基于SPOT-5遙感影像的小班區劃探討

張艮龍，馮益明，賈建華，武紅敢，李增元

（1.西安科技大學 測繪科學與技術學院，陜西 西安 710054；2.中國林業科學研究院 資源信息研究所，北京 100091）

衛星遙感影像具有空間宏觀性、視角廣、多分辨率（光譜和空間）、多時相、周期性和信息量豐富等特點，所以衛星遙感影像既可以提供森林資源的宏觀空間分布信息，又能提供局部的詳細信息以及隨時間、空間變化的信息等［1－4］。與傳統的森林資源調查相比，地球遙感衛星SPOT-5高分辨率衛星影像進行森林資源二類調查，地形地貌直觀，現狀地物明顯，地類界線清晰，能夠極大地提高地類調查精度，因此，它在森林資源調查中更是得到林業工作者的青睞。

1 在森林資源調查中選用SPOT-5的背景

SPOT-5遙感數據的高空間分辨率和多光譜分辨率為森林資源調查提供了豐富的、可靠的、高精度的基礎數據源。從性價比來說，SPOT-5相對于其他高分辨率衛星如IKNOS和QuickBird在性價比上有較明顯優勢。目前，當其他高分辨率遙感數據比較昂貴的狀況下，SPOT-5遙感數據比較適宜應用于大面積的森林資源調查。此外，利用SPOT-5高空間分辨率衛星影像進行森林資源二類調查可以大大降低外業調查工作量和勞動強度，降低調查成本，提高工作效率［5］。

2 現行小班區劃的缺點

當前，森林區劃主要是以地形圖為工作手圖在現地進行對坡勾繪，這種方法存在人為主觀性，而且因視野小而產生誤判，導致區劃結果與實際不符。主要表現在幾個方面：①在小比例尺的地形圖中，較小的山溝、不明顯的山脊和鞍部無法表示出來，因此，使對坡勾繪產生一些偏差；②進行對坡勾繪時，要清楚對面山坡是否為傾斜面，而地形圖上是用二維平面來表示，容易出現勾繪面積擴大的情況；③對坡勾繪時，在圖上找出的已知點越多，勾繪越準確，根據已知點相互關系位置，可以分析判斷待定點的方位，再用目估、步量的方法確定出距離，即可在圖上落實待定位點的位置，所以，必須多實踐勤練習，積累經驗，才能勝任勾繪填圖工作。圖1為人工對坡勾繪小班區劃結果與SPOT-5影像疊加效果圖，可以明顯看出，人工對坡勾繪有些區劃不夠精確，從影像目視解譯來看，圖1中橢圓形內的小班區劃線沒有按應該劃開的邊界進行劃分。

圖1 小班區劃結果與SPOT-5影像疊加效果圖Figure 1 Effect of sub-compartment division’s results overlay with SPOT-5 image

3 基于SPOT-5遙感影像進行小班區劃的關鍵技術

3.1 影像處理

3.1.1 影像正射校正 在實際工作中，常采用幾何模型配合常規控制點法進行幾何糾正。由1∶1萬地形圖構造不規則三角網（TIN），內插得到格網數字高程模型（DEM）數據，并轉換到GRID格式，得到正射校正用的DEM數據。對SPOT-5全色波段數據，在遙感圖像處理系統ERDAS中將星站差分全球定位系統（GPS）采集的地面控制點和從1∶1萬地形圖上直接讀取的控制點以及1∶1萬DEM數據輸入到SPOT-5幾何校正物理模型中，采用雙線性內插法進行圖像重采樣，進行正射校正［6］。其中校正控制點殘差，平地和丘陵地不超過1個像素，山地不超過2個像素；全色數字正射影像相對于地形圖的允許點位中誤差為，平地和丘陵地不超過2.5 m，山地不超過5.0 m。先進行全色波段的正射糾正，然后以多光譜影像與全色波段影像進行影像對影像的配準糾正。

3.1.2 影像融合的方法與彩色合成 為了最大限度地從SPOT-5遙感數據中提取森林植被信息，應將2.5 m的全色波段和10 m多光譜數據在ERDAS中進行像元級的數據融合，使得融合后的影像兼具高分辨率空間信息和多光譜信息。具體方法是，在第1步的基礎上進行數據融合，即從幾何糾正后的衛星遙感影像（包括全色波段和多光譜影像）中，選取多光譜波段412數據與全色（PAN）波段，應用主成分融合算法進行數據融合，融合結果以波段412組合進行真/偽彩色顯示，最大限度地凸顯森林植被信息，以利于目視解譯［7］。

3.1.3 圖像光譜增強 圖像光譜增強是基于多波段數據對像元的灰度值進行變換，以達到圖像增強，進而提高影像的可視性和可判讀性的目的。在ERDAS中采用線性拉伸或非線性拉伸對遙感圖像數據進行以森林植被為主體的增強處理，以達到對比度增強，邊緣銳化的效果，使處理后的遙感圖像清楚、紋理清晰、層次豐富、細部特征清晰，可判讀性好［8－9］。

3.1.4 影像鑲嵌 由于所研究的地區常常需要幾幅衛星影像才能完全覆蓋，因此為了使用方便，通常要將幾幅衛星影像鑲嵌成為一整幅。此外，為了減少數據的處理量，在拼接前，應根據項目區的范圍對多余的影像進行裁切，只保留工作區部分。另外，由于每幅衛星影像的掃描時間是不同的，因而受太陽高度角和大氣輻射量等因素不一致的影響，造成各幅影像所合成假彩色的色彩差別很大。因此，鑲嵌前先對影像在ERDAS中做直方圖匹配，使一幅影像各個波段的灰度值與另一幅影像的對應波段灰度值匹配。鑲嵌后的圖像通常在重疊區有明顯的接邊，因此還必須對鑲嵌后的圖像進行去接邊［10］。在影像重疊部分繪制一條彎曲的接圖線，并將這部分影像作羽化處理，使影像相接部分平滑過渡。

3.2 SPOT-5影像目視解譯

3.2.1 室內初步解譯 在解譯前，首先應了解影像的一些輔助信息，即熟悉成像日期、季節、地區范圍、影像的比例尺、空間分辨率、彩色合成方案等等［11］。其中成像日期和季節尤為重要，能使我們對地面植被作出正確判斷。熟悉調查區地貌和植被情況，建立區內主要地類的室內初步解譯標志，編制初步解譯草圖，為下一步工作提供必要的資料。

3.2.2 建立SPOT-5影像解譯標識 建立解譯標識，應以SPOT-5影像數據景幅的物候期為基礎，每景選擇3～5條線路進行實地勘察。所選勘察地段必須包括地域內所有地類和樹種（組）、色調齊全并具有代表性。將衛星影像特征與實地情況相對照，獲得各地類以及其在影像圖上影像的特征，將各地類與森林類型的影像色調、光澤、質感、幾何形狀、地形地貌及地名等因素記載下來，借助有關輔助信息（林相圖、森林分布圖等），建立目視判讀與實地的相關聯系，并拍攝地面實況照片，建立遙感影像圖的判讀樣片［12］。通過野外勘察和室內分析，把判讀類型與現地實況形成對應關系，并進行歸納、整理、建立目視解譯判讀標志，作為判讀的依據。

3.2.3 室內小班區劃以及屬性信息的填寫 憑借在室內建立的SPOT-5解譯標識和對當地情況的了解程度，以及解譯標志中所確定的解譯種類，利用地理信息系統（GIS）軟件，在SPOT-5影像上進行目視解譯，對暫時無法確定的未知類型進行標記，在樣區調查時作為重點調查對象。在影像解譯的基礎上形成小班區劃，對GIS中的小班，一一對應輸入小班各項因子，形成小班因子表。小班因子表中包括可判讀的、通過資料及訪談可得到的和可用數字高程模型提取的因子，如地類（純林、混交林、竹林、灌木林和無林地等）及地形地勢（海拔、坡向、坡位和坡度等）等因子［13］。

3.2.4 野外核實與補測 由于建立解譯標志和室內判讀區劃，只能解決一些特征明顯的地類，如針葉林、農田等，而對于未成林地、宜林地和疏林地等在影像上特征并不突出，難以準確判讀。因此，在區劃完畢后應到野外進行核對，從而補充和完善解譯標志，以及對部分難以解譯的地域進行補充調查［14］。在進行樣區調查時，應采用手持式GPS儀定位，同時在1∶5萬地形圖上標繪出調繪地點的位置，樣區內的各種主要植被的實際顏色、形態等用數碼相機進行記錄，采集一些樣區內主要植物樣本，并對樣區內主要植被在影像上的顏色表現進行記錄。根據野外實地調查結果，確定未知類型［15－16］，對SPOT-5影像進行進一步解譯。通過這些步驟，將圖1中小班區劃權屬不夠精確的地方進行了更正（圖2）。

圖2 將圖1小班區劃錯誤改正后的結果Figure 2 Result of correcting the sub-compartment division’s error of Figure 1

3.3 基于影像自動解譯的小班區劃途徑

自從高空間分辨率影像出現后，隨著計算機軟件技術的不斷發展，先后提出了很多針對高空間分辨率影像自動解譯的方法，如人工神經網絡、小波分析、分形技術和模糊分類方法等。這些方法使得小班區劃進行影像自動解譯成為可能。此外，由于森林資源調查小班區劃總是遵從一些大的劃分原則，如大的地性線、分類經營區劃線、權屬邊界線和土壤類型區劃線等，這些邊界基本是小班的邊界，因此，森林資源調查小班區劃如果在這些基本原則的控制下，再采用相應的計算機影像識別技術，無疑會大大提高基于影像自動解譯的小班區劃精度。

基于SPOT-5影像自動解譯的小班區劃步驟如下：①綜合小班區劃原則，采集相應數據（主要包括大的地性線、分類經營區劃圖、權屬分布信息、土壤類型和土地利用圖等），作為小班邊界劃分控制條件。②在小班邊界控制條件下，開發影像分割算法對SPOT-5數據進行專題數據圖層（大的地形線以及林班邊界）約束下的分割，并輸出矢量化結果，形成小班區劃初步結果。針對SPOT-5遙感圖像大數據量以及圖像信息豐富的特點，分割算法著重采用分水嶺分割的方法和區域生長的圖像分割方法。這2種分割方法都具有全局分割、邊界閉合、實現效率高、準確率高的優點，并且在算法的穩定性以及適用性上都具有優勢。多尺度分割流程如圖3所示。③借用多尺度分割結果（分割尺度分別為90，70和40，形成3層影像對象層次網絡；顏色權重為0.9，形狀權重為0.1，其中光滑度權重為0.5，緊質度權重為0.5），綜合考慮影像分割的上下文關系，結合影像特征標識，對影像分割結果進行類型識別。將基于SPOT-5影像的土地類型分為林地和非林地兩大類，其中林地劃分為5個地類：有林地、疏林地、灌木林地、苗圃地和其他林地。有林地又分為喬木林、紅樹林和竹林，喬木林又分為針葉林、闊葉林和混交林。其他林地包括：未成林造林地、無立木林地和宜林地。對土地類型識別可采用監督分類，或者利用對象信息（色調、形狀、紋理和層次）和類間信息（與鄰近對象、子對象和父對象的相關特征）進行分類。④從識別的類型圖中提取有林地、疏林地和灌木林地等信息（小班區劃僅在這些類型中進行），以這些類型為邊界控制條件，再次運行分割算法，并輸出矢量化結果。⑤對2次分割的矢量化結果進行疊加分析，形成小班區劃第2次結果，如果對第2次小班區劃結果不滿意，應用GIS軟件提供的編輯功能，對小班區劃結果進行手工交互修改，形成最終小班區劃結果。

圖3 多尺度分割流程圖Figure 3 Flow chart of multi-scale segmentation

4 討論

利用SPOT-5影像進行森林區劃，作為一種新興的調查方法，具有很強的優越性，同時也存在很多問題有待解決，如衛星圖片的波段組合如何更好地滿足調查的需要，調查中的難判地類和容易混淆的地類如何更好地解決等，還需不斷總結，不斷積累經驗來進一步完善。

對SPOT-5影像進行計算機自動解譯是未來發展的一種趨勢。當前林業生產中，小班區劃存在人為主觀性，而且因視野小而產生誤判，導致區劃結果與實際不符。基于SPOT-5影像計算機自動解譯的小班區劃結果更貼近實際。建議先在中國森林類型較為簡單的林區，如東北林區進行示范研究，然后逐步擴大推廣應用。

［1］周成虎，楊曉梅，駱劍承，等.遙感影像地學理解與分析［M］.北京：科學出版社，2001：3－4.

［2］鄭天水.SPOT-5衛星遙感信息在森林資源調查中的應用現狀與解決思路［J］.林業調查規劃，2006，31（5）：24－28.ZHENG Tianshui.Application of SPOT-5 Satellite Remote Sensing Information to forest resources inventory and ideas on aolution to the problems［J］.For Inventory Plann，2006，31（5）：24－28.

［3］閆利會，周忠發，張勇榮.SPOT-5遙感數據在縣域土地利用現狀調查中的應用探討——以貴州省銅仁市為例［J］.貴州師范大學學報：自然科學版，2007，25（4）：25－28.YAN Lihui，ZHOU Zhongfa，ZHANG Yongrong.Discussion on application of land use investigation at county level based on the SPOT-5 image——a case study in Tongren of Guizhou［J］.J Guizhou Nor Univ Nat Sci，2007，25（4）：25－28.

［4］丁麗霞，王祖良，周國模，等.天目山國家級自然保護區毛竹林擴張遙感檢測［J］.浙江林學院學報，2006，23（3）：297－300.DING Lixia，WANG Zuliang，ZHOU Guomo，et al.Monitoring Phyllostachys pubescens stands expansion in National Nature Reserve of Mount Tianmu［J］.J Zhejiang For Coll，2006，23（3）：297－300.

［5］POHL C.Geometric Aspects of Multi-sensor Image Fusion for Topographic Map Updating in The Humid Tropics［M］.Enschede：ITC Publication，1996：51－52.

［6］張婭香，李秉柏，何靜.基于SPOT-5的縣級土地利用現狀調查技術研究［J］.廣東農業科學，2007，28（11）：47－51.ZHANG Yaxiang，LI Bingbai，HE Jing.Method for investigation of county-level land use information based on SPOT-5 image［J］.Guangdong Agric Sci，2007，28（11）：47－51.

［7］CHEN Jianyuh，MAO Zhihua，ZHANG Huaguo.Analysis on coral reefs mapping using SPOT-5 data at the Dongsha Atoll［J］.Acta Oceanal Sin，2007，26（2）：26－35.

［8］鮑文東，祁桂華，陳旭.基于SPOT-5高分辨率衛星影像的土地利用更新調查方法研究［J］.山東農業大學學報，2007，38（2）：311－316.BAO Wendong，QI Guihua，CHEN Xu.The method and study of land use investigation updating based on SPOT-5 highresolution satellite image［J］.J Shandong Agric Univ，2007，38（2）：311－316.

［9］葛靜茹，秦安臣，趙雄偉，等.疊加分類及其在冀太行山區土地利用類型遙感解譯中的應用［J］.浙江林學院學報，2007，24（6）：681－685.GE Jingru，QIN Anchen，ZHAO Xiongwei，et al.Overlay classification and its application in the remote sensing interpretation of land-use in Taihang Area，Herbei［J］.J Zhejiang For Coll，2007，24（6）：681－685.

［10］BAATZ M，SCHAPE A.Multiresolution segmentation：an optimization approach for high quality multi-scale image segmentation［M］//STROBL J，BLASCHKE T.Angewandte G：Information Sverarbeitung Ⅻ.Heidelberg：Wichmann，2000：12－23.

［11］游先祥.遙感原理及在資源環境中的應用［M］.北京：中國林業出版社，2003.

［12］黃榮.SPOT-5衛星影像在菱角鄉森林資源二類調查中的應用［J］.林業調查規劃，2004，29（增刊）：145－147.HUANG Rong.The SPOT-5 satellite images in the 2nd forestry resource survey of Linjiao Village［J］.For Inventory Plann，2004，29（supp）：145－147.

［13］楊曉松.基于 SPOT-5遙感影像的樣地判讀［J］.林業調查規劃，2005，30（2）：6－10.YANG Xiaosong.Sample plots Interpretation in the view of SPOT-5 remote sensing images［J］.For Inventory Plann，2005，30（2）：6－10.

［14］SCARTH P，PHINN S.Determining forest structural attributes using an inverted Geometric Optical Model in mixed eucalypt forests［J］.Remote Sens Environ，2000，71：141－157.

［15］胡增林.SPOT-5遙感影像照片在森林資源二類調查上的應用［J］.環境科學與管理，2008，33（2）：42－43.HU Zenglin.The use of SPOT-5 forest sensing picture in the 2nd forest resource survey［J］.Environ Sci Manage，2008，33（2）：42－43.

［16］劉克，趙文吉，胡德勇.基于SPOT-5和北京一號小衛星數據的北京北部山區土壤侵蝕變化研究［J］.國土資源遙感，2008（3）：78－83.LIU Ke，ZHAO Wenji，HU Deyong.An analysis of soil erosion change in the northern mountainous area of Beijing band on SPOT-5 and Beijing-1 satellite［J］.Remote Sens Land Resour，2008（3）：78－83.