基于Landsat影像的西昌泸山火烧迹地提取方法研究

西昌学院毕业论文目录摘要 [21]，通过对植被指数均值的分析，利用EVI指数均值大于0.8提取裸地，选取NDVI提取植被，将大于0.4的归为植被，最终分离出火烧迹地。决策树分类方式如图7，b1、b2、b3分别代表dNBR、EVI、NDVI。图7火烧迹地决策树示意图根据构建的决策树规则得到的结果如图8所示，采用生成的结果构建ROI区域，对dNBR提取的火烧迹地结果进行混淆矩阵定量评估，精度评价结果如表4所示，总体精度为92.31％，Kappa系数为0.8354。图7火烧迹地决策树示意图表4火烧迹地精度评价评价类型精度值总体精度92.31％Kappa系数0.83544结论与展望本研究基于Landsat8卫星影像数据，通过计算BAI（火烧迹地指数）、NDVI（归一化植被指数）、EVI（增强型植被指数）、GEMI（全球环境监测指数）、NBR（归一化燃烧比率）和dNBR（差异归一化燃烧比率）六种植被指数，系统评估了不同地物类别样本中植被指数对火烧迹地的识别能力，并成功提取了火烧迹地空间分布信息和面积。主要结论如下：（1）植被指数区分能力分析基于红光（Red）与近红外（NIR）波段的BAI指数在火烧迹地样本中均值最高，显著区别于其他地物，但其对山体阴影的敏感性较高，易引发误判。NDVI指数中，水体均值为负，植被均值显著偏高，适用于植被与水体的区分，但火烧迹地与裸地均值差异微弱。EVI虽能表征火烧迹地特征，但与云层均值高度重叠，受大气干扰显著。NBR与GEMI指数中，火烧迹地与裸地均值接近，光谱混淆问题突出。相比之下，dNBR通过火灾前后反射率差异运算，使火烧迹地均值较大，裸地和山体阴影均值较小，其余地物均为负，形成显著的光谱分离边界。NBR分离度总体表现最优，但对裸地分离度不足，难以满足研究区地形需求；NDVI、BAI火烧迹地与裸地、山体阴影分离度低，适用场景受限；EVI与GEMI分离度均小于1，不适用于火烧迹地提取；dNBR在3类地物中分离度>1，且火烧迹地均值最大，与其他地物区分明显，综合表现最佳。（2）火烧迹地面积提取dNBR通过时相差异运算有效抑制背景噪声，结合阈值法（dNBR>0.1）提取的火烧迹地面积为821.34hm2。基于dNBR阈值划分的火烧迹地烈度分级显示，重度与极重灾区（dNBR>0.5）集中于火场核心区，与影像目视解译验证结果一致，通过决策树分类的精度评价为92.31％，验证了该方法的可靠性。研究局限性dNBR虽对火烧特征敏感，但需结合地形阴影校正优化。未来可利用高分辨率数据，引入随机森林或深度学习模型，融合短波红外（SWIR）纹理、地形因子（坡度、坡向）与多指数特征，解决山体阴影的混淆问题，进一步提升复杂场景下的分类精度。此外单一指数易受植被季节性变化、云阴影及裸土光谱混淆的影响，导致误判，可结合多源影像进行对比，如Sentinel-2或无人机影像，从而提升细小火烧斑块的边界识别精度，并验证dNBR在高分辨率数据中的尺度效应。

参考文献黄云,文军,葛翔宇,等.基于风云气象和高分静止卫星数据的四川省凉山地区森林火灾遥感监测研究[J].四川林业科技,2024,45(04):54-63覃先林,李晓彤,刘树超,等.中国林火卫星遥感预警监测技术研究进展[J].遥感学报,2020,24(05):511-520周小成,汪小钦,高中灵.基于知识的多时相TM图像森林火烧迹地快速提取方法[J].灾害学,2005,(02):22-26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[J].林业资源理,2015,(04):73-78+83霍鹏,岳彩荣.基于QUEST决策树的火烧迹地自动提取[J].四川林业科技,2018,39(04):73-78刘炀炀.基于GEE的林火识别与火后植被恢复评估研究[D].北京林业大学,2020.王健,杜玉玲,高钊,等.基于MODIS时序数据的大兴安岭火烧迹地时空变化及其森林恢复研究[J].自然资源遥感,2024,36(02):142-150.黄超宇.基于多种机器学习算法的木里火烧迹地识别及林火烈度分析[D].四川农业大学,2023苏维翰,张楚然,邓云,等.基于Landsat影像评估鸡足山火烧迹地近40年间植被恢复动态[J/OL].生态学报,2025,(03):1-17[2024-12-28]张吕成,孙志超,董灵波.基于Landsat时间序列数据的火烧迹地识别与恢复效果评价[J].森林工程,2024,40(05):8-16韩丽,戴必辉,王秋华,等.影像选择及阈值对dNBR提取火烧迹地的影响[J].遥感信息,2023,38(01):47-55刘鑫蕾,王利,杜鹏.基于Sentinel-2影像的火烧迹地生态指数提取及植被恢复影响评价——以浑南区棋盘山为例[J].绿色科技,2024,26(10):105-109郝帅,王星,张秋良,等.大兴安岭火烧迹地遥感提取研究[J].林业资源理,2022,(02):75-81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(01):204-211廖瑶,李雪,刘芸,等.基于植被指数的高分一号遥感影像火烧迹地提取评价[J].自然灾害学报,2021,30(05):199-206张玉红,闫浩.森林火灾后植被恢复的遥感监测[J].自然灾报,2022,31(02):127-136王冰,张金钰,孟勐,等.基于EVI的大兴安岭火烧迹地植被恢复特征研究[J].林业科学研究,2021,34(02):32-41Key,C.H.,&Benson,N.C.Landscapeassessment(LA)samplingandanalysismethods.FIREMON:FireEffectsMonitoringandInventorySystem,2005林鹏.基于Sentinel-2的火烧迹地提取方法研究——以西昌泸山火灾为例[J].甘肃科技,2021