中国科学技术大学地球和空间科学学院和火灾科学国家重点实验室双聘教授李锐研究团队在综合利用多源卫星可见光、红外和微波信号遥感森林火灾风险方面取得重要进展，在国际上创新性地使用了基于卫星被动微波植被指数和光学植被指数所表征的地表可燃物动态变化，使用机器学习方法以此定量估算东亚地区火点数（Fire Count, FC）和火辐射功率（Fire Radiative Power, FRP）。相关研究成果以“Estimation of fire counts and fire radiative power using satellite optical and microwave vegetation index with Random Forest method”为题发表于大气科学国际知名期刊《Journal of Geophysical Research: Atmospheres》（JGR Atmospheres），并被JGR Atmospheres杂志编辑委员会遴选为AGU媒体平台的专题论文（遴选率低于AGU论文总数的2%）。

在全球气候变化与人类活动交织影响的背景下，森林火灾频发已成为威胁生态安全与人类社会的重大挑战。每年全球火灾燃烧区域约为3至5百万平方公里，向大气释放约80亿吨的二氧化碳（Chuvieco 等 2019，RSE）。东亚地区森林类型多样，为野火提供了丰富的可燃物，塑造了多样的火灾发展模式。由于该地区植被覆盖广、种类多，地面观测难以获取准确的燃料数据，主要依靠卫星遥感监测，而不同观测方法得出的结果不确定性较大。此外，全球变暖会改变云量、温度等关键因素，使得火灾风险评估需要动态调整。

目前研究主要利用卫星光学遥感监测地表植被，这种方法空间分辨率高。但依赖阳光，只有在晴朗的白天有效，在茂密森林中存在数据饱和问题。而微波遥感通过接受地表和植被自身的热辐射信号，不受光照和云层影响，白天夜晚均可观测，并能穿透植被监测不同植被层燃料特性，具有较高的时间分辨率。然而，目前结合卫星微波和光学遥感的强大优势来综合评估森林火灾风险的研究仍然很少。

本研究创新地利用课题组自主研发的东亚陆面多波段微波植被指数EDVI，通过EDVI10-18和EDVI18-36监测森林垂直方向下层和上层燃料特性（如含水量和可燃物量），并结合光学植被指数NDVI，全面捕捉地表燃料动态变化，并使用机器学习方法成功构建了东亚地区森林火灾风险估算模型，弥补了传统光学遥感在复杂天气和茂密林区监测的不足。

研究发现，多年平均的卫星微波和光学植被指数与FC、FRP、腐殖质层可燃物湿度指数（DMC）和初始蔓延指数（ISI）有较好的空间相关性，有效捕捉到了地表可燃物动态变化。值得注意的是，监测森林下层可燃物的EDVI10-18与火灾空间变化有更好的一致性，表明地表火灾活动比冠层火灾更加频繁。同时，将微波和光学植被指数结合的随机森林模型所估算的FC和FRP与卫星观测结果表现出很好的时间相关性，能准确反映东亚地区森林火灾不同季节变化特征。此外，影响FC 和FRP的关键动态因子重要性是一致的，其中EDVI表现出比NDVI更高的重要性，这得益于它较高的时间分辨率能够捕捉林火精细时间尺度上的动态变化。该研究将随机森林模型与卫星微波和光学观测相结合，显著提升了火灾FC和FRP估算精度，在全球火险评估中具有巨大应用潜力。

该方法估计的东亚地区火点数、火辐射功率及其与卫星观测结果的比较

该文第一作者为大气科学专业段嘉伟博士，通讯作者为李锐教授。研究受到国家自然科学基金重点项目、安徽省自然科学基金、国家重点研发计划、风云气象卫星专项创新中心、以及中国气象局-中国科学技术大学风云遥感联合实验室的资助。

文章链接：https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2024JD041680

美国地球物理联合会（AGU）在其社交媒体上（https://x.com/theAGU）宣传该研究成果。