盧 濤，張 軍，胡文英

（1.云南師范大學(xué) 旅游與地理科學(xué)學(xué)院, 昆明 650091；2.云南大學(xué) 地球科學(xué)學(xué)院，昆明 650500）

森林作為地球上重要的陸地生態(tài)系統(tǒng)和一種可再生的自然資源，是聯(lián)系經(jīng)濟、生態(tài)和社會三大系統(tǒng)的重要紐帶[1]，對維系生態(tài)平衡和能量轉(zhuǎn)換起著至關(guān)重要的作用。隨著全球氣候變化的加劇，每年有大量的森林資源遭到火災(zāi)破壞，不僅給國家和人民生命財產(chǎn)造成巨大損失，而且火災(zāi)吞噬植被，改變土壤結(jié)構(gòu)，留下裸土，加速了土地荒漠化進程[2]，極大地影響著生物多樣性的分布格局、動植物群落的組成，造成森林生態(tài)結(jié)構(gòu)和物種組成急劇變化[3]。基于此，開展提取森林火燒跡地信息的研究對于支持火災(zāi)管理決策、災(zāi)后損失評估、制定災(zāi)后生態(tài)植被恢復(fù)策略等具有重要的現(xiàn)實意義。

森林火燒跡地提取的研究取得了豐碩的成果。例如，王曉莉等[4]基于TM（thematic mapper，專題繪圖儀）影像，利用NBR（normalized burn ra?tio，歸一化燃燒指數(shù)）對大興安嶺呼中林區(qū)林火烈度進行了定量評價。祖笑鋒等[5]利用高分一號衛(wèi)星數(shù)據(jù)，結(jié)合計算的歸一化植被指數(shù)（normalized difference vegetation index，NDVI）、過火區(qū)識別指數(shù)（burned area index，BAI）等光譜指數(shù)，構(gòu)建了森林火燒跡地識別決策樹模型。李瑩等[6]利用Sen?tinel-2數(shù)據(jù)的紅邊波段分別構(gòu)建了基于主成分分析法和新型植被指數(shù)的火燒跡地提取算法。孫桂芬等[7]選取NDVI、BAI等典型植被指數(shù),通過構(gòu)建不同植被指數(shù)的分離指數(shù)M來定量評價這些植被指數(shù)識別火燒跡地的潛力并取得了較高的精度。Huang等[8]利用Sentinel-2A數(shù)據(jù)，使用參數(shù)指標(biāo)評估法和非參數(shù)評估方法比較了Sentinel-2A的各個波段在區(qū)分未過火區(qū)和過火區(qū)的光譜差異。Roteta等[9]提出了一種基于局部自適應(yīng)的兩相燃燒面積BA（burned area，BA）算法，利用Terra和Aqua MODIS傳感器進行火點檢測，驗證了Sentinel-2 MSI（multi-spectral instrument，多光譜儀）對火點敏感的波段在短波紅外和近紅外波段上。但在火燒跡地遙感識別中，因燒毀植被類型、火災(zāi)嚴(yán)重程度及影像獲取日期和火災(zāi)發(fā)生日期的差異，火燒跡地呈現(xiàn)空間和光譜多樣性，火季內(nèi)燒毀像元植被的迅速恢復(fù)使其與未燒毀像元的光譜特征類似，增加了分類難度，導(dǎo)致漏判誤差[10]。目前國內(nèi)用于火燒跡地提取的數(shù)據(jù)源多為MODIS、Land?sat系列、高分（GaoFen satellites，GF）系列及其相互組合等。Sentinel-2系列數(shù)據(jù)用于森林火災(zāi)相關(guān)研究較少，且所利用的NDVI、NBR等指數(shù)設(shè)定的閾值和所利用的波段也僅來自其他的數(shù)據(jù)源，缺乏對Sentinel-2A/B紅邊波段和短波紅外波段的探討。鑒于Sentinel-2A/B數(shù)據(jù)覆蓋3個紅邊波段（red-edge）和1個近紅外窄波段（near-infrared narrow，NIR narrow），高時空分辨率以及免費、易獲取等特點，本文選取美國加利福尼亞州天堂鎮(zhèn)火災(zāi)發(fā)生前和火災(zāi)發(fā)生后的Sentinel-2A/B時序數(shù)據(jù)，采用歸一化植被指數(shù)法（NDVI），針對Senti?nel-2A/B數(shù)據(jù)特點，依次用紅邊波段和短波紅外波段（short-wave infrared，SWIR）分別替換NDVI指數(shù)[即公式（NIR-R）/（NIR+R）]中的可見光紅波段（R）進行計算，得到修正后的指數(shù)NDVIred-edge1、NDVIred-edge2、NDVIred-edge3、NDVISWIR以及 NBR，進行火燒跡地提取并進行精度分析，探索適用于Senti?nel-2A/B數(shù)據(jù)識別火燒跡地的最佳植被指數(shù)。

1 研究區(qū)概況與數(shù)據(jù)處理

1.1 研究區(qū)概況

天堂鎮(zhèn)（Paradise）是美國加利福尼亞州布特縣的一個小鎮(zhèn)，位于薩克拉門托河谷和內(nèi)華達山脈丘陵地帶之間，經(jīng)緯度范圍（121°34′48″，39°48′0″），自南向北延伸分布于深峽谷內(nèi)。海拔高度為450～700 m，隨著城鎮(zhèn)向北延伸，海拔穩(wěn)步上升。該鎮(zhèn)總面積為47.5 km2，其中99%以上為陸地。全州夏季干旱少雨，冬季多雨，受地形條件影響，氣候相差懸殊。東北部沙漠地區(qū)干旱而火災(zāi)頻發(fā)，西部沿海冬季往往因雨雪過多而發(fā)生水災(zāi)。研究區(qū)域如圖1所示。

圖1 研究區(qū)位置Fig.1 Location of the study area

1.2 數(shù)據(jù)處理

Sentinel-2衛(wèi)星觀測系統(tǒng)是一個由兩顆衛(wèi)星組成的陸地監(jiān)測星座（Sentinel-2A/B），是歐空局（European Space Agency，ESA）哥白尼計劃系列中的一組光學(xué)遙感地球觀測衛(wèi)星[11]。Sentinel-2A/B兩顆衛(wèi)星運行于同一條軌道上，相位相差180°。兩顆衛(wèi)星聯(lián)合工作，可以在5 d時間內(nèi)完成對赤道附近的完全覆蓋，極大地提高了重訪周期，為全球陸地表面提供土壤、植被覆蓋狀況等信息，為洪水、火災(zāi)、山體滑坡等自然災(zāi)害監(jiān)測提供數(shù)據(jù)支持[12]。Sentinel-2A/B具有從可見光和近紅外到短波紅外段的13個光譜波段,包括兩個短波紅外波段（B11和B12）。短波紅外成像受大氣散射作用影響小，穿透霧靄、煙塵能力較強。因此，利用短波紅外可穿透燃燒產(chǎn)生的大量煙霧的特性，能夠快速地鎖定過火區(qū)域，識別著火點。本文所用數(shù)據(jù)均來源于歐空局官方網(wǎng)站（https://scihub.co?pernicus.eu/dhus/#/home），詳細(xì)數(shù)據(jù)信息見表1。

表1 Sentinel-2A/B數(shù)據(jù)信息Table 1 Sentinel-2A/B data information

歐空局發(fā)布的Sentinel-2A/B的L1C級產(chǎn)品是經(jīng)正射校正和亞像元級幾何精校正后的大氣表觀反射率產(chǎn)品，還需要對該數(shù)據(jù)進行大氣校正。通過SNAP軟件平臺（Sentinels application platform，SNAP），配置Windows運行環(huán)境，利用Sen2Cor與Anaconda集成，調(diào)用SNAP軟件Sentinel-2 Toolbox中的Sen2Cor處理模塊，實現(xiàn)批量大氣校正處理。選取大氣校正后波段數(shù)較多且空間分辨率較高的10 m遙感影像作為重采樣數(shù)據(jù)源。之后用ENVI 5.3.1軟件進行后續(xù)處理操作，最終生成L2A級數(shù)據(jù)[13]。

2 研究方法

2.1 NDVI閾值法

火災(zāi)破壞植被的葉綠素結(jié)構(gòu)，改變土壤的濕度，導(dǎo)致火燒跡地遙感影像在可見光、紅邊和近紅外波段的變化，從而與非火燒跡地區(qū)域區(qū)別開來。NDVI作為反映植被覆蓋程度的重要參數(shù)被廣泛應(yīng)用于土地利用覆蓋研究、植被覆蓋密度評價、作物識別等方面[14]。本研究首先根據(jù)表2所列的公式（1）計算獲得研究區(qū)NDVI圖像。同時，將3個紅邊（red-edge）波段和1個短波紅外（SWIR）波段分別替換NDVI指數(shù)中的可見光紅（R）波段，依照表2所列公式（2）-（5）計算得到NDVIred-edge1、NDVIred-edge2、NDVIred-edge3和NDVISWIR指數(shù)。

2.2 NBR指數(shù)法

植被表面光譜特性在近紅外波段（NIR）的變化比在可見光波段更為明顯，尤其是在火災(zāi)前燃料負(fù)荷高、燃燒過程中產(chǎn)生大量炭渣的情況下[15]。表2中公式（6）所示的NBR是反映燒傷嚴(yán)重程度最常用的指標(biāo)之一。它結(jié)合了近紅外和SWIR波段的反射率，用于增強燒傷區(qū)域和判斷燒傷嚴(yán)重程度，對火災(zāi)后可能發(fā)生的綠色植被數(shù)量、含水量和一些土壤條件的變化特別敏感。其取值范圍為[-1，1]，其值為正表示該區(qū)域為非火燒跡地，值為負(fù)則表示該區(qū)域為火燒跡地區(qū)域，且值越小表示燒損程度越嚴(yán)重。

表2 植被指數(shù)計算公式Table 2 The calculation formula of vegetation indices

2.3 各指數(shù)最佳閾值獲取

Sentinel-2A/B影像每個像元對應(yīng)的實地面積約為0.04 hm2，災(zāi)后官方公布火燒跡地面積為1 533.32 hm2[17]，也即約38 333個像元數(shù)，各指數(shù)值域介于[-1.0，1.0]。根據(jù)各指數(shù)的計算結(jié)果對圖像進行分割,統(tǒng)計各閾值范圍內(nèi)識別出的火燒跡地像元數(shù)，并根據(jù)官方公布的過火面積轉(zhuǎn)換成的像元數(shù)計算識別精度。最后以該指數(shù)識別精度最高的閾值范圍作為提取火燒跡地信息最佳閾值。如圖2所示，NDVI在0.1～0.37范圍內(nèi)識別出的火燒跡地像元數(shù)為34 200時精度達到最高，其他閾值范圍識別出的精度均低于0.1～0.37，因此，NDVI最佳閾值為[0.1，0.37]，精度89.22%。同理，ND?VIred-edge1、NDVIred-edge2、NDVIred-edge3、NDVISWIR、NBR的最佳閾值范圍及精度分別為[-0.75，-0.06]/92.85%、[-0.86，-0.10]/89.08%、[-0.72，-0.10]/83.50%、[-0.64，-0.14]/90.14%、[-0.69，-0.10]/84.62%。各指數(shù)閾值范圍識別結(jié)果如圖2所示，火燒跡地提取結(jié)果如圖3所示。

圖2 各指數(shù)閾值范圍、識別像元個數(shù)及其精度Fig.2 Threshold values，recognized pixel numbers and precisions for individual indices

圖3 NDVI及改進的指數(shù)識別與提取火燒跡地結(jié)果Fig.3 Burned areas identified and extracted from the NDVI and the improved indices

3 實驗分析與精度評價

3.1 實驗分析

1）植被指數(shù)閾值法

根據(jù)式（1）至式（5）獲取的植被指數(shù)提取火燒跡地如圖3所示?？梢钥闯?，NDVIred-edge2和NDVIred-edge3對火燒跡地的識別效果要優(yōu)于NDVI、NDVIred-edge1和NDVISWIR。其中，NDVI容易混淆識別水體，卻能有效區(qū)分陰影，如圖3（a）所示白亮部分。NDVIred-edge1無法區(qū)分陰影和水體，而NDVIred-edge2和NDVIred-edge3能區(qū)分水體，卻不能有效區(qū)分陰影。NDVISWIR也容易與水體混淆，但能較好地區(qū)分出陰影。

2）NBR指數(shù)法

根據(jù)式（6）分別計算災(zāi)前和災(zāi)后NBR值，并通過閾值分割得到火燒跡地信息（圖4）。由圖可以看出，NBR指數(shù)提取效果較好。

圖4 NBR指數(shù)法識別和火燒跡地提取結(jié)果Fig.4 The extracted result of burned areas and the identification result of NBR index method

3.2 精度評價

各植被指數(shù)提取火燒跡地的識別精度R可通過式（7）計算。

當(dāng)識別出的火燒跡地面積小于官方公布的面積時：

當(dāng)識別出的火燒跡地面積大于官方公布的面積時：

式中：R1為識別像元總個數(shù)；R2為識別的非火燒跡地像元個數(shù)；T為官方公布面積轉(zhuǎn)換的像元個數(shù)。根據(jù)公式（7）、公式（8）計算并統(tǒng)計了各指數(shù)提取的和官方公布面積轉(zhuǎn)換的火災(zāi)跡地像元數(shù)量，以及各指數(shù)對應(yīng)的識別精度（見表3）。

表3 各指數(shù)識別結(jié)果統(tǒng)計Table 3 Statistics of the identification results of five NDVI indices and NBR index

基于植被指數(shù)的方法中，NDVIred-edge3提取效果最差，因其受陰影和其他非火燒跡地區(qū)域影響較大，提取區(qū)域也較為破碎?；馂?zāi)后火燒跡地的植被銳減，葉綠素含量急劇下降，對植被葉綠素變化敏感的紅邊波段在680～730 nm效果最好。而NDVIred-edge3波長為782.5 nm，容易受陰影和其他與過火區(qū)域相混淆的地物干擾，從而精度較另外兩個紅邊波段差。相比之下，NDVI、NDVIred-edge2、NDVIred-edge1、NDVISWIR的提取效果相對較好，受陰影的影響較小且提取區(qū)域較完整。NDVI指數(shù)法提取火燒跡地像元數(shù)較少的原因是對于植被與非植被覆蓋區(qū)域的處理方法不同。林火發(fā)生前研究區(qū)存在一部分裸荒地，NDVI指數(shù)法忽略了這部分裸荒地的變化情況，直接提取了植被覆蓋區(qū)的火燒跡地。用紅邊波段替換紅光波段之后，有效去除了裸地的影響，從而提高了精度。NBR與NDVISWIR在選擇不同的短波紅外波段時，NDVISWIR所提取的火燒跡地像元數(shù)較NBR多，從而影響了精度。這是由于林火積存碳物質(zhì)以及土壤水分減少的火災(zāi)跡地與病蟲殘次林、居民地和裸荒地等地物在SWIR波段具有相似的光譜特征，因而NDVISWIR指數(shù)區(qū)分效果較差。

4 結(jié)語

本文選取Sentinel-2A/B時序數(shù)據(jù)，基于多種光譜指數(shù)提取火燒跡地信息。結(jié)果表明，修正的NDVI指數(shù) NDVIred-edge1和 NDVISWIR以及 NDVIred-edge2指數(shù)識別精度最高?；贜DVI指數(shù)改進的指數(shù)中，NDVIred-edge3識別出的火燒跡地像元數(shù)較少，錯提取的部分多受水體和陰影的影響而參與了計算；ND?VIred-edge2、NDVIred-edge1、NDVISWIR提取結(jié)果中非火燒跡地像元數(shù)所占比例較小，分別達到2.03%、1.67%和1.01%，從而精度較NDVIred-edge3高，分別達到89.08%、92.85%、90.14%。這是由于火災(zāi)后過火區(qū)域的植被銳減，葉綠素含量急劇下降，而紅邊波段對于葉綠素的劇變最為敏感，因此4種不同的方法中，紅邊波段參與的火燒跡地的提取精度較短波紅外高。NBR指數(shù)法與NDVISWIR選擇短波紅外識別火燒跡地，前者提取斑塊較為完整，受陰影和水體干擾少，而基于短波紅外B12的ND?VISWIR提取斑塊較為破碎，裸地和部分陰影也參與了計算。Sentinel-2的3個紅邊波段和2個短波紅外波段為從遙感觀察提取火燒跡地信息提供了新的特征光譜指數(shù)，更多實例研究將有助于驗證其效能。