基于Sentinel-2數(shù)據(jù)的火燒跡地提取研究

韓 麗,高 啟,王秋華,2,高仲亮,2,王 鍥

(1. 西南林業(yè)大學(xué) 土木工程學(xué)院,云南 昆明 650224; 2. 云南省森林災(zāi)害預(yù)警與控制重點(diǎn)實(shí)驗(yàn)室,云南 昆明 650224)

0 引言

森林火災(zāi)不僅燒毀林木、傷害林內(nèi)的動植物、影響生態(tài)環(huán)境,還會給林區(qū)居民的人身安全、社會和經(jīng)濟(jì)發(fā)展等帶來危害[1]。昆明作為云南省的政治金融中心,歷年來森林火災(zāi)高發(fā),給人民的生產(chǎn)生活和財(cái)產(chǎn)安全帶來較大的威脅。對昆明地區(qū)火燒跡地的調(diào)查有利于進(jìn)行災(zāi)后評估、林火規(guī)律探索、防災(zāi)減災(zāi)部署等。遙感影像能在不同時間獲取不同地點(diǎn)、不同分辨率的衛(wèi)星影像,從而在火燒跡地提取領(lǐng)域有較為廣泛的應(yīng)用。NASA、ESA、國際地圈生物圈計(jì)劃(IGBP)等國際組織已發(fā)布了全球尺度衛(wèi)星遙感火燒跡地產(chǎn)品,空間分辨率從250m到1°不等[2];LONG等[3]首次研制共享了全球30m分辨率的火燒跡地遙感產(chǎn)品。在火燒跡地提取研究中,目前常用的遙感影像主要是MODIS數(shù)據(jù)集[4],中等空間分辨率可以獲取長時序多波段的數(shù)據(jù);Landsat數(shù)據(jù)集[5-6],空間分辨率較高,波段數(shù)量較為適中;高分[7-8]和Sentinel[9]數(shù)據(jù)集,時空分辨率高,可以得出更清晰的火災(zāi)邊界,是近期相關(guān)研究中在探索和使用的數(shù)據(jù)集之一。在光學(xué)衛(wèi)星遙感火燒跡地提取方法上,運(yùn)用較多的有圖像分類法和植被指數(shù)法。圖像分類法有非監(jiān)督分類、監(jiān)督分類、決策樹、隨機(jī)森林和面向?qū)ο蟮确诸惙╗10-12]。植被指數(shù)法是利用火后植被與正常植被的光譜差異,構(gòu)建指數(shù)進(jìn)行識別,目前常用的方法有NDVI、EVI[13]、GEMI、BAI、NBR[14]和dNBR[15]等,眾多研究者對這些方法進(jìn)行了精度對比,目前公認(rèn)dNBR是多種指數(shù)中效果較好的指數(shù)[16-18]。

綜上所述,火燒跡地提取目前已經(jīng)取得了突出的成績,并有了廣泛的運(yùn)用,但仍然存在以下一些問題:一是植被指數(shù)雖然使用方便,精度高,但是在不同區(qū)域、不同植被地形條件下,乃至不同數(shù)據(jù)結(jié)合使用中的適應(yīng)性問題還有待驗(yàn)證;其次,dNBR指數(shù)在大范圍區(qū)域的提取精度較差,僅在單火場或者小區(qū)域內(nèi)有較好的表現(xiàn);最后,火燒跡地與病蟲林、砍伐林等信息的混淆,容易造成誤分。本文以昆明為研究區(qū)域,基于10m分辨率的Sentinel-2數(shù)據(jù),運(yùn)用dNBR指數(shù),結(jié)合高溫火點(diǎn)數(shù)據(jù)和土地利用分類數(shù)據(jù),提取昆明2016—2020年的火燒跡地面積數(shù)據(jù),驗(yàn)證提取精度,并分析其空間分布特征,以期為昆明森林防火提供數(shù)據(jù)支持。

1 研究區(qū)概況

昆明市土地面積2.1萬km2,全市森林面積達(dá)到110.69萬hm2,森林覆蓋率達(dá)到52.62%,森林蓄積量6057萬m3。市域地處云貴高原,總體地勢北部高,南部低,由北向南呈階梯狀逐漸降低,最低海拔746 m,最高海拔4247.7 m,大部分地區(qū)海拔在1500～2800 m之間。氣候上干、濕季分明,植被類型主要為亞熱帶常綠闊葉林、針闊混交林、溫帶針葉林、高山灌叢和草甸等。其特殊的地形地勢,干濕分明的氣候和豐富的森林類型,以及多樣、復(fù)雜的生產(chǎn)生活用火,導(dǎo)致該地區(qū)林火行為非常復(fù)雜,森林防火任務(wù)異常艱巨[19]。歷史上曾多次發(fā)生重大森林火災(zāi),1995年4月17日,安寧市縣街鄉(xiāng)白泥山火場總面積7358 hm2;2006年3月29日昆明安寧市的森林火災(zāi),西起昆明安寧市,東跨昆明西山區(qū),過火面積1695.4 hm2,大火肆虐了10個晝夜才被撲滅。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源

本文使用的影像數(shù)據(jù)是2016—2020年的Sentinel-2遙感衛(wèi)星圖像,考慮到影像可用性問題,以及盡量避免季候差異造成提取誤差,影像選擇上以12月為主,少部分選擇了11月至次年2月的影像,云量在0.0%～9.6%之間,每年9張,共計(jì)45張影像,如表1所示。其他輔助數(shù)據(jù)包括Landsat和MODIS高溫火點(diǎn)數(shù)據(jù),Landsat高溫火點(diǎn)數(shù)據(jù)來源于中國科學(xué)院空天信息創(chuàng)新研究院的Satsee,以月份為單位,MODIS高溫火點(diǎn)數(shù)據(jù)來源于NASA的資源管理系統(tǒng)(FIRMS),以年份為單位;兩組數(shù)據(jù)都記錄了對地觀測的溫度異常熱點(diǎn)的位置、時間、置信度等信息,按年份篩選置信度為70以上的數(shù)據(jù)。土地利用數(shù)據(jù)來源于中國科學(xué)院地理科學(xué)研究所2015的分類數(shù)據(jù);DEM數(shù)據(jù)是NASA于2011年公布的ASTER GDEM V2影像資料,具有12.5m×12.5m 的分辨率,用于提取坡度、坡向和高程信息。歷史高清影像來自于九一衛(wèi)圖,分辨率從0.14～0.54 m不等,用于火燒跡地目視解譯,驗(yàn)證提取精度。

表1 Sentinel-2遙感影像列表Table 1 List of Sentinel-2 remote sensing images

2.2 研究方法

1)NBR指數(shù)

歸一化火燒比率又叫歸一化火燒指數(shù)(normalized burn ratio,NBR)[20],其綜合利用近紅外和中紅外波段提取過火區(qū)域及評價火烈度,近紅外波段對植被活體的葉綠素含量比較敏感,而中紅外波段則概括了土壤和植被含水量信息以及干物質(zhì)中的木質(zhì)素和土壤巖性信息,可用來區(qū)分枯死木、土壤、灰燼和燒焦木。NBR遙感指數(shù)計(jì)算公式為:

(1)

式中:ρnir為Sentinel-2第8波段近紅外波段;ρswir為Sentinel-2第12波段短波紅外波段。

2)dNBR指數(shù)

在NBR基礎(chǔ)上,Key和Benson提出了差分歸一化火燒比率(differenced normalized burn ratio,dNBR)[21],通過兩期影像NBR的差值,可以定量地表達(dá)林火范圍以及林火引起的生態(tài)環(huán)境變化情況。研究表明,dNBR比NBR指數(shù)能更準(zhǔn)確的提取火燒跡地。dNBR遙感指數(shù)計(jì)算公式為:

dNBR=NBRpre-fire-NBRpost-fire

(2)

式中:NBRpre-fire為火災(zāi)前影像的NBR值;NBRpost-fire為火災(zāi)后影像的NBR值。

2.3 研究思路

利用SNAP和ENVI軟件對Sentinel數(shù)據(jù)進(jìn)行預(yù)處理和NBR指數(shù)計(jì)算,然后利用不同年份的NBR數(shù)據(jù)計(jì)算dNBR指數(shù),得到不同年份間初步的疑似過火區(qū)域。嘗試用多源數(shù)據(jù)疊加的方法自動提取火燒跡地,并用人工目視解譯的方法驗(yàn)證其精度。首先把林地圖斑和疑似過火區(qū)域疊加,提取大于1 hm2的林火圖斑,用人工目視解譯進(jìn)一步篩選,作為火燒跡地的驗(yàn)證數(shù)據(jù)。然后嘗試用高溫火點(diǎn)數(shù)據(jù)代替人工目視解譯過程,進(jìn)行火燒跡地自動提取,并用人工解譯的驗(yàn)證數(shù)據(jù)檢驗(yàn)提取精度。利用單火場高清影像,提取過火邊界,與上述方法提取的過火邊界進(jìn)行精度對比。最后分析昆明火燒跡地在高程、坡度、坡向、土地利用類型上的空間分布特征。研究流程如圖1所示。

圖1 研究流程圖Fig. 1 Research flow chart

3 結(jié)果與分析

3.1 目視解譯

dNBR指數(shù)在大范圍內(nèi)提取火燒跡地誤差較大,會錯誤地提取出較多的耕地、裸土地、水域等。因此對dNBR結(jié)果先進(jìn)行聚類處理,去除小斑塊,轉(zhuǎn)矢量,然后保留面積大于1 hm2的圖斑,與土地利用類別中的林地疊加,得到初步的疑似火燒跡地,最后通過目視解譯進(jìn)行篩選,最終提取了8塊火燒跡地,其dNBR圖像及火災(zāi)發(fā)生地點(diǎn)如圖2所示,文中后續(xù)以火災(zāi)發(fā)生所在的村或者社區(qū)作為森林火災(zāi)的名稱。圖2突出顯示的高亮區(qū)、灰白色區(qū)為過火區(qū)域,與周邊的黑色區(qū)域形成鮮明的反差,后續(xù)處理中以0.2～1.2為閾值提取火燒跡地準(zhǔn)確的邊界及面積,其提取精度在滇中地區(qū)得到了初步的驗(yàn)證[22]。

圖2 目視解譯結(jié)合dNBR指數(shù)提取火燒跡地Fig. 2 Visual interpretation combined with dNBR index extraction of burned area

3.2 多源數(shù)據(jù)疊加提取火燒跡地

高溫火點(diǎn)數(shù)據(jù)在火燒跡地提取過程中可以有效篩除非火災(zāi)造成的植被損失[4]。把dNBR指數(shù)得到的疑似林火區(qū)域與高溫火點(diǎn)和土地利用數(shù)據(jù)疊加,同時滿足條件的判定為火燒跡地,結(jié)果如圖3所示,效果不佳。人工目視篩選后得到8場火災(zāi)的火燒跡地范圍,但是只有尋甸鳳龍灣水庫與安寧市五岳村兩場火災(zāi)與高溫火點(diǎn)數(shù)據(jù)有重合,如圖3(a)、(b)所示,其余場次火災(zāi)均未與高溫火點(diǎn)數(shù)據(jù)有重合,如圖3(c)、(d)所示。結(jié)果表明,高溫火點(diǎn)數(shù)據(jù)整體精度較差,火點(diǎn)遺漏較多,對于提高火燒跡地提取精度貢獻(xiàn)度不大,會導(dǎo)致漏提。相反,土地利用數(shù)據(jù)可以極大提高dNBR在大范圍內(nèi)的提取效率,可以有效過濾較多誤分的非林地區(qū)域。

3.3 火燒跡地精度驗(yàn)證

以高清影像人工目視解譯的火燒跡地邊界線作為驗(yàn)證數(shù)據(jù),分析dNBR在單場火災(zāi)的提取精度。如圖4所示,人工矢量化邊界與dNBR提取邊界在整體范圍和走向上基本一致,主要的差異體現(xiàn)在一些細(xì)節(jié)上。其一為火場邊緣的輕微過火區(qū)域,這些區(qū)域存在部分燃燒和熏黑的狀況,無論是人工還是dNBR指數(shù)都會存在一定的提取誤差,因此邊界重合較差;其二,dNBR指數(shù)提取的圖斑相對比較細(xì)碎一些,人工目視解譯的數(shù)據(jù)邊界光滑、整體性較好,但對一些零星的非過火區(qū)域無法細(xì)致地提取。

對2個方法提取的過火面積進(jìn)行統(tǒng)計(jì),結(jié)果如表2所示。相比高清影像的人工目視解譯,dNBR指數(shù)的提取精度最高達(dá)到96.04%,最低81.06%,平均精度為89.8%。精度最低的“安寧市八街鎮(zhèn)石壩村”火災(zāi),如圖4(c)所示,主要原因是dNBR指數(shù)在火災(zāi)右上角區(qū)域有較大斑塊的誤提,這部分圖斑是救火的隔離帶和道路造成的林地?fù)p失,人工目視解譯時未把它分入火燒跡地范圍內(nèi),從而降低了提取精度?？偟膩碚f,基于Sentinel-2數(shù)據(jù)的dNBR指數(shù)提取方法精度較好,對昆明地區(qū)火燒跡地提取有較好的適用性。

表2 火燒跡地精度驗(yàn)證表Table 2 Accuracy verification table of burned area

3.4 火燒跡地空間分布特征

依據(jù)2016—2020年火燒跡地提取的成果,昆明地區(qū)的森林火災(zāi)呈現(xiàn)西南部多、北部少的現(xiàn)狀,火災(zāi)高發(fā)區(qū)為安寧市和晉寧區(qū)。結(jié)合歷史火災(zāi)數(shù)據(jù)來看,安寧市、晉寧區(qū)也是歷史上發(fā)生火災(zāi)最多的地區(qū)之一。安寧市與晉寧區(qū)離主城區(qū)較近,經(jīng)濟(jì)發(fā)展較快,集中了大量的工廠和廠礦,人口密度也高于其它周邊縣區(qū),森林防火難度大,任務(wù)緊迫,需要加大森林防火的監(jiān)測和巡防力度,做好森林防火的預(yù)防工作。

將提取出的火燒跡地分別與高程、坡度、坡向、土地利用分類數(shù)據(jù)進(jìn)行疊加分析,統(tǒng)計(jì)其空間分布特征,結(jié)果如圖5所示。

圖5 各影響因子下火燒跡地面積分布統(tǒng)計(jì)Fig. 5 Area distribution statistics of burned area under different influencing factors

1)高程

基于DEM數(shù)據(jù),將高程按自然斷點(diǎn)法分為五類。昆明地區(qū)1000 m以下、3000 m以上區(qū)域植被覆蓋較少,幾乎沒有森林火災(zāi)。森林火災(zāi)主要集中在1700～2100 m的海拔范圍,占比50%以上,遠(yuǎn)高于低海拔和高海拔區(qū)域。過火面積隨著高程的增高,有逐漸降低的趨勢。

2)坡度

根據(jù)《第三次全國土地調(diào)查技術(shù)規(guī)程》,對坡度進(jìn)行了分級和分類,I(0°,2°)、Ⅱ[2°, 6°)、Ⅲ[6°, 15°)、Ⅳ[15°, 25°)、Ⅴ[25°,90°)。坡度Ⅳ[15°, 25°)區(qū)域過火面積最大,占全部過火面積的41%,其次為Ⅲ、Ⅴ、Ⅱ和Ⅰ。說明坡度過大或過小都可以減緩火災(zāi)強(qiáng)度,在一定程度上抑制火災(zāi)的蔓延。

3)坡向

從坡向分析上看,陰坡過火面積53%,陽坡47%,陰坡略大于陽坡。一般情況下,陽坡陽光充足、溫度較高、濕度低、森林大火容易發(fā)生和蔓延。陰坡接受的光照較少、溫度較低、濕度較大、森林大火不易發(fā)生和蔓延。但從昆明地區(qū)2016—2020年森林火災(zāi)的統(tǒng)計(jì)數(shù)據(jù)來看,反而是陰坡的過火面積偏多,其成因有待于進(jìn)一步探析。

4)土地利用類型

對提取出的8場森林火災(zāi)進(jìn)行土地利用分類的統(tǒng)計(jì),過火區(qū)域有67%為純林地,28%為耕地,少量的草地和其它用地,表明昆明地區(qū)的森林火災(zāi)多發(fā)生于林地和耕地混雜交界的地方。之前的研究表明,云南省火源有77.22%是燒荒燒炭[23],其次是抽煙,這也是導(dǎo)致耕地周邊的森林更容易發(fā)生森林火災(zāi)的原因。

4 結(jié)論與討論

本文以昆明地區(qū)2016—2021年火燒跡地為研究對象,基于Sentinel-2數(shù)據(jù)集,利用dNBR指數(shù)疊加高溫火點(diǎn)、土地利用數(shù)據(jù)提取火燒跡地,并分析火燒跡地的空間分布特征,主要結(jié)論如下:

1)Sentinel-2數(shù)據(jù)集分辨率高,波段豐富,其與dNBR指數(shù)的結(jié)合,可以很好地提取火燒跡地,獲取清晰的過火邊界。通過高清影像的驗(yàn)證,單火場總體提取精度較高,最低精度達(dá)到81%,部分火災(zāi)可以達(dá)到96%的提取精度,有較高的適用性;影響提取精度的主要原因是dNBR指數(shù)無法準(zhǔn)確區(qū)分人工砍伐和開挖的隔火帶。在大范圍內(nèi),自動提取容易造成大量錯分,本研究在此基礎(chǔ)上疊加了高溫火點(diǎn)和土地利用數(shù)據(jù),其中土地利用數(shù)據(jù)對于提高火燒跡地篩選效率有一定幫助,可以剔除誤分的耕地、水域、居民地等圖斑;高溫火點(diǎn)數(shù)據(jù)則總體表現(xiàn)不佳,遺漏的火點(diǎn)較多,會造成漏分。

2)昆明地區(qū)森林火災(zāi)主要高發(fā)于安寧市和晉寧區(qū),多發(fā)區(qū)域?yàn)楹０?700～2300 m,坡度6°～25°林地和耕地的結(jié)合區(qū)域,陰坡的過火面積略多于陽坡,這些區(qū)域在森林防火季應(yīng)該加大林火監(jiān)測和巡查力度,重點(diǎn)部署防火力量。

目前火燒跡地的提取在小范圍內(nèi)能達(dá)到較高的提取精度,但在大范圍內(nèi)的提取效率和精度還有待于進(jìn)一步提高,多源數(shù)據(jù)的疊加使用是值得探索的方法之一。高溫火點(diǎn)數(shù)據(jù)在火燒跡地提取中,可以用于去除砍伐、洪水、農(nóng)作物收獲及病蟲害等誤判,但無論是MODIS還是Landsat火點(diǎn)數(shù)據(jù),漏分誤差都較高,在本研究中,其在提高火燒跡地提取效率上貢獻(xiàn)度不大,而土地利用數(shù)據(jù)的加入可以極大篩除錯分區(qū)域,對提取效率和精度有一定幫助。本研究關(guān)于林火在不同坡向上的分布研究,結(jié)論不同于北方地區(qū),陰坡火燒面積占比更大,有待進(jìn)一步深入研究其成因。