丁海勇，吳 月

(南京信息工程大學(xué) a. 遙感與測繪工程學(xué)院, b. 地理科學(xué)學(xué)院，江蘇 南京 210044)

林火在失去人為控制后，由火點(diǎn)處向四周肆意延伸，在擴(kuò)散過程中形成森林火災(zāi)[1]。森林火災(zāi)的發(fā)生是難以預(yù)測的，一般具有偶然性和隱蔽性，同時(shí)具有較大的破壞性，是一種控制和救援都較為困難的自然災(zāi)害[2]。林火不僅無情地毀滅森林中的各種生物，破壞陸地生態(tài)系統(tǒng)，甚至引起其他自然災(zāi)害的發(fā)生，而且森林燃燒時(shí)會(huì)產(chǎn)生的大量煙塵，對空氣和水源造成污染，使全球溫室效應(yīng)增強(qiáng)，威脅人類的生存條件，因此加強(qiáng)對森林火災(zāi)的防控和監(jiān)測能力迫在眉睫，其中林火的監(jiān)測是一個(gè)極為重要的環(huán)節(jié)。隨著衛(wèi)星遙感探測技術(shù)的快速發(fā)展，運(yùn)用衛(wèi)星監(jiān)測林火的手段已成為目前森林火災(zāi)監(jiān)測的重要方法之一[3]。衛(wèi)星觀測可以準(zhǔn)確確定火災(zāi)發(fā)生的位置，同時(shí)還可以獲取大范圍的火場活動(dòng)情況，是監(jiān)測火情必不可少的手段。

中分辨率成像光譜儀(MODIS)數(shù)據(jù)具有時(shí)間分辨率高、覆蓋范圍大、免費(fèi)使用的特點(diǎn)，是一個(gè)非常好的數(shù)據(jù)源。從1980年開始，世界各國陸續(xù)使用遙感衛(wèi)星檢測森林火災(zāi)，經(jīng)過專家學(xué)者多年的研究改進(jìn)，基于MODIS數(shù)據(jù)的火點(diǎn)檢測方法有三通道合成法[4]、絕對火點(diǎn)識(shí)別法[5-6]、上下文火點(diǎn)檢測算法[7]等。林火監(jiān)測的另一個(gè)重要的應(yīng)用是提取過火跡地，利用遙感技術(shù)對植被的燃燒痕跡進(jìn)行識(shí)別。目前，根據(jù)研究尺度的不同，選擇多時(shí)相衛(wèi)星遙感數(shù)據(jù)進(jìn)行林火信息檢測的方法主要有基于多要素的統(tǒng)計(jì)模型[8]，基于知識(shí)模型的過火跡地提取[9]，基于多種光譜指數(shù)的閾值法[10-11]以及基于監(jiān)督分類、決策樹、面向?qū)ο蟮葓D像分類法[12-13]。其中效率最高、應(yīng)用最廣的是指數(shù)方法，提出了植被指數(shù)(NDVI)、燃燒區(qū)域指數(shù)(BAI)、燃燒比率指數(shù)(NBR)和全球環(huán)境監(jiān)測指數(shù)(GEMI)[14-16]等過火跡地指數(shù)。林火對植被造成破壞，導(dǎo)致葉綠素細(xì)胞受損以及土壤碳化，使其反射率發(fā)生變化，光譜特征也隨之發(fā)生變化，以上識(shí)別方法正是基于這種變化建立的。

2017年5月2日，內(nèi)蒙古大興安嶺畢拉河林場發(fā)生特大森林火災(zāi)。由于火勢較強(qiáng)，加上地形復(fù)雜和天氣因素的影響，因此給地面火情判斷帶來了難度。本文中采用魯棒衛(wèi)星技術(shù)(RST)算法利用火災(zāi)發(fā)生前、后MODIS影像進(jìn)行森林火點(diǎn)信息的檢測和提取。RST是基于背景場分析的異常提取算法，能夠去除地形、氣象等因素影響，但它更多地考慮時(shí)空域上相對于背景場的異常，且不能完全去除偽異常值對檢測結(jié)果的影響。將閾值方法和其他資料的判識(shí)作為RST算法的前提，結(jié)合2種算法的優(yōu)點(diǎn)，嘗試對RST算法提出閾值，提取到更精確的火點(diǎn)信息。然后基于確認(rèn)的火點(diǎn)信息，結(jié)合局部變化檢測指數(shù)(ALICE)和GEMI方法提取過火跡地信息。

1 數(shù)據(jù)與方法

1.1 研究區(qū)和數(shù)據(jù)源

研究區(qū)域位于內(nèi)蒙古大興安嶺，南北長度為84 km，東南寬度為64 km。有林地面積533.055 ha，森林總蓄積量362萬m3，森林覆蓋率為68.38%。畢拉河林火發(fā)生在2017年5月2日，本文中選用2016年5月—2018年5月期間的逐月數(shù)據(jù)、2017年4月11日—5月21日逐日數(shù)據(jù)作為火點(diǎn)監(jiān)測的實(shí)驗(yàn)數(shù)據(jù)，2017年5月7日的單日MODIS數(shù)據(jù)作為過火跡地識(shí)別的實(shí)驗(yàn)數(shù)據(jù)(圖1)。這些數(shù)據(jù)均來源于美國國家航空航天局(NASA)官網(wǎng)的Terra衛(wèi)星的MODIS L1B數(shù)據(jù)。

圖1 內(nèi)蒙古大興安嶺畢拉河林場的中分辨率成像光譜儀(MODIS)影像

1.2 技術(shù)路線

研究主要利用MODIS數(shù)據(jù)，使用遙感圖像處理平臺(tái)(ENVI)對數(shù)據(jù)進(jìn)行預(yù)處理，包括幾何校正和輻射定標(biāo)；然后對數(shù)據(jù)進(jìn)行云檢測和水體判識(shí)，用來提高火點(diǎn)監(jiān)測的精度，使用閾值檢測和RST算法對校正后的數(shù)據(jù)進(jìn)行火點(diǎn)檢測；隨后對火點(diǎn)監(jiān)測結(jié)果進(jìn)行偽火點(diǎn)和噪聲點(diǎn)等的虛假火點(diǎn)的剔除，將算法進(jìn)行對比分析和精度評價(jià)，分析綜合算法的可行性；最后利用火點(diǎn)提取信息和GEMI方法提取林火跡地信息。技術(shù)路線如圖2所示。

1.3 RST算法

圖2 林火跡地信息提取技術(shù)流程圖

RST算法是基于多時(shí)序相同定位的衛(wèi)星數(shù)據(jù)分析的方法，根據(jù)衛(wèi)星圖像中每個(gè)待處理像元的期望值和自然信號的可變性來表示衛(wèi)星信號。在此基礎(chǔ)上，利用ALICE可以識(shí)別異常信號，旨在突出時(shí)間或者空間上相對平靜狀態(tài)下的異常，能夠運(yùn)用于多源數(shù)據(jù)、不同地域、不同觀測條件的算法[17-18]。其計(jì)算公式為

(1)

式中：?V(x,y,t)為t時(shí)刻坐標(biāo)位置為x、y的像元異常值；V(x,y,t)為t時(shí)刻坐標(biāo)位置為x、y的像元值；μ(x,y)為相同位置、相同時(shí)刻的平均值；σ(x,y)為對應(yīng)的標(biāo)準(zhǔn)差。該方法是一種基于多時(shí)相數(shù)據(jù)分析方法，考慮的是時(shí)空域上相對于平靜狀態(tài)下的異常，確定處理長時(shí)間序列的同質(zhì)衛(wèi)星記錄，根據(jù)一些均勻性標(biāo)準(zhǔn)進(jìn)行分層，同時(shí)也可以看出該算法的ALICE計(jì)算是基于像素級別的。

1.4 精度評價(jià)

利用準(zhǔn)確率P、漏檢率M以及綜合準(zhǔn)確率和漏檢率F值來進(jìn)行統(tǒng)一的精度評定。評價(jià)指標(biāo)中的準(zhǔn)確率是指算法檢測到的真實(shí)火點(diǎn)像元的個(gè)數(shù)占檢測火點(diǎn)總數(shù)的比例，而漏檢率是指真實(shí)火點(diǎn)像元中沒有被算法檢測到的火點(diǎn)像元個(gè)數(shù)占真實(shí)火點(diǎn)總數(shù)的比例[19]，表達(dá)式分別為

(2)

(3)

(4)

式中：Yy為檢測的火點(diǎn)為真實(shí)火點(diǎn)的個(gè)數(shù)；Yn為誤檢火點(diǎn)的個(gè)數(shù)；Ny為漏檢火點(diǎn)的個(gè)數(shù)。

1.5 過火跡地提取

在MODIS數(shù)據(jù)的B5通道處，過火跡地和非過火跡地的反射率會(huì)有很大的差異；而在B7通道處，過火跡地和非過火跡地的反射率幾乎沒有差別。利用MODIS數(shù)據(jù)的這一特性能夠有效地區(qū)分已燃燒與未燃燒的像元。同時(shí)B5、B7通道的波長較長，有較強(qiáng)的穿透力，因此云和氣溶膠等對這2個(gè)通道造成的干擾較小[20]。本文中利用過火跡地指數(shù)中的GEMI對過火地區(qū)進(jìn)行識(shí)別。

(5)

(6)

式中：I為GEMI；ρ5為MODIS數(shù)據(jù)B5通道的反射率；ρ7為MODIS數(shù)據(jù)B7通道的反射率。

相對于其他地物來說，過火跡地指數(shù)的數(shù)值較大，因此，利用GEMI可以有效地區(qū)別過火跡地和其他絕大多數(shù)的地物類別，而且在同類地物的集中度上效果很好。

2 數(shù)據(jù)處理

2.1 火點(diǎn)檢測

國家MODIS數(shù)據(jù)共享中心提供了MODIS火災(zāi)監(jiān)測的基本算法[21]。本文中利用閾值算法提取火點(diǎn)信息作為RST閾值確定前提，結(jié)合2種算法進(jìn)行火點(diǎn)信息提取研究。步驟如下：

1)云檢測。結(jié)合MODIS的數(shù)據(jù)B1、B2通道的反射率信息和B32通道的亮度溫度對云進(jìn)行檢測[22]。

2)水體判識(shí)。采用MODIS影像幾何定位產(chǎn)品中的水體數(shù)據(jù)進(jìn)行水體掩膜處理。

3)背景信息提取。建立被檢測像元和其周圍像元間的溫度關(guān)系。確定背景溫度時(shí)，按照經(jīng)驗(yàn)可調(diào)節(jié)分析區(qū)域的大小，直到確定所有分析點(diǎn)中非火像元點(diǎn)所占的比例不低于25%，用來判斷被檢測像元是否為火點(diǎn)像元。確定提取時(shí)濾除火點(diǎn)的條件，排除這些火點(diǎn)后，就能得到波長為4、11 μm的背景溫度、均值和絕對偏差等信息；利用這些信息可進(jìn)行疑似火點(diǎn)的判斷。

4)RST檢測。一般情況下RST算法的背景場選擇主要分2種，即同期溫度均值和空間域溫度均值。在時(shí)間域方面選擇2個(gè)不同時(shí)間尺度的方法，分別是每月同期溫度均值和每日同期均值。以下共選擇3種方法進(jìn)行研究，以選擇火點(diǎn)信息的最佳提取結(jié)果。

①基于每月同期均值的RST算法。選擇每月同期數(shù)據(jù)作為研究對象，時(shí)間為2016年5月—2018年5月，根據(jù)時(shí)間序列對這25期數(shù)據(jù)進(jìn)行編號，對應(yīng)編號為0—24。對于上述RST計(jì)算公式，其中時(shí)間t即為每月同期的相同時(shí)刻，在本次計(jì)算中用m表示，其計(jì)算公式為

(7)

式中?V(x,y,m)為連續(xù)月份內(nèi)同一日期的同一時(shí)刻坐標(biāo)位置為x、y的像元異常值；V(x,y,m)為連續(xù)月份內(nèi)同一日期的同一時(shí)刻坐標(biāo)位置為x、y的像元值。試驗(yàn)結(jié)果表明，閾值選取為2.7時(shí)，火點(diǎn)像元檢測較為準(zhǔn)確。

②基于連續(xù)日期均值的RST算法。對于上述的RST算法方案①，數(shù)據(jù)反映的是長期變化，因此選擇改變時(shí)間域，減小時(shí)間尺度，選擇連續(xù)日期的41幅影像，時(shí)間為2017年4月11日—5月21日，根據(jù)時(shí)間序列對這41期數(shù)據(jù)進(jìn)行編號，對應(yīng)編號為0—40。計(jì)算公式為

(8)

式中?V(x,y,d)表示為連續(xù)時(shí)間內(nèi)每天同一時(shí)刻坐標(biāo)位置為x、y的像元異常值[23]；V(x,y,d)為連續(xù)時(shí)間內(nèi)每天同一時(shí)刻坐標(biāo)位置為x、y的像元值。經(jīng)過多次試驗(yàn)顯示，閾值選取為2.6時(shí)能夠較準(zhǔn)確地檢測到火點(diǎn)像元。

③基于空間域均值的RST算法?？臻g域均值方法是在基于連續(xù)日期均值的RST算法上改變的，將局部空間域內(nèi)像元均值作為中心像元值，局部空間域選擇3×3的計(jì)算窗口，計(jì)算時(shí)所選擇的數(shù)據(jù)和日期不變，并對數(shù)據(jù)進(jìn)行相應(yīng)編號。其中像元值V(x,y,d)為局部區(qū)域內(nèi)均值代替，即Vm(x,y,d)，計(jì)算公式為

(9)

式中：?Vm(x,y,d)表示為連續(xù)時(shí)間內(nèi)每天同一時(shí)刻坐標(biāo)位置為x、y的像元所在局部區(qū)域內(nèi)的異常值；Vm(x,y,d)為每天同一時(shí)刻坐標(biāo)位置為x、y像元所在局部區(qū)域內(nèi)的平均像元值；μm(x,y)為相同位置在連續(xù)日期內(nèi)的像元平均值；σm(x,y)為對應(yīng)的標(biāo)準(zhǔn)差。試驗(yàn)表明，閾值選取為2.7時(shí)火點(diǎn)像元檢測結(jié)果較好。

5)虛假火點(diǎn)去除。濾除耀斑和異常高溫點(diǎn)，利用波長為4 μm通道的亮溫信息和耀斑角信息判識(shí)耀斑[24]。

6)NDVI數(shù)據(jù)輔助判別。對研究區(qū)的NDVI輔助數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，建立了NDVI與地表類型的關(guān)系，見圖3。由圖可以看出，無植被覆蓋的水體和裸地的NDVI值較小，甚至為負(fù)值； 而燃燒區(qū)的植被指數(shù)在火災(zāi)發(fā)生期間發(fā)生劇烈變化，燃燒后期NDVI最小值為0.05。綜上，在選擇研究區(qū)的NDVI大于0.1作為判定閾值，基于此區(qū)分林火點(diǎn)和非林火點(diǎn)。

圖3 研究區(qū)植被指數(shù)與地表類型的關(guān)系

2.2 過火跡地檢測

森林火災(zāi)發(fā)生后會(huì)向四周蔓延和擴(kuò)散，過火跡地最有可能在火點(diǎn)的周邊區(qū)域形成，所以將火點(diǎn)監(jiān)測結(jié)果加入判識(shí)過火跡地的條件中，可以提高過火跡地信息提取的準(zhǔn)確性?；谏鲜龌瘘c(diǎn)監(jiān)測中提取的火點(diǎn)信息，選取GEMI對研究區(qū)進(jìn)行過火跡地的識(shí)別。首先以精度評價(jià)最高的火點(diǎn)監(jiān)測結(jié)果作為確認(rèn)火點(diǎn)，其ALICE值作為火點(diǎn)信息，計(jì)算所有待判像元的GEMI值，對滿足閾值條件的像元，判斷為疑似過火跡地像元，不滿足閾值條件的則判定為非過火跡地像元；然后對所有疑似過火跡地像元所在窗口內(nèi)的ALICE值進(jìn)行統(tǒng)計(jì)判別，窗口內(nèi)有火點(diǎn)存在即ALICE達(dá)到閾值則確認(rèn)為過火跡地像元，反之為非過火跡地像元。

利用GEMI過火跡地模型和火點(diǎn)信息ALICE對研究區(qū)進(jìn)行過火跡地識(shí)別的應(yīng)用試驗(yàn)，設(shè)定雙重閾值提取過火跡地信息，最終確定GEMI閾值為0.24，ALICE閾值為3時(shí)，監(jiān)測效果較好。

3 結(jié)果與分析

3.1 火點(diǎn)檢測結(jié)果

3.1.1 基于每月同期均值的RST算法

對編號為0—24的影像進(jìn)行數(shù)據(jù)處理可得到如圖4所示的火點(diǎn)檢測結(jié)果。從圖中可以看到，檢測到火點(diǎn)的數(shù)據(jù)編號為12，其對應(yīng)日期為2017年5月2日，與森林火災(zāi)發(fā)生的日期一致。ALICE分布圖中黑點(diǎn)所在像元是ALICE數(shù)值最大的區(qū)域，對該區(qū)域連續(xù)日期內(nèi)的亮溫和ALICE數(shù)值的變化由2幅折線圖可以觀察到。從該像元區(qū)域處的連續(xù)25期影像的亮溫變化情況可以看出，該區(qū)域的亮溫值一般穩(wěn)定在260～300 K，編號為12的影像的亮溫?cái)?shù)值顯示異常，異常值為361 K。ALICE與亮溫變化趨勢相同，指數(shù)值穩(wěn)定在-1～1，發(fā)生異常的為同一期影像，異常值為3.86。

圖4 基于每月同期均值的檢測結(jié)果

3.1.2 基于連續(xù)日期均值的RST算法

對編號為0—40的影像進(jìn)行數(shù)據(jù)處理，經(jīng)過RST算法計(jì)算得到基于連續(xù)日期均值的檢測結(jié)果，如圖5所示?？梢钥吹剑瑱z測到火點(diǎn)的影像數(shù)據(jù)的編號為22，對應(yīng)日期為2017年5月2日，與森林火災(zāi)發(fā)生的日期一致。ALICE分布圖中的紅色區(qū)域是數(shù)值最大的區(qū)域，對該區(qū)域連續(xù)日期內(nèi)的亮溫和ALICE數(shù)據(jù)的變化由2幅折線圖可以觀察到。從火點(diǎn)區(qū)域內(nèi)紅色像元處的連續(xù)41期影像的亮溫變化情況中可以發(fā)現(xiàn)，這期間該區(qū)域的亮溫值穩(wěn)定在240～310 K，對應(yīng)編號為22的影像的亮溫?cái)?shù)值發(fā)生了突變，異常值為361 K。ALICE與亮溫變化趨勢相同，數(shù)值大部分在-2～1，異常發(fā)生在同一影像，其指數(shù)值為4.00。同時(shí)，在火災(zāi)發(fā)生后的3期內(nèi)亮溫和ALICE數(shù)值都突然大幅度減小，一方面是火災(zāi)救援工作的實(shí)施對地面亮溫帶來了影響，另一方面是在該區(qū)域發(fā)生了雨雪天氣，導(dǎo)致亮溫和ALICE數(shù)值發(fā)生明顯變化，造成了異常低值。

圖5 基于連續(xù)日期均值的檢測結(jié)果

3.1.3 基于空間域均值的RST算法

對編號為0—40的影像進(jìn)行數(shù)據(jù)處理，得到基于空間域均值的檢測結(jié)果，如圖6所示。由檢測結(jié)果可以看出，編號為22的影像檢測到火點(diǎn)異常，其對應(yīng)日期為2017年5月2日，與森林火災(zāi)發(fā)生的日期一致。ALICE分布圖中的黑點(diǎn)所在像元是數(shù)值最大的區(qū)域，對該區(qū)域連續(xù)日期內(nèi)的亮溫和ALICE數(shù)據(jù)的變化由2幅折線圖可以觀察到。從該像元區(qū)域處的連續(xù)41期影像的亮溫變化情況可以看出，這期間該區(qū)域的亮溫值穩(wěn)定在240～300 K，對應(yīng)編號為22的影像的亮溫?cái)?shù)值顯示異常，異常值為357 K。ALICE與亮溫變化趨勢相同，數(shù)值大部分在-2～1，異常發(fā)生在同一影像，指數(shù)值為3.72。同樣，在折線圖中出現(xiàn)的異常低值是因救援工作和雨雪天氣導(dǎo)致的。

從上述3個(gè)算法的檢測結(jié)果都能看到火點(diǎn)區(qū)域ALICE的分布變化，明顯地看出火點(diǎn)區(qū)域的熱異常情況，通常越接近火點(diǎn)像元的ALICE數(shù)值越大，說明火勢越強(qiáng)。

3.1.4 火點(diǎn)監(jiān)測精度評價(jià)

對RST的3種算法的提取結(jié)果進(jìn)行精度評價(jià)，結(jié)果如表1所示。通過對比F值可以發(fā)現(xiàn)，檢測精度由高到低的順序?yàn)榛谶B續(xù)日期均值算法、基于空間域均值算法、基于每月同期均值算法。對于每月同期均值算法來說，由于其時(shí)間不連續(xù)，而且連續(xù)的月數(shù)據(jù)可能帶有地溫季節(jié)變化的影響，而前后只有40期的連續(xù)日時(shí)間數(shù)據(jù)，季節(jié)變化帶來的氣溫影響相對較小，因此就時(shí)間域的對比來說，使用連續(xù)數(shù)據(jù)的檢測效果更好。

空間域均值算法是將局部空間均值作為中心像元值參與計(jì)算，不僅考慮到時(shí)間的變化，同時(shí)還考慮到了空間地理位置的變化。本文中的研究區(qū)域在山地林區(qū)，該方法可以減小地形對地溫的影響，提高算法的精度，但這也相當(dāng)于對局部區(qū)域的進(jìn)行了平滑處理，抑制了局部異常值，會(huì)使區(qū)域中的異常值不敏感，從而對檢測結(jié)果造成一定影響。綜合比較來說，基于連續(xù)日期均值RST算法更適合于本文中研究區(qū)提取火點(diǎn)，經(jīng)過多次閾值試驗(yàn)，ALICE值選取為2.6時(shí)，火點(diǎn)檢測結(jié)果較好。

圖6 基于空間域均值的檢測結(jié)果

表1 檢測算法的精度評價(jià)

3.2 過火跡地提取結(jié)果

畢拉河林場火災(zāi)于2017年5月2日發(fā)生，5月5日結(jié)束，為了避免監(jiān)測結(jié)果受到火災(zāi)濃煙和云層的干擾，盡量選擇火災(zāi)結(jié)束后且無云的數(shù)據(jù)，因此選擇2017年5月7日的MODIS L1B數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)來提取畢拉河森林火災(zāi)的過火跡地。監(jiān)測模型提取結(jié)果見圖7。由圖可以看出，利用GEMI提取了2個(gè)過火地區(qū)，但實(shí)際只有一個(gè)過火區(qū)中有火點(diǎn)存在，表明另外一個(gè)過火區(qū)內(nèi)無火點(diǎn)，實(shí)為非過火區(qū)；結(jié)合火點(diǎn)信息指數(shù)和GEMI提取的過火區(qū)域內(nèi)有火點(diǎn)，同時(shí)無虛假過火區(qū)存在。

(a)利用全球環(huán)境監(jiān)測指數(shù)提取

(b)結(jié)合火點(diǎn)信息指數(shù)和全球環(huán)境監(jiān)測指數(shù)提取圖7 畢拉河林場過火跡地提取結(jié)果

實(shí)驗(yàn)結(jié)果表明，基于MODIS 數(shù)據(jù)波段特性可以識(shí)別出跡地像元，進(jìn)而識(shí)別出跡地，及時(shí)提供過火跡地發(fā)生位置及擴(kuò)散范圍等相關(guān)信息，適用于對過火跡地的實(shí)時(shí)監(jiān)測。利用遙感影像MODIS數(shù)據(jù)通過假彩色合成(波段1、2、3合成)也可目視識(shí)別過火區(qū)，如圖8所示。過火區(qū)域顏色較深，利用此圖可清晰看出火災(zāi)燃燒留下的痕跡。對比圖1和圖8，大部分跡地像元都能被精確監(jiān)測到，提取的過火跡地結(jié)果與實(shí)際過火情況較為一致。

圖8 畢拉河林場過火跡地影像圖(波段1、2、3假彩色合成)

4 結(jié)論

1)通過MODIS數(shù)據(jù)利用閾值算法提取火點(diǎn)信息作為RST閾值確定前提，結(jié)合2種算法進(jìn)行火點(diǎn)信息提取研究，通過改變RST算法的核心參數(shù)，衍生出幾種不同的RST算法，得到火點(diǎn)信息的ALICE值；通過精度評價(jià)的方法比較選擇閾值，同時(shí)對衍生的3種方法進(jìn)行對比，其檢測精度由高到低的順序?yàn)榛谶B續(xù)日期均值、基于空間域均值、基于每月同期均值?；谶B續(xù)日期均值RST算法檢測精度最高，對本文研究區(qū)域有更好的適應(yīng)性。經(jīng)過多次閾值試驗(yàn)，ALICE值選取為2.6時(shí)，火點(diǎn)檢測結(jié)果較好，將其作為火點(diǎn)檢測結(jié)果。

2)RST算法對長時(shí)間序列數(shù)據(jù)進(jìn)行計(jì)算來檢測火點(diǎn)，不僅是適用的，而且還將火點(diǎn)信息精確到了像素級別，更認(rèn)識(shí)到了地表亮溫及其相關(guān)數(shù)據(jù)(如ALICE)的長期規(guī)律，幫助我們今后更好地判識(shí)火情。建立固定長度的時(shí)間序列數(shù)據(jù)，新數(shù)據(jù)更新后加入模型計(jì)算，可以及時(shí)判識(shí)最新數(shù)據(jù)的異常情況，因此RST算法具有時(shí)間域上的優(yōu)勢。最后也驗(yàn)證了MODIS數(shù)據(jù)可適用于長時(shí)間序列火情監(jiān)測，為今后火情相關(guān)的應(yīng)用和研究提供極大的幫助。

3)基于確認(rèn)火點(diǎn)信息，結(jié)合ALICE和GEMI提取過火跡地信息，該方法檢測出絕大部分過火跡地像元，且與目視解譯結(jié)果具有一致性，表明此方法不僅具有可行性，還在原單一方法基礎(chǔ)上提高了檢測的精度，方便后續(xù)的火災(zāi)評估工作。

在火災(zāi)檢測中云對檢測結(jié)果影響很大，在本文研究中都盡量使用少云或無云的數(shù)據(jù)，但單一數(shù)據(jù)源的使用可能會(huì)從數(shù)據(jù)質(zhì)量方面對監(jiān)測過程造成影響，因此可以使用多源遙感數(shù)據(jù)或其他分辨率更高的影像作為數(shù)據(jù)源。以上方法的適用性還有待更深入的研究。