李哲全，張 貴，譚三清，吳 鑫

（中南林業(yè)科技大學(xué) 林學(xué)院，湖南 長沙 410004）

衛(wèi)星遙感技術(shù)提供了地球表面的全球觀測信息，使森林火災(zāi)風(fēng)險(xiǎn)預(yù)警不再受地面氣象站數(shù)據(jù)的限制，能夠更快速的獲得森林火災(zāi)風(fēng)險(xiǎn)因子信息，且衛(wèi)星遙感數(shù)據(jù)具有高實(shí)時(shí)性，可滿足森林火災(zāi)風(fēng)險(xiǎn)預(yù)警的時(shí)效性。

Cipriani 等[1]將高程、坡向、坡度、土地利用類型、道路和建筑物等因子進(jìn)行危險(xiǎn)等級劃分，通過火災(zāi)結(jié)構(gòu)指數(shù)（SFI）進(jìn)行疊加，生成研究區(qū)的森林火災(zāi)風(fēng)險(xiǎn)圖，進(jìn)而確定森林火災(zāi)發(fā)生概率最高的區(qū)域；劉琳[2]使用了NDVI、TVDI、植被覆蓋類型3 個(gè)因子建立了火險(xiǎn)綜合預(yù)報(bào)指數(shù)模型對重慶市進(jìn)行森林火災(zāi)監(jiān)測預(yù)警；王雙等[3]采用Logistic 回歸分析方法，地表溫度數(shù)據(jù)、植被指數(shù)數(shù)據(jù)、氣象數(shù)據(jù)、人文數(shù)據(jù)、植被類型數(shù)據(jù)、森林火災(zāi)監(jiān)測數(shù)據(jù)等，構(gòu)建森林火災(zāi)風(fēng)險(xiǎn)概率模型，并對湖南省森林火災(zāi)風(fēng)險(xiǎn)等級進(jìn)行劃分；賈旭[4]將各個(gè)火險(xiǎn)因子依據(jù)是否在短時(shí)間內(nèi)發(fā)生變化，分為可變因子與穩(wěn)定因子兩大類，并使用層次分析法來分開計(jì)算因子的權(quán)重，后根據(jù)權(quán)重進(jìn)行計(jì)算生成內(nèi)蒙古的火險(xiǎn)區(qū)劃；Adab 等[5]利用地形因子、植被濕度因子、人類活動(dòng)因子建立了火災(zāi)結(jié)構(gòu)指數(shù)、火災(zāi)風(fēng)險(xiǎn)指數(shù)與混合火災(zāi)指數(shù)對伊朗南部地區(qū)進(jìn)行了森林火災(zāi)監(jiān)測預(yù)警；Babu 等[6]提出了一種新的靜態(tài)火險(xiǎn)指數(shù)（SFDI），該指數(shù)利用土地覆蓋類型數(shù)據(jù)（MCD12Q1）、數(shù)字高程模型數(shù)據(jù)（DEM）和熱點(diǎn)數(shù)據(jù)（MOD14）對印度某一地區(qū)進(jìn)行統(tǒng)計(jì)分析計(jì)算SFDI。馬文苑等[7]使用2010—2017年衛(wèi)星監(jiān)測熱點(diǎn)數(shù)據(jù)，基于邏輯斯蒂模型和隨機(jī)森林模型分析氣象、地形、植被和人類活動(dòng)對山西省林火發(fā)生的影響，選取山西省主要林火驅(qū)動(dòng)因子，建立林火發(fā)生概率模型。

綜上所述，目前大部分國內(nèi)外學(xué)者將氣象因子、地形因子、植被狀況劃分為若干等級，對應(yīng)不同等級的森林火災(zāi)風(fēng)險(xiǎn)區(qū)劃，依次建立了森林火險(xiǎn)預(yù)警模型，但由此得到的預(yù)警結(jié)果是一個(gè)靜態(tài)的結(jié)果，而本文利用衛(wèi)星遙感數(shù)據(jù)與DEM 數(shù)據(jù)提取森林火災(zāi)風(fēng)險(xiǎn)預(yù)警因子并構(gòu)建森林火災(zāi)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系與模型，可進(jìn)行森林火災(zāi)風(fēng)險(xiǎn)的動(dòng)態(tài)預(yù)警以滿足森林防火工作的時(shí)效性。

1 材料與方法

1.1 數(shù)據(jù)源

研究中使用的數(shù)據(jù)為MOD02 數(shù)據(jù)、DEM 數(shù)字高程數(shù)據(jù)、2009—2019年廣東省森林火災(zāi)衛(wèi)星熱點(diǎn)數(shù)據(jù)。

MOD02 是MODIS 經(jīng)校正后的原始數(shù)據(jù)，分為3 種類型：MOD02QKM 分辨率為250 m，包含了1、2 波段的數(shù)據(jù)；MOD02HKM 分辨率為500 m，包含了1～7 波段的數(shù)據(jù)，其中1、2 波段的數(shù)據(jù)被重采樣至500 m 的分辨率；MOD021KM 分辨率為1 km，包含了MODIS 36 個(gè)波段的信息，其中1～7 波段的數(shù)據(jù)都被重采樣至1 km 分辨率。

DEM 數(shù)據(jù)包含了高程在內(nèi)的各種地形因子如坡度、坡向、坡度變化率等因子在內(nèi)的線性和非線性組合的空間分布。

1.2 研究方法

1.2.1 森林火災(zāi)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系的構(gòu)建

國內(nèi)外研究成果表明，森林火災(zāi)的發(fā)生主要與地表溫度、地表植被狀況、地形地貌、降水量、可燃物含水率等因素有密切關(guān)系。例如NDVI 能有效地表征地面可燃物狀態(tài)；TVDI 可以表征地表溫度與土壤濕度兩個(gè)森林火災(zāi)風(fēng)險(xiǎn)因子；NDII7 反映可燃物含水率；森林火災(zāi)的發(fā)生與高程、坡度、坡向等地形因子存在不同程度的關(guān)系；發(fā)生森林火災(zāi)的歷史狀況也與森林火災(zāi)風(fēng)險(xiǎn)存在密切關(guān)系。利用遙感技術(shù)對森林火災(zāi)進(jìn)行風(fēng)險(xiǎn)預(yù)警具有高時(shí)效性，森林火災(zāi)風(fēng)險(xiǎn)程度是多因子耦合的結(jié)果?？紤]到遙感數(shù)據(jù)提取森林火災(zāi)風(fēng)險(xiǎn)預(yù)警因子的可獲得性，選擇NDVI、NDII7、TVDI、高程、坡度、坡向、森林火災(zāi)歷史數(shù)據(jù)等作為森林火災(zāi)風(fēng)險(xiǎn)預(yù)警因子，構(gòu)建森林火災(zāi)風(fēng)險(xiǎn)預(yù)警模型，實(shí)現(xiàn)森林火災(zāi)的實(shí)時(shí)預(yù)警。

NDVI 是反映地表植被覆蓋信息的一種植被指數(shù)，能夠反映植被的綠度、光合作用強(qiáng)度，現(xiàn)主要被用于植被的動(dòng)態(tài)監(jiān)測。其值的計(jì)算通過近紅外波段（841～876 nm）與紅光波段（620～670 nm）兩個(gè)通道反射率之差除以它們的和，計(jì)算公式如下：

式中：Rnir和Rred是指經(jīng)過大氣校正的MODIS 影像數(shù)據(jù)中的近紅外波段和紅光波段的地物反射率。

濕度，即可燃物含水率。覃先林[8]的研究工作己經(jīng)論證了短波紅外波段與可燃物含水率呈現(xiàn)負(fù)相關(guān)關(guān)系，并且與其他植被指數(shù)相比，第7 波段的歸一化紅外指數(shù)（Normalized difference infrared index7，NDII7）對可燃物含水率更為敏感（圖1），從圖1可看出植被的NDVI、NDII7 值和NDWI 均大于裸地，且植被和裸地的NDII7 值相差大于兩者的NDVI 值之差。因此，將NDII7作為可燃物含水率的指標(biāo)之一，該指數(shù)由MODIS的兩個(gè)波段計(jì)算，其公式如下：

圖1 不同地物類型在不同波段和不同含水率指數(shù)的變化曲線Fig.1 Variation curves of different surface feature types in different wave bands and different water content indexes

式中：ρi為第i波段的反射率。

TVDI 是以地表溫度（Ts）和植被指數(shù)（NDVI）構(gòu)建的二維空間的Ts-NDVI 到的，它主要用于旱情的監(jiān)測、土壤濕度的反演和反應(yīng)植被缺水狀況。在文中用于表示溫度與森林火災(zāi)之間的關(guān)系，因?yàn)門VDI 值越高，表示區(qū)域內(nèi)溫度與植被指數(shù)之比越大，越容易發(fā)生森林火災(zāi)，其計(jì)算公式如下：

式中：Ts為地表溫度（℃）；Tmin為相應(yīng)NDVI 下最低陸地表面溫度（℃）；Tmax為相應(yīng)NDVI 下最高陸地表面溫度（℃），即所對應(yīng)的濕邊和干邊方程；a、c、b、d為干濕邊方程的回歸系數(shù)，分別為干濕邊方程的截距和斜率[9-10]。

高程、坡度、坡向可基于DEM 數(shù)據(jù)進(jìn)行提??；歷史森林火災(zāi)因子則通過2009～2019年森林火災(zāi)衛(wèi)星熱點(diǎn)數(shù)據(jù)計(jì)算獲得。

1.2.2 森林火災(zāi)風(fēng)險(xiǎn)預(yù)警模型

自然災(zāi)害風(fēng)險(xiǎn)指數(shù)。根據(jù)自然災(zāi)害的形成與發(fā)展機(jī)理，自然災(zāi)害風(fēng)險(xiǎn)是由致災(zāi)因子的危險(xiǎn)性與受災(zāi)體的暴露性和脆弱性綜合作用形成的，可通過自然災(zāi)害風(fēng)險(xiǎn)指數(shù)來表現(xiàn)風(fēng)險(xiǎn)程度。

自然災(zāi)害風(fēng)險(xiǎn)指數(shù)的計(jì)算公式如下：

式中：xi為第i風(fēng)險(xiǎn)項(xiàng)的取值；wi為第i風(fēng)險(xiǎn)項(xiàng)的權(quán)重值。

森林火災(zāi)動(dòng)態(tài)危險(xiǎn)性指數(shù)。為了建立一種簡單易操作的森林火災(zāi)動(dòng)態(tài)危險(xiǎn)性評估模型，可提出如下假設(shè):1）可燃物含水率可預(yù)測森林火災(zāi)發(fā)生的可能性；2）植被覆蓋率可作用一個(gè)輔助指標(biāo)提供相應(yīng)的參考；3）地表溫度會(huì)影響可燃物含水率的大小，因此地表溫度可作為其中的一個(gè)動(dòng)態(tài)因素來預(yù)測森林火災(zāi)的發(fā)生；4）本模型不考慮風(fēng)所帶來的影響。使用基于李曉戀[11]研究提出的森林火災(zāi)動(dòng)態(tài)危險(xiǎn)性指數(shù)（式7）進(jìn)行森林火災(zāi)風(fēng)險(xiǎn)預(yù)警，公式如下：

式中：FDDI為森林火災(zāi)動(dòng)態(tài)危險(xiǎn)性指數(shù)，NDII7為MODIS 第7 波段歸一化紅外指數(shù)，用于表示可燃物含水率，T為地表溫度，Pv為植被覆蓋率。

1.2.3 地表溫度反演

劈窗算法請參考文獻(xiàn)[12]。

2 結(jié)果與分析

2.1 地表溫度反演

本研究利用大氣水汽含量來估算地表溫度反演中所需的大氣透過率。通過MODIS 影像的第2與19 波段的反射率來估算得到大氣水汽含量，公式如下：

式中：W為大氣水汽含量，ρi為第i波段的反射率，α、β為常量，依據(jù)地物類型來取值α=0.020，β=0.651。

將W代入公式分別計(jì)算第31 與32 波段的大氣透過率。

依據(jù)上述關(guān)系，對大氣透過率進(jìn)行估算，結(jié)果如圖2所示。

圖2 研究區(qū)第31、32 波段的大氣透過率（2021年2月14日MODIS 數(shù)據(jù)）Fig.2 Atmospheric transmittance of the 31st and 32nd wavebands in the study area(MODIS data of February 14,2021)

地表比輻射率是進(jìn)行地表溫度遙感反演的基本參數(shù)，主要取決于地表覆蓋物質(zhì)的結(jié)構(gòu)。計(jì)算公式如下：

式中：εi為第i波段的地表比輻射率，Pv為植被覆蓋度，可通過NDVI 來計(jì)算，Rv、Rs為植被與裸土的輻射比率。εiv、εis為植被和裸土在第i波段的地表比輻射率，賦值為常數(shù)ε31v=0.986 72、ε32v=0.989 90、ε31s=0.967 67、ε32s=0.977 90。

Rv與Rs不僅取決于溫度變化，而且取決于植被覆蓋度，且后者的影響更大。因此，可建立它們與植被覆蓋度之間的關(guān)系來進(jìn)行估計(jì)。計(jì)算公式如下：

植被覆蓋度Pv主要是通過NDVI 來估計(jì)：

式中：NDVIv、NDVIs為高植被覆蓋像元與裸土像元的NDVI 值，通常取常數(shù)NDVIv=0.9、NDVIs=0.15。

依據(jù)上述關(guān)系，對地表比輻射率進(jìn)行估算，結(jié)果如圖3顯示。

圖3 研究區(qū)第31、32 波段的地表比輻射率（2021年2月14日MODIS 數(shù)據(jù)）Fig.3 Surface emissivity of the 31st and 32st wavebands in the study area(MODIS data of February 14,2021)

dε為估計(jì)相互作用校正項(xiàng)，由于熱輻射相互作用在植被與裸土各占一半時(shí)達(dá)到最大，所以根據(jù)Sobrino[13]的研究提出的經(jīng)驗(yàn)公式來計(jì)算，公式為：

依據(jù)劈窗算法得到廣東省的地表溫度反演，見圖4。

圖4 2021年2月14日廣東省地表溫度反演結(jié)果Fig.4 Retrieval results of land surface temperature in Guangdong province on February 14,2021

2.2 森林火災(zāi)風(fēng)險(xiǎn)預(yù)警指標(biāo)計(jì)算

基于式（1），提取MOD02 中對應(yīng)波段，計(jì)算得到區(qū)域NDVI 值。

基于式（2），提取MOD02 中對應(yīng)波段，計(jì)算得到區(qū)域NDII7 值。

圖5 2021年2月14日廣東省NDVI 值分布Fig.5 Distribution of NDVI in Guangdong province on February 14,2021

圖6 2021年2月14日廣東省NDII7 值分布Fig.6 Distribution of NDII7 in Guangdong province on February 14,2021

基于式（3）～（5），使用反演的地表溫度與NDVI 計(jì)算得到區(qū)域TVDI 值。

圖7 2021年2月14日廣東省TVDI 值分布Fig.7 Distribution of TVDI in Guangdong province on February 14,2021

高程。高程與森林火災(zāi)的發(fā)生和發(fā)展有明顯的關(guān)系。對于高程的劃分，中科院1987年規(guī)范了基于全國區(qū)域的高程劃分，其范圍為＜1 000 m，1 000～3 500 m，3 500～5 000 m，＞5 000 m，該劃分對于廣東省來說間距過大，不能很好的反應(yīng)廣東省的地形特征。經(jīng)統(tǒng)計(jì)，廣東省實(shí)際的高程分布區(qū)間在[-57～1 874 m]間，因此參考周成虎等[14-15]、哈凱等[16]的研究成果，以200 m為一級進(jìn)行劃分，將廣東省的高程分為[-57～200 m)，[200～400 m)，[400～600 m)，[600～800 m)，[800～1 000 m)，[1 000～1 200 m)，[1 200～1 400 m)，[1 400～1 874 m]8 個(gè)劃分區(qū)，并依據(jù)分區(qū)對廣東省的森林火災(zāi)熱點(diǎn)數(shù)量進(jìn)行劃分統(tǒng)計(jì)。表1為基于高程的森林火災(zāi)熱點(diǎn)數(shù)分布表。

表1 基于高程的森林火災(zāi)熱點(diǎn)數(shù)分布Table 1 Distribution table of forest fire hot spot number based on elevation

坡度。坡度使用DEM 數(shù)據(jù)在ArcMap10.4 生成坡度圖，并根據(jù)中國科學(xué)院地理研究所編制的中國1:1 000 000 地貌圖制圖規(guī)范，將研究區(qū)坡度劃分為[0°～5°)、[5°～10°)、[10°～15°)、[15°～20°)、[20°～25°)、[25°～30°)、[30°～35°)、[35°～40°)、[40°～90°)9 個(gè)類別，再根據(jù)2009年至2019年的森林火災(zāi)熱點(diǎn)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，得出不同坡度的森林火災(zāi)熱點(diǎn)分布頻率。經(jīng)統(tǒng)計(jì)得，坡度在[0°～25°]之間，廣東省森林火災(zāi)熱點(diǎn)數(shù)量很高，這是由于坡度小的地方人類的活動(dòng)越多，失火的概率越大，反之亦然。但是當(dāng)森林火災(zāi)發(fā)生時(shí)，火勢會(huì)向坡度高的地方蔓延。表2為基于坡度的森林火災(zāi)熱點(diǎn)數(shù)分布表。

表2 基于坡度的森林火災(zāi)熱點(diǎn)數(shù)分布Table 2 Distribution table of number of forest fire hot spots based on slope

坡向。在森林火災(zāi)預(yù)警研究中，坡向可作為日照時(shí)長的指標(biāo)。表3為基于坡向的森林火災(zāi)熱點(diǎn)數(shù)分布表。

表3 基于坡向的森林火災(zāi)熱點(diǎn)數(shù)分布Table 3 Distribution table of number of forest fire hot spots based on aspect

歷史森林火災(zāi)因子?；?009—2019 森林火災(zāi)衛(wèi)星熱點(diǎn)數(shù)據(jù)，生成區(qū)域的歷史森林火災(zāi)發(fā)生區(qū)域圖，將發(fā)生過森林火災(zāi)的區(qū)域賦值為1，未發(fā)生森林火災(zāi)的區(qū)域賦值為0（圖8）。

圖8 廣東省2009—2019年森林火災(zāi)發(fā)生區(qū)域Fig.8 Forest fire occurrence area in Guangdong province from 2009 to 2019

2.3 森林火災(zāi)風(fēng)險(xiǎn)預(yù)警

選擇TVDI、NDVI、NDII7、高程、坡度、坡向與森林火災(zāi)歷史數(shù)據(jù)作為預(yù)警因子。

傳統(tǒng)森林火災(zāi)預(yù)警模型是由于早期對各預(yù)警因子間關(guān)系的研究較少而進(jìn)行的一種簡單模型計(jì)算。隨著對森林火災(zāi)的研究加深，各預(yù)警因子間的關(guān)系逐漸清晰，并得到量化，且由于傳統(tǒng)模型對因子的直接疊加過于粗糙，該模型的預(yù)警精度已不能保證。

傳統(tǒng)森林火災(zāi)風(fēng)險(xiǎn)預(yù)警模型基于已分類并進(jìn)行歸一化處理的預(yù)警因子進(jìn)行直接疊加得到森林火災(zāi)風(fēng)險(xiǎn)分布圖（圖9）。

將森林火災(zāi)動(dòng)態(tài)危險(xiǎn)性指數(shù)公式進(jìn)行適宜于本研究預(yù)警方法的改進(jìn)（式17），公式如下：

利用SPSS19.0 軟件對高程、坡度、坡向進(jìn)行顯著性檢驗(yàn)，得到高程、坡度、坡向的權(quán)重（表4）。最終構(gòu)建出森林火災(zāi)風(fēng)險(xiǎn)預(yù)警模型。公式如下：

表4 地形因子權(quán)重Table 4 Weight of terrain factors

基于改進(jìn)后的森林火災(zāi)動(dòng)態(tài)危險(xiǎn)性指數(shù)模型（式18），疊加預(yù)警因子的柵格圖層，在ArcMap10.4 軟件中進(jìn)行柵格計(jì)算，得到森林火災(zāi)風(fēng)險(xiǎn)分布圖（圖10）。

由圖10可知，在2021年2月15日當(dāng)天，廣東省各市均存在高森林火災(zāi)風(fēng)險(xiǎn)區(qū)，其中廣州市、佛山市、中山市、東莞市、汕頭市、深圳市的高森林火災(zāi)風(fēng)險(xiǎn)區(qū)面積較大。

對比圖9與圖10。在基于傳統(tǒng)森林火災(zāi)預(yù)警模型得到的預(yù)警圖（圖9）中，中高森林火災(zāi)風(fēng)險(xiǎn)區(qū)域占比面積偏大，對于具體森林火災(zāi)風(fēng)險(xiǎn)程度的危險(xiǎn)等級變化較小，且對比基于改進(jìn)后的森林火災(zāi)動(dòng)態(tài)危險(xiǎn)性指數(shù)模型計(jì)算得到的預(yù)警圖（圖10），對中高風(fēng)險(xiǎn)區(qū)的描繪較粗略，這是由于傳統(tǒng)預(yù)警模型是將各因子進(jìn)行了歸一化處理后再進(jìn)行因子疊加運(yùn)算的結(jié)果。

圖9 2021年2月15日廣東省森林火災(zāi)風(fēng)險(xiǎn)分布（基于傳統(tǒng)森林火災(zāi)風(fēng)險(xiǎn)預(yù)警模型）Fig.9 Distribution of forest fire risk in Guangdong province on February 15,2021 (Based on the traditional forest fire risk early warning model)

對改進(jìn)后的森林火災(zāi)動(dòng)態(tài)危險(xiǎn)性指數(shù)模型進(jìn)行ROC 檢驗(yàn)。利用模型計(jì)算得出的預(yù)測概率，在SPSS19.0 軟件中繪制ROC 曲線并對AUC 值進(jìn)行計(jì)算，得到AUC 值為1.0，大于0.7，證明該模型能夠有效區(qū)分森林火災(zāi)高風(fēng)險(xiǎn)區(qū)與低風(fēng)險(xiǎn)區(qū)，模型擬合效果較好（圖10）。

圖10 2021年2月15日廣東省森林火災(zāi)風(fēng)險(xiǎn)分布（基于2021年2月14日MODIS 數(shù)據(jù)）Fig.10 Distribution of forest frie risk in Guangdong province on February 15,2021 (Based on MODIS data of February 14,2021)

3 結(jié)論與討論

3.1 結(jié) 論

1）從森林火災(zāi)熱點(diǎn)數(shù)量與地形因子之間關(guān)系看出，2009—2019年廣東省森林火災(zāi)熱點(diǎn)多集中于坡度低于25°，海拔低于300 m 的區(qū)域；坡向因子對區(qū)域內(nèi)森林火災(zāi)熱點(diǎn)個(gè)數(shù)影響較弱，在各坡向上，森林火災(zāi)熱點(diǎn)分布較均勻。

2）使用TVDI、NDVI、NDII7、高程、坡度、坡向與森林火災(zāi)歷史數(shù)據(jù)因子擬合的森林火災(zāi)動(dòng)態(tài)危險(xiǎn)性指數(shù)FDDI 來反映森林火災(zāi)發(fā)生的風(fēng)險(xiǎn)概率，結(jié)果值越大，表明NDVI 值越小、TVDI 值越小、NDII7 值越小，森林火災(zāi)風(fēng)險(xiǎn)程度大；結(jié)果值越小，表明NDVI 值越大、TVDI 值越大、NDII7 值越大，森林火災(zāi)風(fēng)險(xiǎn)程度越小。

圖11 ROC 曲線Fig.11 ROC Curve

3.2 討 論

1）傳統(tǒng)森林火災(zāi)預(yù)警方法多使用地面氣象數(shù)據(jù)進(jìn)行監(jiān)測預(yù)警，而地面氣象數(shù)據(jù)受氣象站位置的制約，當(dāng)?shù)孛鏆庀笳揪嚯x越小時(shí)，精度越高；反之亦然。且這些預(yù)警方法在操作層面上是以點(diǎn)為對象，在處理時(shí)需進(jìn)行空間插值，會(huì)導(dǎo)致不同的插值結(jié)果，泛用性不高。本文使用了遙感數(shù)據(jù)可實(shí)時(shí)分析監(jiān)測預(yù)警森林火災(zāi)風(fēng)險(xiǎn)，使林業(yè)管理部門可以高效的做出預(yù)防措施。

2）使用MODIS 數(shù)據(jù)得到的最終預(yù)警圖為1 km 分辨率，對于小范圍的森林火災(zāi)可能預(yù)警效果不佳，會(huì)影響預(yù)警精度。因此在后續(xù)的研究中可結(jié)合使用高空間分辨率的影像進(jìn)行預(yù)警研究，以提升風(fēng)險(xiǎn)預(yù)警的準(zhǔn)確性。

3）該預(yù)警模型的優(yōu)點(diǎn)是簡單易執(zhí)行，能夠?qū)崿F(xiàn)實(shí)時(shí)的森林火災(zāi)風(fēng)險(xiǎn)預(yù)警，為防火工作提供直接的信息，并結(jié)合了地形因子，解決了原森林火災(zāi)動(dòng)態(tài)危險(xiǎn)性指數(shù)模型的局限性，但僅僅加入地形因子還是不夠的，森林火災(zāi)的發(fā)生還涉及其他預(yù)警因子，例如人為活動(dòng)、雷擊等火源因子、風(fēng)速風(fēng)向等因子。下一步研究方向?yàn)檫M(jìn)行諸如人為活動(dòng)、風(fēng)速風(fēng)向等預(yù)警因子的遙感提取研究，以滿足森林火災(zāi)風(fēng)向預(yù)警的時(shí)效性，并以此建立更加完善的基于衛(wèi)星遙感的森林火災(zāi)風(fēng)險(xiǎn)預(yù)警模型，提高森林火災(zāi)動(dòng)態(tài)預(yù)警的預(yù)警精度，合理安排森林防火工作，降低損失。