遙感影像判讀在洮河國家級自然保護區森林資源二類調查中的應用

楊帆

摘 要 森林資源二類調查對于生態環境保護和林業的可持續發展至關重要。遙感影像判讀技術因具有全面、高效的特點成為森林資源調查的有力工具。因此，以甘肅洮河國家級自然保護區為例，運用高分辨率的遙感影像，通過植被指數的提取，系統地研究不同植被類型的植被分類情況、精度評估與驗證、植被生態學參數提取結果。通過這一方法，旨在為森林資源的科學管理和保護提供更準確、全面的數據支持。

關鍵詞 遙感影像；影像判讀；森林資源；二類調查

中圖分類號：S771.8 文獻標志碼：A DOI：10.19415/j.cnki.1673-890x.2023.24.035

森林是地球上最重要的生態系統之一，不僅為生物提供了棲息地，還對全球碳循環和氣候調節起到關鍵作用[1]。為了更好地實現森林資源的可持續管理和生態環境保護，深入了解森林結構、植被類型、生態系統的動態變化顯得至關重要[2]。傳統的野外調查工作耗時、費力，而遙感技術能夠在較短時間內完成對廣大地區的植被監測，為科學家和決策者提供及時的數據支持。在這個背景下，遙感影像判讀技術在森林資源二類調查中嶄露頭角，為科學研究和管理提供了高效、全面的工具[3-4]。遙感影像判讀技術的應用優勢在于其高度自動化及可以進行大范圍覆蓋的特性[5]。筆者聚焦甘肅洮河國家級自然保護區，運用遙感影像判讀技術，旨在深入了解該地區森林資源的空間分布、植被類型和動態變化。

1 研究區概況

甘肅洮河國家級自然保護區位于甘肅省南部（東經102°46′02″～103°44′40″，北緯34°10′07″～

34°42′05″），涵蓋卓尼縣、臨潭縣、迭部縣、碌曲縣及合作市的部分地區，總面積為287 760 hm2。該區域植被呈現出顯著的坡向分布差異，以灌叢、草原為主，同時局部出現旱生針葉林，形成了獨特的“陰陽坡”植被景觀；垂直分布上，2 485～2 700 m區域呈現山地針闊葉混交林帶，隨著海拔的上升（2 700～3 600 m），

形成亞高山寒溫性針葉林帶。

該地區海拔高差較大，地形復雜，為各種森林植被的生長提供了適宜的條件。最新科考結果顯示，該區域擁有7個植被型組、13個植被型、23個群系組、56個群系和98個群叢。因此，甘肅洮河國家級自然保護區內的植被表現出區系復雜、種類豐富、類型多樣、過渡性強及垂直分布明顯等顯著特點。

2 研究方法

根據甘肅洮河國家級自然保護區的地理特征和植被分布情況，遙感影像判讀可作為森林資源二類調查的重要研究方法。試驗選擇Landsa衛星提供中分辨率的多光譜和熱紅外數據，用于整體的植被覆蓋分析。Sentinel-2衛星提供更高分辨率和更頻繁的觀測，用于監測植被的動態變化。選擇紅、綠、藍、近紅外等波段的多光譜數據，以獲取植被光譜信息，高光譜數據可以提供更豐富的光譜信息，有助于更準確地對不同植被類型進行分類。

利用遙感數據提取甘肅洮河國家級自然保護區內不同植被類型的光譜信息。通過分析不同波段的反射率，可以區分陰坡、半陰坡和陽坡上的不同植被類型。采用監督分類方法，將遙感影像劃分為不同的類別，如針葉林、闊葉林、草地、灌木。監督分類可以使用已知地物的樣本進行訓練，提高分類的準確性。

對分類結果進行精度評估，通過地面調查數據或高分辨率影像進行驗證，評估分類的準確性和可靠性。利用多期遙感影像進行植被變化監測，識別森林覆蓋的變化趨勢，包括面積的擴張或減少、植被類型的演變等。結合地理信息系統技術，對森林資源的空間分布進行定量分析，了解不同植被類型在甘肅洮河國家級自然保護區內的分布情況。根據遙感數據，提取歸一化植被指數（Normalized Difference Vegetation Index，NDVI）和增強型植被指數（Enhanced Vegetation Index，EVI）等常用于遙感影像中植被監測和生態學研究的植被指數，通過對不同波段的反射光譜進行計算，收集植被生長和健康狀態的信息。EVI與NDVI類似，相對于NDVI的改進在于考慮了大氣校正和土壤影響，使其對植被生態學參數的反映更為準確，更適合用于高植被覆蓋和高氣候條件下的地區，但這兩種指數都是通過遙感數據中植被和非植被區域的反射率之間的差異來衡量植被的生長和健康狀況，為二類調查提供科學的數據支持。

NDVI計算公式為

（1）

式中：RNIR為近紅外波段的反射值；Rred為紅色波段的反射值；INDV的取值范圍在-1～1，通常植被茂盛的地區具有較高的正值，而無植被的地區則可能呈現較低值或負值，主要用于反映植被的生長狀況和覆蓋度。

EVI計算公式為

（2）

式中：Rblue為藍色波段的反射值；IEV的取值范圍在-1～1。

3 研究結果

3.1 植被分類情況

基于Sentinel-2衛星高分辨率多光譜影像的監督分類結果，結合經度、緯度、植被類別、植被覆蓋度及像元大小等信息，獲得如表1所示的甘肅洮河國家級自然保護區內植被分類情況。

由表1可知，在甘肅洮河國家級自然保護區內，針葉林（像元1）表現出較高的植被覆蓋度，達到75.25%，符合常見的濃密植被特征；闊葉林（像元2）的植被覆蓋度為62.55%，顯示出相對較高的植被密度；草地（像元3）的植被覆蓋度較低，僅為30.84%，植被分布相對稀疏；灌木（像元4）區域表現出中等植被覆蓋度，達到50.21%。由分類經緯度可知，植被分布與地形和海拔相關，針葉林主要分布于海拔較高的區域，而草地可能更多出現在海拔較低的區域。結果的準確性和可靠性需要通過實地調查或高分辨率影像驗證相結合，以保證植被分類結果的精度。這些結果有助于更全面地理解甘肅洮河國家級自然保護區內不同植被類型的空間分布和特征。此外，這些數據可作為進一步生態學研究和保護管理決策的

基礎。

3.2 精度評估與驗證

為確保植被分類結果的準確性和科學性，筆者進行了精度評估與驗證，主要通過比對地面調查數據和高分辨率影像。在研究區域進行地面調查，采集植被類型的實地數據作為驗證依據。針對不同植被類型，比對遙感影像分類結果和實地調查數據。利用Landsa衛星高分辨率影像，對植被分類結果進行視覺解譯和驗證。在高分辨率影像上選擇多個樣本區域，與遙感影像分類結果進行比對，檢查植被類別的準確性和空間分布的一致性。采用混淆矩陣分析，計算分類的整體準確性、生產者精度（植被類別被正確分類的概率）、用戶精度（影像分類為其他像元，但實際上就是該類別的概率）等指標。通過這些指標，能夠全面評估植被分類的準確性和可靠性，樣例混淆矩陣如表2所示。

在混淆矩陣中，每個單元格的值表示實際類別與模型預測類別的交叉點，以百分比表示。例如，針葉林的實際類別中，90%被正確分類為針葉林，5%被錯誤分類為闊葉林，3%被錯誤分類為草地，2%被錯誤分類為灌木。驗證結果顯示，植被分類結果與地面調查數據和高分辨率影像驗證基本一致，具有較高的準確性。通過混淆矩陣的分析，可以得出植被分類的整體精度和各類別的準確性，確保研究結果的可信度。

3.3 植被生態學參數提取結果

根據遙感數據，提取甘肅洮河國家級自然保護區針葉林、闊葉林、草地、灌木4個區域的NDVI和EVI等植被生態學參數，具體結果如表3所示。

由表3可知，針葉林具有最高的平均NDVI值（0.80），表明該區域的植被相對茂密且生長狀況良好；闊葉林和灌木地區的平均NDVI值略低，但仍表現出良好的植被生長狀況；草地的平均NDVI值最低，反映該地區植被分布相對較疏。最大NDVI值反映了植被的生長高峰期。針葉林最大NDVI值最高（0.85），說明該區域植被在某個時期處于最茂密的狀態；闊葉林、灌木和草地的最大NDVI值也顯示了其各自的生長高峰期，盡管相對較低。針葉林和闊葉林的平均EVI值相對較高，表明這兩個區域的植被健康狀況較好；草地和灌木地區的平均EVI值較低，與相對較疏松的植被和土壤表面特性有關。

通過分析，可以初步了解不同區域的植被生態學參數，有助于對植被生長狀況和健康狀況進行比較，這為森林資源的二類調查提供了直觀和定量的植被分類信息，這種直觀的可視化效果有助于科學家、生態學家更好地理解森林資源的空間格局。

4 結論與討論

筆者通過遙感影像判讀技術，對甘肅洮河國家級自然保護區的森林資源進行了深入研究，通過提取植被指數，成功實現了對不同植被類型的準確劃分，揭示了森林生態系統的空間分布、動態變化、健康狀況。

利用遙感影像判讀技術，可以成功劃分甘肅洮河國家級自然保護區內的不同植被類型，包括針葉林、闊葉林、草地、灌木地，這為進一步了解該區域的生態系統結構和植被分布提供了基礎。通過植被指數的時間序列分析，可以監測到不同植被類型的季節性和年際性變化。最大NDVI值的提取可以揭示植被的生長高峰期，為森林生態系統的季節動態提供了重要信息。平均EVI值的提取揭示了各植被類型的健康狀況。通過對比不同區域的EVI值，可以評估整個生態系統的植被健康狀況，為生態保護提供科學依據。

遙感影像判讀技術為生態系統監測和管理提供了先進的工具，應用其可全面了解不同植被類型的分布和動態變化，便于相關部門可以有針對性地采取措施保護生態系統的穩定性。遙感影像判讀技術的廣泛應用展示了其在森林資源調查中的優勢。其高效、高分辨率的特性為大范圍的調查提供了強大的支持，為科學家和決策者提供了及時的、全面的植被信息。

未來，可以進一步整合多源遙感數據，如雷達數據和高光譜數據，以提高植被監測的精度和全面性。結合氣象數據，深入研究氣候變化對森林植被的影響，探討森林生態適應性和脆弱性。將遙感數據與生態系統服務相關參數結合，開展生態系統服務的定量評估，為生態補償和可持續發展提供依據。

參考文獻：

[1] 忻富寧，尤海舟，項必達，等.基于二類調查的河北省森林資源評價分析[J].河北林業科技，2023（3）：54-56.

[2] 李起.基于小班尺度的勐海縣森林健康研究[J].林業勘查設計，2023，52（5）：31-37.

[3] 付甜，楊佳偉，陳明震，等.基于森林資源二類調查數據的大冶市森林植被碳儲量和碳密度測算[J].湖北林業科技，2023，52（3）：1-5.

[4] 陳超，陶旸，赫春曉.一種利用數據融合的森林資源“一張底圖”建設方法[J].測繪通報，2023（3）：155-159.

[5] 田志艷，延原原，張超.基于森林資源二類調查數據的森林生物量抽樣設計對比研究[J].林業調查規劃，2023，48（2）：9-15.

（責任編輯：張春雨）