论文部分内容阅读
本研究通过Landsat OLI卫星遥感影像,使用卫星遥感数据构建随机森林分类模型,对识别火烧迹地面积与林火烈度的方法展开研究分析,同时与海拔、坡度、坡向等地形因子,以及草地、森林等植被类型因子联系起来对过火区域的火烈度在空间上的分布与植被类型的影响进行研究分析,并且利用多时相的植被指数变化时间序列对过火区域的植被早期恢复过程展开研究。针对2017年5月2日发生在内蒙古大兴安岭林业局北大河林场的森林火灾形成的火烧迹地展开研究,通过收集2016年～2019年间每年5月～10月的Landsat 8卫星遥感影像衍生出来的各类火产品数据作为数据源,收集研究区数字高程模型(Digital Elevation Model,DEM)作为地形因子数据来源,根据K-means聚类算法得出差分归一化燃烧率(differenced Normalized Burn Ratio,d NBR)的阈值范围,利用归一化燃烧率(Normalized Burn Ratio,NBR)、归一化植被指数(Normalized Vegetation Index,NDVI)、归一化水汽指数(Normalized Difference Water Index,NDMI)、增强型植被指数(Enhanced Vegetation Index,EVI)、土壤调节植被指数(Soil-Adjusted Vegetation Index,SAVI)等遥感指数构建随机森林分类模型,对此研究地的火烈度地进行识别,利用ENVI5.3软件将研究地的海拔、坡度与坡向和火烈度逐个叠加进行分析,同时利用ENVI中的监督分类功能划分出森林、草地两个土地类型后也和火烈度逐个叠加进行分析。而后,在NDVI、EVI、NDMI和NBR等不同指数之间对比不同火烈度、不同植被类型条件下植被指数的恢复情况,最后选出可以更好的反映植被生长恢复特征的指数进行火后植被早期恢复研究,得到的结果如下:(1)利用随机森林分类器建立的分类模型整体上看效果较好,对于林火烈度的总体分类精度达到了88.3%,KAPPA系数值是0.857。利用根据K-means聚类算法得出d NBR四个等级:未燃烧、轻度火烧、中度火烧、重度火烧。中度火烧区域和轻度火烧区域的面积较大,分别为2888hm~2和2590hm~2,分别占总过火面积的40.2%和36%。(2)林火烈度会受到海拔、坡度、坡向等地形因子以及植被类型的影响。在海拔450～550m的区域火烧面积最大,轻度林火烈度主要分布在海拔450～550m的区域,中度与重度火烈度在450～1000m的海拔范围内均有分布;在Ⅱ级坡(2°～6°)的火烧面积最大,坡度在15°以上时几乎没有轻度火烧;在阳坡的火烧面积要相对阴坡大一些。植被类型方面,森林主要受到中度、重度的火烧,而草地主要受到了轻度火烧的影响,受害程度较低。(3)火灾发生后的早期时间内植被恢复在不同强度的林火烈度作用,以及不同植被类型的影响下具有较大差异性。同时,草地比森林的恢复水平高出很多,大部分草地在火烧当年就可以快速恢复100%水平,而森林因火烧强度较大,需要到第二年才逐渐恢复至火前80%水平。该研究结果可以为森林火灾的火烈度等级评价以及火烧迹地中的植被恢复研究提供参考案例。