自动时间烧伤指数（ATBI）用于实现精确且可扩展的烧伤区域绘制

《International Journal of Applied Earth Observation and Geoinformation》：The automated temporal burn index (ATBI) for accurate and scalable burned area mapping

烧毁面积自动检测新方法dATBI通过结合近红外（NIR）下降和短波红外（SWIR）上升的协同光谱特征，显著减少误报率（高达92%精度），并适用于 boreal、Mediterranean、tropical 等复杂生态系统的多时相火灾监测。

　　在人类活动与气候变化的影响下，全球范围内的野火事件频率和强度都在不断增加。野火不仅对生态系统造成破坏，还对全球碳循环、空气质量和人类社区产生深远影响。因此，准确且可扩展的烧伤区域制图变得至关重要。然而，传统的烧伤指数，如差分归一化烧伤比（dNBR），在识别未烧植被、云层、阴影或积雪时容易产生误报，这限制了其在大规模野火监测中的应用。本文提出了一种新的自动化时间烧伤指数（ATBI），该指数通过乘法公式利用火的共现光谱特征（近红外NIR↓和短波红外SWIR↑）来区分烧伤和未烧区域。差分ATBI（dATBI）测量前后火灾的变化，而多时相版本（dATBI_tm）则结合固定火灾前图像和多个火灾后场景，以捕捉火灾的发展并减少瞬态噪声。本研究在全球50次野火事件中评估了dATBI和dATBI_tm的性能，使用Landsat图像在Google Earth Engine平台上进行比较，基准测试对象为dNBR及其多时相版本（dNBR_tm）。通过随机森林参考分类的验证，dATBI在精度（约0.92 vs. 0.73）、F1分数（约0.94 vs. 0.84）和稍好分离度（M = 1.38 vs. 1.29）方面显著优于dNBR，同时保持相似的召回率。ROC分析确认了dATBI在判别能力上的优势，表明其在低误报率下能够更有效地减少误报。阈值分析显示，dATBI对分类阈值调整的敏感性远低于dNBR，使其在不同生态系统中烧伤程度的映射更加一致。多时相dATBI_tm进一步提升了鲁棒性，准确重建了针叶林、热带草原、地中海灌木丛和稀树草原生态系统中的累积烧伤痕迹，同时抑制了云层、阴影和积雪的干扰。最后，敏感性测试表明，使用SREM校正的反射率产生了比标准LaSRC产品更干净的dATBI输出，强调了预处理的重要性。总体而言，dATBI和dATBI_tm为野火烧伤区域监测提供了可靠的替代方案。它们在误报率、阈值变化和大气噪声方面的鲁棒性使其适用于集成到大规模野火评估和气候韧性策略中。

野火是地球上最重要的生态和气候扰动之一，对温室气体动态、植被分布和人类社区造成影响。这些事件往往具有高强度，给火场扑救带来挑战，管理难度也较大。野火对人类和环境资产的影响日益严重，尤其是在城市与野地交界地区，野火每年都会摧毁生态系统和社区，造成大量人员伤亡和经济损失。野火在塑造生态系统结构、影响植被模式、生物多样性和碳循环中扮演着关键角色。由于其广泛的影响，野火扰动已被全球气候观测系统（GCOS）程序列为高优先级的气候变量（ECV）。野火与气候之间的联系尤为关键，因为人类活动和气候变化已导致全球许多地区的野火频率和强度上升。

近年来，研究强调了准确的烧伤区域制图和烧伤程度评估在理解野火动态和影响方面的重要性。烧伤区域（BA）信息对于评估野火活动驱动因素、验证植被模型和估计野火对人类健康和财产的影响至关重要。可靠的烧伤区域数据支持各种应用，包括野火风险评估和预测，以及温室气体排放和养分循环的建模。详细的烧伤严重度地图对于规划灾后恢复至关重要。基于现场的方法提供了最准确的野火严重度测量，但通常受到空间覆盖范围有限、成本高和耗时长的限制。遥感技术则为大规模、成本效益高的烧伤区域监测提供了可行的替代方案，特别是在地形复杂的景观中。过去几十年，遥感技术的进步彻底改变了野火监测和制图，卫星平台提供的持续、全球观测对于野火研究至关重要。

Landsat项目，特别是其长达十年的中等分辨率多光谱影像，对于研究野火动态特别有价值。Landsat的30米空间分辨率和包括近红外（NIR）和短波红外（SWIR）区域在内的光谱波段，使其适合捕捉中等和大规模野火事件中不同烧伤程度的变化。因此，Landsat数据已成为野火严重度研究的基石，支持单日期和多日期分析。各种遥感方法，包括光谱指数、分类算法和辐射传输模型，已被开发用于评估烧伤区域和严重度。光谱指数因其简单性和有效性而特别受欢迎。例如，归一化植被指数（NDVI）和归一化烧伤比（NBR）长期以来是检测烧伤土地和估计野火严重度最常用的指数。近年来，许多指数变体被提出以提高不同环境中的烧伤区域制图和严重度评估的准确性。

例如，烧伤面积指数（BAI）设计为在火灾后场景中强调炭黑信号（使用红光和NIR反射率）以划定烧伤痕迹。中红外烧伤指数（MIRBI）则开发用于草原和灌木丛火灾，利用这些生态系统中SWIR反射率变化的特征。这些指数提高了野火严重度估计的准确性，并提供了关于灾后生态系统恢复过程的关键见解。在不同地区和生态系统类型（如草原、针叶林和热带森林）的比较研究中，NBR衍生的指数，如（dNBR、RdNBR和RBR）的性能可能会因植被类型和火灾模式特征而显著变化。一些研究报告称，在某些条件下，RdNBR或RBR比dNBR表现出更高的分类准确性，而其他研究则发现，在特定背景下，dNBR表现同样良好或更优。然而，东南中国和加拿大国家公园的研究表明，dNBR更为可靠，产生比其他指数更高的分类准确性。因此，目前尚无单一“最佳”光谱指数的普遍共识，多种指数继续在近期野火严重度研究中被使用和改进。然而，dNBR已成为量化野火严重度的标准，因其能够检测NIR和SWIR波段中植被和土壤反射率的变化。多个烧伤区域严重度评估项目，如野火应急响应（BAER）项目，联合美国地质调查局（USGS）和美国森林服务（USFS）运行的监测烧伤严重度（MTBS）项目，以及评估北极-温带脆弱性实验（ABoVE）项目，广泛使用dNBR进行国家层面的烧伤严重度评估。因此，本研究将dATBI结果与dNBR进行比较，以评估dATBI的性能。

为了评估dATBI和dNBR在不同环境下的性能，本研究采用Landsat图像在Google Earth Engine平台上进行了全球范围内的比较。这一评估涵盖了从2014年到2025年的多个生态系统，包括地中海灌木丛、温带、热带、亚热带、针叶林和热带稀树草原森林。每个火灾事件的详细总结，包括Landsat路径和行号、位置（纬度和经度）、生物群落和生态系统、主导植被以及火灾前后图像的获取日期，见于表格1中。通过这一广泛的评估，dATBI展现出了在多个生态系统中更优的性能。

野火对生态系统的影响主要体现在其对植被和土壤反射率的显著改变。这些改变包括近红外（NIR）反射率的急剧下降和短波红外（SWIR）反射率的上升。这种对比使得基于NIR和SWIR的指数能够有效区分烧伤和未烧区域。研究发现，NIR和SWIR波段在火灾影响下发生相反方向的反射率变化，这种对比使得NIR–SWIR变换在区分烧伤和未烧区域方面特别有效。通过这些光谱变化，ATBI能够更准确地捕捉烧伤区域，减少误报，同时提高分类的鲁棒性。本研究采用了SREM方法进行大气校正，以提高dATBI的准确性。

本研究中，ATBI的构造依赖于NIR和SWIR的对比，即（NIR–SWIR）/（NIR+SWIR），这一对比已被广泛用于灾后制图。同时，SWIR/NIR因子通过调整表面的干燥度和暴露度，进一步放大了这一对比。健康植被通常具有较低的SWIR和较高的NIR反射率，而火灾后的区域则表现出相反的模式。这种光谱变化的利用，使得ATBI在区分烧伤和未烧区域方面表现出色。通过这种结构，ATBI能够捕捉到NIR↓和SWIR↑的共现，从而减少误报，提高分类的准确性。这些发现支持了多项研究，表明基于SWIR的指数如MIRBI和CSI在复杂景观中优于仅基于比率的NBR。

通过这些分析，本文的研究表明，dATBI在实际测试中表现出较少的误报和较高的ROC/AUC得分。其在不同阈值调整下的稳定性使得其在广泛的生态区域和火灾模式中具有更高的分类准确性。这些结果强调了选择合适预处理方法的重要性，特别是在应用高级指数时。SREM方法通过去除更多大气噪声，使得dATBI的制图更加准确，这表明dATBI在大规模应用时可以显著提高分类的准确性。同时，dATBI在多个生态系统中的广泛应用，表明其在不同环境下的鲁棒性和可扩展性。

此外，本文的研究结果表明，dATBI在烧伤区域的映射上表现出色，减少了误报，同时保持了对实际烧伤区域的高检测率。这些性能使得dATBI成为一种更可靠的野火监测工具，尤其适用于需要自动化处理的场景。在实际应用中，dATBI能够减少对阈值调整的依赖，从而提高分类的鲁棒性。这一特性使其成为未来野火监测和气候韧性策略中的重要工具。