森林火灾在森林资源管理中有着很强的生态学和社会经济学影响。林火干扰使生态系统、群落或种群的结构遭受破坏，使基质和物理环境的有效性发生变化 (邓湘雯等，2003)。森林火灾会向大气中释放大量CO₂，加剧森林碳储量的动态变化，并且干扰后的森林的固碳能力也会发生一定变化 (Seiler et al., 1980)

随着3S技术的不断发展，利用遥感提取火烧迹地的方法层出不穷。Mazuelas等 (2012)在TM影像上利用NBR (归一化火烧指数)、BAI (过火区识别指数) 等指数对西班牙加利西亚地区火烧迹地进行识别，并与监督分类结果进行对比，结果表明NBR指数的总体精度最高。杨伟等 (2015)提出一种基于MODIS时序数据的火烧迹地提取方法，以此为基础利用GEMI (全球环境监测指数) 和BAI等指数对黑龙江流域2000—2011年的火烧迹地信息进行了提取。祖笑锋等 (2015)在高分一号影像上结合NDVI (归一化植被指数) 等指数构建决策树成功对四川雅江县地区火烧迹地进行提取，并与监督分类和非监督分类方法进行比较，结果表明决策树识别火烧迹地方法在精度上有显著提高。

近年来，对于已识别过火区域的火烈度研究也日益成为科学研究的热点。火烧烈度 (burn severity) 是指林火对森林生态系统 (植被，土壤养分和土壤理化特性) 的影响或破坏程度 (Lentile et al., 2006)。定量评价林火烈度，有助于揭示林火干扰下生态系统各种生态过程的发展变化和森林景观格局的形成机制 (常禹等，2012)。Key等 (2006)建立了基于地面调查的综合火烧指数 (composite burn index，CBI)，目前CBI已经成为美国林署进行林火烈度评价的野外调查和评价标准。王晓莉等 (2013)利用NBR指数对1986—2010年大兴安岭呼中林区森林过火区林火烈度进行了定量评价，建立了大兴安岭地区CBI与NBR的线性回归模型。

综上所述，现阶段对于火烧迹地识别的科学研究基本局限在较传统的单一遥感指数阈值法，祖笑锋等 (2015)提出的决策树法思路较为新颖，却因高分一号数据波段较少而存在一定局限性。本研究基于多时相TM数据、DEM数据，结合黑龙江省火灾数据中的坐标信息，借助NDVI (Rouse，1974)、MNDWI (徐涵秋，2005)、NDSWIR (Gerard et al., 2003)、NBR (Lopez-Garcia et al., 1991) 等遥感指数以及dNBR (Epting et al., 2005) 等多时相差值遥感指数，对呼中林区2010年10场火灾的火烧迹地进行分类识别提取，并利用黑龙江省火灾数据中的面积数据进行验证。借助dNBR指数阈值法将火烧迹地按未过火、轻度过火、中度过火、重度过火分为4个级别，并分析林火烈度与环境因子 (坡度、坡向、海拔) 之间的关系。本研究选择呼中林区作为研究区域的原因是因为呼中林区是森林火灾的多发区，同时2010年7月该地区雷击火发生较密集，本研究选取的10场火灾，面积最小为54 hm²，最大为4 341 hm²，具有一定广泛性和代表性。本文旨在探索一种适用于TM影像识别火烧迹地的新方法，并对过火区域火烈度的空间分布进行科学系统的分析，本研究成果可对大兴安岭地区林火管理提供理论依据。

1 研究区概况与数据来源 1.1 研究区概况

呼中林区地处黑龙江省西北部，大兴安岭伊勒呼里山北麓, 呼玛河中上游地区，地理坐标为122°39′30″—124°21′00″E，51°14′40″—52°25′00″N。该林区属于大陆性季风气候，光照充足，雨量充沛，寒冷湿润，夏季短暂，冬季受西伯利亚蒙古高压气团的影响寒冷而漫长, 冰冻期长达6个月之久，绝对最低温度-47.5 ℃。地貌类型为大兴安岭北部石质中低山山地，山峦连绵起伏，山体混圆，坡度平缓，一般在15°以下，局部的阳坡较陡，可达到35°以上。海拔在500~1 000 m之间，平均海拔812 m，最高峰在南部中心地带，为1 404.2 m；最低海拔在北部呼玛河处境处，为420 m (刘志华等，2009)。

在植物区系上属于泛北极植物区东西伯利亚植物区系，以西伯利亚植物区系成分为主，混有东北植物区系成分和蒙古植物区系成分。优势树种为兴安落叶松(Larix gmelinii)，其他主要乔木有山杨(Populus davidiana)，白桦(Betula platyphylla)和樟子松(Pinus sylvestris var.mongolica)等 (吴志伟等，2011)。

1.2 数据来源

1) 遥感数据本研究遥感数据源采用Landsat TM数据，均在中国科学院地理空间数据云台下载得到，TM影像空间分辨率为30 m (波段6热红外波段分辨率为120 m)，是中尺度遥感最常用的数据源。分别采用火前和火后的研究区影像，影像信息见表 1。

2) 林火数据本研究采用黑龙江省林业厅公布的2010年火灾数据记录，该记录包括起火地点、地理坐标、发现时间、灭火时间、过火面积和起火原因等信息。本研究只选取呼中林区2010年发生的10场火灾 (图 1)，过火面积54~4 341 hm²不等 (表 2)。起火原因均为雷击火。本研究利用火灾数据中过火面积信息作为验证数据。

3) 辅助数据本研究辅助数据包括研究区数字高程数据DEM (1:10万) 和林相图 (1:10万)，DEM数据是NASA与2011年10月公布的ASTER GDEM V2数据，是对ASTER GDEM第1版数据的修正版，具有更高的精度和信噪比 (李明泽等，2016)。由DEM图像生成坡度、坡向、高程等地形因子。辅助数据还包括呼中林业局林相图。

2 研究方法 2.1 图像预处理

下载的TM影像为L1T数据产品，已经过系统辐射矫正和地面控制点几何矫正，并且通过DEM进行了地形校正。利用ENVI5.2软件对2010年 (火后) 和2007年 (火前) 两景Landsat TM影像进行几何配准，校正误差严格控制在0.5个像元以内。辐射定标使用软件自带的Landsat定标工具结合头文件将TM数据的DN值转化为辐射量度值，大气校正采用基于MODTRAN5的FLAASH模块进行校正。

2.2 光谱特征与指数分析

本文选取TM影像的蓝光波段 (Band1)、绿光波段 (Band2)、红光波段 (Band3)、近红外波段 (Band4)、中红外波段1(Band5)、中红外波段2(Band7) 作为变量，通过林相图和目视解译将研究区分为植被、裸地、火烧迹地和水体4类。每类地物选取50个样本作为感兴趣区，其中70%用于分类，其余30%用于精度验证。分别统计各地类在各波段上的均值与标准差等统计量，得到各地类的光谱特征曲线 (图 2)。

遥感指数法是另一种提取地物信息的途径，国内外学者曾提出多种遥感指数模型。归一化植被指数 (NDVI) 可以用来检测植被生长状况，同时也是植被覆盖度的最佳指示因子，对植被的提取和分离具有重要的作用。归一化短波红外指数 (NDSWIR) 是对NDVI指数的改进，用TM影像的短波红外Band5代替Band3，研究证明该指数对裸地及火烧迹地均有很好的分离效果。归一化火烧指数 (NBR) 同样是对NDVI指数的改进，由于TM影像火烧迹地在Band4和Band7的反射率发生了较大的变化，NBR对于火烧迹地的提取有着重要的指示作用。差值归一化火烧指数 (dNBR) 为火前NBR与火后NBR的差值，有研究表明，dNBR所利用的多时相技术，相较单时相的NBR指数能更准确地提取火烧迹地。改进的归一化水体指数 (MNDWI) 可以准确地提取植被区水体和城镇范围内的水体，并消除地形差异的影响，从而解决了水体信息中掺杂阴影的问题。本文选取NDVI，NDSWIR，dNBR，MNDWI共4种遥感指数，各遥感指数公式如下：

${\rm{NDVI}} = \frac{{{\rho _{{\rm{nir}}}} - {\rho _{\rm{r}}}}}{{{\rho _{{\rm{nir}}}} + {\rho _{\rm{r}}}}};$

(1)

${\rm{NDSWIR}} = \frac{{{\rho _{{\rm{nir}}}} - {\rho _{{\rm{mir}}}}}}{{{\rho _{{\rm{nir}}}} + {\rho _{{\rm{mir}}}}}};$

(2)

${\rm{NBR}} = \frac{{{\rho _{{\rm{nir}}}} - {\rho _{{\rm{swir}}}}}}{{{\rho _{{\rm{nir}}}} + {\rho _{{\rm{swir}}}}}};$

(3)

${\rm{dNBR}} = {\rm{NB}}{{\rm{R}}_{{\rm{pre}} - {\rm{fire}}}} - {\rm{NB}}{{\rm{R}}_{{\rm{post}} - {\rm{fire}}}};$

(4)

${\rm{MNDWI}} = \frac{{{\rho _{{\rm{green}}}} - {\rho _{{\rm{mir}}}}}}{{{\rho _{{\rm{green}}}} + {\rho _{{\rm{mir}}}}}}{\rm{。}}$

(5)

式中：ρ_green为TM第2波段绿光波段；ρ_r为TM第3波段红光波段；ρ_nir为TM第4波段近红外波段；ρ_mir为TM第5波段中红外波段1，ρ_swir为TM第7波段中红外波段2，NBR_pre-fire为火前影像的NBR值，NBR_post-fire为火后影像的NBR值。

前文已选取一定数量的纯像元作为感兴趣区，分别统计各遥感指数在这些区域上的均值 (图 3)。

2.3 决策树的构建

决策树 (decision tree) 是一种分类程序，通过专家经验总结、简单的数学统计和归纳方法等，获得分类规则并进行遥感分类。其优点是易于理解、结果清晰、运行速度快、实现简单、准确率高 (于文婧，2016)。在本研究中通过典型地物的遥感指数分析及envi5.2统计功能表明：火烧迹地在Band4最大值为0.096，水体在Band4最大值为0.15，林地在Band4的最小值为0.191，裸地在Band4的最小值0.161，所以取0.16为临界值，当Band4＞0.16时为植被或者裸地，否者为火烧迹地或水体。在已区分上述2大类后，植被区的NDVI最小值为0.493，而裸地的NDVI最大值为0.475，所以取0.48为临界值，当NDVI＞0.48时，划分为植被，否则为裸地。火烧迹地的dNBR最小值为0.488，而水体的dNBR最大值为0.336 4，所以取0.41为临界值，当dNBR＞0.41时为火烧迹地，否则为水体或其他。由于水体的MNDWI均为正值，所以当MNDWI大于0时，划分为水体，其余的划分为其他 (建筑物、阴影和背景值)(图 4)。

2.4 火烈度分级及其分布的空间分析

由于地形 (坡度、坡向、海拔等) 在空间上的差异，在大面积的同一火烧区内往往存在着不同烈度的火烧斑块。不同林火烈度通过减少不耐火树种和改变生长条件从而影响斑块尺度树种重建和植被更新，导致在同一火烧区，火后植物多样性也会有所不同，植被演替特征不一致，从而增加植被的空间异质性。

本研究采用火前影像NBR与火后影像NBR的差值dNBR指数对研究区林火烈度进行估算分级。dNBR的取值范围-2~2。为了便于分析和处理，采用1 000作为dNBR计算时转化为整数的相乘系数。其取值范围则变为-2 000~2 000。采用Mazuelas (2012)在西班牙火烧迹地制图时制定的dNBR估算火烧烈度的阈值范围 (表 3)。

在得到火烈度等级空间分布图后，利用DEM影像生成坡度、坡向和高程图。将以上3幅图与从呼中林业局获得的林相图分别与火烈度分布图叠加分析，进而对火烈度进行空间异质性分析。

3 结果与分析 3.1 决策树分类结果

本研究全面分析了研究区不同地物类型在Landsat TM影像上各波段的反射率值。并对各地物的归一化短波红外指数、归一化植被指数、差值归一化火烧指数、改进的归一化水体指数4种遥感指数进行分析对比，进而构建识别火烧迹地的决策树模型。对分类结果进行Majority/Minority分析及聚类、过滤等分类后处理工作。为了对比不同方法提取火烧迹地的精度，本文还采用了基于平行六面体 (Parallelepiped) 分类器的监督分类法和ISODATA非监督分类法分别对同一研究区的火烧迹地进行识别，结果分别如图 5~8所示。

3.2 精度检验与对比分析

利用30%感兴趣区样本，结合呼中林业局林相图作为验证数据，对以上3种方法提取火烧迹地结果进行定量评价。通过建立混淆矩阵，计算每种方法的制图精度、用户精度、总体精度及Kappa系数等统计量 (表 4)。从表 4可知，基于决策树识别火烧迹地的方法在总体精度上比平行六面体分类法和ISODATA分类法分别提高了7.56%和17.32%，在Kappa系数上分别提高了0.175 3和0.440 2。其中火烧迹地的制图精度和用户精度比平行六面体方法提高了7.08%和1.02%，比ISODATA法提高了3.16%和1.86%。并且在最容易和火烧迹地混淆的裸地上，决策树识别法的精度也有显著提高。

分别统计3种方法提取10场火灾的面积，进行比较分析。按照基于过火面积的国家森林火灾等级划分方法 (表 5)(李明泽等，2015) 将呼中林区10场火灾分为3个等级：一般森林火灾 (2起)、重大森林火灾 (6起)、特大森林火灾 (2起)(表 6)。由于火灾数据中统计过火面积时往往以小班为单位，只调查火烧边界，而忽略了火烧迹地内部的未过火区域，产生一定误差，本研究为减小此误差，采用了遥感影像目视解译的方法，判读区划过火区域，计算过火面积。通过对比发现，决策树识别火烧迹地方法相比平行六面体和ISODATA方法提取的火烧迹地在面积上更接近统计过火面积和目视解译过火面积，精度最高为96.88%，最低为82.42%(表 6)。

3种方法提取的火烧迹地与目视解译火烧边界叠后结果如图 9所示 (以1号火场为例)。

3.3 火烈度分级

采用决策树识别法提取的结果，根据dNBR阈值分级方法，将火烧迹地分为4级，分别为未过火、轻度火烧、中度火烧和重度火烧 (图 10)。

3.4 火烧烈度的空间分析

1) 林火烈度面积分布通过计算各火烧烈度等级所占面积可知，中度火烧 (3 023 hm²) 和重度火烧 (2 151 hm²) 所占比重最多，分别占总过火面积的46.6%和33.2%(表 7)。

2) 林火烈度与海拔将呼中林区DEM分为3个等级：0~500 m、500~1 000 m、1 000~1 500 m。由于0~500 m不存在过火区域，所以只统计500~1 000 m和1 000~1 500 m 2类。将林火烈度图与DEM图进行叠加分析可知，海拔在1 000~1 500 m的地区过火面积共4 177 hm²，占总过火面积的64.4%，远大于海拔500~1 000 m地区 (表 8，图 11)。

3) 林火烈度与坡度根据《第二次全国土地调查技术规程》，将研究区坡度分为5个等级 (表 9)。

将林火烈度图与坡度图叠加分析可知，在不同坡度等级上，过火区内的不同火烈度所占面积呈现显著差异。所占面积从大到小依次为Ⅲ级 (6°~15°)＞Ⅳ级 (15°~25°)＞Ⅱ级 (2°~6°)＞Ⅴ级 (≥25°)＞Ⅰ级 (≤2°)。Ⅲ级坡 (6°~15°) 过火面积最大，占总过火面积的45.9%，Ⅰ级坡 (≤2°) 过火面积最小，占总过火面积1.9%(表 10，图 12)。

4) 林火烈度与坡向根据坡向值将坡向分为9类：无坡向 (-1)、北 (0~22.5°，337.5°~360°)、东北 (22.5°~67.5°)、东 (67.5°~112.5°)、东南 (112.5°~157.5°)、南 (157.5°~202.5°)、西南 (202.5°~247.5°)、西 (247.5°~292.5°)、西北 (292.5°~337.5°)。将林火烈度图与坡向图叠加分析可知，各坡向过火面积从大到小依次是南＞西南＞西＞西北＞东＞东南＞东北＞北 (表 11)。

4 讨论

本研究利用TM数据，提出一种决策树分类模型识别火烧迹地的方法，精度较高方法可行，但由于数据时间分辨率和云量的限制，火前图像只能选择2007年数据，虽然从结果来看，火前图像时间并不会对最终结果产生较大影响，但在未来的研究中也可选择时间分辨率和空间分辨率更高的影像进行分类提取。由于本研究区植被类型较为简单，所以本研究并不能很好地验证林火烈度与植被类型之间是否具有显著相关性，在未来的研究中可增加大量的野外调查来验证林火烈度与植被类型之间的关系。本研究对林火烈度的空间分析仅局限现象层面上，在未来的研究中可结合林火的内在机制 (如火蔓延方向、蔓延速度等) 及可燃物类型、可燃物含水量与林火烈度的相关性做更深层次的分析讨论，以此为大兴安岭地区森林防火管理及林区的经营策略提供理论依据。

5 结论

本研究利用Landsat TM数据、DEM数据、2010年黑龙江火灾表和呼中林业局林相图，采用NDSWIR，NDVI，MNBWI等遥感指数，以及dNBR等多时相差值遥感指数构建决策树分类模型，并与平行六面体分类法和ISODATA非监督分类法做比较。根据dNBR阈值法将火烧迹地林火烈度分为4级，并与DEM海拔图、坡度图、坡向图分别叠加，进行空间分析，得到以下结论。

1) 决策树识别火烧迹地方法的总体精度和Kappa系数为97.97%和0.943 2，均高于平行六面体法和ISODATA法。而火烧迹地的制图精度和用户精度也均高于其他2种方法。决策树分类法提取的过火面积也更接近目视解译判读所得到的过火面积，精度均达到82%以上，较之以往的研究有所提高。同时本研究所采用的方法在精度上高于Mazuelas等 (2012)和祖笑锋等 (2015)所提出的方法，这说明本研究方法可以有效地提高过火区域的识别能力。这得益于本研究在构建决策树模型时引入了NDSWIR，NDVI，MNBWI等遥感指数，以及dNBR等多时相差值遥感指数。

2) 根据dNBR阈值法将火烧迹地林火烈度分为未过火、轻度火烧、中度火烧和重度火烧4类。其中中度火烧 (3 023 hm²) 和重度火烧 (2 151 hm²) 所占比重最多，分别占总过火面积的46.6%和33.2%，该结果与王晓丽等 (2013)的研究结论相吻合。产生该结果的原因是因为这10场火灾均由雷击火造成，而雷击火主要发生在人烟稀少、交通不便的边远林区，很难做到及时发现和及时扑救，导致林火得以蔓延并形成中度及重度火烧所占比重较大的结果。该结果表明2010年呼中林业局森林火灾造成大量的树木和灌木死亡，过火区域的生物多样性会发生一定变化，同时对斑块、景观异质性以及林窗的产生也会造成不小的影响，需要关注该区域的植被恢复情况和景观格局的动态变化。

3) 由火烧烈度与海拔图、坡度图、坡向图分别叠加分析可知，海拔在1 000~1 500 m地区更易发生森林火灾，这是因为在夏季，高海拔山脉地区存在较多的灌草，有利于林火的产生与蔓延，且扑救难度较大，产生重度火烧的可能性增大。坡度方面，Ⅲ级坡 (6°~15°) 过火面积最大，占总过火面积的45.9%，Ⅰ级坡 (≤2°) 过火面积最小，占总过火面积1.9%。说明呼中地区森林火灾在斜披山地更易发生，而在平坡和陡坡发生的几率相对较小。这是因为坡度平缓，水分滞留时间长，水分流失较少，林地潮湿，可燃物含水量增大，不容易着火。从坡向方面来看，南坡过火面积最大，为1 391 hm²，约占总过火面积的21.4%，北坡过火面积最小，为469 hm²，约占总过火面积的7.2%，这是由于在北半球，南坡受到太阳直接辐射大于北坡，即南坡吸收的热量最多，日照强，温度高，蒸发快，可燃物易干燥而燃烧，火势强，蔓延快，而北坡正好相反。