基于Landsat時(shí)間序列數(shù)據(jù)的火燒跡地識(shí)別與恢復(fù)效果評(píng)價(jià)

摘 要：為研究大興安嶺地區(qū)火燒跡地識(shí)別和火后植被恢復(fù)狀況，基于2006—2020年Landsat TM遙感影像，利用Google Earth Engine編寫(xiě)代碼，以2006年大興安嶺地區(qū)松嶺區(qū)那源林場(chǎng)森林火災(zāi)為研究背景，以差分歸一化燃燒指數(shù)（dNBR）為基礎(chǔ)數(shù)據(jù)進(jìn)行火燒跡地識(shí)別，并對(duì)火燒烈度進(jìn)行輕度、中度、重度和極重的等級(jí)劃分；基于火燒跡地的增強(qiáng)型植被指數(shù)（EVI）值，采用一元線(xiàn)性回歸分析、用于氣候診斷與預(yù)測(cè)的Mann-Kendall突變檢驗(yàn)法和用于做趨勢(shì)分析的Theil-Sen median趨勢(shì)分析等方法分析火燒跡地2006—2020年的植被恢復(fù)特征，探究大興安嶺地區(qū)火燒跡地植被恢復(fù)進(jìn)程。結(jié)果表明，1）基于dNBR得到研究區(qū)過(guò)火面積為2 488.7 hm2，其中輕度、中度、重度和極重火燒跡地面積占比分別為23.5%、9.6%、35.2%和31.7%，重度和極重過(guò)火區(qū)分布于火燒跡地西部和東部，過(guò)火強(qiáng)度從中部向南部和北部逐漸降低，其EVI值與火燒前相比分別下降了約30%、40%、58%和67%；2）不同烈度林地火燒跡地EVI恢復(fù)速率由大到小表現(xiàn)為極重、重度、中度、輕度，植被恢復(fù)過(guò)程中，跡地EVI值逐漸增加，其中，輕度和中度火燒跡地可在火后6～8 a恢復(fù)，而重度火燒跡地的恢復(fù)則需14 a；3）火燒跡地恢復(fù)過(guò)程中，林地EVI突變點(diǎn)較灌草地少，說(shuō)明森林生態(tài)系統(tǒng)較灌草地穩(wěn)定性強(qiáng)。不同烈度林地火燒跡地的突變情況也存在一定差異，且對(duì)照區(qū)的突變時(shí)間點(diǎn)滯后于火燒跡地。

關(guān)鍵詞：大興安嶺； 遙感； 谷歌地球引擎； 火燒跡地； 增強(qiáng)型植被指數(shù)

中圖分類(lèi)號(hào)：S754 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.7525/j.issn.1006-8023.2024.05.002

Evaluation of Recognition and Restoration Effect of Burned Areas Based on Landsat Time Series Data

Abstract： To study the identification of burned areas and post fire vegetation restoration in the Daxing'an Mountains region， based on Landsat TM remote sensing images from 2006 to 2020， Google Earth Engine was used to write code. The research background was the 2006 forest fire in the Nayuan Forest Farm in the Songling District of the Daxing'an Mountains region. The differential normalized burned ratio （dNBR） data was used to identify the burned areas， and the severity was classified into mild， moderate， severe， and extremely severe levels. Based on the Enhanced Vegetation Index （EVI） values of burned areas， methods such as univariate linear regression analysis， Mann-Kendall mutation test for climate diagnosis and Theil-Sen media trend analysis for treud analysis were used to analyze the vegetation restoration characteristics of burned areas from 2006 to 2020， and to explore the process of vegetation restoration in the Daxing'an Mountains region. The results showed that， 1）Based on dNBR， the burned areas in the study area was 2 488.7 hm2， with 23.5%， 9.6%， 35.2%， and 31.7% of the areas affected by mild， moderate， severe， and extremely severe fires， respectively. Severe and extremely severe areas of excessive fire were distributed in the western and eastern parts of the burned area， and the severity of excessive fire gradually decreased from the central to the southern and northern parts. The EVI values decreased by about 30%， 40%， 58%， and 67% compared to before the fire， respectively. 2）The recovery rate of EVI in forest burned areas with different intensities showed extremely severe， severe， moderate， mild. During the vegetation restoration process， the EVI value of the burned areas gradually increased. Mild and moderate burned areas can recover 6-8 years after the fire， while the recovery of severely burned areas required 14 years. 3）During the restoration process of burned areas， there were fewer EVI mutation points in forested areas compared to grasslands， indicating stronger stability of forest ecosystems compared to irrigated grasslands. There were also certain differences in the mutation situation of forest burning sites with different intensities， and the mutation time point in the control area lagged behind the burning sites.

Keywords： Daxing'an Mountains； remote sensing； Google Earth Engine； burned areas； enhanced vegetation index

0 引言

森林火災(zāi)是最為嚴(yán)重的自然災(zāi)害之一，蔓延速度快，通常會(huì)造成植被生態(tài)系統(tǒng)的嚴(yán)重?fù)p毀，對(duì)人類(lèi)生存環(huán)境和生物多樣性的維系造成重大影響［1］。森林火災(zāi)屬于重大自然災(zāi)害［2］，21世紀(jì)以來(lái)，受全球氣候變暖的影響，森林火災(zāi)次數(shù)增多。全世界每年發(fā)生火災(zāi)約20萬(wàn)次，過(guò)火面積3.5～4.5億km2［3］。發(fā)生森林火災(zāi)時(shí)，由于燃燒消耗大量氧氣并釋放大量二氧化碳及部分有毒氣體，會(huì)對(duì)附近居民造成傷害甚至死亡威脅，同時(shí)森林火災(zāi)的發(fā)生也會(huì)帶來(lái)大量的經(jīng)濟(jì)損失，如房屋重建、鐵路道路維護(hù)等。量化林火后的植被損失、恢復(fù)特征對(duì)森林生態(tài)系統(tǒng)有著重要的意義，遙感技術(shù)在追蹤植被響應(yīng)與恢復(fù)中應(yīng)用廣泛［4］。隨著大量中高分辨率衛(wèi)星遙感數(shù)據(jù)的免費(fèi)開(kāi)放，為遙感技術(shù)的應(yīng)用提供了可靠的數(shù)據(jù)支持，研究者可使用不同的衛(wèi)星數(shù)據(jù)進(jìn)行時(shí)間序列森林變化分析研究，包括我國(guó)高分系列光學(xué)衛(wèi)星、歐洲Sentinel系列和美國(guó)Landsat系列數(shù)據(jù)［5］。中高分辨率衛(wèi)星對(duì)地觀測(cè)數(shù)據(jù)已經(jīng)廣泛應(yīng)用于土地測(cè)量、國(guó)土資源、農(nóng)業(yè)、林業(yè)和環(huán)境保護(hù)等多個(gè)方面，因此，使用遙感技術(shù)用于展開(kāi)火燒跡地識(shí)別與火后植被恢復(fù)研究意義重大。

自20世紀(jì)80年代以來(lái)，學(xué)者們?yōu)榱搜芯可只馂?zāi)強(qiáng)度，利用遙感方法專(zhuān)注于監(jiān)督分類(lèi)。Hall等［6］對(duì)美國(guó)阿拉斯加西北部發(fā)生的森林火災(zāi)進(jìn)行了森林火災(zāi)強(qiáng)度分析，通過(guò)研究輕度、中度和重度過(guò)度燃燒區(qū)圖像反射率的變化，指出影響森林火災(zāi)強(qiáng)度包括火災(zāi)前的植被條件和地形，特別是位于高海拔和相對(duì)干燥的地區(qū)，這些地區(qū)更容易發(fā)生嚴(yán)重火災(zāi)。王正非等［7］提出了利用地震學(xué)的強(qiáng)度概念作為火災(zāi)強(qiáng)度指數(shù)的衡量標(biāo)準(zhǔn)，并將森林存量作為森林生態(tài)系統(tǒng)的狀態(tài)指數(shù)，討論了森林火災(zāi)對(duì)生態(tài)系統(tǒng)的影響。火災(zāi)強(qiáng)度是一個(gè)直接影響森林生態(tài)平衡的干擾因素。輕度火災(zāi)可以防止更嚴(yán)重的火災(zāi)，還可以減少病蟲(chóng)害，增加土壤養(yǎng)分，有利于減少森林中可燃物質(zhì)的積累量。陳本清等［8］基于火后TM影像，使用適合的波段來(lái)進(jìn)行監(jiān)督分類(lèi)并選取PCA變換后的第三主成分分量，采用IHS變換法和濾波閾值法提取火災(zāi)信息。解伏菊等［9］對(duì)Landsat TM遙感圖像進(jìn)行圖像分類(lèi)，并與森林景觀分布圖、1987年火災(zāi)分布圖及歸一化植被指數(shù)值進(jìn)行疊加分析，進(jìn)而從大尺度上研究火燒跡地的森林景觀分布、林火烈度及火燒跡地內(nèi)森林功能的恢復(fù)。宮阿都等［10］通過(guò)計(jì)算差分歸一化燃燒比（dNBR），參考過(guò)火后的遙感影像，設(shè)定dNBR閾值，得到大興安嶺過(guò)火范圍及燃燒指數(shù)數(shù)據(jù)，并制作1987年大興安嶺森林火災(zāi)對(duì)陸地植被影響數(shù)據(jù)集。在林火研究和植被恢復(fù)領(lǐng)域，因其涉及范圍面積大、統(tǒng)計(jì)量大等特點(diǎn)，遙感技術(shù)的優(yōu)勢(shì)十分契合該領(lǐng)域的研究，其中植被指數(shù)被廣泛研究應(yīng)用，被應(yīng)用最多的是歸一化植被指數(shù)（NDVI），但其易受裸地、大氣條件影響，對(duì)溫度和降雨都有滯后效應(yīng)［11］?；贜DVI的研究基礎(chǔ)，增強(qiáng)型植被指數(shù)（EVI）改進(jìn)了可能由于大氣或者植被生長(zhǎng)地表所造成的誤差，因此本研究使用EVI指數(shù)作為火后植被恢復(fù)狀況的依據(jù)。

大興安嶺地區(qū)森林資源豐富，海拔較高，氣候相對(duì)干燥，是森林火災(zāi)易發(fā)、多發(fā)區(qū)域。本研究擬以大興安嶺地區(qū)松嶺區(qū)那源530高地為研究對(duì)象，依據(jù)該地區(qū)森林大火前后的Landsat TM數(shù)據(jù)，利用 EVI指數(shù)分析火后植被的恢復(fù)進(jìn)程和特征，以期為火后植被的恢復(fù)和經(jīng)營(yíng)提供一定的數(shù)據(jù)支撐。

1 研究區(qū)與方法

1.1 研究區(qū)概況

松嶺區(qū)位于大興安嶺林區(qū)南緣，伊勒呼里山東南坡，嫩江上游左岸（50°09′～51o23′N(xiāo)，123°29′～125°50′E），如圖1所示。東與呼瑪、嫩江兩縣相望，北以伊勒呼里山與新林林業(yè)局為界，西與內(nèi)蒙古自治區(qū)為鄰，南與加格達(dá)奇林業(yè)局接壤，松嶺區(qū)屬寒溫帶大陸性季風(fēng)氣候區(qū)，冬季極寒期長(zhǎng)，夏季炎熱期短，春季到達(dá)緩慢，秋季降溫迅速。年平均氣溫-3 ℃，極端最高氣溫30 ℃，極端最低氣溫-48 ℃，年平均降水量600 mm，多集中在7月和8月，占年降水量的48.9%；全年無(wú)霜期為100～110 d；植物生長(zhǎng)期為90～100 d。每年春秋兩季都有多股強(qiáng)風(fēng)，主要風(fēng)向?yàn)槲鞅憋L(fēng)。因?yàn)榇笈d安嶺地區(qū)地形和氣候的差異，形成的物種分布狀態(tài)也是不同的，其中，最具代表性的分布是興安落葉松（Larix gmelinii）林、白樺（Betula platyphylla）林等喬木林，以及杜鵑（Rhododendron simsii）、越桔（Vaccinium vitis）、杜香（Ledum palustre）等灌木。起火地點(diǎn)位于大興安嶺松嶺區(qū)那源林場(chǎng)。發(fā)現(xiàn)時(shí)間為2006年5月24日，撲滅時(shí)間為2006年5月25日，過(guò)火面積總計(jì)達(dá)2 488.7 hm2。

1.2 數(shù)據(jù)收集

利用谷歌地球引擎（Google Earth Engine）導(dǎo)入研究區(qū)域邊界的矢量數(shù)據(jù)，調(diào)用遙感影像數(shù)據(jù)集，設(shè)置提取時(shí)間、云掩膜參數(shù)。根據(jù)研究區(qū)域氣候特征及植被生長(zhǎng)條件，本研究以自2005年以來(lái)，每年 5—8月覆蓋研究區(qū)的Landsat TM影像用于裁剪并合成年際影像，見(jiàn)表1。

1.3 數(shù)據(jù)處理與分析

1.3.1 地類(lèi)劃分

根據(jù)《土地利用現(xiàn)狀分類(lèi)（GB/T 21010—2017）》［12］，依據(jù)2005年Landsat影像和該地區(qū)二類(lèi)調(diào)查數(shù)據(jù)，通過(guò)目視解譯將研究區(qū)地類(lèi)劃分為林地、灌草地和其他3種類(lèi)型，其中林地細(xì)分為針葉林、闊葉林和針闊混交林。

1.3.2 火燒跡地提取與烈度分級(jí)

依據(jù)火燒前后2005年和2006年2期Landsat TM數(shù)據(jù)，通過(guò)計(jì)算差分歸一化燃燒指數(shù)（dNBR，式中記為dNBR），得到dNBR值用于提取森林火災(zāi)事件的過(guò)火范圍以及火燒強(qiáng)度信息。具體公式為

式中：NBRpre、NBRpost分別代表火前、火后影像的歸一化燃燒比（NBR）值；ρ4、ρ7分別是TM第4波段近紅外波段、第7波段中紅外波段，通過(guò)設(shè)定閾值提取過(guò)火區(qū)域，并對(duì)火燒區(qū)域進(jìn)行輕、中、重烈度分級(jí)。

1.3.3 選用EVI指數(shù)分析火燒跡地植被特征

利用Landsat5的第1、3、4波段和Lansat8的第2、4、5波段計(jì)算得到研究區(qū)的增強(qiáng)型植被指數(shù)（EVI，式中記為EVI）數(shù)據(jù)，其計(jì)算公式為

式中：ρnir、ρred、ρblue分別為L(zhǎng)andsat5、Landsat8數(shù)據(jù)的近紅外、紅光和藍(lán)光波段反射率，該植被指數(shù)可免受火燒跡地裸露土壤的干擾以及減除對(duì)溫度、降水等的滯后效應(yīng)。

基于EVI指數(shù)的時(shí)序變化特征表示火后植被恢復(fù)狀況，采用一元線(xiàn)性回歸法、用于氣候診斷與預(yù)測(cè)的Mann Kendall突變檢驗(yàn)法與用于做勢(shì)趨分析的Theil-Sen median趨勢(shì)分析法分析研究區(qū)火后植被恢復(fù)的時(shí)間變化特征［13-16］。

一元線(xiàn)性回歸，表達(dá)式為

式中：y為樣點(diǎn)擬合的因變量估計(jì)值；x為自變量；a為回歸系數(shù)；b為常量。

Mann-Kendall趨勢(shì)檢驗(yàn)的過(guò)程，其公式為

式中：sign為符號(hào)函數(shù)；n為集合長(zhǎng)度；EVI（EVI1，…，EVIn）為時(shí)序數(shù)據(jù)集合；對(duì)于所有k，i≤n，且k≠i；S為 檢驗(yàn)的服從正態(tài)分布統(tǒng)計(jì)量；Z為檢驗(yàn)的標(biāo)準(zhǔn)正態(tài)分布統(tǒng)計(jì)量；Var（s）為方差。在α顯著性水平下，當(dāng)Z>0，則變化趨勢(shì)上升，若Z<0，則變化趨勢(shì)為下降。若|Z|>U1-α/2（置信區(qū)間的函數(shù)）時(shí)，則時(shí)間序列在α水平上變化趨勢(shì)顯著。

Mann-Kendall突變檢驗(yàn)的過(guò)程（UF為正時(shí)間序列突變檢驗(yàn)統(tǒng)計(jì)量，式中記為UF；UB為逆時(shí)間序列突變檢驗(yàn)統(tǒng)計(jì)量，式中記為UB），其公式為

式中：E（S）為平均值；若|UF|>Uα，則表明序列有顯著的趨勢(shì)變化，再根據(jù)時(shí)間序列的逆序，按式（9）和式（10）求出UB統(tǒng)計(jì)量。若UF統(tǒng)計(jì)量和UB統(tǒng)計(jì)量?jī)汕€(xiàn)相交出現(xiàn)交點(diǎn)，且兩交線(xiàn)交點(diǎn)在2條臨界線(xiàn)范圍內(nèi)，則交點(diǎn)為突變點(diǎn)。

Theil-Sen median趨勢(shì)分析可以表示EVI在單位時(shí)間內(nèi)的變化量，并把EVI的變化趨勢(shì)量化，其公式為

式中：1<i<j<n；Median（）為中位數(shù)；β為斜率，若β>0，則EVI時(shí)間序列呈上升趨勢(shì)，否則為下降趨勢(shì)。

2 結(jié)果與分析

2.1 地類(lèi)劃分

依據(jù)2005年Landsat影像和該地區(qū)二類(lèi)調(diào)查 數(shù)據(jù)，通過(guò)目視解譯將研究區(qū)地類(lèi)劃分為林地、 灌草地和其他3種類(lèi)型，其中林地細(xì)分為針葉林、 闊葉林和針闊混交林。經(jīng)統(tǒng)計(jì)，研究區(qū)針葉林、 闊葉林、針闊混、灌草地的面積分別為326.2、685.1、1 452.9、24.5 hm2，占比分別為13.1%、27.5%、58.4%、1.0%。

2.2 火燒跡地提取

根據(jù)Femande-Manso等［17］對(duì)火燒烈度的分級(jí)標(biāo)準(zhǔn)，確定dNBR指數(shù)的閾值范圍，將林火烈度分為4個(gè)等級(jí)：輕度火燒（0.3～0.4）、中度火燒（0.4～0.6）、重度火燒（0.6～0.8）、極重火燒（0.8以上），分級(jí)結(jié)果如圖2所示。

2006年研究區(qū)火燒跡地面積共計(jì)2 488.7 hm2，重度過(guò)火區(qū)域面積為875.13 hm2，占比最大（35.16%）；其次，極重過(guò)火區(qū)域面積為788.94 hm2，占比第二（31.70%）；輕度過(guò)火區(qū)域面積為586.04 hm2，占比第三（23.55%）；中度過(guò)火區(qū)域面積為238.60 hm2，占比最小（9.59%），見(jiàn)表2。從空間分布看，重度和極重過(guò)火區(qū)域分布于火燒跡地的中心，由中心向外，過(guò)火強(qiáng)度逐漸降低，輕度過(guò)火區(qū)域多分布于四周的非森林區(qū)域，受林火影響較小。

誤差混淆矩陣驗(yàn)證結(jié)果表明，本研究分類(lèi)精度滿(mǎn)足要求，見(jiàn)表3。輕度的制圖和用戶(hù)精度均在97%以上，其特征最明顯；重度和極重的特征次之，除小部分會(huì)與中度斑塊混淆外，易與輕度區(qū)域區(qū)分，制圖與用戶(hù)精度均在92%以上；中度區(qū)域會(huì)與部分輕度或重度區(qū)域相似，中度區(qū)域特征最不明顯，易與輕度斑塊和重度斑塊混淆，中度的制圖和用戶(hù)精度均在80%～90%。

2.3 EVI時(shí)空變化特征

2.3.1 EVI空間變化分析

2006—2020年EVI變化如圖3所示，由圖3可以得出，2006年受森林火災(zāi)影響，研究區(qū)東北部EVI值變化程度最大，其次是西北部，南部相對(duì)變化較小。EVI值較低多在0.08～0.2，少部分EVI值超過(guò)0.2，可見(jiàn)森林火災(zāi)對(duì)植被的巨大影響：2006年之后，植被開(kāi)始恢復(fù)，2008—2012年，整體EVI增值幅度較大，北部變化程度最大，到2012年僅有少部分地區(qū)EVI值低于0.3，其余均在0.3～0.7，即植被生長(zhǎng)狀況中等；2014—2018年，整體EVI值增加幅度減緩，植被恢復(fù)良好，此時(shí)EVI值多處于0.4～0.8；到2020年，研究區(qū)域植被的EVI值處在0.4～0.8，且以0.4～0.6居多。

2.3.2 EVI時(shí)間變化分析

根據(jù)不同火燒烈度計(jì)算各區(qū)域EVI均值，如圖4所示。經(jīng)統(tǒng)計(jì)，在林火發(fā)生前各區(qū)域EVI值大致相同，差別不大。林火發(fā)生后，2006年各區(qū)域的EVI值分別為0.21、0.15、0.1和0.07，火燒跡地的EVI值明顯大幅度減少，此外輕度，中度，重度和極重隨著火燒烈度的強(qiáng)度越高，該區(qū)域EVI值下降越明顯。之后，火燒跡地的EVI值逐漸提高，彼此之間差異進(jìn)一步縮小；對(duì)不同火燒烈度的EVI變化曲線(xiàn)進(jìn)行線(xiàn)性擬合，由表4可知，各區(qū)域EVI增加速率由大到小為：極重、重度、中度、輕度。2010年左右，火燒跡地EVI均值上升至0.4，2010—2016年，輕度、中度、重度、極重火燒跡地的EVI值均持續(xù)增加；2016—2020年，各區(qū)域的EVI值出現(xiàn)輕微波動(dòng)，但基本呈增加趨勢(shì)，其中，極重區(qū)域變化最明顯，由0.54增加至0.63。2012—2013年、2015—2017年各區(qū)域的EVI值均有所下降，但下降程度不同，火燒跡地EVI值變化程度隨火烈度增加而逐漸增強(qiáng)。說(shuō)明火燒跡地生態(tài)系統(tǒng)較脆弱，受環(huán)境影響更明顯。在2006—2020年，EVI值的由大到小始終為：輕度、中度、重度、極重。

2.3.3 EVI趨勢(shì)分析

由表5可知，重度和中度林地火燒區(qū)的EVI呈極顯著增加趨勢(shì)，輕度林地火燒區(qū)呈顯著增加趨勢(shì)，且植被恢復(fù)的效果由大到小為：極重、重度、中度、輕度。灌草地、林地對(duì)照區(qū)的EVI增加趨勢(shì)不顯著。在林地輕度火燒區(qū)，燒毀樹(shù)木較少，而林下灌木和荒草等地被層被燃盡，使種子與土壤接觸的機(jī)會(huì)變大，因此輕度和中度過(guò)火區(qū)域內(nèi)的森林恢復(fù)良好，輕度和中度火燒跡地在火后6～8 a恢復(fù)為正常植被狀態(tài)，林地重度、極重過(guò)火區(qū)可以較徹底地清理地表冠層，更有利于幼樹(shù)生長(zhǎng)，但因?yàn)闊龤С潭容^為嚴(yán)重，森林恢復(fù)時(shí)間較長(zhǎng)，重度火燒跡地在火后14 a恢復(fù)為正常植被狀態(tài)；而灌草區(qū)由于其恢復(fù)速度快，在火燒后可以很快恢復(fù)，之后受環(huán)境的影響較大，波動(dòng)較大，灌草地火燒跡地在林火發(fā)生后 2 a即可恢復(fù)正常。

2.3.4 EVI趨勢(shì)與突變特征

林地重度、極重過(guò)火區(qū)可以較徹底地清理地表冠層，更有利于幼樹(shù)生長(zhǎng)；在林地輕度火燒區(qū)，燒毀樹(shù)木較少，而林下灌木和荒草等地被層被燃盡，使種子與土壤接觸的機(jī)會(huì)變大，在火后幾年時(shí)間內(nèi)EVI變化明顯，如圖5所示，但持續(xù)時(shí)間不長(zhǎng)，故其總體增加趨勢(shì)沒(méi)有中度和重度森林火燒區(qū)明顯；灌草區(qū)由于其恢復(fù)速度快，在火燒后可以很快恢復(fù)，之后受環(huán)境的影響較大，波動(dòng)較大，所以灌草區(qū)的植被增加趨勢(shì)并不明顯。本研究顯著性水平a取0.01，對(duì)應(yīng)V1-a/2為±2.276，UF為正時(shí)間序列突變檢驗(yàn)統(tǒng)計(jì)量，UB為逆時(shí)間序列突變檢驗(yàn)統(tǒng)計(jì)量，若UF統(tǒng)計(jì)量和UB統(tǒng)計(jì)量?jī)汕€(xiàn)相交出現(xiàn)交點(diǎn)，且兩交線(xiàn)交點(diǎn)在兩條臨界線(xiàn)范圍內(nèi)，則交點(diǎn)為突變點(diǎn)。相對(duì)于林地，灌草地的突變點(diǎn)更多，說(shuō)明森林生態(tài)系統(tǒng)的穩(wěn)定性要比草地生態(tài)系統(tǒng)強(qiáng)。而不同烈度下的森林火燒跡地的突變情況也不盡相同，且對(duì)照區(qū)的突變時(shí)間點(diǎn)較火燒跡地滯后，這與其本身的立地條件有關(guān)。

3 討論

林火發(fā)生后，研究區(qū)的EVI值出現(xiàn)明顯下降，且火燒烈度越高，下降越明顯。之后EVI值逐漸增加，與不同火燒烈度的EVI值差異逐漸縮小，植被恢復(fù)特征明顯。研究時(shí)段內(nèi)，研究區(qū)的EVI值出現(xiàn)了幾次下降，可能受到了環(huán)境條件的影響；且火烈度不同，EVI下降程度不同，對(duì)照區(qū)變化較平緩，火烈度越強(qiáng)，波動(dòng)越明顯。由于林地的組成較復(fù)雜，過(guò)火區(qū)域即使已經(jīng)恢復(fù)WFQPkhkgNulYbMTT2Z0bYw==為原來(lái)狀態(tài)，其生物多樣性、穩(wěn)定性還會(huì)發(fā)生變化［18-19］，易受到自然環(huán)境的影響。2006—2020年，由于火后開(kāi)放的環(huán)境使幼苗更容易獲得陽(yáng)光而很快恢復(fù)為火燒前的狀態(tài)，也可得知此時(shí)的植被恢復(fù)狀態(tài)與受災(zāi)程度有很大關(guān)系，此時(shí)火燒區(qū)的植被生長(zhǎng)還不穩(wěn)定，容易受環(huán)境影響而產(chǎn)生較大波動(dòng)。2010年之后EVI的變化，說(shuō)明植被的生長(zhǎng)已經(jīng)不再主要受林火的影響，而更易受到該區(qū)域立地條件的制約。對(duì)輕、中、重度的EVI變化曲線(xiàn)分別擬合后發(fā)現(xiàn)，EVI恢復(fù)速率由大到小為：極重、重度、中度、輕度，森林恢復(fù)速率與火燒強(qiáng)度呈正相關(guān)。對(duì)于草原來(lái)說(shuō)，火燒強(qiáng)度不是十分重要的因素［20-21］?？傮w上看，隨著時(shí)間的變化，研究區(qū)火燒跡地的植被在逐步恢復(fù)。

林地重度、極重過(guò)火區(qū)可以較徹底地清理地表植被，更有利于幼樹(shù)生長(zhǎng)；在林地輕度火燒區(qū)，燒毀樹(shù)木較少，而林下灌木和荒草等地被層被燃盡，使種子與土壤接觸的機(jī)會(huì)變大，在火后幾年時(shí)間內(nèi)EVI變化明顯，但持續(xù)時(shí)間不長(zhǎng)，故其總體增加趨勢(shì)沒(méi)有中度和重度森林火燒區(qū)明顯；灌草區(qū)由于其恢復(fù)速度快，在火燒后可以很快恢復(fù)，之后受環(huán)境的影響較大，波動(dòng)較大，所以灌草區(qū)的植被增加趨勢(shì)并不明顯。相對(duì)于林地，灌草地的突變點(diǎn)更多，說(shuō)明森林生態(tài)系統(tǒng)的穩(wěn)定性要比草地生態(tài)系統(tǒng)強(qiáng)。而不同烈度下的森林火燒跡地的突變情況也不盡相同，且對(duì)照區(qū)的突變時(shí)間點(diǎn)較火燒跡地滯后，這與其本身的立地條件有關(guān)［22-23］。

本研究基于Google Earth Engine平臺(tái)獲取火燒前后合成影像，利用近紅外波段與dNBR指數(shù)閾值與傳統(tǒng)的遙感方法相比，建立和提取火災(zāi)痕跡可以大大提高工作效率，并提供可靠的結(jié)果。然而，由于Google Earth Engine平臺(tái)最大計(jì)算復(fù)雜度的限制，合成圖像的時(shí)間范圍不應(yīng)太長(zhǎng)，除云掩模處理后的合成圖像質(zhì)量也會(huì)受到一定影響。提取的火災(zāi)痕跡可能存在錯(cuò)誤和遺漏。未來(lái)，可以添加一定數(shù)量的訓(xùn)練樣本，以提高燒傷部位的提取精度。此外，國(guó)內(nèi)遙感大數(shù)據(jù)平臺(tái)也已開(kāi)放使用，數(shù)據(jù)儲(chǔ)備更大，更新頻率更快。因此，可以被認(rèn)為是未來(lái)相關(guān)研究的處理平臺(tái)。

4 結(jié)論

本研究以大興安嶺松嶺區(qū)那源林場(chǎng)作為研究區(qū)域，基于2006—2020年Landsat遙感影像，利用 Google Earth Engine平臺(tái)，利用差分歸一化燃燒指數(shù)進(jìn)行火燒跡地識(shí)別，提取2006年大興安嶺地區(qū)松嶺區(qū)森林火燒跡地，并對(duì)火燒烈度進(jìn)行了等級(jí)劃分，基于火燒跡地的EVI（增強(qiáng)型植被指數(shù)）值，采用一元線(xiàn)性回歸分析、Mann-Kendall突變檢驗(yàn)和Theil-Sen median趨勢(shì)分析等方法分析火燒跡地2006—2020年的植被恢復(fù)特征，探究大興安嶺地區(qū)火燒跡地植被恢復(fù)進(jìn)程。主要研究結(jié)論如下。

1）研究區(qū)過(guò)火面積為2 488.7 hm2，輕度、中度、重度和極重火燒跡地面積占比分別為23.5%、9.6%、35.2%和31.7%，其EVI 值分別比火燒前下降約30%、40%、58%和67%。

2）隨著植被的恢復(fù)，跡地EVI值逐漸增加，與對(duì)照區(qū)的差異逐漸縮小。不同烈度林地火燒跡地EVI 恢復(fù)速率表現(xiàn)由大到小為：極重、重度、中度、輕度，輕度和中度火燒跡地在火后6～8 a，重度火燒跡地在火后14 a左右恢復(fù)為正常植被狀態(tài)；而灌草地火燒跡地在林火發(fā)生后2 a即可恢復(fù)正常。

3）過(guò)火區(qū)生態(tài)系統(tǒng)脆弱，易受環(huán)境條件影響?；馃E地恢復(fù)過(guò)程中，林地EVI突變點(diǎn)較灌草地少，說(shuō)明森林生態(tài)系統(tǒng)較灌草地穩(wěn)定性強(qiáng)。不同烈度林地火燒跡地的突變情況也存在一定差異，且對(duì)照區(qū)的突變時(shí)間點(diǎn)滯后于火燒跡地。

【參 考 文 獻(xiàn)】

［1］ HANTSON S，ARNETH A，HARRISON SP，et al.The status and challenge of global fire modelling［J］.Biogeosciences，2016，13（11）：3359-3375.

［2］ 閆勝良，馬繼東，田靜.基于隱馬爾可夫模型的火災(zāi)風(fēng)險(xiǎn)評(píng)估研究［J］.森林工程，2024，40（2）：151-158.

YAN S L，MA J D，TIAN J.Research on fire risk assessment based on hidden Markov model［J］.Forest Engineering，2024，40（2）：151-159.

［3］ SHI P，KASPERSON R.World atlas of natural disaster risk［M］.Heidelberg：Springer Berlin，2015.

［4］ 梁順林，張曉通，肖志強(qiáng)，等.全球陸表特征參量（GLASS）產(chǎn)品算法、驗(yàn)證與分析［M］.北京：高等教育出版社，2014.

LIANG S L，ZHANG X T，XIAO Z Q，et al.Global Land Surface Characteristic Parameters （GLASS） product algorithm，validation，and analysis［M］.Beijing：Higher Education Press，2014.

［5］ 劉煬煬.基于GEE的林火識(shí)別與火后植被恢復(fù)評(píng)估研究［D］.北京：北京林業(yè)大學(xué)，2020.

LIU Y Y.Research on forest fire identification and post fire vegetation restoration evaluation based on GEE［D］.Beijing：Forestry University，2020.

［6］ HALL D K，ORMSBY J P，JOHNSON L，et al.Landsat digital analysis of the initial recovery of burned tundra at Kokolik River，Alaska［J］.Remote Sensing of Environment，1980，10（4）：263-272.

［7］ 王正非，劉自強(qiáng)，陳大我.論生態(tài)平衡和林火烈度［J］.植物生態(tài)學(xué)報(bào)，1986，10（1）：68-75.

WANG Z F，LIU Z Q，CHEN D W.On ecological balance and forest fire intensity［J］.Journal of Plant Ecology，1986，10（1）：68-75.

［8］ 陳本清，徐涵秋.遙感技術(shù)在森林火災(zāi)信息提取中的應(yīng)用［J］.福州大學(xué)學(xué)報(bào)：自然科學(xué)版，2001，29（2）：23-26.

CHEN B Q，XU H Q.The application of remote sensing in extraction of forest burnt scar information［J］.Journal of Fuzhou University（Natural Science Edition），2001，29（2）：23-26.

［9］ 解伏菊，肖篤寧，李秀珍，等.基于NDVI的不同火燒強(qiáng)度下大興安嶺林火跡地森林景觀恢復(fù)［J］.生態(tài)學(xué)雜志，2005，24（4）：368-372.

JIE F J，XIAO D N，LI X Z，et al.Forest landscape restoration assessment based on NDVI under different burn intensity in the burned blank of Daxinganling Mountains［J］.Journal of Ecology，2005，24（4）：368-372.

［10］ 宮阿都，李靜.1987年大興安嶺森林火災(zāi)對(duì)陸地植被影響數(shù)據(jù)集［J］.全球變化數(shù)據(jù)學(xué)報(bào)（中英文），2018，2（1）：59-66，190-197.

GONG A D，LI J.Dataset of forest fire and its impacts on the terrestrial vegetation in the Greater Khingan range，China，1987［J］.Journal of Global Change Data & Discovery，2018，2（1）：59-66，190-197.

［11］ 孫妙琦，岳彩榮，段云芳，等.光學(xué)協(xié)同合成孔徑雷達(dá)數(shù)據(jù)的森林類(lèi)型分類(lèi)研究［J/OL］.森林工程，https：//link.cnki.net/urlid/23.1388.s.20240516.1407.002.

SUN M Q，YUE C R，DUAN Y F，et al.Research on forest type classification with feature level fusion by integrating optical data with SAR data［J/OL］.Forest Engineering，https：//link.cnki.net/urlid/23.1388.s.20240516.1407.002.

［12］ 曾愛(ài)聰，蔡奇均，蘇漳文，等.基于MODIS衛(wèi)星火點(diǎn)的浙江省林火季節(jié)變化及驅(qū)動(dòng)因子［J］.應(yīng)用生態(tài)學(xué)報(bào)，2020，31（2）：399-406.

ZENG A C，CAI Q J，SU Z W，et al.Seasonal variation and driving factors of forest fire in Zhejiang Province，based on MODIS satellite hot spots［J］.Journal of Applied Ecology，2020，31（2）：399-406.

［13］ 王冰，張金鈺，孟勐，等.基于EVI的大興安嶺火燒跡地植被恢復(fù)特征研究［J］.林業(yè)科學(xué)研究，2021，34（2）：32-41.

WANG B，ZHANG J Y，MENG M，et al.Study on vegetation restoration characteristics of Daxing’anling burned area based on EVI［J］.Forest Research，2021，34（2）：32-41.

［14］ GISLASON P O，BENEDIKTSSON J A，SVEINSSON J R，et al.Random forests for land cover classification［J］.Pattern Recognition Letter，2006，27（4）：294-300.

［15］ DE S A，ASNER G P，VAUGHAN P J，et al.Mapping burn severity and burning efficiency in California using simulation models and Landsat imagery［J］.Remote Sensing of Environment，2010，114（7）：1535-1545.

［16］ PALANDJIAN D，GITAS I Z，WRIGHT R，et al.Burned area mapping and post-fire impact assessment in the Kassandra peninsula （Greece） using Landsat TM and Quickbird data［J］.Geocarto International，2009，24（3）：193-205.

［17］ FEMANDE-MANSO A，QUINTANO C，ROBERTS D.Burn severity influence on post-fire vegetation cover resilience from Landsat MESMA fraction images time series in Mediterranean forest ecosystems［J］.Remote Sensing of Environment，2016，184：112-123.

［18］ 馬楠楠，張彥雷，李建，等.黑龍江呼瑪縣森林火災(zāi)時(shí)空分布特征［J］.東北林業(yè)大學(xué)學(xué)報(bào)，2016，44（5）：20-23，56.

MA N N，ZHANG Y L，LI J，et al.Spatial and temporal distribution characteristics of forest fire in Huma County of Heilongjiang Province［J］.Journal of Northeast Forestry University，2016，44（5）：20-23，56.

［19］ 張運(yùn)生，舒立福，趙鳳君，等.森林撫育對(duì)滇中地區(qū)潛在樹(shù)冠火的影響［J］.森林工程，2023，39（5）：1-10.

ZHANG Y S，SHU L F，ZHAO F J，et al.Effects of forest tending on potential crown fires in central Yunnan［J］.Forest Engineering，2023，39（5）：1-10.

［20］ 劉柯珍，舒立福，趙鳳君，等.基于衛(wèi)星監(jiān)測(cè)熱點(diǎn)的林火分布及發(fā)生預(yù)報(bào)模型［J］．林業(yè)工程學(xué)報(bào)，2017，2（ 4）：128-133.

LIU K Z，SHU L F，ZHAO F J，et al.Research on spatial distribution of forest fire based on satellite hotspots data and forecasting model［J］.Journal of Forestry Engineering，2017，2（4）：128-133.

［21］ 王愛(ài)愛(ài).NDVI時(shí)間序列重建及火后森林恢復(fù)時(shí)空動(dòng)態(tài)分析［D］.哈爾濱：哈爾濱師范大學(xué)，2018.

WANG A A.NDVI time series reconstruction and spatiotemporal dynamic analysis of post fire forest restoration［D］.Harbin：Harbin Normal University，2018.

［22］ 賈旭，高永，魏寶成，等．基于MODIS數(shù)據(jù)的內(nèi)蒙古地形因子對(duì)火災(zāi)分布的影響分析［J］.北京林業(yè)大學(xué)學(xué)報(bào)，2017，39（4）：34-39.

JIA X，GAO Y，WEI B C，et al.Impact of topographic features on the distribution of fire based on MODIS data in Inner Mongolia，northern China［J］.Journal of Beijing Forestry University，2017，39（4）：34-39.

［23］ 曾愛(ài)聰，郭新彬，鄭文霞，等.基于MODIS衛(wèi)星火點(diǎn)數(shù)據(jù)的浙江省林火時(shí)空動(dòng)態(tài)變化特征［J］.北京林業(yè)大學(xué)學(xué)報(bào)，2020，42（11）：39-46.

ZENG A C，GUO X B，ZHENG W X，et al.Temporal and spatial dynamic characteristics of forest fire in Zhejiang Province of eastern China based on MODIS satellite hot spot data［J］.Journal of Beijing Forestry University，2020，42（11）：39-46.