基于面向對象的多尺度分割技術在森林督查工作中的應用研究

陳 強 黃光體 沈麗莉 余 翔 萬小力 黃 鑫

(1.湖北省林業調查規劃院 武漢 430079；2.華中農業大學園藝林學學院，湖北省林業信息工程技術研究中心 武漢 430070)

1 引言

森林資源是國家重要的自然資源和戰略資源，在維護國土生態安全中具有重要地位。當前，林地流失、森林破壞等涉林違法犯罪問題屢屢發生，森林資源保護管理的形勢依然嚴峻復雜，特別是一些地方沒有真正樹立保護資源、保護生態的可持續發展理念，沒有建立起有效的森林資源保護發展目標責任制，破壞森林資源問題屢屢發生、屢禁不絕，嚴重影響了生態文明建設成果。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，國家林業和草原局決定自2018年開始在全國范圍內開展使用遙感手段全覆蓋的森林督查，建立覆蓋全國、分級負責、上下聯動、齊抓共管的常態化森林資源監管和執法機制。

目前，森林督查的總體工作思路是以全國林地“一張圖”為基礎，運用遙感等技術手段，采用人工判圖的方式提取督查期內改變林地用途和采伐林木等林地變化圖斑，然后通過核對檔案資料、現地驗證核實等方法，發現違法破壞森林資源問題并移交相關部門依法查處。但是，在實際工作中，采用人工判圖的方式來提取督查期內林地變化圖斑需要耗費大量人力和物力，而且費時、效率低，受人為影響較大，精度無法保證，如何在保證精度的提前下以較短的時間和較少的人力由計算機自動提取督查期內林地變化圖斑，為各級政府、林業主管部門森林督查提供數據支撐服務，是一項非常重要的工作。

2 主要思路與關鍵技術

運用eCognition軟件針對森林督查期內的前后期高分辨率遙感影像進行林地范圍內征占用林地、采伐跡地、建設用地的自動提取的主要步驟為：①采用基于影像分割對象進行變化檢測的方式，首先通過前后期影像共同參與影像分割，形成有意義的圖斑邊界，影像分割的基本要求是要將發生變化的影像圖斑分割出來，以便于之后的變化檢測。②然后以分割圖斑作為變化檢測的基元，研究如何選擇合適的特征與閾值進行變化的發現。③將自動提取的變化圖斑與全國林地“一張圖”的林地小班進行空間相交分析，產出督查區域范圍內新增的征占用林地、采伐跡地、建設用地變化圖斑。

2.1 技術流程

本研究主要包括督查前后期影像的預處理、面向對象影像多尺度分割、前后期影像波段濾波、變化圖斑發現及提取、與全國林地“一張圖”分析產出林地變化圖斑、精度評價6項工作(見圖1)。

圖1 整體技術流程圖

2.2 面向對象分類技術[1]

所謂面向對象分類技術，是指為避免基于像素純粹的光譜信息分類的缺陷，利用高分辨率影像的形狀、紋理、尺度、領域關系等豐富復合空間特征，通過定義多種特征并指定不同權重，建立優化分類模型，然后對影像進行分割，使影像分割成為接近客觀世界的均質影像對象。傳統的面向像素的分類模式是以獨立的像素為分析對象，容易出現散點式的分類結果。“椒鹽現象”比較突出，解譯精度較低且斑點噪聲難以消除，而利用對象的光譜特征和復合空間特征進行分類的面向對象的分類技術，可以有效地克服基于像素分類方法的缺陷，影像對象和單一像素相比，具有復合可見特征:顏色、大小、形狀、均質性等。

2.3 多尺度分割技術[2]

多尺度影像分割技術是從任一個像元開始，采用自下而上的區域合并方法形成影像對象。小的對象可以經過若干次合并成大的均質影像對象。因此，多尺度影像分割可以理解為一個類似像元合并成為影像對象的逐步優化過程，而均質性則是由對象的光譜和形狀確定的，形狀的均質性則由其光滑度和緊湊度來衡量。顯然，設定較大的分割尺度，則對應著較多的類似像元被合并，因而產生較大面積的對象，形成大尺度分割影像對象，再根據實際，在大尺度分割影像基礎上設定較小的分割尺度，形成中小尺度的分割影像，結果形成影像對象層次網絡，我們也形象地稱大尺度分割影像為“父類”，中小尺度分割影像為“子類”，“父類”和“子類”存在屬性繼承關系。

3 研究方法

3.1 研究區域及數據源概況

老河口市位于湖北省西北部，漢江中游北岸。地理坐標東經110°30′～112°00′，北緯32°10′～32°38′。東北部與河南省鄧州市接壤；北部與河南省淅川縣相鄰；東部、南部毗鄰樊城區和襄州區；西北部連接丹江口市；西部和西南部以漢水為界與谷城縣相望。

試驗數據為2016年和2017年分別獲取的相同地區的資源三號衛星的多光譜影像，包含藍、綠、紅、近紅外4個波段，其空間分辨率為5.8 m，成像效果較好，無云。

3.2 影像預處理[3]

遙感圖像預處理包括圖像配準、校正、增強，主要為圖像幾何校正，運用eardasimagine或ENVI等影像處理軟件的幾何校正模塊對圖像進行幾何校正，經重新選點檢驗，所有檢査點誤差均小于一個像元，選擇西安80投影坐標系。

3.3 影像分割

本文運用eCognition軟件的面向對象多尺度分割算法對試驗區兩期影像進行分割。多尺度分割算法的特點是通過計算影像內部像素之間的同質性進行分割，同質區域形成的對象較大，異質區域形成的對象較小，因此多尺度分割方法得到的對象輪廓接近地物邊界。本文通過使用兩期影像的多個波段同時參與影像分割，以得到符合兩期地物分布的一致性分割輪廓，避免前后期影像分割輪廓不同而導致在變化檢測時發生錯位現象。

3.4 影像波段濾波[2]

由于森林督查對象主要為建設項目征占用林地、采伐跡地(皆伐)，且該類地物在遙感影像上反射特征明顯，尤其是林地征占后修建的建筑物以及水泥交通用地在藍波段反射值較其他有植被覆蓋或水體地物差異較為明顯。為了增強藍波段中征占用林地、采伐跡地、建設用地與其他地物的這種差異性，采用平均偏差絕對值濾波(abs mean deviation filter)方法對前期影像的藍波段與后期影像的藍波段分別進行濾波，生成相應的濾波波段“2016_AMD filter”與“2017_AMD filter”(見圖2)。在兩期藍波段的濾波影像中征占用林地、采伐跡地、建設用地與其他地物對比差異明顯，由于征占用林地、采伐跡地、建設用地在兩期影像的藍波段濾波波段中光譜值較高，而其它地物的相應值較低，由此形成的光譜差異就可以作為檢測新增征占用林地、采伐跡地、建設用地的依據。

圖2 影像波段濾波器

由于新增征占用林地、采伐跡地、建設用地在前期影像中為藍波段反射值較弱的其他地物，而在后期影像中為藍波段反射值較強的征占用林地、采伐跡地、建設用地，因此通過對前期影像濾波波段“16_MD filter”與后期影像濾波波段“17 _AMD filter”作差值，得到“Diff.AMD filter”特征值(Diff.AMD filter=17_AMD filter-16_AMD filter)，利用該特征值進行分析與計算，進一步得到新增征占用林地、采伐跡地、建設用地的范圍。

3.5 新增目標變化圖斑檢測

通過使用在前期基于兩期影像得到的分割圖斑作為處理和計算的基本單位，自動計算出Diff.AMD filter的對象特征值，不斷更新閾值范圍，尋找到變化圖斑與未變化圖斑在Diff.AMD filter特征的臨界值，從而確定新增目標變化圖斑在Diff.AMD filter特征的閾值范圍為大于7.9。找到Diff.AMD filter特征的閾值范圍之后，使用閾值分類方法區分出新增目的變化圖斑(見圖3)。

圖3 使用Diff.AMD filter特征確定新增占用林地、采伐跡地、建設用地的范圍

3.6 與林地“一張圖”分析產出成果

新增目的變化圖斑中包含森林督查政區范圍內所有新增的類建設用地地物，如原非建設用地(耕地、水域)變建設用地、原林地征占變建設用地(道路、房屋建筑等)、原林地采伐變采伐跡地等，根據森林督查的工作要求，只需要提取林地范圍內發生變化，流轉為建設用地、采伐跡地或建設用地的變化圖斑，因此，可將新增目的變化圖斑與林地“一張圖”進行空間分析，產出成果。首先，利用ArcGis提取林地“一張圖”中的林地(地類為喬木林、竹林、疏林地、灌木林、宜林地、無立木林地、未成林地、苗圃地、輔助生產用地，且林地管理類型為林業部門管理)小班，然后運用“相交”分析工具，將新增目的變化圖斑與林地“一張圖”中的林地小班進行分析產出新增征占用林地、采伐跡地、建設用地成果。

4 結果與精度評價

對提取出的新增征占用林地、采伐跡地、建設用地斑塊面積進行統計，得到其自動檢測斑塊面積為32755像素。另外，為了檢驗本方法的效果，計算和評價精度，通過人工判讀方式目視對比兩期影像提取新增征占用林地、采伐跡地、建設用地，經計算人工判讀方式新增征目標面積為29190像素，通過查看對比計算機自動檢測結果與人工檢測結果，得到正確檢測圖斑面積為27651像素，另外，錯檢圖斑面積為6927像素，而漏檢圖斑為2150像素。

在此基礎上對自動檢測結果對比人工目視檢測結果進行正確率和誤檢率的計算，以定量評價檢測結果。參考相關研究評價正確率的計算方法得到新增征占用林地、采伐跡地、建設用地正確率M的計算公式為：M=T/(T+F)

式中，T為檢測為正確圖斑檢測像元數;F為地漏檢圖斑的像元數。

誤檢率W為誤檢像元數占檢測結果中變化像元總數的比率，即：W=(S-T)/S

式中，S為自動檢測出的像元總數;T為被正確圖斑檢測的像元數。

經計算得到正確率M為92.8%，誤檢率W為18.5%。

此外，通過查看與分析錯檢圖斑與漏檢圖斑，發現部分錯檢圖斑多為前期已經發生變化的圖斑，但由于影像特征，如顏色、紋理不是特別明顯，導致影像上濾波結果不顯著，因此，出現錯誤檢測。相對于錯檢圖斑部分的6927像素，漏檢圖斑部分的面積相對小一些，只有2150像素，漏檢的主要原因在于漏檢部分的新增采伐跡地存在植被覆蓋，與周圍地物的差異不太明顯，導致此部分地物在影像上濾波結果不顯著，因而未被檢測出來。

本研究基于兩期資源三號影像進行新增征占用林地、采伐跡地、建設用地的自動提取。與以往采用人工方式基于像素直接比對和分別分類后比對的變化檢測方法不同，本研究通過利用兩期影像參與影像分割，形成有意義的分割圖斑作為變化檢測的基元，在此基礎上使用兩期影像分別生成對征占用林地、采伐跡地等檢測效果較好的濾波波段，通過計算兩期濾波波段的差值，尋找差值的臨界閾值發現變化區域，發現新增目的變化圖斑。

通過對自動檢測的新增征占用林地、采伐跡地和建設用地與實際目視解譯結果進行比對和精度驗證，得到采用本方法利用計算機自動檢測新增征占用林地、采伐跡地和建設用地的正確率為92.8%，誤檢率為18.5%。比對結果說明總體上本研究方法適用于森林督查工作，雖然存在錯檢和漏檢，但是比例較低，對總體工作影響不大。