基于歸一化燃燒率的火燒跡地面積提取精度研究

穆喜云 李秀華 李顯玉 吳紅雪

摘 要：為探討歸一化燃燒率在火燒跡地面積提取中的精度，該研究以2017年4月28日發(fā)生在赤峰市敖漢旗新惠鎮(zhèn)的火燒跡地為試驗區(qū)，計算火災(zāi)前后Landsat8數(shù)據(jù)的歸一化燃燒率差值。通過數(shù)值的對比分析，得出以歸一化燃燒率作為唯一參量，識別的過火區(qū)面積為67.23hm2，識別精度達(dá)75.26%。

關(guān)鍵詞：燃燒指數(shù);歸一化燃燒率;火燒跡地

中圖分類號 S762文獻(xiàn)標(biāo)識碼 A文章編號 1007-7731（2021）10-0072-02

Extraction of Burned Area Based on Normalized Burn Ratio

MU Xiyun1 et al.

（1Forestry Research Institute of Chifeng， Chifeng 024000， China）

Abstract： In order to investigate the accuracy in the extraction of forest fire burned area based on the NBR（Normalized Burn Ratio）， the burned area located in Aohan Banner of the city Chifeng. The forest fire occurred on April 28， 2017. Calculate the NBR of Landsat8 data between the time before and after the fire. As NBR was the only parameter， the extracted burned area was 67.23 hm2， and the recognition accuracy was 75.26%.

Key words： Burning index; Normalized Burn Ratio; Burned area

近年來，由于森林火災(zāi)頻發(fā)，給森林生態(tài)系統(tǒng)帶來了嚴(yán)重危害，而火燒跡地面積是反映森林受災(zāi)情況的重要指標(biāo)?；馃E地是指森林火災(zāi)燒毀后尚未恢復(fù)到原來林地狀態(tài)的區(qū)域[1]。衛(wèi)星遙感是區(qū)域和全球范圍內(nèi)監(jiān)測火燒跡地的有效手段[2]，隨著遙感技術(shù)的發(fā)展，已由傳統(tǒng)的人工地面勘察發(fā)展到借助遙感技術(shù)手段的半自動化面積提取。國內(nèi)外諸多研究表明，植被指數(shù)可以較好地反映植被覆蓋情況，由此與災(zāi)后受損植被可形成明顯的對比。歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）表征植被生長及植被覆蓋度情況，常作為火后森林動態(tài)變化的重要參量，現(xiàn)已廣泛應(yīng)用于火后森林動態(tài)變化監(jiān)測方面[3-5]。吳立葉等[1]對不同植被指數(shù)和火燒跡地指數(shù)的區(qū)分度與火燒跡地識別精度進(jìn)行了對比分析，其中火燒跡地指數(shù)中的NBR指數(shù)均優(yōu)于其他植被指數(shù)和火燒跡地指數(shù)。馬建行等[6]研究表明，NBR指數(shù)與秸稈覆蓋度呈線性相關(guān)，可定量評估秸稈的燃燒程度。本研究選擇NBR指數(shù)作為唯一參量，對研究區(qū)火燒跡地面積進(jìn)行提取，同時與災(zāi)后評估數(shù)據(jù)進(jìn)行對比，以獲取其提取精度。

1 研究區(qū)概況與數(shù)據(jù)

1.1 研究區(qū)概況 敖漢旗屬于溫帶干旱、半干旱大陸性氣候，由于地形復(fù)雜，南北氣候差異較大，年平均氣溫7.5℃左右，年均降水量310～460mm，且70%集中于6—9月，蒸發(fā)量2000～2600mm，是降水量的6～8倍;全旗年平均風(fēng)速4m/s，大風(fēng)持續(xù)日數(shù)40d左右?；馂?zāi)發(fā)生時間為2017年4月28日，地點位于內(nèi)蒙古赤峰市敖漢旗新惠鎮(zhèn)，起因是焚燒田埂而導(dǎo)致的林火。

1.2 數(shù)據(jù)來源及處理 本研究所需的Landsat8數(shù)據(jù)在“地理空間數(shù)據(jù)云”平臺下載（http：//www.gscloud.cn/search）根據(jù)火災(zāi)發(fā)生時間，選取時間節(jié)點2017年4—5月期間的火災(zāi)發(fā)生前后的影像。地面調(diào)查及敖漢旗林草局提供的數(shù)據(jù)資料。主要處理步驟為輻射定標(biāo)，將DN值轉(zhuǎn)化為輻射亮度值;大氣校正，消除大氣散射的影響。

2 研究方法

火燒跡地指數(shù)中的歸一化燃燒率NBR（Normalized Burn Ratio，NBR）[7]。該指數(shù)參與運(yùn)算的波段為短波紅外和近紅外波段，通過2個波段對植被增加和較少的反射率差異，從而能夠增強(qiáng)火災(zāi)區(qū)域的特征信息，用于火燒跡地的面積提取及植被恢復(fù)情況的監(jiān)測[8]。

NBR=（NIR-SWIR2）/（NIR+SWIR2） （1）[7]

式中：R、NIR、SWIR分別為紅光波段、近紅外和短波紅外的反射率，即Landsat 8 OLI第5、7波段，中心波長分別為0.86、2.2μm。NBR取值為（-1～1），過火區(qū)數(shù)值低于未焚燒區(qū)。

分別計算火燒前后的歸一化燃燒率NBR，利用公式2獲得歸一化燃燒指數(shù)差值。

dNBR=pre_NBR-after_NBR （2）[6]

式中：pre_NBR表示火災(zāi)前遙感影像的NBR值;after_NBR表示火災(zāi)后遙感影像的NBR值。dNBR取值（-2～2），過火區(qū)與周圍形成鮮明對比，火災(zāi)位置為高亮區(qū)。

3 結(jié)果與分析

圖1為研究區(qū)火災(zāi)前后NBR差值圖，黑色高亮區(qū)及周邊灰度區(qū)域為過火區(qū)，與淺灰色區(qū)域差異顯著，通過谷歌影像對比，淺灰色低值區(qū)多為林間空地。而黑色高亮區(qū)為受災(zāi)林地、有防護(hù)林和用材林。本研究通過NBR提取得到的過火區(qū)像元數(shù)747個，利用像元數(shù)與分辨率計算過火區(qū)面積，計算得到提取精度達(dá)75.26%。由于過火區(qū)燃燒程度不同以及混合像元的問題，在像元數(shù)量統(tǒng)計過程中存在誤差。在無樣本點存在的情況下，以NBR指數(shù)作為唯一參量的基礎(chǔ)上，精度達(dá)70%以上，該參量的提取精度可作為有效參考依數(shù)據(jù)。在有效參量的基礎(chǔ)上，對火燒跡地面積作進(jìn)一步的調(diào)查與評估。馬建行等研究表明，NBR指數(shù)的分類精度達(dá)91.9%，利用監(jiān)督分類方法，對焚燒區(qū)和未焚燒區(qū)進(jìn)行分類。孫桂芬等[9]利用Landsat8數(shù)據(jù)，采用NBR識別火燒跡地，其識別精度達(dá)88.33%。鐘映霞[10]等采用無人機(jī)獲取火燒跡地面積，結(jié)合監(jiān)督分類與非監(jiān)督分類，精度可達(dá)94.44%。達(dá)到以上精度水平，均是在實地采集樣本點，進(jìn)行監(jiān)督分類實現(xiàn)。

4 討論

NBR指數(shù)在無任何樣本點的基礎(chǔ)上，可有效提取過火區(qū)，本研究精度達(dá)75.26%。在確定火災(zāi)區(qū)域的前提下實現(xiàn)對火燒跡地的初步提取，該方法適用于短時間內(nèi)大尺度范圍內(nèi)的火燒跡地識別，而進(jìn)一步地精確調(diào)查應(yīng)建立在分類的基礎(chǔ)上;且研究使用的Landsat8數(shù)據(jù)，分辨率為30m，具有短波紅外波段（SWIR2），在使用該指數(shù)時，應(yīng)注意遙感數(shù)據(jù)是否具有此波段。為進(jìn)一步提高火燒跡地提取的精度，在現(xiàn)有研究的基礎(chǔ)上，建立多樣化的火燒產(chǎn)品數(shù)據(jù)集[11]，高時間分辨率必定是低空間分辨率，融合多源遙感數(shù)據(jù)，時空結(jié)合，逐步實現(xiàn)高精度的目標(biāo)。

參考文獻(xiàn)

[1]吳立葉，沈潤平，李鑫慧，等.不同遙感指數(shù)提取林火跡地研究[J].遙感技術(shù)與應(yīng)用，2014，29（04）：567-574.

[2]武晉雯，孫龍彧，紀(jì)瑞鵬，等.火燒跡地信息遙感提取研究進(jìn)展與展望[J].災(zāi)害學(xué)，2020，35（04）：151-156.

[3]Idris M H，Kuraji K，Suzuki M. Evaluating vegetation recovery following large-scale forest fires in Borneo and northeastern China using multi-temporal NOAA/AVHRR images [J].Journal of Forest Research，2005，10（2）：101-111.

[4]Goetz S J，F(xiàn)iske G J，Bunn A G. Using satellite time-series data sets to analyze fire disturbance and forest recovery across Canada [J]. Remote Sensing of Environment，2006，101（2006）：352-365.

[5]Viedma O，Melia J，Segarra D，et al. Modeling rates of ecosystem recovery after fires by using Landsat TM data [J].Remote Sensing of Environment，1997（61）：383-398.

[6]馬建行，宋開山，溫志丹，等.基于Landsat 8影像的不同燃燒指數(shù)在農(nóng)田秸稈焚燒區(qū)域識別中的應(yīng)用[J].應(yīng)用生態(tài)學(xué)報，2015，26（11）：3451-3456.

[7]García，M.J. López，Caselles V. Mapping burns and natural reforestation using thematic Mapper data[J].Geocarto International，1991，6（1）：31-37.

[8]余哲修，何超，李昔純，等.基于歸一化燃燒率火燒跡地遙感提取識別規(guī)則研究[J].西北林學(xué)院學(xué)報，2018，33（01）：216-224.

[9]孫桂芬，覃先林，劉樹超，等.典型植被指數(shù)識別火燒跡地潛力分析[J].國土資源遙感，2019，31（01）：204-211.

[10]鐘映霞，周宇飛，陳世清，等.基于無人機(jī)遙感的森林火燒跡地面積調(diào)查應(yīng)用[J].林業(yè)與環(huán)境科學(xué)，2019，35（02）：89-94.

[11]楊偉，姜曉麗.森林火災(zāi)火燒跡地遙感信息提取及應(yīng)用[J].林業(yè)科學(xué)，2018，54（05）：135-142.

（責(zé)編：張宏民）