基于遙感影像的森林資源變化檢測研究

昝建春，冷鴻天

(云南省林業調查規劃院，云南 昆明 650051)

為深入貫徹落實黨的十九大精神和習近平新時代中國特色社會主義思想，按照黨的十九大報告提出的“要實行最嚴格的生態環境保護制度”和“堅決制止和懲處破壞生態環境行為”要求，基于遙感影像等技術手段的森林資源變化檢測能夠及時發現改變林地用途和破壞森林資源等變化圖斑，從根本上解決當前森林資源監管“被動式發現”的問題[1]，為嚴格執行森林資源保護管理各項制度，提升森林資源保護管理水平，推動生態文明建設提供技術支撐和服務保障。

變化檢測是通過定量地分析兩期遙感影像，獲取地表覆蓋變化的過程，是目前遙感影像領域研究的熱點，被廣泛應用在災害評估、城市發展、土地利用以及覆蓋監測等方面[2]。伴隨著遙感影像空間分辨率不斷的提高，同物異譜、異物同譜的光譜特征逐漸顯現，基于像元光譜特征統計的變化檢測技術已不能滿足當前遙感影像變化信息提取的要求，嚴重制約高分辨率遙感影像在森林資源監測中的應用。而基于面向對象分類的變化檢測方法，以影像分割為基礎，將影像對象定義為光譜特征、形狀特征、紋理特征、上下文關系等具有同質或近似的單個區域，綜合利用對象的多種特征參與分析，將光譜和空間信息進行有效結合，降低變化檢測的不確定性并提高變化檢測的精度[3]，是未來森林資源變化檢測的發展趨勢和方向。

以滇中某局部地區為研究區域，著重分析林地變為非林地的動態變化過程。利用ENVI 5.3軟件對2015年的森林資源二類調查影像和2018年的森林資源監測影像進行預處理，然后進行面向對象分類，采用流程化動態監測工具進行分類后變化監測，獲取研究區域林地變為非林地圖斑的空間分布、面積、像元數、變化矩陣等變化信息。

1 變化檢測研究區域數據預處理

1.1 數據準備

選用的遙感影像為滇中某局部地區的森林資源二類調查影像和森林資源監測影像，時相分別為2015年和2018年。為減少相關噪聲對變化檢測精度的影響和干擾，選取了兩幅拍攝時間(季節)相對一致、分辨率一致、投影坐標系統一致、圖像大小一致和地物顏色相對一致的影像。

1.2 數據預處理

由于2015年和2018年兩期影像來源不同，需要對其進行精確配準，使兩期影像的地物顏色較為接近，地物重疊匹配較為精準，降低在變化檢測中的誤差[4]，有利于變化監測的使用和進一步提升變化檢測的精度。利用ENVI 5.3軟件的Image Registration Workflow工具對兩期影像進行配準，統一兩幅影像的分辨率，固定裁剪范圍，使兩幅影像裁剪大小一致，進而保證兩幅融合圖像的行列數相同[5]，可自動把一幅影像匹配到另一幅上。預處理后的兩期影像如圖1所示。

圖1 預處理后的兩期影像

2 面向對象分類

根據預處理后的兩期影像，基于本次森林資源變化檢測的目的和影像地物覆蓋情況，并按照一致的分割尺度、均值因子[6]，將兩期預處理后的影像分割為林地(0111)、非林地(0200)以及水域(0230)3類，再進行基于樣本的面向對象分類[7]。

2.1 影像分割

造成影像分割質量好壞的因素主要包括兩大類：分割尺度和均值因子，其中均值因子又可以細分為：顏色因子、形狀因子以及光滑度、緊致度兩對參數[8]。在分割之前需要對遙感影像做多次分割實踐和經驗積累，最合理的調整并確定上述各種參數對影像分割質量的影響程度。本次研究中，顏色因子的參數設置在影響因子中比重較大，最終確定選擇的分割尺度為50?；诒敬紊仲Y源變化檢測的目的和影像地物覆蓋情況，選擇恰當的分割尺度不僅能將林地與非林地區分開來，且不會出現過分割的情況[9]，顏色因子、形狀因子分別設置為0.8和0.2，在一定程度上避免了大量顏色信息的丟失。為最大化地提高遙感影像的分割質量，不宜把緊致度、光滑度參數設置得過大，過大會降低遙感影像的分割質量[10]，因此，本次研究的光滑度設置為0.4，緊致度設置為0.6。

2.2 面向對象分類

分割完兩幅影像后，影像信息將不再以像元為單位進行展示，而是轉換為對象級[11]。本研究采用相對合適的樣本對象進行分類，利用ENVI 5.3軟件的Classification Workflow工具對兩期影像分別進行面向對象分類。面向對象分類后的兩期影像如圖2所示。

圖2 面向對象分類后的兩期影像

3 變化檢測

3.1 分類后變化檢測

完成兩期影像的面向對象分類后，利用ENVI5.3軟件的Thematic Change Workflow工具實現面向對象分類的變化檢測。在File Selection環節，Input Files為輸入面向對象分類后的兩期影像，Input Mask為輸入研究區的掩膜文件；在Cleanup環節，根據研究目標和預覽變化圖斑情況將Enable Smoothing設置為3，Enable Aggregation設置為50；在Export Files以及Export Statistics環節，設置結果輸出路徑[12]。Thematic Change Workflow工具設置如3所示。

完成分類后變化檢測即可得到變化圖、變化矢量以及變化矩陣。其中，本次主要研究林地變為非林地的變化，結果如圖4所示。

3.2 變化檢測精度分析與評價

將變化檢測結果與兩期影像、區劃矢量進行對比分析，從而檢驗面向對象分類變化檢測方法、結果的可行性及準確性。

3.2.1變化檢測結果與兩期影像對比分析

通過與兩期影像的目視解譯對比分析，本次森林資源面向對象分類后變化檢測結果能充分反映出變化圖斑空間位置、面積等信息。檢測結果目視解譯對比分析如圖5所示。

圖5 檢測結果目視解譯對比分析

3.2.2變化檢測結果與區劃矢量對比分析

通過與區劃矢量對比分析，林地變為非林地空間位置一致的面積為15.64 hm2，比例為91.25%，能較好地滿足森林資源變化檢測(表1)。

表1 變化對比分析

4 結語

1)面向對象分類的變化檢測技術可以很好地區分光譜特征相似或相近的地表覆蓋，一定程度上消除并克服了“同物異譜”、“同譜異物”的光譜特征現象，可滿足森林資源變化檢測的需要。

2)基于遙感影像的森林資源面向對象分類變化檢測技術具有快速、準確以及自動化的優點，在森林資源監測方面具有廣泛的應用前景[13]，可有效節省人力、物力，并提高變化檢測的工作效率，進一步拓展了遙感技術在森林資源保護中的應用。