[发明专利]一种基于地形地貌及遥感数据进行森林火灾预测的方法

权利要求书

1.一种基于地形地貌及遥感数据进行森林火灾预测的方法，其特征在于，包括如下步骤：

步骤(1)、数据特征选取

将预测森林火灾使用的数据特征划分为静态数据和动态数据两类，所谓静态数据即如地形地貌、人类影响指数等不会随着时间变动的数据，该部分数据不会因短期时间的变化而变化，可作为森林火灾预测的基础数据；

静态特征数据主要包括地形地貌数据、土地覆盖类型(MOD12Q1)以及人类影响指数；

动态数据为每日的气象数据、每日地表反射率等描述当日气候或植被、土地情况的数据，具有一定的时效性；

步骤(2)、数据预处理

地形数据、地形矢量数据及遥感数据一般为空间数据，其包含着空间地理坐标信息，而获取的数据往往不仅仅包含着待预测区域的数据；因此需要对空间数据进行范围等的相关处理；

步骤(3)、森林火灾预测

针对上述步骤(2)处理完成的栅格数据构建森林火灾预测模型，对待预测区域的每个网格进行预测。

2.根据权利要求1中所述的一种基于地形地貌及遥感数据进行森林火灾预测的方法，其特征在于，步骤(1)中具体选取的数据特征描述如下：

气象数据：待预测日前一日的降水量、蒸发量、待预测日预报的降水量、风速、风向等气象数据；

地形地貌数据：待预测区域的DEM高程数据、待预测区域坡度、坡向数据；

遥感数据：

(1)、土地覆盖类型：森林火灾的发生概率与土地的类型密不可分，如城镇与建成区、冰雪、水体、湿地等非草木类土地不可能发生森林火灾，而不同的自然植被类型的易燃情况也不相同；因此土地覆盖类型的使用十分有必要；MODIS数据产品将土地覆盖类型划分为17个类别，其中包括11个自然植被类型、3个土地开发和镶嵌的地类以及3个非草木土地的地类；本发明采用MOD12Q1地表覆盖类型96天合成数据；

(2)、地表温度数据：地表温度对森林火灾的预测是十分重要的，采用每日MOD11A1的地表温度数据；

(3)、地表各波段反射率：火险因子指数通常是根据森林中分布的气象站点来计算的，但受到地形、经济等因素的制约，这些信息往往不够全面或难以获取；

因此，通过遥感数据来计算实时火险因子指数就十分有意义；火险因子指数可以采用每日地表各波段的反射率计算得到；

垂直水分指数(PMI)：该指数意义为计算活可燃物含水量；植被的含水量与森林火灾的发生具有极高的相关性；PMI作为反演植被含水量的重要指标之一；

可见大气指数(VARI)：该指数通过植被的相对绿色度来测量植被的含水量，其可以有效的监测森林火险情况；

归一化火灾指数(MNDFI)：该指数根据植被的活性而建立的，植被活性越高，其叶绿素含量越高，地表反射率第2波段与叶绿素成高度正相关，第7波段与温度相关，随着气温上升第7波段的反射率值也随之上升，综合考虑下得到归一化火灾指数；

采用MOD09GA每日地表反射数据；该遥感数据集中包含许多波段的地表反射情况；具体计算公式如公式(1-1)至公式(1-3)所示：

PMI＝-0.73(λ₅-0.94λ₂-0.028) (1-1)

其中λ_i为某一波段的地表反射率；

其他数据：人类影响指数数据；人类影响指数是由野生动物保护协会(WCS)和哥伦比亚大学国际地球科学信息网络中心共同提出的；该数据根据人口密度、道路、建成区、土地使用类型等综合要素建立的，其目的是对自然资源规划、人与自然的相互影响等方面进行研究；该数据范围为0～100，表示人类活动的密集性；值越大，表示该处人类活动越频繁，反之亦然；对于森林火灾而言，人类活动越频繁，虽人为产生火灾的风险会增大，但易于被人发现并及时扑灭，不易引发更大范围灾害，而人类活动较少的地区出现火点后难以及时发现，反而更容易引起森林火灾；因此该指数也被纳入森林火灾预测的特征中。