Sử dụng các chỉ số phổ của dữ liệu ảnh vệ tinh Sentinel-2 và Landsat-8 thành lập bản đồ mức độ cháy rừng ở xã Na Ngoi, Kỳ Sơn, Nghệ An

44 Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất Tập 59, Kỳ 5 (2018) 44-54 
Sử dụng các chỉ số phổ của dữ liệu ảnh vệ tinh Sentinel-2 và 
Landsat-8 thành lập bản đồ mức độ cháy rừng ở xã Na Ngoi, Kỳ 
Sơn, Nghệ An 
Nguyễn Văn Trung 1,*, Đoàn Thị Nam Phương 1, Bùi Tiến Diệu 2 
1 Khoa Trắc địa - Bản đồ và Quản lý đất đai , Trường Đại học Mỏ - Địa chất, Việt Nam 
2 Trường Đại học Đông Nam Nauy, Nauy 
THÔNG TIN BÀI BÁO 
TÓM TẮT 
Quá trình: 
Nhận bài 08/8/2018 
Chấp nhận 09/10/2018 
Đăng online 31/10/2018 
 Cháy rừng xảy ra từ ngày 16 đến ngày 20/3/2016 tại xã Na Ngoi, Kỳ Sơn, 
Nghệ An đã gây thiệt hại rất lớn. Ngọn lửa trải dài trong phạm vi 10km với 
hơn 100ha rừng bị phá hủy. Nghiên cứu này trình bày kết quả ban đầu đưa 
ra mức độ cháy rừng ở khu vực này dựa vào các chỉ số phổ được tính toán 
dựa vào các dữ liệu ảnh vệ tinh Sentinel-2 và Landsat-8 thu được vào trước, 
sau và trong thời gian cháy bao gồm chỉ số thực vật khác biệt (dNDVI), tỷ số 
cháy chuẩn hóa (NBR) và tỷ số cháy tương đối khác biệt (RBR). Dựa vào 
thang phân loại mức độ cháy của các nghiên cứu trước và ngưỡng cụ thể 
nhận được từ kết quả kiểm chứng đối với dNDVI và RBR cho cả dữ liệu 
Sentinel-2 và Landsat-8 OLI để phân loại mức độ cháy thành các mức thấp, 
trung bình, cao và rất cao. Bên cạnh đó, bản đồ nhiệt độ bề mặt tính từ ảnh 
Landsat-8 chụp ngày 20/3/2016 chỉ ra rằng vùng có nhiệt độ bề mặt rất cao 
tương ứng với vùng có mức độ cháy cao. Bản đồ mức độ cháy rừng ở khu 
vực xã Na Ngoi, Kỳ Sơn, Nghệ An thành lập bằng phương pháp viễn thám 
góp phần phục vụ giám sát cháy rừng và công tác quản lý rừng ở khu vực 
phía Tây tỉnh Nghệ An. 
© 2018 Trường Đại học Mỏ - Địa chất. Tất cả các quyền được bảo đảm. 
Từ khóa: 
Xã Na Ngoi 
Cháy rừng 
Sentinel-2 
Landsat-8 
dNDVI 
RBR 
1. Mở đầu 
Cháy rừng là nguyên nhân gây ảnh hưởng 
nghiêm trọng đến hệ sinh thái do lớp phủ thực vật 
bị mất đi một phần hoặc toàn bộ dẫn đến xói mòn 
đất và quá trình tái sinh rừng (Myronidis et al., 
2010; Pausas et al., 2008; Thayn and Buss, 2015). 
Bởi vậy, việc xác định sự thay đổi cả về số lượng
 và chất lượng của rừng sau cháy phục vụ công tác 
quản lý và bảo vệ rừng là cần thiết để biết các ảnh 
hưởng của cháy rừng về mức độ không gian và 
thời gian (Morgan et al., 2014). 
Các hoàn cảnh cháy rừng xẩy ra ở các khu vực 
có đặc thù khác nhau tạo nên một phạm vi cháy ở 
nhiều mức độ khác nhau (Schepers et al., 2014). 
Các nhà khoa học đã sử dụng các mức độ cháy để 
đánh giá sự thay đổi môi trường sau thời điểm 
cháy (Keeley, 2009; Lentile et al., 2006; Morgan et 
al., 2014). Mức độ cháy biểu thị tác động của cháy
_____________________ 
*Tác giả liên hệ 
E-mail: nguyenvantrung@humg.edu.vn 
 Nguyễn Văn Trung và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 44-54 45 
 rừng sau thời gian ngắn đối với cấu trúc thực vật, 
trong khi thời gian dài biểu thị sự tái sinh rừng 
(French et al., 2008; Lentile et al., 2006; Morgan et 
al., 2014). Mức độ cháy sau thời gian ngắn thường 
được thực hiện ngay sau thời điểm cháy không 
quá một tháng (Key, 2006). 
Các phương pháp đánh giá sau cháy xây dựng 
bởi (Key, 2006) được sử dụng phổ biến là 
Composite Burn Index (CBI). Phương pháp này 
xác định các điều kiện mức độ cháy trung bình đưa 
ra tương quan tốt với giá trị phản xạ phổ bề mặt 
của dữ liệu ảnh vệ tinh đa phổ trước và sau cháy 
(Cansler and McKenzie., 2012; Miller et al., 2009; 
Soverel et al., 2010). 
Các phương pháp thực địa thường đòi hỏi 
nhiều thời gian và chi phí do ảnh hưởng của cháy 
thường trải dài trong phạm vi lớn cả về không gian 
và thời gian (Lentile et al., 2006). Trong khi đó 
phương pháp viễn thám trở nên một phương 
pháp hiệu quả để ước tính mức độ cháy dựa vào 
ảnh trước và sau cháy. Cháy rừng gây ra sự thay 
đổi về thành phần và độ ẩm của lớp thực vật trên 
bề mặt đất và sự xuất hiện tro và than (Rogan and 
Franklin., 2001). Điều này làm thay đổi phổ điện 
từ phản xạ từ bề mặt ghi nhận được ở bộ cảm đặt 
trên các vệ tinh dựa vào đặc tính đa phổ và khả 
năng cung cấp thông tin trước khi xẩy ra cháy mà 
không thể được cung cấp từ phương pháp thực 
địa. 
Sử dụng các chỉ số phổ của các ảnh đa thời 
gian có độ phân giải không gian trung bình trước 
và sau cháy để thành lập bản đồ mức độ cháy được 
thực hiện bởi (Epting et al., 2005; Escuin et al., 
2008). Giá trị Normalized Difference Vegetation 
Index (NDVI) và differential (pre- minus post-fire) 
NDVI (dNDVI) đưa ra tương quan tốt với mức độ 
cháy (Diaz - Delgado et al., 2003; Escuin et al., 
2008). 
Tuy nhiên, một tổng quan đầy đủ bao gồm chỉ 
số Normalized Burn Ratio (NBR), differenced 
Normalized Burn Ratio (dNBR), Relative 
differenced Normalized Burn Ratio (RdNBR), 
Relativized Burn Ratio (RBR) là các chỉ số tiêu 
chuẩn thích hợp nhất cho ước tính các mức độ 
cháy rừng (Epting et al., 2005; Miller et al., 2009; 
Veraverbeke et al., 2010). Các chỉ số phổ này được 
tính từ kênh gần hồng ngoại (near-infrared (NIR) 
và kênh hồng ngoại ngắn (shortwave infrared 
(SWIR) ít chịu ảnh hưởng khi truyền qua khí 
quyển, chúng xác định được sự mất lớp phủ thực 
vật, xuất hiện than, tro và sự giảm độ ẩm và tán cây 
do sự giảm phản xạ bề mặt ở kênh NIR và tăng đối 
với kênh SWIR sau khi cháy so với trước khi cháy 
(Key and Benson, 2006). Giá trị dNDVI thường 
được sử dụng để thành lập các bản đồ phân loại 
phản xạ khu vực cháy (Clark and McKinley, 2011) 
và dự báo nguy cơ cháy cũng như mức độ cháy có 
thể xẩy ra ở Mĩ (Holden et al., 2009). 
Dữ liệu ảnh vệ tinh Landsat với độ phân giải 
không gian 30 m được ứng dụng rộng rãi để thành 
lập bản đồ mức độ cháy rừng. Bên cạnh đó, gần 
đây sự tăng cường về độ phân giải không gian, phổ 
và thời gian của các bộ cảm mới đóng góp thêm 
các phương pháp mới trong nghiên cứu cháy 
rừng. Dữ liệu Sentinel-2 (Fernández-Manso et al., 
2016) cung cấp các đặc tính mới bao gồm dải chụp 
rộng, ít biến dạng hình học, độ phân giải không 
gian cao hơn và ...  Các 
ngưỡng giá trị sử dụng để phân loại các mức độ 
cháy được đưa ra trong Bảng 4.
Vệ tinh Bộ cảm Mức xử lý Cột/Hàng Ngày chụp Độ phân giải không gian (m) 
Sentinel-2 MSI 1C 11/03/2016 10, 20, 60 
Sentinel-2 MSI 1C 01/04/2016 10, 20, 60 
Landsat-8 OLI 1T 127/047 13/03/2016 15, 30, 100 
Landsat-8 OLI 1T 128/046 20/03/2016 15, 30, 100 
Landsat-8 OLI 1T 128/046 05/04/2016 15, 30, 100 
Bảng 1. Danh sách dữ liệu Sentinel-2 và Landsat-8 của khu vực nghiên cứu. 
Bảng 2. Các kênh phổ của hai dữ liệu Sentinel-2 và Landsat-8 sử dụng để tính các chỉ số phổ. 
48 Nguyễn Văn Trung và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 44-54 
4. Các kết quả 
4.1. Các bản đồ mức độ cháy rừng thành lập từ 
ảnh Sentinel-2 và Landsat-8 
Trên cơ sở các ngưỡng đã lựa chọn trong 
Bảng 4, các giá trị RBR và dNDVI được phân loại 
thành các bản đồ mức độ cháy rừng trong Hình 5 
và Hình 6. 
Hình 3. Một số ảnh chụp thực địa sau khi cháy rừng xảy ra tại xã Na Ngoi, Kỳ Sơn, Nghệ An. 
 Nguyễn Văn Trung và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 44-54 49 
Bảng 3. Các chỉ số phổ tính từ các kênh phổ dữ liệu Sentinel-2 và Landsat-8 sử dụng để ước tính mức độ cháy. 
Chỉ số phổ Sentinel-2 Landsat-8 
Đơn thời điểm 
Normalized Burn Ratio (NBR) 
𝐾ê𝑛ℎ 8 − 𝐾ê𝑛ℎ 12
𝐾ê𝑛ℎ 8 + 𝐾ê𝑛ℎ 12
𝐾ê𝑛ℎ 5 − 𝐾ê𝑛ℎ 7
𝐾ê𝑛ℎ 5 + 𝐾ê𝑛ℎ 7
Normalized Difference Vegetation Index (NDVI) 
𝐾ê𝑛ℎ 8 − 𝐾ê𝑛ℎ 4
𝐾ê𝑛ℎ 8 + 𝐾ê𝑛ℎ 4
𝐾ê𝑛ℎ 5 − 𝐾ê𝑛ℎ 4
𝐾ê𝑛ℎ 5 + 𝐾ê𝑛ℎ 4
Đa thời điểm 
Differenced Normalized Burn Ratio (dNBR) prefireNBR - postfireNBR prefireNBR - postfireNBR 
Relativized Burn Ratio (RBR) 
𝑑𝑁𝐵𝑅
𝑁𝐵𝑅𝑝𝑟𝑒𝑓𝑖𝑟𝑒 + 1.001
𝑑𝑁𝐵𝑅
𝑁𝐵𝑅𝑝𝑟𝑒𝑓𝑖𝑟𝑒 + 1.001
Differenced Normalized Difference Vegetation 
Index (dNDVI) 
prefireNDVI - postfireNDVI prefireNDVI - postfireNDVI 
Mức độ cháy RBR dNDVI 
Sentinel-2 
Thấp 0.1-0.26 0.1-0.2 
Trung bình 0.27-0.36 0.2-0.3 
Cao 0.37-0.46 0.3-0.4 
Rất cao 0.47 0.4-0.5 
Landsat-8 
Thấp 0.1-0.26 0.1-0.2 
Trung bình 0.27-0.36 0.2-0.3 
Cao 0.37-0.46 0.3-0.4 
Rất cao 0.47 0.4-0.5 
Hình 4. Sơ đồ quy trình thực nghiệm thành lập bản đồ mức độ cháy rừng. 
Bảng 4. Các ngưỡng sử dụng để phân loại các chỉ số thành các mức độ cháy rừng. 
50 Nguyễn Văn Trung và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 44-54 
4.2. Đánh giá độ chính xác các bản đồ mức độ 
cháy rừng 
Dựa vào số liệu khảo sát và kết quả các điểm 
cháy từ dữ liệu VIIRS và MODIS C6 các mẫu kiểm 
định ngẫu nhiên được sự dụng để đánh giá độ 
chính xác các bản đồ mức độ cháy đã được thành 
lập từ chỉ số RBR. Kết quả đánh giá độ chính xác 
được biểu thị bằng sai số sử dụng và sai số sản 
phẩm, sai số toàn bộ và chỉ số Kappa cho hai bản 
đồ mức độ cháy thành lập từ hai loại dữ liệu ảnh 
Sentinel-2 và Landsat-8 trong Bảng 5. 
5. Thảo luận 
Độ chính xác của lớp mức độ cháy thấp trên 
hai bản đồ mức độ cháy là rất cao (trên 80%). Tuy 
nhiên, độ chính xác của lớp mức độ cháy trung 
bình trên hai bản đồ mức độ cháy là rất thấp (dưới 
60%). Sự khác nhau về độ chính xác giữa hai bản 
đồ mức độ cháy rừng ở các lớp có thể được giải 
thích do sự khác nhau về độ rộng kênh phổ sử 
dụng để tính toán các chỉ số phổ và sai số toàn bộ 
và chỉ số Kappa có sự khác biệt không đáng kể đối 
với quá trình đánh giá kết quả phân loại mức độ 
cháy của ha loại dữ liệu Sentinel-2 và Landsat-8. 
Kết quả của giá trị dNDVI của ảnh trước và 
sau cháy của ảnh Sentinel-2 và Landsat-8 là gần 
tương đồng và phản ánh rất rõ sự thay đổi dNDVI 
rất lớn ở gần đỉnh núi nơi có độ cao 2000m là vùng 
có mức độ cháy rất cao. Ngoài ra các mức độ cháy 
trung bình và thấp cung tương ứng với khả năng 
Hình 5. Bản đồ mức độ cháy rừng: (a) thành lập từ ảnh Sentinel-2, (b) thành lập từ ảnh Landsat-8. 
Hình 6. Bản đồ mức độ thay đổi NDVI trước và sau cháy: (a) từ ảnh Sentinel-2, (b) từ ảnh Landsat-8. 
 Nguyễn Văn Trung và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 44-54 51 
thay đổi dNDVI ở mức trung bình và thấp tương 
ứng. 
Bản đồ nhiệt độ bề mặt đất khu vực cháy ở 
thời điểm cháy ngày 20-3-2016 (Hình 7) được 
thành lập từ kênh hồng ngoại nhiệt của ảnh 
Landsat-8 theo phương pháp đã được đề xuất bởi 
(Jeevalakshmi et al., 2017). Bản đồ này chỉ ra rằng 
các vùng có nhiệt độ bề mặt rất cao (lớn hơn 360C) 
tương đối trùng khớp với các vùng có mức độ cháy 
rất cao trên bản đồ mức độ cháy. 
Các đám cháy có mức độ rất cao xuất hiện ở 
các vùng có độ cao từ 1500m đến 2000m và lan 
rộng trong phạm vi 4 km là do việc chữa cháy gặp 
phải địa hình phức tạp (Hình 2) và lớp phủ bì khô 
dày của rừng ở khu vực nghiên cứu. Bên cạnh đó, 
kỹ thuật chữa cháy thô sơ và phương pháp chữa 
cháy thủ công cũng là lý do mà đám cháy lan rộng 
trong phạm vi lớn trong suốt 5 ngày mới được 
khống chế. 
Các lớp mức độ cháy User (%) Producer (%) 
Sentinel-2 
Thấp 86.17 83.29 
Trung bình 56.23 65.18 
Cao 67.12 53.24 
Rất cao 75.96 84.31 
Sai số toàn bộ: 73.24% 
Kappa 0.69 
Landsat-8 
Thấp 80.21 91.32 
Trung bình 55.78 56.45 
Cao 86.85 51.68 
Rất cao 65.14 89.92 
Sai số toàn bộ: 71.17% 
Kappa 66.13 
Bảng 5. Ma trận sai số giữa mẫu kiểm định và bản đồ mức độ cháy thành lập từ dữ liệu Sentinel-2 và Landsat-8. 
Hình 7. Nhiệt độ bề mặt đất thời điểm xẩy ra cháy ngày 20-3-2016 tính từ kênh 10 của ảnh Landsat-8. 
52 Nguyễn Văn Trung và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 44-54 
6. Kết luận 
Trong nghiên cứu này, hai ảnh vệ tinh 
Sentinel-2 và ba ảnh Landsat-8 thu được trước, 
sau và trong thời cháy đã được sử dụng để thành 
lập bản đồ mức độ cháy dựa vào tính toán các chỉ 
số cháy NBR từ dữ liệu Sentinel-2 là tối ưu. Kết quả 
nhận được bản đồ mức độ cháy với độ chính xác 
toàn bộ là 73.24% và 71.17% lần lượt đối với hai 
loại dữ liệu Sentinel-2 và Landsat-8. Trong đó, độ 
chính xác lớp mức độ cháy rất cao có độ chính xác 
cao nhất (trên 80%). 
Hai bản đồ mức độ chỉ số thực vật khác nhau 
(dNDVI) giữa các ảnh trước và sau cháy đối với cả 
hai loại dữ liệu Sentinel-2 và Landsat-8 chỉ ra sự 
tương đối trùng khớp với sự thay đổi thực phủ 
trên hai bản đồ mức độ cháy đã thành lập. Bên 
cạnh đó, bản đồ nhiệt độ bề mặt tính từ kênh 10 
của ảnh Landsat-8 chụp ở ngày cuối cùng của đợt 
cháy kéo dài 5 ngày cũng chỉ ra rằng khu vực có 
nhiệt độ rất cao (lớn hơn 360C) tương ứng với khu 
vực có mức độ cháy cao trên bản đồ mức độ cháy. 
Lời cảm ơn 
Các tác giả xin cảm ơn Cơ quan hàng không 
Vũ trụ châu Âu đã cung cấp dữ liệu ảnh Sentinel-2 
và Cục địa chất Mĩ đã cung cấp dữ liệu ảnh 
Landsat-8, các điểm cháy từ dữ liệu VIIRS và 
MODIS 6C và mô hình số độ cao ở khu vực nghiên 
cứu. 
Tài liệu tham khảo 
Cansler, C., McKenzie., D., 2012. How Robust are 
Burn Severity Indices When Applied in a New 
Region? Evaluation of Alternate Field-Based 
and Remote Sensing Methods. Remote Sensing 
4. 456-483. 
Clark, J., McKinley, R., 2011. Remote Sensing and 
Geospatial Support to Burned Area Emergency 
Response Teams. Fire Management Today 71. 
15-18. 
Diaz-Delgado, R., F. L., Pons, X., 2003. Influence of 
Fire Severity on Plant Regeneration by Means 
of Remote Sensing Imagery. International 
Journal of Remote Sensing 24. 1751-1763. 
Epting, J., Verbyla, D., Sorbel, B., 2005. Evaluation 
of Remotely Sensed Indices for Assessing Burn 
Severity in Interior Alaska Using Landsat TM 
and ETM+. Remote Sensing of Environment 96. 
328-339. 
Escuin, S., Navarro, R., Fernández, P., 2008. Fire 
Severity Assessment by Using NBR 
(Normalized Burn Ratio) and NDVI 
(Normalized Difference Vegetation Index) 
Derived from LANDSAT TM/ETM Images. 
International Journal of Remote Sensing 29. 
1053-1073. 
Fernández-Manso, A., Fernández-Manso, O., 
Quintano, C., 2016. Sentinel-2A Red-Edge 
Spectral Indices Suitability for Discriminating 
Burn Severity. International Journal of Applied 
Earth Observation and Geoinformation 50. 170-
175. 
French, N., Kasischke, E., Hall, R., Murphy, K., 
Verbyla D., Hoy E., & Allen, J., 2008. Using 
Landsat Data to Assess Fire and Burn Severity 
in the North American Boreal Forest Region: 
An Overview and Summary of Results. 
International Journal of Wildland Fire 17. 443-
462. 
Holden, Z., Morgan, P., Evans, J., 2009. A Predictive 
Model of Burn Severity Based on 20-Year 
Satellite-Inferred Burn Severity Data in a Large 
Southwestern US Wilderness Area. Forest 
Ecology and Management 258. 2399-2406. 
Hudak, A., Morgan, P., Bobbitt, M., Smith, A., Lewis, 
S., Lentile, L., Robichaud, P., Clark, J., McKinley, 
R., 2007. The Relationship of Multispectral 
Satellite Imagery to Immediate Fire Effects. 
Fire Ecology 3. 64-90. 
Jeevalakshmi. D., Narayana Reddy, S., Manikiam, 
B., 2017. Land Surface Temperature Retrieval 
from LANDSAT data using Emissivity 
Estimation. International Journal of Applied 
Engineering Research 12. 9679-9687. 
Keeley, J., 2009. Fire Intensity, Fire Severity and 
Burn Severity: A Brief Review and Suggested 
Usage. International Journal of Wildland Fire 
18. 116-126. 
Key, C., 2006. Ecological and Sampling Constraints 
on Defining Landscape Fire Severity. Fire 
Ecology 2. 34-59. 
Key, C., Benson, N., 2006. Landscape Assessment: 
Ground Measure of Severity, the Composite 
 Nguyễn Văn Trung và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 44-54 53 
Burn Index; and Remote Sensing of Severity, 
the Normalized Burn Ratio. In, FIREMON: Fire 
Effects Monitoring and Inventory System. 219-
279. 
Lasaponara, R., 2006. Estimating Spectral 
Separability of Satellite Derived Parameters 
for Burned Areas Mapping in the Calabria 
Region by Using SPOT-vegetation Data. 
Ecological Modelling 196. 265-270. 
Lentile, L., Holden, Z., Smith, A., Falkowski, M., 
Hudak, A., Morgan, P., Lewis S., Gessler P., 
Benson, N., 2006. Remote Sensing Techniques 
to Assess Active Fire Characteristics and Post-
Fire Effects. International Journal of Wildland 
Fire 15. 319-345. 
Miller, J., Knapp, E., Key, C., Skinner, C., Isbell, C., 
Creasy, R., Sherlock, J., 2009. Calibration and 
Validation of the Relative Differenced 
Normalized Burn Ratio (Rdnbr) to Three 
Measures of Fire Severity in the Sierra Nevada 
and Klamath Mountains, California, USA. 
Remote Sensing of Environment 113. 645-656. 
Morgan, P., Keane, R., Dillon, G., Jain, T., Hudak, A., 
Karau, E., Sikkink, P., Holden, Z., Strand, E., 
2014. Challenges of Assessing Fire and Burn 
Severity Using Field Measures, Remote Sensing 
and Modelling. International Journal of 
Wildland Fire 23. 1045-1060. 
Myronidis, D., Emmanouloudis, D., Mitsopoulos, I., 
Riggos., E., 2010. Soil Erosion Potential after 
Fire and Rehabilitation Treatments in Greece. 
Environmental Modeling & Assessment 15. 239-
250. 
Pausas, J., Llovet, J., Rodrigo, A., Vallejo., R., 2008. 
Are Wildfires a Disaster in theMediterranean 
Basin? - A Review. International Journal of 
Wildland Fire 17. 713-723. 
Picotte, J., Robertson, K., 2011. Validation of 
Remote Sensing of Burn Severity in South-
Eastern US Ecosystems. International Journal 
of Wildland Fire 20. 453-464. 
Rogan, J., Franklin, J., 2001. Mapping wildfire burn 
severity in southern California forests and 
shrublands using Enhanced Thematic Mapper 
imagery. Geocarto International, 16(4). 
Schepers, L. B. H., Veraverbeke, S., Spanhove, T., 
Vanden Borre, J., Goossens, R., 2014. Burned 
Area Detection and Burn Severity Assessment 
of a Heathland Fire in Belgium Using Airborne 
Imaging Spectroscopy (APEX). Remote Sensing 
6. 1803-1826. 
Soverel, N., Perrakis, D., Coops., N., 2010. 
Estimating Burn Severity from Landsat dNBR 
and RdNBR Indices across Western Canada. 
Remote Sensing of Environment 114. 1896-
1909. 
Thayn, J., Buss, K., 2015. Monitoring Fire Recovery 
in a Tallgrass Prairie Using a Weighted 
Disturbance Index. GIScience & Remote Sensing 
52. 527-542. 
USGS, 2004. Reviewed and Updated National 
Burn Severity Mapping Project Mission 
Statement, Summary of Working Group 
Meeting Results. NPS-USGS NATIONAL BURN 
SEVERITY MAPPING PROJECT WORKING 
GROUP. 
Veraverbeke, S., Lhermitte, S., Verstraeten, W., 
Goossens, R., 2010. The Temporal Dimension 
of Differenced Normalized Burn Ratio (Dnbr) 
Fire/Burn Severity Studies: The Case of the 
Large 2007 Peloponnese Wildfires in Greece. 
Remote Sensing of Environment 114. 2548-
2563. 
54 Nguyễn Văn Trung và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 44-54 
ABSTRACT 
Using spectral indices of Sentinel-2 và Landsat-8 data for fire severity 
mapping in Na Ngoi commune, Ky Son, Nghe An 
Trung Van Nguyen 1, Phuong Nam Thi Doan 1, Dieu Tien Bui 2 
1 Faculty of Geomatics and Land Administration, Hanoi University of Mining and Geology, Vietnam 
2 University of South-Eastern Norway, Norway 
Forest fire occurred on March 16-20, 2016 at Na Ngoi commune, Ky Son, Nghe An caused a huge of 
damages. The fire spread out over 10 km with more than 100 hectares of destroyed forest. This study 
presents the preliminary results of the burn severity of the Na Ngoi fires based on spectral indices 
computed by using the Sentinel-2 and Landsat-8 data acquired on pre-fire, post-fire, at the time of fire 
including Normalized Difference Vegetation Index (NDVI), Normalized Burn Ratio (NBR), differenced 
NDVI (dNDVI), Relativized Burn Ratio (RBR). Based on local thresholds of dNDVI and RBR values derived 
from field survey for Sentinel-2 and Landsat-8 data, fire severity maps with four levels consisting of low, 
moderate, high and very high were established. In addition, a surface temperature map generated from 
the Landsat-8 image acquired on March 20, 2016 indicates that the area with very high surface 
temperature corresponds to the area with high severity fire. Fire severity maps in Na Ngoi commune, Ky 
Son, Nghe An established by remote sensing method contribute for monitoring and managing fire forest 
in the western of Nghe An province.