大比例尺森林資源的監測實踐與研究

雷紅文,付偉雄

(永州市森林資源監測中心,湖南 永州 425000)

1 引言

森林資源監測是開展森林管理的重要措施，多采用以中低分辨率為主的遙感影像方法來完成。但是，隨著社會經濟的快速發展，傳統監測方法已經無法滿足日益增長的實際要求。目前，在進行森林資源監測時，高分辨雷達影像和遙感光學影像被廣泛運用，并將其與大比例尺矢量數據進行融合[1]。例如，很多國內學者開始嘗試采用對比研究方法，對基于像元(即面向對象)分類和基于像素分類進行比較，結果顯示，基于像元分類方法，可充分利用遙感影像中的空間分割數據、幾何結構數據、光譜信息數據等信息，獲得更加精準的大比例尺監測數據，在分類精度上更具準確性，并且能夠顯著提升分類效率[2]。基于此，本研究擬采用基于像元分類方式，對森林資源信息進行收集和分類，以獲得更多動態信息，為森林資源監測、保護與開發提供更多依據。

2 監測區概況

本研究監測區為湖南省永州市陽明山國家森林公園，位于永州市郊區，屬于五嶺山脈，1992年被正式批準為國家級森林公園，有“人間靈山福地”的美育。主峰海拔1625 m，方圓數十里間，林木茂密。土壤類型主要為草甸黃棕壤、低山紅壤、山地草甸土、山地黃壤等。森林林種主要為防護林和特種用途林，同時分布大量杜鵑花屬植物，極具觀賞價值。無論是從氣候條件看，還是地貌、土壤條件，明山國家森林公園均具有一定代表性，對研究本地區森林資源情況有一定指導價值。根據國務院相關要求，經湖南省政府批準，永州市開始對陽明山國家森林公園進行經濟和生態建設，永州市森林資源監測中心做好相關配合工作。經過多年的發展，陽明山國家森林公園森林資源發生較大變化，需要開展森林資源調查和監測，進一步明確森林資源情況，從而對建設成果進行檢驗。本研究主要數據見表1。

表1 本研究主要數據

3 森林資源監測方法

本次研究采用動態監測方法，主要流程包括5個步驟，第一步驟為數據預處理，第二步驟時遙感影像多尺度分割，第三步驟為分層監督分類，第四步驟為分類之后數據處理，詳細操作如下[3]。

3.1 數據預處理

陽明山國家森林公園數據預處理情況見表2。

表2 本研究數據預處理概況

上述數據預處理后，針對融合結果，對其進行鑲嵌處理，獲得小班圖層，根據小班圖層坐標系，轉換遙感影像的坐標，使小班圖層與遙感影像能夠疊加在一起。值得注意的是，應保證兩者疊加的精確性，為下一步開展作業提供便利條件[4]。

3.2 遙感影像多尺度分割

由于地表實地格局具有多層次的特征，因此在進行實際操作時，遙感影像分割采用多尺度方法，這樣不僅能夠更加充分的對多種類型信息進行利用，還能有效解決遙感數據源自身固定尺寸的限制[5,6]。與此同時，采用多尺度分割方法，能夠結合實際需要，對特定地物的分割尺度進行精確計算，從而滿足影像分割要求。在遙感影像、小班圖層疊加處理后，本研究采用棋盤分割方法，對遙感影像進行首次分割處理，分割后會產生一定的對象邊界，即“小班邊界”[7]。從既往經驗上看，如果采用傳統方法直接分割遙感影像，分割對象被分割后所生成的邊界，通常會與原始的小班邊界不符，分類后會增加小班數據更新的工作量。而采用棋盤分割法進行分割的主要優勢在于能夠更加完整地對原始小班圖層所具備的邊界信息，如此可為分類后小班數據更新提供便利條件。

首次分割處理后，開始進行正式分割，分割尺度分別選取20、150和250。用過對上述3個分割尺度的對比發現，當分割尺度控制在150時，地物分割效果最佳，可最大程度避免出現過分分割情況[8]。再次分割后，對原始地物相關信息進行綜合，并且生成新的類別層次，即原始小班對象自身內部細分割對象，通過對其進行分類，可快速將區域內變化信息進行提取出來。

3.3 分層監督分類

通過相關學者[8，9]研究證實，采用分層監督分類方法，不僅分類操作簡單易行，同時能夠更加充分對各個圖層中地類信息加以利用。在對樣本進行選取過程中，可能出現“同物異譜”情況，為最大程度上提升分類精度和分類執行效率，對其進行細致劃分，并且需要進一步關注類間分離度[10]。本研究在采用分層監督分類法時，結合《湖南省森林資源規劃設計調查技術規定》(2013)及《湖南省林木采伐伐區調查設計技術規定》(2017)中相關規定，將被調查區域所有地類分為兩種，分別為林地區和非林地區，并對其進行詳細劃分，如圖1所示。

圖1 分層監督分類主要依據

在分層體系確定后，直接開展分層監督分類，根據不同波段情況，選擇相對應的影響波段組合模式，根據實際需要，選取數量相符的特定訓練樣本，同時選擇各地類中最為顯著的指標，對其進行監督分類，并且提取各地類中監督對象，便于獲取出現變化的小班對象數據和信息，為后續觀察及測定提供方便[11，12]。

3.4 數據處理

針對分層監督分類后所得的變化圖層分類結果，對其進行整合和重組，主要規則見表3。

表3 變化圖層分類結果重組規則

根據上述重組規則，經過統計后，可獲得陽明山國家森林公園被監測區域森林資源變化圖.導出并生成結果，詳細閱讀結果，對于相同地類，將其劃分到一個新的組別中，對于已經發生變化的區域，根據所發生變化的類別，對其加以充足，最終形成被調查區域森林資源分布圖[13]。

舉例說明：以無林地為例，對圖層變化提取流程進行介紹。無林地為采伐跡地。對于無林地而言，在逐漸演變為有林地的過程中，其小班對象提取主要采用歸一化植被系數，采用NDVI模式，根據需要選取訓練樣本，將閾值設置為0.25，則可將原始區域中(無林地)生成為小班圖層(有林地)，參數為DL>150-DL>200-NDVI 0.25，將圖層提取后，無林地中變為非林地的小班對象，包括水域、建筑用地、耕地彩色影像主要以如下方式呈現：①水域：暗黑色；②暫無建筑物和耕作物：白色或灰色。與其他類別對象相比，區別比較顯著，可直接對訓練樣本進行選取，同時采用分類器(最鄰近)，對其進行分層監督分類，最終將非林地中所包含3類小班對象提取出來[14]。在實踐中發現，對于、地、農作物耕地等小班對象，相互之間區別不是特別明顯，因此在對其進行提取時，直接選取樣本，同時對其進行首次監督分類。在操作過程中發現，被監測區3類(、地、農作物耕地)地物面積有限，因此后期處理時可采用人工方式對其進行修改和更正。

值得注意的是，由于同時存在“同譜異物”現象和“同物異譜”現象，因此本次研究對于所得的分類結果，組織相關人員進行修正。分類前和分類后，均采用人工判讀方式對遙感影像評價。針對手工分類結果，基于像元分類方法的修正過程，是針對分割后所生成對象的，因此能夠明顯提高修正準確率，并且提升修正操作效率[15]。

4 統計結果分析

經過統計，本次對陽明山國家森林公園部分區域森林資源變化的監測結果可知，該區域森林資源發生明顯變化，主要體現在4個方面：①森林資源出現正向變化。所謂“正向變化”，即森林覆蓋率增加，面積達到3526.417 hm2；②森林資源出現逆向變化，即森林覆蓋率減少，變化面積達到1004.529 hm2；③原始地類：原始地類為空的面積為1241.567 hm2；④未發生變化：未出現變化的區域面積為24175.938 hm2。通過上述數據可以證實，陽明山國家森林公園發生正向變化區域的面積顯著高于逆向變化區域面積，這說明陽明山國家森林公園近年來實施禁伐活動是成功的，重要生態區域和重點部位的林相明顯改觀，林分質量顯著提高，為試驗區開展經濟建設和生態建設提供比較有利的生態保障。

為驗證本次研究分層監督分類精度，在對其進行評價時，采用目視判讀+野外考察兩種方式相結合的評價方式[16]。其中，野外考察時間定在2019年6月30日之前完成，考察驗證重點為森林資源逆向變化對象，選取4200個發生變化的地物對象，在其中選取500個影像特征不夠顯著的地物對象，對其進行野外現場驗證，同時為其設置相應的解譯標志，逐個進行檢查，結果如表4所示。

表4 精度驗證結果

從圖4中數據可以看出，4200個變化圖斑中，共計3613個判讀正確，正確率達到86.02%；針對變化疑問圖斑，采用人工解譯方式，精度比較低。500個變化疑問圖斑中，僅有146個判讀正確(29.20%)；在所有圖斑中，共有6244個判讀正確，正確率為89.96%。經過參與研究人員的分析認為，之所以會出現判讀錯誤，其原因在于本次監測主要以遙感影像信息為參考，關于本地區林業部門的小班變化記錄，參考比較有限，因此在無林地變化、未成林造林地變化和變化的判讀上，判讀正確率相對較低，因此需要根據上述對象實際變化情況，對判讀方式予以相應的改進[17]。

5 結論與展望

本研究利用高空間分辨率遙感影像，采用像元分類技術，利用分層監督分類方法，對永州市陽明山森林資源近兩年變化進行分析，此技術利用原始林相小班圖層，邊界未超過其他林相小班邊界，這對小班圖層的更新更加有利。通過上述研究結果可以說明，將遙感影像空間分辨率調整到高精度(0.5 m)，探索適宜1∶10000小班數據更新分類技術，能夠快速且精準的獲取森林資源動態信息變化，不僅能夠充分利用遙感影像的光譜信息，還能最大程度上降低人工作業量，為森林資源監測中心開展大比例尺森林資源動態監測提供實踐參考。

但是，鑒于目前基于像元分類技術在實際應用過程中尚存在一定問題，如分類特征選取、最優尺度選擇等，需要在日后相關研究中適當增加對此類問題的分析。從國內外現有研究情況看，在最優尺度選擇上，需要構建相應的評價模型，分類特征選取則利用Relief FO、ISEaTH等算法。當然，在實踐應用時，也存在“同譜異物”，或者“同物異譜”情況，對于以及未成林地，采用高分辨影像對其進行區分，精度上可能存在一定不足，需要對上述兩種情況加以重視，改進相關技術[18]。

總之，要想在森林資源監測中獲得更加準確的像元分類結果，不僅要使用具有高空間分辨率的遙感影像，也要結合實際需要，制定詳細的分類策略，并對分割尺度、分類方法等進行不斷完善。