卫星遥感数据在森林采伐监测中的应用

吴晟扬，张 贵

(中南林业科技大学理学院， 湖南 长沙 410004)

卫星遥感数据在森林采伐监测中的应用

吴晟扬，张 贵

(中南林业科技大学理学院， 湖南 长沙 410004)

分别采用SPOT5、TM5影像前后两期多光谱遥感影像的波谱特征变化，检测森林资源变化信息，确定变化类型，以计算机自动识别对森林资源变化(减少)的区域(伐区)进行信息提取，并在此基础上进行室内人工预判读；结合采伐证、伐区作业设计、二类调查材料，进行补充判读，得出森林采伐图斑。古丈TM5(30m分辨率)的面积正判率为96.3%；古丈SPOT5(10m分辨率)的面积正判率为96.9%。实证分析表明，使用中、高分辨率卫星遥感数据能对森林采伐进行监测，结合辅助材料后能显著提高森林采伐监测精度。

遥感影像；森林采伐，采伐监测; 卫星遥感；采伐信息

森林采伐是导致地表植被覆盖减少的一种生产经营活动，土地覆盖物的变化导致地表波谱特征的持续变化[1]。利用卫星遥感数据的波谱变化来监测与发现森林资源的变化信息，可掌握一定时段内森林采伐的实际情况[2-4]。在近3年的森林采伐限额检查中，遥感技术的应用，能较准确地掌握伐区的位置、分布现状，明确森林的采伐年度，大大提高了工作效率。但是，由于受所用遥感数据分辨率TM5( 30m分辨率)的局限，伐区面积精度、最小区划面积等问题尚不能通过遥感手段来解决。因此，有必要开展应用中、高分辨率(分辨率2.5～30m)的卫星遥感数据对森林采伐进行监测的研究，探索不同的森林采伐信息提取方法，对比分析不同分辨率、不同时相遥感数据源的应用方法和效果，为现行的采伐限额执行情况检查工作引入遥感监测技术，确定伐区位置和面积及选取合适的数据源、遥感监测工作方法等提供依据[5-6]。

1 研究区概况

古丈县位于湖南省西部，为湖南省22个重点林区(县)之一，根据古丈县2005年的二类调查数据显示，全县国土总面积12.97万hm2，林地面积10.63万hm2，森林覆盖率61.86%,其中岩头寨乡和高望界国有林场国土总面积3.27万hm2，林地面积2.84万hm2，森林覆盖率73.5%。通过查询古丈县两期遥感数据的可获取程度，以湖南省古丈县作为试验单位，确定在一景遥感数据内森林资源丰富、交通条件相对较好且典型采伐较多的岩头寨乡和高望界国有林场2个完整的乡镇(场)来开展试验工作。研究区位置见图1。

图1 古丈县研究区位置图

2 研究方法

分别采用两期SPOT5、TM5影像，在ERDAS软件平台下，分析不同时期遥感影像的波谱特征，以计算机自动识别并提取森林资源变化信息，确定变化类型。在此基础上进行室内人工预判读，结合采伐证、伐区设计、二类成果材料进行补充判读，去除非采伐图斑、增加遗漏小图斑、修整图斑边界，得出森林采伐图斑。通过实地验证，比较不同遥感影像在森林资源采伐变化监测中的准确程度。技术流程如图2所示。

图2 技术流程图

3 采伐信息提取

3.1遥感数据预处理

3.1.1 数据源

(1)遥感数据源。按照对遥感数据分辨率、时相和质量的要求和研究内容，通过查询、筛选，采用表1的方案选取。

(2) 非遥感数据源。非遥感数据包括了基础地理数据与专题数据。① 基础地理数据。1∶1万DRG(数字栅格地图)数据或1∶5万DRG，1∶25万DEM数据(数字高程模型)。② 专题数据。行政界线即乡镇级的行政区划界线(矢量数据)；试验区二类调查小班图(矢量数据)；两期遥感影像期间试验区林政案件及林地征占资料；两期遥感影像期间试验区森林火灾统计资料；两期遥感影像期间试验区伐区设计及采伐证发放资料；森林资源专项检查单位的相关资料。

表1 遥感数据选用方案数据类型时间(年—月—日)光谱性质分辨率(m)景号备注2007—01—09多光谱4波段10Path274/Row239古丈县SPOT52007—09—21全色25Path274/Row2392007—09—21多光谱4波段10Path274/Row239LandsatTM52006—12—17多光谱7波段30Path124/Row402007—09—15多光谱7波段30Path124/Row40

3.1.2 数据预处理 依照1∶1万地形图(3°带)投影参数，在ERDAS软件平台下，利用LPS(Leica Photogrammetry Suite)模块，参照1:25万DEM数据对遥感影像进行正射校正，误差控制在1个像元以内，避免了因校正误差引起植被指数伪变化信息的提取。对校正后多光谱影像数据进行了低通滤波(Low Pass Filter，3×3)，以减少类型中的差异，加大类型间的差异，提高分类精度。遥感影像正射校正误差见表2。

3.2采伐信息识别与提取

表2 古丈县遥感影像正射校正误差表影像数据X＿RMS(Pixel)Y＿RMS(Pixel)Total＿RMS(Pixel)spot＿xs＿20070109022340206303041spot＿xs＿20070921019120227302971spot＿pan＿20070921035120312104705tm＿125＿40＿20061217043230310505323tm＿125＿40＿20070915032410335804667

3.2.1 采伐信息识别 采伐信息提取的原理是建立在植被光谱特征基础之上的, 即植被在可见光波段(被叶绿素吸收)有较强的吸收峰, 近红外波段有强烈的反射率, 形成峰值, 这些敏感波段及其组合可以反射植被生长的空间信息与状况, 通常用植被指数来反映植被的生长信息。常用的植被指数有归一化植被指数、差值植被指数、比值植被指数等。归一化植被指数(NDVI) 是最为常用的反映植被状况的指数之一。采用归一化植被指数进行信息提取，分别计算多光谱影像数据的植被指数(NDVI)，得到不同时相植被指数的灰度影像，影像的灰度(亮度)反映了植被的绿度差异。接着采用了主成分分析的方法来识别植被的变化。具体做法是将2个时相的植被指数影像数据进行组合，再对组合后的影像进行主成分分析。

3.2.2 采伐信息提取 影像的变化信息被检测识别出来后，针对植被覆盖减少的区域范围，将其从影像中分离提取出来，形成矢量图斑。用非监督分类(Unsupervised Classification)、邻域分析(Neighborhood Analysis)、聚类分析(Clumps Analysis)等三类方法提取信息。各试验区均采用非监督分类。在古丈县选择15个类型来生成分类后影像数据较好。为了使变化信息不过于破碎，有必要将邻近的类似像元聚合成“类”，更加清晰地反映实际变化。

(1) 采伐信息预判读。首先在室内对计算机自动提取的影像变化矢量图斑进行人机交互处理，去除多余伪变化图斑(如云雾、阴影、明显的非林地小班等)，进行预判读，并填写图斑判读属性表(见表3)。

表3 图斑判读属性表小班号前地类现地类采伐方式判读面积备注

针对遥感影像自动提取信息进行预判读的结果，按图斑前地类统计如表4所示。

(2)资料核对补充判读。利用二类调查、采伐证、伐区作业设计等资料，修正预判读中出现的区划错误，勾绘遗漏小图斑，修饰图斑边界，形成新的图形数据，填写图斑判读属性，补充判读统计结果。详见表5。

表4 按前地类判读图斑汇总表(预判读)单位数据源皆伐非皆伐个数合计面积合计(hm2)个数面积(hm2)个数面积(hm2)古丈县TM52327432108252851面积≤027(hm2)61086108面积>027(hm2)1726352108192743SPOT56849524093725045面积≤003(hm2)70137013面积>003(hm2)6149394093655032

表5 按前地类判读图斑汇总表(补充判读)单位数据源皆伐非皆伐个数合计面积合计(hm2)个数面积(hm2)个数面积(hm2)古丈县TM5补充判读结果23307615106193813695TM5预判读结果2327432108252851剔除-313221085240补绘+346515106191811084SPOT5补充判读结果69518718106878715874SPOT5预判读结果6849524093725045剔除-51910256215补绘+642515106192111044

4 实地验证与结果分析

4.1实地验证

将判读图斑按采伐方式分成皆伐图斑层和非皆伐图斑层进行验证，验证判读图斑的前地类是否采伐(蓄积变化)。经与采伐证、伐区设计等资料核对属“有证采伐”的图斑，即认为属于正判(说明有蓄积采伐)。补充判读图斑验证结果统计表见表6、7。

4.2结果与分析

(1)非皆伐伐区自动识别难度大，识别效果与两期卫片时相一致性及采伐强度有关。从古丈的2种遥感影像的预判读数据可以看出，非皆伐图斑占预判读图斑总数的比例极低，TM5(2006年12月和2007年9月)的非皆伐图斑数为2个，占其预判读图斑总数的8%；SPOT5(2007年1月和2007年9月)的非皆伐图斑数为4个，占其预判读图斑总数的6%。补充判读后，古丈TM5的预判读非皆伐图斑全被剔除；古丈SPOT5的预判读非皆伐图斑剔除1个。验证时各保留的预判读非皆伐图斑全部验证为0。借助试验区的采伐证、伐区设计等资料补充判读后，古丈补绘的非皆伐图斑达15个，都是抚育间伐的，面积为106.19hm2，占TM5补充判读总面积的77.5%，占SPOT5补充判读总面积的66.9%。补绘的非皆伐图斑的正判率为100%。正判率高的主要得益于参照伐区设计资料，而非图像识别。

从图3～6可以看出古丈的抚育间伐伐区在两期TM5和SPOT5的影像上变化均不明显，主要原因是两组影像的时相不一致，且采伐强度低。由此可见，识别效果与两期卫片时相一致性及采伐强度有关。

表6 按前地类补充判读图斑验证(数量)结果汇总表判读验证计皆伐非皆伐非乔木林地无采伐验证合计正判率(%)古丈县TM5皆伐23153515652非皆伐151515100合计3815153530加权综合正判率(%)7893个以下像元图斑321003个以上像元图斑3515151430857SPOT5皆伐69642364928非皆伐18152115833合计8764154479加权综合正判率(%)9083个以下像元图斑312003个以上像元图斑846415237994

表7 按前地类补充判读图斑验证(面积)结果汇总表判读验证计皆伐非皆伐非乔木林地无采伐验证合计正判率(%)古丈县TM5皆伐30762565430812565834非皆伐106191061910619100合计136952665106193308113284加权综合正判率(%)963SPOT5皆伐518747583470824758917非皆伐10687106190480210619994合计15874641061939510215377加权综合正判率(%)969

图3 古丈TM5(2006年12月)抚育间伐强度15%伐区

图4 古丈TM5(2007年9月)抚育间伐强度15%伐区

图5 古丈SPOT5(2007年1月)抚育间伐强度15%伐区

图6 古丈SPOT5(2007年9月)抚育间伐强度15%伐区

(2) 分辨率较高的遥感影像在监测森林采伐变化中精度高于分辨率较低的遥感影像。表6、7的结果表明，古丈TM5(30m分辨率)的补充判读图斑数量正判率为78.9%，面积正判率为96.3%；古丈SPOT5(10m分辨率)的补充判读图斑数量正判率为90.8%，面积正判率为96.9%。高分辨率的遥感影像在监测森林采伐变化中精度高于低分辨率的遥感影像，结果如图7～8所示。

图7 古丈两期TM5(30m)提取的皆伐图斑

图8 古丈两期SPOT5(10m)提取的皆伐图斑

(3) 辅以高分辨率(SPOT5 2.5m)的遥感影像修整判读图斑边界后，提高了判读采伐图斑的面积精度。以古丈SPOT5判读数据为例，补充判读图斑抽中验证正判的87个都进行了实地勾绘，其中有63个图斑为预判读保留下的图斑，其预判读面积和为33.54hm2，辅以高分辨率(SPOT5 2.5m)的遥感影像人工干预修整判读图斑边界后，其补充判读面积和为37.76hm2，而现地实测该63个图斑的面积和为36.58hm2，面积相对误差从8.3%缩小到了3.2%。

5 结论与讨论

由以上实证分析可知，高分辩率多光谱数据(以SPOT5为例)效果好、时相相同的两期数据对比效果最佳、两期数据均为年末最符合采伐管理特点。通过适当的现地核对与建标，参考当地伐区设计、二类调查等资料进行补充判读，能系统修正前期处理结果，大大提高正判率。对补充判读图斑按皆伐和非皆伐分层，确定层内样本数在层内随机抽样进行验证和实测，在一定程度上可以保证正判率精度，也可减少一定的野外工作量，更好地发挥遥感技术的优势。

在本次遥感试验中，图像校正、处理、信息识别与提取、预判读等过程都是在去现场前进行的，这些工作花费的时间接近完成整个项目的一半，且卫星影像订购也视数据的可选性和可适应性而定。因此，建议布置类似工作时需要考虑时间要素，并按合理的工作流程安排工作。具体来说，要尽早确定核查县，留出充分的时间获取影像数据并进行处理；建议安排外业前站工作，充分收集利用采伐设计、二类调查数据等资料，结合现地验证，进行补充判读。

[1] 华朝郎.SPOT5卫星数据在县级森林资源调查中的应用研究[J].林业调查规划,2005,30(3):8-12.

[2] 庾晓红,李贤伟,白降丽.“3S”技术在林业上的应用现状及发展趋势展望[J].林业调查规划,2005,30(3)：1-3.

[3] 邓国芳.遥感技术在红树林资源调查中的应用[J].中南林业调查规划,2002,21(1)：27-28.

[4] 李宝银.森林采伐限额理论与实践若干技术问题的研究[J].华东森林经理，1996,4(10)：23-25.

[5] 郑天水.SPOT5卫星遥感信息在森林资源调查中的应用现状与解决思路[J].林业调查规划，2006，31(5)：24-28.

[6] 黎良财,邹嫦.GPS与GIS支持下的森林资源调查方法研究[J].林业调查规划,2005,30(6):17-19.

(责任编辑：唐效蓉)

Applicationofsatelliteremotesensingdatainforestharvestmonitoring

WU Shengyang，ZHANG Gui

(School of Science, Central South University of Forestry & Technology, Changsha 410004, China)

Using the spectrum characteristics’ change of SPOT5, TM5 multi-spectrum remote sensing images in ante and post stages, the change information of forest resource was detected, the change types were defined, the information of the changed forest was drawn out by computer automatic identification and then the artificial pre-interpretation was carried on. Combined with the harvest permit, operation design of cutting area and the outcome of forest management inventory, the supplementary interpretation was done and then the patches of forest harvest plans was obtained. The percent of right interpretation of area in TM5 was 96.3%, while that in SPOT5 was 96.9%. The empirical analysis showed that the medium or high resolution satellite remote sensing data could be applied in forest harvest monitoring. When the data combined with the supplementary materials, the precision of forest harvest monitoring could be improved significantly.

remote sensing images; forest harvest; harvest monitoring; satellite remote sensing; harvest information

2010-03-19

2010-04-15

吴晟扬(1985-)，男，湖南桃江人，硕士研究生，研究方向为林业信息工程。

S 757.4

A

1003-5710(2010)02-0024-05