514 Journal of remote sensing( Chinese)遥感学报2020,24(5 出多个分散的燃烧区域,如果要准确从卫星影像2.6森林火灾受害程度评价 中勾绘出这些正在燃烧的区域,通常比较繁琐。 对森林受害程度及损失状况的评估是开展森 杨飞(2012)、覃先林等(2014)曾利用具有中高林火灾恢复重建工作极为重要的业务需求。森林 分辨率特性的 Landsat tm/etM+数据模拟GF-4数受害程度可以反映火灾发生后森林生态系统变化 据,研究了火线轮廓定量提取方法,实现了基于程度,即它与植被死亡率成正比,与植被修复能 Landsat tm/etm+数据自动生成火线轮廓参数算法力成反比。利用卫星遥感技术评价森林火灾受害 程序化;该方法曾用于估测在中国黑龙江省和俄程度不仅可了解火后森林受害程度,也有助于指 罗斯远东地区境内的森林大火的火线参数;随着导森林火灾灾后恢复工作。国内外较多用火烧烈 GF-4卫星的升空运行,目前该技术已成功应用于度( Burn Severity)来定量评价森林受害程度(常 GF-4PMI数据定量提取森林大火火线轮廓参数。 禹等,2012;李明泽等,2017)。 2.5森林火烧迹地制图 不同类型卫星遥感数据及其光谱波段间组合 卫星影像能够获取同一地区不同时间的信息, 指数,如NBR( Normalized burn ratio)、NDVI 而不同空间分辨率的卫星影像在不同尺度的火烧 Normalized Difference Vegetation Index) Fl EVI 迹地制图中都有应用。NASA、ESA、国际地圈生 ( Enhanced vegetation Index)等,已被广泛地应用 物圈计划(IGBP)等国际组织已发布了全球尺度 在森林燃烧受害程度的评价中。利用卫星遥感评 价森林燃烧受害程度的方法可分为:(1)通过目 卫星遥感火烧迹地产品,空间分辨率从250m到 视判读选取不同燃烧程度的训练样本,采用分类 不等( Chuvieco等,2018);Long等(2019)首 方法将卫星影像分为不同的火灾燃烧程度类别 次研制共享了全球30m分辨率的火烧迹地遥感 (2)通过卫星影像计算植被指数,结合地面调查 产品。 组合指数CBI( Composite Burn Index)来构建森林 可将光学卫星遥感森林火烧迹地制图方法归 燃烧受害程度的评价指标;(3)通过研究火灾发 类为图像分类法、植被指数法和 Logistic回归法 °生前后卫星遥感计算的值变化来进行受害程度评 图像分类法在火烧迹地遥感制图研究中使用比较价;如Y等(2013)通过 AVHRR数据计算的 多,主要包括传统的监督分类、非监督分类、决NDⅥ差值来评价1987年大兴安岭火灾受害程度和 策树分类、人工神经网络分类、面向对象分类和分析其空间格局;刘树超等(2018)利用森林火 随机森林分类等(祖笑锋等,2015;李明泽等 灾前后的 Landsat8影像计算的差值归一化燃烧指 2017)。植被指数法主要是根据被火烧后的植被在数(dNB)作为受害程度评价指标,通过目视解 卫星遥感影像光谱上与正常植被、其他地物的差译和统计分析相结合的方法,将森林火灾受害程 异,通过构建的植被指数来进行识别(易浩若和度分为低度、中度、重度和未受害等4个等级,对 纪平,1998;朱曦和覃先林,2013;孙桂芬 017-05-02发生在内蒙古毕拉河林场的森林火灾 2018)。该方法的难点是确定分离火烧迹地和其他受害程度进行了评价。 地物的植被指数和阈值;而不同的卫星传感器 按受害程度评价中选用的卫星数据时间可分 不同地区、不同地物类型和不同火灾损害程度等为IA( the initial assessment)和EA( ( the Extended 都会导致难于用同一阈值来判定火烧迹地。 Assessment)两类方法,其中前者选用森林火灾发 Logistic回归模型法是将卫星遥感的反射率或计算生当年的卫星数据;而后者则选用森林火灾发生 的植被指数,与气候、以及地理要素等参数进行后一年的卫星数据。Zh等(2006)对比分析了 回归,构建火烧迹地识别模型的方法。由于火烧EA与IA的评估结果,发现由森林火灾发生前的 迹地的识别实质上是将火烧迹地与非火烧迹地进NBR减去火灾后NBR生成的dNBR值与CBI的相 行区分,因此可以将其当作二分类的 Logistic回归关性更好;而Mler和Thde(2007)发现用EA数 分类,即通过 Logistic变换,利用设定的阈值将影据计算的 RdNBR( Relative dNBr)比dNBR与CBI 像中的火烧迹地与其他类别进行分离,提取火烧的相关性更高。 迹地(朱曦等,2013) 虽然由卫星数据计算出的NBR值与树冠烧毁Journal of Remote Sensing（Chinese） 遥感学报 2020, 24（5） 出多个分散的燃烧区域，如果要准确从卫星影像 中勾绘出这些正在燃烧的区域，通常比较繁琐。 杨飞 （2012）、覃先林等 （2014） 曾利用具有中高 分辨率特性的 Landsat TM/ETM+数据模拟 GF-4 数 据，研究了火线轮廓定量提取方法，实现了基于 Landsat TM/ETM+数据自动生成火线轮廓参数算法 程序化；该方法曾用于估测在中国黑龙江省和俄 罗斯远东地区境内的森林大火的火线参数；随着 GF-4卫星的升空运行，目前该技术已成功应用于 GF-4 PMI数据定量提取森林大火火线轮廓参数。 2.5 森林火烧迹地制图 卫星影像能够获取同一地区不同时间的信息， 而不同空间分辨率的卫星影像在不同尺度的火烧 迹地制图中都有应用。NASA、ESA、国际地圈生 物圈计划 （IGBP） 等国际组织已发布了全球尺度 卫星遥感火烧迹地产品，空间分辨率从250 m到1° 不等 （Chuvieco 等， 2018）； Long 等 （2019） 首 次研制共享了全球 30 m 分辨率的火烧迹地遥感 产品。 可将光学卫星遥感森林火烧迹地制图方法归 类为图像分类法、植被指数法和 Logistic 回归法。 图像分类法在火烧迹地遥感制图研究中使用比较 多，主要包括传统的监督分类、非监督分类、决 策树分类、人工神经网络分类、面向对象分类和 随机森林分类等 （祖笑锋 等，2015；李明泽 等， 2017）。植被指数法主要是根据被火烧后的植被在 卫星遥感影像光谱上与正常植被、其他地物的差 异，通过构建的植被指数来进行识别 （易浩若和 纪 平 ， 1998； 朱 曦 和 覃 先 林 ， 2013； 孙 桂 芬 ， 2018）。该方法的难点是确定分离火烧迹地和其他 地物的植被指数和阈值；而不同的卫星传感器、 不同地区、不同地物类型和不同火灾损害程度等 都 会 导 致 难 于 用 同 一 阈 值 来 判 定 火 烧 迹 地 。 Logistic 回归模型法是将卫星遥感的反射率或计算 的植被指数，与气候、以及地理要素等参数进行 回归，构建火烧迹地识别模型的方法。由于火烧 迹地的识别实质上是将火烧迹地与非火烧迹地进 行区分，因此可以将其当作二分类的 Logistic 回归 分类，即通过 Logistic 变换，利用设定的阈值将影 像中的火烧迹地与其他类别进行分离，提取火烧 迹地 （朱曦 等，2013）。 2.6 森林火灾受害程度评价 对森林受害程度及损失状况的评估是开展森 林火灾恢复重建工作极为重要的业务需求。森林 受害程度可以反映火灾发生后森林生态系统变化 程度，即它与植被死亡率成正比，与植被修复能 力成反比。利用卫星遥感技术评价森林火灾受害 程度不仅可了解火后森林受害程度，也有助于指 导森林火灾灾后恢复工作。国内外较多用火烧烈 度 （Burn Severity） 来定量评价森林受害程度 （常 禹 等，2012；李明泽 等，2017）。 不同类型卫星遥感数据及其光谱波段间组合 指 数 ， 如 NBR （Normalized Burn Ratio）、 NDVI （Normalized Difference Vegetation Index） 和 EVI （Enhanced Vegetation Index） 等，已被广泛地应用 在森林燃烧受害程度的评价中。利用卫星遥感评 价森林燃烧受害程度的方法可分为：（1） 通过目 视判读选取不同燃烧程度的训练样本，采用分类 方法将卫星影像分为不同的火灾燃烧程度类别； （2） 通过卫星影像计算植被指数，结合地面调查 组合指数 CBI （Composite Burn Index） 来构建森林 燃烧受害程度的评价指标；（3） 通过研究火灾发 生前后卫星遥感计算的值变化来进行受害程度评 价 ； 如 Yi 等 （2013） 通 过 AVHRR 数 据 计 算 的 NDVI差值来评价1987年大兴安岭火灾受害程度和 分析其空间格局；刘树超等 （2018） 利用森林火 灾前后的 Landsat 8 影像计算的差值归一化燃烧指 数 （dNBR） 作为受害程度评价指标，通过目视解 译和统计分析相结合的方法，将森林火灾受害程 度分为低度、中度、重度和未受害等4个等级，对 2017-05-02 发生在内蒙古毕拉河林场的森林火灾 受害程度进行了评价。 按受害程度评价中选用的卫星数据时间可分 为 IA （the Initial Assessment） 和 EA （the Extended Assessment） 两类方法，其中前者选用森林火灾发 生当年的卫星数据；而后者则选用森林火灾发生 后一年的卫星数据。Zhu 等 （2006） 对比分析了 EA 与 IA 的评估结果，发现由森林火灾发生前的 NBR 减去火灾后 NBR 生成的 dNBR 值与 CBI 的相 关性更好；而Miller和Thode （2007） 发现用EA数 据计算的 RdNBR （Relative dNBR） 比 dNBR 与 CBI 的相关性更高。 虽然由卫星数据计算出的 NBR 值与树冠烧毁 514