基于时序高分一号宽幅影像火后植被光谱及指数变化分析
孙桂芬1, 覃先林1,*, 尹凌宇1, 刘树超1, 李增元1, 陈小中2, 钟祥清2
1. 中国林业科学研究院资源信息研究所, 国家林业局林业遥感与信息技术实验室, 北京 100091
2. 四川省林业信息中心, 四川 成都 610081
*通讯联系人 e-mail: noaags@ifrit.ac.cn

作者简介: 孙桂芬, 女, 1992年生, 中国林业科学研究院资源信息研究所硕士研究生 e-mail: sunguifen12@163.com

摘要

为了探究国产高分卫星遥感技术监测火干扰对植被生长影响的能力及其表征植被指数, 选取2014年发生在四川省雅江县和冕宁县的两场森林火灾形成的火烧迹地作为研究区, 利用火灾前后时序的高分一号宽幅(GF-1 WFV)数据, 对不同受灾程度火烧迹地火灾前后的光谱特征变化进行分析, 并以月为单位分析了不同受害程度植被火后两年内由GF-1 WFV数据生成的归一化植被指数(NDVI)、 增强型植被指数(EVI)和全球环境监测植被指数(GEMI)等三种表征植被生长状态的植被指数的变化, 结合研究区纬度、 海拔和气候条件分析火后植被的年内恢复规律。 结果表明: 火烧造成植被色素和细胞结构破坏, 使其不再表现出正常植被特有的光谱特征, 在可见光区受害植被的反射率相比于正常植被偏高, 且其值随受灾程度加重而升高; 在近红外波段火干扰后的植被反射率降低, 其值远低于正常植被的反射率值。 NDVI, EVI和GEMI在表征植被恢复生长过程中存在高度相关性且对植被季节变化敏感, 均能反映植被恢复的生长过程, 具有描述火烧区植被恢复动态过程的能力; 受灾植被恢复生长过程中的植被指数变化与正常植被年生长过程的植被指数变化趋势基本一致, 同样存在生长季和非生长季; 火烧区植被的NDVI, EVI和GEMI值相比正常植被对应植被指数值始终偏低, 且植被受灾越严重, 其植被指数值在同期中对应越低。

关键词: 高分一号宽幅数据; 光谱特征; 植被指数; 时间序列; 植被恢复
中图分类号:TP79 文献标志码:A
Changes Analysis of Post-Fire Vegetation Spectrum and Index Based on Time Series GF-1 WFV Images
SUN Gui-fen1, QIN Xian-lin1,*, YIN Ling-yu1, LIU Shu-chao1, LI Zeng-yuan1, CHEN Xiao-zhong2, ZHONG Xiang-qing2
1. Research Institute of Forest Resources Information Technique, Chinese Academy of forestry, Key Laboratory of Forestry Remote Sensing and Information Techniques, State Forestry Administration, Beijing 100091, China
2. Forestry Information Center of Sichuan Province, Chengdu 610081, China
Abstract

To explore the ability of domestic high-resolution satellite remote sensing technology monitoring the effect of fire disturbance on vegetation growth and the characterize vegetation index, two burned sites formed by forest fire in 2014 in Yajiang county and Mianning county of Sichuan province were selected as the study area. The change of vegetation spectral features of burned area at different burned severity between pre-fire and post-fire has been analyzed using the selected GF-1 WFV data. At the same time, post-firetime series GF-1 WFV data has been used to analyze the monthly variation of Normalized Difference Vegetation Index(NDVI), Enhanced Vegetation Index (EVI) and Global Environment Monitoring Index (GEMI) which can characterize vegetation growth status of fire disturbance vegetation at different fire severity during two years after the forest fires taking place. With Combination of the latitude, altitude and climatic conditions of the study area, vegetation recovery pattern of post-fire vegetation was analyzed. Results showed that the vegetation pigments and cell structure were destroyed by the fire, which made its spectral features no longer show the unique spectral characteristics of normal vegetation. In the visible region, spectral reflectance of fire-disturbed vegetation at different fire severity was higher than that of normal vegetation and its value increased withthe severity. In the near infrared band, the reflectance of vegetation decreased after fire disturbance and its value was much lower than that of normal vegetation. NDVI, EVI and GEMI were highly correlated in the characterization of vegetation restoration process and sensitive to vegetation seasonal variation, which made it capability to reflect vegetation restoration process and they had the ability to describe the dynamic process of vegetation restoration. The changes of vegetation index of disturbed vegetation in vegetation restoration process were basically same as that of normal vegetation. Growing and non-growing season existed in the restoration process of affected vegetation as well. NDVI, EVI and GEMI of the vegetation at burned area were always lower than those of the normal vegetation and the higher the vegetation burned severity, the lower the vegetation index value was.

Keyword: GF-1 WFV data; Spectral features; Vegetation index; Time series; Vegetation restoration

引 言

火干扰会影响森林正常生长状态, 并可以在短时间内造成森林冠层覆盖和林木生物量的显著减少, 形成火烧迹地。 火烧迹地内植被的恢复一直是火烧区生态恢复的关键, 特别是火后早期的植被恢复更加重要。 通过连续地面观测火后植被生长的光谱来分析火烧植被恢复过程虽然比较科学, 但比较费时、 费力。 卫星传遥感器可长时间重复对火烧迹地进行观测, 其不同波段常用来检测植被及其光谱特征变化, 由遥感数据生成的植被指数也常作为植被恢复监测的定量指标。 归一化植被指数(normalized difference vegetation index, NDVI)与植被生长及盖度相关, 且其随季节变化与植被生长规律具有一致性, 因此被广泛用于火后植被恢复的研究[1]。 由遥感数据获取的火灾前后的反射率值和植被指数等常被用来研究植被类型和火强度对植被恢复过程的影响[2, 3]。 光谱混合分析(spectral mixture analysis, SMA)、 红外-近红外植被指数常被用来与火烧迹地野外调查数据进行相关性分析从而开展植被恢复定量估计的方法研究[4, 5, 6]。 Moderate-resolution imaging spectroradiometer (MODIS)和Thematic mapper/enhanced thematic mapper (TM/ETM)时序数据常被用来开展以年为单位的植被恢复研究, 其中MODIS时序数据多用于开展大区域火烧迹地植被恢复的研究, 而TM时序数据多用于中小尺度的研究。 研究重点多是通过植被指数阈值确定植被演替阶段, 研究的时间跨度一般在10~20年, 因此对火烧迹地早期每月植被恢复状况关注较少。

本文选取气候条件、 纬度和海拔不同, 但森林火灾发生时间较接近的两个火烧迹地为实验区, 利用具有高时间、 高空间分辨率、 多光谱和宽覆盖等特点的国产GF-1 WFV时序数据, 通过分析实验区火灾前后植被的光谱特征变化以及NDVI、 增强型植被指数(enhanced vegetation index, EVI)和全球环境监测植被指数(global environment monitoring index, GEMI)等三种植被指数随时间的变化趋势, 在面上尺度研究火灾对植被的影响和火后两年内不同受灾程度植被的恢复状况, 以期为火后早期植被恢复监测与恢复模式的选择提供技术参考。

1 研究区概况

选取位于四川省雅江县和冕宁县的两个火烧迹地作为研究区, 这两场森林火灾发生的时间比较接近, 其中四川省雅江县火烧迹地是2014年1月25日发生的森林火灾形成(如图1), 火场林相是松树和灌木; 四川省冕宁县火烧迹地是2014年2月14日发生的森林火灾形成(如图2), 其主要的植被类型是云南松和杂灌林。 雅江县地处四川省甘孜州南部(具体位置见图3), 位于29° 03'— 30° 30'N, 100° 19'— 101° 26'E之间, 属于川西北丘状高原山地, 其西南部为极高山地貌, 海拔在5 000 m以上, 地势北高南低; 年均气温11 ℃, 其1月平均温度为1.4 ℃, 7月平均温度为18 ℃, 年降水量650 mm, 一年内无霜期为188 d, 年均日照时长为2 319 h, 属于青藏高原亚湿润气候区。 冕宁县地处四川省凉山彝族自治州北部(具体位置见图3), 位于28° 05'— 29° 02'N, 101° 38'— 102° 25'E之间; 其年均气温13.8 ℃, 年均降雨量1 094 mm, 一年内无霜期235 d, 年均日照时数2 079 h, 日照率为47%, 年均相对湿度69%, 属于典型的亚热带季风气候。

图1 雅江县火烧迹地Fig.1 Burned area of Yajiang county

图2 冕宁县火烧迹地Fig.2 Burned area of Mianning county

图3 雅江县、 冕宁县位置Fig.3 Location of Yajiang county and Mianning county

2 实验部分
2.1 数据获取

从中国资源卫星应用中心陆地观测卫星数据服务平台上选取下载了覆盖所选两个研究区的2014年— 2015年间GF-1WFV数据(其参数见表1)共42景, 其中覆盖雅江县火烧迹地的GF-1WFV数据20景(因2014年7月, 8月和2015年6月, 7月被云覆盖, 无可用数据); 获取到覆盖冕宁县火烧迹地的GF-1WFV数据22景(2014年8月和2015年9月由于云影响, 无可用数据)。

表1 GF-1 WFV数据参数 Table 1 Parameters of GF-1 WFV data

另外, 利用美国ASD FieldSpec光谱仪对研究区内不同受灾程度的植被光谱进行实测, 用于GF-1 WFV的光谱数据验证。

2.2 数据处理

(1)数据预处理

对选取的GF-1 WFV数据进行辐射定标、 FLAASH大气校正、 带参考影像的正射校正(以Landsat8数据作为参考影像, DEM数据采用全球30m的DEM)和图像配准(以火灾当月的火后数据作为基准图像, 并保证总误差在一个像元以内的配准精度)等处理, 将所有选取的GF-1WFV原始DN值影像转换为具有相同投影参数的地表反射率影像。

(2)受害程度分级

通过现地调查, 对比火灾前后影像和NDVI统计分析结果, 将两个研究区的火烧区域植被受害程度等级分为轻度、 中度、 重度和正常植被等四级, 其对应的NDVI阈值范围见表2

表2 火烧区受灾程度等级划分标准 Table 2 Standards for burned severity classification in burned area

(3)云和阴影剔除

由于选取的研究区内部分时段的影像仍存在云和阴影, 因此, 在对数据进行统计分析时, 为减少干扰, 需将其除去。 通过对云的反射率统计分析发现大部分云的反射率在GF-1 WFV的四个波段中均大于0.1, 因此, 将四个波段反射率均大于0.1的云像元剔除; 阴影的反射率与火烧迹地反射率值相近, 在处理中使用拉依达准则(3σ ), 将大于μ +3σ 和小于μ -3σ 的样本作为阴影进行剔除。

(4)植被指数计算

根据GF-1 WFV的波段特性, 选取NDVI, EVI和GEMI等3种植被指数, 用于不同受灾程度植被指数变化分析, 其计算公式分别见式(1)、 式(2)和式(3)。

NDVI=ρNIR-ρRρNIR+ρR(1)

其中: ρ NIR为GF-1 WFV的近红外波段反射率, ρ R为GF-1 WFV的红光波段反射率。

EVI=2.5ρNIR-ρRρNIR+6ρR-7.5ρB+1(2)

其中: ρ B为GF-1 WFV的蓝光波段反射率; 其余同上。

GEMI=η(1-0.25η)-ρR-0.1251-ρR(3)

其中: η=2(ρNIR2-ρR2)+1.5ρNIR+0.5ρRρNIR+ρR+0.5; 其余同上。

2.3 研究方法

根据受灾程度分级, 在处理后的GF-1WFV数据上选取样本点, 每类至少选取50个样本; 通过选取ROI的方式, 按月生成各样本点对应像元的光谱值并计算植被指数值。 采用统计方法对生成的样本点的光谱和植被指数变化进行分析。

3 结果与讨论
3.1 火烧前后植被光谱变化分析

基于2014年1月29日的GF-1 WFV影像(火后最近一期影像)提取不同受灾程度植被反射率, 并绘制成图4所示的光谱曲线。 使用美国ASD FieldSpec光谱仪对不同受灾程度的样本点进行实地测量, 并将不同受灾等级植被反射率多次测量求平均; 在正常植被区选取正常植被叶片多次测量求平均, 最终绘制成图5所示的光谱曲线。

图4 由GF-1 WFV得到的不同受灾程度植被反射率Fig.4 Reflectance of vegetation in different fire severity obtained from GF-1 WFV data

图5 实地测得植被反射率Fig.5 Field-measured vegetation reflectance

在可见光波谱区间, 叶绿素对不同谱段能量存在强反射和强吸收的现象, 正常植被光谱特征会表现出明显的反射峰和反射谷。 从图4、 图5中可以看出, 在该波谱范围内, 由于植被燃烧会造成其叶绿素不同程度的破坏, 被火烧后植被光谱反射率不再表现出正常植被特有的反射峰和反射谷, 且其值相比于正常植被均有所升高, 且受火烧灼伤程度越严重其反射率值越大。

在近红外波谱区间, 火烧使植被叶片细胞结构破坏, 使其吸收的能量增加, 反射率减小。 从图4和图5中均可以看出, 被火烧后的植被光谱特征不再表现为正常植被具有的“ 红边现象” , 其值均比正常植被的光谱反射率值低。

3.2 火灾前后植被指数变化分析

对森林火灾发生前后的NDVI, EVI和GEMI等三种植被指数值对应进行差值运算, 分别定义为dNDVI, dEVI和dGEMI, 并对这两个研究区的火灾前后植被指数变化值分别按受害程度计算得到其均值, 结果见表3

表3 不同受灾程度的dNDVI, dEVI和dGEMI均值 Table 3 Meansof dNDVI, dEVI and dGEMI in different burned severity

表3中看出, 两个研究区内的不同受害区, 均表现出dNDVI值最大, 且受害程度越严重, 其dNDVI值越大的规律; 另外, 两个研究区的重度受害区域均表现出dNDVI值最大、 dEVI值次之、 dGEMI值最小的规律; 但在中度和轻度火烧区, 两个研究区的dEVI值与dGEMI值间的差异并不太大, 且dEVI值和dGEMI值最小。

3.3 植被指数间相关性分析

采用SPSS统计软件, 在0.01水平上, 分别对两个研究区内利用GF-1WFV数据计算的NDVI, EVI和GEMI等三种植被指数所描述的植被恢复过程进行相关性分析, 其结果如表4所示。

表4 三种植被指数相关性分析结果 Table 4 Correlation analysisresults of three vegetation indices

表4中可以看出, 两个研究区的NDVI, EVI和GEMI在描述植被恢复的生长过程中, 两两间均在0.01水平上存在显著相关性, 其中EVI和GEMI最为相关, NDVI和EVI的相关性次之, NDVI和GEMI相关性最小。 在NDVI, EVI和GEMI以月为单位的植被指数变化曲线上, 这种相关性表现为最大值, 最小值出现的月份以及曲线上升、 下降的走势基本相同。 结果表明两个研究区NDVI, EVI和GEMI均能用来描述2014年— 2015年两年间火烧迹地植被恢复的生长过程。

3.4 同一研究区植被指数随时间变化分析

对不同受灾程度植被的NDVI, EVI和GEMI随时间变化进行分析, 在此以雅江县的火烧迹地为例, 结果如图6, 图7和图8所示。

图6 NDVI值随时间变化分析结果Fig.6 Analysis results of NDVI changed with time

图7 EVI值随时间变化分析结果Fig.7 Analysis results of EVI changed with time

图8 GEMI值随时间变化分析结果Fig.8 Analysis results of EVI changed with time

从图6、 图7和图8中可以看出, 植被指数值从2014年8月— 9月下降, 到2015年4月出现最低值, 随后其数值缓慢上升。 对雅江县的气温和降水分析表明, 该县2~4月的气温开始回升, 但降水处于最少的时期; 从5月开始, 随着雨季到来, 降水增加[7]。 森林火灾发生后, 由于林内光照增加, 土壤理化条件得到改善, 那些具有较强萌生能力的草本植物会迅速进行原位替代。 雅江县和冕宁县的火灾分别发生在2014年1月和2月, 均为森林植被的非生长季节, 随着生长季到来, 过火区内植被在火灾发生当年就开始恢复。 经实地野外调查显示, 植被恢复的第一年, 火烧迹地内长了许多草并出现大量的小株松树幼苗。

通过对同一研究区植被指数随时间的变化分析发现, 火后植被恢复的前两年不同受灾程度火烧植被的植被指数始终低于正常植被的植被指数值, 且植被受灾程度与其植被指数值存在负相关, 即受灾程度越严重的植被, 其植被指数值越低; 火灾造成火烧迹地林分结构和土壤环境不同程度的破坏, 受灾越严重的区域, 林分结构和地被物破坏越严重, 植被恢复越困难。

3.5 不同研究区植被指数最值对比分析

分别对两个火烧迹地内的不同受灾程度近两年内的不同植被指数的最大值、 最小值出现的月份进行统计, 结果如表5所示。

表5 两个研究区植被指数最大值、 最小值及出现月份对比结果 Table 5 Comparison results of maximum and minimum values and occurred month of vegetation index in the two study areas

表5中NDVI, EVI和GEMI的最大值、 最小值来看, 在火灾发生后两年内(2014.1— 2015.12), 同一研究区内, 受灾植被的这三种植被指数的最大值、 最小值都比正常植被的对应植被指数最值偏小; 而受到轻度、 中度和重度伤害的植被指数最大值、 最小值, 均表现出依次变小的趋势。

表5中正常植被和不同受灾程度植被的NDVI, EVI和GEMI的最大值、 最小值出现的月份来看, 两个研究区正常植被和受灾植被的NDVI最大值出现月份相同, 均为9月, 雅江县研究区NDVI最大值出现在2015年9月, 冕宁县研究区则出现在2014年9月; 两个研究区内NDVI最小值出现的月份则不固定, 但均在非生长季。 两个研究区受灾植被和正常植被的EVI和GEMI最大值出现月份则不同, 雅江县研究区受害植被的EVI和GEMI的最大值都出现在8月, 而冕宁县研究区受害植被的EVI和GEMI的最大值都出现在7月, 但其正常植被的最大值都出现在6月; 而两个研究区对应类别的EVI和GEMI的最小值出现的月份都不太相同, 尤其是冕宁县研究区表现出月份变化较多, 但都出现在非生长季。

综上所述, 两个研究区不同受灾程度植被NDVI最大值均出现在9月, 而EVI和GEMI最大值出现在7月— 8月, 比NDVI最大值出现月份早1~2个月。 这可能是NDVI受大气和火烧迹地裸露土壤的干扰, 也可能与NDVI对温度和降水的滞后性有关[8, 9]。 雅江县火烧迹地EVI和GEMI两种植被指数最大值出现的月份比冕宁县EVI和GEMI最大值出现月份晚1个月。 另外, 由于冕宁县火烧迹地的纬度(冕宁县火烧迹地中心纬度为28° 33'36″)比雅江县火烧迹地(雅江县火烧迹地中心纬度为30° 4'45″)相对偏南, 且属于亚热带季风气候; 海拔高度相对偏低(冕宁县火烧迹地中心位置海拔为2 539 m, 雅江县火烧迹地中心位置海拔为3 800 m), 同一天的气温通常相对高些, 从而导致冕宁县植被生长的季相节律比雅江县偏早, 其植被指数最大值出现月份提前。 这表明: 纬度、 海拔和气候条件均会影响火烧迹地植被的恢复。

4 结 论

基于GF-1 WFV时序数据和野外实测数据, 采用火后光谱特征和NDVI, EVI和GEMI等三种植被指数, 对火灾前后植被的光谱变化及植被受不同受灾程度伤害后植被指数变化进行了分析, 所得主要结论如下:

(1)从火烧后的植被光谱特征上看, 经过火烧的植被不再表现出植被特有的光谱特征, 其光谱特征与干死植被和裸露干土壤光谱特征近似。 在蓝、 绿、 红等波段的光谱反射率高于正常植被, 不再表现出正常植被的反射峰和反射谷, 且受火烧灼伤越严重其反射率值越大; 在近红外波段, 火烧过的植被光谱反射率减小, 不再具有正常植被的“ 红边现象” , 且光谱反射率值均低于正常植被。

(2)NDVI, EVI和GEMI在描述植被恢复过程中存在高度相关性, 其表现的季相节律与该地区实际物候信息存在一致性, 均在7~9月达到最大值, 随后降低, 在来年4月出现最小值, 随后再缓慢上升。 三种植被指数均具有描述火烧区植被恢复动态过程的能力。

(3)植被生长与纬度、 海拔、 气候条件有关。 两个火烧迹地所在区域在两年内没有发生二次火灾和其他的自然灾害, 也无气候异常现象。 雅江县不同受害程度植被的植被指数出现峰值的时间比冕宁县研究区对应的晚1~2个月, 这与其高海拔、 高纬度和气候特征有关。

(4)不同受灾程度植被恢复生长过程中表现的季相节律与正常植被表现的季相节律基本一致, 同样存在生长季和非生长季, 且火烧区的NDVI, EVI和GEMI值相比于正常植被对应的植被指数值始终偏低; 受灾程度越严重的火烧区, 在这两年内每月GF-1 WFV观测到的植被指数值始终越小。

使用GF-1 WFV时序数据开展以月为单位的火后植被恢复研究, 因川西地区雨季与植被生长季重叠, 使该地区生长季有些月份影像有云覆盖而无可用的GF-1 WFV数据, 为本研究的分析带来一定的影响, 下一步考虑利用多源卫星数据相结合来进行分析。 文中两个实验区均地处偏僻, 山势险峻, 交通极为不便, 本研究中没能获取到长时间连续的实地观测数据来进行对比分析, 今后拟采用空间分辨率接近的其它卫星数据来进行对比分析。 因精力和时间的限制, 本研究只对两个实验区受灾植被火后两年内植被指数月变化进行研究, 今后将考虑选取多个实验区, 进一步研究火烧迹地的多年植被恢复动态变化, 为火烧迹地的恢复治理提供参考。

The authors have declared that no competing interests exist.

参考文献
[1] Gouveia C, DaCamara C C, Trigo R M. Natural Hazards & Earth System Sciences, 2010, 10(4): 673. [本文引用:1]
[2] MIAO Qing-lin, TIAN Xiao-rui, ZHAO Feng-jun(苗庆林, 田晓瑞, 赵凤君). Scientia Silvae Sinicae(林业科学), 2015, 2(51): 90. [本文引用:1]
[3] Beck P S, Goetz S J, Mack M C, et al. Glob. Chang. Boil, 2011, 17: 2853. [本文引用:1]
[4] Vila G, Barbosa P. Ecological Modelling, 2010, 221: 75. [本文引用:1]
[5] Van Leeuwen W, Casady G, Neary D, et al. International Journal of Wildland Fire, 2010, 19: 75. [本文引用:1]
[6] Veraverbeke S, Gitas I, Katagis T, et al. ISPRS Journal of Photogrammetry and Remote Sensing, 2012, 68: 28. [本文引用:1]
[7] XIAN Wei, JI Jian-wan, HE Bin-bin, et al(仙巍, 季建万, 何彬彬, ). Journal of Southwest China Normal University·Natural Science Edition(西南师范大学学报·自然科学版), 2016, 41(9): 1. [本文引用:1]
[8] WANG Xin, WANG Rui-ting(王鑫, 王锐婷). Chinese Agricultural Science Bulletin(中国农学通报), 2014, 30(29): 155. [本文引用:1]
[9] Kashian D M, Corace R G I, Shartell L M, et al. For. Ecol. Manag. , 2012, 263: 148. [本文引用:1]