馮若昂　王瑞燕

【摘 要】在山東省2014年展開的森林資源二次調(diào)查的前提下，以濰坊安丘市凌河鎮(zhèn)趙家溝村為研究區(qū)域。利用ENVI軟件的決策樹分類技術(shù)對研究區(qū)的樹種進行了分類，再以森林資源調(diào)查過程中用GIS技術(shù)開發(fā)的《山東省森林資源動態(tài)監(jiān)測調(diào)查系統(tǒng)》軟件的實地調(diào)查結(jié)果為依據(jù)對研究區(qū)樹種分類結(jié)果進行精度驗證，結(jié)果顯示研究區(qū)森林覆蓋率55.82%，分類精度為76.7554%。本文提出兩種研究手段在研究過程中所出現(xiàn)的問題及建議。

【關(guān)鍵詞】森林資源調(diào)查；決策樹；濰坊安丘市

森林是陸地主要的生態(tài)系統(tǒng)，不僅是經(jīng)濟和社會發(fā)展的物質(zhì)基礎(chǔ)，還是維持生態(tài)平衡和改善生態(tài)環(huán)境的重要保障，在應(yīng)對全球氣候變化中發(fā)揮不可替代的作用[1]。近幾年，我國在地區(qū)森林資源發(fā)展趨勢[2]、森林可持續(xù)發(fā)展的管理方法[3]、森林資源調(diào)查方法[4-7]、發(fā)展對策[8-10]以及森林資源保護措施[11-12]等方面進行了大量的研究，而遙感技術(shù)是森林資源調(diào)查中首要手段，其應(yīng)用及發(fā)展具有廣闊的前景[12-15]。2008年以來，近紅外光譜技術(shù)在林業(yè)中的應(yīng)用以及高光譜遙感技術(shù)在林業(yè)信息提取中的應(yīng)用都充分說明遙感技術(shù)在森林資源調(diào)查中越來越重要?？梢哉f掌握森林資源現(xiàn)狀的研究手段，對合理分析森林資源以其生態(tài)功能、合理經(jīng)營與科學(xué)管理森林資源，實現(xiàn)林業(yè)的可持續(xù)發(fā)展具有重要意義[16-17]。本文在山東省濰坊安丘市凌河鎮(zhèn)森林資源調(diào)查的基礎(chǔ)上，利用山東省森林資源動態(tài)監(jiān)測調(diào)查軟件、ENVI決策樹分類技術(shù)對凌河鎮(zhèn)森林資源進行林種分類，并提出兩種技術(shù)手段相結(jié)合存在的問題與建議，以期為森林資源可持續(xù)發(fā)展的科學(xué)管理提供參考依據(jù)。

1 研究技術(shù)與方法

1.1 森林資源動態(tài)監(jiān)測調(diào)查系統(tǒng)

1.1.1 操作平臺

山東省森林資源動態(tài)監(jiān)測調(diào)查系統(tǒng)，是綜合運用數(shù)據(jù)庫技術(shù)、MIS技術(shù)、GIS技術(shù)開發(fā)的系統(tǒng)，該系統(tǒng)是基于森林資源調(diào)查數(shù)據(jù)的基礎(chǔ)上完成相關(guān)工作。調(diào)查的內(nèi)容包括調(diào)查各類林地面積、蓄積和分布、各類農(nóng)田林網(wǎng)、農(nóng)林間作、地堰綠化面積、蓄積和分布以及調(diào)查區(qū)樹木的株數(shù)和蓄積[18]。

該系統(tǒng)綜合功能強、操作簡單。桌面版軟件主要是完成小班的內(nèi)業(yè)區(qū)劃、數(shù)據(jù)拆分、數(shù)據(jù)合并、數(shù)據(jù)下發(fā)、數(shù)據(jù)接收、后期數(shù)據(jù)處理、數(shù)據(jù)檢查和生成報表等工作（操作界面如圖1所示）。移動版軟件主要用于外業(yè)調(diào)查，主要對調(diào)查區(qū)域進行實地調(diào)查、錄入小班屬性因子和實地拍攝照片等（操作界面如圖2所示）。

1.1.2 使用過程

1）桌面端使用過程

桌面版軟件使用，以高分辨率的遙感影像數(shù)據(jù)為工作底圖，然后疊加小班數(shù)據(jù)，也可以添加矢量數(shù)據(jù)來增加邊界的識別程度，填充方式改為透明顯示。根據(jù)外業(yè)工作組的調(diào)查對數(shù)據(jù)進行拆分，但拆分前應(yīng)該確定軟件系統(tǒng)設(shè)置中數(shù)據(jù)字典的完整性，數(shù)據(jù)字典又分為政區(qū)字典和資源字典。

利用軟件自帶面分割，線分割，合并、分解等處理工具對拆分好的數(shù)據(jù)庫進行圖斑編輯，除去實地調(diào)查需要實地錄入的屬性因子，系統(tǒng)會對小班號進行自動賦值和面積自動平差。在相同背景及距離較近的圖像小班的屬性經(jīng)常會存在許多因子一樣的情況，為了避免重復(fù)錄入相同的屬性信息，減少工作量可以使用屬性復(fù)制工具。把選中小班的屬性信息復(fù)制到目標(biāo)小班。同理利用屬性復(fù)制工具還可以對多個目標(biāo)小班進行屬性復(fù)制。

最后對匯總合并后的調(diào)查數(shù)據(jù)進行數(shù)據(jù)質(zhì)檢，包括屬性檢查和空間檢查，根據(jù)錯誤提示修改結(jié)果，然后輸出質(zhì)檢報告和最后的森林資源調(diào)查結(jié)果。

2）移動端使用過程

將桌面版軟件中的工程數(shù)據(jù)和影像文件進行拆分并拷貝到平板電腦移動版軟件中，然后進行軟件GPS定位設(shè)置，使GPS參數(shù)符合外業(yè)調(diào)查。

實地調(diào)查中驗證小班邊界和小班實際范圍是否吻合，采用修邊工具對不一致的邊界進行調(diào)整。對不同的小班（林網(wǎng)小班、間作小班、地堰綠化小班）進行調(diào)查時，選中調(diào)查地，然后根據(jù)實地林種類型進行調(diào)查，點擊調(diào)查表，錄入屬性因子。調(diào)查中根據(jù)實地情況的不同還需要填的調(diào)查表有未成林、灌木林、幼林標(biāo)準(zhǔn)地調(diào)查表，經(jīng)濟林、竹林標(biāo)準(zhǔn)地調(diào)查表，苗圃地調(diào)查表，散生木調(diào)查表等。實地調(diào)查還包括村鎮(zhèn)樹（鄉(xiāng)鎮(zhèn)范圍和城建區(qū)范圍）信息錄入，村鎮(zhèn)樹實地調(diào)查時采用抽樣調(diào)查的方法。最后將調(diào)查結(jié)果導(dǎo)入桌面端軟件數(shù)據(jù)庫中。

1.2 ENVI決策樹分類

1.2.1 分類過程

利用ENVI軟件加載高空間分辨率遙感影像數(shù)據(jù)。進行決策樹分類前首先應(yīng)該獲取多源數(shù)據(jù)。對遙感影像數(shù)據(jù)進行監(jiān)督分類獲得監(jiān)督分類結(jié)果圖、NDVI（歸一化植被指數(shù)）、DEM（數(shù)字高程模型）、Slope（坡度信息提?。?、Aspect（坡向信息提?。┑榷x分類規(guī)則，按照二叉樹描述方式對數(shù)據(jù)進行分層。例如，在第一層中以NDVI來區(qū)分植被和非植被信息，根據(jù)NDVI和實際影像信息來選取合適的閾值劃分第一層，然后對第二層中的植被信息根據(jù)坡度、高程、光譜信息等數(shù)據(jù)對植被種類進行劃分，以此類推。然后利用ENVI分類菜單下的決策樹分類工具進行輸入已經(jīng)定義好了的分類規(guī)則，輸入規(guī)則應(yīng)嚴(yán)格按照ENVI軟件的語言要求輸入。最后執(zhí)行決策樹分類，在輸出窗口上選擇投影參數(shù)、重采樣方法等信息，然后輸出分類結(jié)果圖[19-22]。

1.2.2 精度分析

分類結(jié)果精度評價是分類結(jié)果是否可用的一種度量。用混淆矩陣來評價是目前使用較多的一種方法，它是由相同個數(shù)的行和列組成的矩陣，行和列的個數(shù)代表分類的個數(shù)。Kappa系數(shù)為非參數(shù)統(tǒng)計方法，其值在0-1之間，Kappa系數(shù)即考慮了混淆矩陣對角線上被正確分類的像素，又考慮了不在對角線上的各種漏分和錯分錯誤[23-24]。

2 應(yīng)用案例

2.1 研究區(qū)選取

以濰坊安丘市凌河鎮(zhèn)趙家溝村附近1km2的地區(qū)為應(yīng)用案例，利用3S技術(shù)進行林種劃分。趙家溝村位于安丘凌河鎮(zhèn)西南的留山北側(cè)山腳，該村大體符合安丘市的地形格局，山區(qū)、丘陵與平原大體各占三分之一，且樹木種類大體符合安丘凌河鎮(zhèn)的現(xiàn)狀，凌河鎮(zhèn)的植被主要以黑楊為主，還有大面積的桃樹、杏樹、蘋果樹等果林，還分布少量的側(cè)柏，觀賞和經(jīng)濟植物幼苗為主的苗圃，灌木林及其草地。

2.2 研究方法

首先對高空間分辨率的遙感影像進行裁剪，由于遙感數(shù)據(jù)為有關(guān)部門下發(fā)的處理妥善的2012年分辨率為0.5m的航拍數(shù)據(jù)，所以不需對影像進行預(yù)處理，在這里只需要對數(shù)據(jù)進行裁剪選取自己需要的區(qū)域就可以了。利用ENVI軟件的裁剪功能選取包括安丘市凌河鎮(zhèn)趙家溝村附近的大約1km2（約40000000個像元）的地區(qū)進行裁剪。然后在地理空間數(shù)據(jù)云平臺上下載對應(yīng)地區(qū)分辨率為30m的DEM數(shù)據(jù)，并運用ENVI軟件的裁剪功能，以裁剪好的航拍數(shù)據(jù)為依據(jù)裁剪DEM數(shù)據(jù)。

以凌河鎮(zhèn)調(diào)查中的實地植被種類為先驗知識，對經(jīng)過裁剪的研究區(qū)域用遙感分類方法進行林種監(jiān)督分類。首先利用目視解譯的方法對研究區(qū)高分辨率影像進行大體樹種劃分（主要劃分為五種類型：非林地、黑楊、側(cè)柏、灌木林和苗圃林，其中非林地中包含耕地，灌木林中包含草地），然后選取合適的訓(xùn)練樣本進行監(jiān)督分類。運用ENVI遙感軟件對影像進行多源信息提取。利用高分辨率和DEM影像提取植被指數(shù)（NDVI）和坡度坡向信息，最后利用決策樹的分類方法對研究區(qū)樹種進行分類，并且計算趙家溝村附近區(qū)域的森林覆蓋率。

利用GIS開發(fā)的《山東省森林資源動態(tài)監(jiān)測調(diào)查系統(tǒng)》軟件移動版加載經(jīng)過幾何校正后的航拍影像來作為外業(yè)調(diào)查所用的參考底圖，選擇外業(yè)調(diào)查線路，攜帶平板等實地調(diào)查儀器去實地進行外業(yè)調(diào)查，利用平板自帶的GPS定位系統(tǒng)開展小班的定位調(diào)查，調(diào)查記錄不同林種的樣點，調(diào)查錄入相關(guān)的調(diào)查因子，拍攝實地樹種樣地的照片，保存到平板移動版軟件的相關(guān)文件夾下。室內(nèi)將調(diào)查結(jié)果匯總合并到桌面版軟件數(shù)據(jù)庫中。

然后依據(jù)《山東省森林資源動態(tài)監(jiān)測調(diào)查系統(tǒng)》軟件的凌河鎮(zhèn)調(diào)查結(jié)果，選取趙家溝村附近的實際調(diào)查數(shù)據(jù)為依據(jù)，利用混淆矩陣中的地表真實感興趣區(qū)對ENVI分類結(jié)果進行精度驗證。輸出Kappa系數(shù)和總體精度報告。

2.3 結(jié)果與分析

經(jīng)過此次森林資源調(diào)查，濰坊安丘市凌河鎮(zhèn)的小班數(shù)量一共有1023個，其中非林地小班312個，喬木林小班572個，苗圃地小班95個，未成林造林地小班41個，宜林荒山荒地小班3個。隸屬趙家溝村的小班有9個小班，非林地小班有2個，喬木林小班有7個。

圖3為研究區(qū)域的植被分類圖，表1為植被分類結(jié)果精度與實地面積表。結(jié)果趙家溝村區(qū)域可劃分為林地與非林地（包含耕地）兩大類，林地劃分為黑楊、側(cè)柏、灌木林（含草地）和苗圃地。由分類結(jié)果表1可知，此次研究總體分類精度為76.7554%，其中非林地占36.36%；有林地占40.4%；還有23.24%的錯分像元（圖上1像元代表實際面積0.25m2）。錯分像元存在的原因主要是由高分辨率航拍影像存在異物同譜和同譜異物現(xiàn)象造成的。影像的空間分辨率越高其所對應(yīng)的光譜分辨率就會越低，使得地物波譜曲線存在異物同譜和同譜異物的現(xiàn)象。

對有林地的分類結(jié)果分析可以發(fā)現(xiàn)，黑楊主要集中在趙家溝村周圍和道路兩側(cè)，其面積為239509.8m2，約占總區(qū)域面積的23.95%；灌木林（含草地）主要分布在趙家溝村西北和東南的低山丘陵地帶，其面積為157361m2，約占總區(qū)域面積的15.74%；側(cè)柏零星分布在村子外圍和東南山丘頂部，其面積為92402.25m2，約占總區(qū)域的9.24%；還有苗圃地零星分布在村落的四周，占地面積為68893m2，約占從區(qū)域面積的6.89%。最后根據(jù)有林地面積與國家特別規(guī)定灌木林面積之和比上土地總面積求算得趙家溝附近區(qū)域的森林覆蓋率約為55.82%。

3 結(jié)論

（1）決策樹分類是基于遙感影像數(shù)據(jù)及其他空間數(shù)據(jù)，通過知識經(jīng)驗總結(jié)、簡單的數(shù)學(xué)統(tǒng)計和歸納方法等，獲得分類規(guī)則并進行分類。相比較單純利用《山東省森林資源動態(tài)監(jiān)測調(diào)查系統(tǒng)》軟件為工具所進行的實際林業(yè)資源調(diào)查而言，以ENVI決策樹分類技術(shù)、GPS定位技術(shù)和GIS調(diào)查軟件相結(jié)合的3S技術(shù)可以打破傳統(tǒng)森林資源調(diào)查的局限，減少地形復(fù)雜區(qū)域的森林資源調(diào)查的困難程度，減少人力和物力資源的浪費，能加快森林資源調(diào)查的進程和速度。

（2）遙感影像的光譜分辨率與空間分辨率相互制約，遙感影像的空間分辨率高就意味著遙感影像的光譜分辨率低。使用高空間分辨率遙感影像來進行森林資源調(diào)查相比傳統(tǒng)的調(diào)查方法而言，加快了森林資源調(diào)查工作的速度和精準(zhǔn)程度。但在本文中高空間分辨率影像的分類研究表明，由于高分辨率遙感影像存在很多因地形、陰影、拍攝時間、拍攝角度、植被生長情況等所造成的異物同譜和同譜異物問題，會造成遙感分類結(jié)果中光譜信息相似的地物種類存在錯誤分類的現(xiàn)象。高空間分辨率影像的低光譜信息量特征是造成樹種錯誤分類結(jié)果的主要原因。伴隨著高空間、高光譜、微波遙感等遙感技術(shù)的發(fā)展，高空間、時間分辨率的影像在林業(yè)資源調(diào)查中的使用將加強森林資源調(diào)查的精準(zhǔn)度，加快森林資源更新調(diào)查的速度，且遙感影像在林業(yè)中的應(yīng)用必然會有廣闊的前景。

（3）在此次林業(yè)資源調(diào)查過程中，3S技術(shù)的運用雖然起到了一定的積極效果，但3S技術(shù)集成應(yīng)用的實際功能還未完全的開發(fā)出來，結(jié)合本文的應(yīng)用案例分析，造成實際功能不能完全體現(xiàn)的原因主要是由于遙感分類技術(shù)達不到林業(yè)資源調(diào)查的要求；另外在地形復(fù)雜的山地和丘陵地區(qū)，移動端平板自帶的GPS的定位功能會受到地形和樹木遮擋的影響，造成定位精度達不到森林資源調(diào)查的要求的現(xiàn)象。應(yīng)該加強各級相關(guān)部門的財政投入，更新調(diào)查工具和手段，使森林資源調(diào)查工作能高效率的展開。但伴隨著3S技術(shù)的發(fā)展，利用3S技術(shù)對山地和丘陵地區(qū)森林資源的狀況進行動態(tài)監(jiān)測會提高森林資源調(diào)查的準(zhǔn)確性，加快森林資源調(diào)查的速度。

致謝

感謝山東省第四地質(zhì)礦產(chǎn)勘查院元偉濤師兄在數(shù)據(jù)提供與論文寫作上給予的大力幫助。

【參考文獻】

[1]國家林業(yè)局森林資源管理司.第七次全國森林資源清查及森林資源狀況[J].林業(yè)資源管理，2010，01：1-8.

[2]陳雪峰.中國森林資源可持續(xù)發(fā)展問題的探討[J].自然資源學(xué)報，1996，04：318-325.

[3]楊明，王朝琴，彭彰俊.黔南州長順縣林業(yè)資源調(diào)查與分析[J].森林工程，2013，06：44-46.

[4]鄧?yán)っ?青藏高原林業(yè)資源的可持續(xù)發(fā)展探討[J].自然資源學(xué)報，2000，04：340-347.

[5]代占山.黑龍江省寶清縣林業(yè)局國有森林資源現(xiàn)狀及今后經(jīng)營利用分析[J].林業(yè)勘察設(shè)計，2010，01：1-6.

[6]郭生祥，汪有奎，張建奇，等.基于“3S”技術(shù)的祁連山自然保護區(qū)森林資源調(diào)查分析[J].林業(yè)實用技術(shù)，2011，03：47-49.

[7]張杰.試析我國東北地區(qū)林業(yè)資源現(xiàn)狀及保護措施[J].黑龍江科技信息，2012，（12）：225.

[8]狄文彬，杜鵬志.對北京市森林資源現(xiàn)狀及未來發(fā)展趨勢的探討[J].山東林業(yè)科技，2012，03：128-130+105.

[9]杜志，甘世書，胡覺.西南高山林區(qū)森林資源特點及保護利用對策探討[J].林業(yè)資源管理，2014（z1）：27-31.

[10]賀鵬，甘世書，胡覺，等.我國熱帶林區(qū)森林資源動態(tài)變化特點及發(fā)展保護對策探析[J].林業(yè)資源管理，2014（z1）：22-26，36.

[11]龍超，魯?shù)?，龍躍，等.中亞五國林業(yè)發(fā)展及國際合作展望[J].世界林業(yè)研究，2015，01：80-84.

[12]戴前石，譚寬祥，鄭紅.衛(wèi)星遙感技術(shù)在林地變化監(jiān)測中的應(yīng)用[J].林業(yè)資源管理，2000，02：57-59.

[13]許國民.森林資源調(diào)查技術(shù)與方法[J].中國農(nóng)業(yè)信息，2015，11：82.

[14]張鵬程.分析遙感技術(shù)在林業(yè)中的運用[J].黑龍江科技信息，2015，12：284.

[15]肖永有，劉小強，何偉民.衛(wèi)星遙感影像在森林資源調(diào)查小班區(qū)劃中的應(yīng)用[J].南方林業(yè)科學(xué)，2015，05：40-42.

[16]龔玉梅，張煒.近紅外光譜檢測技術(shù)及其在林業(yè)中的應(yīng)用[J].光譜學(xué)與光譜分析，2008，07：1544-1548.

[17]吳見，彭道黎.高光譜遙感林業(yè)信息提取技術(shù)研究進展[J].光譜學(xué)與光譜分析，2011，09：2305-2312.

[18]山東省林業(yè)監(jiān)測規(guī)劃院.山東省森林資源動態(tài)監(jiān)測系統(tǒng)建設(shè)森林資源調(diào)查操作細則[M].2014.

[19]陳利，林輝，孫華，等.基于決策樹分類的森林信息提取研究[J].中南林業(yè)科技大學(xué)學(xué)報，2013，01：46-51.

[20]羅朝沁，林輝，孫華，等.基于MODIS影像大尺度森林資源信息提取方法研究[J].中南林業(yè)科技大學(xué)學(xué)報，2015，11：21-26+42.

[21]孫靜雯，王紅旗，張欣，等.基于決策樹分類的根河市土地利用變化及驅(qū)動力分析[J].中國人口.資源與環(huán)境，2014，S1：449-452.

[22]韓婷婷，習(xí)曉環(huán)，王成，等.基于決策樹方法的云南省森林分類研究[J].遙感技術(shù)與應(yīng)用，2014，05：744-751.

[23]劉旭攏，何春陽，潘耀忠，等.遙感圖像分類精度的點、群樣本檢驗與評估[J].遙感學(xué)報，2006，03：366-372.

[24]孫元芳，周斌，蓋穎穎，等.遙感監(jiān)測墨西哥灣溢油目標(biāo)識別算法[J].測繪科學(xué)，2015，03：63-67+106.

[責(zé)任編輯：王楠]