GeoXMind

烧毁区与火烧严重度描述火灾影响的不同维度

说明烧毁区、烧毁日期和光谱严重度的差别，并分析火前火后影像、产品质量、现场校准与恢复序列。

烧毁区与火烧严重度描述火灾影响的不同维度

烧毁区产品回答地表何处在某段时间发生燃烧，火烧严重度则描述植被、土壤和生态结构改变的程度。两者相关但不能互换：一个像元可以被判定为烧毁，却只有轻微冠层变化；严重度指数也可能受采伐、干旱或阴影影响而变化。

遥感流程要把火点、烧毁日期、烧毁范围和严重度分开。火点是热异常观测，烧毁区依赖燃烧后的反射率变化，严重度通常比较火前与火后状态。不同产品的空间、时间和算法含义必须在统计前对齐。

烧毁区检测结合光谱变化与时间证据

燃烧会减少植被、暴露炭化物和土壤，改变近红外与短波红外反射。算法可利用时间序列中的持续变化，并借助活动火点定位可能的燃烧时段。单景阈值容易把阴影、积水、耕作或采伐误判为火烧，因此时间一致性和邻域结构很重要。

MCD64A1 Collection 6.1 是全球月度 500 米烧毁区产品，其用户指南说明烧毁日期、质量和不确定性等图层：https://lpdaac.usgs.gov/documents/1006/MCD64_User_Guide_V61.pdf 。产品适合大范围月度分析，但小而零散的火烧可能因像元尺度和检测能力被低估。

质量层要用于排除未处理、数据不足或有效观测窗口缩短的像元。月度瓦片边界和跨月火灾需要按烧毁日期处理，不能把产品文件月份简单当作所有像元的燃烧日期。

火烧严重度常用火前火后指数差

归一化燃烧比通常使用近红外与短波红外构成，健康植被近红外较高，燃烧后短波红外响应增强。火前 NBR 与火后 NBR 的差值可形成 dNBR；相对差值可减小火前植被量差异的影响。阈值常按地区、生态系统和参考调查校准。

火前影像应代表未受火灾影响且物候相近的状态，火后影像要选择能表达目标影响阶段的时间。过早可能受烟、热和云影响，过晚则混入恢复、降雨和管理活动。多年复合可降低云影响，却可能平滑真实短期变化。

Landsat 产品与服务目录提供任务及处理产品入口：https://www.usgs.gov/tools/landsat-products-and-services-usgs 。严重度计算应使用一致集合和地表反射率产品，结合质量波段屏蔽云、阴影和雪，并记录具体传感器及处理版本。

大气、地形和物候会制造伪变化

火前火后太阳角、土壤湿度、植被物候和大气条件不同，会改变指数。地形阴影在山地尤其明显，配准误差会在林缘产生高差值。使用地表反射率、地形校正和精确共注册可以降低部分影响，但不能消除所有非火因素。

不同传感器的波段响应和空间分辨率不同，直接拼接指数可能形成断点。跨传感器时间序列需要协调或分别建模。混合像元中烧毁比例较低时，严重度信号被未烧地表稀释，面积与严重度都可能偏低。

云和烟造成的缺测应保留。用邻近日期补值时，要确保像元没有在间隔内发生新的火烧或快速恢复。质量不充分的区域可标记未知，不应为了生成完整地图强行分类。

现场验证决定等级含义

遥感严重度常与现场综合烧伤指数、树冠损伤、地表变化或土壤指标比较。参考调查要说明时间、样地大小和评价对象，因为短期地表焦黑与长期生态影响不是同一概念。样地应覆盖不同植被类型、坡位和严重度，并与影像像元严格定位。

阈值分类应报告混淆矩阵、每级精度和面积偏差。若等级用于恢复优先级或灾害评估，边界阈值附近的不确定性应保留为连续值或概率。视觉上颜色更深不等于生态损失一定更大。

小火验证不能只依赖中分辨率全球产品，高分辨率影像和当地火场边界更适合检查漏检。大范围年度统计则要考虑不同地区有效观测和小火检测能力差异。

时序分析要区分燃烧与恢复

烧毁后植被指数可能逐步回升，但回到火前光谱不表示物种组成、土壤或结构完全恢复。恢复基线应使用未烧对照或长期火前范围，避免把干旱年份的低值当作正常目标。

重复燃烧需要维护每次事件的日期和范围，不能用单一“最后烧毁年份”覆盖全部历史。产品版本更新或火场边界修订后，年度面积和恢复曲线应重新计算，并保留变更说明。

可靠产品会明确区分检测到的烧毁、指数表达的光谱变化和现场定义的生态严重度。只有把产品质量、火前火后选择、地形物候和现场验证共同纳入，遥感地图才适合支持火灾统计与恢复决策。

资料依据