• 中国中文核心期刊
  • 中国科学引文数据库(CSCD)核心库来源期刊
  • 中国科技论文统计源期刊(CJCR)
  • 第二届国家期刊奖提名奖

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于EVI的大兴安岭火烧迹地植被恢复特征研究

王冰 张金钰 孟勐 张秋良

引用本文:
Citation:

基于EVI的大兴安岭火烧迹地植被恢复特征研究

    作者简介: 王冰,硕士,副教授,主要研究方向:林业遥感。Email:wbingbing2008@126.com.
    通讯作者: 张秋良, 18686028468@163.com
  • 中图分类号: S754

Study on Vegetation Restoration Characteristics of Daxing’anling Burned Area Based on EVI

    Corresponding author: ZHANG Qiu-liang, 18686028468@163.com
  • CLC number: S754

  • 摘要: 目的 选取Landsat数据源,基于dNBREVI指数开展火烧迹地识别和植被恢复特征研究。 方法 以1987年大兴安岭北部林区根河林业局金林林场森林火灾为研究背景,在地类划分的基础上,以dNBR为基础数据,采用K-means方法识别并提取火烧迹地,并进行轻、中、重火烈度等级划分;基于火烧迹地的EVI(增强型植被指数)值,采用一元线性回归分析、Mann-Kendall和Theil-Sen median趋势分析等方法分析火烧迹地1987—2019年的植被恢复特征,探究大兴安岭火烧迹地植被恢复进程。 结果 基于dNBR得到研究区过火面积为1291.68 hm2,轻、中、重度火烧迹地面积占比分别为45.70%、32.16%和22.14%,重度过火区分布于火烧迹地中心,从中心向外,过火强度逐渐降低;林火对迹地EVI影响明显,轻、中和重度火烧迹地EVI值分别下降约30.0%、48.3%和68.8%;林火后,随着植被的恢复,迹地EVI值逐渐增加,与对照区的差异逐渐缩小。不同烈度林地火烧迹地EVI恢复速率表现为重度 > 中度 > 轻度,灌草地火烧迹地的EVI值在林火发生后2 a即与对照持平;火烧迹地植被恢复过程中,林地EVI突变点较灌草地少,林地轻度火烧迹地EVI突变点较重、中度迹地少,对照区的突变时间点均滞后于火烧迹地。 结论 dNBR可用于研究区火烧迹地和火烈度提取研究。林火使迹地EVI值明显下降,下降程度随火烈度升高而增大。植被恢复过程中,迹地EVI值逐渐增加,林地轻度和中度火烧迹地在火后6~8 a,重度火烧迹地在火后14 a左右恢复为正常植被状态;而灌草地火烧迹地在林火发生后2 a即可恢复正常。火烈度和自然环境是影响大兴安岭火烧迹地植被恢复的主要因素。
  • 图 1  地类划分示意图

    Figure 1.  Land classification map

    图 2  火烧迹地空间分布

    Figure 2.  Spatial distribution of burned area

    图 3  1986—2019年EVI变化

    Figure 3.  EVI variation map in 1987—2019

    图 4  1987—2019年林地EVI变化曲线

    Figure 4.  EVI variation curves of forest area in 1987—2019

    图 5  1987—2019年灌草地火烧迹地EVI变化曲线

    Figure 5.  EVI variation curves of shrub grassland in 1987—2019

    图 6  1987—2019年EVI突变分析

    Figure 6.  EVI mutation analysis in 1987—2019

    表 1  1986—2019年Landsat数据获取时间

    Table 1.  Data acquisition time of Landsat from 1986 to 2019

    年份
    Year
    传感器类型
    The sensor type
    月份
    Month
    6月
    Jun
    7月
    Jul
    8月
    Aug
    1986Landsat TM
    1987Landsat TM
    1989Landsat TM
    1991Landsat TM
    1992Landsat TM
    1995Landsat TM
    1996Landsat TM
    1999Landsat TM
    2001Landsat TM
    2004Landsat TM
    2006Landsat TM
    2008Landsat TM
    2009Landsat TM
    2011Landsat OLI
    2014Landsat OLI
    2015Landsat OLI
    2019Landsat OLI
      注: “√”表示该年影像具体月份。
      Note: “√” represents the specific month of images in the year.
    下载: 导出CSV

    表 2  地类划分精度验证

    Table 2.  Accuracy verification of land classification

    类型
    Types
    林地
    Forest land
    灌草地
    Shrub grassland
    其它
    Others
    总样本数
    Total samples
    制图精度
    Mapping accuracy/%
    林地 Forest 420 62 23 505 80.31
    灌草 Grassland 82 529 36 647 83.70
    其它 Others 21 41 302 364 83.66
    总样本数 Total samples 523 632 361 1516 -
    用户精度 User accuracy/% 83.17 81.76 82.97 - -
    总精度 Total accuracy/% 82.52
    Kappa系数 Kappa coefficient 0.74
    下载: 导出CSV

    表 3  火烈度分类精度验证

    Table 3.  Accuracy verification of fire intensity classification

    项目
    Items
    未燃烧
    Unburned
    低烈度
    Light
    中烈度
    Moderate
    高烈度
    Severe
    制图精度
    Mapping accuracy/%
    未燃烧 Unburned 1500 121 0 0 99.0
    低烈度 Light 105 1032 102 0 83.2
    中烈度 Moderate 0 83 1055 52 88.7
    高烈度 Severe 0 0 69 726 91.3
    用户精度 User accuracy/% 98.6 83.5 86.1 93.3
    总精度 Total accuracy/% 89.0
    Kappa系数 Kappa coefficient 0.85
    下载: 导出CSV

    表 4  1987—2019年EVI变化趋势统计

    Table 4.  Statistics on EVI variation trend from 1987 to 2019

    项目
    Items
    趋势
    Trend
    单位时间变化量
    Change per unit time
    检验统计量
    Test statistic
    方差
    Variance
    标准化后检验统计量
    Post-standardization inspection statistic(ZC
    轻度森林火烧区
    Light burned forestland
    显著增加 0.016 156 4104.667 2.419( > 1.96)
    中度森林火烧区
    Moderate burned forest land
    极显著增加 0.005 180 4099.333 2.796( > 2.58)
    重度森林火烧区
    Severe burned forest land
    极显著增加 0.003 191 4123.667 2.959( > 2.58)
    森林对照区
    Control forest
    不显著增加 0.156 92 4110.667 1.419
    灌草火烧区
    Burned shrub grassland
    不显著增加 0.675 −28 4140.667 −0.420
    灌草对照区
    Control shrub grassland
    不显著增加 0.484 −46 4138.0 −0.700
      注:置信区间为0.01。
      Note:The confidence interval is 0.01.
    下载: 导出CSV
  • [1] 胡海清, 罗斯生, 罗碧珍, 等. 林火干扰对广东省2种典型针叶林森林生物碳密度的影响[J]. 林业科学研究, 2020, 33(1):19-27.

    [2] 赵志霞, 李正才, 周君刚, 等. 火烧对北亚热带杉木林土壤有机碳的影响[J]. 林业科学研究, 2016, 29(2):301-305. doi: 10.3969/j.issn.1001-1498.2016.02.024

    [3] 徐凯健, 林伟盛, 杨智杰, 等. 米槠人促更新林皆伐火烧后初期土壤CO2通量动态[J]. 林业科学研究, 2016, 29(1):53-60. doi: 10.3969/j.issn.1001-1498.2016.01.008

    [4] 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.

    [5]

    Fernández T A, Mazuelas B P. Landsat and MODIS images for burned areas mapping in Galicia, Spain[D]. Stockholm, Sweden: Royal Institute of Technology, 2012.
    [6]

    De Santis A, Asner G P, Vaughan P J, et al. Mapping burn severity and burning efficiency in California using simulation models and Landsat imagery[J]. Remote Sensing of Environment, 2010, 114(7): 1535-1545. doi: 10.1016/j.rse.2010.02.008
    [7]

    Palandjian D, Gitas I Z, Wright R, et al. Burned area mapping and post-fire impact assessment in the Kassandra peninsula (Greece) using Landsat TM and Quickbird data[J]. Geocarto International, 2009, 24(3): 193-205. doi: 10.1080/10106040802488542
    [8] 陈本清, 徐涵秋. 遥感技术在森林火灾信息提取中的应用[J]. 福州大学学报, 2001, 29(2):23-26.

    [9] 高中灵, 汪小钦, 周小成. 火烧迹地信息遥感快速提取方法研究[J]. 国土资源遥感, 2005, 17(4):38-41.

    [10] 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, 20(2):22-26. doi: 10.3969/j.issn.1000-811X.2005.02.005

    [11] 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.

    [12]

    Chu T, Guo X, Takeda K. Remote sensing approach to detect post-fire vegetation regrowth in Siberian boreal larch forest[J]. Ecological Indicator, 2016, 62: 32-46. doi: 10.1016/j.ecolind.2015.11.026
    [13] 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.

    [14]

    Epting J, Verbyla D. Landscape-level interactions of prefire vegetation, burn severity, and postfire vegetation over a 16-year period in interior Alaska[J]. Canadian Journal of Forest Research, 2005, 35(6): 1367-1377. doi: 10.1139/x05-060
    [15] 常 禹, 陈宏伟, 胡远满, 等. 林火烈度评价及其空间异质性研究进展[J]. 自然灾害学报, 2012, 21(2):28-34.

    [16] 蒋迎鹃. 浅析森林在环境保护中的重要作用[J]. 民营科技, 2014, (2):264. doi: 10.3969/j.issn.1673-4033.2014.08.247

    [17]

    Femande-Manso A, Quintano C, Roberts D. Burn severity influence on post-fire vegetation cover resilience from Landsat MESMA fraction images time series in Mediterranean forest ecosystem[J]. Remote Sensing of Environment, 2016, 184: 112-123. doi: 10.1016/j.rse.2016.06.015
    [18] 王 伟, 宋卫国, 刘士兴, 等. K-means聚类与多光谱阈值相结合的MODIS云检测算法[J]. 光谱学与光谱分析, 2011, 31(4):1061-1064. doi: 10.3964/j.issn.1000-0593(2011)04-1061-04

    [19]

    Hui Q L, Huete A. Feedback based modification of the NDVI to minimize canopy background and atmospheric noise[J]. IEEE Transactions on Geoscience and Remote Sensing, 1995, 33(2): 457-465. doi: 10.1109/TGRS.1995.8746027
    [20]

    Gislason P O, Benediktsson J A. SveinssonJ R, et al. Random forests for land cover classification[J]. Pattern Recognition Letter, 2006, 27(4): 294-300. doi: 10.1016/j.patrec.2005.08.011
    [21] 刘 洋, 李诚志, 刘志辉, 等. 1982—2013年基于GIMMS-NDVI的新疆植被覆盖时空变化[J]. 生态学报, 2016, 36(19):6198-6208.

    [22] 王琉森. 水文时间序列趋势与突变分析系统开发与应用[J]. 甘肃科技, 2016, (9):36-37, 11. doi: 10.3969/j.issn.1000-0952.2016.12.011

    [23] 李明泽, 康祥瑞, 范文义, 等. 呼中林区火烧迹地遥感提取及林火烈度的空间分析[J]. 林业科学, 2017, 53(3):163-174. doi: 10.11707/j.1001-7488.20170318

    [24] 邓湘雯, 孙 刚, 文定元. 林火对森林演替动态的影响及其应用[J]. 中南林业科技大学学报, 2004, 24(1):51-55. doi: 10.3969/j.issn.1673-923X.2004.01.007

    [25] 王爱爱. NDVI时间序列重建及火后森林恢复时空动态分析[D]. 哈尔滨: 哈尔滨师范大学, 2018.

    [26] 周道玮. 火烧对草地的生态影响[J]. 中国草地, 1992, (2):74-77.

    [27] 王春霞, 张丽华, 包玉海, 等. 基于NDVI和NPP的森林火灾与草原火灾恢复情况的对比分析(英文)[C]//. 风险分析和危机反应中的信息技术//中国灾害防御协会风险分析专业委员会第六届年会论文集. 北京: 中国灾害防御协会风险分析专业委员会, 2014, 649-654.

  • [1] 张留恩廖宝文管伟 . 淇澳岛寒害致死海桑林迹地恢复早期植被特征的初步研究. 林业科学研究, 2011, 24(1): 33-38.
    [2] 胡博鞠洪波刘华郝泷刘海 . 基于证据理论组合多分类规则实现大区域植被遥感分类研究*. 林业科学研究, 2017, 30(2): 194-199. doi: 10.13275/j.cnki.lykxyj.2017.02.002
    [3] 胡博鞠洪波刘华郝泷刘海 . 基于遥感影像的大区域植被类型样本快速提取方法研究——以寒温带针叶林区域为例. 林业科学研究, 2017, 30(1): 111-116. doi: 10.13275/j.cnki.lykxyj.2017.01.015
    [4] 孙翠玲苏铁成郭玉文 . 矿山矸石台地植被恢复栽培模式研究. 林业科学研究, 2005, 18(3): 356-361.
    [5] 杨振寅苏建荣罗栋李正红陈晓鸣 . 干热河谷植被恢复研究进展与展望. 林业科学研究, 2007, 20(4): 563-568.
    [6] 李少华王学全高琪包岩峰尹书乐 . 植被恢复对高寒沙区土壤性质的影响. 林业科学研究, 2016, 29(4): 553-559.
    [7] 董茜王根柱庞丹波董亮张梅刘玉国万龙周金星 . 喀斯特区不同植被恢复措施土壤质量评价. 林业科学研究, 2022, 35(3): 169-178. doi: 10.13275/j.cnki.lykxyj.2022.03.019
    [8] 段爱国张建国张俊佩王军辉 . 金沙江干热河谷主要植被恢复树种叶水势的时空变化规律. 林业科学研究, 2007, 20(2): 151-159.
    [9] . 金沙江干热河谷植被恢复树种盆栽苗蒸腾耗水特性的研究. 林业科学研究, 2009, 22(1): -.
    [10] 彭镇华董林水张旭东周金星 . 黄土高原水土流失严重地区植被恢复策略分析. 林业科学研究, 2005, 18(4): 471-478.
    [11] 李江刘仁林叶晓燕朱艳 . 冶铅区植被变化及残留植物耐铅性特征研究. 林业科学研究, 2008, 21(1): 64-68.
    [12] 韦玮李增元 . 基于高光谱影像融合的湿地植被类型信息提取技术研究. 林业科学研究, 2011, 24(3): 300-306.
    [13] 周晓雷杨富强田青周旭姣赵安何万鹏赵艳丽姜礼红 . 青藏高原东北边缘云杉-巴山冷杉林火烧迹地植物群落演替的数量研究. 林业科学研究, 2023, 36(2): 119-132. doi: 10.12403/j.1001-1498.20220435
    [14] 杨海龙李迪强朵海瑞马 剑 . 梵净山国家级自然保护区植被分布与黔金丝猴生境选择. 林业科学研究, 2010, 23(3): 393-398.
    [15] 朱晓荣张怀清周金星 . 东洞庭湖湿地遥感动态监测研究. 林业科学研究, 2008, 21(Z1): 41-45.
    [16] 陈永富王振琴张玉贵张彦忠 . 专家系统在TM遥感图像分类中的应用研究. 林业科学研究, 1996, 9(4): 344-347.
    [17] 周卫阳 . 专家系统在森林遥感图象分类中的应用. 林业科学研究, 1989, 2(5): 477-482.
    [18] 易浩若白黎娜纪平 . 专家系统用于遥感图像处理的方法研究*. 林业科学研究, 1994, 7(1): 13-19.
    [19] 谭炳香杜纪山 . 遥感与GIS相结合的森林资源信息更新与制图方法研究. 林业科学研究, 2001, 14(6): 692-696.
    [20] 韦玮李增元谭炳香徐海生 . 基于多角度高光谱CHRIS影像的隆宝滩湿地遥感分类方法研究. 林业科学研究, 2011, 24(2): 159-164.
  • 加载中
图(6) / 表(4)
计量
  • 文章访问数:  6319
  • HTML全文浏览量:  2998
  • PDF下载量:  156
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-06-05
  • 录用日期:  2020-08-24
  • 网络出版日期:  2020-12-12
  • 刊出日期:  2021-04-20

基于EVI的大兴安岭火烧迹地植被恢复特征研究

    通讯作者: 张秋良, 18686028468@163.com
    作者简介: 王冰,硕士,副教授,主要研究方向:林业遥感。Email:wbingbing2008@126.com
  • 内蒙古农业大学林学院,呼和浩特 010019

摘要:  目的 选取Landsat数据源,基于dNBREVI指数开展火烧迹地识别和植被恢复特征研究。 方法 以1987年大兴安岭北部林区根河林业局金林林场森林火灾为研究背景,在地类划分的基础上,以dNBR为基础数据,采用K-means方法识别并提取火烧迹地,并进行轻、中、重火烈度等级划分;基于火烧迹地的EVI(增强型植被指数)值,采用一元线性回归分析、Mann-Kendall和Theil-Sen median趋势分析等方法分析火烧迹地1987—2019年的植被恢复特征,探究大兴安岭火烧迹地植被恢复进程。 结果 基于dNBR得到研究区过火面积为1291.68 hm2,轻、中、重度火烧迹地面积占比分别为45.70%、32.16%和22.14%,重度过火区分布于火烧迹地中心,从中心向外,过火强度逐渐降低;林火对迹地EVI影响明显,轻、中和重度火烧迹地EVI值分别下降约30.0%、48.3%和68.8%;林火后,随着植被的恢复,迹地EVI值逐渐增加,与对照区的差异逐渐缩小。不同烈度林地火烧迹地EVI恢复速率表现为重度 > 中度 > 轻度,灌草地火烧迹地的EVI值在林火发生后2 a即与对照持平;火烧迹地植被恢复过程中,林地EVI突变点较灌草地少,林地轻度火烧迹地EVI突变点较重、中度迹地少,对照区的突变时间点均滞后于火烧迹地。 结论 dNBR可用于研究区火烧迹地和火烈度提取研究。林火使迹地EVI值明显下降,下降程度随火烈度升高而增大。植被恢复过程中,迹地EVI值逐渐增加,林地轻度和中度火烧迹地在火后6~8 a,重度火烧迹地在火后14 a左右恢复为正常植被状态;而灌草地火烧迹地在林火发生后2 a即可恢复正常。火烈度和自然环境是影响大兴安岭火烧迹地植被恢复的主要因素。

English Abstract

  • 林火是森林生态系统最活跃的因子之一,可以影响和改变整个系统的碳循环和碳分布格局[1-3]。火烧迹地的识别与提取是林火遥感研究的基础工作,国内外学者利用多源遥感数据对不同地区的火烧迹地进行了识别与提取研究[4-11],研究多基于Landsat、MODIS、SPOT等遥感数据,采用NDVISWIRNBRBAI等指数。因近红外波段对植物活体的叶绿素较敏感,而中红外波段可用来区分枯死木与土壤、灰烬等[12],所以由它们组合而成的归一化燃烧率(NBR)对林火起到更好的探测作用,还能减少地形光谱和光照角度对目标物的不利影响。在植被恢复研究中,植被指数被广泛应用[13-16],其中应用较多的是归一化植被指数(NDVI),但其易受裸土干扰,对温度、降水等有滞后效应。而在其基础上发展起来的增强型植被指数(EVI),可以改变易饱和和与现实植被覆盖缺少线性关系的状况。

    本研究以1987年大兴安岭根河林业局火烧迹地为研究对象,基于长时间序列的Landsat数据,在采用随机森林、K-means等方法进行地类划分和火烧烈度分级的基础上,利用EVI指数分析火后植被的恢复进程和特征,以期为火后植被的恢复和经营提供一定的数据支撑。

    • 研究区地处内蒙古自治区根河林业局金林林场,121°14′~121°24′ E,50°50′~50°57′ N,位于大兴安岭的西北坡,属于典型的寒温带大陆性季风气候,年平均气温−3℃,年平均降水量500 mm。土壤类型主要为棕色针叶林土,兴安落叶松(Larix gmelinii(Rupr.)Kuzen)是主要的优势树种,伴生有白桦(Betula platyphylla Suk.)、蒙古栎(Quercus mongolica Fisch.)、山杨(Populus davidiana Dode)等。灌木主要有兴安杜鹃(Rhododendron dauricum L.)、越桔(Vaccinium vitis-idaea Linn.)、杜香(Ledum palustre L.)等。因冻土层和蒙古草原风的普遍存在,该区在5、6月较干旱,火险增多。本次研究的森林火灾发生于1987年5月,属雷击火,过火面积约1292 hm2,过火前主要为针阔叶混交林、灌木林和草地。

    • 根据数据可获取性和数据质量,选用了1986—2019年Landsat-5 TM 和Landsat-8OLI共计17景遥感影像,其中OLI数据4景,成像时间均在植被生长最好的6—8月(具体见表1)。本研究借助ENVI5.3软件对数据进行了必要的预处理,主要包含辐射校正和大气校正。

      表 1  1986—2019年Landsat数据获取时间

      Table 1.  Data acquisition time of Landsat from 1986 to 2019

      年份
      Year
      传感器类型
      The sensor type
      月份
      Month
      6月
      Jun
      7月
      Jul
      8月
      Aug
      1986Landsat TM
      1987Landsat TM
      1989Landsat TM
      1991Landsat TM
      1992Landsat TM
      1995Landsat TM
      1996Landsat TM
      1999Landsat TM
      2001Landsat TM
      2004Landsat TM
      2006Landsat TM
      2008Landsat TM
      2009Landsat TM
      2011Landsat OLI
      2014Landsat OLI
      2015Landsat OLI
      2019Landsat OLI
        注: “√”表示该年影像具体月份。
        Note: “√” represents the specific month of images in the year.
    • 根据土地利用现状分类标准(GB/T210102017),选用随机森林分类法将研究区划分为林地、灌草地和其它3类。

    • 将过火前后1986年和1987年的NBR值相减,得到dNBR值,用于火烧迹地的提取。具体公式为:

      $ NBR=\frac{NIR-SWIR2}{NIR+SWIR2} $

      (1)

      $ dNBR={NBR}_{pre}- {NBR}_{post} $

      (2)

      式中,NBR是归一化火烧指数,NIRSWIR2分别是TM第4波段近红外波段、第7波段中红外波段2,$ {NBR}_{pre} $$ {NBR}_{post} $分别表示火前和火后影像的NBR值。

      基于dNBR值,利用K-means聚类法区分火烧迹地、非火烧迹地,并对火烧区域进行轻、中、重烈度分级[17-18]。采用误差混淆矩阵法对分类结果进行精度验证。

    • 选用EVI[19]分析火烧迹地植被特征。利用Landsat5的第1、3、4波段和Lansat8的第2、4、5波段计算得到研究区的增强型植被指数(EVI)数据,其计算公式为:

      $ EVI=2.5\times \frac{{\rho }_{nir}-{\rho }_{red}}{{\rho }_{nir}+6.0{\rho }_{red}-7.5{\rho }_{blue}+1} $

      (3)

      式中,$ {\rho }_{nir} $, $ {\rho }_{red} $, $ {\rho }_{blue} $分别为Landsat5、Landsat8数据的近红外、红光和蓝光波段反射率,该植被指数可免受火烧迹地裸露土壤的干扰以及减除对温度、降水等的滞后效应。

    • 采用一元线性回归法、Mann-Kendall突变检验法与Theil-Sen median趋势分析法分析EVI的时间变化特征。

      (1)一元线性回归

      表达式[20]为:

      $ y=ax+{\rm{b}} $

      (4)

      式中,y为样点拟合的因变量估计值,x为自变量,a为回归系数,b为常量。

      (2)Mann-Kendall(M-K)突变检验

      Mann-Kendall趋势检验的过程[21]为:

      $ {Z_C}\left\{ {\begin{aligned} &{\frac{{S - 1}}{{\sqrt {Var\left( s \right)} }},\;\;S > 0}\\ &{0,\;\;\;\;\;\;\;S = 0}\\ &{\frac{{S - 1}}{{\sqrt {Var\left( s \right)} }},\;\;\;\;S < 0} \end{aligned}} \right. $

      (5)

      $ S=\sum _{i=1}^{n-1}\sum _{k=i+1}^{n}sign({EVI}_{k}-{EVI}_{i}) $

      (6)

      $ Var(s)= \frac{n(n-1)(2n+5)}{18} $

      (7)

      $ sign({EVI}_{k}-{EVI}_{i}) =\left\{ {\begin{aligned} &{1,\;EV{I_k} - EV{I_i} > 0}\\ &{0,\;EV{I_k} - EV{I_i} = 0}\\ &{ - 1,\;EV{I_k} - EV{I_i} < 0} \end{aligned}} \right. $

      (8)

      式中,sign为符号函数,$ {EVI}_{k} $$ {EVI}_{i} $为时序数据集合,n为集合长度。在α显著性水平下,当$\left| {{Z_C}} \right| > $$ {U_{1 - \alpha /2}}$时,则时间序列在α水平上变化趋势显著。若$ {Z}_{C} $ > 0,则变化趋势上升,若$ {Z}_{C} $ < 0,则变化趋势为下降。

      (3)Theil-Sen median趋势分析

      Theil-Sen median趋势分析可以把EVI的变化趋势量化,表示EVI在单位时间内的变化量,其公式[21]是:

      $ \beta =Median\left(\frac{{EVI}_{i}-{EVI}_{j}}{i-j}\right),\forall j < i $

      (9)

      式中,1 < i < j < n。若$ \beta >0 $,则EVI时间序列呈上升趋势,否则为下降趋势。

    • 利用1986年Landsat影像,基于随机森林法将研究区地类划分为林地、灌草地和其它3种类型(见图1)。经统计,研究区林地、灌草地和其它的面积分别为11436.75、1556.55、1226.7 hm2,占比分别为80.43%、10.95%、8.63%。

      图  1  地类划分示意图

      Figure 1.  Land classification map

      误差混淆矩阵验证结果(表2)显示,林地、灌草地、其它的制图精度分别为80.31%、83.70%、83.66%,用户精度分别为83.17%、81.76%、82.97%,采用随机森林法的总精度、Kappa系数分别为82.52%、0.74,分类精度较高,结果较准确。

      表 2  地类划分精度验证

      Table 2.  Accuracy verification of land classification

      类型
      Types
      林地
      Forest land
      灌草地
      Shrub grassland
      其它
      Others
      总样本数
      Total samples
      制图精度
      Mapping accuracy/%
      林地 Forest 420 62 23 505 80.31
      灌草 Grassland 82 529 36 647 83.70
      其它 Others 21 41 302 364 83.66
      总样本数 Total samples 523 632 361 1516 -
      用户精度 User accuracy/% 83.17 81.76 82.97 - -
      总精度 Total accuracy/% 82.52
      Kappa系数 Kappa coefficient 0.74
    • 基于dNBR值,利用K-means方法,提取了研究区的火烧迹地,并进行了火烈度分级(图2)。从图2可以看出,轻度过火区域的dNBR值居于0.25~0.39之间,中度过火区域的dNBR值为0.39~0.60,重度过火区域的dNBR值在0.60以上;1987年研究区火烧迹地面积共计1291.7 hm2,轻度过火区域面积占比最大(45.70%),重度过火区域面积占比最小(22.14%)。从空间分布看,重度过火区域分布于火烧迹地的中心,由中心向外,过火强度逐渐降低,轻度过火区域多分布于四周的非森林区域,受林火影响较小。

      图  2  火烧迹地空间分布

      Figure 2.  Spatial distribution of burned area

      表3结果表明,本研究分类精度满足要求。未燃烧的制图和用户精度均在98.0%以上,其特征最明显;高烈度的特征次之,除小部分会与中烈度斑块混淆外,易与低烈度和未燃烧区域区分,制图与用户精度均在91.0%以上;中烈度会与部分低烈度或高烈度区域相似;低烈度特征最不明显,易与未燃烧斑块和中等烈度斑块混淆,中、低烈度的制图和用户精度均在80%~90%。

      表 3  火烈度分类精度验证

      Table 3.  Accuracy verification of fire intensity classification

      项目
      Items
      未燃烧
      Unburned
      低烈度
      Light
      中烈度
      Moderate
      高烈度
      Severe
      制图精度
      Mapping accuracy/%
      未燃烧 Unburned 1500 121 0 0 99.0
      低烈度 Light 105 1032 102 0 83.2
      中烈度 Moderate 0 83 1055 52 88.7
      高烈度 Severe 0 0 69 726 91.3
      用户精度 User accuracy/% 98.6 83.5 86.1 93.3
      总精度 Total accuracy/% 89.0
      Kappa系数 Kappa coefficient 0.85
    • 从1986—2019年EVI时间序列空间分布图(图3)可以看出,1986年研究区(即火烧迹地)的EVI值多在0.20~0.40,零星分布有0.40~0.60的区域,即植被生长状况中等;但在1987年火烧后,研究区EVI值明显下降,大部分处于0.07~0.20之间。1989—1995年间,EVI值在增加,植被处于恢复中,1995年时,研究区的EVI值只有少数在0.40以下,其余均在0.40~0.80之间;到2019年,研究区植被的EVI值处在0.40~0.80之间,且以0.40~0.60的居多。

      图  3  1986—2019年EVI变化

      Figure 3.  EVI variation map in 1987—2019

    • 在火烧迹地周边选取对照样区(含灌草地和林地),分别计算不同火烧烈度区域及对照区各年的EVI均值,见图4图5

      图  4  1987—2019年林地EVI变化曲线

      Figure 4.  EVI variation curves of forest area in 1987—2019

      图  5  1987—2019年灌草地火烧迹地EVI变化曲线

      Figure 5.  EVI variation curves of shrub grassland in 1987—2019

      经统计,林地林火发生前(1986年),轻、中、重度火烧迹地及对照区的EVI值分别为0.30、0.29、0.32和0.37,差别较小。林火发生后(图4),1987年各区域的EVI值分别为0.21、0.15、0.10、0.45。对照区EVI值有所增加,而火烧迹地的EVI值明显下降,轻、中和重度火烧迹地EVI值分别下降了约30%、48.3%和68.8%,表明火烈度越高,EVI值下降越明显。之后,随着恢复时间的增加,火烧迹地的EVI值逐渐提高,与对照区的差异逐渐缩小;各区域EVI增加速率大小依次为重度 > 中度 > 轻度 > 对照区。1990年左右,火烧迹地的EVI均值上升至0.41,相比对照区域(EVI=0.45)差异不明显;1990—1995年,轻、中、重度火烧迹地的EVI值均持续增加,直至与对照区的EVI值相等,即0.53;1996—2002年,各区域的EVI值出现轻微波动,但基本呈增加趋势;2004—2006年和2008—2011年间,轻、中、重度火烧迹地的EVI值继续增加,其中重度区域变化最明显,分别由0.38增加至0.53,由0.42增加至0.55。不同火烈度与对照区在1995年、2002—2004年、2006—2008年和2011—2014年的EVI值均有所下降,但下降程度不同,对照区变化较平缓,而火烧迹地EVI值变化程度随火烈度增加而逐渐增强。说明火烧迹地生态系统较脆弱,受环境影响更明显。火烧2 a后,重度火烧迹地的EVI值增加最明显,增加值为0.31。在1987—2000年,EVI值的大小始终为对照区 > 轻度 > 中度 > 重度;2000年以后,火烧迹地植被状态较好,除2004和2014年外,其EVI均高于对照区。

      经统计,灌草地林火发生前(1986年),火烧迹地和对照区的EVI值无明显差别。林火发生后(如图5所示),1987年对照区EVI值有所增加,而火烧迹地EVI值下降明显,下降了约35.3%。但之后火烧迹地的EVI值迅速增加,在1989年基本与对照区持平,恢复到火烧前水平;之后的时间里,火烧区和对照区的EVI值均无明显差异。

    • 利用Theil-Sen median方法对1987—2019年不同地类、不同火烈度的EVI值(6种情形)进行趋势分析,其过程在python中运行,结果如表4

      表 4  1987—2019年EVI变化趋势统计

      Table 4.  Statistics on EVI variation trend from 1987 to 2019

      项目
      Items
      趋势
      Trend
      单位时间变化量
      Change per unit time
      检验统计量
      Test statistic
      方差
      Variance
      标准化后检验统计量
      Post-standardization inspection statistic(ZC
      轻度森林火烧区
      Light burned forestland
      显著增加 0.016 156 4104.667 2.419( > 1.96)
      中度森林火烧区
      Moderate burned forest land
      极显著增加 0.005 180 4099.333 2.796( > 2.58)
      重度森林火烧区
      Severe burned forest land
      极显著增加 0.003 191 4123.667 2.959( > 2.58)
      森林对照区
      Control forest
      不显著增加 0.156 92 4110.667 1.419
      灌草火烧区
      Burned shrub grassland
      不显著增加 0.675 −28 4140.667 −0.420
      灌草对照区
      Control shrub grassland
      不显著增加 0.484 −46 4138.0 −0.700
        注:置信区间为0.01。
        Note:The confidence interval is 0.01.

      表4可知,重度和中度林地火烧区的EVI呈极显著增加趋势,轻度林地火烧区呈显著增加趋势,且植被恢复的效果为重度 > 中度 > 轻度。灌草地、林地对照区的EVI增加趋势不显著。

    • 利用M-K方法对不同烈度、不同地类的EVI值进行时间序列突变分析[22],结果见图6

      图  6  1987—2019年EVI突变分析

      Figure 6.  EVI mutation analysis in 1987—2019

      图6所示,对于林地,轻度火烧迹地EVI的突变时间点出现在1990、2003、2018年,中度火烧迹地EVI的突变时间点出现在1990、2003、2006、2011、2017年,重度火烧迹地EVI的突变时间点出现在1990、2001、2011、2017年,对照区EVI的突变时间点出现在1991、2001、2019年。对比发现,林地的EVI值在1990—1991、2001—2003、2017—2019年间均出现了突变,突变的产生可能是因为不稳定的气候因素,且对照区的突变时间点较火烧迹地滞后。对于灌草地,火烧迹地与对照区的EVI突变特征较一致。

    • 火灾发生后,研究区的EVI值出现明显下降,且火烈度越高,下降越明显。之后EVI值逐渐增加,与对照的差异逐渐缩小,植被恢复特征明显。研究时段内,研究区的EVI值出现了几次下降,可能受到了环境条件的影响;且火烈度不同,EVI下降程度不同,对照区变化较平缓,火烈度越强,波动越明显。由于林地的组成较复杂,过火区域即使已经恢复为原来状态,其生物多样性、稳定性还会发生变化[23],易受到自然环境的影响。1987—1995年间,由于火后开放的环境使幼苗更容易获得阳光而很快恢复为火烧前的状态,也可得知此时的植被恢复状态与受灾程度有很大关系,此时火烧区的植被生长还不稳定,容易受环境影响而产生较大波动。2000年之后EVI的变化,说明植被的生长已经不再主要受1987年林火的影响,而更易受到该区域立地条件的制约,这与孙桂芬等[4]的研究结果一致;从另一方面来说,林火也有一定的积极作用,可以促进群落演替和某些树种的生长发育[24]。对轻、中、重度的EVI变化曲线分别拟合后发现,EVI恢复速率为重度 > 中度 > 轻度,这与王爱爱等[25]研究人员的结论相一致,即森林恢复速率与火烧强度呈正相关。对于草原来说,火烧强度不是十分重要的因素[26],故本研究未进行灌草火烧迹地的火烈度分级,灌草火烧迹地经过2 a时间的恢复,已经与对照区无显著差异,王春霞等人[27]的研究结果也表明草原在发生火灾后的几个月或者一到两年的时间里即可恢复原来的状态。总体上看,随着时间的变化,研究区火烧迹地的植被在逐步恢复。

    • 林地重度、中度过火区可以较彻底地清理地表冠层,更有利于幼树生长;在林地轻度火烧区,烧毁树木较少,而林下灌木和荒草等地被层被燃尽,使种子与土壤接触的机会变大,在火后几年时间内EVI变化明显,但持续时间不长,故其总体增加趋势没有中度和重度森林火烧区明显;灌草区由于其恢复速度快,在火烧后几乎2 a的时间就已经恢复,之后受环境的影响较大,波动较大,所以灌草区的植被增加趋势并不明显。相对于林地,灌草地的突变点更多,说明森林生态系统的稳定性要比草地生态系统强。而不同烈度下的森林火烧迹地的突变情况也不尽相同,且对照区的突变时间点较火烧迹地滞后,这与其本身的立地条件有关。本研究关于EVI变化趋势的分析结果与王爱爱[25]的结论较一致。

    • 本研究以大兴安岭北部林区1987年森林火灾为研究背景,基于Landsat数据开展了火烧迹地识别和植被恢复特征研究。主要研究结论如下:

      (1)研究区过火面积为1291.68 hm2,基于dNBR值将研究区划分为轻、中、重度火烧迹地,其面积占比分别为45.70%、32.16%和22.14%,dNBR可用于研究区火烧迹地和火烈度提取研究。

      (2)林火对迹地EVI影响明显,轻、中和重度火烧迹地EVI值分别下降了约30%、48.3%和68.8%,火烈度越高,EVI下降越明显。

      (3)林火后,随着植被的恢复,迹地EVI值逐渐增加,与对照区的差异逐渐缩小。不同烈度林地火烧迹地EVI恢复速率表现为重度 > 中度 > 轻度,轻度和中度火烧迹地在火后6~8 a,重度火烧迹地在火后14 a左右恢复为正常植被状态;而灌草地火烧迹地在林火发生后2 a即可恢复正常。

      (4)过火区生态系统脆弱,易受环境条件影响。火烧迹地恢复过程中,林地EVI突变点较灌草地少,说明森林生态系统较灌草地稳定性强。不同烈度林地火烧迹地的突变情况也存在一定差异,且对照区的突变时间点滞后于火烧迹地。

参考文献 (27)

目录

    /

    返回文章
    返回