Please wait a minute...
img

官方微信

遥感技术与应用  2004, Vol. 19 Issue (4): 236-239    DOI: 10.11873/j.issn.1004-0323.2004.4.236
技术方法     
基于MODIS数据的森林可燃物分类方法——以黑龙江省为实验区
覃先林,易浩若
中国林业科学院资源信息所, 北京 100091
Classifying Method of Forest Fuels by Using MODIS Data——Demonstration in Hei Longjiang Province
QIN Xian-lin, YI Hao-ruo
Chinese Academy of Forestry,Beijing100091,China
 全文: PDF 
摘要:

森林可燃物是森林燃烧环理论中的重要三要素之一,它是森林火灾发生的内因,对于火险等级预报、火行为预报、火灾扑救等森林防火工作具有重要意义。介绍了基于MODIS数据与GIS技术相结合的森林可燃物分类方法。在研究中,以黑龙江省为实验区,利用多时相的MODIS数据生成实验区16天的最大归一化植被指数后,通过主成分分析,采用非监督分类与监督分类相结合的方法,并在GIS技术的支持下,完成了实验区内的森林可燃物的分类,为进一步获得适合全国的利用现代高新技术的森林可燃物分类方法打下了坚实基础。

关键词: 遥感归一化植被指数可燃物分类    
Abstract:

Forest fuel is a key factor of three factors of Forest Inflammation Cycle Theory. It' s the innerfactor of forest fire. It is important for Forest Fire Prevention, such as Forest Fire Danger RatingPrediction, Forest Fire Behavior Prediction (FBP), Forest Fire Extermination and Forest Fire Salvation.A method for classifying forest fuels by integrating MODIS data and GIS technique is tested in Heilongjiang province. In studying, five forest fuels have been classified after serials process, such as derivingthe Max Normalized Difference Vegetation Index (MNDVI ) over sixteen days' data by usingMultitemporal MODIS data, Analysising the MNDVI data by using Principal Components Analysis(PCA), Unsupervised classification method and Supervised classification method. It makes a strong basefor further studying National forest fuels classification method by using modernistic informationtechniques.

Key words: Remote sensing    NDVI    Fuel    Classification
收稿日期: 2003-11-17 出版日期: 2011-12-26
:  TP 79   
基金资助:

本研究是2002年院基金项目“基于3S技术的可燃物分布与分类的预研究”的部分内容。

作者简介: 覃先林(1969-),男,助理研究员,在职博士生,研究方向为遥感技术在森林防火和植被监测中的应用;近期发表相关论文7篇。
服务  
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章  
覃先林
易浩若

引用本文:

覃先林,易浩若. 基于MODIS数据的森林可燃物分类方法——以黑龙江省为实验区[J]. 遥感技术与应用, 2004, 19(4): 236-239.

QIN Xian-lin, YI Hao-ruo. Classifying Method of Forest Fuels by Using MODIS Data——Demonstration in Hei Longjiang Province. Remote Sensing Technology and Application, 2004, 19(4): 236-239.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2004.4.236        http://www.rsta.ac.cn/CN/Y2004/V19/I4/236

〔1〕 覃先林,易浩若.MODIS数据在树种长势监测中的应用〔J〕.遥感技术与应用,2003,18(3),123~128.〔2〕 王栋.中国森林火险调查与区划〔M〕.北京:中国林业出版社,2000.〔3〕 覃先林,易浩若.森林可燃物研究现状及发展趋势〔J〕.林业资源管理,2003(增刊):57~61.〔4〕 刘玉洁,杨忠东.MODIS遥感信息处理原理与算法〔M〕.北京:科技出版社,2001.〔5〕 唐俊梅,张树文.基于MODIS数据的宏观土地利用/土地覆盖监测研究〔J〕.遥感技术与应用,2002,17(2):104~107.〔6〕 贾立,王介民.黑河实验区地表植被指数的区域分布及季节变化〔J〕.高原气象,1999,18(2):234~249.〔7〕 肖乾广.用气象卫星对东亚季风区的生态过渡带的遥感监测研究〔J〕.植物学报,1997,39(9):826~830.〔8〕 Sudiana D, Kuze H, Takeuchi N,et al.Burgan,AssessingForest Potential in Kalimantan Island, Indonesia, UsingSatellite and Surface Weather Data〔J〕.International Journalof Wildland Fire, 2003,12:175~184.〔9〕 Brandis K, Jacobson C. Estimation of Vegetative Fuel LoadsUsing Landsat TM Imagery in New South Wales, Australia〔J〕. International Journal of Wildland Fire, 2003,12:185~194.〔10〕 Baath H, Gallerspang A, Hallsby G,et al. Remote Sensing,Field Survey, and Long-term Forecasting: An EfficientCombination for Local Assessments of Forest Fuels〔J〕.Biomass and Bioenergy,2002,(22):145~157.〔11〕 Claire L. Parkinson, EOS Data Products Handbook, NASAGoddard Space Flight Center Greenbelt〔J〕. Maryland,Printed October 2000.〔12〕 Brian P. Oswald, Classifying Fuels With Aerial Photographyin East Texas〔J〕. International Journal of Wildland Fire,1999,9(2):109~113.〔13〕 Yoram J. Kaufman1 and Didier Tanré,Algorithm For Remote Sensing of Tropospheric from Modis〔J〕. AlgorithmTechnical Background Document, 1998.〔14〕 http://daac.gsfc.nasa.gov〔R/OL〕.

[1] 王卷乐, 程凯, 边玲玲, 韩雪华, 王明明. 面向SDGs和美丽中国评价的地球大数据集成框架与关键技术[J]. 遥感技术与应用, 2018, 33(5): 775-783.
[2] 王恺宁,王修信,黄凤荣,罗涟玲. 喀斯特城市地表温度遥感反演算法比较[J]. 遥感技术与应用, 2018, 33(5): 803-810.
[3] 张晓峰,吕晓琪,张信雪,张继凯,王月明,谷宇,樊宇. 多时刻海色遥感数据融合及其可视化[J]. 遥感技术与应用, 2018, 33(5): 873-880.
[4] 谢旭,陈芸芝. 基于PSO-RBF神经网络模型反演闽江下游水体悬浮物浓度[J]. 遥感技术与应用, 2018, 33(5): 900-907.
[5] 迟文峰,匡文慧,贾静,刘正佳. 京津风沙源治理工程区LUCC及土壤风蚀强度动态遥感监测研究[J]. 遥感技术与应用, 2018, 33(5): 965-974.
[6] 王常颖,田德政,韩园峰,隋毅,初佳兰. 基于属性差决策树的全极化SAR影像海冰分类[J]. 遥感技术与应用, 2018, 33(5): 975-982.
[7] 胡云锋,商令杰,张千力,王召海. 基于GEE平台的1990年以来北京市土地变化格局及驱动机制分析[J]. 遥感技术与应用, 2018, 33(4): 573-583.
[8] 陈伟民,张凌,宋冬梅,王斌,丁亚雄,许明明,崔建勇. 基于AdaBoost改进随机森林的高光谱图像地物分类方法研究[J]. 遥感技术与应用, 2018, 33(4): 612-620.
[9] 李晨伟,张瑞丝,张竹桐,曾敏 . 基于多源遥感数据的构造解译与分析—以西藏察隅吉太曲流域为例[J]. 遥感技术与应用, 2018, 33(4): 657-665.
[10] 李生生,王广军,梁四海,彭红明,董高峰,罗银飞. 基于Landsat-8 OLI数据的青海湖水体边界自动提取[J]. 遥感技术与应用, 2018, 33(4): 666-675.
[11] 孟梦,牛铮. 近30 a内蒙古NDVI演变特征及其对气候的响应[J]. 遥感技术与应用, 2018, 33(4): 676-685.
[12] 廖凯涛,齐述华,王成,王点. 结合GLAS和TM卫星数据的江西省森林高度和生物量制图[J]. 遥感技术与应用, 2018, 33(4): 713-720.
[13] 张震,刘时银,魏俊锋,蒋宗立. 1974~2012年珠穆朗玛峰地区冰川物质平衡遥感监测研究[J]. 遥感技术与应用, 2018, 33(4): 731-740.
[14] 王琳,徐涵秋,李胜. 重钢重工业区迁移对区域生态的影响研究[J]. 遥感技术与应用, 2018, 33(3): 387-397.
[15] 任浙豪,周坚华. 增大特征空间复杂度的方法——以城镇下垫面遥感分类为[J]. 遥感技术与应用, 2018, 33(3): 408-417.