一、应用EOS-MODIS数据进行林火监测的初步探索（论文文献综述）
冯豁朗[1]（2021）在《基于异常模式的森林火灾监测研究》文中指出近年来,由于气温不断上升,昼夜温差不断减小等原因,导致世界各地的森林火灾时有发生。森林火灾破坏了森林的自然价值和社会价值,影响自然生物及其生存环境,同时也给社会经济带来较大的损失。因此,对森林火灾进行监测研究具有极其重要的现实意义。本文基于异常模式进行森林火灾监测研究,利用发生森林火灾时中红外4μm和长波红外11μm附近通道的影像在空间和时间上的像元值、影像均值、影像标准差之间的关系,引入异常模式检测的异常因子算法和阈值法,形成单时向异常模式潜在火点识别和多时相异常模式持续火点识别算法,同时排除云和虚假火点等干扰因素,来提取森林火灾信息。通过利用异常模式算法对森林火灾进行连续观测、灵敏性对比和精度验证得到主要分析和结论如下:（1）在中国森林草原防灭火上获取全国102起无云遮盖的森林火灾的信息,通过对102起发生森林火灾时潜在火点异常因子LOFx07和LOFx74的值进行统计分析,得到其判断阈值分别为0.85和1.6。（2）利用本文基于异常模式的森林火灾监测算法对2020年4月1日22:10发生在云南省永仁县的一场森林火灾进行连续监测。监测结果显示本文算法能够监测到森林火灾从发生到结束的全过程,同时也能反映火势大小、火灾蔓延方向和火灾持续时间等信息。（3）利用2020年11月7日5时6分湖南省醴陵市发生的一场已知的小型森林火灾,用本文算法和前人学者基于时序变化的火点算法进行对比。结果显示时序算法在火灾的五个时刻内仅有两个时刻识别到了森林火灾,且这两个时刻均处于火势较大的火灾中期阶段,而在火灾前期和中后期火势较弱的三个时刻里未能识别到森林火灾。本文算法在火灾发生的五个时刻内都识别到了森林火灾。从而说明本文算法对小火的灵敏性较高,识别的效果更加准确,能够在森林火灾发生初期进行及时识别。（4）以云南省的森林火灾情况为例,利用中国森林草原防灭火网公布的森林火灾数据作为精度验证数据,Himawari-8火点产品数据作为精度验证参考数据,采用对比法,选取早上、白天、傍晚、晚上四个时刻进行精度验证。验证结果的综合评价指标分别为0.75、0.77、0.73、0.80。结果显示森林火灾识别结果整体精度较高,能够为森林火灾应急处置、灭火救援等方面提供重要作用。本文将异常模式应用于森林火灾识别监测中,虽然取得了一定的成效,但是对于异常模式检测还可以进一步研究,例如,在森林火灾监测中,很多算法的阈值都是经验式的,将异常模式检测中的机器学习算法引入到森林火灾监测中来代替原先需要人为先验的阈值判定方法,是一种比较科学的方法。
刘炀炀[2]（2020）在《基于GEE的林火识别与火后植被恢复评估研究》文中进行了进一步梳理传统的利用遥感方法监测森林火灾大多在本地设备中完成,本地设备存储和计算的能力直接关系到数据处理的时间,同时也限制了当前对于大尺度区域森林火灾的展开研究。谷歌地球引擎（Google Earth Engine,简称GEE）是对海量遥感数据进行科学分析以及地理信息可视化的综合性大数据平台,数据处理不受本地条件的制约。本研究以内蒙古自治区根河市为研究区,致力于基于GEE进行火情监测,提出一种快速识别提取大尺度区域火烧迹地的新方法,建立市级林火历史属性数据库,分析森林火灾及其火烈度的分布格局,探索精确至月内时段的起火时间判别方法,研究不同条件下火后植被恢复动态的评估方法,以期为当地林业部门监测森林火灾以及制定火后植被恢复经营决策提供理论支持与数据基础。本研究基于GEE获取根河市2001～2010年的年际TM合成影像,选择以影像的近红外波段与d NBR指数作为过火区敏感特征,利用OTSU算法计算阈值后构建决策树分类模型提取根河市年际火烧迹地,验证精度后建立了市级林火历史属性数据库,分析森林火灾的时空分布情况;根据d NBR指数阈值范围进行林火烈度分级,结合DEM数据分析林火烈度的空间分布;基于GEE调用MOD09A1数据集获取过火区及邻近植被区斑块的NDVI、NBR指数时间序列数据,通过对比分析确定火烧迹地起火时间;基于GEE调用Landsat系列数据合成的EVI指数产品提取不同火烧迹地各级林火烈度区域像元的EVI指数时间序列数据,以起火前三年生长期的EVI均值为对照计算d EVI指数,从时间尺度上分析不同林火烈度对火后植被恢复的影响,评估火后植被恢复年限。主要结论如下:⑴基于GEE快速提取大尺度区域火烧迹地的方法可行,火烧迹地提取的总体精度为88.54%,整体较为完整,边界清晰,结果较为可靠。⑵根河市2001～2010年发生的森林火灾具有明显的时间与空间差异,火烧迹地总体分布在东北部地区,而西南部地区较少。在所有森林火灾中,林火预警次数最少,但极易发展为规模更大的森林火灾;一般森林火灾次数最多,频率最高;重大森林火灾14起,总过火面积为3969.3hm2;特大森林火灾次数不多,但其过火面积远超其他等级的森林火灾。所有年份中,2003年总过火面积最大,2006年最小,2004年和2006年森林火灾发生次数最少,都只有4起,2008年次数最多为18起,但大多为过火面积在1～100hm2的一般森林火灾,2003年位于中部地区发生的特大森林火灾过火面积高达84343.3hm2,是根河市历年过火面积最大的森林火灾。⑶根河市森林火灾各级林火烈度的过火面积占比总体呈:中度>重度>轻度,海拔在500～1000m的区域过火面积占比远高于1000m以上的区域;不同坡度过火面积占比总体呈:缓坡>平坡>平地>斜坡>陡坡;不同坡向过火面积从大到小依次为:东>西>北>南>西北>西南>东北>东南>平地。总体来看,海拔在500～1000m、坡度为6～15°以及坡向处于东坡的区域易发生大规模森林火灾,可作为当地林业部门重点林火预防区域。⑷结合NDVI与NBR指数的时序变化确定火烧迹地的起火时间能够有效避免数据噪声和天气变化的影响,可以实现在没有其它林火数据支持的情况下确定起火时间,判别精度可达到月内时间段。森林火灾发生后,NDVI与NBR指数变化显着,NDVI指数通常在火后第1年出现下降趋势,而NBR指数在起火当年即表现出下降的趋势。⑸根河市火后植被指数的总体恢复年限在10年左右,总体表现为:重度火烧更新恢复难,轻度、中度火烧恢复影响因素多,不同火烈度区域的火后植被恢复情况与过火面积并无明显关系。火后EVI指数呈明显上升趋势并伴随一定年际波动,不同林火烈度区域的EVI指数恢复差异明显,重度火烧的恢复速率明显低于轻度、中度火烧,轻度火烧最快1年即可恢复至火前水平,最慢需8年;中度火烧区域最快需2年恢复至火前水平,最慢需8年;重度火烧区域最快4年可恢复,最慢恢复时间长达10年。
苏日古嘎[3]（2020）在《基于静止气象卫星的草原火实时监测与预警研究》文中认为及时发现、预警及火蔓延准确模拟对阻击、扑灭草原火非常重要。蒙古国是我国北方的重要邻国,与我国共有4676.8km边境线,边境线两侧的地形、气候、植被类型等相近。近年来蒙古国境内频繁发生草原火,火借风势,经常蔓延到边境线处,严重威胁到我国北方草地生态安全及边境地区人民生命财产安全。本文以中蒙边境地区为研究区,利用时间分辨率较高的新一代静止气象卫星HIMAWARI8/9数据,开展了快速判别火点、实时跟踪监测草原火的发展动态、提取火烧迹地等工作,并对现有的火蔓延元胞自动机模型进行改进,结合气象、地形、可燃物等数据,模拟研究了草原火的蔓延趋势。研究结果表明:（1）开展了基于HIMAWARI8/9数据的草原火快速识别和实时跟踪监测研究。对2019年4月29日-30日发生在蒙古国境内的草原火进行了连续动态监测,发现此次草原火共持续11h30min,HIMAWARI8/9卫星共监测70次,火烧面积共3098.09km2。最初监测到火点坐标为东经115°49′,北纬49°2′,时间为29日14:50（UTC）,距离国境线24公里。通过实时跟踪监测发现,火势向东南方向蔓延,直到30日02:20（UTC）时火头不再往外扩散,逐渐熄灭。火场蔓延过程中,蔓延速度呈增加-减少-增加的趋势,平均蔓延速度约6.08km/h,为急进地表火。采用标准差椭圆分析法评估火点空间分布的准确性,发现基于MODIS、S-NPP/VIIRS和HIMAWARI8/9三种数据判识的火点,其标准差椭圆重心十分接近,均在49.03°N,115.96°E附近,火点分布方向均为西北—东南,与火线移动方向相一致。（2）在火烧迹地提取方面,归一化燃烧指数（Normalized Burn Ration,NBR）与归一化植被指数（Normalized Difference Vegetation Index,NDVI）、增强型植被指数（Enhanced Vegetation Index,EVI）、全球环境监测植被指数（Global Environment Monitoring Index,GEMI）、燃烧面积指数（Burned Area Index,BAI）四种指数相比,分离指数M取值大于1,对火烧迹地的分离能力较好。通过GEMI、BAI、NBR指数对HIMAWARI8/9卫星数据提取火烧迹地并利用Sentinel-2卫星数据进行精度评价,发现NBR指数识别能力较好,总体精度达到96.25%,Kappa系数为0.91,而BAI、GEMI指数提取火烧迹地的潜力相差不大,总体精度分别达到84.86%、83.96%,Kappa系数均为0.60。（3）在掌握元胞自动机原理和王正非—毛贤敏林火蔓延模型的基础上,对张菲菲提出的基于地理元胞自动机的林火蔓延模型进行了改进,构建了草原火蔓延模拟模型。新模型中引入元胞自身燃烧的影响,重新定义元胞的转换规则函数,采用Python语言开发了模拟软件,输入HIMAWARI8/9数据提取的火点信息和气象、地形、可燃物等其他数据,进行了火蔓延模拟实验。根据HIMAWARI8/9数据观测频次和风向风速数据获取时间,采用三种方式进行了模拟,并用实际过火区来验证模拟精度。采用多种方式进行模拟后发现模拟的过火面积总是大于实际过火面积,其中最好的结果显示92.24%的实际过火区域被模型成功模拟重现,模型精度达到73.29%。本文研究结果表明,通过高时间分辨率的静止气象卫星可及时提取火点和实时跟踪,在此基础上结合草原火蔓延模型,可准确模拟火蔓延方向和速度,对境外火越境问题而言,可为防火管理部门提供越境火到达边境的位置和时间等信息,对阻击扑灭工作和应急管理工作提供有效信息。
吴月[4]（2019）在《基于遥感数据的林火监测方法及其应用》文中认为林火在失去人为控制后,由火点处向四周肆意延伸,在扩散过程中形成森林火灾,同时也带来了巨大的破坏。森林火灾破坏了森林的自然价值和社会价值,影响自然生物及其生存环境,同时也给社会经济带来较大的损失。因此,对林火进行监测研究具有重要的意义。遥感技术发展至今,卫星影像在火灾监测中发挥了重要的作用。本文将大兴安岭毕拉河林场作为研究区,利用MODIS数据对其进行火点监测,选取合适的波段参数,通过长时间序列的MODIS数据来构建亮温异常信号所处的背景信息,这能去除大部分地形和气象等因素带来的影响,利用局部环境变化指数确认非火点信息,并将其剔除;然后加入提取的单时相数据背景信息,用来识别空间域上相对于周围的异常信息并确认火点,结合两种方法的优点,提高火点算法精度。再基于确认的火点信息,结合ALICE（Absolutely Llocal Index of Change of the Environment）指数和GEMIB（Global Environment Monitoring Index-B）指数快速提取过火迹地信息。利用多种光谱指数指标对Landsat数据进行过火迹地监测,通过对8种光谱指数在研究区典型地物上的分布特性讨论,设定分离阈值,构建多指数指标的过火迹地提取算法,提高过火迹地识别精度。主要结论如下:（1）在分析常用监测算法优缺点的基础上,结合RST（Robust Satellite Techniques）和基于背景场信息的火产品火点算法这两种算法的优点,改进了监测算法,提高算法精度。同时对毕拉河林场进行多次阈值实验,经过多次阈值试验,ALICE值选取为2.6时,火点监测结果较好。（2）在改进算法中,通过改变RST算法的核心参数,衍生出三种不同的RST算法,得到火点信息的ALICE值;利用精度评价方法选择阈值,同时对衍生的三种方法和MODIS火产品火点算法进行对比,其监测精度大小为:基于连续日期均值RST>MODIS火产品的火点算法>基于空间域均值RST>基于每月同期均值RST,。基于连续日期均值RST算法监测精度最高,对本文研究区域有更好的适应性。（3）基于确认火点信息,结合ALICE指数和GEMI-B指数构建双重阈值来提取过火迹地信息,其中GEMI-B阈值为0.24,ALICE阈值为3。该方法能快速监测出过火迹地位置及绝大部分过火迹地像元,与MODIS影像数据和较高分辨率Landsat影像数据的目视解译结果进行比较都具有一致性,表明此方法具有可行性和一定的准确性。（4）基于Landsat数据对研究区4类典型地物的光谱特征信息的分析,研究了各光谱指数对地物的敏感性和分离能力,在此基础上对各个指数设定阈值,分离除过火迹地以外的地物信息,精确完成过火迹地识别。
陈波[5]（2018）在《基于MODIS数据的云南省森林火灾时空分布及火险区划研究》文中提出为综合评价我国的森林火灾形势,掌握森林火灾发生、发展规律,探讨森林火灾发生的驱动因素,本文以云南省为例,基于GIS技术,利用MODIS数据（MODIS14热异常）对云南省2001-2008的森林火灾进行了时空分布规律研究,并对引发森林火灾发生的影响因素进行了分析。通过对获得的影像数据进行预处理、林火信息的提取、热点叠加等操作,建立林火发生的数据库和图形库,把林火发生变化的时空规律直观地反应在图上。同时利用GIS技术,对云南省地形因子和相应时段的气象因子进行提取并按照一定的标准划分,将建立好的森林火灾数据库和各因子建立数量关系,按照研究目进行数据叠加分析,研究云南省森林火灾不同时间和空间下分布规律,分析不同因子对于森林火灾发生的影响。结果表明:（1）云南省森林火灾的火场面积数值每年波动幅度较大,存在不稳定性,说明每年的森林火灾发生具有随机性,在年尺度上没有一定的趋势。从云南全省范围来看,森林火灾火场面积和发生次数具有显着的区域性特征,火灾主要分布在云南省的西南地区、其次是东南和西北地区。3、4月份是云南火灾的易发期,这两个月发生森林火灾最多,占防火期所有火灾的82%。（2）地形因子对森林火灾的发生产生显着的影响,坡度和高程对于森林火灾发生有显着的影响,坡向对于森林火灾发生的影响很小。森林火灾在各个坡度都有分布,但主要分布在缓坡、斜坡和陡坡上,这三种坡度上的森林火灾面积占所有火灾面积的88%。森林火灾主要发生在高程小于2000米的地区,占所有火灾面积的86%。坡向对森林火灾影响较小,分布在阴坡和阳坡上的森林火灾数量及面积大致相等。（3）气象因子显着影响着森林火灾发生中状况,月平均降水量与森林火灾发生发生成反比,温度与森林火灾发生呈正比,云南省森林火灾随时间变化的规律与云南省气象随时间变化的规律基本相符。（4）从云南省森林火险区划整体上来看,云南省南部地区比北部地区更容易发生森林火灾,从南到北森林火灾火险逐渐降低。北部地区中,西北部地区较东北部地区更易发生林火,东北部森林火险最低。
胡杨柳[6]（2017）在《森林火灾卫星监测云层反射虚假热点识别》文中进行了进一步梳理森林火灾严重危害森林生态系统,为此,如何有效的防范和扑救森林火灾是森林经营管理者关注的一个重要内容。随着遥感影像技术的快速进步与普及,人们发现,利用遥感卫星监测森林火灾不仅监测范围广、发现及时,而且成本相对低廉。因此,依靠卫星监测森林火灾为越来越多的人所重视。但是,由于受到云层反射、杂波干扰及地面其他热源干扰等影响,遥感影像上往往会出现大量虚假热点,此时,对所有热点快速加以甄别,过滤所有虚假热点显得尤为迫切。在上述虚假热点中,由于云层的广泛分布及变化无常等原因,云层虚假热点是最普遍且最难以辨别的虚假热点。本文主要对森林火灾卫星监测云层反射虚假热点识别进行研究,针对目前林火卫星监测时大量虚假火点出自于云层反射这一现象,本研究在对最近一段时间内的MODIS数据、FY3数据、NOAA数据进行分析处理的基础上,通过对这三类数据的火点识别方法、云层检测方法以及云层反射虚假热点识别方法进行深入的研究,得到林火分布图、云分布图,最后以湖南省为例对云层反射虚假热点进行识别与应用。主要结论如下:（1）卫星火点识别研究:通过对卫星识别林火的原理进行分析,利用地球上面各类物体在可见光及红外通道上所表现出的反射率和亮度温度的明显不同设计卫星识别火点的技术流程;针对MODIS数据、AVHRR数据、FY3数据三类数据的林火识别方法分别进行研究,得到了三种不同类型数据的林火分布图。（2）卫星云层检测研究:通过对卫星云层检测的原理及技术以及不同地物的光谱辐射特性进行分析,利用云层相对于下垫面在可见光与红外光区具有较高的反射率和较低的亮温值的特性得到卫星云检测的技术流程;针对MODIS数据、AVHRR数据、FY3数据三类数据的云层检测方法分别进行研究,得到三种不同类型数据的云层检测对比图。（3）云层反射虚假热点识别方法研究:通过叠置分析,将林火分布图与森林资源分布图进行叠加,剔除非林地火点,在此基础上叠加云层分布图生成疑似虚假火点的遥感图像;通过对一定时期内云层反射虚假热点的角度属性值进行归纳统计,建立回归方程,得到虚假火点发生时的大概率角度值;最终通过对疑似虚假火点遥感图像中的火点角度值进行对比分析,得到虚假火点集。（4）云层反射虚假热点识别方法应用研究:以湖南省为例,结合湖南省森林资源分布及森林火灾发生的实际情况,选取2015-2016年气象卫星L1B级数据,应用云层反射虚假火点识别方法对遥感数据进行处理,得到了虚假火点数据集;最后将上述结果与2015-2016年湖南省森林火灾真实数据进行了对比分析,发现与真实数据基本吻合。当前,关于森林火灾卫星监测云层反射虚假热点的相关研究处于起步阶段。本次研究综合运用非林地叠置分析、卫星云图叠置分析、角度观察法等方法,对云层虚假热点进行了过滤。与真实数据进行比对发现,本研究在云层反射虚假热点过滤方面,效果较好。
李晓恋[7]（2016）在《基于MODIS数据的多因子协同作用下森林火灾预测监测研究》文中研究表明近几十年以来,森林火灾发生的频率日益激增。大多数的森林火灾是在人为因素与自然因素的协同作用下失去控制的燃烧,森林中的各类物种在这些森林火灾中遭到无情的吞噬,地球生态系统的平衡和稳定遭遇到巨大的挑战,燃烧过程中产生大量的烟尘,势必会对大气环境造成,影响当地的气候甚至对人类的生存环境构成巨大的威胁,并且给国家和人民的生命财产造成重大的损失。所以,采取必要的措施和手段来预测和发现森林火灾,并进一步抑制森林火灾的发生或者将其消灭在萌芽阶段是我们开展森林防火工作所面临的一项艰巨而又十分重要的任务。本文的研究主题是利用卫星遥感技术开展林火的灾前预测、灾时监测和灾后评估工作,研究的目的是建立能够及时反映监测林区所处状态的火灾动态危险性模型和烟雾识别模型,并开展相关的灾后分析评估,为开展森林防火工作提供更加丰富的技术支撑,以提高森林火灾预测和监测的准确率,最终将因森林火灾造成的损失最小化。其基本思想是以各地物在不同的电磁波谱范围内的光谱响应差异为基础,寻找与林火和烟雾存在相关关系的参量,构建相应的火灾动态危险性模型、烟雾识别模型以及过火迹地识别方法,从而实现林火预警和监测,并开展进一步的统计分析。为了更进一步的认识和了解卫星遥感技术在林火预警监测研究中的应用,在第2章,我们通过文献调研以及资料收集的手段介绍了卫星遥感的定义及其物理学基础和当前的卫星遥感平台,分析了适用于林火监测的主要卫星遥感数据,以进一步探讨本研究所采用的数据（EOS/MODIS）来源并建立相应的实验平台,最后通过介绍卫星遥感技术在探火领域的典型应用,以加深对遥感探火的认识。为了实现对中国东北部高火灾危险区域的界定,即对该区域进行准确的火灾危险性评估,在第3章,以现有的火灾风险模型为基础,将可燃物含水率（FMC）、地表温度（LST）和相对绿度（RG）等与火灾相关的动态因子用于集成森林火灾动态危险性模型。利用ROC曲线（Receiver Operating Characteristics Curve）技术来分析于2010年6月26、27和28日所获取的研究区域的MODIS数据,以验证和评价所提出模型的准确性和适用性。分析结果指出这三天火灾危险性（定义热点区域属于高火灾危险区域）预测准确率分别为76.338%、88.853%和80.910%。因次,本章所提出的森林火灾动态危险性模型在该研究区域具有一定的适用性。为了实现自动地将火灾烟雾从背景像元中分离出来,第4章提出了一种以烟、云和下垫面光谱分析为基础的森林火灾烟雾识别算法。该烟雾检测算法集成了多通道阈值法和神经网络分类器,以确保获得最佳的检测结果。三起发生于不同季节的森林火灾MODIS数据（1）2004年10月16日,中国黑龙江省（秋季）；2)2009年4月28日,亚洲东北部（中国和俄罗斯）（春季）；3)2010年7月29日,俄罗斯（夏季）)被用于获取神经网络输入特征样本的参量值以进一步构建烟雾识别算法。同时,利用四起发生于不同地区的森林火灾数据来验证所提出模型的适用性和鲁棒性。最终检测结果表明：该算法不仅可以捕获陆地上空的浓烟和离散的薄烟,而且还可以检测到海洋上空水体和烟雾的混合像元。这些结果可以提供涉及到森林火灾位置和蔓延方向等有价值的信息。为了分析和评价火灾对植被产生的影响,第5章通过经验关系和归一化燃烧指数来提取受火灾影响像元点,并利用两种不同的统计分析方法（去趋势波动分析法（DFA）和Fisher-Shannon）来处理提取的受火灾和未受火灾影响区域的MODIS-NDVI时间序列数据（2002-2014年）。研究发现：1)这两种统计分析方法处理得到的结果是一致的,这也就能够描述受火灾和未受火灾影响区域之间的特征和差异；2)所有研究的度量中,费歇尔信息测度（Fisher Information Measure, FIM）可以最有效地区分开受火灾和未受火灾影响区域；3)受火灾影响像元点的FIM平均值大约为2.5,它明显高于未受火灾影响像元点的FIM平均值（-1.3）；4)基于ROC曲线性能分析,FIM在区分受火灾和未受火灾影响像元点的效率明显高于其他测度；5)受火灾影响像元点的时间序列数据具有较高的有序性和较低的混乱程度特征。总之,这两种统计分析方法均有助于识别火灾对植被产生的影响。最后,第6章对本文的研究工作进行回顾总结,给出主要的结论,并针对本文工作的局限,提出下一步工作计划。
刘琳[8]（2014）在《基于MODIS数据的重庆市森林火灾监测与预警研究》文中提出森林生态系统作为陆地生态系统的主体，在维护整个自然界的动态平衡及改善人类生存环境中占据着非常重要的地位，但森林火灾在很程度上对森林资源与环境进行了破坏。如果能够及时、准确和有效地监测可能和已经发生的森林火灾，那么这对减少灾害损失、保护森林资源和维护生态平衡都具有非常重要的意义。本文以重庆为研究区，利用MODIS遥感数据对该区森林火灾时空分析规律、森林火灾火点监测以及森林火灾预警三方面进行了比较深入的研究。研究的基本目标在于认识重庆森林火灾发生的基本规律，通过遥感手段对重庆这种复杂地形、气象条件下的森林火灾监测、预警方法进行探讨，进而找到适宜于重庆自然地理条件的森林火灾监测与预警方法，从而提高于提高重庆市防灾减灾水平，减少因灾造成的社会经济损失。通过研究，本论文获得了以下一些主要研究结论。1.研究重庆森林火灾识别方法（1）利用通道7、2、1和通道21、22、31这两种波段组合合成影像直接识别的方法结合可以直接地对火点进行识别。（2）通过20通道亮温、20通道和31通道亮温差和20通道亮温与地温的差值关系设定阈值，并经过一系列的分析验证对阈值进行修正，最终得到适宜于重庆的阈值设定，在这种阈值下能更好地识别火点排除伪火点，但是这种方法识别之后还是有存在少量的伪火点，这些伪火点的进一步去除就需要进一步研究。（3）将三通道法与高温阈值法相结合，更能方便快捷地监测出森林火灾火点。2.重建研究区森林火灾时空发展规律。（1）重庆2004-2013年10年间的森林火灾年际间差异较大，在2006年之前年份的火点个数差别不大火点个数较少，从2006年开始火点个数明显增加。这10年间的火点个数在2006年出现了一个最高峰，2008年呈现了第二个高峰期，而从2008年开始下降虽然后面火点个数有所回升但是并没有超过2008年，到了2013年火点个数明显呈现从2006年开始的最低值。（2）就重庆森林火灾分布季节变化而言，火灾的发生多集中在春夏两季，秋、冬季火灾发生较少。（3）就重庆市森林火灾火点个数分布月份变化而言，各月份差异较大，高峰期分别集中在3、4、7、8月，主要受气象要素（春旱、伏旱、持续高温等）和人类活动频繁影响。（4）重庆森林火灾火点较为分散，在东北、东南、西南三个角上分布较为集中，中部地区有少量分布。就重庆森林火灾火点行政区划分布而言，这10年间火点个数最多的是主城九区，荣昌县、垫江县、铜梁县、潼南县和彭水苗族土家族自治县5个县在MODIS数据统计中没有火点。（5）重庆森林火灾主要集中在海拔500-1000m的低山区域，而森林火灾随坡度起伏变化不大，森林火灾集中在坡度0-30°这个范围内，阳坡较阴坡易发生火灾。森林火灾的地貌分布，按森林火灾有多至少的趋势是：渝东南巫山、七曜山强岩溶化峡谷中山区>中部构造平行岭（低山）谷（丘陵）区>渝东北大巴山构造溶蚀层状中山区>渝西方山丘陵区。重庆森林火灾火点的植被类型分布的趋势是：针叶林＞灌木林＞阔叶林＞针阔混交林和其他。3.探讨重庆森林火灾预警指标和方法（1）在2004-2013年这10年里，重庆地区植被状况较好，森林地区的NDVI年际波动较为明显，月NDVI呈先升高后降低的曲线变化且月最大值、月均值和月最小值变化趋势一致但月最小值则波动范围较大；重庆森林地区的TVDI空间分布与整个重庆研究区内的TVDI分布一致，干旱区域主要集中在中部和西部，TVDI值由中、西部向东部递减，TVDI的高值也主要集中在主城九区周围区县，TVDI的年际和月均值变化都呈波动性变化，干旱主要集中在夏季，冬季干旱状况最轻；重庆地区的森林植被分布由东南、东北部向中、西部递减，且主要森林植被类型以针叶林和阔叶林为主。（2）重庆森林火灾与该区的TVDI（P=0.265）和NDVI（P=-0.262）都有很好的相关性，且根据森林植被类型对重庆火点分布有一定对于影响，那么这几个因子的发展规律可以用来很好的反映该区域内森林火灾的发生次数规律，这就表明利用植被指数、森林植被类型和干旱指数结合建立一个评价火险等级的指标是可用性的。（3）将反映植被状况的NDVI、森林植被类型和湿度状况的TVDI拟合的综合火险指数F来反映森林火灾发生的难易程度，F越大，表明植被指数越大、不易燃的森林植被类型、干旱指数越小，森林火灾发生率越小；F越小，表明植被指数越小、易燃的森林植被类型、干旱指数越大，森林火灾发生率越大。
缪婷婷,沈润平[9]（2013）在《基于背景信息的MODIS林火自动提取算法》文中研究表明本文在火点提取算法中加入了背景信息,减少了伪火点,提高了火点提取算法的准确性和可靠性。通过选取江西省武宁县为实验区,应用MODIS数据进行了火点的提取,实现了从数据的处理到火点的自动提取。经实验验证后,发现改进后的算法火点提取精度较高,能很好地满足林火监测要求。
邱知,陆亚刚,张红梅[10]（2012）在《林火卫星监测技术研究进展》文中研究说明介绍了4种林火卫星监测的技术,包括NOAA/AVHR R卫星监测、EOS/MODIS数据监测、风云（FY）系列卫星监测及环境减灾（HJ）卫星监测,对国内外林火卫星监测发展状况进行了论述,并对林火卫星监测技术研究方向进行了展望。
二、应用EOS-MODIS数据进行林火监测的初步探索（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、应用EOS-MODIS数据进行林火监测的初步探索（论文提纲范文）
（1）基于异常模式的森林火灾监测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究进展 |
| 1.2.1 森林火灾监测研究进展 |
| 1.2.2 异常模式研究进展 |
| 1.3 存在问题和研究前景 |
| 1.3.1 存在问题 |
| 1.3.2 研究前景 |
| 1.4 研究内容 |
| 1.5 技术路线 |
| 2 数据来源与预处理 |
| 2.1 Himawari-8卫星介绍 |
| 2.2 数据来源及通道选择 |
| 2.3 数据预处理 |
| 2.3.1 投影转换 |
| 2.3.2 辐射定标 |
| 2.3.3 亮温计算 |
| 2.3.4 影像裁剪 |
| 2.4 本章小结 |
| 3 异常模式及森林火灾监测理论与算法分析 |
| 3.1 异常模式的理论与方法 |
| 3.1.1 基于统计的异常检测 |
| 3.1.2 基于距离的异常检测 |
| 3.1.3 基于密度的异常检测 |
| 3.1.4 基于聚类的异常检测 |
| 3.1.5 异常检测方法总结 |
| 3.2 森林火灾监测的基本理论 |
| 3.2.1 普朗克辐射定律 |
| 3.2.2 斯蒂芬-波兹曼定律 |
| 3.2.3 维恩位移定律 |
| 3.2.4 亮温与比辐射率 |
| 3.3 森林火灾监测算法 |
| 3.3.1 亚像元法 |
| 3.3.2 通道合成法 |
| 3.3.3 固定阈值法 |
| 3.3.4 亮温结合植被指数法 |
| 3.3.5 绝对火点识别算法 |
| 3.3.6 上下文模型法 |
| 3.3.7 森林火灾监测算法的总结 |
| 3.4 本章小结 |
| 4 基于异常模式的森林火灾监测算法研究 |
| 4.1 云检测 |
| 4.2 单时相异常模式潜在火点识别 |
| 4.3 多时相异常模式持续火点识别 |
| 4.4 虚假火点排除 |
| 4.5 森林火点提取 |
| 4.6 本章小结 |
| 5 基于异常模式的森林火灾监测算法应用研究 |
| 5.1 森林火灾连续监测 |
| 5.2 森林火灾监测算法灵敏性对比 |
| 5.3 森林火灾监测算法精度验证 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 攻读学位期间的主要学术成果 |
| 致谢 |
（2）基于GEE的林火识别与火后植被恢复评估研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 遥感提取火烧迹地 |
| 1.2.2 林火烈度分析 |
| 1.2.3 火后植被监测 |
| 1.3 研究内容及方法 |
| 1.4 拟解决关键科学问题 |
| 1.5 技术路线 |
| 2 研究区与数据 |
| 2.1 研究区概况 |
| 2.1.1 地理位置 |
| 2.1.2 气候特征 |
| 2.1.3 地质地貌 |
| 2.1.4 土壤条件 |
| 2.1.5 植被状况 |
| 2.2 云计算平台及数据介绍 |
| 2.2.1 GEE云平台 |
| 2.2.2 Landsat数据 |
| 2.2.3 MODIS数据 |
| 2.2.4 辅助数据 |
| 2.3 本章小结 |
| 3 火烧迹地提取与林火烈度分析 |
| 3.1 提取火烧迹地 |
| 3.1.1 数据获取 |
| 3.1.2 过火区敏感特征 |
| 3.1.3 阈值获取 |
| 3.1.4 构建决策树 |
| 3.1.5 火烧迹地提取结果 |
| 3.1.6 精度验证 |
| 3.1.7 构建林火历史属性数据库 |
| 3.2 林火烈度空间分析 |
| 3.2.1 林火烈度分级 |
| 3.2.2 林火烈度面积分布 |
| 3.2.3 林火烈度与地形 |
| 3.3 本章小结 |
| 4 火后植被动态监测 |
| 4.1 判别起火时间 |
| 4.1.1 指数选择 |
| 4.1.2 数据获取 |
| 4.1.3 噪声处理 |
| 4.1.4 结果与分析 |
| 4.2 火后植被恢复 |
| 4.2.1 植被指数分析 |
| 4.2.2 数据获取与噪声处理 |
| 4.2.3 dEVI指数动态变化 |
| 4.2.4 火后植被恢复评价 |
| 4.3 本章小结 |
| 5 结论与讨论 |
| 5.1 结论 |
| 5.2 讨论 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 获得成果目录清单 |
| 致谢 |
（3）基于静止气象卫星的草原火实时监测与预警研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 1 引言 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 火点遥感提取研究进展 |
| 1.2.2 火烧迹地提取研究进展 |
| 1.2.3 火蔓延模拟研究进展 |
| 1.3 研究内容与研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 技术路线 |
| 2 研究区概况与数据 |
| 2.1 研究区概况 |
| 2.1.1 自然地理概况 |
| 2.1.2 社会经济概况 |
| 2.1.3 草原火发生概况 |
| 2.2 数据来源与预处理 |
| 2.2.1 遥感数据 |
| 2.2.2 气象数据 |
| 2.2.3 地形数据 |
| 3 草原火实时监测与火烧迹地提取 |
| 3.1 基于HIMAWARI8/9 数据的火点实时监测 |
| 3.1.1 草原火遥感监测理论基础 |
| 3.1.2 遥感火点判识算法 |
| 3.1.3 基于HIMAWARI8/9 数据的火点监测 |
| 3.1.4 火点提取精度分析 |
| 3.2 基于HIMAWARI8/9 数据的火烧迹地提取 |
| 3.2.1 火烧迹地提取方法 |
| 3.2.2 基于HIMAWARI8/9 数据的火烧迹地提取 |
| 3.2.3 火烧迹地提取精度分析 |
| 4 草原火蔓延模型构建和模拟 |
| 4.1 几种常用的火蔓延模型介绍 |
| 4.2 元胞自动机原理 |
| 4.3 基于元胞自动机的草原火蔓延模型构建 |
| 4.3.1 定义元胞自动机的基本要素 |
| 4.3.2 火蔓延速度模型 |
| 4.3.3 草原火蔓延模型构建 |
| 4.4 草原火蔓延模拟与精度验证 |
| 4.4.1 模型输入参数的确定和模拟 |
| 4.4.2 模拟结果与精度分析 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 讨论 |
| 5.3 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的科研成果 |
（4）基于遥感数据的林火监测方法及其应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 研究背景与意义 |
| 1.2 火情监测研究现状 |
| 1.2.1 火点监测 |
| 1.2.2 过火迹地监测 |
| 1.2.3 存在问题 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第二章 研究区与数据源 |
| 2.1 研究区 |
| 2.2 数据源 |
| 2.2.1 遥感数据 |
| 2.2.2 其他数据 |
| 2.3 预处理 |
| 2.3.1 去除Bow-tie现象 |
| 2.3.2 几何校正 |
| 2.3.3 辐射定标 |
| 2.3.4 亮度温度的计算 |
| 第三章 林火监测的理论与方法 |
| 3.1 火灾监测的原理 |
| 3.1.1 黑体辐射和斯蒂芬玻尔兹曼定律 |
| 3.1.2 维恩位移定律 |
| 3.1.3 比辐射率 |
| 3.1.4 地物反射波谱 |
| 3.2 火灾监测的主要方法 |
| 3.3 过火迹地监测方法 |
| 第四章 森林火点监测 |
| 4.1 火点监测 |
| 4.2 火点监测结果 |
| 4.3 火点监测精度评价 |
| 4.4 本章小结 |
| 第五章 过火迹地信息提取 |
| 5.1 基于MODIS数据识别过火迹地 |
| 5.1.1 过火迹地识别原理 |
| 5.1.2 GEMI-B指数模型构建 |
| 5.1.3 过火迹地识别结果 |
| 5.2 基于Landsat数据识别过火迹地 |
| 5.2.1 过火迹地识别原理 |
| 5.2.2 光谱指数识别过火迹地 |
| 5.2.3 过火迹地识别结果 |
| 5.2.4 精度验证 |
| 5.3 判识迹地火情 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 创新点 |
| 6.3 问题与展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（5）基于MODIS数据的云南省森林火灾时空分布及火险区划研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 林火时空分布研究综述 |
| 1.3 卫星林火监测研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 研究内容与研究思路 |
| 1.4.1 研究目标 |
| 1.4.2 研究内容 |
| 1.4.3 技术路线 |
| 2 研究区概况 |
| 2.1 研究区自然地理概况 |
| 2.1.1 地理位置 |
| 2.1.2 气候状况 |
| 2.1.3 森林资源分布 |
| 2.2 研究区森林火灾状况 |
| 3 研究方法 |
| 3.1 数据来源 |
| 3.1.1 MODIS数据 |
| 3.1.2 气象数据 |
| 3.1.3 地形数据 |
| 3.1.4 森林火灾统计数据 |
| 3.1.5 云南省森林分布数据 |
| 3.2 基于MODIS的火点提取与叠加 |
| 3.1.1 影像数据下载 |
| 3.1.2 数据拼接与裁剪 |
| 3.1.3 火点识别 |
| 3.1.4 火点像元叠加 |
| 3.3 地形因子提取与划分 |
| 3.3.1 坡度信息提取与划分 |
| 3.3.2 坡向信息提取与划分 |
| 3.3.3 高程信息提取与划分 |
| 3.4 气象因子提取与划分 |
| 3.4.1 平均温度分级 |
| 3.4.2 平均相对湿度分级 |
| 3.4.3 平均降水量分级 |
| 4 研究结果与分析 |
| 4.1 云南省森林火灾时空分布特征分析 |
| 4.1.1 云南省森林火灾时间分布特征分析 |
| 4.1.1.1 各年森林火灾分布分析 |
| 4.1.1.2 各月森林火灾分布分析 |
| 4.1.2 云南省森林火灾空间分布特征分析 |
| 4.2 云南省森林火灾影响因子分析 |
| 4.2.1 热点数据库与因子数据库的数量关系建立 |
| 4.2.1.1 地形因子与林火热点数量关系的确立 |
| 4.2.1.2 气象因子与林火热点数量关系的确立 |
| 4.2.2 地形因子分析 |
| 4.2.2.1 坡度对林火影响分析 |
| 4.2.2.2 高程对林火影响分析 |
| 4.2.2.3 坡向对林火影响分析 |
| 4.2.3 气象因子分析 |
| 4.2.3.1 气象随时间变化对林火发生的影响分析 |
| 4.2.3.2 气象随区域变化对林火发生的影响分析 |
| 4.3 森林火灾火险区划 |
| 4.3.1 森林火险区划指标 |
| 4.3.2 森林火险区划结果 |
| 5 结论与讨论 |
| 5.1 结论 |
| 5.2 讨论 |
| 参考文献 |
| 个人简介 |
| 第一导师简介 |
| 第二导师简介 |
| 致谢 |
（6）森林火灾卫星监测云层反射虚假热点识别（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究进展 |
| 1.2.1 国外研究进展 |
| 1.2.2 国内研究进展 |
| 1.3 存在的问题和研究前景 |
| 1.3.1 存在的问题 |
| 1.3.2 研究前景 |
| 1.4 研究内容 |
| 1.5 技术路线 |
| 2 森林火灾卫星监测热点识别研究 |
| 2.1 森林火灾卫星监测热点识别原理 |
| 2.2 森林火灾卫星监测热点识别技术路线 |
| 2.3 森林火灾卫星监测热点识别 |
| 2.3.1 基于MODIS数据的林火识别 |
| 2.3.2 基于AVHRR数据的林火识别 |
| 2.3.3 基于风云数据的林火识别 |
| 2.4 本章小结 |
| 3 森林火灾卫星监测云检测研究 |
| 3.1 森林火灾卫星监测云检测原理 |
| 3.2 森林火灾卫星监测云检测技术路线 |
| 3.3 森林火灾卫星监测云检测 |
| 3.3.1 基于MODIS数据的云检测 |
| 3.3.2 基于NOAA数据的云检测 |
| 3.3.3 基于风云数据的云检测 |
| 3.4 本章小结 |
| 4 云层反射虚假热点识别研究 |
| 4.1 云层反射虚假热点识别流程 |
| 4.2 云层反射虚假热点过滤 |
| 4.3 云层反射可疑虚假热点识别 |
| 4.4 云层反射虚假热点确定 |
| 4.5 本章小结 |
| 5 云层反射虚假热点识别方法应用 |
| 5.1 研究区概况 |
| 5.1.1 地理环境概况 |
| 5.1.2 自然条件概况 |
| 5.1.3 森林分布和森林火警情况 |
| 5.2 湖南省云层反射虚假热点识别方法应用 |
| 5.3 本章小结 |
| 6 结论与讨论 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 讨论 |
| 参考文献 |
| 致谢 |
（7）基于MODIS数据的多因子协同作用下森林火灾预测监测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 森林火灾危险性预测模型研究 |
| 1.2.2 森林火灾探测研究 |
| 1.2.3 灾后过火面积及特征量评估研究 |
| 1.2.4 当前研究的不足 |
| 1.3 研究内容及技术路线 |
| 1.4 论文章节安排 |
| 第2章 卫星遥感平台及MODIS数据来源评述 |
| 2.1 遥感的物理学原理 |
| 2.2 当前遥感卫星探火平台简介 |
| 2.2.1 NOAA/AVHRR在林火监测中的应用 |
| 2.2.2 风云(FY)系列卫星在林火监测中的应用 |
| 2.2.3 EOS/MODIS在林火监测中的应用 |
| 2.3 MODIS数据来源 |
| 2.3.1 NASA网站数据下载 |
| 2.3.2 森林火灾卫星遥感实验平台 |
| 2.4 卫星遥感技术在林火监测中的典型应用 |
| 2.4.1 马里兰大学林火监测研究 |
| 2.4.2 加拿大林火监测研究 |
| 2.4.3 南非输电线路火灾监测研究 |
| 2.4.4 中国林业局林火监测研究 |
| 第3章 基于MODIS数据多因子森林火灾动态危险性评估 |
| 3.1 引言 |
| 3.2 研究区域和数据集 |
| 3.2.1 研究区域 |
| 3.2.2 数据集 |
| 3.3 构建多因子森林火灾动态危险性模型 |
| 3.3.1 可燃物含水率的衡量指标 |
| 3.3.2 反演地表温度 |
| 3.3.3 植被覆盖率估算 |
| 3.3.4 构建火灾动态危险性指数 |
| 3.4 火灾动态危险性指数应用结果及验证分析 |
| 3.4.1 应用结果分析 |
| 3.4.2 准确率验证分析 |
| 3.5 本章小结 |
| 第4章 基于神经网络的森林火灾烟雾识别模型 |
| 4.1 引言 |
| 4.2 数据源 |
| 4.3 构建森林火灾烟雾识别模型 |
| 4.3.1 提取训练样本 |
| 4.3.2 光谱分析选取特征向量 |
| 4.3.3 训练BPNN分类器和消除噪音像元 |
| 4.4 森林火灾烟雾识别模型应用及精度评价 |
| 4.4.1 模型的精度评价 |
| 4.4.2 森林火灾烟雾检测模型的季节适用性 |
| 4.4.3 森林火灾烟雾识别模型的鲁棒性分析 |
| 4.4.4 多通道阈值法的火灾烟雾识别结果 |
| 4.5 本章小结 |
| 第5章 灾后过火迹地识别及植被指数时间序列分析 |
| 5.1 引言 |
| 5.2 过火迹地提取及归一化植被指数预处理 |
| 5.2.1 研究区域和数据集 |
| 5.2.2 提取过火迹地 |
| 5.2.3 归一化植被指数预处理 |
| 5.3 统计分析方法 |
| 5.3.1 Fisher-Shannon法 |
| 5.3.2 去趋势波动分析法(DFA) |
| 5.4 归一化植被指数时间序列分析结果 |
| 5.4.1 FS和DFA分析结果 |
| 5.4.2 FS和DFA参量的性能分析 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 工作总结及主要结论 |
| 6.2 论文创新点 |
| 6.3 工作展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的其他研究成果 |
（8）基于MODIS数据的重庆市森林火灾监测与预警研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 遥感数据支持下的森林火灾研究 |
| 1.2.2 森林火灾时空分异规律研究 |
| 1.2.3 森林火灾的预警研究 |
| 1.3 遥感数据研究森林火灾的理论基础 |
| 1.3.1 普朗克辐射定律 |
| 1.3.2 斯忒潘—波尔兹曼定律 |
| 1.3.3 维恩位移定律 |
| 1.3.4 亮温 |
| 1.4 研究目的、研究内容、研究方法及技术路线 |
| 1.4.1 研究目的 |
| 1.4.2 研究内容 |
| 1.4.3 研究方法 |
| 1.4.4 技术路线 |
| 1.5 拟解决关键问题 |
| 1.5.1 森林火灾着火点监测模型的建立 |
| 1.5.2 历史数据重建 |
| 1.5.3 森林火灾危险性评估与预警 |
| 1.6 本章小结 |
| 2 研究区概况 |
| 2.1 地理位置与行政区划 |
| 2.2 地势地貌 |
| 2.3 气候与水文 |
| 2.4 植被概况 |
| 3 数据与预处理 |
| 3.1 数据来源 |
| 3.1.1 MODIS 简介 |
| 3.1.2 MOD14A1/MYD14A1 火掩膜数据集 |
| 3.1.3 MCD12Q1 土地覆被产品 |
| 3.1.4 MOD11A1、MOD11A2 地表温度数据 |
| 3.1.5 MOD13A3 植被指数数据 |
| 3.1.6 MODIS 1B 数据 |
| 3.2 数据预处理 |
| 4 MODIS 火点识别研究 |
| 4.1 MODIS 火点识别的波段选择 |
| 4.2 研究方法 |
| 4.2.1 反射率/辐射率的计算 |
| 4.2.2 亮温的计算 |
| 4.2.3 消除“蝴蝶结”现象 |
| 4.2.4 几何校正 |
| 4.3 森林火灾火点判别方法研究 |
| 4.3.1 高温火点直接判别法 |
| 4.3.2 高温火点综合阈值判别法 |
| 4.3.3 阈值判别法的验证 |
| 4.4 小结 |
| 5 基于 MODIS 的重庆森林火灾时空分异规律 |
| 5.1 森林火灾时空分异规律研究方法 |
| 5.1.1 森林火灾时间变化研究方法 |
| 5.1.2 森林火灾空间变化研究方法 |
| 5.2 森林火灾的时间变化规律 |
| 5.2.1 森林火灾的年际变化特征 |
| 5.2.2 森林火灾的季节变化特征 |
| 5.2.3 森林火灾的月变化特征 |
| 5.3 森林火灾的空间变化规律 |
| 5.3.1 森林火灾的行政区划分布特征 |
| 5.3.2 森林火灾的地形分布特征 |
| 5.3.3 森林火灾的地貌分布特征 |
| 5.3.4 森林火灾的植被类型分布特征 |
| 5.4 本章小结 |
| 6 森林火灾预警方法研究 |
| 6.1 森林火灾预警因子选择 |
| 6.1.1 归一化植被指数（NDVI） |
| 6.1.2 温度—植被干旱指数（TVDI） |
| 6.1.3 森林植被类型 |
| 6.2 影响因子的计算 |
| 6.2.1 NDVI 的计算 |
| 6.2.2 TVDI 的计算 |
| 6.3 影响因子的特征 |
| 6.3.1 NDVI 特征 |
| 6.3.2 TVDI 特征 |
| 6.3.3 森林植被类型特征 |
| 6.4 影响因子与森林火灾的相关性分析 |
| 6.5 森林火灾预警模型建立 |
| 6.6 实例分析 |
| 6.7 小结 |
| 7 结论与讨论 |
| 7.1 主要研究结论 |
| 7.1.1 研究重庆森林火灾识别方法 |
| 7.1.2 重建研究区森林火灾时空发展规律 |
| 7.1.3 探讨重庆森林火灾预警指标和方法 |
| 7.2 讨论 |
| 参考文献 |
| 附录：作者攻读硕士学位期间发表论文及科研情况 |
| 致谢 |
（9）基于背景信息的MODIS林火自动提取算法（论文提纲范文）
| 1 引言 |
| 2 火点识别算法 |
| 2.1 背景信息的提取 |
| 2.2 火点的确认 |
| 3 火点提取算法的修正 |
| 3.1 林地信息的提取 |
| 3.2 时序温度异常的选取 |
| 3.3 森林区的划分 |
| 4 试验 |
| 4.1 研究数据 |
| 4.2 数据预处理 |
| 4.3 火点提取 |
| 4.4火点提取精度分析 |
| 5 结束语 |
（10）林火卫星监测技术研究进展（论文提纲范文）
| 1 林火卫星监测技术 |
| 1.1 NOAA/AVHRR卫星监测 |
| 1.2 EOS/MODIS数据监测 |
| 1.3 风云 (FY) 系列卫星监测 |
| 1.4 环境减灾 (HJ) 卫星监测 |
| 2 国内外林火卫星监测研究及应用 |
| 2.1 国外研究进展 |
| 2.2 国内研究进展 |
| 3 结语 |
四、应用EOS-MODIS数据进行林火监测的初步探索（论文参考文献）
- [1]基于异常模式的森林火灾监测研究[D]. 冯豁朗. 中南林业科技大学, 2021(01)
- [2]基于GEE的林火识别与火后植被恢复评估研究[D]. 刘炀炀. 北京林业大学, 2020(02)
- [3]基于静止气象卫星的草原火实时监测与预警研究[D]. 苏日古嘎. 内蒙古师范大学, 2020(08)
- [4]基于遥感数据的林火监测方法及其应用[D]. 吴月. 南京信息工程大学, 2019(04)
- [5]基于MODIS数据的云南省森林火灾时空分布及火险区划研究[D]. 陈波. 北京林业大学, 2018(04)
- [6]森林火灾卫星监测云层反射虚假热点识别[D]. 胡杨柳. 中南林业科技大学, 2017(05)
- [7]基于MODIS数据的多因子协同作用下森林火灾预测监测研究[D]. 李晓恋. 中国科学技术大学, 2016(09)
- [8]基于MODIS数据的重庆市森林火灾监测与预警研究[D]. 刘琳. 重庆师范大学, 2014(12)
- [9]基于背景信息的MODIS林火自动提取算法[J]. 缪婷婷,沈润平. 测绘科学, 2013(05)
- [10]林火卫星监测技术研究进展[J]. 邱知,陆亚刚,张红梅. 宁夏农林科技, 2012(08)