張世良 王遠(yuǎn)帆 劉錫鈴

[摘? ? 要] 以森林資源遙感分類為切入點(diǎn)，以寧德市蕉城區(qū)境內(nèi)的森林作為研究對象，針對遙感影像在森林信息提取中存在的大量混合像元的問題，引入一種基于Slice-Oriented算法模型提取方法。通過這種方法，分別得到研究區(qū)森林的覆蓋圖像，并提取出了森林健康等級的分布情況并可視化。根據(jù)實(shí)驗(yàn)提取的結(jié)果符合實(shí)地森林情況，達(dá)到資源調(diào)查所需要的精度。說明該方法可以改善植被信息提取的效果。

[關(guān)鍵詞] Slice-Oriented算法;遙感影像;信息提取;可視化

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2019. 21. 067

[中圖分類號] TP391? ? [文獻(xiàn)標(biāo)識碼]? A? ? ? [文章編號]? 1673 - 0194（2019）21- 0170- 02

0? ? ? 引? ? 言

森林病蟲害的危害特點(diǎn)具有周期性和長時(shí)間持續(xù)的破壞性，林分受害癥狀呈現(xiàn)相對較為遲緩。此外，社會(huì)經(jīng)濟(jì)發(fā)展所帶來的資源破壞和環(huán)境問題， 而這些問題又使森林本身受到了嚴(yán)重的影響， 如火災(zāi)、空氣污染、濕地退化、生物多樣性減少、外來有害生物的入侵、城鄉(xiāng)過渡帶生態(tài)系統(tǒng)的脆弱、生態(tài)環(huán)境變化等，森林健康監(jiān)測已成為一項(xiàng)日常的工作[1]。傳統(tǒng)的人工森林監(jiān)測具有周期長、工作量大、監(jiān)測范圍小的特點(diǎn)[2]。而遙感圖像具有覆蓋地域廣、信息量大、現(xiàn)勢性強(qiáng)等優(yōu)點(diǎn)，在森林健康監(jiān)測中發(fā)揮了優(yōu)勢，是森林健康監(jiān)測的重要手段。本文通過Slice-Oriented算法并結(jié)合遙感技術(shù)能快速地獲得研究區(qū)域的影像特征，實(shí)現(xiàn)對森林健康監(jiān)測與可視化，探索一條能夠在涵養(yǎng)水源、保護(hù)水土及森林環(huán)境的有效對策，在森林健康可持續(xù)發(fā)展、生態(tài)平衡、社會(huì)、經(jīng)濟(jì)效益等具有顯著的促進(jìn)作用。建立適合本地的評價(jià)指標(biāo)體系，城市森林結(jié)構(gòu)指標(biāo)計(jì)算、對于城市森林的規(guī)劃、經(jīng)營管理和病蟲害的預(yù)防均有重要的指導(dǎo)作用。

1? ? ? 研究區(qū)介紹

寧德市俗稱“閩東”，位于福建省東北部，地處東經(jīng)118°32′30″～120°43′25″，北緯26°18′～27°40′49″，陸地面積130萬公頃，其中林業(yè)用地面積99.57萬公頃，占陸地面積76.6%。內(nèi)生物資源豐富，植物有189科，2 163個(gè)種，其中孢子植物27科，67個(gè)種;種子植物162科，2 094個(gè)種。全市典型的森林植被類型有常綠闊葉林、常綠針葉林、針闊葉混交林、山地常綠矮林，其中常綠闊葉林是重要的水源林和特種用材林，常綠針葉林是本市主要的用材林和薪炭林[3]。據(jù)閩東日報(bào)調(diào)查初步顯示，在有害生物面積達(dá)32.2萬畝中，森林蟲害發(fā)生面積就達(dá)27.8萬畝，病害發(fā)生面積4.4萬畝，大部分是由臺(tái)風(fēng)襲擊造成松樹枯死而引起松墨天牛侵入，另有松毛蟲發(fā)生面積將達(dá)6.8萬畝，柳杉毛蟲1萬畝。其他的森林蟲害還有竹廣肩小蜂、剛竹毒蛾、木麻黃毒蛾和樟螢葉甲等。森林病害方面，毛竹枯梢病發(fā)生較為普遍。表明森林病蟲害手在面積較為廣泛且分布呈現(xiàn)分散狀態(tài)[4]。

2? ? ? 植被指數(shù)

（1）歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI），是最常用的植被指數(shù)，它能反映出植物冠層的背景影響，是檢測植被生長狀態(tài)、植被覆蓋度和消除部分輻射誤差等。雪、枯葉、土壤、潮濕地面、粗糙度等都與植被覆蓋有關(guān)。雖然NDVI對土壤背景的變化較為敏感，由于NDVI可以消除大部分與地形、云陰影、儀器定標(biāo)、太陽角和大氣條件有關(guān)輻照度的變化，增強(qiáng)了對植被的響應(yīng)能力，因此，NDVI目前已有的40多種植被指數(shù)中應(yīng)用最廣的一種。NDVI就等于近紅外區(qū)與紅光區(qū)的反射率差值除以近紅外區(qū)與紅光區(qū)的反射率之和，即：

NDVI=■

其中，NIR表示為近紅外波段的反射值;R表示為紅光波段的反射值。

計(jì)算結(jié)果值在-1與1之間，負(fù)值表示地面覆蓋為云、水、雪等，對可見光高反射;0表示有巖石或裸土等，NIR和R近似相等;正值，表示有植被覆蓋，且隨覆蓋度增加而增大。一般綠色植被區(qū)其值范圍是0.2-0.8。

（2）增強(qiáng)植被指數(shù)（Enhanced Vegetation Index，EVI）。為了矯正土壤背景和氣溶膠散射的影響，EVI通過加入藍(lán)色波段以增強(qiáng)植被信號來實(shí)現(xiàn)。但EVI常用于植被茂密區(qū)，即LAI值較高區(qū)。EVI計(jì)算公式為：

EVI=2.5×■

其中，NIR，R與B分別表示近紅外波段、紅光波段和藍(lán)光波段的反射率。其值的范圍也是在-1與1之間，一般綠色植被區(qū)其值范圍是0.2-0.8。

3? ? ? Slice-Oriented算法

圖像信息的充分提取，研究中構(gòu)造新的算法，主要采用“基于片層—面向類”的算法。主要體現(xiàn)在確定實(shí)現(xiàn)圖像分類運(yùn)算的最佳分片數(shù)目，以減少在處理過程中，計(jì)算機(jī)對均一光譜的連片區(qū)域內(nèi)的大量像元進(jìn)行基本相同的重復(fù)運(yùn)算，加快計(jì)算速度;使各類別片中的柵格邊長保持較好的一致性的同時(shí)，突出各片內(nèi)信息的差異，確定不同的片類別，以實(shí)現(xiàn)片的有效聚類，算法流程如下：

（1）分析確定最佳的分片數(shù)目，根據(jù)影像光譜特征值和各監(jiān)測因子專題信息對圖像進(jìn)行分片處理。

（2）對分片處理所形成的“片”，映射回圖像空間，根據(jù)各圖像空間內(nèi)的各直方圖特征、各片柵格邊長的不一致性，確定不同的片類別，以使各類別片中的柵格邊長保持較好一致性，突出各片內(nèi)信息的差異為目標(biāo)。

（3）采用直方圖找峰進(jìn)行聚類的圖論方法，實(shí)現(xiàn)對研究區(qū)域的遙感圖像分片后各片內(nèi)的分類處理。

（4）在類產(chǎn)生的基礎(chǔ)上，進(jìn)行類的合并研究，形成類與圖像區(qū)域的對應(yīng)關(guān)系，這是不同時(shí)期不同健康狀況林分信息提取能否達(dá)到較高精度的關(guān)鍵。

4? ? ? 森林信息提取與健康分類

倘若僅僅利用基于光譜特征來識別地物的波段特征較少，在信息提取過程中存在較大的干擾。以往的研究還表明，特征分布具有極強(qiáng)的非線性，空間分布也非常復(fù)雜。 利用遙感圖像的光譜信息很難很好地區(qū)分這些地物特征。許多理論和實(shí)踐結(jié)果表明，需要充分利用遙感圖像光譜和紋理的特征有效地提取森林信息，本文通過構(gòu)造Slice-Oriented算法實(shí)現(xiàn)更有效的提取[5-6]。

林地專題信息提取圖像，包含多種土地利用類型的信息，如住宅用地、交通用地、林地、園地、耕地、水體和未開發(fā)利用地。為了排除其他類型對林地的干擾，必須對遙感圖像進(jìn)行分割。提取林地主題信息的方法較多，有歸一化差值植被指數(shù)（NDVI）方法，神經(jīng)網(wǎng)絡(luò)方法以及面向?qū)ο蠓椒ǖ?。本文利用ENVI 5.1遙感處理軟件獲得NDVI值和EVI值，它們的值范圍都為（-1，1）之間，我們在此處二值均設(shè)置大于0.25，就可以很好地從圖像中提取出林地信息。其提取結(jié)果，如圖1，圖2所示。

單純利用光譜信息難以有效地將不同等級的森林區(qū)分開來，需要引入其他特征量予以進(jìn)一步劃分，采用基于“片層—面向類”的森林信息提取算法并以健康等級圖表示，如圖3所示。

5? ? ? 結(jié)? ? 論

如何實(shí)現(xiàn)圖像信息的充分提取，研究中構(gòu)造新的算法，主要采用研究提出的“基于片層—面向類”的算法加以解決。主要體現(xiàn)在確定實(shí)現(xiàn)圖像分類運(yùn)算的最佳分片數(shù)目，以減少在處理過程中，計(jì)算機(jī)對均一光譜的連片區(qū)域內(nèi)的大量像元進(jìn)行基本相同的重復(fù)運(yùn)算，加快計(jì)算速度，不僅使各類別片中的柵格邊長保持較好的一致性，而且突出了各片內(nèi)信息的差異，確定不同的片類別，以實(shí)現(xiàn)片的有效聚類并對森林分級可視化效果。

注：張世良為通訊作者

主要參考文獻(xiàn)

[1]肖風(fēng)勁，歐陽華，傅伯杰，等.森林生態(tài)系統(tǒng)健康評價(jià)指標(biāo)及其在中國的應(yīng)用[J].地理學(xué)報(bào)， 2013， 58（6）：803-80.

[2]沈泉林. 南平市延平區(qū)人工林健康評價(jià)及健康經(jīng)營措施研究[D].福州：福建農(nóng)林大學(xué)，2013.

[3]袁素華，薛少彬，劉鳳葵. 閩東設(shè)施農(nóng)業(yè)發(fā)展現(xiàn)狀、存在問題與對策[J]. 中國園藝文摘，2015（9）：59-62.

[4]毛秀華，張世良，劉錫鈴. 基于遙感影像的閩東森林病蟲害等級分類技術(shù)[J].寧德師范學(xué)院學(xué)報(bào)，2018，30（1）：90-95.

[5]周寶祥. 基于SPOT5 影像的森林資源信息提取技術(shù)研究[J]. 內(nèi)蒙古林業(yè)調(diào)查設(shè)計(jì)，2012，35（5）：89-91.

[6]劉錫鈴，張世良. 自然災(zāi)害智能化應(yīng)急救援信息系統(tǒng)關(guān)鍵技術(shù)研究[J]. 韶關(guān)學(xué)院學(xué)報(bào)，2018，39（9）：32-36.