大兴安岭火烧迹地遥感提取研究

doi:10.13466/j.cnki.lyzygl.2022.02.011

林业资源管理 ›› 2022›› Issue (2): 75-81.doi: 10.13466/j.cnki.lyzygl.2022.02.011

大兴安岭火烧迹地遥感提取研究

郝帅¹^,²(), 王星¹, 张秋良¹^,², 王冰¹^,²(), 田原³

1.内蒙古农业大学林学院,呼和浩特 010019
2.内蒙古大兴安岭森林生态系统国家野外科学观测研究站,内蒙古根河 022350
3.黄山学院生命与环境科学学院,安徽黄山 245041

收稿日期:2022-01-15 修回日期:2022-02-23 出版日期:2022-04-28 发布日期:2022-06-13
通讯作者: 王冰
作者简介:郝帅(1992-),男,内蒙古巴彦淖尔人,实验师,研究方向:林业遥感、森林可持续经营。Email: alan@imau.edu.cn
基金资助:
内蒙古自然科学基金(2018MS03049);“十三五”国家重点研发计划“火烧及采伐迹地森林生态系统恢复和功能提升关键技术”(2017YFC0504003);黄山学院人才启动项目“树干直径微变化特征及其对环境因子的响应研究”(2020xkjq012)

Study on Remote Sensing Extractions of Burned Areas in Greater Khingan Mountains

HAO Shuai¹^,²(), WANG Xing¹, ZHANG Qiuliang¹^,², WANG Bing¹^,²(), TIAN Yuan³

1. Forestry College,Inner Mongolia Agricultural University,Hohhot 010019,China
2. Forest Ecosystem National Observation and Research Station of Greater Khingan Mountains,Genhe,Inner Mongolia 022350,China
3. College of Life and Environmental Science,Huangshan University,Huangshan,Anhui 245041,China

Received:2022-01-15 Revised:2022-02-23 Online:2022-04-28 Published:2022-06-13
Contact: WANG Bing

摘要/Abstract

摘要：

林火是森林生态系统的重要影响因子,遥感技术的发展为林火监测和损失估算提供了强有力的技术手段。以内蒙古根河市1987年、2003年和2015年火烧迹地为研究对象,基于Landsat遥感影像,对比分析NDVI,EVI,GEMI,BAI,NBR,dNBR,NDSWIR等7种常见遥感指数对火烧迹地的提取能力,从而筛选出适合大兴安岭火烧迹地提取的最佳遥感指数。通过对遥感指数和分离指数的对比分析,得出结论:1)经历林火干扰的植被,其光谱特征也相应改变,基于近红外波段的遥感指数可将火烧迹地与正常植被区分。2)dNBR为提取大兴安岭火烧迹地的最佳遥感指数,其提取精度在90%以上;其次为NBR,BAI,NDSWIR;NDVI和EVI最差。 3)基于dNBR提取的3个不同年份火烧迹地面积分别为3 145.23,197 726.67,48.06hm²。

关键词: 大兴安岭, 火烧迹地, Landsat, 遥感指数, 分离指数

Abstract:

Fire is an important influencing factor of forest ecosystem. The development of remote sensing technology provides a powerful technical means for forest fire monitoring and loss estimation. Based on Landsat images,the extraction abilities of seven common remote sensing indexes (NDVI,EVI,GEMI,BAI,NBR,dNBR,NDSWIR) for the burned area in 1987,2003 and 2015 of Greater Khingan Mountains were compared and analyzed,so as to select the best remote sensing index suitable for the extraction of burning areas in Greater Khingan Mountains. Through the comparative analysis of the remote sensing indexes and the separation index,the following results were obtained:(1) after the fire,the spectral characteristics of vegetation changed correspondingly. The remote sensing index based on near-infrared band can distinguish the burned area from the normal vegetation. (2) The dNBR was the best remote sensing index for extracting the burned area in Greater Khingan Mountains,followed by the NBR,BAI and NDSWIR,the NDVI and EVI were the worst. (3) The areas of three burned areas based on dNBR were 3 145.23,197 726.67 and 48.06 hm²,respectively.

Key words: Greater Khingan Mountains, burned area, landsat, remote sensing index, separation index

中图分类号:

TP79
S762

郝帅, 王星, 张秋良, 王冰, 田原. 大兴安岭火烧迹地遥感提取研究[J]. 林业资源管理, 2022,(2): 75-81.

HAO Shuai, WANG Xing, ZHANG Qiuliang, WANG Bing, TIAN Yuan. Study on Remote Sensing Extractions of Burned Areas in Greater Khingan Mountains[J]. FOREST RESOURCES WANAGEMENT, 2022,(2): 75-81.

图/表 10

图1

表1

图2

图3

图4

图5

图6

表2

图7

表3

参考文献 21

[1]	安森鹏, 高振岭, 王磊. 林火对森林生态系统的影响[J]. 科技信息, 2013(6):90-91.
[2]	杨伟, 张树文, 姜晓丽. 基于MODIS时序数据的黑龙江流域火烧迹地提取[J]. 生态学报, 2015, 35(17):5866-5873.
[3]	Mouillot F, Schultz M G, Yue C, et al. Ten years of global burned area products from spaceborne remote sensing—A review:Analysis of user needs and recommendations for future developments[J]. International Journal of Applied Earth Observations and Geoinformation, 2014, 26:64-79.
[4]	钱峻屏, 李岩, 廖其芳, 等. 利用遥感植被指数分析中国东部样带农业生态系统的生产力格局[J]. 生态学杂志, 2001(6):46-49.
[5]	孙桂芬, 覃先林, 刘树超, 等. 典型植被指数识别火烧迹地潜力分析[J]. 国土资源遥感, 2019, 31(1):204-211.
[6]	Key C H. Ecological and sampling constraints on defining landscape fire severity[J]. Fire Ecology, 2006, 2(2):34-59. doi: 10.4996/fireecology.0202034
[7]	Roy D P, Jin Y, Lewis P E, et al. Prototyping a global algorithm for systematic fire-affected area mapping using MODIS time series data[J]. Remote Sensing of Environment, 2005, 97(2):137-162. doi: 10.1016/j.rse.2005.04.007
[8]	孙桂芬. 森林火烧迹地识别及植被恢复卫星遥感监测方法[D]. 北京: 中国林业科学研究院, 2018.
[9]	朱曦, 覃先林. 基于二阶段算法的HJ-CCD数据过火区制图[J]. 遥感技术与应用, 2013, 28(1):72-77.
[10]	吴立叶, 沈润平, 李鑫慧, 等. 不同遥感指数提取林火迹地研究[J]. 遥感技术与应用, 2014, 29(4):567-574.
[11]	祖笑锋, 覃先林, 尹凌宇, 等. 基于高分一号影像光谱指数识别火烧迹地的决策树方法[J]. 林业资源管理, 2015(4):73-78.
[12]	康祥瑞. 基于Landsat TM影像的火烧迹地遥感提取及林火烈度的空间分析[D]. 哈尔滨: 东北林业大学, 2017.
[13]	包月梅, 孙紫英, 赵鹏武, 等. 基于遥感数据的根河市火烧迹地植被覆盖度时空分析[J]. 东北林业大学学报, 2015, 43(11):62-69.
[14]	罗火钱, 陈文惠. 火烧迹地森林恢复的植被指数时间序列特征谱研究[J]. 四川林勘设计, 2012(1):23-30.
[15]	余哲修, 何超, 李昔纯, 等. 基于归一化燃烧率火烧迹地遥感提取识别规则研究[J]. 西北林学院学报, 2018, 33(1):216-224.
[16]	王晓莉, 王文娟, 常禹, 等. 基于NBR指数分析大兴安岭呼中森林过火区的林火烈度[J]. 应用生态学报, 2013, 24(4):967-974.
[17]	Veraverbeke S, Harris S, Hook S. Evaluating spectral indices for burned area discrimination using MODIS/ASTER(MASTER)airborne simulator data[J]. Remote Sensing of Environment, 2011, 115(10):2702-2709. doi: 10.1016/j.rse.2011.06.010
[18]	Loboda T, O'Neal K J, Csiszar I. Regionally adaptable dNBR-based algorithm for burned area mapping from MODIS data[J]. Remote Sensing of Environment, 2007, 109(4):429-442. doi: 10.1016/j.rse.2007.01.017
[19]	Bastarrika A, Chuvieco E, Martín M P. Mapping burned areas from Landsat TM/ETM+data with a two-phase algorithm:Balancing omission and commission errors[J]. Remote Sensing of Environment, 2010, 115(4):1003-1012. doi: 10.1016/j.rse.2010.12.005
[20]	钱安, 陈娅男, 王秋玲. 基于Landsat影像提取大兴安岭区域火烧迹地[J]. 山西建筑, 2017, 43(15):192-193.
[21]	Gitas I Z, Devereux B J. The role of topographic correction in mapping recently burned Mediterranean forest areas from LANDSAT TM images[J]. International Journal of Remote Sensing, 2006, 27(1):41-54. doi: 10.1080/01431160500182992

传感器	年份	属性	景数
Landsat 5	1986	火前	1
	1987	火后	1
	2001	火前	1
	2003	火后	1
Landsat 8	2014	火前	1
Landsat 8	2015	火后	1

遥感指数	总体精度/%			Kappa系数
遥感指数	1987	2003	2015	1987	2003	2015
NDVI	73.73	85.88	86.04	0.48	0.72	0.43
EVI	69.58	81.26	81.87	0.41	0.62	0.35
GEMI	73.92	80.65	79.56	0.49	0.61	0.32
dNBR	90.54	95.19	94.62	0.81	0.90	0.68
BAI	89.30	92.96	90.44	0.78	0.86	0.47
NBR	91.87	93.09	90.88	0.84	0.86	0.52
NDSWIR	80.32	89.89	80.99	0.61	0.80	0.30

大兴安岭火烧迹地遥感提取研究

Study on Remote Sensing Extractions of Burned Areas in Greater Khingan Mountains

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 21

相关文章 15

编辑推荐

Metrics

本文评价

[1]	郝君, 吕康婷, 胡天祺, 王云阁, 徐刚. 基于机器学习的红树林生物量遥感反演研究[J]. 林草资源研究, 2024, 0(1): 65-72.
[2]	孙玉成, 张喜亭, 季倩如, 张建宇, 王文杰. 大兴安岭泰加林植物多样性特征调查与分析[J]. 林业资源管理, 2022, 0(6): 124-130.
[3]	彭燕, 史正涛, 何丽, 沈润, 徐瑞, 陈越豪. 西双版纳天然林丧失时空变化及其景观生态响应[J]. 林业资源管理, 2022, 0(3): 73-80.
[4]	萨如拉, 呼日查, 于晓雨, 王子瑞. 不同干扰下大兴安岭白桦次生林土壤理化性质特征[J]. 林业资源管理, 2022, 0(2): 135-140.
[5]	张向龙, 王冰, 张秋良. 内蒙古大兴安岭白桦次生林空间结构特征[J]. 林业资源管理, 2021, 0(5): 80-86.
[6]	白夜, 武英达, 王博, 石宽. 我国森林草原火灾潜在风险应对策略研究[J]. 林业资源管理, 2020, 0(1): 11-14.
[7]	焦银合, 于泉洲, 刘恩峰, 梁春玲, 田晓飞, 张保华. 基于遥感的南四湖菹草群落时空演变特征及其原因分析[J]. 林业资源管理, 2020, 0(1): 70-78.
[8]	袁昊, 陈宏伟, 齐麟, 房磊, 乔泽宇, 赵福强. 基于landsat影像大兴安岭地区林火烈度时空格局分析[J]. 林业资源管理, 2019, 0(6): 91-96.
[9]	刘兵兵, 赵鹏武, 周梅, 王媛, 杨柳, 舒洋. 林窗对大兴安岭南段杨桦次生林林下更新特征的影响[J]. 林业资源管理, 2019, 0(4): 31-36.
[10]	陈岱. 基于Logistic回归模型的大兴安岭林火预测研究[J]. 林业资源管理, 2019, 0(1): 116-122.
[11]	任怡, 王海宾, 许等平. 基于Landsat 8影像的乔木林地上生物量估算[J]. 林业资源管理, 2018, 0(6): 38-44.
[12]	巴音德乐黑, 包翔, 周梅, 赵鹏武, 石亮, 郝良杰. 基于MODIS NDVI的大兴安岭北坡植被覆盖时空变化特征[J]. 林业资源管理, 2018, 0(6): 50-56.
[13]	周新瑞, 甘淑, 袁希平, 于辉. 面向自然保护区周边的人为扰动影响遥感探测分析——以永德大雪山国家级自然保护区为例[J]. 林业资源管理, 2018, 0(5): 105-112.
[14]	王梓璇, 周梅, 赵鹏武, 王鼎, 杨磊, 丁兆华. 不同火烧木管理方式火烧迹地林下物种多样性及地上生物量研究——以寒温带兴安落叶松林为例[J]. 林业资源管理, 2018, 0(4): 28-33.
[15]	赵鹏武, 翟溟赜, 六子一, 魏晓霞. 大兴安岭南段次生林叶面积指数季节动态特征[J]. 林业资源管理, 2017, 0(6): 103-107.