شاخص BAI ، شاخص ناحیه سوخته

شاخص BAI (Burned Area Index) برای شناسایی مناطق سوخته در اثر آتش‌سوزی‌ها استفاده می‌شود. این شاخص با تحلیل ویژگی‌های طیفی، به ویژه تفاوت بین باندهای قرمز، مادون قرمز نزدیک (NIR) و مادون قرمز کوتاه‌مدت (SWIR)، تغییرات عمده در پوشش گیاهی و خاک ناشی از آتش‌سوزی را مشخص می‌کند. آتش‌سوزی‌ها باعث تغییرات قابل توجهی در بازتاب طیفی مواد می‌شوند، که BAI به طور مؤثری این تغییرات را شبیه‌سازی کرده و به نقشه‌برداری و ارزیابی نواحی سوخته کمک می‌کند.

شاخص BAI ، شاخص ناحیه سوخته

BAI formula

فرمول شاخص

Red: باند قرمز با طول موج 0.63:0.69 µm (630 نانومتر تا 690 نانومتر).

NIR : باند مادون قرمز نزدیک با طول موج 0.76:0.90 µm (760 نانومتر تا 900 نانومتر).

متغییرهای فرمول شاخص

اختصار: BAI

معادل کامل: Burned Area Index

معادل فارسی:شاخص ناحیه سوخته

کاربرد اصلی: شناسایی آتش سوزی، ارزیابی خسارات آتش سوزی و سلامت گیاهی

ویژگی های کلی شاخص

کاربرد های شاخص BAI ، شاخص ناحیه سوخته

 

شناسایی مناطق سوخته

این شاخص به راحتی قادر به شناسایی و تفکیک مناطق سوخته شده از نواحی سالم است.

ارزیابی شدت و وسعت آتش‌سوزی‌ها

با استفاده از BAI می‌توان شدت و وسعت آتش‌سوزی‌ها را در نواحی مختلف مشخص کرد.

مطالعات تغییرات پوشش گیاهی

از آنجایی که آتش‌سوزی‌ها موجب تغییرات عمده‌ای در پوشش گیاهی می‌شوند، این شاخص می‌تواند این تغییرات را بررسی کند.

نظارت بر بازسازی گیاهی

پس از آتش‌سوزی، می‌توان از BAI برای رصد فرایندهای بازسازی و رشد مجدد گیاهان در نواحی آسیب‌دیده استفاده کرد.

ارزیابی اثرات زیست‌محیطی

شاخص BAI می‌تواند برای ارزیابی آسیب‌های وارد شده به اکوسیستم‌ها و زیستگاه‌های مختلف در اثر آتش‌سوزی‌ها به کار رود.

پیش‌بینی خطر آتش‌سوزی

این شاخص کمک می‌کند تا با تحلیل تغییرات در پوشش گیاهی، خطرات آتش‌سوزی در آینده شبیه‌سازی و پیش‌بینی شوند.

کاربردهای شاخص

تحلیل عددی شاخص BAI ، شاخص ناحیه سوخته

 

محدوده مقادیر شاخص BAI

مقادیر شاخص BAI معمولاً در محدوده 0 تا 1 قرار دارند.

مقادیر نزدیک به 1 نشان‌دهنده مناطق سوخته به‌طور کامل است.

مقادیر پایین‌تر از 0.1 می‌تواند نشان‌دهنده نواحی کمتر سوخته و یا حتی مناطقی با پوشش گیاهی غیرآسیب‌دیده باشد.

مقادیر میان‌گین از 0.2 تا 0.5 معمولاً به مناطقی اشاره دارند که در معرض آتش‌سوزی قرار گرفته‌اند اما به طور کامل سوخته نشده‌اند.

تحلیل پراکندگی عددی BAI

میانگین شاخص BAI در یک منطقه می‌تواند نشان‌دهنده شدت آتش‌سوزی‌ها در آن ناحیه باشد.

انحراف معیار BAI می‌تواند نشان‌دهنده پراکندگی و شدت مناطق سوخته باشد. انحراف معیار بالا نشان‌دهنده تغییرات قابل توجه در شدت آتش‌سوزی‌ها در سطح منطقه است.

تحلیل پراکندگی عددی به شناسایی مناطق با آتش‌سوزی‌های شدید و نواحی که به‌طور جزئی آسیب دیده‌اند، کمک می‌کند.

مقایسه مقادیر BAI در زمان

افزایش مقادیر BAI در طول زمان می‌تواند نشان‌دهنده مناطق جدیدی باشد که در معرض آتش‌سوزی قرار گرفته‌اند.

کاهش مقادیر BAI ممکن است نشان‌دهنده بهبود وضعیت مناطق سوخته یا بازسازی پوشش گیاهی باشد.

پایش تغییرات BAI در طول زمان می‌تواند به شناسایی روندهای بازسازی و ترمیم در مناطق سوخته کمک کند.

تحلیل مقادیر بحرانی BAI

مقادیر بالای 0.5 در شاخص BAI نشان‌دهنده آتش‌سوزی‌های شدید و مناطق با پوشش گیاهی کاملاً سوخته است که نیازمند ارزیابی دقیق و اقدامات بازسازی هستند.

مقادیر پایین‌تر از 0.1 نشان‌دهنده مناطقی است که آتش‌سوزی در آن‌ها کم یا هیچ تأثیری نداشته است.

شاخص‌های مکمل عددی با شاخص BAI

ترکیب شاخص BAI با سایر شاخص‌های نوری مانند NDVI (شاخص پوشش گیاهی نرمال‌شده) و NBR (شاخص نرمال‌شده سوختگی) می‌تواند اطلاعات دقیق‌تری درباره شدت آتش‌سوزی و تأثیرات آن بر پوشش گیاهی و خاک فراهم کند.

استفاده از داده‌های اقلیمی مانند بارش و دما همراه با BAI می‌تواند تغییرات پوشش گیاهی و منابع آبی را تحلیل کند.

استفاده از هیستوگرام BAI

هیستوگرام شاخص BAI می‌تواند توزیع میزان سوختگی در یک منطقه را نشان دهد.

این ابزار به شناسایی مناطق با سوختگی‌های شدید و نواحی کم‌سوخته کمک می‌کند و می‌تواند به تقسیم‌بندی و ارزیابی مناطق آسیب‌دیده کمک نماید.

روندهای عددی منطقه‌ای شاخص BAI

پیگیری روندهای BAI در مناطق مختلف به شناسایی نواحی که به‌طور مداوم دچار آتش‌سوزی می‌شوند، کمک می‌کند.

مقایسه روند BAI در مناطق مختلف می‌تواند نشان‌دهنده اثرات تغییرات اقلیمی و فعالیت‌های انسانی روی پوشش گیاهی و آتش‌سوزی‌ها باشد.

تحلیل‌های منطقه‌ای BAI به بهبود مدیریت آتش‌سوزی‌ها و کاهش آسیب‌های ناشی از آن‌ها کمک می‌کند.

تحلیل عددی شاخص
نام سنجندهباند REDباند NIRباندهای متناظر در فرمول
ASTERB2B3NBAI = 1/((0.1-B2)^2 + (0.06-B3N)^2)
Sentinel2B4B8BAI = 1/((0.1-B4)^2 + (0.06-B8^2)
Landsat 8 & 9B4B5BAI = 1/((0.1-B4)^2 + (0.06-B5^2)
Landsat 7B3B4BAI = 1/((0.1-B3)^2 + (0.06-B4)^2)
Landsat 5B3B4BAI = 1/((0.1-B3)^2 + (0.06-B4)^2)
Landsat 1-4 MSSB5B7BAI = 1/((0.1-B5)^2 + (0.06-B7)^2)
MODISB1B2BAI = 1/((0.1-B1)^2 + (0.06-B2)^2)
پیاده سازی شاخص در سنجند های مختلف

Chuvieco, E., M. Pilar Martin, and A. Palacios. “Assessment of Different Spectral Indices in the Red-Near-Infrared Spectral Domain for Burned Land Discrimination.” Remote Sensing of Environment 112 (2002): 2381-2396.

Martín, M. Cartografía e inventario de incendios forestales en la Península Iberica a partir de imágenes NOAA AVHRR. Doctoral thesis, Universidad de Alcalá, Alcalá de Henares (1998).

رفرنس مربوط به شاخص
برای نوشتن دیدگاه باید وارد بشوید.
اگر نظری یا سوالی در مورد شاخص داری بپرس!