Uydu görüntüleri ile yanan orman alanının değerlendirilmesi: Çandır orman yangını örneği
Abdurrahman Cankut Göz · HÜSEYİN OĞUZ ÇOBAN
利用Landsat-8和Sentinel-2影像评估2021年Çandır森林火灾过火面积。
计算火灾前后NDVI、NBR及dNDVI、dNBR，结合阈值法和最大似然监督分类
Sentinel-2的dNBR精度最高（总体精度0.92，Kappa 0.83），过火面积约760公
可探索多源卫星时序数据融合与深度学习，提升火烧区制图精度并拓展至植被恢复监测。
该论文利用Landsat-8与Sentinel-2遥感数据评估土耳其Çandır森林火灾过火面积，方法可靠、结论具体，对农业信息化中的遥感监测有参考价值，但属区域性案例研究，影响范围有限。
本研究旨在利用遥感数据和方法，确定并评估2021年昌德尔森林经营管理局辖区内发生的森林火灾中受损的森林面积。在此范围内，利用火灾前后的Landsat-8和Sentinel-2卫星影像生成了归一化差异植被指数（NDVI）和归一化燃烧比率（NBR）光谱指数。为了定量揭示火灾的影响，通过计算火灾前后指数影像之间的差值，获得了dNDVI和dNBR影像。对这些差值影像应用阈值法，确定了过火森林区域。此外，对Landsat-8和Sentinel-2影像应用了监督分类方法，并利用最大似然法（Maximum Likelihood）生成了专题地图。根据所得结果，最高的分类精度来自Sentinel-2数据生成的dNBR和dNDVI影像，其总体精度分别为0.92和0.88，Kappa系数分别为0.83和0.77。在Landsat-8数据生成的dNBR和dNDVI影像中，总体精度分别为0.87和0.85，Kappa系数分别为0.73和0.7。在监督分类生成的专题地图中，Sentinel-2和Landsat-8的总体精度分别为0.88和0.85，Kappa系数分别为0.85和0.82。根据不同方法所得结果的平均值，过火森林面积计算为760公顷。综上所述，由Sentinel-2和Landsat-8卫星数据获得的dNDVI和dNBR影像在确定过火森林区域和评估火灾影响方面具有产生高效、可靠且可应用结果的潜力。