1.2.3　基于Landsat衛星數據的火災監測分析

由于MODIS數據空間分辨率較低，對類似于森林火災、草原火災及煤田火災這類大尺度火災的監測效果較好，但對于尺度較小的火災往往具有局限性。研究人員基于其他衛星數據，開展了火災監測研究。目前研究較多的是Landsat系列衛星數據。Landsat系列衛星由美國NASA發射，共發射了8顆衛星（第6顆衛星發射失敗），目前仍在運行的衛星為Landsat 7及Landsat 8。Landsat 7衛星共包括8個通道，包括6個可見-近紅外通道，1個熱紅外通道及1個全色影像通道。6個可見-近紅外通道影像數據空間分辨率為30m，熱紅外通道影像數據空間分辨率為60m，全色影像數據空間分辨率為15m。相比MODIS數據，Landsat系列衛星數據的空間分辨率有很大的提高，更適用于監測火災^［33］。國內外研究人員基于Landsat系列衛星數據監測森林火災^{［34～36］}、煤田火災^{［37，38］}及火山活動^［39］等并開展了廣泛研究，獲得了較好的火烈度評估效果^{［40，41］}。野火在世界范圍內廣泛存在，Landsat影像數據可有效區分燃燒與未燃燒區域，對火災預警也有較好的評估效果。王新民等^［42］基于Landsat TM數據對大興安嶺特大森林火災進行了研究，通過遙感影像計算了過火面積，計算精度較高，為消防指揮提供了重要信息。吳立葉等^［43］基于Landsat TM兩景影像數據分析了江西省武寧縣的林火跡地。馬建行等^［44］基于Landsat 8數據，研究了不同燃燒指數對秸稈焚燒區域的提取效果，可有效區分焚燒區與未焚燒區。李軍^［45］基于Landsat TM影像數據提取了大同煤層自燃災害區，提取精度可達80%。李如仁等^［46］根據Landsat 8影像數據對烏達礦區的煤火變化趨勢進行了研究，提取了煤田區的溫度變化信息。譚柳霞等^［47］利用Landsat 5 TM數據分析了歸一化植被指數、歸一化火燒指數、差分歸一化植被指數和差分歸一化火燒指數對林火烈度評估適應性，結果表明歸一化火燒指數提取未燃燒及輕度燃燒火災的精度較高，差分歸一化火燒指數提取中度及重度火災精度較高。Pereira等^［48］基于Landsat 5 TM影像研究了火點像元的檢測，結果表明通道4（0.76～0.9μm）是識別火點的有效通道，火點像元在該通道的DN值變化最劇烈。利用第5通道（1.55～1.75μm）也可以檢測火點，但容易與水體發生混淆，需通過第4通道的數據進行輔助檢驗。Salvador等^［49］研究表明可用Landsat MSS影像數據識別火災區域，可通過分析火災發生前后遙感影像的變化了解火災發生區域植被的恢復情況，分析火災受損最嚴重的區域及火災發生的原因。Koutsias等^［50］基于Landsat 5 TM影像，分析研究了兩種回歸模型對林火燒跡地的提取效果，兩種模型分別基于TM 4、TM 7、TM 1及TM 4、TM 7、TM 2波段數據，結果表明所用的兩種模型的提取精度分別為97.37%、97.30%。Maingi^［51］對美國東部的闊葉橡樹林火點進行了探測研究，結果表明ETM+3、ETM+4及ETM+7三個波段的信息可有效區分火點與非火點，使用非標準主成分分析模型可有效識別火點。歸一化燃燒比的差值對森林過火面積的提取效果較好，但大氣條件的變化對提取的精度有一定的影響^［52］。

研究人員根據研究目標的光譜特性，通過波段間的非線性組合構建了系列地物識別指數，例如歸一化植被指數、歸一化水體指數等。森林火災及草原火災擴散面積較大，火災破壞了健康植被的葉片，導致近紅外波段反射率降低。火災燃燒了大部分枝葉，導致樹的陰影減少，在遙感影像上表現為短波紅外反射率增高，可利用火災前后影像的近紅外及短波紅外反射率的變化提取過火面積。針對災后植被恢復的情況，研究人員提出了歸一化燃燒率［NBR，NBR=（-）/（+）］提取過火面積^［53］，及分別表示第5波段及第7波段反射率。