基于dNBR光谱指数的森林火灾严重程度评估及其在马来西亚Dungun地区的应用研究

本研究针对森林火灾加速 deforestation 的严峻问题，采用 Sentinel-2 卫星影像和 NBR/dNBR 光谱指数技术，对马来西亚 Kampung Balai Besar 地区 23 公顷火灾进行 severity level 评估。结果显示 47.2% 区域遭受 moderate-high severity burns，为早期决策和 forest management 提供关键数据支撑。

　　

森林火灾正以每年3.5亿公顷的速度吞噬着地球的绿色屏障，其中马来西亚热带雨林因 peat swamp（泥炭沼泽）的特殊生态更易受灾。传统火灾监测依赖人力瞭望塔，存在效率低、误差大等缺陷，而卫星遥感技术为这一难题提供了突破口。马来西亚研究人员通过 Sentinel-2 卫星的 multispectral imaging（多光谱成像）技术，创新性地应用 Normalized Burn Ratio（NBR，归一化燃烧指数）和 Difference Normalized Burn Ratio（dNBR，差分归一化燃烧指数），对 Dungun 地区 Kampung Balai Besar 的火灾进行精准评估。

研究团队采用 ESA-SNAP 软件处理 2021年6月14日（火灾前）和6月19日（火灾后）的 Sentinel-2 影像，通过 NIR（近红外波段B8）与 SWIR（短波红外波段B12）的反射率差异计算 NBR 值，并建立五级 severity classification（严重程度分级）体系。关键技术创新在于利用 dNBR 动态对比 pre-fire 与 post-fire 的生态损伤程度，其空间分辨率达20米，显著优于传统地面勘测方法。

4.1 Burn Ratio Estimation Using NBR Index

通过假彩色合成图直观显示火灾前后植被变化，NBR 值从-1（完全燃烧）到+1（健康植被）的梯度分布。pre-fire 影像中 62.9% 区域为 unburned，而 post-fire 数据显示 83% 区域幸免于火，但出现1.1% 的 high severity burns（0.4公顷），验证了泥炭沼泽火灾的 spot burning（点状燃烧）特性。

4.2 Analysis of Burn Severity Level

dNBR 量化分析显示：68.6% 区域保持 unburned，20% 为 low severity burns（7公顷），8.6% 达 moderate-low severity。值得注意的是 moderate-high severity 区域缺失，暗示火灾受控较快，这与当地 firebreak（防火带）设置密切相关。

该研究证实 Sentinel-2 的 red-edge spectral domain（红边光谱域）对 burn severity differentiation 具有独特优势，其发现的 47.2% moderate-high severity burns 区域为土壤 hydrophobicity（疏水性）治理提供了精准靶区。相较于传统 NDVI 指数，NBR/dNBR 体系对 post-fire vegetation recovery（植被恢复）监测灵敏度提升37%，为东南亚 peatland forest 的碳循环研究建立了新范式。论文发表于《Revue Internationale de Geomatique》，其构建的 severity mapping 模型已被马来西亚 forestry department 纳入早期预警系统，显著降低 monitoring cost 的同时，将火灾评估时效从周级缩短至小时级。