高分六號(hào)寬幅數(shù)據(jù)識(shí)別火燒跡地的光譜及指數(shù)分析

劉 倩，覃先林，胡心雨，李增元

中國(guó)林業(yè)科學(xué)研究院資源信息研究所，國(guó)家林業(yè)和草原局林業(yè)遙感與信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京 100091

引 言

森林?jǐn)_動(dòng)通過改變森林冠層生物量和結(jié)構(gòu)，對(duì)地表能量平衡、 碳動(dòng)態(tài)、 野生動(dòng)植物棲息地和人類活動(dòng)等產(chǎn)生級(jí)聯(lián)影響[1]。林火干擾作為一種重要的森林?jǐn)_動(dòng)因子，研究其光譜特征變化規(guī)律并準(zhǔn)確提取出擾動(dòng)區(qū)域，對(duì)于森林生態(tài)環(huán)境保護(hù)和可持續(xù)發(fā)展具有重要意義[2]。植被指數(shù)法是基于衛(wèi)星遙感數(shù)據(jù)進(jìn)行火燒跡地識(shí)別的一種常用方法[2]，Veraverbeke等[3]評(píng)估了MODIS/ASTER構(gòu)建的各種植被指數(shù)對(duì)于火燒跡地的分離能力； 吳立葉等[4]基于Landsat TM影像分析了7個(gè)波段及18個(gè)遙感指數(shù)對(duì)火燒跡地的提取能力； 李瑩等[5]基于Sentinel-2A的3個(gè)紅邊波段和1個(gè)近紅外窄波段，構(gòu)建主成分分析法(principal component analysis，PCA)和新型植被指數(shù)法進(jìn)行火燒跡地提取，研究發(fā)現(xiàn)利用紅邊波段的第三主成分分析法能較好、 較快提取火燒跡地； 朱曦等[6]基于HJ-1評(píng)估了NDVI，GEMI，BAI和EVI對(duì)過火區(qū)的分離能力，孫桂芬[2]、 武晉雯等[7]利用高分一號(hào)寬幅(GF-1 WFV)數(shù)據(jù)，基于NDVI，GEMI，EVI，BAI和NDWI等開展火燒跡地識(shí)別研究，精度達(dá)80%以上。2018年6月升空的高分六號(hào)(GF-6)衛(wèi)星因具有中高時(shí)間、 中空間分辨率和寬幅成像等特點(diǎn)，已逐漸被應(yīng)用于森林?jǐn)_動(dòng)及其恢復(fù)研究中[8]。

為探討GF-6 WFV數(shù)據(jù)識(shí)別火燒跡地的適宜光譜波段和指數(shù)，選取2019年發(fā)生在內(nèi)蒙古大興安嶺林區(qū)的3處雷擊火形成的火燒跡地為研究區(qū)，利用2018年和2019年的GF-6 WFV數(shù)據(jù)，分析研究區(qū)火災(zāi)發(fā)生前后的光譜特征變化，探討不同指數(shù)區(qū)分火燒跡地和其他典型類別的能力，并選擇2019年6月19日發(fā)生在金河林業(yè)局的雷擊火為例，系統(tǒng)評(píng)估這些指數(shù)及指數(shù)差值識(shí)別火燒跡地的能力，以期該數(shù)據(jù)應(yīng)用于我國(guó)的森林資源監(jiān)管工作。

1 實(shí)驗(yàn)部分

1.1 研究區(qū)概況

選擇內(nèi)蒙古大興安嶺林區(qū)內(nèi)3處火燒跡地作為研究區(qū)[見圖1(a,b,c)]，火燒跡地具體信息見表1。阿龍山林業(yè)局位于內(nèi)蒙古大興安嶺西坡北部，生態(tài)功能區(qū)地跨根河市和額爾古納市，地勢(shì)東高西低，海拔506～1 520 m，年平均降水量437.4 mm，森林覆蓋率95.3%； 莫爾道嘎林業(yè)局位于額爾古納市境內(nèi)，地形屬于低山丘陵，海拔417～1 404.7 m，林區(qū)地處寒溫帶，屬大陸性季風(fēng)氣候區(qū)，年均降水量369.6 mm，森林覆蓋率94.6%； 金河林業(yè)局位于根河市境內(nèi)，海拔540～1 466 m，年均降水量400～500 mm，年平均氣溫約為-5 ℃，冬長(zhǎng)夏短，四季晝夜溫差大，屬于寒溫帶大陸性季風(fēng)氣候，森林覆蓋率89.7%，主要樹種包括興安落葉松、 樟子松、 白樺和山楊等。

1.2 衛(wèi)星數(shù)據(jù)及預(yù)處理

選用2018年9月17日和2019年9月22日覆蓋研究區(qū)的GF-6 WFV L1級(jí)數(shù)據(jù)產(chǎn)品(來源： 中國(guó)資源衛(wèi)星應(yīng)用中心)，GF-6 WFV數(shù)據(jù)空間分辨率16 m，傳感器技術(shù)指標(biāo)見表2。

圖1 研究區(qū)(a)： 阿龍山林業(yè)局火燒跡地； (b)： 莫爾道嘎林業(yè)局火燒跡地； (c)： 金河林業(yè)局秀山林場(chǎng)火燒跡地Fig.1 Study area(a)： Burned area of Alongshan Forestry Bureau； (b)： Burned area of Mordaga Forestry Bureau；(c)： Burned area of Xiushan Forest Farm of Jinhe Forestry Bureau

表1 研究區(qū)的森林火災(zāi)信息Table 1 Forest fire information of the study area

表2 GF-6 WFV數(shù)據(jù)基本參數(shù)Table 2 General parameters of GF-6 WFV data

對(duì)選用的GF-6 WFV數(shù)據(jù)進(jìn)行輻射定標(biāo)、 大氣校正、 正射校正、 幾何配準(zhǔn)等預(yù)處理。其中： 大氣校正分別利用基于6S模型的RSD(Remote Sensing Desktop)軟件與基于MODTRAN模型的FLAASH大氣校正模塊的ENVI 軟件，結(jié)果均發(fā)現(xiàn)大氣校正后得到的2019年影像中第7波段(B7)絕大部分像元的地表反射率為負(fù)值，故剔除B7波段，并選擇用6S模型的大氣校正結(jié)果進(jìn)行后續(xù)實(shí)驗(yàn)分析。正射校正選擇30 m ASTER GDEM V2數(shù)據(jù)，幾何配準(zhǔn)采用相對(duì)配準(zhǔn)的方法，以2019年9月22日火后的GF-6 WFV影像為基準(zhǔn)，對(duì)另一景影像進(jìn)行配準(zhǔn)處理，幾何配準(zhǔn)總誤差(RMSE)控制在1個(gè)像元以內(nèi)。

1.3 研究方法

1.3.1 指數(shù)計(jì)算

依據(jù)GF-6 WFV的波段組成并考慮到實(shí)際應(yīng)用中易混淆類別的影響，選取能較好反映火燒跡地、 植被、 土壤和水體等類別的11個(gè)指數(shù)進(jìn)行比較分析。將11個(gè)指數(shù)分為光譜指數(shù)和改進(jìn)指數(shù)兩類，改進(jìn)指數(shù)包括MTCI，NDRE1，MCARI2和MNDSI，其中MTCI，NDRE1和MCARI2依照MERIS數(shù)據(jù)提出，后被用于Sentinel-2A數(shù)據(jù)中[9]，根據(jù)GF-6 WFV的波段范圍選擇最臨近的波段反射率來代替[10]； MNDSI指數(shù)參考應(yīng)用在Worldview-2衛(wèi)星的一種改進(jìn)型土壤特征指數(shù)[11]。所選擇的11個(gè)指數(shù)具體名稱及其計(jì)算公式等信息見表3。

表3 指數(shù)公式Table 3 The formulas of indices

1.3.2 區(qū)分度計(jì)算

區(qū)分度(M)是定量評(píng)價(jià)波段和指數(shù)分離性的常用統(tǒng)計(jì)量[12]，計(jì)算公式如式(1)

(1)

式(1)中，μb和μu分別為火燒跡地和其他的類別樣本平均值；σb和σu分別為他們對(duì)應(yīng)的標(biāo)準(zhǔn)差。

通常，M越大表示火燒跡地和其他的類別分離性越好，M<1代表分離性較差，M≥1代表分離性良好。

2 結(jié)果與討論

2.1 火燒跡地及典型類別光譜分析

利用預(yù)處理后的2019年9月22日GF-6 WFV影像，選取火燒跡地、 正常植被、 建筑物、 裸地、 水體、 農(nóng)田、 云和云陰影等8種典型類別，每一類別選擇30～50個(gè)樣本，分別統(tǒng)計(jì)得出各類樣本在7個(gè)波段(B1—B6，B8)上的反射率均值，得到如圖2的光譜曲線。

圖2 GF-6 WFV提取典型類別光譜曲線Fig.2 Spectral curves of typical categoriesextracted by GF-6 WFV

由圖2可知，云在可見光和近紅外波段的反射率比火燒跡地和其他的類別反射率都高，較易區(qū)分，其次是農(nóng)田、 建筑物和裸地； 火燒跡地在可見光各個(gè)波段的反射率與正常植被、 水體、 云陰影等的反射率相近，較難區(qū)分； 而在近紅外波段，水體的反射率最低，正常植被由于葉片細(xì)胞結(jié)構(gòu)的多重反射[13]，其反射率急劇上升，易與火燒跡地進(jìn)行區(qū)分。

2.2 基于兩期影像的火燒跡地不同波段及指數(shù)區(qū)分度分析

為進(jìn)一步了解GF-6 WFV的7個(gè)波段對(duì)火燒跡地的響應(yīng)程度，利用2019年9月22日的火燒跡地樣本和2018年9月17日火燒前相同位置正常植被樣本，分別計(jì)算7個(gè)波段對(duì)應(yīng)地表反射率的均值、 標(biāo)準(zhǔn)差(圖3)，并求得各波段火燒跡地和火燒前正常植被區(qū)分度，結(jié)果見表4。

圖3 不同波段中火燒跡地和燃燒前植被地表反射率的平均值和標(biāo)準(zhǔn)差

由于現(xiàn)有指數(shù)中未有一個(gè)指數(shù)能在所有環(huán)境或火燒程度下較好地識(shí)別出燃燒區(qū)域[14]，故本研究在波段區(qū)分度分析基礎(chǔ)上，選取了覆蓋GF-6 WFV波段的11個(gè)指數(shù)進(jìn)行火燒跡地和火燒前正常植被區(qū)分度計(jì)算，結(jié)果見表5。

由圖3結(jié)合表4可知： GF-6 WFV 波段1—6和波段8中，近紅外波段(B4)和兩個(gè)新增的紅邊波段(B5和B6)的區(qū)分度均大于1，火燒后的森林植被反射率大幅下降，其中B6波段對(duì)火燒跡地的響應(yīng)程度最大，區(qū)分度高達(dá)1.80； 其次是B4波段，區(qū)分度略低于B6波段； B5波段也具備能較好反映火燒跡地特征的能力； 而在可見光波段區(qū)間內(nèi)，植被發(fā)生燃燒后反射率略有下降, 其余波段變化較小，響應(yīng)能力較差。火燒跡地表面沉積有木炭，灰塵和燃料等，整體來看，燃燒過的區(qū)域反射率值基本隨波長(zhǎng)增加而升高，燃燒后反射率降低且對(duì)應(yīng)標(biāo)準(zhǔn)誤差隨著波長(zhǎng)增加而變大，但在B2波段范圍正常植被和火燒跡地的反射率都比B8波段范圍略高一點(diǎn)，而在B3波段燃燒前植被反射率略低于火燒跡地反射率。

表4 GF-6 WFV不同波段的火燒跡地與火燒前正常植被區(qū)分度Table 4 Separability value of GF-6 WFV different bandsbetween burned areas and vegetation in pro-fire

表5 GF-6 WFV不同指數(shù)的火燒跡地與火燒前正常植被區(qū)分度Table 5 Separability value of GF-6 WFV different indicesbetween burned areas and vegetation in pro-fire

由表5可知： NDVI，GEMI，EVI，BAI，SAVI，MSAVI和NDWI等7個(gè)光譜指數(shù)的火燒跡地和火燒前正常植被區(qū)分度均大于2，其中NDVI的區(qū)分度最高，為3.11； 在4個(gè)改進(jìn)指數(shù)中，NDRE1和MCARI2的區(qū)分度均大于1，其中MCARI2區(qū)分度大于2，區(qū)分效果要優(yōu)于NDRE1，而MNDSI和MTCI的區(qū)分度小于1，表現(xiàn)較差。

2.3 基于同期影像的不同指數(shù)火燒跡地與其余典型類別區(qū)分度分析

統(tǒng)計(jì)2019年9月22日的GF-6 WFV研究區(qū)各類樣本，計(jì)算不同指數(shù)的均值和標(biāo)準(zhǔn)差，得到區(qū)分度M，分析同期影像中火燒跡地與其余7類典型類別的不同指數(shù)分離性，結(jié)果如圖4所示。

由圖4可知，BAI，NDVI，MCARI2和NDWI對(duì)GF-6 WFV數(shù)據(jù)的火燒跡地與其余7類典型類別的區(qū)分度較好，其中BAI對(duì)正常植被、 農(nóng)田和云的區(qū)分度M>1.9，對(duì)水體的區(qū)分度M>1.2，區(qū)分十分顯著，但水體和云陰影容易和火燒跡地混淆，而NDVI，MCARI2和NDWI三個(gè)指數(shù)的區(qū)分效果類似，對(duì)于正常植被、 水體、 農(nóng)田和云的區(qū)分度M>1，易與火燒跡地進(jìn)行區(qū)分； 其次是GEMI和NDRE1，其中GEMI能對(duì)火燒跡地和正常植被、 裸地、 水體進(jìn)行較好區(qū)分，NDRE1能較好分離火燒跡地和正常植被、 農(nóng)田、 云； 至于EVI，SAVI和MSAVI，僅有正常植被和水體的區(qū)分度M>1，對(duì)于其他的類別區(qū)分能力較差； MNDSI和MTCI的區(qū)分效果最差，MNDSI僅有農(nóng)田的區(qū)分度M>1，而MTCI對(duì)各類別的區(qū)分度值均低于1，并不能區(qū)分出火燒跡地和其余7種典型類別。

圖4 火燒跡地與其余7類的不同指數(shù)區(qū)分度Fig.4 Separability value of different indices betweenburned areas and the seven categories

2.4 不同指數(shù)識(shí)別火燒跡地的精度評(píng)價(jià)

選擇發(fā)生在金河林業(yè)局秀山林場(chǎng)的一處火燒跡地來進(jìn)一步分析所選11個(gè)指數(shù)識(shí)別火燒跡地的能力，將這些指數(shù)分為兩類，一類為火后影像計(jì)算的指數(shù)，另一類為火災(zāi)前后兩期影像的指數(shù)差值； 將所選指數(shù)進(jìn)行歸一化處理，使其取值范圍為[0, 1]，以0.01為步長(zhǎng)進(jìn)行閾值搜索。由于與總體精度相比，Kappa系數(shù)在燃燒區(qū)和非燃燒區(qū)的分類問題中具有更好的準(zhǔn)確性[15]，故選擇Kappa系數(shù)最高時(shí)的閾值作為該指數(shù)識(shí)別火燒跡地的最佳閾值。比較在最佳閾值下每個(gè)指數(shù)提取火燒跡地的結(jié)果，并利用目視解譯結(jié)果作為參考，對(duì)自動(dòng)識(shí)別的火燒跡地結(jié)果進(jìn)行精度驗(yàn)證，對(duì)比分析兩類指數(shù)提取的Kappa系數(shù)，結(jié)果見表6。

表6 不同指數(shù)識(shí)別金河林業(yè)局秀山林場(chǎng)火燒跡地精度

由表6可知，在同期影像火燒跡地的識(shí)別中，GEMI，EVI，BAI，SAVI和MSAVI等5個(gè)指數(shù)識(shí)別火燒跡地的能力較強(qiáng)，Kappa系數(shù)達(dá)0.80以上，其中EVI，SAVI和MSAVI的Kappa系數(shù)達(dá)0.85，相對(duì)更優(yōu)； MCARI2和NDVI識(shí)別火燒跡地的Kappa系數(shù)0.70～0.74，相對(duì)識(shí)別效果中等； NDWI，MTCI，NDRE1和MNDSI的Kappa系數(shù)均低于0.70，提取效果不佳。在前后兩期影像火燒跡地的識(shí)別中，dGEMI，dEVI，dSAVI，dMSAVI，dNDVI和dBAI等6個(gè)指數(shù)差值識(shí)別火燒跡地的能力較強(qiáng)，Kappa系數(shù)0.85以上，其中dGEMI，dEVI，dSAVI和dMSAVI的Kappa系數(shù)達(dá)0.90以上，相對(duì)更優(yōu)； dNDWI和dMCARI2識(shí)別火燒跡地的Kappa系數(shù)0.80～0.82，相對(duì)識(shí)別效果中等； dMTCI，dNDRE1和dMNDSI的Kappa系數(shù)均低于0.70，提取效果不佳。通過比較這些指數(shù)及指數(shù)差值，還可發(fā)現(xiàn)指數(shù)差值能明顯提高火燒跡地識(shí)別精度，其中NDVI，NDWI和MCARI2做差后火燒跡地的提取精度有顯著提升。

在所選的11個(gè)指數(shù)中，BAI和GEMI提取火燒跡地的效果最好，一是在火燒跡地和火燒前植被區(qū)分度、 同期影像上火燒跡地和其余7種典型類別的區(qū)分度分析中表現(xiàn)都較優(yōu)，二是在同期影像和前后兩期影像提取火燒跡地中，Kappa系數(shù)均高于0.80，優(yōu)于其他大部分指數(shù)。其次是NDVI，EVI，SAVI和MSAVI，其中NDVI在同期影像上提取火燒跡地的效果比BAI和GEMI差一些，而EVI，SAVI和MSAVI在區(qū)分火燒跡地和其余7種典型類別的能力方面要略次于BAI和GEMI，提取火燒跡地的能力中等； NDWI和MCARI2在同期影像上提取火燒跡地效果不佳，做差后提取精度有所上升，Kappa系數(shù)提升至0.80左右； MNDSI，NDRE1和MTCI提取火燒跡地的能力較差，MNDSI和MTCI無論是在兩期影像上區(qū)分火燒跡地和火燒前植被還是同期影像上區(qū)分火燒跡地和其余7種典型類別，其區(qū)分能力都很差，同時(shí)這3個(gè)指數(shù)也無法在同期和前后兩期影像中提取出火燒跡地，其中MNDSI由區(qū)分度較低的B2和B8波段構(gòu)建，而NDRE1和MTCI盡管加入了區(qū)分度較高的B5和B6波段，但表現(xiàn)都較差，可能原因是這些紅邊指數(shù)是基于實(shí)測(cè)高光譜數(shù)據(jù)建立的，與GF-6 WFV波段并不完全對(duì)應(yīng)，故而提取結(jié)果不理想。

3 結(jié) 論

基于內(nèi)蒙古大興安嶺林區(qū)的GF-6 WFV數(shù)據(jù)，通過分析森林火災(zāi)發(fā)生前后地物光譜變化，定量評(píng)價(jià)了NDVI，GEMI，EVI，BAI，SAVI，MSAVI和NDWI等7個(gè)光譜指數(shù)，以及MTCI，NDRE1，MCARI2和MNDSI等4個(gè)改進(jìn)指數(shù)提取火燒跡地的能力。得到如下結(jié)論：

(1)由所選8類樣本光譜曲線分析可知，在GF-6 WFV的可見光與近紅外波段，云的反射率最高，可見光各波段的火燒跡地反射率與其余地物比較接近，而在近紅外波段和紅邊波段更易于區(qū)分火燒跡地與其余地物。

(2)根據(jù)火燒跡地和火燒前正常植被各波段的區(qū)分度分析結(jié)果可知，GF-6 WFV的近紅外波段(B4)和兩個(gè)新增的紅邊波段(B5，B6)對(duì)火燒跡地和火燒前正常植被區(qū)分度較高，反映火燒跡地特征的能力較強(qiáng)； 整體來看，燃燒過的區(qū)域反射率基本保持隨波長(zhǎng)增加而上升的趨勢(shì)，燃燒后反射率會(huì)有小幅下降且對(duì)應(yīng)標(biāo)準(zhǔn)誤差隨波長(zhǎng)而呈遞增趨勢(shì)，這與Long等[16]制作全球30 m火燒跡地產(chǎn)品時(shí)分析一致，但在本研究區(qū)，正常植被和火燒跡地在B2波段的反射率都比B8波段略高，而在B3波段，燃燒前植被的反射率與火燒跡地的反射率相近甚至略低一點(diǎn)； 出現(xiàn)這種情況可能與大興安嶺區(qū)域植被類型和生長(zhǎng)狀況以及燃燒程度的不同有關(guān)[17]，這些差異也表明火燒后植被反射率隨波段變化是有區(qū)域特性的，不同區(qū)域會(huì)有少許差異。

(3)在利用GF-6 WFV數(shù)據(jù)識(shí)別火燒跡地的光譜及11個(gè)指數(shù)比較分析中，BAI和GEMI識(shí)別效果最好，NDVI，EVI，SAVI，MSAVI，NDWI和MCARI2的識(shí)別能力中等，而MNDSI，NDRE1和MTCI等3個(gè)改進(jìn)指數(shù)提取火燒跡地的能力均較差。結(jié)果表明以指數(shù)及指數(shù)差值進(jìn)行火燒跡地識(shí)別的精度不僅與指數(shù)構(gòu)造的波段相關(guān)，構(gòu)造形式也很重要。

在GF-6 WFV新增波段組成的改進(jìn)指數(shù)中，只有MCARI2提取火燒跡地的能力相對(duì)較好，表明新增波段對(duì)于火燒跡地的提取有一定幫助； 今后可進(jìn)一步探究利用紅邊波段構(gòu)建新的識(shí)別指數(shù)，以提升GF-6 WFV數(shù)據(jù)識(shí)別火燒跡地的精度，深入挖掘GF-6 WFV影像兩個(gè)紅邊波段在火燒跡地識(shí)別中的應(yīng)用潛力。本方法只在一個(gè)時(shí)相進(jìn)行了探討，可能會(huì)帶來一定影響，未來將選取不同時(shí)相的火燒跡地，并嘗試綜合多種指標(biāo)進(jìn)行下一步研究，以深入挖掘GF-6 WFV數(shù)據(jù)新增波段在火燒跡地識(shí)別方面的應(yīng)用潛力。