基于Slice-Oriented算法的寧德市森林健康分類研究

張世良 王遠帆 劉錫鈴

[摘? ? 要] 以森林資源遙感分類為切入點，以寧德市蕉城區境內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。根據實驗提取的結果符合實地森林情況，達到資源調查所需要的精度。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? ? [文獻標識碼]? A? ? ? [文章編號]? 1673 - 0194（2019）21- 0170- 02

0? ? ? 引? ? 言

森林病蟲害的危害特點具有周期性和長時間持續的破壞性，林分受害癥狀呈現相對較為遲緩。此外，社會經濟發展所帶來的資源破壞和環境問題， 而這些問題又使森林本身受到了嚴重的影響， 如火災、空氣污染、濕地退化、生物多樣性減少、外來有害生物的入侵、城鄉過渡帶生態系統的脆弱、生態環境變化等，森林健康監測已成為一項日常的工作[1]。傳統的人工森林監測具有周期長、工作量大、監測范圍小的特點[2]。而遙感圖像具有覆蓋地域廣、信息量大、現勢性強等優點，在森林健康監測中發揮了優勢，是森林健康監測的重要手段。本文通過Slice-Oriented算法并結合遙感技術能快速地獲得研究區域的影像特征，實現對森林健康監測與可視化，探索一條能夠在涵養水源、保護水土及森林環境的有效對策，在森林健康可持續發展、生態平衡、社會、經濟效益等具有顯著的促進作用。建立適合本地的評價指標體系，城市森林結構指標計算、對于城市森林的規劃、經營管理和病蟲害的預防均有重要的指導作用。

1? ? ? 研究區介紹

寧德市俗稱“閩東”，位于福建省東北部，地處東經118°32′30″～120°43′25″，北緯26°18′～27°40′49″，陸地面積130萬公頃，其中林業用地面積99.57萬公頃，占陸地面積76.6%。內生物資源豐富，植物有189科，2 163個種，其中孢子植物27科，67個種;種子植物162科，2 094個種。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]。據閩東日報調查初步顯示，在有害生物面積達32.2萬畝中，森林蟲害發生面積就達27.8萬畝，病害發生面積4.4萬畝，大部分是由臺風襲擊造成松樹枯死而引起松墨天牛侵入，另有松毛蟲發生面積將達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分散狀態[4]。

2? ? ? 植被指數

（1）歸一化植被指數（Normalized Difference Vegetation Index，NDVI），是最常用的植被指數，它能反映出植物冠層的背景影響，是檢測植被生長狀態、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。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、太陽角和大氣條件有關輻照度的變化，增強了對植被的響應能力，因此，NDVI目前已有的40多種植被指數中應用最廣的一種。NDVI就等于近紅外區與紅光區的反射率差值除以近紅外區與紅光區的反射率之和，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。

計算結果值在-1與1之間，負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。一般綠色植被區其值范圍是0.2-0.8。

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

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，研究中構造新的算法，主要采用“基于片層—面向類”的算法。主要體現在確定實現圖像分類運算的最佳分片數目，以減少在處理過程中，計算機對均一光譜的連片區域內的大量像元進行基本相同的重復運算，加快計算速度;使各類別片中的柵格邊長保持較好的一致性的同時，突出各片內信息的差異，確定不同的片類別，以實現片的有效聚類，算法流程如下：

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

（2）對分片處理所形成的“片”，映射回圖像空間，根據各圖像空間內的各直方圖特征、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，突出各片內信息的差異為目標。

（3）采用直方圖找峰進行聚類的圖論方法，實現對研究區域的遙感圖像分片后各片內的分類處理。

（4）在類產生的基礎上，進行類的合并研究，形成類與圖像區域的對應關系，這是不同時期不同健康狀況林分信息提取能否達到較高精度的關鍵。

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，特征分布具有極強的非線性，空間分布也非常復雜。 利用遙感圖像的光譜信息很難很好地區分這些地物特征。許多理論和實踐結果表明，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，本文通過構造Slice-Oriented算法實現更有效的提取[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（NDVI）方法，神經網絡方法以及面向對象方法等。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分開來，需要引入其他特征量予以進一步劃分，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? ? 論

如何實現圖像信息的充分提取，研究中構造新的算法，主要采用研究提出的“基于片層—面向類”的算法加以解決。主要體現在確定實現圖像分類運算的最佳分片數目，以減少在處理過程中，計算機對均一光譜的連片區域內的大量像元進行基本相同的重復運算，加快計算速度，不僅使各類別片中的柵格邊長保持較好的一致性，而且突出了各片內信息的差異，確定不同的片類別，以實現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

[1]肖風勁，歐陽華，傅伯杰，等.森林生態系統健康評價指標及其在中國的應用[J].地理學報， 2013， 58（6）：803-80.

[2]沈泉林. 南平市延平區人工林健康評價及健康經營措施研究[D].福州：福建農林大學，2013.

[3]袁素華，薛少彬，劉鳳葵. 閩東設施農業發展現狀、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[J].寧德師范學院學報，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研究[J]. 內蒙古林業調查設計，2012，35（5）：89-91.

[6]劉錫鈴，張世良. 自然災害智能化應急救援信息系統關鍵技術研究[J]. 韶關學院學報，2018，39（9）：32-36.