利用合成控制与卫星遥感估计异质性野火影响

野火已成为全球环境最大的自然灾害之一。野火的影响是异质性的，意味着其影响程度取决于诸多因素，如地理区域、气候和土地覆盖/植被类型。然而，哪些区域受这些事件影响更大仍不清楚。本文提出了广义合成控制（Generalised Synthetic Control, GSC）方法的新应用，通过对原位和卫星遥感数据的时间序列分析，量化并预测由野火引起的植被变化。我们将该方法应用于加利福尼亚州二十年间（1996–2016）中型至大型野火（> 1000 英亩）。探讨了该方法估算过火区域反事实植被特征的能力，以量化突变的系统变化。我们发现 GSC 方法比使用邻近区域评估野火影响的传统方法更能预测植被变化。我们通过将该方法对光谱植被指数的预测与野火前时段的观测比较来评估 GSC 方法，发现归一化植被指数（Normalised Difference Vegetation Index, NDVI）的相关系数从 $R^2 = 0.66$ 提升至 $R^2 = 0.93$，归一化燃烧率（Normalised Burn Ratio, NBR）从 $R^2 = 0.48$ 提升至 $R^2 = 0.81$，归一化差分湿度指数（Normalised Difference Moisture Index, NDMI）从 $R^2 = 0.49$ 提升至 $R^2 = 0.85$。结果显示，在划分为较低燃烧指数（Burning Index）的区域，灾后 NDVI、NBR 和 NDMI 变化更大。GSC 方法还揭示野火对植被的影响在灾后可持续十余年，且在某些情况下在我们的研究期内从未恢复到先前的植被周期。最后，我们讨论了在遥感分析中使用 GSC 的效用。