趙 雪

（南京市六合區(qū)農(nóng)業(yè)局，江蘇 南京 211500）

南京市六合區(qū)基于0.5 m分辨率影像的林地落界及分析

趙 雪

（南京市六合區(qū)農(nóng)業(yè)局，江蘇 南京 211500）

林地落界是為了掌握林地的現(xiàn)有狀況，為林地的保護(hù)利用規(guī)劃提供重要的基礎(chǔ)數(shù)據(jù)。高空間分辨率的遙感影像很大幅度地提高了室內(nèi)林地落界的精度。該文是以高空間分辨率遙感影像為底圖，在目視解譯的方法上，結(jié)合二類調(diào)查基礎(chǔ)數(shù)據(jù)，通過建立高清影像的判讀解譯標(biāo)志，提取六合區(qū)林地，得到南京市六合區(qū)林地分布圖，與基于中分辨率影像，采用面向?qū)ο蟮姆椒ㄌ崛〉牧值胤植紙D比較，并選取六合區(qū)龍袍鎮(zhèn)為對象，分析比較了本次林地落界數(shù)據(jù)和二類調(diào)查數(shù)據(jù)的林地變化率和林地小班的差值變化。結(jié)果表明：0.5 m分辨率的影像能夠達(dá)到將林地落實到田間地塊的目的；六合區(qū)龍袍鎮(zhèn)林地落界由林地到非林地變化率是15%，林地小班差值D的均值為0.24，說明利用高空間分辨率的遙感影像作為目視解譯的底圖，在林地地類識別和落界精度上都有較大的提高。

林地落界；數(shù)字正射影像圖；信息提??；遙感

林地落界工作的目的是將林地及其利用狀況落實到山頭地塊，為各級林地保護(hù)利用規(guī)劃提供基礎(chǔ)數(shù)據(jù)［1－2］?；谛l(wèi)星遙感影像的林地提取已成為林地落界工作的重要手段。隨著遙感技術(shù)水平的提高，高空間分辨率的影像應(yīng)用到林地提取工作中，從30 m的TM／ETM＋、CBERS影像提高到10 m以內(nèi)的SPoT5和IKoNoS影像，國內(nèi)研究者在應(yīng)用這些影像多采用監(jiān)督分類、支撐向量機（SVM）分類提取、決策樹分類提取、面向?qū)ο筇崛〉然诙喙庾V的計算機自動半自動地類提取方法［3－5］，對林地的識別精度有了很大的提高。但是為了能夠?qū)⒘值芈浣邕_(dá)到落實到山頭地塊的精度，空間分辨率在5 m以內(nèi)的航拍影像［6］和衛(wèi)星影像［7］得到應(yīng)用，然而分辨率為1 m的影像多為全色影像，目前計算機分類識別很難精確分類，傳統(tǒng)的目視解譯方法則成為一種十分有效、簡便的手段。陳述彭先生認(rèn)為目視解譯方法是遙感應(yīng)用中無可替代的組成部分，它將與地學(xué)分析方法長期共存、相輔相成［8－9］。相較于野外實地測量，目視解譯大幅度提高了工作效率，并提升了空間可達(dá)性；同時，全色影像可識別度的提高降低了解譯人員的錯識率。

目前江蘇省南京市林地保護(hù)利用規(guī)劃的林地落界工作已經(jīng)完成，為全國林地“一張圖”建設(shè)提供了基礎(chǔ)數(shù)據(jù)，對林地的保護(hù)利用具有重要的意義［10］。作者在參與六合區(qū)林地落界工作的基礎(chǔ)上，對林地提取方法做了一些總結(jié)，并提出新的認(rèn)識。

1 研究區(qū)概況

六合區(qū)是江蘇省會南京的江北門戶，南臨長江，東與揚州儀征市交界，西北與安徽省接壤。地理坐標(biāo)為北緯32°11′～32°27′，東經(jīng)118°34′～119°03′。全區(qū)總面積147 729 hm2。六合地貌構(gòu)造為剝蝕丘陵，地勢北高南低，海拔在5～40 m間。六合地區(qū)屬于亞熱帶次濕潤季風(fēng)氣候區(qū)，林地資源豐富，有竹鎮(zhèn)林場、平山林場、冶山林場、靈巖山林場、方山林場等。

2 數(shù)據(jù)與處理

2.1 數(shù)據(jù)資料

林地落界所采用的影像數(shù)據(jù)為2005年航片與SP°T5融合的數(shù)字正射影像圖（DoM），影像圖采用的投影坐標(biāo)為Xian＿1980＿3＿Degree＿GK＿CM＿120E，地理坐標(biāo)為Gauss＿Kruger，比例尺為1∶5 000，空間分辨率為0.5 m。影像時相為6月，正值林木生長季節(jié)，有利于林地的提取。DoM是利用數(shù)字高程模型對掃描數(shù)字化的（或直接以數(shù)字方式獲取的）遙感影像，經(jīng)正射糾正、融合、增強、鑲嵌處理，再根據(jù)標(biāo)準(zhǔn)地形圖圖幅范圍裁切生成的影像數(shù)據(jù)集。所獲得的影像為真彩色合成影像，色調(diào)柔和，紋理清晰，植被信息突出，有利于人眼的辨識。

另外，林地落界使用的矢量化數(shù)據(jù)是二類資源調(diào)查的成果數(shù)據(jù)。六合區(qū)的二類調(diào)查林地數(shù)據(jù)是進(jìn)行了必要的野外調(diào)查和室內(nèi)的遙感影像解譯得到的，基本做到了落實到山頭地塊，也具有地類、優(yōu)勢樹種、林種、森林類別、林地權(quán)屬等60項屬性信息，為本次林地落界的基礎(chǔ)數(shù)據(jù)。

2.2 解譯標(biāo)志

目視解譯就是利用圖像的影像特征（色調(diào)或色彩，即波譜特征）和空間特征（形狀、大小、陰影、紋理、圖型、位置和布局），與多種非遙感信息資料相組合，用生物地學(xué)相關(guān)規(guī)律，進(jìn)行由此及彼、由表及里、去偽存真的綜合分析和邏輯推理的思維過程［11］。這說明在利用遙感影像解譯的過程中，需要把遙感未帶回的信息再補上去，即補充其他地學(xué)相關(guān)的信息，或者根據(jù)影像信息進(jìn)行地學(xué)分析，來推斷出影像上未反映的信息［12］。目視解譯在土地調(diào)查，典型地物調(diào)查（如湖泊調(diào)查、林地調(diào)查）［13－16］等調(diào)查中有廣泛的應(yīng)用。目視解譯首先是建立解譯標(biāo)志，判別地物在影像中的成像形式。本次采用的影像為真彩色圖像，成像清晰，符合人眼的視覺經(jīng)驗判別。依據(jù)實際的野外調(diào)查，記錄影像中各地類的色調(diào)、紋理、大小、幾何形狀、地形地貌及地理位置（包括地名）等因素，建立解譯標(biāo)志。另外，同一種地物，也會因自身和周圍的環(huán)境不同，呈現(xiàn)的影像也不盡相同，如植被應(yīng)考慮到生長年齡、類型、生長季節(jié)、生長狀況等，水體也會因水深、水質(zhì)、泥沙等因素影響。本次林地落界將林地分為有林地、疏林地、灌木林地、未成林地、苗圃地、無立木林地、宜林地和林地輔助用地等8類二級分類［17］，非林地只分到非林地一級中。

根據(jù)上述原則，建立本次典型地物的解譯標(biāo)志（見圖1），主要表現(xiàn)特征為：圖1-A為有林地中的喬木林，綠色植被，植株較高，可形成陰影，郁閉度大于0.2，人工林地成行均勻分布，自然林地則呈現(xiàn)出散落分布；圖1-B為有林地中的竹林，為深綠色植被，冠狀結(jié)構(gòu)不明顯，植株較高，可形成陰影，分布散落且密集；圖1-C為疏林地，綠色冠狀較高植被，郁閉度在0.1～0.2之間；圖1-D為灌木林地，綠色植被，植株較矮，可觀察到冠狀結(jié)構(gòu)，幾乎無陰影；圖1-E為苗圃地，有新綠色植被，有明顯的人工耕作，與耕地相似，需結(jié)合其他資料判斷；圖1-F為未成林地，可觀察到有點狀或冠狀植株，植株有一定高度，分布均勻，未成郁閉，但有希望成林；圖1-G為無立木林地，有采伐、火燒跡象，植株未達(dá)到疏林地或者灌木林地標(biāo)準(zhǔn)，但有喬木或灌木零星散落分布，或者是結(jié)合林地權(quán)屬資料等可證明的林地；圖1-H為未利用地，多為紅色裸地，或有少許綠色植被覆蓋，但有些可能是無立木林地；圖1-I為建設(shè)用地，多表現(xiàn)為紅色，有房屋、道路等建筑，較容易區(qū)分；圖1-J為牧草地，綠色植被，易錯分為林地，區(qū)分在于草地?zé)o冠狀結(jié)構(gòu)，無高立植株，無陰影；圖1-K為水域，為暗色，易識別；圖1-L為耕地，成行成列，無高立植株，植被冠狀結(jié)構(gòu)不明顯，部分易與灌木林地混淆。

圖1 典型地物的解譯標(biāo)志

2.3 解譯精度

首先是確定林地圖斑的最小面積。按照《森林資源規(guī)劃設(shè)計調(diào)查主要技術(shù)規(guī)定技術(shù)》［18］規(guī)定，最小圖斑面積在地形圖上不小于4 mm2，對于面積在0.067 hm2以上而不滿足最小小班面積要求的，應(yīng)仍按小班調(diào)查要求調(diào)查、記載，在圖上并入相鄰小班。根據(jù)本次落界的圖像和實際操作過程，對于林帶面積大于最小小班面積，但是林帶寬小于5個像元的不予落界。

其次是林地落界邊界線的確定。在DoM影像上，地類界線明顯的，偏移不得大于圖上0.5 mm，不明顯界線不得大于圖上1.0 mm。即在本次0.5 m空間分辨率的影像上林地與周邊地物（包括不同屬性林地）界線明顯的落界誤差為5個像元，不明顯的為10個像元。在落界的工作中，總結(jié)得出在ARCGIS軟件中將圖像縮放到1∶1 000的比例尺對林地落界線的判斷較為準(zhǔn)確。另外，對于陰影、云影等影像造成的遮擋，林地類型（比如無立木林地和未成林林地）難以辨別和地物交錯（如直徑較大的樹冠擋住了道路、河流）等問題，都需要結(jié)合二調(diào)數(shù)據(jù)和其他資料，依據(jù)人的經(jīng)驗知識來確定。

林地落界的林地小班矢量化工作是在ARCGIS 9.3軟件中完成的?；诙愓{(diào)查的林地矢量化面狀數(shù)據(jù)，主要做了2個重要的修改，一是小班界線的核實，依據(jù)影像地物的實際位置，對偏移界線修正，也就是矢量圖上多邊形公共邊和公共點的修改；二是小班屬性的修正，依據(jù)小班內(nèi)地物地類和林地的優(yōu)勢樹種、林種、森林類別、區(qū)位等不同，對小班面合并或分割，也就是多邊形間的合并、分割。

3 結(jié)果與分析

3.1 林地落界成果

利用上述數(shù)據(jù)和方法，得到六合區(qū)林地落界成果。六合區(qū)的林地面積為22 570.26 hm2，其中有林地面積為18 080.28 hm2，占林地面積的80.11%，為林地的主要部分；疏林地面積為96.89 hm2，灌木林地面積為894.63 hm2，未成林地面積為1 551.15 hm2，苗圃地為342.20 hm2，無立木林地面積為1 601.04 hm2，宜林地和林業(yè)輔助用地面積為4.07 hm2。林地分布見圖2。林地主要成片的分布在竹鎮(zhèn)林場、平山林場、冶山林場、靈巖山林場等林場地區(qū)，西南地區(qū)林地覆蓋較少。分布在耕地，建筑用地周邊的林地小班面積普遍較小。另外，在圖2上成明顯帶狀分布的林地主要是沿道路、河流分布，多為護(hù)路林和護(hù)岸林。

3.2 落界成果分析

圖2 六合區(qū)林地分布圖

3.2.1 落界成果與面向?qū)ο筇崛?shù)據(jù)比較分析周文鑫在南京市土地覆蓋信息提取過程中，使用2010年30 m分辨率的TM和環(huán)境一號衛(wèi)星（HJ－1）CCD的影像數(shù)據(jù)，采用面向?qū)ο蟮姆椒ㄌ崛⊥恋馗采w信息，其對面向?qū)ο笮畔⑻崛≈卸喑叨确指?、對象特征以及?guī)則集的構(gòu)建進(jìn)行了深入的探討，得到較為精確的分類結(jié)果［19］，林地面積為11 907.09 hm2，總體精度為86.06%。從圖3中可以看出，分類結(jié)果主要集中分布在六合區(qū)的林場當(dāng)中，與本文落界的有林地的分布較為一致，但是無法分類出較小面積的林地，如圍莊林、耕地間林地，也無法分類出河岸、公路等兩旁的林帶。灌木林地和未成林地基本分類為旱地、草地等其他植被覆蓋地類。

3.2.2 落界成果與二類調(diào)查數(shù)據(jù)比較分析 本次林地落界數(shù)據(jù)是在二類調(diào)查的數(shù)據(jù)基礎(chǔ)之上，以高清分辨率影像為底圖獲得的。為比較分析落界數(shù)據(jù)和二類調(diào)查數(shù)據(jù)的關(guān)系，本文選取了六合區(qū)的龍袍鎮(zhèn)的2類數(shù)據(jù)疊加分析，統(tǒng)計得到表1。龍袍鎮(zhèn)林地落界的土地面積8 675.98 hm2，林地和非林地圖斑共有632個。由表1可以看出，相較于二類調(diào)查數(shù)據(jù)，龍袍鎮(zhèn)林地有121.57 hm2改為非林地，變化率是15%。

表1 龍袍鎮(zhèn)林地落界數(shù)據(jù)與二類調(diào)查數(shù)據(jù)地類變化率

影像分辨率的提高，使得林地與非林地的界線更加容易辨別，為此，將龍袍鎮(zhèn)落界數(shù)據(jù)中選取僅發(fā)生林地和非林地界線發(fā)生改變的小班，檢驗林地落界精度變化，驗證公式為

式中，a為二類調(diào)查中林地小班，b為落界數(shù)據(jù)中依據(jù)a修正的小班，Sa，Sb分別為a，b的面積，Sab為a，b小班相交面積。D為差值，取值范圍為0～1，當(dāng)差值越接近1，說明2個小班相交面積所占比例越小。

通過篩選和疊加分析，共選取321個小班，根據(jù)相應(yīng)二類數(shù)據(jù)中小班面積由小到大排序，經(jīng)統(tǒng)計得到D值散點圖（見圖4）。D值分布在0.5以下的占90.7%，當(dāng)D值等于1時，說明影像上的林地完全不落在二類調(diào)查的小班內(nèi)。D值的均值為0.24，說明落界界線有較大的改變。

圖4 差值D的散點圖

4 結(jié)論

（1）結(jié)合森林資源二類調(diào)查數(shù)據(jù)，目視解譯全色0.5 m分辨率影像的方法能夠?qū)崿F(xiàn)林地落實到山頭地塊的目的，特別是圍莊林、耕地間的小面積林地和道路、河流兩邊寬度較窄的林帶都能夠落界。在二類調(diào)查數(shù)據(jù)的基礎(chǔ)上落界，不僅減少了工作量，也為林地類型的判斷提供依據(jù)。

（2）從林地落界成果分析，林地邊界的的誤差在1 m以內(nèi)，落界精度高于二類調(diào)查數(shù)據(jù)。林地上種植高大植被的有林地和疏林地辨別最為準(zhǔn)確，但是對低矮灌木林地，特別是周圍其他植被影響下，識別誤差較大。

（3）林地權(quán)屬的界線確定為林地保護(hù)提供了有效的技術(shù)手段。但是目視解譯工作費時費力，工作效率低，另外，人的經(jīng)驗和主觀性會產(chǎn)生誤判和漏判。所以，結(jié)合實際調(diào)查和其他手段，做好對數(shù)據(jù)的更正和及時更新，才能更好地利用本次林地落界成果。

［1］ 國家林業(yè)局.全國林地保護(hù)利用規(guī)劃綱要（2010－2020）［Z］.北京：2011.

［2］ 江蘇省林業(yè)局.江蘇省林地保護(hù)利用規(guī)劃（2010－2020）［Z］.南京：2011.

［3］ 沈明霞，何瑞銀，叢靜華.基于ETM＋遙感影像的森林植被信息提取方法研究［J］.南京林業(yè)大學(xué)學(xué)報：自然科學(xué)版，2007，31（6）：113-116.

［4］ 張友靜，黃 浩，馬雪梅.基于KPCA和SAM的城市植被遙感分類研究［J］.地理與地理信息科學(xué)，2006，22（3）：35-38.

［5］ 劉恩勤，周萬村，周介銘，等.基于光譜和紋理特征的ALoS影像土地利用信息提?。跩］.地理與地理信息科學(xué)，2012，28（4）：35-38.

［6］ 雷添杰，李長春，何孝瑩，等.無人機航空遙感系統(tǒng)在自然災(zāi)害應(yīng)急救援中的應(yīng)用［J］.自然災(zāi)害學(xué)報，2011，20（1）：178-183.

［7］ 胡玉福，鄧良基，匡先輝，等.基于紋理特征的高分辨率遙感圖像土地利用分類研究［J］.地理與地理信息科學(xué)，2011，27（5）：42-45.

［8］ 陳述彭，趙英時.遙感地學(xué)分析［M］.北京：測繪出版社，1990.

［9］ 陳述彭.遙感地學(xué)分析的時空維［J］.遙感學(xué)報，1997，1（3）：161-171.

［10］劉獻(xiàn)倫，楊志軍，劉傳利，等.山東省林地保護(hù)利用規(guī)劃縣級“一張圖”建設(shè)圖形數(shù)據(jù)處理技術(shù)［J］.山東林業(yè)科技，2012（1）：47-55.

［11］濮靜娟.遙感圖像目視解譯原理與方法［M］.北京：科學(xué)技術(shù)出版社，1992.

［12］杜云艷，周成虎.水體的遙感信息自動提取方法［J］.遙感學(xué)報，1998，2（4）：364-369.

［13］朱 敏，劉 剛，馬海濤，等.遙感影像目視解譯矢量化分析［J］.測繪與空間地理信息，2010，33（4）：67-69.

［14］年順龍，楊建祥.森林資源遙感調(diào)查中植被因子的提取方法［J］.南京林業(yè)大學(xué)學(xué)報：自然科學(xué)版，2005，29（4）：120-122.

［15］簡太敏，孔次芬，王小麗.基于SPoT5森林資源二類調(diào)查目視解譯的探討［J］.安徽農(nóng)業(yè)科學(xué)，2012，40（2）：1178-1180.

［16］馬榮華，楊桂山，段洪濤，等.中國湖泊的數(shù)量、面積與空間分布［J］.中國科學(xué)：地球科學(xué)，2011，41（3）：394-401.

［17］國家林業(yè)局.國家森林資源連續(xù)清查技術(shù)規(guī)定［Z］.北京：2003.

［18］國家林業(yè)局.森林資源規(guī)劃設(shè)計調(diào)查主要技術(shù)規(guī)定［Z］.北京，2003.

［19］周文鑫.基于TM和HJ-1 CCD影像的南京市地覆蓋信息提取方法研究［D］.北京：中國科學(xué)院，2012.

Extraction and analysis of the forest land boundary in LuHe by high spatial resolution image

ZHAO Xue

（Agricultural Bureau of Liuhe District，Nanjing 211500，China）

Extracting the boundary of forest land is available to get forest land condition，and it is important for forest protection and utilization planning.Visual interpretation is an effective method of information extraction.High spatial resolution remote sensing image was used based on the second type of forest resources survey，visual interpretation method，interpretation marks of DoM images and the extracted boundary to get the distribution of the forest land of Luhe District.Furthermore，the data of the boundary of forest land was compared with the data of the second type of forest resources survey.The results showed that there were 121.57 hm2forest land in the town of Longpao of Luhe District，the rate was 15%from forest land to non-forest land，with the average ofD－value of 0.24.By using high spatial resolution remote sensing image，the precision and recognition was obviously improved to fall the boundary of forest land.

Forest land boundary；DoM；Information extraction；Remote sensing

P407.8

A

10.3969／j.issn.1001－7380.2014.06.005

1001－7380（2014）06－0016－05

2014-08-14

趙 雪（1984－），女，南京市人，大學(xué)本科畢業(yè)，主要從事林政資源管理工作。