《Fire Ecology》：Right on time: evaluating accuracy and timing of burn-severity assessments to support post-fire management
编辑推荐：
有效的野火影响评估和火后管理依赖于能够准确刻画火灾对植被和土壤影响的燃烧严重度地图。这些地图为火后洪水与泥石流模拟、家园和社区风险缓解以及生态系统恢复规划等时效性活动提供信息支撑，但用于生成这些地图的卫星观测常常受到烟雾、云层和积雪的遮挡或延迟。研究人员对20
有效的野火影响评估和火后管理依赖于能够准确刻画火灾对植被和土壤影响的燃烧严重度地图。这些地图为火后洪水与泥石流模拟、家园和社区风险缓解以及生态系统恢复规划等时效性活动提供信息支撑，但用于生成这些地图的卫星观测常常受到烟雾、云层和积雪的遮挡或延迟。研究人员对2016—2024年间加拿大和美国9,129场大型火灾（≥404 ha）量化了火后数据遮挡情况，并评估了四种免费可获取的中等分辨率遥感数据集的观测延迟（定义为获取首个可用影像所需的时间）：Landsat、Sentinel-1、Sentinel-2以及协调Landsat Sentinel-2（HLS）产品。对于多光谱数据集（Landsat、Sentinel-2和HLS），云层覆盖是数据遮挡的主要来源，尤其是在湿润和沿海地区，而Sentinel-1（合成孔径雷达）能够穿透云层。因此，Sentinel-1的观测延迟最短（中位数=4天），其次是HLS（7天）、Sentinel-2（10天）和Landsat（17天）。同样，Sentinel-1（89.6%）和HLS（82.8%）的一个月合成影像对大多数火灾实现了近乎完整的覆盖，显著优于Sentinel-2（70.5%）和Landsat（56.1%）。尽管Landsat在业务化燃烧严重度制图中被广泛使用，但其火后早期覆盖最慢且最不完整。针对77场森林生态系统火灾，研究人员还评估了早期火后影像与火灾后0—3年收集的野外实测燃烧严重度数据之间的关系。所有多光谱数据集与野外数据对应良好，并能在火灾后两个月内获取的影像中可靠识别近乎完全冠层损失的区域（平衡精度>80%），其表现几乎与使用完整火后生长季影像的扩展评估相当。Sentinel-1产生的燃烧严重度估计精度较低，但在持续云层覆盖限制观测的地区（包括加拿大东部和太平洋西北地区）仍可能具有价值。总体而言，HLS在延迟、空间覆盖和燃烧严重度制图性能方面提供了最佳组合，使其成为北美多样化生态系统中业务化应用和生态监测的有力候选数据集。
论文解读文章
一、研究背景与问题
野火活动正因人为气候变化和土地利用方式改变而发生显著变化，对北美各地社区和生态系统产生了广泛影响。许多野火最严重的社会经济后果发生在火焰熄灭之后：严重野火可改变植被和土壤性质，增加径流、降低水质、加速人类基础设施附近的侵蚀和沉积，木材资源价值也往往在火灾后迅速下降。因此，火后洪水与泥石流模拟、坡面和河道稳定化、植被恢复以及救伐采伐等时效性活动需要在火灾后立即实施。燃烧严重度地图——用于量化火灾对植被和有机质影响的工具——是指导这些工作的关键。
然而，早期燃烧严重度评估通常依赖中等分辨率（10—30 m）遥感数据，而多光谱传感器（Landsat、Sentinel-2、HLS）的观测极易受云层、气溶胶（即大气尘埃和烟雾）、雪和冰的影响，这些因素可能严重限制植被和土壤状况的探测。虽然合成孔径雷达（SAR）系统如Sentinel-1能穿透大多数大气条件，但其对燃烧严重度的估计精度通常低于多光谱数据。以往研究大多聚焦于火灾后数月至一年获取的影像所进行的“扩展评估”，未能满足即时火后管理的需求。此外，火后第一年内地表条件变化迅速，延迟的树木死亡、快速的下层植被再生以及救伐等管理行动都会显著改变地表特征，而灰烬和木炭也会在燃烧后的数月内发生实质性变化。此前对早期火后评估的研究大多局限于Landsat与Sentinel-2之间的比较，或单一传感器内不同处理方法的比较，尚未有研究对HLS、Landsat、Sentinel-1和Sentinel-2这四种常用数据源进行早期燃烧严重度评估的系统性综合比较。因此，明确数据获取时机和遥感数据选择如何影响早期燃烧严重度评估的可靠性，成为一项迫切的研究需求。
二、研究内容与结论
本研究对阿拉斯加、美国本土和加拿大约1,910万km2的研究区域进行了系统评估。研究人员首先量化了2016—2024年间9,129场大型火灾（≥404 ha）火后气溶胶、云和雪/冰对地球观测的遮挡程度；其次比较了HLS、Landsat、Sentinel-1和Sentinel-2四种数据集的观测延迟、数据覆盖和火后获取特征；最后利用77场火灾中收集的野外实测燃烧严重度数据（火灾后0—3年），评估了各数据集生成的燃烧严重度地图与地面实际情况的对应程度以及精度随获取时间的变化。
研究得出以下核心结论：云层覆盖是多光谱影像数据遮挡的主要来源，47.3%的火灾在火后第一个月内经历重度云层遮挡，尤其在阿拉斯加、加拿大沿海和美国东南部；气溶胶和积雪遮挡仅分别影响2.7%和3.0%的大型火灾。Sentinel-1因能穿透云层而具有最短的观测延迟（中位数4天），其次是HLS（7天）、Sentinel-2（10天）和Landsat（17天）。一个月合成影像的覆盖方面，Sentinel-1（89.6%）和HLS（82.8%）显著优于Sentinel-2（70.5%）和Landsat（56.1%）。尽管Landsat在业务化燃烧严重度制图中被广泛使用，但其火后早期覆盖最慢且最不完整。在精度方面，所有多光谱数据集与野外数据对应良好，能在火灾后两个月内获取的影像中可靠识别近乎完全冠层损失的区域（平衡精度>80%），表现几乎与使用完整火后生长季影像的扩展评估相当。Sentinel-1的燃烧严重度估计精度较低，但在持续云层覆盖限制观测的地区（如加拿大东部和太平洋西北地区）仍具有价值。总体而言，HLS在延迟、空间覆盖和制图性能方面提供了最佳组合。
三、主要技术方法
研究人员利用加拿大国家燃烧面积合成数据（NBAC）和美国燃烧严重度趋势监测（MTBS）项目汇编火灾边界数据，并使用MODIS和VIIRS热异常数据确定火灾结束日期。所有遥感数据处理均在Google Earth Engine（GEE）平台完成：获取HLS v2.0地表反射率数据（含Landsat-only、Sentinel-2-only和合并产品），使用Fmask质量保证波段排除云、云影和雪/冰像元；Sentinel-1数据经边界噪声校正、斑点滤波和地形归一化处理后聚合至30 m网格。多光谱数据集计算相对燃烧比（RBR），Sentinel-1计算归一化雷达燃烧比（nRBR）。野外数据包括复合燃烧指数（CBI）、 basal area（BA）损失和树木死亡率三类指标，共2,714个独立样地。统计分析采用广义线性混合模型（GLMM），包括广义泊松误差结构、有序beta回归等方法，并通过预测均值匹配进行缺失值插补。
四、研究结果
目标1——数据遮挡的常见来源： 云层是多光谱影像最一致的遮挡因素，47.3%的火灾在火后首月经历重度云层遮挡，主要分布在阿拉斯加、沿海加拿大和美国东南部；气溶胶遮挡总体较低，仅影响2.7%的大型火灾，主要集中在加拿大东部Boreal Shield和Hudson Bay地区；积雪遮挡仅重度影响3.0%的大型火灾，主要分布在内华达山脉、北喀斯喀特山脉和加拿大落基山脉。2020年亚利桑那州Bush Fire和科罗拉多州Cameron Peak Fire两个案例展示了极端差异：前者火后影像几乎不受遮挡，而后者因火季延续至冬季且海拔较高，积雪严重阻碍了多光谱影像获取超过六个月。
目标2——大型火灾后的观测延迟和数据覆盖： Sentinel-1观测延迟最短（中位数4天），其次为HLS（7天）、Sentinel-2（10天）和Landsat（17天）。一个月合成影像覆盖率方面，Sentinel-1（89.6%）和HLS（82.8%）实现近乎完整覆盖，显著优于Sentinel-2（70.5%）和Landsat（56.1%）。GLMM分析确认了这些传感器间差异在控制空间和时间依赖性后仍然显著。
目标3——与野外测量的精度对比： 在77场森林火灾中，所有多光谱数据集（HLS、Landsat、Sentinel-2）与野外CBI、BA损失和树木死亡率数据对应良好，使用火灾后两个月内影像识别近乎完全冠层损失区域的平衡精度超过80%，与使用完整火后生长季影像的扩展评估表现几乎相当。Sentinel-1的nRBR精度较低，但在云层持续遮挡地区仍可作为补充数据源。
五、讨论与结论
研究表明，数据源选择对火后燃烧严重度评估的及时性和完整性具有决定性影响。Landsat虽然拥有长期一致的观测记录且在业务化制图中广泛使用，但其较长的重访周期和传感器限制导致火后可用影像获取最慢、覆盖最不完整。Sentinel-1凭借穿透云层的能力在观测延迟方面具有显著优势，但其燃烧严重度估计精度有限。HLS通过融合Landsat和Sentinel-2数据，在观测延迟、空间覆盖和制图精度之间实现了最佳平衡，使其成为北美多样化生态系统中业务化应用和生态监测的有力候选数据集。研究结论强调，对于需要快速响应的火后管理决策，选择合适的数据源比单纯依赖传统Landsat影像更为关键，尤其是在云层频繁或季节性积雪覆盖的地区。
