 2018. 森林火烧迹地识别及植被恢复卫 星遥感监测方法. 北京: 中国林业科学研究院) Wang C and Glenn N F. 2009. Estimation of fire severity using pre￾and post-fire LiDAR data in sagebrush steppe rangelands. Interna‐ tional Journal of Wildland Fire, 18(7): 848-856 [DOI: 10.1071/ WF08173] Wang L T, Zhou Y, Wang S X and Chen S R. 2004. Monitoring for grassland and forest fire danger using remote sensing data//2004 IEEE International Geoscience and Remote Sensing Symposium. Anchorage, AK, USA: IEEE: 2095-2098. [DOI: 10.1109/ IGARSS.2004.1370770] Wooster M J, Roberts G, Perry G L W and Kaufman Y J. 2005. Re‐ trieval of biomass combustion rates and totals from fire radiative power observations: FRP derivation and calibration relationships between biomass consumption and fire radiative energy release. Journal of Geophysical Research, 110(D24): D24311 [DOI: 10. 1029/2005JD006318] Wooster M J and Zhang Y H. 2004. Boreal forest fires burn less in‐ tensely in Russia than in North America. Geophysical Research Letters, 31(20): L20505 [DOI: 10.1029/2004gl020805] Wu X Q, Qin X L, Li C, Tian Z W, Xiong Y Q, Yang D F and Zhang R. 2010. Analysis of current forest fire monitoring system in Chi‐ na. Inner Mongolia Forestry Investigation and Design, 33(3): 69- 72 (吴雪琼, 覃先林, 李程, 田祖为, 熊有强, 杨德付, 张瑞. 2010. 中国林火监测体系现状分析 . 内蒙古林业调查设计, 33(3): 69- 72) [DOI: 10.3969/j.issn.1006-6993.2010.03.029] Yang F. 2012. Study on the Extraction Method of Active Fire Line Us‐ ing High Spatial Resolution Data. Kunming: Southwest Forestry University (杨飞 . 2012. 基于高空间分辨率数据的林火燃烧现 状提取研究. 昆明: 西南林业大学) Yang W. 2013. The Study on Burned Area Mapping and Vegetation Re‐ generation Based on Remote Sensing Data in Heilongjiang Basin. Changchun: Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences (杨伟 . 2013. 基于遥感的黑龙江 流域火烧迹地及其植被恢复研究 . 长春: 中国科学院研究生院 (东北地理与农业生态研究所)) Yi H R, Bai L N and Ji P. 1994. Research method for remote sensing image processing using expert system. Forest Research, 7(1): 13- 19 (易浩若, 白黎娜, 纪平. 1994. 专家系统用于遥感图像处理的 方法研究. 林业科学研究, 7(1): 13-19) Yi H R and Ji P. 1998. The methods of evaluating burned area of forest fire by using remote sensing. Remote Sensing Technology and Ap‐ plication, 13(2): 10-14 (易浩若, 纪平 . 1998. 森林过火面积的遥 感测算方法 . 遥感技术与应用, 13(2): 10-14) [DOI: 10.11873/j. issn.1004-0323.1998.02.002] Yi H R, Ji P and Qin X L. 2004. Study on forest fire danger forecast system and its operation in China. Scientia Silvae Sinicae, 40(3): 203-207 (易浩若, 纪平, 覃先林 . 2004. 全国森林火险预报系统 的研究与运行 . 林业科学, 40(3): 203-207) [DOI: 10.3321/j.issn: 1001-7488.2004.03.036] Yi K P, Tani H, Zhang J Q, Guo M, Wang X F and Zhong G S. 2013. Long-term satellite detection of post-fire vegetation trends in bo‐ real forests of China. Remote Sensing, 5(12): 6938-6957 [DOI: 10.3390/rs5126938] Yu Y F, Pan J, Xing L X, Jiang L J, Meng T, Han X J and Zhou C C. 2013. Identification of high temperature targets in remote sensing imagery based on mahalanobis distance. Remote Sensing Informa‐ tion, 28(5): 90-94 (于一凡, 潘军, 邢立新, 蒋立军, 孟涛, 韩晓静, 周彩彩 . 2013. 基于马氏距离的遥感图像高温目标识别方法研 究 . 遥 感 信 息 , 28(5): 90-94) [DOI: 10.3969/j. issn. 1000-3177. 2013.05.017] Zhou Y, Wang S X, Wang L T, Chen S R and Li H C. 2007. MODIS da‐ ta-based automatic extraction of information on fire spot. Journal of Natural Disasters, 16(1): 88-93 (周艺, 王世新, 王丽涛, 陈世 荣, 李浩川. 2007. 基于MODIS数据的火点信息自动提取方法. 自然灾害学报, 16(1): 88-93) [DOI: 10.3969/j.issn. 1004-4574. 2007.01.017] Zhu X and Qin X L. 2013. Burned area mapping using HJ-1A/B CCD data based on two-phase algorithm. Remote Sensing Technology and Application, 28(1): 72-77 (朱曦, 覃先林 . 2013. 基于二阶段 算法的 HJ-CCD 数据过火区制图 . 遥感技术与应用, 28(1): 72- 77) [DOI: 10.11873/j.issn.1004-0323.2013.1.72] Zhu X, Qin X L and Liao J. 2013. Remote sensing mapping for uni￾temporal cross-region forest burned area based on fuzzy set theo‐ ry. Remote Sensing for Land and Resources, 25(4): 122-128 (朱 曦, 覃先林, 廖靖 . 2013. 基于模糊集理论的单时相跨区域森林 过火区遥感制图 . 国土资源遥感, 25(4): 122-128) [DOI: 10. 6046/gtzyyg.2013.04.19] Zhu Y J, Xing L X, Pan J, Meng T, Wen J C, Wang H H, Qiao Z M and Huang J C. 2011. Method of identifying high-temperature target using shortwave infrared remote sensing data. Remote Sensing In‐ formation, (6): 33-36, 41 (朱亚静, 邢立新, 潘军, 孟涛, 闻久成, 王红红, 乔振民, 黄竞铖 . 2011. 短波红外遥感高温地物目标识 别方法研究 . 遥感信息, (6): 33-36, 41) [DOI: 10.3969/j.issn. 1000-3177.2011.06.007] Zhu Z, Key C, Ohlen D and Benson N. 2006. Evaluate Sensitivities of Burn-Severity Mapping Algorithms for Different Ecosystems and Fire Histories in the United States. USA Final Report to the Joint Fire Science Program, Project: JFSP 01-1-4-12. USGS EROS Zu X F, Qin X L, Li Z Y, Sun G F and Liu S C. 2017. Method for burned forest biomass estimation using satellite remote sensing 519

Journal of remote sensing( Chinese)遥感学报2020,24(5 based on power law distribution. Scientia Silvae Sinicae, 53(10) tree method for burned area identification based on the spectral in- 90-99(祖笑锋,覃先林,李增元,孙桂芬,刘树超.2017.基于幂 dex of GF-I WFV image. Forest Resources Management, (4): 73- 律分布的森林燃烧生物量卫星遥感估测方法林业科学,53 78,83(祖笑锋,覃先林,尹凌宇,陈小中,钟祥清,2015.基于高 (10:90-99)[DO1:10.11707.1001-7488.20171010 分一号影像光谱指数识别火烧迹地的决策树方法.林业资源管 Zu X F, Qin X L, Yin L Y, Chen X Z and Zhong x Q. 2015. Decision 理,(4):73-78,83)[DO:10.13466 cnki, lyzygl.2015.04013 Forest fire early warning and monitoring techniques using satellite remote sensing in China QIN Xianlin, LI Xiaotong, LIU Shuchao, LIU Qian, LI Zengyuan 1. Research Institute of Forest Resource Information Techniques, CAF Beijing 100091, China 2. Key Laboratory of Forestry Remote Sensing and Information System, NFGA, Beijing 100091, China Abstract: Four levels of stereoscopic forest fire monitoring have been established in China, namely, ground patrol, near-ground monitoring, aviation patrol, and satellite monitoring. Forest fire remains the main forest disaster that causes loss of forest resources, threatens the safety of forest ecological environment, and results in personal injuries. This study aims to provide technical reference for the study of forest fire early warning and monitoring technology in the new period of China. The research progress, existing problems, and development trend of forest fire early warning and fire monitoring methods with satellite remote sensing technique in the past 20 years are investigated on the basis of eight fields, namely, fuel parameter evaluation, smoke identification, active fire point monitoring, combustion dynamic monitoring of large forest fire, burned forest area identification and mapping, damage assessment of forest fire, burned forest biomass estimation, and burned vegetation recovery. The design of forest fire early warning and monitoring technology system has been discussed using the integrated information of satellite, aviation, and ground monitoring techniques to promote Chinese ecological civilization Key words: satellite remote sensing technique, forest fire early warning, forest fire monitoring, forest fire prevention Supported by Specialized Research Fund of the Chinese Academy of Forestry(No. CAFYBB2018SZ009): High Resolution Satellite Project of the State Administration of Science, Technology and Industry for National Defense of PRC (No 21-Y30B02-9001-19/22/06)

Journal of Remote Sensing（Chinese） 遥感学报 2020, 24（5） based on power law distribution. Scientia Silvae Sinicae, 53(10): 90-99 (祖笑锋, 覃先林, 李增元, 孙桂芬, 刘树超 . 2017. 基于幂 律分布的森林燃烧生物量卫星遥感估测方法 . 林业科学, 53 (10): 90-99) [DOI: 10.11707/j.1001-7488.20171010] Zu X F, Qin X L, Yin L Y, Chen X Z and Zhong X Q. 2015. Decision tree method for burned area identification based on the spectral in‐ dex of GF-1 WFV image. Forest Resources Management, (4): 73- 78, 83 (祖笑锋, 覃先林, 尹凌宇, 陈小中, 钟祥清 . 2015. 基于高 分一号影像光谱指数识别火烧迹地的决策树方法. 林业资源管 理, (4): 73-78, 83) [DOI: 10.13466/j.cnki.lyzygl.2015.04.013] Forest fire early warning and monitoring techniques using satellite remote sensing in China QIN Xianlin，LI Xiaotong，LIU Shuchao，LIU Qian，LI Zengyuan 1. Research Institute of Forest Resource Information Techniques, CAF, Beijing 100091, China; 2. Key Laboratory of Forestry Remote Sensing and Information System, NFGA, Beijing 100091, China Abstract：Four levels of stereoscopic forest fire monitoring have been established in China, namely, ground patrol, near-ground monitoring, aviation patrol, and satellite monitoring. Forest fire remains the main forest disaster that causes loss of forest resources, threatens the safety of forest ecological environment, and results in personal injuries. This study aims to provide technical reference for the study of forest fire early warning and monitoring technology in the new period of China. The research progress, existing problems, and development trend of forest fire early warning and fire monitoring methods with satellite remote sensing technique in the past 20 years are investigated on the basis of eight fields, namely, fuel parameter evaluation, smoke identification, active fire point monitoring, combustion dynamic monitoring of large forest fire, burned forest area identification and mapping, damage assessment of forest fire, burned forest biomass estimation, and burned vegetation recovery. The design of forest fire early warning and monitoring technology system has been discussed using the integrated information of satellite, aviation, and ground monitoring techniques to promote Chinese ecological civilization. Key words：satellite remote sensing technique, forest fire early warning, forest fire monitoring, forest fire prevention Supported by Specialized Research Fund of the Chinese Academy of Forestry (No. CAFYBB2018SZ009); High Resolution Satellite Project of the State Administration of Science, Technology and Industry for National Defense of PRC (No. 21-Y30B02-9001-19/22/06) 520