Assessment of burn severity and vegetation recovery following the 2025 Palisades fire using Landsat-based spectral indices

方法

Landsat 8/9多时相影像计算NDVI、dNDVI、NBR、dNBR，并用

发现

中高及高严重度占80.46%，火烧-未火烧分类总体精度83.58%、Kappa约0.64。

机会点

可延伸至灾后长期生态恢复监测，并融合多源遥感与机器学习提升严重度分类精度。

背景与目标 野火可导致植被状况和生态系统结构发生显著变化，因此快速可靠的火灾后评估对环境管理至关重要。本研究评估了美国加利福尼亚州2025年帕利塞兹火灾（Palisades Fire）后的植被变化、火烧严重度及火灾后短期响应。方法 分析了多时相Landsat 8和Landsat 9 Collection 2 Level-2地表反射率影像，获取时间分别为2024年12月21日（火前）、2025年1月14日（火活跃期）和2025年2月15日（火后早期）。植被动态采用归一化差异植被指数（NDVI）和差值NDVI（dNDVI）评估，火烧严重度采用归一化燃烧比（NBR）和常规火前—火后差值NBR（dNBR）评估。火烧严重度分为五类。利用2025年2月21日获取的Sentinel-2影像进行独立精度评估。结果 火活跃期植被状况显著下降，随后出现局地性的火后早期光谱改善。在3，045.87 ha的共同有效火前—火后分析区内，中高严重度占比最大，为1，173.78 ha（38.54%），其次为中低严重度684.18 ha（22.46%）和高严重度592.65 ha（19.46%）。这三类合计占有效分析区的80.46%。烧毁—未烧毁分类的总体精度为83.58%，Cohen's Kappa系数约为0.64。结论 将Landsat-derived植被指数和火烧敏感光谱指数与独立Sentinel-2验证相结合，为快速野火评估提供了有效框架。然而，火后早期光谱改善不应被解释为完全的生态恢复，仍需长期监测以评估生态系统恢复力。