李 進(jìn)，王 鑫，張 園

（浙江農(nóng)林大學(xué)環(huán)境科技學(xué)院，浙江 臨安 311300）

近年來(lái)，高空間分辨率的遙感圖像（衛(wèi)片或航片）作為森林資源調(diào)查的有效手段，發(fā)揮著越來(lái)越重要的作用。由于空間分辨率很高（一般在5 m以內(nèi)），因此包含了很多空間紋理方面的信息[1]。紋理是復(fù)雜的視覺(jué)實(shí)體或者子模式的組合，有亮度、色彩、陡度、大小等特征，因而紋理可以認(rèn)為是在局部窗口內(nèi)，影像灰度級(jí)之間的空間分布及空間相互關(guān)系[2]?；叶裙采仃嚕臻g灰度相關(guān)方法）是目前最常見(jiàn)和廣泛應(yīng)用的一種紋理統(tǒng)計(jì)分析方法，它通過(guò)對(duì)影像灰度級(jí)之間聯(lián)合條件概率密度的計(jì)算表示紋理[3]。

國(guó)內(nèi)結(jié)合灰度共生矩陣紋理特征進(jìn)行森林測(cè)樹因子建模的文章較少，李明詩(shī)、譚瑩、潘潔等利用SPOT5 HRG影像進(jìn)行紋理指標(biāo)提取，結(jié)合研究區(qū)地形特征，分別對(duì)5個(gè)森林類型實(shí)現(xiàn)其生物量估算模型辨識(shí)與驗(yàn)證，結(jié)果發(fā)現(xiàn)，少數(shù)紋理特征ME（均值）、VA（方差）在森林生物量估算上是有效的并且是重要的，大多數(shù)紋理指標(biāo)與生物量的關(guān)系不緊密；紋理指標(biāo)對(duì)針葉林空間形態(tài)的表達(dá)能力優(yōu)于闊葉林[4]。國(guó)外學(xué)者Christine分別通過(guò)建立平均胸徑與原始圖像灰度值、方差紋理指標(biāo)的平均值以及第一主成分的圖像灰度值的回歸關(guān)系進(jìn)行估計(jì)[5]，結(jié)果發(fā)現(xiàn)用7×7窗口的方差紋理圖像擬合的平均胸徑，其相關(guān)系數(shù)的平方達(dá)到了0.623；Ibrahim Ozdemir等則利用分辨率為15 m的ASTER圖像提取紋理信息，建立了一致性紋理值與樹冠大小的回歸關(guān)系，其相關(guān)系數(shù)達(dá)到了 0.61[6]。本文初步探討了森林資源二類調(diào)查資料中馬尾松林的年齡、平均胸徑、平均樹高與郁閉度等測(cè)樹因子與紋理指標(biāo)之間的關(guān)系，為研究灰度共生矩陣紋理特征與其他測(cè)樹因子的關(guān)系提供了參考依據(jù)。

1 方法

1.1 研究區(qū)概況

研究區(qū)為浙江省臺(tái)州市仙居縣，位于浙江省東南部，地處括蒼山脈中段北麓，臺(tái)州市的西部，東連臨海、黃巖，南鄰永嘉縣，西接縉云縣，北靠東陽(yáng)市、磐安縣和天臺(tái)縣，位于 120° 9′ ～ 121° 40′ E，28° ～ 28° 5′ N。該地區(qū)屬浙東盆地低山區(qū)，海拔 700 ～ 1200 m[7]，氣候常年溫和濕潤(rùn)，森林覆蓋率高達(dá) 77.2%。馬尾松（Pinus massoniana）是我國(guó)分布面積最廣的針葉樹種之一[8]，同時(shí)也是仙居縣的優(yōu)勢(shì)樹種，面積7萬(wàn)hm2，占仙居喬木林總面積的62%[9]。

1.2 數(shù)據(jù)預(yù)處理

本文所采用的遙感數(shù)據(jù)是2001年1月到2003年11月期間拍攝的多幅仙居縣單波段航片圖，空間分辨率為1.27 m。圖像采用了西安80坐標(biāo)系進(jìn)行配準(zhǔn)。

本文所用的樣地?cái)?shù)據(jù)是仙居縣森林資源二類調(diào)查資料，對(duì)其中的馬尾松樹種相關(guān)資料進(jìn)行了篩選。為了準(zhǔn)確提取馬尾松的紋理信息，我們將馬尾松的樣地中心坐標(biāo)進(jìn)行了矢量化，以便于與航片圖像進(jìn)行連接。由于每塊樣地面積為800 m2，我們?cè)趫D像上樣地中心坐標(biāo)所在的位置周圍選取了與中心點(diǎn)紋理相似的位置進(jìn)行感興趣區(qū)域（AOI）截圖，每個(gè)子圖的大小為邊長(zhǎng)15 ～ 25個(gè)像素不等的正方形。需要注意的是，馬尾松所在的樣地的樹種結(jié)構(gòu)很多，為了便于研究馬尾松的紋理特征，本文提取的樣地樹種結(jié)構(gòu)大多為針葉純林，少部分為針葉相對(duì)純林。由于航片的陰影會(huì)造成一定的影響，本文在進(jìn)行圖像提取時(shí)，盡量避免山地陰影和航片制圖過(guò)程中產(chǎn)生的陰影，選取了符合條件的15個(gè)馬尾松純林樣地的子圖進(jìn)行紋理計(jì)算。

1.3 方法

1973年，Haralick首先提出灰度共生矩陣（GLCM）[3]，此后，它成為最常見(jiàn)和廣泛應(yīng)用的一種紋理統(tǒng)計(jì)分析方法?；叶裙采仃嚕臻g灰度相關(guān)方法）通過(guò)對(duì)影像灰度級(jí)之間聯(lián)合條件概率密度P（i,j/d,θ）的計(jì)算表示紋理。通常θ方向?yàn)椋?、45、90、135° 4個(gè)方向。這樣P（i,j/d,θ）為一對(duì)稱矩陣。如果d相對(duì)紋理的粗糙度小，共生矩陣的元素值將集結(jié)在對(duì)角線附近；反之，如果d較大，共生矩陣的元素值將離開主對(duì)角線向外散開分布。

Haralick定義了14種紋理特征指標(biāo)[10]，其中常用的用于提取遙感圖像中紋理信息的特征統(tǒng)計(jì)量主要有：均值（Mean）、方差（VAR）、一致性（HOM）、對(duì)比度（CON）、非相似度（DIS）、熵（ENT）、角二階矩（ASM）以及灰度相關(guān)（COR）等，相應(yīng)的計(jì)算公式如下：

本文基于Matlab7.1平臺(tái)編程進(jìn)行圖像的灰度共生矩陣和紋理指標(biāo)的計(jì)算。Matlab是一款方便、強(qiáng)大的人機(jī)交互式編程工具軟件，上手容易，簡(jiǎn)單易學(xué)，而且里面的內(nèi)核程序允許用戶根據(jù)實(shí)際需要進(jìn)行修改，這給用戶解決實(shí)際問(wèn)題帶來(lái)了極大的便利。

灰度共生矩陣一般要求4個(gè)紋理參數(shù)：窗口大小、步長(zhǎng)、方向和灰度等級(jí)。本文的研究對(duì)象是馬尾松林，其紋理圖像的方向特征不是很明顯，為了方便計(jì)算，取方向?yàn)?45°。根據(jù)原始圖像（子圖）的大小，窗口大小范圍為3×3，5×5…，13×13，由于步長(zhǎng)隨窗口變化而變化，本文暫將步長(zhǎng)設(shè)為1，2，…，窗口大小－1?；叶鹊燃?jí)設(shè)為4，8，16，…，256。

為了探求測(cè)樹因子（平均胸徑、平均樹高、郁閉度、年齡等）與紋理指標(biāo)（均值、方差、一致性、對(duì)比度等）的相關(guān)程度，我們將紋理參數(shù)的組合與紋理指標(biāo)結(jié)合起來(lái)計(jì)算，生成相應(yīng)的紋理圖像，然后取其圖像灰度值的平均值作為紋理因子（即自變量），用森林二類調(diào)查數(shù)據(jù)的測(cè)樹因子作為因變量，分別進(jìn)行線性回歸，統(tǒng)計(jì)相關(guān)系數(shù)的平方，選擇每組測(cè)樹因子中相關(guān)系數(shù)平方最大值的組合。表1為仙居縣森林資源二類調(diào)查數(shù)據(jù)。

表1 仙居縣森林資源二類調(diào)查數(shù)據(jù)Table 1 Forest management inventory of Xianju, Zhejiang province

2 結(jié)果

根據(jù)紋理計(jì)算公式和一元線性回歸方法，得到了紋理指標(biāo)與測(cè)樹因子的最優(yōu)估算模型（表2，圖1）。從中可以看出，用角二階矩這一紋理指標(biāo)擬合得到的年齡模型，其相關(guān)系數(shù)的平方達(dá)到了0.5566，表明年齡與角二階矩的相關(guān)程度較高；與之相比，郁閉度與方差的相關(guān)程度則并不明顯，相關(guān)系數(shù)的平方只有0.3914。

表2 最優(yōu)擬合結(jié)果Table 2 The optimal fitting result

3 結(jié)論與討論

本文根據(jù)高分辨率的航片初步建立了紋理圖像與測(cè)樹因子之間的線性關(guān)系，結(jié)果表明，用角二階矩和方差這兩個(gè)紋理指標(biāo)擬合年齡、平均樹高這兩個(gè)測(cè)樹因子效果較好，其相關(guān)系數(shù)的平方達(dá)到了 0.5以上。另外，通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，灰度等級(jí)越高（即圖像壓縮程度小），對(duì)紋理圖像與測(cè)樹因子的關(guān)系貢獻(xiàn)程度越高，因此我們推測(cè)圖像的紋理信息越豐富對(duì)研究紋理與測(cè)樹因子的關(guān)系越有幫助。

圖1 最優(yōu)模型結(jié)果Figure 1 The optimal modeling result

值得注意的是，在航片圖像預(yù)處理時(shí)，需要考慮航片的幾何校正，以便于與地面樣地?cái)?shù)據(jù)進(jìn)行連接，而調(diào)查的地面數(shù)據(jù)同樣需要矢量化，這樣才方便準(zhǔn)確樣地的方位并弄清周圍的環(huán)境。為了確保馬尾松紋理圖像的信息豐富，我們選擇樹種類型時(shí)，考慮到馬尾松純林含有更多的馬尾松信息，而其他的樹種類型則有不同程度的樹種信息干擾。

由于所用的航片數(shù)據(jù)含有不少噪聲（如等高線、陰影等），這對(duì)數(shù)據(jù)的提取多少產(chǎn)生了一些影響，同時(shí)也限制了窗口大小的選擇。我們預(yù)計(jì)，隨著窗口的增大，紋理將出現(xiàn)更加規(guī)律的周期性變化，紋理與測(cè)樹因子的關(guān)系將更加明顯，這對(duì)研究它們的關(guān)系很有幫助。由于數(shù)據(jù)量的限制，本文還沒(méi)做模型的精度驗(yàn)證，這將是以后要做的工作。

[1]宮鵬，黎夏，徐冰，等. 高分辨率影像解譯理論與應(yīng)用方法中的一些研究問(wèn)題[J]. 遙感學(xué)報(bào)，2006（1）：1－5.

[2]Rosenfeld A，Kak A. Digital Picture Processing (2nd edit-ion)[M]. Academic Press，1982.

[3]Haralick R M，Shanmugam K，Dinstein I. Texture features for image classification. [J]. IEEE Trans Sys Man Cyber，1973，3（6）：610－621.

[4]李明詩(shī)，譚瑩，潘潔，等. 結(jié)合光譜、紋理及地形特征的森林生物量建模研究[J]. 遙感信息，2006（6）：6－9.

[5]Blinn C E. Estimation of Important Scenic Beauty Covariates from Remotely Sensed Data[D]. Blacksburg, Virginia, 2000.

[6]Ozdemir I, Norton D A, Ulas Ozkan Y,et al. Estimation of Tree Size Diversity Using Object Oriented Texture Analysis and Aster Imagery[J]. Sensors 2008（8）：4709－4724.

[7]沈兵明，金艷. 基于GIS的山地人居環(huán)境自然要素綜合評(píng)價(jià)——以浙江省仙居縣為例[J]. 經(jīng)濟(jì)地理，2006，26（增刊）：305－311.

[8]項(xiàng)云飛，吳衛(wèi)陽(yáng). 馬尾松林二種闊葉化改造模式對(duì)比試驗(yàn)[J]. 浙江林業(yè)科技，2006，26（5）：46－48.

[9]張國(guó)慶，黃從德，郭恒，等. 不同密度馬尾松人工林生態(tài)系統(tǒng)碳儲(chǔ)量空間分布格局[J]. 浙江林業(yè)科技，2007，27（6）：10－13.

[10]Haralick R M. Statistical and Structural Approaches to Texture[J]. Proc IEEE, 1979, 167（5）：786－804.