Forest fires are significant catastrophic events that affect the landscape and vegetation in forested lands. They cause loss of biodiversity, land degradation & ecological imbalance. As the forest fires cause extreme damage to the habitat, it is of utmost necessity to assess the impact of fire on canopy/vegetation. Post-fire assessment is an essential element for finding the effects of fire on vegetation and implementing mitigation strategies. In this article, a Post-fire burn severity assessment was carried out with high-resolution multi-spectral images such as Sentinel-2 and Landsat-8 employing Google Earth Engine (GEE) to locate the burnt areas and fire severity. Three commonly used fire severity indices based on pre-fire Normalized Burn Ratio (NBR) and post-fire NBR, namely differenced Normalized Burn Ratio (dNBR), Relativized Burn Ratio (RBR), and Relativized dNBR (RdNBR) are computed and compared based on their accuracy with the active fire points provided by MODIS & VIIRS. Both Sentinel-2 and Landsat-8 exhibited a similar trend in mapping burn severity. The RdNBR resulted in high accuracy over heterogeneous landscapes with 61.52% for Sentinel-2 and 64.1% for Landsat-8 followed by dNBR (41.67% for Sentinel-2 and 47.44% for Landsat-8) and weak performance by RBR with 32.69% for Sentinel-2 and 26.92% for Landsat-8. Hence RdNBR burn severity maps are considered highly appropriate for mapping burnt areas. Even though severity analysis from both Sentinel-2 and Landsat-8 is at an acceptable level, the Landsat based burn severity maps provided an adequate assessment of the degree of damage.

森林火灾是严重的灾难性事件，影响着林地的景观和植被。它们造成生物多样性丧失，土地退化和生态失衡。由于森林大火严重破坏了生境，因此有必要评估火灾对冠层/植被的影响。火灾后评估是发现火灾对植被的影响并实施缓解策略的重要要素。在本文中，使用Google Earth Engine（GEE）对高分辨率的多光谱图像（例如Sentinel-2和Landsat-8）进行了火灾后燃烧严重性评估，以定位燃烧区域和火灾严重性。基于火灾前归一化燃烧比（NBR）和火灾后NBR的三个常用火灾严重性指标，即差异归一化燃烧比（dNBR），计算相对燃烧率（RBR）和相对dNBR（RdNBR），并根据其准确性与MODIS和VIIRS提供的有效着火点进行比较。Sentinel-2和Landsat-8在绘制烧伤严重程度时都显示出相似的趋势。RdNBR在异质景观上具有较高的精度，Sentinel-2为61.52％，Landsat-8为64.1％，其次是dNBR（Sentinel-2为41.67％，Landsat-8为47.44％），RBR性能较弱，为32.69％。前哨2号和Landsat-8的26.92％。因此，RdNBR燃烧严重性图被认为非常适合于绘制燃烧区域。即使Sentinel-2和Landsat-8的严重性分析处于可接受的水平，基于Landsat的燃烧严重性图也可以对损坏程度进行充分评估。计算出相对密度dNBR和相对密度dNBR（RdNBR），并将其与MODIS和VIIRS提供的有效着火点进行比较。Sentinel-2和Landsat-8在绘制烧伤严重程度时都显示出相似的趋势。RdNBR在异质景观上具有较高的精度，Sentinel-2为61.52％，Landsat-8为64.1％，其次是dNBR（Sentinel-2为41.67％，Landsat-8为47.44％），RBR性能较弱，为32.69％。前哨2号和Landsat-8的26.92％。因此，RdNBR燃烧严重性图被认为非常适合于绘制燃烧区域。即使Sentinel-2和Landsat-8的严重性分析处于可接受的水平，基于Landsat的燃烧严重性图也可以对损坏程度进行充分评估。计算出相对密度dNBR和相对密度dNBR（RdNBR），并将其与MODIS和VIIRS提供的有效着火点进行比较。Sentinel-2和Landsat-8在绘制烧伤严重程度时都显示出相似的趋势。RdNBR导致在异类景观上的高精度，Sentinel-2为61.52％，Landsat-8为64.1％，其次是dNBR（Sentinel-2为41.67％，Landsat-8为47.44％），RBR性能较弱，为32.69％前哨2号和Landsat-8的26.92％。因此，RdNBR燃烧严重性图被认为非常适合于绘制燃烧区域。即使Sentinel-2和Landsat-8的严重性分析处于可接受的水平，基于Landsat的燃烧严重性图也可以对损坏程度进行充分评估。Sentinel-2和Landsat-8在绘制烧伤严重程度时都显示出相似的趋势。RdNBR在异质景观上具有较高的精度，Sentinel-2为61.52％，Landsat-8为64.1％，其次是dNBR（Sentinel-2为41.67％，Landsat-8为47.44％），RBR性能较弱，为32.69％。前哨2号和Landsat-8的26.92％。因此，RdNBR燃烧严重性图被认为非常适合于绘制燃烧区域。即使Sentinel-2和Landsat-8的严重性分析处于可接受的水平，基于Landsat的燃烧严重性图也可以对损坏程度进行充分评估。Sentinel-2和Landsat-8在绘制烧伤严重程度时都显示出相似的趋势。RdNBR在异质景观上具有较高的精度，Sentinel-2为61.52％，Landsat-8为64.1％，其次是dNBR（Sentinel-2为41.67％，Landsat-8为47.44％），RBR性能较弱，为32.69％。前哨2号和Landsat-8的26.92％。因此，RdNBR燃烧严重性图被认为非常适合于绘制燃烧区域。即使Sentinel-2和Landsat-8的严重性分析处于可接受的水平，基于Landsat的燃烧严重性图也可以对损坏程度进行充分评估。Landsat-8占44％），RBR表现不佳，Sentinel-2占32.69％，Landsat-8占26.92％。因此，RdNBR燃烧严重性图被认为非常适合于绘制燃烧区域。即使Sentinel-2和Landsat-8的严重性分析处于可接受的水平，基于Landsat的燃烧严重性图也可以对损坏程度进行充分评估。Landsat-8占44％），RBR表现不佳，Sentinel-2占32.69％，Landsat-8占26.92％。因此，RdNBR燃烧严重性图被认为非常适合于绘制燃烧区域。即使Sentinel-2和Landsat-8的严重性分析处于可接受的水平，基于Landsat的燃烧严重性图也可以对损坏程度进行充分评估。