摘要
L'impact des combustibles forestiers est un facteur clé dans l'émergence et le développement des incendies de forêt, et disposer d'informations sur les combustibles pouvant être surveillés à grande échelle, avec une précision élevée et de manière dynamique, est essentiel pour une prédiction précise des risques d’incendie de forêt. Les informations sur les combustibles forestiers comprennent le taux d'humidité du combustible en couche vivante (LFMC), la charge du combustible en couche vivante (LFL), le taux d'humidité du combustible mort (DFMC) et la charge du combustible mort (DFL). Les méthodes traditionnelles d'échantillonnage au sol sont longues et fastidieuses, et difficiles à appliquer à grande échelle, l'évolution rapide de la technologie de télédétection offre une nouvelle approche pour surveiller dynamiquement les informations sur les combustibles. Cependant, il existe toujours des problèmes de rétro-inversion dans la technologie de télédétection, des incertitudes de paramètres qui perturbent les paramètres faiblement sensibles, et des difficultés à capturer précisément les informations sur les combustibles au sol en raison du masquage de la couverture des feuilles. Face aux problèmes susmentionnés, cet article propose pour la première fois une théorie et une méthode de rétro-inversion des informations sur les combustibles forestiers à plusieurs catégories dans des environnements forestiers complexes, en couplant plusieurs modèles de transfert de rayonnement, en intégrant les mécanismes d'équilibre hydrique et thermique et en tenant compte des processus de décomposition et de décomposition écologique, aboutissant à une rétro-inversion haute précision des informations sur les combustibles en couche vivante et en surface, contribuant ainsi aux évaluations des risques d'incendie et aux prévisions de propagation des incendies de forêt en fournissant des données sur les combustibles, ayant une importance significative pour une gestion précise des incendies de forêt.
关键词
multi-category fuels;fuel moisture content;fuel load;remote sensing retrieval;forest fire risk