基于多源遙感數據的生態保護修復項目區監測方法評述

陳元鵬,任 佳,*,王 力

1 自然資源部國土整治中心,北京 100035 2 中國科學院遙感與數字地球研究所,北京 100094

改革開放40年以來,我國經濟社會發展取得巨大進步,經濟總量躍居世界第二,經濟結構實現重大變革,基礎產業和基礎設施跨越式發展。但與此同時,資源和環境條件的約束邊界也在步步逼近[1],諸多生態環境問題日益顯現。黨的十八大以來,以習近平總書記為核心的黨中央高度重視生態文明建設,把生態文明建設納入統籌推進“五位一體”總體布局和協調推進“四個全面”戰略布局的重要內容。為貫徹落實習近平生態文明思想、加強生態文明建設、筑牢生態安全屏障、推進生態保護修復,2016至2018年,財政部、自然資源部、生態環境部三部門聯合印發文件,開展“山水林田湖草生態保護修復工程試點”,批準工程試點25個。試點通過實施礦山生態修復、土地整治、森林質量提升、流域水環境保護治理、水土流失治理等措施促進生態保護修復。25個試點工程區域面積總計約103萬km2,覆蓋范圍廣、監測監管難。

驗證、評估大區域尺度的生態保護修復工作成效,持續跟蹤、監測工程試點建設與管護情況,需精準高效識別區域內生態環境問題、獲取區域內復雜生態環境信息、監測區域內生態環境系統變化,這迫切需要引入精度高、范圍廣、時效性強的監測監管技術作為重要支撐手段。遙感技術具有宏觀、動態、快速、可重復等特點,是國家重大戰略和重大工程實施的有利保障,可有效助力生態環境系統的觀測與分析,輔助生態保護修復項目區域內的多目標地物信息提取與變化檢測。

在地表空間異質性較強區域,陸地表面的動態變化(如城市建設擴張、森林植被砍伐等活動),往往發生在較小的空間尺度上和較短的時間階段內。因此,有必要基于高空間和高時間分辨率的衛星遙感數據及時監測小空間尺度上的地表覆被變化情況[2]。由于遙感衛星自身物理性能的限制,單一衛星遙感數據的空間分辨率和時間分辨率是一對“矛盾體”,存在相互制約關系[3],目前尚不存在一種衛星傳感器能夠同時提供高空間分辨率和高時間分辨率的遙感數據,因此利用單一衛星遙感影像數據觀測并獲取高時空分辨率的地物變化信息存在困難。

生態保護修復項目往往存在范圍廣、面積大、云雨多等特點(如湖南省湘江流域和洞庭湖生態保護修復項目區總面積10km2,區域范圍內云雨天氣較多),并且生態修復工程措施實施時間周期較短,采用單一衛星遙感數據無法滿足對其大范圍、精細化的某一地物信息或某一生態指標信息的連續時空分布監測[4]。為此,基于多源遙感數據的生態保護修復項目區監測方法研究至關重要。

1 國內外研究進展

生態保護修復項目的特點為區域廣、范圍大,區域內土地覆被變化具有一定尺度依賴性[5-6],同時項目生態效益評價指標復雜多樣,諸如此類項目的特殊性決定監測工作需基于衛星遙感數據,結合機器學習與混合像元分析等方法開展多目標地物信息提取；針對多源衛星遙感數據進行尺度轉換與時空融合,生成高時空分辨率的時間序列遙感數據與產品；利用長時間序列遙感數據與產品,分析驗證項目前期生態環境問題,檢測項目實施期土地覆被的動態變化與突變情況[7-8]。

1.1 地物信息提取

地物信息是生態環境遙感監測的重要指標,隨著全球變化研究的深入,地物信息變化研究已成為全球生態環境變化研究的核心內容,生態保護修復項目遙感監測地物信息的提取內容指標主要包括土地覆被/利用類型、生物量、凈初級生產力、植被覆蓋度等。還包括與生態環境相關的參數類指標,如水土保持、水源涵養等相關參數指標。

地物信息提取是基于遙感影像的目標識別[9],機器學習是解決目標識別問題的主要方法之一[10-11]。許多國內外學者采用機器學習方法開展了土地覆被信息分類及一系列地球生物、物理和化學參數的反演。土地覆被分類方面,Dalponte等[12]基于高光譜影像數據,利用支持向量機(Support Vector Machine,SVM)進行森林類型的識別并取得了較好的效果；楊紅磊等[13]利用對數主成分變換的期望最大化算法(Expectation Maximization Algorithm,EM)對土地覆被信息進行了分類處理,分類結果精度優于普通EM和傳統的K-means等非監督分類方法；Rodriguez等[14]從訓練數據集大小的敏感性以及噪聲影響等方面,評價了隨機森林(Random Forest,RF)方法在土地覆被分類中的有效性。相關參數信息反演方面,偏最小二乘法、隨機森林與人工神經網絡等方法廣泛應用于地表溫度LST、葉面積指數LAI、水深與渾濁度等變量的反演,并取得了較高精度[15-19]。此外,近幾年深度學習算法的推廣應用,也一定程度上提高了地物識別的精度[20]。現階段,機器學習包括深度學習方法已廣泛應用于地物信息的提取,過程中各類方法也得以不斷完善優化。然而,由于地表的空間異質性,混合像元普遍存在于遙感影像中,一定程度影響地物識別和分類精度[21]。

1.2 混合像元分解

由于空間分辨率的限制以及地物的復雜多樣性,一個像元內往往會包含多種地物類型,稱為混合像元。混合像元中不同地物光譜特征互相影響,使得像元與土地覆被類別信息一一對應的硬分類影像不能夠有效表現出像元中多端元組合的細節信息。為此,需要對混合像元進行分解,通過混合像元分解生成的豐度圖像能夠更好保留地表空間結構和土地覆被信息[22-23]。國內外學者對混合像元分解方法進行了大量研究[24-27],探索提出了許多線性和非線性混合像元分解模型及其改進優化方法。如多端元混合像元分解(Multiple Endmember Spectral Mixture Analysis,MESMA)方法,該方法利用不同類型和數量的地物端元組合模擬每個像元,有效解決了“同物異譜”問題[28-30]；Ray等[31]提出的高次多項式模型及其改進優化模型[32-33],在線性模型基礎上,引入交叉端元來表示多次散射,較好地刻畫了復雜場景的多次散射作用,提高了解混精度。基于混合像元分解得到的組分數據,不僅能夠在亞像元尺度更好地刻畫土地覆被信息,還能夠作為自變量參與到遙感尺度轉換與時空信息融合中。

1.3 遙感數據高時空融合

1.4 遙感時間序列影像變化檢測

生態保護修復項目工程措施實施周期短,管護周期長,基于遙感時間序列影像開展變化檢測有助于項目監測監管。遙感影像變化檢測根據不同的變化形式,分為異常信息檢測與土地覆被變化檢測[40]。常用的方法包括雙時相監測方法,即將土地覆被變化檢測作為雙時相變化檢測問題的擴展[41],還包括基于時間序列模型的變化檢測方法,如Mithal等[42]提出了一種基于子序列分割的變化檢測方法,通過擬合一個非參數模型將時間序列分割為多個均勻的子序列,分割的時相位置就是潛在發生變化的時刻；Geng等[8]基于MODIS NDVI數據,利用BFAST算法(Breaks for Additive Season and Trend,BFAST)探索了祁連山地區植被突變的時空特征及其潛在的驅動因素,有效識別出植被斷點變化的時間、位置與幅度；Wang等[43]利用BFAST方法對內蒙古干旱區的時空分布與變化進行了分析探索,有效識別出了內蒙古東北部地區的干旱趨勢。

2 基于多源遙感數據的監測方法要點

基于多源遙感數據的生態保護修復項目監測方法包含以下幾方面：參閱文獻資料,結合實際工作擬定監測指標與任務；圍繞監測指標,基于不同分辨率遙感數據并結合地面監測數據,采用機器學習與混合像元分析等方法,提取地物信息與組分數據,反演與監測指標相關的參數；以多時相、多源遙感影像生成的地物信息為基礎,開展多源遙感數據高時空融合,重構時間序列遙感數據產品；基于時間序列遙感數據產品,開展項目區地物信息亞像元級變化檢測,實現對項目區生態保護情況、修復措施的識別與評價[44-46],技術路線如下圖1所示。

2.1 生態保護修復工程監測指標

生態保護修復工程涉及“山水林田湖草”多個生態要素,其監測指標具有復雜性和多樣性的特點,擬定監測指標與任務是工作首要目標。參考相關生態保護修復工程監測評估指標體系[47],梳理出共性指標類別包括4大類：生態系統宏觀結構、生態系統質量、生態系統服務、生態系統變化影響因素。具體指標包括一級指標11項,二級指標25項,其中可用遙感數據直接獲取的指標8項,采用遙感數據結合地面監測數據可獲取的指標8項,具體如下表1。從監測指標可看出,64%的指標要直接或間接依靠遙感數據進行監測,可見遙感技術在生態保護修復工程監測中至關重要。

2.2 基于中高空間分辨率遙感數據的項目區信息提取

基于中高空間分辨率遙感影像的項目區信息提取包括：基于亞米(或米)級高空間分辨率光學遙感數據,通過機器學習、深度學習與目視解譯相結合的地物信息提取方法,生成土地覆被數據,對研究區域內生態修復相關信息實現高精度識別；基于中等空間分辨率遙感影像(以Landsat系列衛星遙感數據為主),通過線性與非線性混合像元分解方法的比較驗證,實現研究區域內地物組分信息的有效提取；基于Landsat系列衛星遙感數據,結合地面實測數據,開展植被覆蓋、水源涵養、湖泊水面等監測指標的定量化反演。根據實地調查監測獲取的樣點信息,結合高空間分辨率遙感數據的解譯成果進行真實性檢驗。中高空間分辨率光學遙感影像信息提取示意結果見圖2,混合像元分解示意結果見圖3。

表1 生態保護修復工程監測指標

圖2 中高空間分辨率光學遙感影像信息提取結果Fig.2 Optical remote sensing image information extraction results based on moderate and high spatial resolution

圖3 混合像元分解結果Fig.3 Pixel unmixing results

2.3 項目區多源遙感數據高時空融合

項目區多源遙感數據高時空融合,應根據研究區位,搜索生態保護修復項目實施期間與歷史時期的存檔系列遙感數據,篩查出“缺失”或“云污染”遙感數據的空間位置與時間節點。以多時相、多源遙感數據生成的地物信息數據為基礎,采用增強時空自適應反射率融合(ESTARFM)、時空組分信息融合(Spatial temporal fraction map fusion model,STFMF)、時空反射率解混改進融合(Improved spatial temporal reflectance unmixing model,ISTRUM)等模型,開展多源遙感數據高時空融合,同時探討不同方法的優劣性。通過方法的優選試驗,生成研究區“缺失”和“云污染”遙感數據的替代數據,聯合存檔影像重構項目區時間序列連續、空間分辨率較高的遙感數據產品。

2.4 基于時間序列遙感影像的項目區變化檢測

結合項目區規劃與實施方案,基于重構的時間序列遙感數據產品,采用季節趨勢的斷點檢測(Breaks for additive seasonal and trend,BFAST)、LandTrendr擾動檢測、植被變化跟蹤(Vegetation change tracker,VCT)等方法,開展項目區地物信息的變化檢測,通過對地物信息突變數量、時間、強度的檢測以識別生態問題、生態修復措施,實現生態保護修復項目區的有效監測。

2.5 基于多源數據的生態效益評價

基于時間序列遙感數據產品,輔以其他多源監測數據如氣象、水文、土壤、人口、經濟等,利用InVEST、ARIES等模型,對項目區的生態系統分布結構與變化、生態系統質量與變化、生態問題與變化、生態系統服務與變化、生態效益等參量進行評價,評價其狀態、變化趨勢及驅動力。基于生態產品價值實現理念,運用直接市場價值、替代市場價值、模擬市場評估等方法,結合生態效益等評價結果,完成生態產品價值核算,為生態產品價值實現提供基礎數據,促進生態文明體制改革、加快轉變經濟發展方式、實現經濟社會與資源環境協調發展。

3 基于多源遙感數據的監測方法發展與展望

國土空間生態修復工作開展以來,自然資源管理部門積極探索創新生態保護修復監測技術方法,但在“天地網”一體化監測,尤其是遙感監測的理論技術、應用實踐創新研究中,深度尚顯不足,面向高空間分辨率遙感數據的地物信息提取技術手段相對不夠多元,基于多源遙感數據互補的項目區地物信息變化檢測方法研究與應用有待加強。在解算技術方面,機器學習、光譜分析、尺度轉換、空間解混等理論與技術方法的研究與應用仍有待深入。在數據統籌方面,獲取高質量的高分辨率衛星或航拍遙感影像的經濟成本和時間成本較高,信息源和數據分析手段均受限制。在工作基礎方面,區域化、實驗型的探索雖然取得了一定成效,但面向更大范圍的國土空間生態保護修復遙感監測,尚未形成穩定長效的工作機制,尚未建立完善的多尺度遙感監測技術體系。在技術創新方面,生態保護修復遙感監測技術所涉及的環節眾多,監測數據、監測內容、監測區域等都存在較大差異性,對應的技術路線也因此存在不同,相應的關鍵技術瓶頸亟待突破[48-52]。

針對技術研究的不足,未來應從以下幾方面加強研究與探索：一是隨著科技進步與可獲取數據的增多,應結合實際工作持續優化國土空間生態保護修復的監測指標體系,形成監測與評價指標庫；二是充分挖掘遙感數據解析的相關算法潛力,如深度學習與混合像元分解模型等的優化,兼顧效率的同時提升地物信息提取的精度,充分利用非線性混合像元分解模型加強對地物信息亞像元級別的分析；三是加強時空融合算法與變化檢測方法的研究探索,提高算法精度,加強相關方法在生態保護修復項目遙感監測中的實踐應用,有效助力實際工作開展。

針對工作推進的不足,要以“山水林田湖草生態保護修復工程試點”項目為平臺,一是建立生態保護修復工程野外監測臺站,有效獲取野外調查與觀測數據；二是結合監測評價指標體系、相關科學技術方法,因地制宜形成基于多源遙感數據的監測方法；三是加強部門協同聯動,建立穩定的遙感監測運行機制,在區域性試點研究實踐的基礎上,逐步提升形成國土空間生態保護修復監測監管運行機制；四是加強技術攻關與科技創新,形成行業乃至國家技術標準,指導相關監測監管工作的有效開展。