余哲修，何 超，李昔純，張 超，陳建珍，羅恒春，黃 田

(1.西南林業(yè)大學 林學院，云南 昆明 650224；2.西南林業(yè)大學 林業(yè)3S技術(shù)工程研究中心，云南 昆明 650224；3.西南林業(yè)大學 林業(yè)調(diào)查規(guī)劃設(shè)計研究院，云南 昆明 650224)

森林火災(zāi)是指失去控制的森林燃燒現(xiàn)象，它是森林面臨的主要災(zāi)害之一，給森林生態(tài)經(jīng)濟和社會經(jīng)濟帶來嚴重危害。世界發(fā)達國家均重視森林火災(zāi)的研究，尤其是在利用遙感等現(xiàn)代化手段用于森林火災(zāi)監(jiān)測方面，這是因為與傳統(tǒng)方法相比遙感等現(xiàn)代化手段具有更高效、節(jié)省人力物力等優(yōu)點[1-4]。

火燒跡地指的是森林火災(zāi)燒毀后尚未恢復到原來林地狀態(tài)的區(qū)域[5]。在國外常常使用遙感影像上提取的NBR來進行森林火災(zāi)火燒跡地的識別研究。歸一化燃燒率(Normalized burn ratio，NBR)由M.J.López García等[6]在研究西班牙瓦倫西亞1978年、1982年和1984年的3起森林火災(zāi)火燒跡地恢復情況時，參考歸一化植被指數(shù)(Normalized difference vegetation Index，NDVI)提出，該指數(shù)能夠增強火災(zāi)區(qū)域的特征信息，可用于火燒跡地植被恢復情況的監(jiān)測。孔博[7]等利用差值歸一化燃燒率(difference Normalized Burn Ratio，dNBR)和綜合燃燒指數(shù)(Composite burn index，CBI)分析了扎龍濕地火災(zāi)的火燒嚴重程度以及火災(zāi)對丹頂鶴生境的影響，指出CBI和dNBR間存在非線性關(guān)系。S.Harris等[8]對19種光譜指數(shù)在加州南部森林火災(zāi)林火烈度評估方面的應(yīng)用進行了研究，指出NBR是最佳光譜指數(shù)。雷成亮[9]利用NBR對大興安嶺南甕林場2006年發(fā)生的森林火災(zāi)的林火烈度進行了研究，指出利用遙感數(shù)據(jù)和多變量模型估測林火烈度效果較好。王曉莉[10]等基于NBR分析了大興安嶺呼中森林過火區(qū)的林火烈度，確立了林火烈度NBR分級閾值，對其他地區(qū)林火烈度分析與評價給出參考。余超[11]等結(jié)合Landsat 5 TM和MODIS影像，利用dNBR分析了美國東南部地區(qū)火燒跡地面積與火點數(shù)量間的相關(guān)性，并建立了火燒跡地面積的估算模型，結(jié)果表明該模型能夠提供準確地燃燒排放源參數(shù)。M.C.Stambaugh等[12]在CBI、dNBR和相對歸一化燃燒比差(Relative difference normalized burn ratio，RDNBR)的基礎(chǔ)上，采用回歸方法確定了燃燒嚴重程度規(guī)則，并對美國奧克拉荷馬西南部櫟樹林地-草原景觀森林火災(zāi)的影響進行了分析，結(jié)果表明所得規(guī)則可用于研究區(qū)櫟樹林燃燒嚴重度制圖。A.B.Baloloy等[13]在Landsat 8 OLI影像的基礎(chǔ)上，提取NBR和NDVI對菲律賓打拉省甘蔗田火燒跡地進行識別研究，火燒跡地識別精度高達89.3%。何陽[14]等在NBR的基礎(chǔ)上提出改進的歸一化燃燒指數(shù)(Normalized burning ratio short-wave，NBRS)用于森林火災(zāi)火點的識別，指出NBRS能有效消除云和建筑物的干擾，比傳統(tǒng)火點識別方法精度高。肖瀟[15]等在Landsat 5 TM影像基礎(chǔ)上，通過設(shè)置NBR和dNBR識別規(guī)則對西伯利亞東南部的農(nóng)田、森林、草地等區(qū)域的火燒跡地進行識別，并將識別結(jié)果與MODIS火燒跡地標準產(chǎn)品進行比較，得出基于NBR和dNBR識別規(guī)則識別的火燒跡地精度優(yōu)于MODIS火燒跡地產(chǎn)品。

由此可見，NBR在國外已成為森林火災(zāi)火燒跡地識別研究的一種常用遙感光譜指數(shù)，但國內(nèi)對它在森林火災(zāi)火燒跡地識別研究中的探討不多。本研究以2006年云南省安寧市“3·29”重大森林火災(zāi)場景為火燒跡地識別規(guī)則試驗區(qū)，以2013年云南省大理市下關(guān)鎮(zhèn)和2015年云南省昆明市石林縣兩起森林火災(zāi)場景為火燒跡地識別規(guī)則檢驗區(qū)，對基于森林火災(zāi)前后不同Landsat遙感影像像對NBR的9條火燒跡地識別規(guī)則進行火燒跡地識別對比研究，以期獲得識別精度較高和適用性較好的火燒跡地識別規(guī)則，旨在為我國其他地區(qū)森林火災(zāi)火燒跡地識別研究提供參考。

1 火災(zāi)場景與研究數(shù)據(jù)

1.1 火災(zāi)場景概況

場景一，2006年3月29日17:00，云南省安寧市溫泉鎮(zhèn)古朗箐林區(qū)(圖1)發(fā)生重大森林火災(zāi)，過火面積1 849 hm2[16]。

場景二，2013年2月6日16:30，云南省大理州大理市下關(guān)鎮(zhèn)吊草村委會黃家村(圖1)因村民焚燒垃圾引發(fā)森林火災(zāi)，至7日13:00過火面積約46 hm2[17-19]。

場景三，2015年3月2日04:39，云南省昆明市石林縣西街口鎮(zhèn)小尾都渣村(圖1)后山發(fā)生森林火災(zāi)，明火于3月2日23:05撲滅，火場過火面積約100 hm2[20]。

1.2 研究數(shù)據(jù)

所用遙感影像均來自美國地質(zhì)勘探局(United states geological survey，USGS)，數(shù)據(jù)產(chǎn)品級別為L1T，數(shù)據(jù)格式為Geotiff，各火災(zāi)場景所用遙感影像基本為同一季節(jié)(表1-表3)。表1、表2和表3中距火災(zāi)發(fā)生時間，正值表示影像成像時間在火災(zāi)發(fā)生后，負值表示影像成像時間火災(zāi)發(fā)生前。

2 研究方法

2.1 遙感影像預處理

USGS獲取的L1T級遙感數(shù)據(jù)已做過精確的幾何校正，但未做大氣校正。因此，遙感影像預處理階段需要對各遙感影像進行大氣校正。利用ENVI 5.3中的快速大氣校正方法對各影像進行大氣校正處理[21-23]。

圖1 火場場景位置

成像時間距火災(zāi)發(fā)生時間/d2001年4月3日-18212002年4月6日-14532003年4月9日-10852004年3月10日-7492005年4月30日-3332006年5月19日512007年4月20日3872008年4月6日7392009年3月24日10912010年5月14日15072011年4月15日1843

注：衛(wèi)星與傳感器為Landsat5 TM，軌道號/行號為129/043，投影坐標為WGS-84 UTM 48N。

2.2 NBR和dNBR提取

根據(jù)NBR和dNBR的計算公式，在經(jīng)過快速大氣校正處理的遙感影像基礎(chǔ)上提取NBR。在此基礎(chǔ)上，利用各火災(zāi)場景火災(zāi)發(fā)生前后的遙感影像像對提取dNBR。

表2 場景二遙感影像

注：軌道號/行號為131/042，投影坐標為WGS-84 UTM 47N。

表3 場景三遙感影像

注：衛(wèi)星與傳感器為Landsat8 OLI，軌道號/行號為129/043，投影坐標為WGS-84 UTM 48N。

NBR的取值范圍為-1.0～1.0，計算公式為[6]：

(1)

式中：NIR表示遙感影像中的近紅外波段，SWIR表示遙感影像中的短波紅外波段。

dNBR的取值范圍為-2.0～2.0，計算公式為[5,25-26]：

dNBR=NBRprefire-NBRpostfire

(2)

式中：NBRprefire表示火災(zāi)前遙感影像的NBR值，NBRpostfire表示火災(zāi)后遙感影像的NBR值。

圖2為各場景火災(zāi)發(fā)生前后遙感影像像對提取的NBR和dNBR，從圖中可以看出森林火災(zāi)過火區(qū)域與未過火區(qū)域呈現(xiàn)出明顯的不同，說明NBR和dNBR能夠很好地反映過火區(qū)域。

2.3 火燒跡地識別規(guī)則建立

C.H.Key[24]等從森林生態(tài)系統(tǒng)受森林火災(zāi)干擾的角度，通過大量樣地實地調(diào)查得到用于森林火災(zāi)火燒嚴重度級別劃分的NBR規(guī)則集。該NBR規(guī)則集已被USGS和美國農(nóng)業(yè)部林業(yè)局(United states department of agriculture-forest service，USDA-FS)用于美國本土森林火災(zāi)火燒嚴重度級別制圖。對該NBR規(guī)則集進行級別合并后，得到用于火燒跡地識別的基本規(guī)則(見表4)。

C.H.Key[24]等提出的NBR規(guī)則集由于受遙感影像像對的成像時間或成像季節(jié)的影響，各級別的NBR閥值會升高或降低，升高或降低的幅度在±0.01～0.1。據(jù)此，在表4基礎(chǔ)上建立了另外8條火燒跡地識別規(guī)則(表5)。為探討這9條規(guī)則的可用性和適用性，根據(jù)各起森林火災(zāi)發(fā)生前后的遙感影像組成不同時間間隔的像對。

圖2 各火災(zāi)場景森林火災(zāi)發(fā)生前后遙感影像像對的NBR和dNBR

是否是火燒跡地dNBR值域否-0.500～0.099是0.100～1.300

2.4 火燒跡地識別精度評價

各火災(zāi)跡地識別規(guī)則的識別精度計算公式如下：

識別出的火燒跡地面積<官方公布的面積時：

識別精度=(識別面積/官方公布面積)×100%

(3)

識別出的火燒跡地面積>官方公布的面積時：

識別精度 (4)

3 結(jié)果與分析

3.1 火燒跡地識別結(jié)果

火災(zāi)場景一遙感影像每個像元對應(yīng)的實地面積為0.09 hm2，災(zāi)后官方實地調(diào)查火燒跡地面積為1 849 hm2[16]，對應(yīng)遙感影像像元數(shù)為20 544個。表6中統(tǒng)計了場景一火災(zāi)發(fā)生時最近的影像像對的NBR差值和各識別規(guī)則的識別精度，2005、2006年的dNBR。2005、2006年的dNBR各識別規(guī)則中，0.2～1.2識別數(shù)量為22 441個，接近于官方公布面積轉(zhuǎn)換的對應(yīng)的像元數(shù)量，精度為90.77%。

表6 火災(zāi)場景一2005年和2006年dNBR各識別規(guī)則識別像元數(shù)

3.2 火燒跡地識別結(jié)果時間變化

圖3顯示的是在不同成像時間間隔遙感影像像對基礎(chǔ)上，利用9條火燒跡地識別規(guī)則得到的火災(zāi)場景一火燒跡地的識別結(jié)果。

表7統(tǒng)計了本研究建立的9條規(guī)則各自識別的像元數(shù)，對于安寧森林火災(zāi)最佳的dNBR識別規(guī)則閥值為0.2～1.2，識別精度最高的為2001年和2006年的dNBR，識別數(shù)量為20 375個，精度為99.2%；圖3(a)(b)(c)中可看出，在識別規(guī)則最小值相同的情況下，3個圖中的識別像元數(shù)量曲線變化趨勢一致，(d)(e)(f)和(g)(h)(i)2組變化趨勢也一致，表明USGS和USDA-FS設(shè)置規(guī)則最大值1.3具有普適性。表1中統(tǒng)計了災(zāi)前和災(zāi)后影像與火災(zāi)發(fā)生時間相隔時間，結(jié)合圖3和表7分析，在同一條識別規(guī)則下，越接近火災(zāi)發(fā)生時的影像像對提取的dNBR值，識別為過火區(qū)域的像元數(shù)越多，但在2002年出現(xiàn)識別像元數(shù)大幅增加趨勢，這可能由于2002年植被長勢好，使得識別像元數(shù)大幅增加。通過查詢2000年以來的氣象統(tǒng)計數(shù)據(jù)[26]，2001年昆明年降水量最多，降水量為1 173 mm，植被長勢受到降水影響，因而到2002年長勢仍然較好。結(jié)合公式(1)(2)和植被的光譜特征分析，植被在近紅外波段呈現(xiàn)較高的反射，在短波紅外波段主要是水汽吸收帶，植被呈現(xiàn)較低的反射[27]，因此，在植被長勢好的年份內(nèi)，被識別為過火區(qū)域的像元數(shù)較多。在2007年出現(xiàn)識別像元數(shù)大幅下降的趨勢，這可能由于火燒后地面長出的新植被較少，使得識別像元數(shù)大幅下降，且植被恢復與氣溫、空氣相對濕度、土壤類型、立地條件和植被類型等因素密切相關(guān)，通過查詢云南省2006年以來的氣象統(tǒng)計數(shù)據(jù)及相關(guān)文獻資料，2006年后云南出現(xiàn)歷史上罕見的旱災(zāi)，降水量較歷史同期大幅下降，植被長勢變化小，2007-2009年識別像元數(shù)量趨于平穩(wěn)，與前人對云南干旱研究結(jié)果相呼應(yīng)[28-32]。

圖3 火災(zāi)場景一火燒跡地識別結(jié)果

年份規(guī)則閾值0～1.20.1～1.20.2～1.20～1.30.1～1.30.2～1.30～1.350.1～1.350.2～1.352001-20062769023727203752773523772204202773723774204222001-20072285216720121422285216720121422285216720121422001-20082370417229121652370417229121652370417229121652001-20092453317371114322453317371114322453317371114322001-20102218215921957222182159219572221821592195722001-20112176614384683921766143846839217661438468392002-20063123726740229153132326826230013132926832230072002-20072905021987154692905021987154692905021987154692002-20083030523340159453030523340159453030523340159452002-20093019923829158953019923829158953019923829158952002-20102870421062138212870421062138212870421062138212002-20112865320430112702865320430112702865320430112702003-20062943925005215292950425070215942950925075215992003-20072592119723140042592119723140042592119723140042003-20082837320100137142837320100137142837320100137142003-20092869620212133122869620212133122869620212133122003-20102606718129114252606718129114252606718129114252003-20112570516825886125705168258861257051682588612004-20062976026048226192992126209227802993226220227912004-20072742722205172322742722205172322742722205172322004-20082942823425167802942823425167802942823425167802004-20093008423552162433008423552162433008423552162432004-20102811321615147232811321615147232811321615147232004-20112840920272129282840920272129282840920272129282005-20063138226098224413144426160225033144726163225062005-20072818921740160522818921740160522818921740160522005-20083030323846154303030323846154303030323846154302005-20093079023819149753079023819149753079023819149752005-20102949920833125352949920833125352949920833125352005-2011295881937998422958819379984229588193799842

3.3 識別規(guī)則檢驗

識別規(guī)則識別精度及時序變化分別通過場景二和場景三的火燒跡地檢驗。

根據(jù)表8統(tǒng)計，大理下關(guān)2013年森林火災(zāi)識別規(guī)則時序變化規(guī)律符合3.1中的結(jié)果。在識別面積上，官方未公布火災(zāi)完全撲滅時的總過火面積，因此不能驗證識別面積的準確性。但在0.2～1.2閾值識別的像元數(shù)量上比其他閾值識別得少，接近于官方公布的該地區(qū)的過火面積數(shù)據(jù)。在識別規(guī)則閾值和識別像元數(shù)量上，不與2013年成像對的dNBR，在固定最小閾值的情況下，隨著最大閾值范圍的變化，識別像元數(shù)量不變，因此0～1.2、0～1.3、0～1.35可看作同一條識別規(guī)則，0.1～1.2、0.1～1.3、0.1～1.35合并為同一條識別規(guī)則，0.2～1.2、0.2～1.3、0.2～1.35也合并為同一條識別規(guī)則。

根據(jù)表9統(tǒng)計，石林2015年森林火災(zāi)識別規(guī)則時序變化規(guī)律也同樣符合3.1中的結(jié)果。在識別面積上，官方也公布火災(zāi)完全撲滅時的過火面積，因此不能驗證識別面積的準確性。但2014年與2015年的dNBR值用0.1～1.2閾值的規(guī)則識別，較接近于官方公布的100 hm2，應(yīng)識別像元個數(shù)為1 111個，實際識別像元數(shù)為842個，精度為75.79%，說明0.2 ～ 1.2閾值識別規(guī)則不適用于石林2015年森林火災(zāi)。2013年和2016年的dNBR在各條規(guī)則下識別像元數(shù)量大幅減少，由于2013年云南處于干旱時期，植被長勢差，2015年雖然旱情緩解，但2015年底云南出現(xiàn)寒潮，植被遭受凍害，到2016年植被長勢仍然較差，因此識別像元數(shù)量較少[33-34]。根據(jù)表6分析的結(jié)果，對于石林2015年森林火災(zāi)來說，每個像對得到的dNBR在固定最小閾值的情況下，隨著最大閾值范圍的變化，識別像元數(shù)量也保持不變。

表8 火災(zāi)場景二各識別規(guī)則識別像元數(shù)

表9 火災(zāi)場景三各識別規(guī)則識別像元數(shù)

4 結(jié)論與討論

在識別規(guī)則中，閾值為0.2～1.2的規(guī)則適用于2006年安寧森林火災(zāi)火燒跡地識別和過火面積估測，也能用于2013年大理下關(guān)的森林火災(zāi)研究，不適用于石林2015年森林火災(zāi)。

參考USGS和USDA-FS的dNBR閾值標準，在云南的森林火災(zāi)研究中，需要根據(jù)實際情況進行調(diào)整，從而得到更準確的火燒跡地面積估測結(jié)果。

利用多時相Landsat影像逐年分析火燒跡地差值歸一化燃燒率能呈現(xiàn)一定規(guī)律，以火災(zāi)發(fā)生的時間為基準，成像時間越接近發(fā)生火災(zāi)時間像對的dNBR，用閾值規(guī)則識別為過火區(qū)域的像元數(shù)越多。

利用dNBR分析2006年安寧森林火災(zāi)和2015年石林森林火災(zāi)，識別的像元數(shù)量出現(xiàn)大幅變化，與氣溫、降水量、植被長勢等因素相關(guān)，植被長勢越好識別的像元數(shù)越多。

在固定識別規(guī)則閾值最小范圍情況下，隨著最大閾值范圍的增加，識別像元數(shù)量變化較小。

歸一化燃燒率用于識別火燒跡地和估算火燒跡地面積的普適性較高，有明顯的時序性和易獲取性，可對火燒跡地植被恢復監(jiān)測起到輔助作用，在使用時需要根據(jù)實際情況分析，使用合適的識別規(guī)則進行研究。NBR和dNBR在遙感影像上能增強顯示火燒區(qū)域，結(jié)合Landsat系列影像在長時間序列和中等空間范圍內(nèi)研究火燒跡地植被恢復情況是一種重要手段。

本研究中未參考森林資源二類調(diào)查數(shù)據(jù)和數(shù)字高程模型，后續(xù)研究中，在數(shù)據(jù)方面可用高分辨率和高光譜影像，結(jié)合二類調(diào)查數(shù)據(jù)和海拔、坡度、坡向等地形因子進行不同林分火燒嚴重程度、林火烈度和時間序列變化研究；在遙感影像分析方面可用植被指數(shù)和其他燃燒指數(shù)，與NBR、dNBR結(jié)合，使得火燒跡地識別精度更高，估算過火面積更準確。

[1] 孫玉榮,張貴.基于神經(jīng)網(wǎng)絡(luò)的森林火災(zāi)危害程度預測研究[J].西北林學院學報,2010,25(3):147-150.

SUN Y R,ZHANG G.Forecasting study of forest-fire harm degree based on neural network[J].Journal of Northwest Forestry University,2010,25(3):147-150.(in Chinese)

[2] 馬勝利.基于3S技術(shù)的森林防火輔助決策系統(tǒng)研建[J].西北林學院學報,2010,25(5):112-116.

MA S L.Establishment of forest fire prevention assistant decision-making system based on 3S technique[J].Journal of Northwest Forestry University,2010,25(5):112-116.(in Chinese)

[3] 李建,陳曉玲,陸建忠,等.森林火災(zāi)遙感監(jiān)測方法適用性研究[J].華中師范大學學報:自然科學版,2011,45(3):485-489.(in Chinese)

LI J,CHEN X L,LU J Z,etal.Study on applicability of forest fire detecting algorithms by remote sensing[J].Journal of Central China Normal University:Natural Sciences,2011,45(3):485-489.(in Chinese)

[4] 肖化順,劉小永,曾思齊.歐美國家林火研究現(xiàn)狀與展望[J].西北林學院學報,2012,27(2):131-136.

XIAO H S,LIU X Y,ZENG S Q.Status and prospect of forest fire research in Europe and the united states[J].Journal of Northwest Forestry University,2012,27(2):131-136.(in Chinese)

[5] 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(4):567-574.

WU L Y,SHEN R P,LI X H,etal.Evaluating different remote sensing indexes for forest burn scars extraction[J].Remote Sensing Technology and Application,2014,29(4):567-574.(in Chinese)

[7] 孔博,張樹清,張柏,等.扎龍濕地火燒嚴重度分析及火災(zāi)對丹頂鶴生境的影響[J].濕地科學,2007,5(4):348-355.

KONG B,ZHANG S Q,ZHANG B,etal.Analysis of burn severity of wetlands in Zhalong nature reserve and impact of fire on red crowned crane habitat[J].Wetland Science,2007,5(4):348-355.(in Chinese)

[8] HARRIS S,VERAVERBEKE S,HOOK S.Evaluating spectral indices for assessing fire severity in chaparral ecosystems (southern California) using MODIS/ASTER (MASTER) airborne simulator data[J].Remote Sensing,2011(3):2403-2419.

[9] 雷成亮.大興安嶺森林火烈度遙感估測方法研究[D].哈爾濱:東北林業(yè)大學,2012.

[10] 王曉莉,王文娟,常禹,等.基于NBR指數(shù)分析大興安嶺呼中森林過火區(qū)的林火烈度[J].應(yīng)用生態(tài)學報,2013,24(4):967-974.

WANG X L,WANG W J,CHANG Y,etal.Fire severity of burnt area in Huzhong forest region of great Xing'an mountains,northeast China based on normalized burn ratio analysis[J].Chinese Journal of Applied Ecology,2013,24(4):967-974.(in Chinese)

[11] 余超,陳良富,李莘莘,等.基于多源衛(wèi)星多光譜遙感數(shù)據(jù)的過火面積估算研究[J].光譜學與光譜分析,2015(3):739-745.

YU C,CHEN L F,LI S S,etal.Estimating biomass burned areas from multispectral dataset detected by multiple-satellite[J].Spectroscopy and Spectral Analysis,2015(3):739-745.(in Chinese)

[12] STAMBAUGH M C,HAMMER L D,GODFREY R.Performance of burn-severity metrics and classification in oak woodlands and grasslands[J].Remote Sensing,2015,7:10501-10522.

[13] BALOLOY A B,BLANCO A C,GANA B S,etal.Landsat-based detection and severity analysis of burned sugarcane plots in Tarlac,Philippines using differenced normalized burn ratio (dNBR)[C]//International Conference on Geomatic and Geospatial Technology(GGT).ISPRS:Kuala Lumpur,Malaysia,2016:173-179.

[14] 何陽,楊進,馬勇,等.基于Landsat-8陸地衛(wèi)星數(shù)據(jù)的火點檢測方法[J].紅外與毫米波學報,2016,35(5):600-608.

HE Y,YANG J,MA Y,etal.A method for fire detection using Landsat 8 data[J].Journal of Infrared and Millimeter Waves,2016,35(5):600-608.(in Chinese)

[15] 肖瀟,馮險峰,孫慶齡.利用MODIS影像提取火燒跡地方法的研究[J].地球信息科學學報,2016,18(11):1529-1536.

XIAO X,FENG X F,SUN Q L.Burned area detection in the ecosystem transition zone using MODIS data[J].Journal of Geo-Information Science,2016,18(11):1529-1536.(in Chinese)

[16] 段穎,周汝良,劉智軍.基于CBERS遙感數(shù)據(jù)的云南安寧“3.29”火災(zāi)面積評估[J].云南地理環(huán)境研究,2009(1):89-92.

DUAN Y,ZHOU R L,LIU Z J.Disaster area estimation for forest-fire on 29 march in Anning Yunnan using remotely sensed data from CBERS[J].Yunnan Geographic Environment Research,2009(1):89-92.

[17] 中國森林防火網(wǎng).云南省大理市2月6日16時發(fā)生森林火災(zāi)[EB/OL].(2013-02-07)[2017-06-11].http://www.slfh.gov.cn/slfhw/Item/12619.aspx.

[18] 中國森林防火網(wǎng).云南省迪慶州森林火災(zāi)已撲滅[EB/OL].(2013-02-09) [2017-06-11].http://www.slfh.gov.cn/slfhw/Item/12638.aspx.

[19] 中國森林防火網(wǎng).云南省大理市森林火災(zāi)已撲滅[EB/OL].(2013-02-09) [2017-06-11].http://www.slfh.gov.cn/slfhw/Item/12639.aspx.

[20] 中國森林防火網(wǎng).云南省昆明市石林縣和大理州大理市森林火災(zāi)已撲滅[EB/OL].(2015-03-03) [2017-06-11].http://www.slfh.gov.cn/slfhw/Item/20150.aspx.

[21] 鄧書斌.ENVI遙感圖像處理方法[M].北京:科學出版社,2010:290-312.

[22] What's New in ENVI 5.3[EB/OL].(2016-05-05) [2017-06-11].http://www.harrisgeospatial.com/ Support/ProductsUpdateDetails/TabId /1997/ArtMID/7326/ArticleID/14615/Whats-New-in-ENVI-53.aspx.

[23] BERNSTEIN L S,JIN X,BRIAN G,etal.Quick atmospheric correction code:algorithm description and recent upgrades[J].Optical Engineering,2012,51(11):1371-1379.

[24] KEY C H,BENSON N C.Landscape assessment (LA) sampling and analysis methods[M].FIREMON:Fire Effects Monitoring and Inventory System,2005.

[25] Burn Indices Tutorial[EB/OL].(2017-6-11).http://www.harrisgeospatial.com/docs/BurnIndicesTutorial.html#Burn

[26] 中華人民共和國國家統(tǒng)計局.中國統(tǒng)計年鑒[J/OL]. [2017-06-11].http://www.stats.gov.cn/tjsj/ndsj/

[27] 孫永華,宮輝力.基于高光譜的濕地植被定量遙感研究:以洪河自然保護區(qū)為例[M].北京:中國環(huán)境出版社,2015:29-31.

[28] 苗慶林,田曉瑞,趙鳳君.大興安嶺不同植被火后NDVI恢復過程[J].林業(yè)科學,2015,51 (2):90-98.

MIAO Q L,TIAN X R,ZHAO F J.NDVIrecovery process for post-fire vegetation in Daxing'anling[J].Scientia Silvae Sinicae,2015,51 (2):90-98.(in Chinese)

[29] 黃慧君.2006年云南省盛夏高溫干旱成因分析[J].云南地理環(huán)境研究,2009,21(4):83-86.

[30] 何云玲,魯枝海.近60年昆明市氣候變化特征分析[J].地理科學,2012,32(9):1119-1124.

HE Y L,LU Z H.Climate change trends and characteristics of Kunming in recent 60 years[J].Scientia Geographica Sinica,2012,32(9):1119-1124.(in Chinese)

[31] 管宇,顧光同,黃龍生.近60年昆明降水量特征分析[J].生物數(shù)學學報,2013(2):350-354.

GUAN Y,GU G T,HUANG L S.Characteristics analysis on Kunming rainfall nearly 60 years[J].Journal of Biomathematics,2013(2):350-354.(in Chinese)

[32] 張劉東,郭萍,龔愛民,等.昆明市近60年ET0及氣候干旱趨勢分析[J].灌溉排水學報,2013 ,32 (6) :125-127.

ZHANG L D,GUO P,GONG A M,etal.Trend analysis on ET0 and climate drought of Kunming City in recent 60 years[J].Journal of Irrigation and Drainage,2013 ,32 (6) :125-127.(in Chinese)

[33] 魏康洪,陳曉平,熊升念,等.2000年以來昆明地區(qū)降水變化特征分析[J].現(xiàn)代農(nóng)業(yè)科技,2016(7):240-241.

WEI K H,CHEN X P,XIONG S N,etal.Analysis of precipitation change characteristics in Kunming area since 2000[J].Modern Agricultural Science and Technology,2016(7):240-241.(in Chinese)

[34] 王純枝,錢拴,譚方穎,等.2015/2016年冬季氣候?qū)r(nóng)業(yè)生產(chǎn)的影響[J].中國農(nóng)業(yè)氣象,2016,37(2):255-257.