王曉麗
(國家林業局調查規劃設計院 北京 100020)
林地資源保護是確保全球碳循環、生態平衡、氣候變化以及生物多樣性發展的重要內容。對林地資源調查和監測可以有效掌握其現狀與變化情況,這對于林業方針、政策與生產經營計劃的制定都是十分有利的。并且隨著現代航空航天信息不斷發展,通過使用高分辨率的遙感影像信息技術對林地資源的信息進行提取和分類已成為現代林地資源管理的重要任務之一。因此本文研究了基于高分辨率遙感影像的林地資源信息提取方法,流程如圖1所示。

圖1 信息提取流程圖
試驗選取來自中國資源衛星中心提供的河北省某市林地資源的影像信息,以此作為本次試驗基礎數據,采用高分辨率遙感影像技術的方法對林地資源信息進行提取并研究。本次研究的影像所在的區域為大陸季風性氣候,年平均降雨量540mm,林地覆蓋率達40%,林地資源非常豐富,具有一定的代表性,因此,選擇該區域影像資料作為試驗研究對象。該數據影像包括GF-1衛星全色、多光譜像的數據分別有1景,涵蓋了4個波段,即藍、紅、綠、近紅外,空間的分辨率分別是2m、8m。本文對2景圖像的預處理采用了圖像融合、RPC校正、幾何糾正、裁剪、鑲嵌等方式,以Tif f格式將結果導出。
本研究與中、低分辨率遙感不同的是,高空間分辨率的數據可提供紋理結構信息的變化,相對提供的影像光譜信息較少,并且其解譯及分類也和傳統方法有著很大差別。利用GF-1衛星影像資料對林地資源信息進行提取的方法主要指的是面對對象的信息提取技術,主要包括多尺度影像分割、對影像對象分類兩方面,其中多尺度影像分割作為一種以壓縮高分辨率為基礎生成影像對象的手段,能夠減少最小化影像信息的損失,采用任意尺度對影像進行分割,使不同的影像信息能夠處在在一個最佳大的分割尺度內;影像對象分類是一種利用模糊數學理論的典型軟分類方法。這種方法結合了人的決策以及模糊分類,再根據影像信息數據進行特征的選擇,依據以上信息建立起隸屬度函數,并構建出模糊規則,最終完成分類。這種分類模式在林地資源信息的提取中有著十分明顯的優勢。
面向對象高分辨率遙感影像信息提取方法是利用研究對象所處空間及其光譜特征來對影像進行分割,可以有效克服以往基于單個象元進行純光譜分割方法的不足。采用多尺度分割算法進行分割時,其結果好壞主要取決于對分割參數的選擇。以預處理的影像為基礎,多尺度分割,然后提取出林地信息。首先計算RMAS,公式為:

L:預處理影像波段圖的層數;
ΔCL:第L波段的圖層分割對象和鄰域均值差分的絕對值;
SL:第L波段的圖層分割對象標準差;
CLi:第L波段圖層的第i個像素點的灰度值;
n:分割對象內包含像素的數量;
m:和目標分割對象相鄰的分割對象數量;
k:目標分割對象邊界的長度;
kij:第i個分割對象目標和第j個相鄰對象公共邊界的長度。
通過對RMAS、分割尺度變化圖像的分析可知,林地最優分割尺度為40。然后以40為分割尺度,可以得到不同均值因子下的分割結果圖,對其進行比較,發現當形態參數為0.1,緊密度為0.5時,分割對象對地物邊界細節刻畫清晰,分割對象相對緊湊,且光譜信息也較為豐富,同時連續性也相對較好。
首先,充分利用地物在形狀、光譜、紋理中包含的豐富的語義特征,篩選出差異較大的本質特征,據此有效區分出目標地物。本研究以13個相對比較常見的本質特征為研究對象,獲取其林地信息并根據其特征進行分類,通過分析確定每個本質特征的閾值特征,見表1。

表1 主要的特征閾值范圍情況
通過表1可以發現,林地與非林地的特征差異值普標較為較為明顯,只有Ratio和4個紋理特征的差異值較小。因此,選取Brightness、Mean、Mean of inner border、Max.pixel value差異值相對較大的特征提取林地分類。
通過對特征函數進行分析,將其相互之間差異大的進行組合,經過反復大量的實驗,進行林地信息提取模糊規則的構建,再由每種特征確定出最準確的分類閾值范圍,根據以上結果,進行“與”運算,對林地分類予以確定,取得良好的效果,結果見圖2。

圖2 林地分類信息圖
本試驗以250個對象為精度評價的樣本,其中野外采樣點100個、隨機采樣點150個,樣本約占總分類對象的10%,然后結合當地土地的利用現狀和野外的實地調查,采用混淆矩陣方法獲得試驗誤差矩陣。
通過分析發現,試驗中對林地信息全局的提取精度、制圖精度、用戶精度、Kappa系數進行分析并采用最大似然法對以上相同信息進行提取,結果顯示見表2。可見,面向對象的方法不僅可以充分的利用影像光譜,還可以結合紋理特征進行分析,分類更為科學合理,從而得到更為準確的林地信息。

表2 信息提取結果
總而言之,現代遙感技術的發展,促進林業遙感特別是高分辨率遙感影像技術的快速發展和應用,為林地資源信息數據的管理提供了可靠的技術支撐和服務。從今往后,林業遙感技術的應用也將從各個方面為林地資源信息管理提供更加及時、準確、快速的數據和決策信息,為林業發展作出貢獻。