編著：廖冠至（國立台灣大學地理環境資源學系研究所學生）
這是一場始於2019年9月的澳洲森林野火，一開始只被當成例行性的野火，誰都沒想到，它一路延燒至隔年5月，遍及新南威爾斯州、維多利亞州等，一共造成42人罹難(包含9名消防員)，超過3000棟房屋毀損，6萬隻無尾熊傷亡，1700萬公頃地遭到大火侵襲，經濟損失上看50億，成為澳洲近年來最嚴重的森林大火，這個夏天也被冠上惡名昭彰的新名稱:「黑色夏天」。
面對來勢洶洶的森林大火，適時監測就顯得極為重要。森林大火發生範圍廣闊，且時間跨度不短，適合以遙測工具進行監控，但是由於氣候及日照影響，再加上森林大火的濃煙遮蔽，光學衛星時常使不上力，而雷達衛星則可以很好地彌補光學衛星需要日照，且容易被雲霧遮蔽的缺口。因此以下將以雷達衛星，利用雷達影像的差分干涉(DInSAR)作為分析工具，產出災害評估地圖(Damage Proxy Map, DPM)，判斷澳洲野火帶來的影響。災害評估地圖主要原理為透過比較干涉影像同調性(coherence)的差異，評判地物變遷程度，通常做為評估災害的起手式，可以快速掌握災區內嚴重程度的先後順序。
圖一: 光學衛星下的澳洲東岸，明顯可以看到大火產生的濃煙。
拍攝日期為2019年12月16日，取自NOAA。
下面選擇災情最嚴重的新南威爾斯州作為監測的區域，並選用野火發生前與後共15張影像製作干涉影像，生成8對干涉影像後，再將其同調性圖相減，最後產生7張災害評估地圖。本次災害評估地圖的作法是將第一組干涉影像減去其餘七組干涉影像，由於第一組代表的是事件發生前的影像，因此其同調性勢必比其餘七組來的高，因此災害評估地圖中數值越高的地方，就反映著有越高的機率受到災害影響，成果如圖三。
表一: 使用之影像日期。
| 編號 | 使用影像的日期 |
| 1 | 2019/07/26 |
| 2 | 08/07 |
| 3 | 08/19 |
| 4 | 09/12 |
| 5 | 09/24 |
| 6 | 10/06 |
| 7 | 10/18 |
| 8 | 11/11 |
| 9 | 11/23 |
| 10 | 12/05 |
| 11 | 12/17 |
| 12 | 2020/01/10 |
| 13 | 01/22 |
| 14 | 02/03 |
| 15 | 02/15 |
表二: 製作干涉對的影像日期。
| 編號 | 製作之干涉對 | |
| 1 | 2019/07/26 | 08/07 |
| 2 | 08/07 | 08/19 |
| 3 | 09/12 | 09/24 |
| 4 | 10/06 | 10/18 |
| 5 | 11/11 | 11/23 |
| 6 | 12/05 | 12/17 |
| 7 | 2020/01/10 | 01/22 |
| 8 | 02/03 | 02/15 |
表三: 製作DPM的干涉影像對。
| 編號 | ||
| 1 | 07/26-08/07 | 08/07-08/19 |
| 2 | 07/26-08/07 | 09/12-09/24 |
| 3 | 07/26-08/07 | 10/06-10/18 |
| 4 | 07/26-08/07 | 11/11-11/23 |
| 5 | 07/26-08/07 | 12/05-12/17 |
| 6 | 07/26-08/07 | 01/10-01/22 |
| 7 | 07/26-08/07 | 02/03-02/15 |
圖二: 監測區域(綠色方形)。
截自Google Earth Engine。
圖三: 澳洲森林大火DPM。
從上面的成果可以看到:
- 監測範圍內火勢第一個高峰出現在11月份，隨後趨於平穩，到了隔年1月火勢再起，持續影響至2月，並在2月份出現了七個月以來的高峰。
- 火勢具有間歇性，每個月被影響的範圍大小不一。
- 監測範圍內多處受到火勢影響，其中東北方遭受到最多的火勢侵襲。
為了進一步佐證這次監測內容的真實性，以下將在監測區域內計算常態化差異植被指標(NDVI)，其數值越高代表區域內的植被越旺盛，數量越多。實際操作方法為利用Google Earth Engine下載衛星影像，並計算觀測區域及時間內NDVI的數值，成果如圖四圖五。
圖四: 觀測區域內NDVI的時間序列。
圖五: 觀測區域內NDVI的時間序列(使用雲霧遮罩)。
從以上可以看到NDVI整體變化趨勢跟在DPM上觀察到一樣，火勢影響越來越大，並在隔年的2月份出現火勢影響的最大值。另外有雲霧遮罩的數值較為收斂，變化幅度比未使用雲霧遮罩小。
總結來說，可以看出以雷達衛星為工具產出的DPM為相當實用的監測方法，不僅可以不受天氣因素影響，全天候監測，且監測結果也不馬虎，完整掌握野火影響的區域。
—-
參考資料:
Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., & Moore, R. (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment.
留言