面向?qū)ο笞兓瘷z測(cè)技術(shù)在林地分析中的應(yīng)用

熊 靜

(遼寧省林業(yè)調(diào)查規(guī)劃監(jiān)測(cè)院，遼寧 沈陽(yáng) 110122)

森林資源的變化對(duì)于生態(tài)環(huán)境、氣候變化和生物多樣性等都有重要影響。全面、精確、迅速地掌握森林資源的種類(lèi)、數(shù)量以及生長(zhǎng)情況等信息，能夠?yàn)閲?guó)家及林業(yè)部門(mén)科學(xué)合理地經(jīng)營(yíng)管理森林資源提供數(shù)據(jù)基礎(chǔ)，對(duì)森林的可持續(xù)發(fā)展具有重要意義[1]。隨著遙感技術(shù)的發(fā)展，遙感影像以其覆蓋范圍廣、快速性及可重復(fù)性等特點(diǎn)，在森林資源監(jiān)測(cè)中得到廣泛應(yīng)用[2]。本文提出了采用面向?qū)ο蟮倪b感變化檢測(cè)技術(shù)來(lái)自動(dòng)識(shí)別和提取森林資源變化信息，實(shí)現(xiàn)森林資源監(jiān)測(cè)的目的。

1 變化檢測(cè)概述

遙感變化檢測(cè)是指利用不同時(shí)間段的遙感數(shù)據(jù)來(lái)定性或定量地分析地表覆蓋變化?；谶b感變化檢測(cè)方法大致歸納總結(jié)為目視解譯法、直接提取信息法和分類(lèi)后比較法。分類(lèi)后比較法是對(duì)每一時(shí)相影像單獨(dú)分類(lèi)，然后對(duì)分類(lèi)結(jié)果進(jìn)行比較，若比較目標(biāo)的類(lèi)別屬性相同，則認(rèn)為該目標(biāo)沒(méi)有發(fā)生變化，否則判斷為變化，是運(yùn)用最為廣泛的一種檢測(cè)手段。

2 技術(shù)路線(xiàn)

面向?qū)ο蟮姆诸?lèi)后變化檢測(cè)具體方法為：第一步對(duì)影像進(jìn)行預(yù)處理，使得兩期影像的地理位置一致，保證數(shù)據(jù)的空間可比性；第二步對(duì)兩期影像分別進(jìn)行多尺度分割，獲取影像對(duì)象；第三步分析不同地物的光譜特征、紋理特征、專(zhuān)題指數(shù)特征等，選取有利于地物分類(lèi)提取的特征指標(biāo)，對(duì)影像對(duì)象選擇樣本進(jìn)行訓(xùn)練或者特征提取建立分類(lèi)規(guī)則進(jìn)行分類(lèi)及精度評(píng)價(jià)；最后根據(jù)兩期影像的分類(lèi)結(jié)果利用疊加分析的原理，提取出變化信息進(jìn)行結(jié)果分析。具體流程如圖1所示。

圖1 分類(lèi)后變化檢測(cè)流程圖

3 變化監(jiān)測(cè)實(shí)例

3.1 數(shù)據(jù)源與試驗(yàn)平臺(tái)

試驗(yàn)數(shù)據(jù)是鐵嶺市清河林場(chǎng)的高分一號(hào)影像，由國(guó)家林業(yè)和草原局提供的經(jīng)過(guò)輻射校正、大氣校正、圖像融合等處理之后的標(biāo)準(zhǔn)假彩色影像，季節(jié)為秋季，時(shí)相分別為2015年9月和2017年9月。

研究的內(nèi)容主要以eCognition軟件為依托，自主定制算法，同時(shí)結(jié)合ENVI、ARCGIS等3S軟件。eCognition Developer是由德國(guó)Definiens Imaging公司開(kāi)發(fā)的一個(gè)強(qiáng)大的面向?qū)ο蟮挠跋穹治鲕浖?，主要用于地物目?biāo)的信息提取，提出了多尺度分割的算法和面向?qū)ο蟮姆诸?lèi)方法，充分挖掘?qū)ο蟮挠跋裉卣?，在很大程度上提高了高分辨率遙感影像信息提取的精度和自動(dòng)化程度。

3.2 影像預(yù)處理

以2015年影像為參考影像，對(duì)2017年影像進(jìn)行配準(zhǔn)，保證兩幅影像的地理位置保持一致，不會(huì)出現(xiàn)“雙眼皮”，為后續(xù)變化檢測(cè)提供更準(zhǔn)確的數(shù)據(jù)基礎(chǔ)。

3.3 影像分割與分類(lèi)

觀察兩期影像，將試驗(yàn)區(qū)的地物主要分為森林、非森林、水體、非林地4大類(lèi)。其具體的分割和分類(lèi)層次如下：

Level 1層：主要區(qū)分植被與非植被。植被指數(shù)是區(qū)分植被與非植被最典型的特征，因此僅用植被指數(shù)特征就可以將兩者區(qū)分開(kāi)，因此采用隸屬度函數(shù)分類(lèi)。

Level 2層：主要區(qū)分植被里的森林和非森林，非植被里的水體和非水體。而對(duì)于森林與非森林，森林在影像上顆粒感比較明顯，非森林比較平滑，紋理特征能很好地將二者區(qū)分開(kāi)，且紋理的同質(zhì)性越小，森林的可能性就大，因此隸屬度函數(shù)采用小于。

Level 3層：主要區(qū)分非森林里的非林地和無(wú)林地。裸地和林業(yè)中的無(wú)林地在光譜和紋理方面具有相似性，因此采用最鄰近分類(lèi)法。

Level 4層：將Level1、Level2、Level3的分層分類(lèi)結(jié)果進(jìn)行融合。

在eCognition軟件中，設(shè)置好分割分類(lèi)參數(shù)和分類(lèi)方法，對(duì)2015年和2017年研究區(qū)影像進(jìn)行分層分類(lèi)，得到的分類(lèi)結(jié)果和精度評(píng)價(jià)結(jié)果如圖2所示。

圖2 兩期影像分類(lèi)結(jié)果

3.4 變化檢測(cè)與分析

兩期影像分類(lèi)完成且滿(mǎn)足精度條件后，就可以進(jìn)行變化檢測(cè)。

檢測(cè)完成后，分別選取變化樣本25個(gè)，未變化樣本120個(gè)，與人工解譯和現(xiàn)地核實(shí)調(diào)查的結(jié)果對(duì)比。精度評(píng)價(jià)結(jié)果見(jiàn)表1。

表1 變化檢測(cè)精度評(píng)價(jià)

將變化檢測(cè)結(jié)果中面積小于667 m2的刪掉，得到最終檢測(cè)結(jié)果。與兩期林地一張圖變化圖斑進(jìn)行疊加，效果見(jiàn)圖3。

圖3 分類(lèi)后變化檢測(cè)與林地一張圖林地變化結(jié)果疊加圖

從圖3可以看出，檢測(cè)結(jié)果和林地一張圖變化存在差異，經(jīng)過(guò)實(shí)地調(diào)查，發(fā)現(xiàn)前期年度變更工作不徹底，因此變化檢測(cè)結(jié)果可作為林地變更工作的檢查手段之一。其次根據(jù)變化檢測(cè)的變化類(lèi)型，發(fā)現(xiàn)林地變成非林地的，一張圖卻誤判為林地變成無(wú)林地，因此檢測(cè)結(jié)果可作為亂砍濫伐和違法占地的檢測(cè)手段之一。

4 小 結(jié)

遙感技術(shù)在森林資源變化監(jiān)測(cè)方面已有很長(zhǎng)歷史，但在實(shí)際工作中大多還是基于人工解譯，本文采用面向?qū)ο蟮姆诸?lèi)后變化監(jiān)測(cè)方法，能將森林資源變化信息自動(dòng)提取出來(lái)，節(jié)省了大量野外調(diào)查成本以及人力物力；檢測(cè)結(jié)果直觀顯示了森林資源變化的情況，為森林督查暨森林資源管理“一張圖”年度變更提供依據(jù)。