基于遥感技术的森林火灾过火区提取与火后生态恢复评价

《Frontiers in Environmental Science》：Forest fire burned area extraction and evaluation of post-fire ecological restoration based on remote sensing technology

　　

摘要：在全球气候变化日益加剧的背景下，森林火灾对生态系统稳定性构成重大威胁；然而，在山区地形条件下，火后恢复的长期定量评估在方法上仍存在局限。本研究将OTSU优化的差分归一化燃烧指数（dNBR）阈值与多时相遥感生态指数（RSEI）模型相结合，系统研究了代表性野火事件——中国西昌市“3.30泸山火灾”（2020年3月）的过火面积、燃烧严重度分级及火后生态恢复的时空格局。结果表明，过火面积为28.26 km²，基于OTSU算法获取的dNBR分级阈值0.18/0.30/0.42有效区分了泸山火灾的低、中、高严重度过火区域。RSEI从火灾前的0.69降至火灾后的0.33，生态质量总体下降52.2%。恢复轨迹呈现三个阶段：初期快速恢复阶段，2021年平均RSEI达到0.47；第二阶段恢复减缓，2022年RSEI略有下降至0.45；第三阶段恢复加速，2023年升至0.56，并于2024年稳定在0.55。至2024年，“良好”和“优”等级仅恢复到37.2%（11.26 km²），表明生态恢复尚未完成。不同燃烧严重度区域的火后生态恢复速率存在显著差异。具体而言，燃烧严重度越高，生态恢复速率越快。这些结果表明，在地形高度复杂的山区环境中，生态恢复需要超过四年的观测期才能实现完全恢复，尤其是在高严重度过火区域。本研究证实了集成dNBR–RSEI评估框架的适用性，为川西南山区火后生态恢复规划提供了科学依据和理论支撑。

**基于dNBR–RSEI框架的山区森林火灾过火区提取与火后生态恢复评价——以泸山火灾为例**

**一、研究背景与目的**

在全球气候变化持续加剧的背景下，森林火灾的发生频率、规模和严重程度均呈现显著上升趋势，对生态系统稳定性构成严重威胁。森林火灾作为一种广泛存在的自然干扰因子，不仅破坏地表植被、改变土壤理化性质、降低水源涵养能力，还通过排放温室气体和气溶胶形成气候变暖与火灾发生之间的正反馈机制。因此，定量评估火灾造成的生态损害并科学评价火后恢复潜力，对于维护生态平衡和指导灾害减缓策略具有重要的现实意义。

精确的过火区划定与燃烧严重度评估是开展火后生态研究的前提。归一化燃烧指数（NBR）因其对植被破坏和土壤暴露引起的近红外与短波红外反射率变化高度敏感而被广泛用于过火区识别，差分归一化燃烧指数（dNBR）则是国际公认的燃烧严重度评估标准。然而，传统研究多采用静态阈值进行分类，由于生物群系类型、物候阶段和土壤背景的差异，静态阈值往往导致区域偏差。为此，局部自适应阈值方法（如OTSU算法）逐渐受到关注，以提高燃烧严重度制图的准确性。

在火后生态恢复评估方面，传统方法依赖于单一植被指数，但单一指数易受土壤背景干扰、在恢复后期趋于饱和，且无法反映水分动态和热平衡等非生物恢复要素。遥感生态指数（RSEI）通过主成分分析（PCA）客观综合了绿度（NDVI）、湿度（WET）、干度（NDBSI）和热度（LST）四个关键生态维度，避免了主观赋权的问题。然而，当前研究多集中于火灾后的即时影响评估或1至2年的短期恢复监测，缺乏4年及以上中长期的定量轨迹追踪；此外，基于自适应阈值的dNBR燃烧严重度分类与长期RSEI恢复轨迹的集成空间耦合分析仍较少。本研究以中国西南山区西昌市“3.30泸山火灾”为研究对象，利用优化后的dNBR阈值进行过火区制图与燃烧严重度分类，并结合四年多时相RSEI模型，系统研究火后生态恢复的时空格局，以验证集成dNBR–RSEI评估框架在山区环境中的适用性，为火后生态恢复规划提供科学依据。

**二、主要技术方法**

本研究采用Landsat 8 OLI卫星遥感影像，结合地理空间数据云提供的土地利用数据和数字高程模型（DEM）数据。影像选取2020年2月至2024年3月期间共六个时相，云量均低于10%。核心方法包括：基于NBR和dNBR指数并结合OTSU自适应阈值算法提取过火区并划分燃烧严重度等级；利用Sentinel-2高分辨率影像目视解译结果构建混淆矩阵进行精度验证；在ENVI软件中，通过主成分分析集成NDVI、WET、NDBSI和LST四个指标构建RSEI，并划分为差、较差、中等、良好、优五个等级；进一步计算生态损失量（ΔRSEI）和年均恢复速率（V）以量化恢复特征。

**三、研究结果**

**3.1 过火区识别与燃烧严重度评估**

基于OTSU算法的dNBR阈值分类结果显示，泸山火灾总过火面积为28.26 km²。燃烧严重度呈现明显的空间分带格局：高严重度区域（dNBR>0.42）集中在火灾核心区，表现为冠层几乎完全烧毁、矿质土壤和灰烬大面积暴露；中严重度区域（0.30
**3.2 生态质量的时空演变**

基于六个监测时期的RSEI分析显示，火灾后方圆区域生态变化剧烈并逐步恢复。平均RSEI从火灾前的0.69骤降至火灾后的0.33，总体生态质量下降52.2%。这一显著下降是火灾对植被覆盖、土壤湿度、地表温度和地表状况等多重生态要素综合作用的结果。恢复轨迹呈现阶段性特征：2020年至2021年为快速恢复期，平均RSEI升至0.47；2022年出现轻微下降至0.45，可能与季节性植被物候和水分可利用性变化有关；2023年加速恢复至0.56，接近火灾前水平的81.2%；2023年和2024年分别为0.56和0.55，表明生态恢复已进入相对稳定状态，但仍未达到火灾前水平。

**3.3 生态恢复轨迹分析**

按五个生态质量等级进行分类分析揭示了四年监测期内不同的恢复轨迹。火灾前以“良好”（占49.8%）和“优”（占23.0%）等级为主，且无“差”等级分布。火灾导致了灾难性的生态退化：“优”等级由6.97 km²骤减至0.03 km²（0.1%），“良好”由15.08 km²降至1.42 km²（4.7%）；“较差”和“差”分别扩大至61.1%和15.6%。恢复经历三个阶段：第一年（2020–2021年）快速改善，“差”等级由4.72 km²降至0.56 km²，“中等”成为主导类别，达49.7%；第二年（2021–2022年）恢复速度减缓；第三年（2022–2023年）恢复再度加速，“优”由0.7%升至6.2%，“良好”由12.0%大幅升至32.4%，“差”降至0.1%。至2024年，“良好”与“优”合计仅恢复至37.2%（11.26 km²），远低于火灾前的72.8%（21.05 km²），表明生态恢复尚未完成。

将OTSU燃烧严重度分类与六期RSEI序列进行定量耦合分析显示：不同强度等级区呈现出显著差异。生态即时损失随严重度递增，从低严重度区域的0.23增至中严重度的0.35和高严重度核心区的0.51。年均恢复速率以低严重度区域最低（0.04 yr^-1），高严重度区域最高（0.08 yr^-1），定量证实了燃烧严重度越高，生态恢复速率越快的规律。

**四、讨论与结论**

本研究进一步讨论了dNBR自适应阈值在复杂山地环境中的适用性。与Key和Benson固定阈值框架相比，OTSU获取的高严重度边界（0.42）与固定阈值的0.44接近，但低严重度边界（0.18 vs. 0.10）明显上移。这一偏移反映了干热安宁河谷区域的地表背景特征，如稀疏林下植被、裸露坡面和地形阴影会抬高未过火基线值，说明直接套用固定阈值可能导致山区火殴生态损害的低估或过渡区域的高估。因此，基于地形背景的自适应阈值策略更适用于复杂峡谷山地的火灾制图。

RSEI多维度评估相较于单一植被指数具有明显优越性。火灾后RSEI下降52.2%所反映的生态损害远超单纯的植被绿度损失，综合了水分平衡、热环境和地表干度等多元扰动。RSEI的PCA框架具有结构性缓冲作用：当单一绿度指数趋近饱和时，WET、NDBSI和LST等分量对主成分的贡献相应增加，使RSEI仍能持续追踪由水分、干度和热恢复驱动的生态状态变化。

火后生态恢复呈现明显的三阶段非线性特征：初期快速恢复、中期短暂放缓、后期加速并趋于稳定。中期放缓与2022年长江流域破纪录的复合干旱高温事件相吻合，该事件通过升高蒸气压差和降低土壤湿度同时抬升LST、抑制WET并增加NDBSI，属叠加于恢复轨迹之上的气候驱动扰动。高严重度区域展现出最快的RSEI恢复速率，其原因是更低的火后基线和先锋物种的快速定植提供了更大的恢复空间，但速率快不等于恢复完整性高。

至2024年，“良好”与“优”合计仅恢复至37.2%，远低于火灾前的72.8%，表明研究区仍处于部分恢复而非功能恢复状态。针对不同严重度区域，研究人员建议采取空间差异化、分级修复策略：低严重度边缘区优先采用自然恢复与动态监测；高严重度、陡坡和高日照暴露区域应实施优先干预，包括坡面防护、土壤稳定化、地表覆盖、种源补充和近自然混交恢复等措施。

本研究的局限性包括：30 m分辨率的Landsat影像在山地破碎化斑块边缘存在混合像元效应；火灾前（2020年2月）与最早无云火后影像（2020年6月）之间的物候错配可能使观测到的52.2%RSEI下降成为真实峰值生态影响的下限估计；缺乏地面样地和复合燃烧指数（CBI）实地验证数据；四年监测期尚不足以判断能否恢复到火灾前的生态条件。未来研究应结合Sentinel-2多光谱数据、高分辨率无人机系统影像和地面测量数据，并延长监测时间至8至10年以上，以区分持续恢复与恢复停滞或生态系统状态转变。

**研究结论**：利用Landsat 8卫星遥感影像和集成dNBR–RSEI框架，本研究全面反演了2020年至2024年西昌市泸山火灾的过火区并分析了生态恢复过程。基于OTSU优化的dNBR方法提取的总过火面积为28.26 km²，燃烧严重度从火场内部到边缘呈现由高到低的清晰空间梯度。RSEI结果显示，火灾后生态质量急剧下降，随后最初几年快速恢复，其后几年波动，后期逐渐趋于稳定，平均RSEI从0.69降至0.33。生态条件随时间逐步改善，但至2024年“良好”和“优”等级合计仅恢复至37.2%，远低于火灾前的72.8%，“中等”和“较差”等级仍主导过火区域。不同燃烧严重度区域的火后生态恢复速率存在显著差异，燃烧严重度越高，生态恢复速率越快。总体而言，集成dNBR–RSEI方法适用于山区火灾干扰评估与火后生态恢复监测，可为我国西南地区火后生态恢复评估与管理提供科学依据。