全 文 ：第 51 卷 第 11 期
2 0 1 5 年 11 月
林 业 科 学
SCIENTIA SILVAE SINICAE
Vol. 51，No. 11
Nov．，2 0 1 5
doi:10．11707 / j．1001-7488．20151110
收稿日期: 2014 － 10 － 24; 修回日期: 2015 － 07 － 20。
基金项目: 国家 863 项目“多源卫星遥感高时空分辨率森林火情监测预测评估系统研究”(2006AA12Z125) ;广西青年基金项目“基于 ＲS
与 GIS 的广西森林火险等级预报关键技术研究”(2014GXNSFBA118224)。
* 钟仕全为通讯作者。
基于人工火场的 EOS /MODIS林火辐射增量研究*
罗永明1 孙 涵1，2 刘 诚2 戎志国2 钟仕全1
何 立1 陈燕丽1 黄永璘1
(1． 国家卫星气象中心遥感应用试验基地 广西气象减灾研究所 南宁 530022; 2． 国家卫星气象中心 北京 100081)
摘 要: 【目的】林火引起的辐射增量是林火遥感监测技术中非常重要的物理量，开展人工火场地面与卫星同步
观测试验，计算人工火场在 EOS /MODIS 第 20，21，22，31 和 32 波段上产生的辐射增量，为林火监测与研究提供参
考。【方法】通过地面人工火场观测试验与卫星同步获取火场辐射参数，并收集同步的 EOS /MODIS 卫星数据。以
30 m 分辨率 TM 数据提取地表背景数据，将火场周围分为植被、裸地和水体 3 个覆盖类型，并将其作为 1 km 分辨
率 EOS /MODIS 像元的端元。根据线性混合理论，构建无火场影响情况下 EOS /MODIS 第 20，21，22，31 和 32 波段
的辐射估算模型，实现人工火场影响上述波段辐射增量的计算，获得辐射增量值。【结果】1) 根据线性混合理论
建立的 EOS /MODIS 像元地物辐亮度估算模型，其样本相关系数均大于 0. 99; 2) EOS /MODIS 第 20，21 和 22 波段
对地表热辐射反应非常明感，经模型估算，亮温增量在第 20 波段为 9. 35 K，第 21 波段为 7. 49 K，第 22 波段为 8. 00
K; 第 31 和 32 波段对高温热源不敏感，增量分别仅为 1. 13 和 0. 83 K。【结论】1) 卫星能观测到地面≥200 m2 (即
火场面积与像元面积比为 1 /5 000)的火场。研究结果对于误码识别和深入研究林火识别与面积估算模型具有重
要意义; 2) 卫星观测存在目标物的像元分割现象，本次试验中主火场在 13 号像元，但 14 号像元第 20 波段亮温增
量也达 4. 08 K，表明火场很可能落在 2 个像元之间，14 号像元也受火场影响。这种现象往往造成火点多判，高估火
场面积，应在研究和应用中引起重视; 3) 本文研究方法和结论适用于国产 FY-3 等中分辨率遥感数据。
关键词: 辐射增量; 人工火场; MODIS
中图分类号: S762. 2 文献标识码: A 文章编号: 1001 － 7488(2015)11 － 0076 － 07
Analysis on Ｒadiation Increment of the Artificial Fire Based on EOS /MODIS
Luo Yongming1 Sun Han1，2 Liu Cheng2 Ｒong Zhiguo2 Zhong Shiquan1 He Li1 Chen Yanli1 Huang Yonglin1
(1 ． Ｒemote Sensing Application and Validation Base of National Satellite Meteorological Center Guangxi Meteorological
Disaster Mitigation Institute Nanning 530022; 2 ． National Satellite Meteorological Center Beijing 100081)
Abstract: 【Objective】Ｒadiation increment caused by forest fire is a vital parameter in using the remote sensing
technique． In this paper，to provide reference for forest fire monitoring and research，the ground and artificial satelite
syncharonous observation experiment are carried out，and then，radiation increments of MODIS bands at No． 20，21，22，31
and 32 are calculated． 【Method】Ｒadiation parameters were acquired through the ground observation experiment of
artificial fire scene and satellite synchronous observation． First，surface background data were extracted using TM data of
30 meters resolution． Second，the land around the artificial fire was divided into three categories of vegetation，bare and
water which were taken as pixel endmember of MODIS data of 1 kilometers resolution． Finally，according to the linear
mixed theory，radiation estimation models of MODIS channel No． 20，21，22，31 and 32 were constructed without fire scene
influence，then the above channel’s radiation increments of artificial fire scene were calculated． 【Ｒesult】1) Correlation
coefficients of MODIS radiance estimation model samples are all over 0. 99; 2) MODIS radiance estimation model is used
to calculate bright temperature increment． It shows that MODIS bands No． 20，21 and 22 are highly sensitive to surface
thermal radiation with increment of 9. 35，7. 49 and 8. 00 K respectively while bands No． 31 and 32 are insensitive to
high-temperature heat source with increment of 1. 13 and 0. 83 K respectively．【Conclusion】1) Fire scene area of 200 m2
( ratio of fire scene area to pixel size is 1∶ 5 000) can be detected，it is of great significance for error identification，fire
第 11 期 罗永明等: 基于人工火场的 EOS /MODIS 林火辐射增量研究
detection and area estimation in further study; 2) Pixel segmentation phenomenon exists in satellite observation and these
phenomenon could easily lead to over-calculated fire points and overestimate its area． In our experiment，artificial fire is
mainly within No． 13 pixels but No． 14 pixel is also influenced by the fire with its radiation increment of 4. 08 K． Thus，
the artificial fire may be within No． 13 and 14 pixel simultaneously． 3)Methods and conclusions of this paper are suitable
for mid-resolution remote sensing data，such as FY-3．
Key words: radiation increment;artificial fire; MODIS
卫星和航空遥感探测具有客观、高效和宏观、快
速等特点，在森林火灾监测等方面表现突出，其中火
场热辐射在卫星上产生的辐射增量的大小是林火监
测算法的关键。早在 20 世纪 50 年代，人们就应用
航空红外遥感探测技术进行林火监测研究。20 世
纪 80 年代初，随着卫星遥感应用技术的发展，美国、
加拿大等国家先后开展了通过卫星遥感监测森林火
灾的研究(Dozier，1981)。林火识别算法是森林火
灾卫星遥感监测研究的重要内容，其主要算法可分
为 单 通 道 阈 值 法 ( single-channel threshold
algorithms)、多通道阈值法 ( multi-channel threshod
algorithms)和上下文法 ( contextual algorithms) 3 大
类。这 3 类方法都依赖于火点亮温与背景亮温之差
作为参考。林火火场温度一般在 500 ～ 1 000 K 之
间，其热辐射在 NOAA /AVHＲＲ 通道 3 (中心波长
3. 75 μm)附近达到峰值，单通阈值法就是利用这一
物理原理建立林火识别算法 (Muirhead et al．，1985;
Setzer et al．，1991 )。其中，Justice 等 ( 1993 ) 根据
NOAA /AVHＲＲ 亮温阈值开展了林火监测研究，
Arino 等(1999)利用 ATSＲ 数据开展了单通道阈值
法林火检测算法研究。多通道阈值法则是在单通道
阈值法的基础上发展起来的林火识别算法，主要分
为 3 个步骤 ( Kaufman et al．，1990 ): 一是利用
NOAA /AVHＲＲ 通道 3 识别潜在火点像元，二是利
用 NOAA /AVHＲＲ 通道 4 进行去云处理，三是利用
NOAA /AVHＲＲ 通道 3 和通道 4，从背景温度较高的
环境中提取火点信息。多通道阈值法对于不同的下
垫面有不同的阈值，热带 雨林 ( Belward et al．，
1994)、稀树草原 ( Langaas，1993; Kennedy et al．，
1994; Franca et al．，1995)、北方针叶林的林火检测
阈值都不相同(Cahoon et al．，1991; 1994)。同时，
Kaufman 等(1998)根据 MODIS 数据中红外 (4 μm
波段)比远红外(11 μm 波段)对热源点反映更敏感
的特性检测火点。阈值法具有一定的局限性，不同
的火环境，如季节、地区不同，则识别林火的阈值亦
不同(Kennedy et al．，1994)。尽管后来 Chuvieco 等
(1994)和覃先林等(2004)等在利用阈值法检测火
点时，试图通过归一化植被指数(NDVI)去除非植被
区，构建林火识别模型，以减少误判，但仍然无法回
避不同火环境对识别林火阈值的影响。阈值法的关
键是如何获取固定阈值，一般是根据林火案例数据
确定识别火点的阈值。由于林火案例具有不确定性
和复杂性，因此阈值的确定带有一定的人为影响因
素。上下文法则可根据不同的林火环境生成不同的
火点识别阈值，其算法可分 2 个步骤。以 NOAA /
AVHＲＲ 数据为例(Flasse et al．，1996)，一是根据通
道 3 阈值( ＞ 311 K)及通道 3 与通道 4 之差值( ＞ 8
K)，当 2 条件都成立时，检测出疑似火点; 二是以疑
似火点为中心，确定一定大小的分析窗口 (像元窗
口一般最小 3 × 3，最大 25 × 25)，分别计算窗口内通
道 3 与通道 4 像元亮温的平均值、标准差，以及通道
3 与通道 4 亮温之差的平均值、标准差，由此排除非
火点，最终获得火点像元。目前，上下文法广泛应用
于 MODIS、ATSＲ、GOES、VIＲS 和 HJ-1B 等数据的林
火检测中。显然，在上下文法的实现过程中，也存在
阈值确定的主观性 ( Justice et al．，2002a; 2002b;
Ichoku et al．，2003; Cuomo et al．，2001; Qian et al．，
2009)。为 此，Wooster 等 ( 2004; 2003 )、Wooster
(2002)从林火强度和林火辐射量方面入手，进行了
林火检测算法的改进。综上所述，无论是阈值法还
是上下文法，都需要知道林火在各通道引起的辐射
增量大小。以前这些重要的物理量都是依赖林火案
例分析获得或根据经验确定，因此带有很强的主观
性。针对这些问题，2005 年 10 月，国家卫星气象中
心安排所属的遥感应用试验基地在广西航空运动学
校机场进行了地面人工火场与卫星同步观测的系列
试验，获取与 EOS /MODIS 数据同步的地面人工火
场辐射参数，研究林火的辐射特征，推算林火在各波
谱谱段引起的辐射增量，旨在检验卫星遥感监测林
火的敏感度、获取能量光谱曲线和热辐射量、研究观
测角度对观测精度的影响规律等。
1 地面数据采集
1. 1 试验场地环境、材料与仪器
广西航空运动学校机场位于南宁市武鸣县县城
东南方向，108. 29° E，23. 14° N，海拔 86 m。试验时
77
林 业 科 学 51 卷
间为 2005 年 10 月 17 日—11 月 3 日。人工模拟火
场选在机场西北方向的裸土地上，设置半径约为
7. 98 m、面积约为 200 m2 的圆形。在圆形区域内均
匀设置 16 个点火点。火场可燃物由干草、干树枝、
锯木碎料和直径 ＞ 10 cm 的木段组成，三者比例约
为 1∶ 1∶ 1。火场周围 5 km × 5 km 的范围内地形起
不大，高差 20 ～ 30 m。植被主要有松树(Pinus)、速
生桉 ( Eucalyptus )、低矮灌木和甘蔗 ( Saccharum
officinarum)等。
地面主要观测设备有 BOMEM MＲ-154 中近红
外傅立叶变换高光谱辐射计(以下简称玻曼仪)、热
成像仪、CE312 野外热红外辐射计、ASD FＲ 可见近
红外光谱仪和大气光学厚度仪、探空仪、百叶箱、微
型无人驾驶飞机、摄像机、照相机、高空作业车等。
1. 2 试验方法
采用地面与卫星同步观测方法，故必须确保地
面各种仪器与卫星同步对人工火场进行数据采集。
因此，试验进程是根据卫星过境时间进行统一布署。
2005 年 10 月 28 日，EOS /MODIS ( TEＲＲA)卫星于
北京时间 11: 10 过境，卫星过境前1 h40 min，所有
仪器完成 GPS 校时，时间误差控制在 1 s 内。微型
无人驾驶飞机、探空仪、百叶箱、光学厚度仪处于离
人工火场 200 m 的指定位置。高空作业车、热成像
仪、玻曼仪和摄像机处于离人工火场 50 m 的指定位
置。卫星过境前 40 min，探空仪、微型无人驾驶飞
机、热成像仪、玻曼仪、摄像机准备完毕。卫星过境
前 20 min，微型无人驾驶飞机起飞。卫星过境前 15
min，释放探空气球，同时人工火场内 16 个点火点开
始点火。根据人工火场燃烧情况，火场燃烧过程可
分为起燃、稳定和减弱 3 个阶段。对火场进行观测
采样时，热成像仪、玻曼仪和摄像机应尽量保持相同
的方向和距离;因此，将这些仪器布置在距离火场
50 m 的火场上风向处。
在火场起燃至稳定阶段，热成像仪布置在高空
作业车上，每 2 s 采样 1 次，从垂直地面 17. 5，15，
10，5 和 2. 5 m 的高度从上到下进行火场采样，每个
高度采样时间为 20 s。玻曼仪布置在垂直地面 1. 6
m 处，对火场连续采样。
在火场稳定至余火阶段，热成像仪布置在垂直
地面 1. 6 m 处，对火场进行连续采样。安装于高架
车上的玻曼仪同样从垂直地面 17. 5，15，10，5 和
2. 5 m 的高度从上到下进行火场采样，每个高度采
样时间为 20 s。
CE 312 仪和 ASD 仪安置在距离火场50 m，与
地面垂直高度 2. 5 m 的位置上，对火场进行全过程
连续采样。摄像机在距离火场 50 m 处对火场进行
全过程录像。
1. 3 数据获取
2005 年 10 月 28 日 EOS /MODIS 卫星过境时，火
场周围的环境气温为 31. 4 ℃，相对湿度 53%，微风，
无云，试验条件良好; 卫星天顶角 18. 95°，方位角
99. 05°，太阳天顶角 40. 08°，太阳方位角 153. 12°，星
下点经度 110. 3°E。热成像仪设置高度为 15 m 与火
场水平距离 44. 5 m 处，观测视线与火场法线交角为
71. 3°。火场最高温度 757. 1 ℃，平均温度 555. 8 ℃，
平均辐亮度为 253. 7 mW·m － 2 sr － 1 cm － 4，热成像仪获
取的人工火场温度分布见图 1。
图 1 MODIS 过境时人工火场温度分布场
Fig. 1 Temperature distribution of experimental fire
scene during MODIS transit
由图 1 可见，星地同步观测时，高温场充满整个
200 m2 的人工火场区，温度分布较均匀，效果理想。
地面观测试验数据包括火场能量光谱曲线、热
辐射场、反射率、大气光学厚度、探空数据、气温、气
压、相对湿度、风向、风速、航拍图像、火场录相等。
卫星资料包括 MODIS、FY-1D、NOAA 等遥感数据。
2 研究方法
2. 1 分析原理
遥感图像像元记录的是探测单元瞬时视场角所
对应的地面范围内目标辐射能量的总和。如果探测
单元的瞬时视场角所对应地面范围仅包含同一类性
质的目标，则该像元为纯净像元; 若包含了多类不
同性质的目标，则为混合像元。遥感图像空间分辨
率越低，同一像元包含多类不同性质目标的概率就
越大。一般来说遥感影像中的像元大部分都是几种
地物的混合体。线性混合理论认为 (游晓斌等，
2003)，在任意波段上，任意一个像元的响应是该像
元内各组分响应的线性和。因此，像元第 i 波段的
反射率 ρ 可以表示为:
ρ i = ∑
n
j = 1
(aij x j) + ei。 (1)
式中，ρ i为包含 1 个或多个组分的像元在第 i 个波段上
87
第 11 期 罗永明等: 基于人工火场的 EOS /MODIS 林火辐射增量研究
的平均光谱反射率，aij为像元内第 i 个波段上第 j个组
分的反射率，xj 为像元内第 j个组分所占的比例，ei 为
第 i 个光谱波段的误差项，假设某一像元内有 n 个组
分( j =1，2，…，n)，此处需对方程加以限制，即
∑
n
j = 1
xj = 1，xj ≥ 0。 (2)
由于人工火场的面积仅为 200 m2，而 MODIS 卫
星红外通道的像元面积约为 1 km2，数量级相差较
大，地表类型复杂，地表类型差异将导致辐射贡献度
不同。因此，研究思路是从宏观角度考虑的，首先将
人工火场所在卫星像元的地表类型粗略分为植被、
裸地和水体 3 大类，并研究各类地物辐射贡献的权
重关系，进而根据线性混合理论估算无火场影响下
的辐亮度值，再利用实际观测的辐亮度值减去估算
值，即可得到人工火场火辐射引起的辐射增量。
2. 2 地表覆盖类型提取
广西武鸣航校机场附近地表类型主要由林地、
耕地、建筑用地、裸土地和水体等组成。为较准确地
获取 MODIS 卫星像元内的地表类型信息，选取 2005
年 10 月 1 日的 TM 遥感数据进行像元内地表覆盖
类型的详细提取。TM 数据像元分辨率为 30 m，成
像时间与试验时间较接近，无云。根据地类光谱响
应特点，获得试验场附近植被(森林与庄稼地)、裸
地(建筑物与裸土地)和水体 3 种地表分类信息。
经实地调查检验，总体分类精度达到 92%，统计检
验 KAPPA 系数为 90%，满足研究需求。
2. 3 端元组分计算
端元是指在遥感影像中，组成混合像元的多种
单一光谱的土地覆盖类型(李素等，2007; Ｒoberts，
1998)。端元面积的大小和组成对像元总辐射量大
小的影响起着重要作用。把人工火场周围植被、裸
地和水体 3 种基本地类作为 MODIS 混合像元的端
元。将人工火场周围 MODIS 5 × 5 像元阵列叠加在
TM 数据分类图上，得到图 2。
由图 2 可知，背景是由 TM 分类得到的植被、裸
地和水体 3 种基本地类分布图。其中，小“十”字表
示 MODIS 5 × 5 像元阵列中每个像元中心在人工火
场周围的分布，13 与 14 之间的大“十”字表示人工
火场所在的位置。除 24 号像元缺水体类外，每个
MODIS 像元都是由 3 种地表类型组成。因此，需计
算 MODIS 5 × 5 像元阵列的端元(即 3 种基本地类)
所占的权重，端元权重在 0 ～ 1 之间。
3 辐亮度估算
3. 1 模型构建原理
卫星林火监测是根据火点温度高于周围背景温
图 2 人工火场周围 MODIS 像元的端元分布
Fig. 2 MODIS end-members distribution around the
experimental fire scene
度的基本原理判断火点。根据斯蒂芬 － 波尔兹曼
定律，
E = σT4。 (3)
式中，E 为绝对黑体表面的总放射能力(W·m － 2)，T
为绝对黑体的表面温度(K)，σ 为斯蒂芬 － 波尔兹
曼常数(5． 67 × 10 － 8W·m － 2K － 4)。由式(3)可知，黑
体温度的微小变化即可引起辐射的很大变化。同
时，根据维恩位移定律:
λmax = b /T。 (4)
式中，λmax 为辐射峰值波长(μm)，b 为维恩常量，
取值为 2 898 μm·K，T 为黑体温度(K)。可见，黑
体温度 T 和辐射峰值波长 λmax成反比，即温度愈高，
辐射峰值波长愈小。常温(约 300 K)时，地表辐射
峰值波长在 10 μm 左右，而火焰温度一般在 500 ～
700 K 以上，其热辐射峰值波长在 3 ～ 5 μm。因此，
MODIS 第 20，21，22，31 和 32 波段常被用于卫星遥
感林火监测。各波段的波谱见表 1。
表 1 EOS /MODIS 波段信息
Tab. 1 EOS /MODIS bands information
波段号
Band No．
波段范围
Band range /μm
信噪比较
Signal to noise
20 3. 660 ～ 3. 840 0． 05
21 3. 929 ～ 3. 989 2． 00
22 3. 929 ～ 3. 989 0． 07
31 10. 780 ～ 11. 280 0． 05
32 11. 770 ～ 12. 270 0． 05
根据线性混合理论，在任意波段上，像元的响应
是该像元内各端元组分响应的线性和。由此可建立
像元辐亮度的回归模型:
Li = ai x1 + bi x2 + ci x3。 (5)
97
林 业 科 学 51 卷
式中，Li 为像元辐亮度(W·m
－ 2 sr － 1μm － 1)，i 为波段
号，x1，x2 和 x3 分别为水体、裸地和植被占像元面积
的比例; ai，bi，ci 为回归参数。由于 13 号像元为人
工火场所在的像元，即需计算辐射增量的像元，不参
与回归建模。同时根据地表类型分布情况，14 号像
元亮温比周边像元高得多。由图 1 可知，人工火场
主要落在 13 号像元内，但临近的 14 号像元也受到
一定的影响。因此，把 14 号像元也作为需计算辐射
增量像元处理，不参与回归建模。对其他 23 个像
元，经回归分析得到像元辐亮度估算模型(表 2)。
表 2 像元辐亮度估算模型①
Tab. 2 Ｒadiance estimation models for MODIS bands
波段
Band
No．
模型表达式
Model expression
相关系数
Correlation
coefficient
20 L20 = 0 ． 458 1x1 + 0 ． 737 4x2 + 0 ． 613 9x3 0. 999 5 *
21 L21 = 0 ． 663 2x1 + 0 ． 994 9x2 + 0 ． 613 9x3 0. 999 5 *
22 L22 = 0 ． 634 2x1 + 0 ． 972 3x2 + 0 ． 851 0x3 0. 999 6 *
31 L31 = 8 ． 806 4x1 + 9 ． 368 0x2 + 9 ． 221 6x3 0. 999 9 *
32 L30 = 8 ． 072 8x1 + 8 ． 491 5x2 + 8 ． 383 0x3 0. 999 9 *
① * 通过 0. 01 信度检验 Significant difference at 0. 01。
由表 2 可见，回归模型相关系数都在 0. 99 以
上，并通过 0. 01 的信度检验。利用表 2 所列模型，
可估算人工火场周围 5 × 5 像元阵列在无人工火场
影响情况下每个像元的辐亮度值。
3. 2 亮温增量的计算
亮度温度是传感器在卫星高度所观测到的辐亮
度。根据普朗克定律
M = 2π hc
2
λ5
× 1
ehc /λkT － 1
。 (6)
式中，M 为黑体的辐射出射度(W·m － 2μm － 1 )，在数
值上等于式(5)的辐亮度 L 乘以 π; h 为普朗克常
数( J·s); k 为玻耳兹曼常数 ( J·K － 1 ); c 为光速
(m·s － 1); λ 为所求波段中心波长(μm); T 为绝对
温度(K)，由式(6)可反解出 T。由式(7)可计算出
MODIS 的红外波段的亮度温度。
T = hc
λkln［ 2πhc
2
Mλ5 + 1
］
。 (7)
根据 MODIS 过境时对人工火场的观测值，可计
算出实测亮温。利用表 3 的模型，可估算出无人工
火场影响情况下，地表的亮温分布情况 (即亮温的
估算值)。MODIS 第 20，21，22，30 和 31 波段的卫
星实测亮温与估算亮温的关系见图 3。
显然，由图 3 可见，除第 13 和 14 号像元外，其
他像元在第 20，21，22，31 和 32 波段的估算值与卫
星实测值很吻合，说明回归模型估算效果很理想。
其中，第 13，14 号像元在 MODIS 第 20，21，22 波段
有很大的差异，卫星实测值明显大于估算值，说明人
工火场的辐射在中红外起了很大的贡献; 在第 31
和 32 波段有一定的差异，辐射在远红外引起的亮温
增量比较小，符合维恩位移定律，证明试验效果明
显。由卫星实测亮温值减去估算亮温即可得到像元
的亮温增量(表 3 ～ 4):
表 3 13 号像元亮温增量
Tab. 3 MODIS pixel No． 13 radiance differences
波段
Band No．
实测亮温
Measured value /K
估算亮温
Estimated value /K
亮温增量
Difference /K
20 317. 98 308. 63 9. 35
21 314. 75 307. 26 7. 49
22 315. 55 307. 55 8. 00
31 299. 22 298. 09 1. 13
32 296. 63 295. 8 0. 83
由表 3 可见，13 号像元第 20 波段亮温增量为
9. 35 K，亮温增量最大。20 波段较容易达到饱和，
因此，在林火监测中，常用第 21，22 波段代替 20 波
段，它们的亮温增量分别为 7. 49 和 8. 00 K。第 31
和 32 波段亮温增量分别为 1. 13 和 0. 83 K。远红外
对于热源点反应不敏感，常用作背景。由表 4 可知，
14 号像元显然受到人工火场热辐射的影响，其 20
波段亮温增量也达 4. 08 K，第 21，22 波段亮温增量
分别 3. 26，3. 85 K。
表 4 14 号像元亮温增量
Tab. 4 MODIS pixel No． 14 radiance differences
波段
Band No．
实测亮温
Measured value /K
估算亮温
Estimated value /K
亮温增量
Difference /K
20 310. 31 306. 23 4. 08
21 308. 61 305. 35 3. 26
22 309. 65 305. 80 3. 85
31 298. 31 297. 59 0. 72
32 295. 89 295. 36 0. 53
4 结论
通过本次地面与卫星同步观测人工火场的试
验，成功获取了各项试验参数，经过分析得到以下
结论:
1)根据线性混合理论建立的 EOS /MODIS 像元
内地物辐亮度估算模型，其样本相关系数都达 0. 99
以上，表明该方法可用于无火场热辐射影响下地表
背景辐亮度的估算，为火场热辐射亮温增量的计算
提供背景依据。
2)EOS /MODIS 人工火场所在像元亮温增量在
第 20 波段为 9. 35 K，第 21 波段为 7. 49 K，第 22 波
08
第 11 期 罗永明等: 基于人工火场的 EOS /MODIS 林火辐射增量研究
图 3 卫星实测亮温与估算亮温
Fig. 3 Satellite observation brightness temperature curves contrasted with estimated values
段为 8. 00 K，说明 EOS /MODIS 红外波段对地表热
辐射反应非常明感，能观测到地面≥200 m2(即火场
面积与像元面积比为 1 /5 000)的火场。第 31 和 32
波段对高温热源不明感，增量分别为 1. 13 和 0. 83
K。这对于误码识别和深入研究林火识别与面积估
算模型具有重要意义。
3)卫星观测存在目标物的像元分割现象，本次
试验中主火场落在 13 号像元，14 号像元第 20 波段
亮温增量也达 4. 08K，表明火场很可能落在 2 个像
元之间，14 号像元也受火场的影响。这种现象往往
造成火点多判，高估火场面积，应在研究和应用中引
起重视。
参 考 文 献
李 素，李文正，周建军，等 ． 2007． 遥感影像混合像元分解中的端元
选择方法综述 ．地理与地理信息科学，23(5) : 35 － 38．
( Li S，Li W Z，Zhou J J，et al． 2007． A review on endmember selection
methods in the course of mixed pixel decomposition of remote sensing
images． Geography and Geo-Information Science，23(5) :35 － 38．
［in Chinese］)
覃先林，易浩若 ． 2004．基于 MODIS 数据的林火识别方法研究 ． 火灾
18
林 业 科 学 51 卷
科学，13(2) : 83 － 89．
(Qin X L，Yi H Ｒ． 2004． A method to identify forest fire based on
MODIS data． Fire Safety Science，2:83 － 89． ［in Chinese］)
Arino O，Ｒosaz J M． 1999. 1997 and 1998 world ATSＲ fire atlas using
EＲS-2 ATSＲ-2 Data． Proceedings of the Joint Fire Science
Conference，Boise，15 － 17．
Belward A S，Kennedy P J，Grégoire J M． 1994． The limitations and
potential of AVHＲＲ GAC data for continental scale fire studies．
International Journal of Ｒemote Sensing，15: 2215 － 2234．
Cahoon D Ｒ Jr，Levine J S，Minnis P，et al． 1991． The Great Chinese
fire of 1987: A view from space∥ Levine J S． Global Biomass
Burning: Atmospheric，Climate，and Biospheric Implications． MIT
Press，Cambridge，MA，61 － 66．
Cahoon D Ｒ Jr，Stocks B J，Levine J S，et al． 1994． Satellite analysis of
the severe 1987 forest fires in northern China and southeastern
Sibera． J Geophys Ｒes，99:18627 － 18638．
Chuvieco E，Martin M P． 1994． A simple method for fire growth mapping
using AVHＲＲ channel 3 data． International Journal of Ｒemote
Sensing，15(16) :3141 － 3146．
Cuomo V， Lasaponara Ｒ， Tramutoli V． 2001． Evaluation of a new
satellite-based method for forest fire detection． International Journal
of Ｒemote Sensing，22(9) : 1799 － 1826．
Dozier J． 1981． A method for satellite identification of surface
temperature fields of subpixel resolution． Ｒemote Sensing of
Environment，11:221 － 229．
Flasse S P，Ceccato P． 1996． A contextual algorithm for AVHＲＲ fire
detection． International Journal of Ｒemote Sensing，17:419 － 424．
Franca J Ｒ，Brustet J M，Fonta J． 1995． Multispectral remote sensing of
biomass burning in west Africa． Journal of Atmospheric Chemistry，
22(1) :81 － 110．
Ichoku C，Kaufman Y J，Giglio L，et al． 2003． Comparative analysis of
daytime fire detection algorithms using AVHＲＲ data for the 1995
fire season in Canada: Perspective for MODIS． International Journal
of Ｒemote Sensing，24(8) : 1669 － 1690．
Justice C O，Malingreau J P，Setzer A W． 1993． Satellite remote sensing
of fires:potential and limitations∥ Crutzen P J，Goldammer J G．
Fire in The Environment: The Ecological，Atmospheric and Climatic
Importance of Vegetation Fires． New York: John Wiley and Sons，
77 － 88．
Justice C O，Giglio L，Korontzi S， et al． 2002a． The MODIS fire
products． Ｒemote Sens Environ，83: 244 － 262．
Justice C O，Townshend J Ｒ G，Vermote E F，et al． 2002b． An overview
of MODIS land data processing and product status． Ｒemote Sens
Environ，82: 3 － 15．
Kaufman Y J，Justice C，Flynn L． 1998． Monitoring global fire from
EOS-MODIS． Journal of Geophysical Ｒesearch，102:611 － 624．
Kaufman Y J，Tucker C J，Fung I． 1990． Ｒemote sensing of biomass
burning in the tropics． Journal of Geophysical Ｒesearch，95:9927 －
9939．
Kennedy P J，Belward A S，Grégoire J M． 1994． An improved approach
to fire monitoring in west Africa using AVHＲＲ data． International
Journal of Ｒemote Sensing，15:2235 － 2255．
Kennedy P J，Belward A S，Grégoire J M． 1994． An improved approach
to fire monitoring in west Africa using AVHＲＲ data． International
Journal of Ｒemote Sensing，15: 2235 － 2255．
Langaas S． 1993． A parameterized bispectral model for savanna fire
detection using AVHＲＲ night images． International Journal of
Ｒemote Sensing，14:2245 － 2262．
Muirhead K， Cracknell A． 1985． Straw burning over Great Britain
detected by AVHＲＲ． International Journal of Ｒemote Sensing，6:
827 － 833．
Wooster M J． 2002． Small-scale experimental testing of fire radiative
energy for quantifying mass combusted in natural vegetation fires．
Geophys Ｒes Lett，29(21) : 2027． doi:10. 1029 /2002GL015487．
Qian Yonggang，Yan Guangjian，Duan Sibo，et al． 2009． A contextual
fire detection algorithm for simulated HJ-1B imagery． Sensors，9:
961 － 979．
Ｒoberts D A． 1998． Mapping chaparral in the Santa Monica Mountains
using multiple endmember spectral mixture model． Ｒemote Sensing of
Environment，65:267 － 279．
Setzer A W，Pereira M C． 1991． Amazonian biomass burnings in 1987 and
an estimate of their tropospheric emission． Ambio，20: 19 － 22．
Wooster M J，Zhang Y H． 2004． Boreal forest fires burn less intensely in
Ｒussia than in North America． Geophys Ｒes Lett，31(20)，L20505．
doi:10. 1029 /2004GL020805．
Wooster M J， Zhukov B，Oertel D． 2003． Fire radiative energy for
quantitative study of biomass burning: Derivation from the BIＲD
experimental satellite and comparison to MODIS fire products．
Ｒemote Sens Environ，86: 83 － 107．
(责任编辑 朱乾坤)
28