PDF《森林火灾严重程度遥感估测模型的比较研究》

第9卷第15期Vol.

9 No.15

2016 年8月August

2016 森林火灾严重程度遥感估测模型的比较研究 琚存勇

1 ,雷成亮

2 ,邸雪颖 1* (1. 东北林业大学林学院,哈尔滨 150040;

2. 国家林业局濒危物种进出口管理办公室,北京 100714) 摘要: 多光谱卫星数据正作为一种生态系统变化检测的辅助工具被广泛应用, 用相同波段或指数的不同时相差 值评价森林火灾严重程度的研究也越来越多.本研究以发生于

2006 年的大兴安岭松岭地区砍都河特大森林火 灾过火区为例,与当前流行的森林火灾严重程度的遥感估测方法进行比较.结果表明,不同的遥感估测模型 以二次多项式模型的精度最高,遥感指数则是归一化燃烧比(normalized burned ratio,NBR)的估测能力最好. 遥感数据不同的处理水平虽然影响森林火灾严重程度遥感估测模型的精度,但差别不大. 关键词:林业遥感;

归一化燃烧比;

模型;

森林火灾严重程度 中图分类号:S762 文献标识码:A 文章编号:1674-2850(2016)15-1502-05 Comparison of remotely sensed forest burn severity estimation JU Cunyong1 , LEI Chengliang2 , DI Xueying1 (1. School of Forestry, Northeast Forestry University, Harbin 150040, China;

2. Management Office for Import and Export of Endangered Species, State Forestry Administration, Beijing 100714, China) Abstract: Multispectral satellite data is regarded as a useful tool for ecosystem change detection, especially the temporal difference of the same bands and indices were increasingly applied to estimate forest fire severity. In this paper, we compared the different popular methods of estimating burn severity in Kandu river burned area located in Daxing'

anling mountains. The results showed that the quadratic polynomial model had the best accuracy among three models. The normalized burned ratio (NBR) performed better than the differenced normalized burn ratio (dNBR) and relative dNBR. In addition, although the remote sensing data with different processed levels influenced on the accuracy of burn severity estimating model, but the effect of different processed levels on accuracy was small in terms of amount. Key words: forestry remote sensing;

normalized burned ratio;

model;

forest burn severity

0 引言 森林火灾的发生,不仅使林内的地上生物大量死亡,而且还能引起林内的光照、温度、水分、土壤 等生态因子的改变,从而使原来森林生态系统的物种组成、结构与功能发生改变[1] .森林火灾的严重程 度不同,林内生态因子受影响程度不同,从而火烧迹地植被恢复策略也不一样[2~4] .传统的森林火灾严重 程度估测以地面调查为主,需要大量的人力物力.遥感技术的飞速发展,为森林火灾严重程度的快速调 查提供了可能,从而也为火烧迹地恢复方向的判定提供了理论基础.由于近红外波段对植被活体的叶绿 素含量比较敏感,而中红外波段则概括了土壤和植被含水量信息以及干物质中的木质素和土壤岩性信息 而多用来区分枯死木与土壤、 灰烬和烧焦木[5] , 国外研究者经常利用 Landsat TM 影像的近红外波段 (TM4, 基金项目:高等学校博士学科点专项科研基金(新教师基金) (20110062120010) 作者简介:琚存勇(1974―) ,男,副教授,主要研究方向:遥感应用与森林水文学. E-mail: [email protected] Vol.9 No.15 August

2016 中国科技论文在线精品论文

1503 波长 0.76~0.90 μm)和中红外波段(TM7,2.08~2.35 μm)来评价森林火灾的严重程度[5~8] .在国内, 利用遥感技术估测森林火灾严重程度的工作还不多见[9] . 本文以大兴安岭砍都河2006特大森林火灾为例, 探讨了几种不同的遥感燃烧指数估测森林火灾严重程度的可行性.

1 研究地概况 研究区位于黑龙江省大兴安岭地区松岭区境内,该区地处大兴安岭支脉伊勒呼里山的南麓,属松岭 林业局施业区范围,其地理坐标为:E124°52′11″~E125°07′06″,N51°20′39″~N51°31′38″. 研究区地处 寒温带,属大陆性季风气候.冬季受西伯利亚蒙古高原气团影响,严寒而干燥,风向多为西北风;

夏季 受海洋气团影响,温暖多雨,风向多为偏东南风.年平均气温为?3℃左右,极端最低温度?48℃,极端 最高温度 36℃. 大于 10℃的年积温在

1 400~1 500℃, 年平均降水量为

500 mm 左右. 无霜期 90~100 d, 植物生长期较短.植被代表类型主要有兴安落叶松林、白桦林及草本沼泽.砍都河特大森林火灾着火 时间为

2006 年5月22 日,扑灭时间为

2006 年6月2日,过火总面积为 16.94 万hm2 ,其中有林地 面积

8 万hm2 ,扑火费用

6 000 多万元(据地区森林防火办公室统计资料) .

2 研究方法 2.1 数据来源与处理 本文采用从国家林业局大兴安岭林业调查规划设计院收集的火灾专题图作为地面调查资料,遥感数 据采用 Landsat5 TM. 其中

2005 年6月2日Landsat5 TM 影像质量较好,其轨道号 120/024,对应过火区 上空的范围没有云层遮挡, 作为火前遥感数据. 火后遥感数据则为摄于

2006 年6月28 日、 轨道号 121/024 的影像,火前和火后遥感数据重叠区域覆盖了过火区及其周边范围. 在ENVI 4.7 环境下,根据 1:2.5 万比例尺林相图中的主要道路与河流、桥梁交叉点等明显地物先对 火前遥感影像进行几何校正,其中几何变换采用二次多项式的方法,光谱重采样采用双线性内插的方 法[10] .然后选择

7 个控制点把火后遥感影响与火前遥感影像进行空间配准,7 个点的配准误差为 0.22 个 像元. 2.2 森林火灾严重程度估测模型 从火灾专题图上提取火灾严重程度作为地面调查信息,共选取了

82 个点.根据取样点的位置从遥感影 像提取相应的 TM4 与TM7 数据构建森林火灾严重程度估测模型.遥感指数采用火后 NBR、归一化燃烧比 差(differenced NBR,dNBR)[5, 7~8] 与相对归一化燃烧比差(relative dNBR,RdNBR)[6] ,其计算方法如下: NBR (TM4 TM7)/(TM4 TM7) 1) dNBR PreFireNBR PostFireNBR = ? , (2) RdNBR (PreFireNBR PostFireNBR) / PreFireNBR = ? , (3) 其中,PreFireNBR 表示用火前的遥感数据计算的 NBR;

PostFireNBR 表示用火后的遥感数据计算的 NBR. 遥感数据采用

3 个处理层次,即DN(digital number)值、地物辐亮度(radiance)与大气表观反射率 (reflectance)[11] .估测模型选用常见的线性模型、多项式模型与指数模型[12] . 2.3 精度评价 在Matlab 2010a 环境下进行模型的拟合, 根据模型的决定系数[13] 、 均方误差[14] 评价模型的估测精度. 第9卷第15期2016 年8月琚存勇等:森林火灾严重程度遥感估测模型的比较研究

1504 3 结果与分析 3.1 拟合模型 以y表示森林火灾严重程度,x 表示遥感因子,a、b、c 为常(系)数项,构建线性模型、多项式模 型与指数模型,结果如下: y ax b = + , (4)

2 y a bx cx 5) e . bx y a = (6) 在Matlab 2010a 环境下利用拟合工具 Cftool 进行方程系数的拟合, 得到决定系数与均方误差如表

1 所示. 表1NBR、dNBR 与RdNBR 估测火烈度情况 Tab.

1 Relationships between NBR, dNBR, RdNBR and field measured forest burn severity 方法 模型 R2 RMSE y= ?3.959x+1.619 0.673 0.763

1 y=1.442?2.842x+3.425x2 0.708 0.725

3 NBR y=1.505e?1.795x 0.701 0.730

0 y=3.264x+1.693 0.444 0.995

3 y=1.648?2.585x+1.594x2 0.458 0.988

7 dNBR y=1.697e1.327x 0.452 0.445

4 y=5.316x+1.934 0.320 1.100

0 y=1.728+1.084x?0.123 1x2 0.402 1.039

0 RdNBR y=2.107 3e0.144 5x 0.262 1.146

0 从拟合结果可以看出,综合

3 种模型来看,火后 NBR 与地面调查森林火灾严重程度的相关性最........