典型植被指數(shù)識(shí)別火燒跡地潛力分析

孫桂芬， 覃先林， 劉樹超， 李曉彤， 陳小中， 鐘祥清

(1.中國(guó)林業(yè)科學(xué)研究院資源信息研究所國(guó)家林業(yè)局林業(yè)遙感與信息技術(shù)實(shí)驗(yàn)室，北京 100091； 2.四川省林業(yè)信息中心，成都 610081)

0 引言

火災(zāi)作為森林生態(tài)系統(tǒng)的重要擾動(dòng)因素，顯著地影響著植被的結(jié)構(gòu)和組成[1]。林火多發(fā)生在邊遠(yuǎn)、山勢(shì)險(xiǎn)峻、交通可達(dá)性低的地區(qū)，采用人工實(shí)地測(cè)算過(guò)火面積難度較大，因此遙感技術(shù)以其大面積同步觀測(cè)的優(yōu)點(diǎn)被廣泛地應(yīng)用于過(guò)火區(qū)識(shí)別與制圖研究中。當(dāng)前，新型傳感器特別是我國(guó)國(guó)產(chǎn)高分系列衛(wèi)星的陸續(xù)發(fā)射升空，適用于新型傳感器的火燒跡地識(shí)別方法研究已成為當(dāng)前火燒跡地識(shí)別的重點(diǎn)之一。

植被指數(shù)法是利用衛(wèi)星遙感影像識(shí)別森林火燒跡地的一種常用方法?；馂?zāi)使地表植被破壞，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，但與裸地、水體和陰影等地物的光譜曲線間的差異可能變小而產(chǎn)生混淆。大量研究表明，植被指數(shù)通過(guò)增強(qiáng)這種差異，能有效地用于過(guò)火區(qū)制圖[2-3]?，F(xiàn)有植被指數(shù)的種類很多，其中歸一化植被指數(shù)(normalized difference vegetation index，NDVI)、增強(qiáng)型植被指數(shù) (enhanced vegetation index，EVI)、全球環(huán)境監(jiān)測(cè)植被指數(shù)(global environment monitoring index，GEMI)、過(guò)火區(qū)識(shí)別指數(shù)(burned area index，BAI)和歸一化火燒指數(shù)(normalized burn ration，NBR)等5種植被指數(shù)常被用于火燒跡地識(shí)別。Veraverbeke等[4]應(yīng)用MODIS/ASTER構(gòu)建了不同的植被指數(shù)，并評(píng)估了各植被指數(shù)對(duì)過(guò)火區(qū)的分離能力； Carriello等[5]和Chuvieco等[6]評(píng)估了ETM+各個(gè)波段對(duì)火災(zāi)前后地物變化的敏感性，并選用BAI增強(qiáng)過(guò)火區(qū)，取得了較好結(jié)果； 朱曦等[7]利用環(huán)境減災(zāi)小衛(wèi)星星座數(shù)據(jù)評(píng)估了NDVI，BAI，EVI[8]和GEMI[9]等4種植被指數(shù)對(duì)過(guò)火區(qū)的分離性，發(fā)現(xiàn)BAI和GEMI分離性較好； Loboda等[10]基于NBR[11]創(chuàng)建了一種半自動(dòng)識(shí)別方法，使用TM數(shù)據(jù)獲取過(guò)火區(qū)驗(yàn)證精度較高； Bastarrika等[12]利用TM/ETM+數(shù)據(jù)采用加入短波紅外波段的NBR和改進(jìn)的過(guò)火區(qū)識(shí)別指數(shù)(improved burned area index，BAIM)構(gòu)建的2階段算法，顯著降低了誤判率。

高分一號(hào)(GF-1)衛(wèi)星作為我國(guó)“十二五”民用高分專項(xiàng)對(duì)地觀測(cè)系統(tǒng)的首發(fā)星，自2013年9月獲取數(shù)據(jù)以來(lái)，以其高時(shí)間與高空間分辨率、多光譜和寬覆蓋等特點(diǎn)被廣泛地應(yīng)用于農(nóng)業(yè)、林業(yè)、國(guó)土資源和地質(zhì)災(zāi)害等領(lǐng)域。

本文結(jié)合GF-1寬幅(wide field of view,WFV)和Landsat8數(shù)據(jù)的波譜特性，通過(guò)對(duì)常用的NDVI，EVI，GEMI，BAI和NBR等5種植被指數(shù)的分離性進(jìn)行研究，來(lái)探求適用于這2種數(shù)據(jù)識(shí)別火燒跡地的最優(yōu)植被指數(shù)，并采用分離性較好的植被指數(shù)對(duì)研究區(qū)的火燒跡地進(jìn)行了識(shí)別，評(píng)價(jià)了典型植被指數(shù)識(shí)別火燒跡地的應(yīng)用潛力。

1 研究區(qū)概況與數(shù)據(jù)源

1.1 研究區(qū)概況

表1 火燒跡地概況Tab.1 Profile of burned area

1.2 數(shù)據(jù)源及其預(yù)處理

采用的林區(qū)過(guò)火后遙感數(shù)據(jù)為GF-1 WFV，Landsat8和GF-2 數(shù)據(jù)。其中GF-1 WFV和GF-2數(shù)據(jù)從中國(guó)資源衛(wèi)星應(yīng)用中心網(wǎng)站下載，Landsat8數(shù)據(jù)從美國(guó)地質(zhì)調(diào)查局網(wǎng)站下載。為保證研究的準(zhǔn)確性和結(jié)果的可信度，選取影像數(shù)據(jù)質(zhì)量較好的過(guò)火后最近一期影像開展研究。研究區(qū)遙感數(shù)據(jù)獲取情況如表2所示。

表2 遙感數(shù)據(jù)獲取情況Tab.2 Acquisition information of remote sensing data

對(duì)GF-1 WFV和Landsat8數(shù)據(jù)分別進(jìn)行了預(yù)處理，主要包括輻射定標(biāo)、FLAASH大氣校正、帶參考影像的正射校正(以Landsat8影像為參考影像、全國(guó)30 m數(shù)據(jù)高程模型(digital elevation model,DEM)為參考DEM)和圖像裁剪等。通過(guò)上述預(yù)處理，將遙感數(shù)據(jù)的DN值轉(zhuǎn)換成反射率。GF-2數(shù)據(jù)包括全色和多光譜數(shù)據(jù)，分別對(duì)其進(jìn)行正射校正(采用RPC進(jìn)行正射校正，以全國(guó)30 m DEM數(shù)據(jù)為參考DEM)，然后進(jìn)行自動(dòng)配準(zhǔn)和圖像融合，將多光譜數(shù)據(jù)的空間分辨率提高到1 m。融合后的GF-2數(shù)據(jù)用于火燒跡地識(shí)別結(jié)果的精度驗(yàn)證。

2 研究方法

2.1 典型地物光譜曲線

不同地物具有不同的光譜曲線，森林火災(zāi)中，植被的葉綠素和葉片細(xì)胞結(jié)構(gòu)遭到破壞，這使火燒跡地上的過(guò)火植被不再具有正常植被特有的光譜特征，易與裸地、水體和陰影等混淆。本文使用預(yù)處理后的GF-1 WFV和Landsat8數(shù)據(jù)，采用目視解譯的方式對(duì)4個(gè)研究區(qū)內(nèi)的典型地物選取樣本，每一類樣本數(shù)在30個(gè)以上。使用這些樣本提取典型地物在各個(gè)波段的反射率并求其平均值，匯總得到典型地物光譜曲線如圖1所示。其中正常植被、火燒跡地、裸地和道路為4個(gè)火燒跡地研究區(qū)共同具有的地物類型，耕地從陳巴爾虎旗火燒跡地提取，山體陰影和雪從雅江縣和冕寧縣火燒跡地提取，云和云陰影從鄂倫春自治旗火燒跡地提取。

(a) GF-1 WFV數(shù)據(jù)(b) Landsat8數(shù)據(jù)

圖1GF-1WFV和Landsat8影像典型地物光譜曲線

Fig.1SpectralcurvesoftypicalfeaturesinGF-1WFVandLandsat8images

2.2 技術(shù)路線

分析評(píng)價(jià)NDVI，EVI，GEMI，BAI和NBR等5種典型植被指數(shù)識(shí)別火燒跡地應(yīng)用潛力的技術(shù)路線如圖2所示。

圖2 技術(shù)流程Fig.2 Technique flow chart

2.2.1 植被指數(shù)

植被指數(shù)是根據(jù)地物波譜特征，對(duì)遙感影像波段進(jìn)行線性組合，進(jìn)而增強(qiáng)地物信息，增加地物的區(qū)分度。NDVI，EVI，GEMI和BAI是基于可見光和近紅外波段構(gòu)建的植被指數(shù)，其中BAI基于地物像元值與參考光譜值的距離，近紅外和紅光波段反射率的參考值分別為0.06和0.10，強(qiáng)調(diào)過(guò)火區(qū)的木炭信號(hào)。NBR是基于近紅外和短波紅外波段構(gòu)建的植被指數(shù)，利用過(guò)火區(qū)光譜反射率在短波紅外波段上升和在近紅外波段下降的特征，將過(guò)火區(qū)與其他地物分離。已有學(xué)者研究表明NBR對(duì)森林?jǐn)_動(dòng)的敏感性較好[14-16]。

由于GF-1 WFV只有可見光和近紅外波段，因此基于GF-1 WFV數(shù)據(jù)只計(jì)算了NDVI，EVI，GEMI和BAI； Landsat8數(shù)據(jù)具有短波紅外波段，因此計(jì)算了全部5種指數(shù)。各指數(shù)的計(jì)算公式分別為

(1)

(2)

(3)

(4)

(5)

(6)

式中ρR，ρB，ρNIR和ρSWIR分別代表遙感影像紅光、藍(lán)光、近紅外和短波紅外(SWIR2)波段的反射率。

今后幾年，河北省將全面貫徹落實(shí)《國(guó)務(wù)院關(guān)于實(shí)行最嚴(yán)格水資源管理制度的意見》，在水利部的指導(dǎo)下，學(xué)習(xí)借鑒兄弟?。ㄖ陛犑小⒆灾螀^(qū)）的經(jīng)驗(yàn)，按照“打造亮點(diǎn)，突破難點(diǎn)，狠抓重點(diǎn)，大膽創(chuàng)新，全面提升”的工作思路和“可操作、可監(jiān)控、可評(píng)價(jià)、可考核”的原則，積極穩(wěn)妥地開展實(shí)行最嚴(yán)格水資源管理制度試點(diǎn)工作。

采用不同地物樣本提取不同地物的5種植被指數(shù)值并求其平均值，對(duì)比分析不同植被指數(shù)對(duì)火燒跡地與其他地物的區(qū)分度。

2.2.2 分離指數(shù)

分離指數(shù)能定量評(píng)價(jià)火燒跡地和其他地物植被指數(shù)的分離性。分離指數(shù)M被廣泛用于植被指數(shù)分離性評(píng)價(jià)中[17-19]，即

(7)

式中：μb和σb分別為火燒跡地像元的樣本均值和標(biāo)準(zhǔn)差；μμb和σμb分別為其他類別像元的樣本均值和標(biāo)準(zhǔn)差。M越大，火燒跡地與其他地類的分離性越大； 當(dāng)M≥1時(shí)，表示分離性良好，當(dāng)M<1時(shí)，表明分離性較差[20]。

3 結(jié)果與分析

3.1 火燒跡地及其他地物光譜分析

根據(jù)GF-1 WFV和Landsat8數(shù)據(jù)獲取的典型地物光譜曲線，在可見光和近紅外波段，GF-1 WFV數(shù)據(jù)獲取的各地物的光譜曲線走勢(shì)和Landsat8數(shù)據(jù)走勢(shì)基本一致，但是各個(gè)波段的光譜反射率值不同，這可能與傳感器、數(shù)據(jù)獲取時(shí)間以及太陽(yáng)高度角等因素有關(guān)。在可見光和近紅外波段，雪和云的光譜反射率較高，與火燒跡地的區(qū)分度大，不易混淆； 正常植被的光譜反射率與火燒跡地反射率在可見光波段接近，但在近紅外波段正常植被的反射率遠(yuǎn)大于火燒跡地反射率，可采用近紅外波段構(gòu)建的植被指數(shù)將火燒跡地與正常植被區(qū)分； 在可見光、近紅外和短波紅外波段，水體、山體陰影、云陰影、耕地、裸地和道路的光譜反射率值與火燒跡地光譜反射率值接近，但在光譜曲線走勢(shì)上，水體、云陰影和山體陰影在短波紅外2通道(SWIR1和SWIR2)光譜反射率均減小，裸地、耕地和道路在SWIR1波段上升，SWIR2波段減小，而火燒跡地光譜反射率在短波紅外2個(gè)波段均上升，因此采用基于短波紅外波段構(gòu)建的植被指數(shù)可將火燒跡地與這些地物區(qū)分。

3.2 火燒跡地及其他地物植被指數(shù)分析

對(duì)GF-1 WFV和Landsat8數(shù)據(jù)4個(gè)火燒跡地研究區(qū)提取的典型地物的植被指數(shù)值進(jìn)行統(tǒng)計(jì)分析，結(jié)果如圖3所示。由于BAI的數(shù)值偏大，與其他植被指數(shù)值不在同一個(gè)數(shù)量級(jí)，因此對(duì)BAI進(jìn)行歸一化，將其除以所有地物BAI的最大值，使BAI的取值范圍在0～1之間。

(a) GF-1 WFV數(shù)據(jù)

(b) Landsat8數(shù)據(jù)

圖3GF-1WFV和Landsat8數(shù)據(jù)提取典型地物植被指數(shù)值

Fig.3VegetationindexvaluesoftypicalfeaturesextractedbyGF-1WFVandLandsat8data

從各地物的植被指數(shù)平均值上看，由GF-1 WFV和Landsat8數(shù)據(jù)得到的不同地物的NDVI，EVI，GEMI和BAI 4種植被指數(shù)的大小關(guān)系基本一致。而NDVI，EVI和GEMI 3種植被指數(shù)對(duì)植被信息敏感，正常植被的這些指數(shù)值都最高，山體陰影和云陰影由于含有少量植被信息，因此其指數(shù)值也相對(duì)較高，易與火燒跡地區(qū)分； 云、雪、水體、裸地、道路、耕地與剛?cè)紵蟮幕馃E地相似，所含植被信息均不明顯，采用這3種指數(shù)不能很好地分離出過(guò)火區(qū)。BAI描述的各地物植被指數(shù)值的大小關(guān)系與NDVI，EVI和GEMI描述的基本相反； 其中火燒跡地的BAI值偏大，水體和山體陰影的BAI值也較大，容易造成混分，正常植被及其他地物的BAI值均較小，區(qū)分度較大。從植被指數(shù)值上看，火燒跡地的NBR為負(fù)值，而其他地物的NBR均為正值，因此NBR對(duì)火燒跡地的區(qū)分度最好。

對(duì)Landsat8得到的4個(gè)火燒跡地典型地物植被指數(shù)平均值進(jìn)行對(duì)比分析，在基于可見光—近紅外構(gòu)建的植被指數(shù)中，相比于NDVI，EVI和GEMI，BAI除了容易與水體混淆外，對(duì)其他各地物的區(qū)分度都較高； 基于近紅外—短波紅外波段構(gòu)建的NBR對(duì)火燒跡地的區(qū)分度也很好，除陳巴爾虎旗NBR>1之外，其他3處火燒跡地的NBR值均為負(fù)值，而其他地物NBR值均為正值。陳巴爾虎旗火燒程度較輕，且只能獲取到火災(zāi)30 d后的Landsat8數(shù)據(jù)，由于火燒跡地內(nèi)草灌等植被恢復(fù)生長(zhǎng)較快，造成計(jì)算出的火燒跡地的NBR值為正值，且大于耕地的NBR值，以及火燒跡地的BAI值小于耕地的BAI值。

3.3 火燒跡地及其他地物分離指數(shù)分析

統(tǒng)計(jì)火燒跡地和其他地物樣本植被指數(shù)的平均值和方差，計(jì)算分離指數(shù)M，基于GF-1 WFV和Landsat8數(shù)據(jù)分析評(píng)價(jià)各地物植被指數(shù)的分離性，并針對(duì)不同數(shù)據(jù)選取火燒跡地識(shí)別的最優(yōu)植被指數(shù)。GF-1 WFV和Landsat8數(shù)據(jù)提取的火燒跡地與其他地物分離指數(shù)M如圖4所示。

(a) GF-1 WFV數(shù)據(jù)

(b) Landsat8數(shù)據(jù)

圖4GF-1WFV和Landsat8數(shù)據(jù)提取典型地物分離指數(shù)M

Fig.4SeparabilityindexMoftypicalfeaturesextractedbyGF-1WFVandLandsat8data

從圖4(a)看出，基于過(guò)火后GF-1 WFV數(shù)據(jù)的BAI分離性較好，只有水體、山體陰影和耕地3種地物M<1，易與火燒跡地出現(xiàn)混淆； 相比于EVI和GEMI，NDVI的M≥1的更多，區(qū)分度相對(duì)較好； EVI和GEMI的M≥1的較少，不能很好地對(duì)火燒跡地進(jìn)行識(shí)別。從圖4(b)看出，基于過(guò)火后Landsat8數(shù)據(jù)的BAI和NBR的分離性較好，BAI僅對(duì)水體的分離性較差，NBR只對(duì)道路和耕地容易出現(xiàn)混分； 相比于EVI和GEMI，NDVI的分離性相對(duì)較好，EVI和GEMI的分離性較差。

從各地物的M上看，云、雪和正常植被與火燒跡地的分離度較高，采用上述任一種植被指數(shù)都能將其與火燒跡地區(qū)分開； 水體、道路、耕地、山體陰影、云陰影和裸地等地物與火燒跡地的分離性較差，需要選取合適的植被指數(shù)進(jìn)行區(qū)分。就植被指數(shù)分離能力而言，基于過(guò)火后GF-1 WFV和Landsat8數(shù)據(jù)提取的火燒跡地與其他地物分離指數(shù)M雖數(shù)值不同，但各植被指數(shù)對(duì)火燒跡地和其他地物的分離能力表現(xiàn)的規(guī)律基本一致。在選取的由可見光—近紅外波段構(gòu)建的4種植被指數(shù)中，BAI能更好地將火燒跡地與其他地物進(jìn)行分離，NDVI的分離能力次之，EVI和GEMI分離過(guò)火區(qū)的能力較差； 而選取的基于近紅外—短波紅外波段構(gòu)建的NBR與BAI類似，同樣具有很好的分離過(guò)火區(qū)的能力。

3.4 精度驗(yàn)證

GF-2遙感影像數(shù)據(jù)融合后的空間分辨率為1 m，采用目視解譯方法能很好地區(qū)分過(guò)火區(qū)和未過(guò)火區(qū)。但由于GF-2衛(wèi)星是在2014年8月發(fā)射并獲得數(shù)據(jù)，而雅江縣和冕寧縣的森林火災(zāi)發(fā)生時(shí)間分別為2014年1月和2月，因而沒有與火災(zāi)時(shí)間相近的GF-2數(shù)據(jù)可用于驗(yàn)證； 而陳巴爾虎旗火燒跡地(火災(zāi)時(shí)間2017年5月)可獲得到的GF-2數(shù)據(jù)在2017年9月，已在該區(qū)域火災(zāi)之后4個(gè)月，即當(dāng)年植被生長(zhǎng)旺盛期(7—9月初)。因此，本文僅選取鄂倫春自治旗火燒跡地進(jìn)行了精度驗(yàn)證； 對(duì)GF-1 WFV數(shù)據(jù)采用BAI進(jìn)行火燒跡地識(shí)別，對(duì)Landsat8數(shù)據(jù)分別采用NBR和BAI進(jìn)行火燒跡地識(shí)別，其原始圖像及識(shí)別結(jié)果如圖5所示。使用GF-2數(shù)據(jù)采用隨機(jī)選點(diǎn)的方式(研究區(qū)內(nèi)隨機(jī)選取300個(gè)樣本點(diǎn))結(jié)合混淆矩陣進(jìn)行精度驗(yàn)證，得出2種方法火燒跡地識(shí)別的精度和Kappa系數(shù)，結(jié)果如表3所示。

(a) GF-1 WFVB4(R),B3(G),B2(B)假彩色合成影像(b) Landsat8B7(R),B5(G),B3(B)假彩色合成影像(c) GF-1數(shù)據(jù)BAI識(shí)別火燒跡地結(jié)果

(d) Landsat8數(shù)據(jù)BAI識(shí)別火燒跡地結(jié)果(f) Landsat8數(shù)據(jù)NBR識(shí)別火燒跡地結(jié)果

圖5鄂倫春自治旗研究區(qū)遙感影像及識(shí)別結(jié)果

Fig.5Remotesensingimagesinstudyareaandidentificationresultsofburnedarea

表3精度評(píng)價(jià)結(jié)果

Tab.3Resultsofaccuracyevaluation

GF-1Landsat8評(píng)價(jià)指標(biāo)BAINBRBAI火燒區(qū)制圖精度/%78.9561.8472.45未火燒區(qū)制圖精度/%96.5996.9294.55火燒區(qū)用戶精度/%91.4692.6886.59未火燒區(qū)用戶精度/%90.8386.7087.61總體精度/%91.0088.3387.33Kappa系數(shù)0.780.730.70

由表3的精度評(píng)價(jià)結(jié)果看出，采用NBR和BAI用于火燒跡地識(shí)別的總體精度都較高，均能達(dá)到87%以上； Kappa系數(shù)也均大于0.7，識(shí)別效果良好。

4 結(jié)論與展望

基于GF-1 WFV和Landsat8數(shù)據(jù)分析評(píng)價(jià)NDVI，EVI，GEMI，BAI和NBR等5種植被指數(shù)識(shí)別火燒跡地的潛力，對(duì)GF-1 WFV和Landsat8數(shù)據(jù)選取最優(yōu)植被指數(shù)進(jìn)行火燒跡地識(shí)別，并進(jìn)行精度評(píng)價(jià)。其結(jié)論如下：

1)從各地物的光譜曲線上看，在近紅外和短波紅外波段火燒跡地與其他地物的反射率差別較大，因此采用基于近紅外或短波紅外波段構(gòu)建的植被指數(shù)提取火燒跡地的結(jié)果會(huì)相對(duì)較好。

2)從植被指數(shù)平均值上看，基于近紅外─短波紅外波段構(gòu)建的NBR對(duì)過(guò)火區(qū)的區(qū)分度最好，火燒跡地的NBR均為負(fù)值(火燒程度較輕的地區(qū)除外)，其他地物為正值； BAI的區(qū)分度次之； NDVI，EVI和GEMI的區(qū)分度較差。

3)從分離指數(shù)M上看，基于近紅外—短波紅外波段構(gòu)建的NBR與BAI相同，同樣具有很好地分離過(guò)火區(qū)的能力，NDVI的分離能力次之，EVI和GEMI分離過(guò)火區(qū)的能力較差。該結(jié)論與朱曦等[7]的結(jié)論(GEMI也對(duì)過(guò)火區(qū)的分離能力較好)不同，但本文基于4個(gè)研究區(qū)開展研究，而文獻(xiàn)[7]只針對(duì)一個(gè)研究區(qū)，結(jié)果的偶然性較大。

4)對(duì)具有短波紅外波段的Landsat8數(shù)據(jù)，采用NBR識(shí)別火燒跡地的效果相對(duì)較好，其識(shí)別總體精度可達(dá)到88.33%，Kappa系數(shù)為0.73； 對(duì)僅具有可見光和近紅外波段的GF-1 WFV數(shù)據(jù)，采用BAI識(shí)別火燒跡地的效果較好，其識(shí)別總體精度可達(dá)到91.00%，Kappa系數(shù)為0.78。

研究中陳巴爾虎旗火燒跡地的Landsat8數(shù)據(jù)的獲取時(shí)間與火災(zāi)時(shí)間相差30 d之久，對(duì)研究結(jié)果造成一定的影響。下一步考慮采用多源數(shù)據(jù)開展研究。文中典型地物的反射率、植被指數(shù)值的平均值和分離指數(shù)M是從4個(gè)火燒跡地提取匯總得到的，因此可能會(huì)因火災(zāi)時(shí)間、影像獲取時(shí)間、地物所在海拔和緯度等因素的不同而對(duì)結(jié)果造成一定影響。另外，如何將NBR和BAI等增強(qiáng)地物信息的植被指數(shù)與圖像分類法相結(jié)合以提高火燒跡地識(shí)別精度也將是今后研究重點(diǎn)之一。