吳晟揚，張 貴

(中南林業(yè)科技大學理學院， 湖南 長沙 410004)

衛(wèi)星遙感數(shù)據(jù)在森林采伐監(jiān)測中的應用

吳晟揚，張 貴

(中南林業(yè)科技大學理學院， 湖南 長沙 410004)

分別采用SPOT5、TM5影像前后兩期多光譜遙感影像的波譜特征變化，檢測森林資源變化信息，確定變化類型，以計算機自動識別對森林資源變化(減少)的區(qū)域(伐區(qū))進行信息提取，并在此基礎上進行室內(nèi)人工預判讀；結(jié)合采伐證、伐區(qū)作業(yè)設計、二類調(diào)查材料，進行補充判讀，得出森林采伐圖斑。古丈TM5(30m分辨率)的面積正判率為96.3%；古丈SPOT5(10m分辨率)的面積正判率為96.9%。實證分析表明，使用中、高分辨率衛(wèi)星遙感數(shù)據(jù)能對森林采伐進行監(jiān)測，結(jié)合輔助材料后能顯著提高森林采伐監(jiān)測精度。

遙感影像；森林采伐，采伐監(jiān)測; 衛(wèi)星遙感；采伐信息

森林采伐是導致地表植被覆蓋減少的一種生產(chǎn)經(jīng)營活動，土地覆蓋物的變化導致地表波譜特征的持續(xù)變化[1]。利用衛(wèi)星遙感數(shù)據(jù)的波譜變化來監(jiān)測與發(fā)現(xiàn)森林資源的變化信息，可掌握一定時段內(nèi)森林采伐的實際情況[2-4]。在近3年的森林采伐限額檢查中，遙感技術的應用，能較準確地掌握伐區(qū)的位置、分布現(xiàn)狀，明確森林的采伐年度，大大提高了工作效率。但是，由于受所用遙感數(shù)據(jù)分辨率TM5( 30m分辨率)的局限，伐區(qū)面積精度、最小區(qū)劃面積等問題尚不能通過遙感手段來解決。因此，有必要開展應用中、高分辨率(分辨率2.5～30m)的衛(wèi)星遙感數(shù)據(jù)對森林采伐進行監(jiān)測的研究，探索不同的森林采伐信息提取方法，對比分析不同分辨率、不同時相遙感數(shù)據(jù)源的應用方法和效果，為現(xiàn)行的采伐限額執(zhí)行情況檢查工作引入遙感監(jiān)測技術，確定伐區(qū)位置和面積及選取合適的數(shù)據(jù)源、遙感監(jiān)測工作方法等提供依據(jù)[5-6]。

1 研究區(qū)概況

古丈縣位于湖南省西部，為湖南省22個重點林區(qū)(縣)之一，根據(jù)古丈縣2005年的二類調(diào)查數(shù)據(jù)顯示，全縣國土總面積12.97萬hm2，林地面積10.63萬hm2，森林覆蓋率61.86%,其中巖頭寨鄉(xiāng)和高望界國有林場國土總面積3.27萬hm2，林地面積2.84萬hm2，森林覆蓋率73.5%。通過查詢古丈縣兩期遙感數(shù)據(jù)的可獲取程度，以湖南省古丈縣作為試驗單位，確定在一景遙感數(shù)據(jù)內(nèi)森林資源豐富、交通條件相對較好且典型采伐較多的巖頭寨鄉(xiāng)和高望界國有林場2個完整的鄉(xiāng)鎮(zhèn)(場)來開展試驗工作。研究區(qū)位置見圖1。

圖1 古丈縣研究區(qū)位置圖

2 研究方法

分別采用兩期SPOT5、TM5影像，在ERDAS軟件平臺下，分析不同時期遙感影像的波譜特征，以計算機自動識別并提取森林資源變化信息，確定變化類型。在此基礎上進行室內(nèi)人工預判讀，結(jié)合采伐證、伐區(qū)設計、二類成果材料進行補充判讀，去除非采伐圖斑、增加遺漏小圖斑、修整圖斑邊界，得出森林采伐圖斑。通過實地驗證，比較不同遙感影像在森林資源采伐變化監(jiān)測中的準確程度。技術流程如圖2所示。

圖2 技術流程圖

3 采伐信息提取

3.1遙感數(shù)據(jù)預處理

3.1.1 數(shù)據(jù)源

(1)遙感數(shù)據(jù)源。按照對遙感數(shù)據(jù)分辨率、時相和質(zhì)量的要求和研究內(nèi)容，通過查詢、篩選，采用表1的方案選取。

(2) 非遙感數(shù)據(jù)源。非遙感數(shù)據(jù)包括了基礎地理數(shù)據(jù)與專題數(shù)據(jù)。① 基礎地理數(shù)據(jù)。1∶1萬DRG(數(shù)字柵格地圖)數(shù)據(jù)或1∶5萬DRG，1∶25萬DEM數(shù)據(jù)(數(shù)字高程模型)。② 專題數(shù)據(jù)。行政界線即鄉(xiāng)鎮(zhèn)級的行政區(qū)劃界線(矢量數(shù)據(jù))；試驗區(qū)二類調(diào)查小班圖(矢量數(shù)據(jù))；兩期遙感影像期間試驗區(qū)林政案件及林地征占資料；兩期遙感影像期間試驗區(qū)森林火災統(tǒng)計資料；兩期遙感影像期間試驗區(qū)伐區(qū)設計及采伐證發(fā)放資料；森林資源專項檢查單位的相關資料。

表1 遙感數(shù)據(jù)選用方案數(shù)據(jù)類型時間(年—月—日)光譜性質(zhì)分辨率(m)景號備注2007—01—09多光譜4波段10Path274/Row239古丈縣SPOT52007—09—21全色25Path274/Row2392007—09—21多光譜4波段10Path274/Row239LandsatTM52006—12—17多光譜7波段30Path124/Row402007—09—15多光譜7波段30Path124/Row40

3.1.2 數(shù)據(jù)預處理 依照1∶1萬地形圖(3°帶)投影參數(shù)，在ERDAS軟件平臺下，利用LPS(Leica Photogrammetry Suite)模塊，參照1:25萬DEM數(shù)據(jù)對遙感影像進行正射校正，誤差控制在1個像元以內(nèi)，避免了因校正誤差引起植被指數(shù)偽變化信息的提取。對校正后多光譜影像數(shù)據(jù)進行了低通濾波(Low Pass Filter，3×3)，以減少類型中的差異，加大類型間的差異，提高分類精度。遙感影像正射校正誤差見表2。

3.2采伐信息識別與提取

表2 古丈縣遙感影像正射校正誤差表影像數(shù)據(jù)X＿RMS(Pixel)Y＿RMS(Pixel)Total＿RMS(Pixel)spot＿xs＿20070109022340206303041spot＿xs＿20070921019120227302971spot＿pan＿20070921035120312104705tm＿125＿40＿20061217043230310505323tm＿125＿40＿20070915032410335804667

3.2.1 采伐信息識別 采伐信息提取的原理是建立在植被光譜特征基礎之上的, 即植被在可見光波段(被葉綠素吸收)有較強的吸收峰, 近紅外波段有強烈的反射率, 形成峰值, 這些敏感波段及其組合可以反射植被生長的空間信息與狀況, 通常用植被指數(shù)來反映植被的生長信息。常用的植被指數(shù)有歸一化植被指數(shù)、差值植被指數(shù)、比值植被指數(shù)等。歸一化植被指數(shù)(NDVI) 是最為常用的反映植被狀況的指數(shù)之一。采用歸一化植被指數(shù)進行信息提取，分別計算多光譜影像數(shù)據(jù)的植被指數(shù)(NDVI)，得到不同時相植被指數(shù)的灰度影像，影像的灰度(亮度)反映了植被的綠度差異。接著采用了主成分分析的方法來識別植被的變化。具體做法是將2個時相的植被指數(shù)影像數(shù)據(jù)進行組合，再對組合后的影像進行主成分分析。

3.2.2 采伐信息提取 影像的變化信息被檢測識別出來后，針對植被覆蓋減少的區(qū)域范圍，將其從影像中分離提取出來，形成矢量圖斑。用非監(jiān)督分類(Unsupervised Classification)、鄰域分析(Neighborhood Analysis)、聚類分析(Clumps Analysis)等三類方法提取信息。各試驗區(qū)均采用非監(jiān)督分類。在古丈縣選擇15個類型來生成分類后影像數(shù)據(jù)較好。為了使變化信息不過于破碎，有必要將鄰近的類似像元聚合成“類”，更加清晰地反映實際變化。

(1) 采伐信息預判讀。首先在室內(nèi)對計算機自動提取的影像變化矢量圖斑進行人機交互處理，去除多余偽變化圖斑(如云霧、陰影、明顯的非林地小班等)，進行預判讀，并填寫圖斑判讀屬性表(見表3)。

表3 圖斑判讀屬性表小班號前地類現(xiàn)地類采伐方式判讀面積備注

針對遙感影像自動提取信息進行預判讀的結(jié)果，按圖斑前地類統(tǒng)計如表4所示。

(2)資料核對補充判讀。利用二類調(diào)查、采伐證、伐區(qū)作業(yè)設計等資料，修正預判讀中出現(xiàn)的區(qū)劃錯誤，勾繪遺漏小圖斑，修飾圖斑邊界，形成新的圖形數(shù)據(jù)，填寫圖斑判讀屬性，補充判讀統(tǒng)計結(jié)果。詳見表5。

表4 按前地類判讀圖斑匯總表(預判讀)單位數(shù)據(jù)源皆伐非皆伐個數(shù)合計面積合計(hm2)個數(shù)面積(hm2)個數(shù)面積(hm2)古丈縣TM52327432108252851面積≤027(hm2)61086108面積>027(hm2)1726352108192743SPOT56849524093725045面積≤003(hm2)70137013面積>003(hm2)6149394093655032

表5 按前地類判讀圖斑匯總表(補充判讀)單位數(shù)據(jù)源皆伐非皆伐個數(shù)合計面積合計(hm2)個數(shù)面積(hm2)個數(shù)面積(hm2)古丈縣TM5補充判讀結(jié)果23307615106193813695TM5預判讀結(jié)果2327432108252851剔除-313221085240補繪+346515106191811084SPOT5補充判讀結(jié)果69518718106878715874SPOT5預判讀結(jié)果6849524093725045剔除-51910256215補繪+642515106192111044

4 實地驗證與結(jié)果分析

4.1實地驗證

將判讀圖斑按采伐方式分成皆伐圖斑層和非皆伐圖斑層進行驗證，驗證判讀圖斑的前地類是否采伐(蓄積變化)。經(jīng)與采伐證、伐區(qū)設計等資料核對屬“有證采伐”的圖斑，即認為屬于正判(說明有蓄積采伐)。補充判讀圖斑驗證結(jié)果統(tǒng)計表見表6、7。

4.2結(jié)果與分析

(1)非皆伐伐區(qū)自動識別難度大，識別效果與兩期衛(wèi)片時相一致性及采伐強度有關。從古丈的2種遙感影像的預判讀數(shù)據(jù)可以看出，非皆伐圖斑占預判讀圖斑總數(shù)的比例極低，TM5(2006年12月和2007年9月)的非皆伐圖斑數(shù)為2個，占其預判讀圖斑總數(shù)的8%；SPOT5(2007年1月和2007年9月)的非皆伐圖斑數(shù)為4個，占其預判讀圖斑總數(shù)的6%。補充判讀后，古丈TM5的預判讀非皆伐圖斑全被剔除；古丈SPOT5的預判讀非皆伐圖斑剔除1個。驗證時各保留的預判讀非皆伐圖斑全部驗證為0。借助試驗區(qū)的采伐證、伐區(qū)設計等資料補充判讀后，古丈補繪的非皆伐圖斑達15個，都是撫育間伐的，面積為106.19hm2，占TM5補充判讀總面積的77.5%，占SPOT5補充判讀總面積的66.9%。補繪的非皆伐圖斑的正判率為100%。正判率高的主要得益于參照伐區(qū)設計資料，而非圖像識別。

從圖3～6可以看出古丈的撫育間伐伐區(qū)在兩期TM5和SPOT5的影像上變化均不明顯，主要原因是兩組影像的時相不一致，且采伐強度低。由此可見，識別效果與兩期衛(wèi)片時相一致性及采伐強度有關。

表6 按前地類補充判讀圖斑驗證(數(shù)量)結(jié)果匯總表判讀驗證計皆伐非皆伐非喬木林地無采伐驗證合計正判率(%)古丈縣TM5皆伐23153515652非皆伐151515100合計3815153530加權綜合正判率(%)7893個以下像元圖斑321003個以上像元圖斑3515151430857SPOT5皆伐69642364928非皆伐18152115833合計8764154479加權綜合正判率(%)9083個以下像元圖斑312003個以上像元圖斑846415237994

表7 按前地類補充判讀圖斑驗證(面積)結(jié)果匯總表判讀驗證計皆伐非皆伐非喬木林地無采伐驗證合計正判率(%)古丈縣TM5皆伐30762565430812565834非皆伐106191061910619100合計136952665106193308113284加權綜合正判率(%)963SPOT5皆伐518747583470824758917非皆伐10687106190480210619994合計15874641061939510215377加權綜合正判率(%)969

圖3 古丈TM5(2006年12月)撫育間伐強度15%伐區(qū)

圖4 古丈TM5(2007年9月)撫育間伐強度15%伐區(qū)

圖5 古丈SPOT5(2007年1月)撫育間伐強度15%伐區(qū)

圖6 古丈SPOT5(2007年9月)撫育間伐強度15%伐區(qū)

(2) 分辨率較高的遙感影像在監(jiān)測森林采伐變化中精度高于分辨率較低的遙感影像。表6、7的結(jié)果表明，古丈TM5(30m分辨率)的補充判讀圖斑數(shù)量正判率為78.9%，面積正判率為96.3%；古丈SPOT5(10m分辨率)的補充判讀圖斑數(shù)量正判率為90.8%，面積正判率為96.9%。高分辨率的遙感影像在監(jiān)測森林采伐變化中精度高于低分辨率的遙感影像，結(jié)果如圖7～8所示。

圖7 古丈兩期TM5(30m)提取的皆伐圖斑

圖8 古丈兩期SPOT5(10m)提取的皆伐圖斑

(3) 輔以高分辨率(SPOT5 2.5m)的遙感影像修整判讀圖斑邊界后，提高了判讀采伐圖斑的面積精度。以古丈SPOT5判讀數(shù)據(jù)為例，補充判讀圖斑抽中驗證正判的87個都進行了實地勾繪，其中有63個圖斑為預判讀保留下的圖斑，其預判讀面積和為33.54hm2，輔以高分辨率(SPOT5 2.5m)的遙感影像人工干預修整判讀圖斑邊界后，其補充判讀面積和為37.76hm2，而現(xiàn)地實測該63個圖斑的面積和為36.58hm2，面積相對誤差從8.3%縮小到了3.2%。

5 結(jié)論與討論

由以上實證分析可知，高分辯率多光譜數(shù)據(jù)(以SPOT5為例)效果好、時相相同的兩期數(shù)據(jù)對比效果最佳、兩期數(shù)據(jù)均為年末最符合采伐管理特點。通過適當?shù)默F(xiàn)地核對與建標，參考當?shù)胤^(qū)設計、二類調(diào)查等資料進行補充判讀，能系統(tǒng)修正前期處理結(jié)果，大大提高正判率。對補充判讀圖斑按皆伐和非皆伐分層，確定層內(nèi)樣本數(shù)在層內(nèi)隨機抽樣進行驗證和實測，在一定程度上可以保證正判率精度，也可減少一定的野外工作量，更好地發(fā)揮遙感技術的優(yōu)勢。

在本次遙感試驗中，圖像校正、處理、信息識別與提取、預判讀等過程都是在去現(xiàn)場前進行的，這些工作花費的時間接近完成整個項目的一半，且衛(wèi)星影像訂購也視數(shù)據(jù)的可選性和可適應性而定。因此，建議布置類似工作時需要考慮時間要素，并按合理的工作流程安排工作。具體來說，要盡早確定核查縣，留出充分的時間獲取影像數(shù)據(jù)并進行處理；建議安排外業(yè)前站工作，充分收集利用采伐設計、二類調(diào)查數(shù)據(jù)等資料，結(jié)合現(xiàn)地驗證，進行補充判讀。

[1] 華朝郎.SPOT5衛(wèi)星數(shù)據(jù)在縣級森林資源調(diào)查中的應用研究[J].林業(yè)調(diào)查規(guī)劃,2005,30(3):8-12.

[2] 庾曉紅,李賢偉,白降麗.“3S”技術在林業(yè)上的應用現(xiàn)狀及發(fā)展趨勢展望[J].林業(yè)調(diào)查規(guī)劃,2005,30(3)：1-3.

[3] 鄧國芳.遙感技術在紅樹林資源調(diào)查中的應用[J].中南林業(yè)調(diào)查規(guī)劃,2002,21(1)：27-28.

[4] 李寶銀.森林采伐限額理論與實踐若干技術問題的研究[J].華東森林經(jīng)理，1996,4(10)：23-25.

[5] 鄭天水.SPOT5衛(wèi)星遙感信息在森林資源調(diào)查中的應用現(xiàn)狀與解決思路[J].林業(yè)調(diào)查規(guī)劃，2006，31(5)：24-28.

[6] 黎良財,鄒嫦.GPS與GIS支持下的森林資源調(diào)查方法研究[J].林業(yè)調(diào)查規(guī)劃,2005,30(6):17-19.

(責任編輯：唐效蓉)

Applicationofsatelliteremotesensingdatainforestharvestmonitoring

WU Shengyang，ZHANG Gui

(School of Science, Central South University of Forestry & Technology, Changsha 410004, China)

Using the spectrum characteristics’ change of SPOT5, TM5 multi-spectrum remote sensing images in ante and post stages, the change information of forest resource was detected, the change types were defined, the information of the changed forest was drawn out by computer automatic identification and then the artificial pre-interpretation was carried on. Combined with the harvest permit, operation design of cutting area and the outcome of forest management inventory, the supplementary interpretation was done and then the patches of forest harvest plans was obtained. The percent of right interpretation of area in TM5 was 96.3%, while that in SPOT5 was 96.9%. The empirical analysis showed that the medium or high resolution satellite remote sensing data could be applied in forest harvest monitoring. When the data combined with the supplementary materials, the precision of forest harvest monitoring could be improved significantly.

remote sensing images; forest harvest; harvest monitoring; satellite remote sensing; harvest information

2010-03-19

2010-04-15

吳晟揚(1985-)，男，湖南桃江人，碩士研究生，研究方向為林業(yè)信息工程。

S 757.4

A

1003-5710(2010)02-0024-05