中国林业科学研究院资源信息研究所, 国家林业和草原局林业遥感与信息技术重点实验室, 北京 100091
为探究利用高分六号卫星宽幅(GF-6 WFV)数据识别火烧迹地的适宜光谱波段和指数, 选取2019年发生在我国内蒙古大兴安岭林区的三处雷击火形成的火烧迹地作为研究区, 结合GF-6 WFV波段组成, 选取归一化植被指数(normalized difference vegetation index, NDVI)、 全球环境监测指数(global environment monitoring index, GEMI)、 增强植被指数(enhanced vegetation index, EVI)、 燃烧面积指数(burned area index, BAI)、 土壤调节植被指数(soil-adjusted vegetation index, SAVI)、 改进型土壤调节植被指数(modified soil-adjusted vegetation index, MSAVI)和归一化差异水体指数(normalized difference water index, NDWI)等7个光谱指数及地面叶绿素指数(MERIS terrestrial chlorophyll index, MTCI)、 归一化差值红边指数(normalized difference red edge index 1, NDRE1)、 改进的叶绿素吸收指数(modified chlorophyll absorption ratio index 2, MCARI2)和改进的归一化土壤指数(modified normalized difference soil index, MNDSI)等4个改进指数, 基于同期影像和前后两期影像进行火烧迹地和其他典型类别的区分度计算, 并利用上述11个指数及指数差值进行火烧迹地的识别, 定量评价了GF-6 WFV各波段、 所选光谱指数及改进指数识别火烧迹地的能力。 结果表明: (1)GF-6 WFV的近红外波段和新增的两个红边波段区分度较高, 反映火烧迹地特征的能力较强。 (2)在区分火烧迹地和火烧前正常植被上, NDVI, GEMI, EVI, BAI, SAVI, MSAVI和NDWI 7个光谱指数等的区分能力较强, 4个改进指数中, NDRE1和MCARI2的区分能力较好, MNDSI和MTCI的区分效果较差。 (3)在区分同期影像火烧迹地和其余典型类别上, BAI, NDVI, MCARI2和NDWI区分效果较优, 其次为NDRE1, GEMI, EVI, SAVI和MSAVI, 而MNDSI, MTCI的区分能力较差。 (4)在利用所选指数和指数差值识别火烧迹地中, GEMI, EVI, BAI, SAVI和MSAVI的识别精度均较优, 其次是MCARI2, NDVI和NDWI, 做差后提取精度显著上升, Kappa系数均提升到0.80以上, MTCI, MNDSI和NDRE1提取效果较差。 综合比较, BAI和GEMI识别效果最好, NDVI, EVI, SAVI, MSAVI, NDWI和MCARI2的识别能力中等, 而MNDSI, NDRE1和MTCI等3个改进指数识别火烧迹地的能力较差。
高分六号宽幅数据 光谱指数 改进指数 区分度M 火烧迹地 GF-6 WFV data Spectral index Modified index Separability index M Burned area