融合可见光无人机与哨兵2A 影像的森林火灾迹地精细化提取

熊 源 徐伟恒,2,3 黄邵东 刘明露 雷建寅 吴 超 徐海峰 王秋华

（1.西南林业大学大数据与智能工程学院，云南 昆明 650233；2.西南林业大学 大数据与智能工程研究院，云南 昆明 650233；3.西南林业大学林业生态大数据国家林业与草原局重点实验室，云南 昆明 650233；4.云南忆尘司法鉴定中心，云南 昆明 650051；5.西南林业大学土木工程学院，云南 昆明 650233）

森林火灾是导致森林资源损失的最主要原因之一，林火发生造成巨大的社会经济损失、生物多样性减少等后果[1-3]。因此，准确，快速的提取森林火灾迹地面积对评估灾后损失，进行客观的林火司法鉴定具有重要意义。传统的圈定火灾范围需要通过大量野外调查或基于卫星影像进行提取，而野外调查费时费力，卫星影像往往因为其较低的空间分辨率导致无法准确提取火灾迹地[1,4]。

近年来，无人机（UAV）多光谱影像因其具有空间分辨率高，光谱信息丰富的特点，被广泛应用于森林火灾迹地的提取。Mckenna 等[5]基于火灾前后2 景无人机RGB 影像结合过绿指数差值（dEGI），过绿指数比率差值（dEGIR）及改进的过绿指数差值（dMGIR）指数提取了澳大利亚昆士兰州实验火灾迹地及区分了不同燃烧程度。Shin 等[1]基于1 景无人机多光谱影像，比较了光谱角制图（SAM）、最大似然法（ML）以及归一化植被指数（NDVI）阈值法在对火灾迹地烧伤程度区分的表现。Gibson 等[6]基于哨兵2（Sentinel−2）数据，结合随机森林（RF）进行火灾严重程度制图，对区分未燃烧区域和严重烧伤（冠层全部烧毁）区域精度达到95%以上。Pádua 等[7]比较了Sentinel−2 与无人机多光谱影像利用差分归一化燃烧率（dNBR）在对森林火灾迹地提取效果的相关性，证明了Sentinel−2 遥感数据比无人机更具有成本效益。……