郝 帥,王 星,張秋良,王 冰,田 原

(1.內(nèi)蒙古農(nóng)業(yè)大學(xué) 林學(xué)院,呼和浩特 010019；2.內(nèi)蒙古大興安嶺森林生態(tài)系統(tǒng)國家野外科學(xué)觀測研究站,內(nèi)蒙古 根河 022350；3.黃山學(xué)院 生命與環(huán)境科學(xué)學(xué)院,安徽 黃山 245041)

林火對森林生態(tài)系統(tǒng)具有較大威脅,它不僅會燒毀成片的森林植被,傷害林內(nèi)動物,而且還會影響森林的演替,破壞森林在小氣候和涵養(yǎng)水源上的作用,甚而導(dǎo)致生態(tài)系統(tǒng)失去平衡。近年來,林火在森林生態(tài)系統(tǒng)中的作用已經(jīng)得到重新認識,林火既可以破壞生態(tài)系統(tǒng)的結(jié)構(gòu)和功能,也有利于維持生態(tài)系統(tǒng)的平衡與穩(wěn)定。[1]

森林火災(zāi)頻繁發(fā)生,全面研究林火信息是必然要求。傳統(tǒng)的火燒跡地信息主要來源于統(tǒng)計數(shù)據(jù),難以覆蓋較大區(qū)域,收集較為困難,且難以將數(shù)據(jù)進行空間化[2]。遙感技術(shù)的發(fā)展為解決這一難題提供了有力手段,特別是隨著遙感數(shù)據(jù)時空分辨率的提高,使得遙感數(shù)據(jù)能夠更為準確地對地表過程進行刻畫[3]。遙感植被指數(shù)是預(yù)測植物生物量與生產(chǎn)力、評價生態(tài)系統(tǒng)結(jié)構(gòu)與功能特征的重要指標[4]。植被指數(shù)法是利用衛(wèi)星遙感影像識別火燒跡地的一種常用方法[5]?；馂?zāi)使地表植被遭受破壞,受災(zāi)植被在衛(wèi)星影像不同波段的反射率發(fā)生變化,其光譜曲線與正常植被光譜曲線有明顯差異[6]。研究表明,植被指數(shù)通過增強這種差異,能有效地用于過火區(qū)制圖[7],因此,利用植被指數(shù)識別火燒跡地越來越受到關(guān)注。近年來,不同學(xué)者采用不同的數(shù)據(jù)源(GF,HJ,Landsat,MODIS等)對不同地區(qū)的火燒跡地提取進行了研究,定量評價了NDVI,EVI,GEMI,BAI,NBR,NDSWIR,dNBR等遙感指數(shù)識別火燒跡地的潛力[8-19]。研究發(fā)現(xiàn),適當?shù)匾霟峒t外波段可改進遙感指數(shù)對林火跡地的提取能力[10],但不同區(qū)域的最佳提取指數(shù)不盡相同。

大興安嶺橫跨黑龍江省和內(nèi)蒙古自治區(qū)北部,是我國最大的原始林分布區(qū),同時也是我國林火多發(fā)地區(qū),存在大量的火燒跡地[20]。大尺度森林火燒跡地的提取,可以直觀地展現(xiàn)火燒跡地所在位置、范圍,同時可以實現(xiàn)對受災(zāi)地區(qū)的實時監(jiān)控,這對于及時了解恢復(fù)狀況和有關(guān)部門制定相應(yīng)政策措施有著指引作用[20]。本文以內(nèi)蒙古根河市1987年、2003年和2015年森林火燒跡地為研究對象,基于Landsat遙感影像,對比分析NDVI,EVI,GEMI,BAI,NBR,NDSWIR,dNBR等7種遙感指數(shù)對火燒跡地的提取能力,篩選出大興安嶺火燒跡地提取的最佳遙感指數(shù),以期為大興安嶺林火監(jiān)測與植被恢復(fù)提供一定的理論與技術(shù)支持。

1 研究區(qū)與數(shù)據(jù)來源

1.1 研究區(qū)概況

研究區(qū)地處內(nèi)蒙古自治區(qū)根河市境內(nèi)。本文所選擇的1987年、2003年和2015年火燒跡地位于內(nèi)蒙古大興安嶺重點國有林管理局金河林業(yè)局和根河林業(yè)局施業(yè)區(qū)內(nèi)(圖1)。其中:1987年火燒跡地位于金河林業(yè)局金林林場,2003年火燒跡地范圍覆蓋金河林業(yè)局以及毗鄰的根河林業(yè)局,2015年火燒跡地位于根河林業(yè)局約安里林場。根河市(50°20′～52°30′N,120°12′～122°55′E):位于大興安嶺北段西坡、呼倫貝爾市北部,是中國緯度最高的城市之一；屬寒溫帶大陸性季風(fēng)氣候,年平均氣溫-5.3℃,結(jié)冰期210d以上；總體地勢較平緩,呈東北高、西南低地形地貌,平均海拔1 000m,河網(wǎng)發(fā)育,河谷開闊。興安落葉松(Larixgmelinii)是該地區(qū)的主要優(yōu)勢樹種,并伴生有山楊(Populusdavidiana)、白樺(Betulaplatyphylla)、蒙古櫟(Quercusmongolica)等植被。

注:右側(cè)彩圖為研究區(qū)標準假彩色遙感影像圖,紅色區(qū)域代表植被,墨綠色區(qū)域代表火燒跡地。

1.2 數(shù)據(jù)來源

選用Landsat 5 TM和Landsat 8 OLI衛(wèi)星遙感數(shù)據(jù)進行火燒跡地識別研究(表1)。

表1 遙感影像列表

2 研究方法

2.1 影像預(yù)處理

在ENVI5.3軟件中完成不同年份影像的輻射定標、大氣校正和圖像裁剪等預(yù)處理。

2.2 地物光譜特征提取

通過目視解譯在影像上劃分出不同的地類,分別地類選取樣本。樣本點中,70%為分類訓(xùn)練樣本,30%為精度驗證樣本。通過對遙感影像的目視解譯,1987年劃分為火燒跡地、林地、裸地、道路等4種類別；2003年劃分為火燒跡地、林地、道路、河流等4種類別；2015年劃分為火燒跡地、裸地、道路等3種類別。在選取樣本點時應(yīng)遵循“樣本點在影像上均勻分布,分類訓(xùn)練樣本與精度驗證樣本不同”的原則,然后通過選取的樣本點進行后續(xù)的分析計算。利用ENVI5.3軟件中的Spectral Library Builder工具,通過分類訓(xùn)練樣本提取不同地物的平均光譜曲線。

2.3 遙感指數(shù)計算

遙感指數(shù)可以有效地提取火燒跡地。本研究中選取了7種常見的遙感指數(shù)(NDVI,EVI,GEMI,BAI,NBR,dNBR,NDSWIR),利用ENVI5.3軟件中的Bandmath工具計算各火燒跡地的遙感指數(shù)值,各指數(shù)的計算公式為:

(1)

(2)

(3)

(4)

(5)

(6)

dNBR=NBRpre-fire-NBRpost-fire

(7)

(8)

式中:ρR為紅光波段反射率；ρB為藍光波段反射率；ρNIR為近紅外波段反射率；ρMIR為短波紅外波段反射率(對應(yīng)于TM的第5波段,OLI的第6波段)；ρSWIR為短波紅外波段反射率(對應(yīng)于TM的第7波段,OLI的第7波段)；NBRpre-fire為火前影像的NBR值；NBRpost-fire為火后影像的NBR值。

2.4 分離指數(shù)計算

分離指數(shù)能定量評價不同遙感指數(shù)對火燒跡地與其它地類的區(qū)分能力,其計算公式為:

式中:μb和σb分別為火燒跡地像元的樣本均值和標準差；μμ和σμ分別為其它類別像元的樣本均值和標準差。M值越大,火燒跡地與其它地類的分離性越好；當M≥1時,表示分離性良好,當M<1時,表示分離性較差[21]。

3 結(jié)果與分析

3.1 光譜特征分析

正常植被在不同波段具有不同的反射光譜特征,在可見光波段內(nèi),藍光和紅光波段是葉綠素吸收帶,而在二者中間的綠光波段由于吸收作用小,形成了一個反射峰；在近紅外波段,植被反射率急劇上升,形成“紅邊現(xiàn)象”；在短波紅外波段,植被的光譜響應(yīng)主要受水的強烈吸收帶支配。

經(jīng)歷火災(zāi)之后的植被,光譜特征也發(fā)生了相應(yīng)的變化(圖2)。在可見光波段內(nèi)沒有形成明顯的反射峰；在近紅外波段,火燒跡地的反射率低于正常植被,沒有形成“紅邊現(xiàn)象”；而在短波紅外波段(2.08～2.35μm),火燒跡地的反射率高于正常植被區(qū)和水體的反射率,且普遍低于道路的反射率。

圖2 地物光譜曲線圖

3.2 遙感指數(shù)分析

不同年份各地類的遙感指數(shù)值如圖3-圖5所示。1)由圖3可知,1987年,BAI,NBR,dNBR和NDSWIR對于火燒跡地區(qū)分能力較強,火燒跡地的遙感指數(shù)均值明顯區(qū)別于其它地類。其中:火燒跡地NBR指數(shù)值為負值,而其它地類為正值；火燒跡地dNBR指數(shù)值為正值,而其它地類為負值。因此,NBR和dNBR對火燒跡地區(qū)分能力更佳。2)由圖4可知,2003年,NBR,dNBR和NDSWIR對于火燒跡地區(qū)分能力較強,火燒跡地的遙感指數(shù)均值明顯區(qū)別于其它地類。但這3個遙感指數(shù)對于火燒跡地與道路的區(qū)分能力不太強,以火燒跡地的遙感指數(shù)值與道路的遙感指數(shù)值相減,數(shù)值由大到小依次為dNBR>NBR>NDSWIR。因此,2003年以dNBR區(qū)分火燒跡地的能力最強。3)由圖5可知,2015年,BAI,NBR,dNBR,NDSWIR對于火燒跡地區(qū)分能力較強,火燒跡地的遙感指數(shù)均值明顯區(qū)別于其它地類。以火燒跡地的這4個遙感指數(shù)值與最易混淆的地物遙感指數(shù)值相減,數(shù)值由大到小依次為dNBR>BAI>NBR>NDSWIR。因此,2015年以dNBR區(qū)分火燒跡地的能力最強。

圖3 1987年火燒跡地遙感指數(shù)分布圖

圖4 2003年火燒跡地遙感指數(shù)分布圖

圖5 2015年火燒跡地遙感指數(shù)分布圖

由圖3-圖5可知,NDVI、EVI和GEMI對于林地區(qū)分能力強,遙感指數(shù)均值以林地最為突出。NDVI和EVI的火燒跡地遙感指數(shù)值與道路和河流相近,因此不能很好地分離過火區(qū)；除2003年火燒跡地易與河流混淆外,GEMI的火燒跡地遙感指數(shù)值相比其它地物以小值突出,因此,GEMI區(qū)分火燒跡地的能力較好。BAI,NBR,dNBR和NDSWIR對于火燒跡地區(qū)分能力強,遙感指數(shù)均值以火燒跡地最為突出。其中,BAI和dNBR火燒跡地遙感指數(shù)值以正值較大突出,但BAI在2003年易與河流混淆；NBR和NDSWIR火燒跡地遙感指數(shù)值以負值最小突出,兩者相比較,以NBR區(qū)分能力更強。綜合來看,以NBR和dNBR識別火燒跡地能力最強,BAI和NDSWIR次之,NDVI和EVI最差。

3.3 分離指數(shù)分析

3個不同年份各遙感指數(shù)的分離指數(shù)值如圖6所示。由圖6可知:1)1987年,NDVI和EVI的分離指數(shù)值均小于1,對火燒跡地的區(qū)分能力差；GEMI,BAI,NBR,dNBR和NDSWIR分離指數(shù)值均大于1,對火燒跡地區(qū)分能力強,其分離能力由大到小依次為BAI>NBR>dNBR>NDSWIR>GEMI,其中以BAI區(qū)分能力最佳。2)2003年,NDVI,EVI,BAI和GEMI的分離指數(shù)值均小于1,對火燒跡地區(qū)分能力差；NBR,dNBR和NDSWIR分離指數(shù)值均大于1,對火燒跡地區(qū)分能力強,其分離能力由大到小依次為dNBR>NBR>NDSWIR,其中以dNBR區(qū)分能力最佳。3)2015年,由于火燒跡地面積小,易區(qū)分,7種遙感指數(shù)的分離指數(shù)值均在1以上,區(qū)分能力較好,分離能力由大到小依次為dNBR>NBR>NDSWIR>BAI>GEMI>NDVI>EVI,其中以dNBR區(qū)分能力最佳。

圖6 火燒跡地分離指數(shù)圖

從3個年份分離指數(shù)分布總體來看,僅NBR,dNBR和NDSWIR值均大于1。因此,對于研究區(qū)而言,NBR,dNBR和NDSWIR識別火燒跡地能力較強。在NBR,dNBR和NDSWIR這3個遙感指數(shù)中,dNBR 3年的分離指數(shù)值均位于前3,且在2003年和2015年分離指數(shù)值均為最高。因此,在分離指數(shù)分析中,以dNBR作為區(qū)分火燒跡地的最優(yōu)遙感指數(shù)。

3.4 提取精度分析及面積統(tǒng)計

3.4.1精度分析

本研究對各遙感指數(shù)的火燒跡地提取精度進行評價(表2)。由表2可知:1987年,7種遙感指數(shù)提取火燒跡地的總體精度由大到小依次為NBR>dNBR>BAI>NDSWIR>GEMI>NDVI>EVI；2003年,7種遙感指數(shù)提取火燒跡地的總體精度由大到小依次為dNBR>NBR>BAI>NDSWIR>NDVI>EVI>GEMI；2015年,7種遙感指數(shù)提取火燒跡地的總體精度由大到小依次為dNBR>NBR>BAI>NDVI>EVI>NDSWIR>GEMI。綜合來看,dNBR和NBR對火燒跡地提取能力較好,總體精度均在90%以上；BAI次之,總體精度在89%以上。

表2 精度評價表

3.4.2面積統(tǒng)計

利用篩選出的最佳遙感指數(shù)dNBR提取各年份的火燒跡地(圖7),并進行面積統(tǒng)計,結(jié)果如表3所示。由表3可知,1987,2003,2015年的火燒跡地面積分別為3 145.23,197 726.67,48.06hm2。

圖7 火燒跡地空間分布圖

表3 火燒跡地面積統(tǒng)計表

4 討論與結(jié)論

4.1 討論

本研究得出提取火燒跡地最優(yōu)的遙感指數(shù)為dNBR。經(jīng)過光譜分析得知,在近紅外波段,火燒跡地的反射光譜與正常植被有著明顯區(qū)別,沒有形成“紅邊現(xiàn)象”；而在短波紅外波段,火燒跡地的反射率普遍高于正常植被和水體,而低于道路。因此,基于近紅外波段和短波紅外波段的遙感指數(shù)可以將火燒跡地與其它地類進行區(qū)分。NBR是基于近紅外和短波紅外的遙感指數(shù),因此,它可以很好地區(qū)分火燒跡地,而dNBR是在NBR的基礎(chǔ)上創(chuàng)建的一種遙感指數(shù),以火前的NBR值減去火后的NBR值計算得到,因此,dNBR可以更好地區(qū)分火燒跡地。

孫桂芬[8]在使用GF-1和Landsat 8數(shù)據(jù)識別火燒跡地的最優(yōu)植被指數(shù)的研究中認為,對于GF-1數(shù)據(jù),基于可見光和近紅外構(gòu)建的BAI識別火燒跡地的能力較好；對于Landsat 8數(shù)據(jù),基于近紅外和短波紅外構(gòu)建的NBR識別火燒跡地的能力較好。余哲修等[15]對基于NBR的森林火災(zāi)火燒跡地識別規(guī)則在我國森林火災(zāi)火燒跡地識別中的可用性和適用性進行了研究探討,結(jié)果表明:NBR和dNBR在遙感影像上能增強顯示火燒區(qū)域。吳立葉等[10]對不同遙感指數(shù)對林火跡地的提取能力進行了研究,其結(jié)果表明:NBR,NSTV1,NSTV2和NSEV1 這4個指數(shù)的林火跡地提取能力較高。以上的研究結(jié)果均與本文的研究相似。

4.2 結(jié)論

通過對內(nèi)蒙古根河市1987,2003,2015年火燒跡地光譜特征、遙感指數(shù)特征和分離指數(shù)特征的計算與分析,得到如下主要結(jié)論:

1)經(jīng)歷林火干擾的植被,其光譜特征也相應(yīng)改變。在可見光波段未形成明顯波峰,在近紅外波段未形成明顯的“紅邊現(xiàn)象”；而在短波紅外波段,其反射率明顯高于正常植被。因此,基于近紅外波段的遙感指數(shù)可將火燒跡地與正常植被區(qū)分。

2)由各地類的遙感指數(shù)值和各遙感指數(shù)的分離指數(shù)值得出,dNBR為研究區(qū)火燒跡地提取的最優(yōu)遙感指數(shù)；其次為NBR,BAI,NDSWIR；而NDVI和EVI的提取效果最差。

3)利用篩選出的最佳遙感指數(shù)dNBR提取得到1987,2003,2015年的火燒跡地面積分別為3 145.23,197 726.67,48.06hm2。