基于RS和GIS的森林资源类型三维地形显示与分析

王小东

（安徽省木竹检查管理站，合肥 230036）

基于RS和GIS的森林资源类型三维地形显示与分析

王小东

（安徽省木竹检查管理站，合肥 230036）

本文以安徽省东至县梅城林场为研究对象，在遥感（RS）与地理信息系统（GIS）的支持下，运用遥感软件Erdas9.0对2011年同期的LandsatETM+遥感影像进行分类，形成森林资源类型影像分类图；以ArcGIS9.3为数据加工平台，对林场1∶10000地形图等高线进行矢量化，生成数字高程模型（DEM）。在ArcGIS软件环境下，将森林资源类型影像分类图和DEM融合，实现森林资源类型三维地形显示，在此基础上，进一步对森林资源的分布和海拔因子关联性进行了分析。

森林资源；RS；GIS；DEM；三维显示；关联性分析

目前，遥感（Remote Sensing，以下简称RS）技术日益成熟，已经成为森林资源调查的重要手段[1]，同时结合地理信息系统（GeographicInformation System，以下简称GIS）空间分析功能，生成高程数字模型（Digital Elevation Model，以下简称DEM），获取森林资源类型地理空间分布情况，实现森林资源类型的三维显示[2-3]，使林业生产空间决策更加具有针对性和准确性。

本文以梅城林场森林资源为研究对象，将梅城林场遥感影像分类图和数字高程模型（DEM）相融合，实现梅城林场森林资源类型的三维显示，通过地理信息软件ArcGIS9.3分析森林资源类型分布与地形海拔因子的关联性。

1 研究区概况

安徽省东至县梅城林场位于安徽省西南部，东至县城北2.5 km，116°56′～116°77′E，30°5′～30°10′N，南北长8 km，东西长10 km，经营面积1 833.89 hm2。北亚热带湿润季风气候，年内四季分明，年平均气温16.1℃，无霜期220 d，年降雨量1 530.6 mm，年蒸发量1 475.1 mm，相对湿度80%。地带性植被为北亚热带常绿阔叶林与落叶阔叶混交林。地形地貌为皖南山区黄山山脉外围的低山区，境内最高海拔为青家田三岗尖648 m。土壤主要为紫色砂岩发育而成的紫砂土，土壤厚度40～80 cm，质地轻壤至重壤土，pH值4.2～6.5；由石灰岩发育而成的扁石石灰土，土层浅薄、质地重壤至轻粘土，pH值6.5～8；由砂页岩发育而成的中层扁石黄红壤，土层厚度30～60 cm，质地中壤，pH值为4.5～6.0。

2 数据源与软件环境

2.1 资料来源

本文主要数据源包括梅城林场2011年LandsatETM+多光谱遥感图像数据、1∶10000地形图、1∶25000林相图、小班调查卡片。

2.2 软件环境

遥感图像处理软件为Erdas 9.0，用来完成遥感影像预处理和森林类型分类，生成森林类型影像分类图；地理信息软件为ArcGIS 9.3，用来完成地形图配准，建立数字等高模型（DEM），叠加森林类型影像分类图，实现梅城林场森林资源类型的三维显示与分析。

3 研究方法

3.1 森林资源分类

3.1.1 遥感影像预处理

为获得最佳的遥感图像森林资源类型分类的效果和更高的分类精度，在遥感影像分类前需进行遥感影像预处理[4]。主要包括：

（1）波段的选择与组合：选取LandsatETM+多光谱（8个波段）遥感影像中三个反应植被光谱信息特征明显的波段进行组合。根据目前的研究，普遍认为ETM 3、4、5的波段组合是进行森林植被解译的最佳波段组合方案[5-6]，本文应用这个方案进行波段组合。

（2）遥感图像的几何精校正：首先应用配准好1∶10000地形图作为遥感影像几何精校正的参考，设置的遥感影像地理参数为Gauss Kruger投影，投影椭球为Krassovsky椭球，坐标系统采用1980西安坐标系。下一步打开Erdas 9.0软件的几何校正模块（Geometric Correction），在校正过的地形图和需要校正的遥感影像上寻找明显的地物点设置控制点，控制点尽量均匀地分布在遥感影像上[7]。选取了6个控制点完成校正。图1为地面控制点工具窗口，控制点总误差为0.119 9，符合精度要求，几何精校正完成。

图1 几何校正精度评价结果

（3）遥感影像的裁切：以配准好1∶25000林相图为本底，利用ARCGIS 9.3软件对林场的边界进行矢量化，生成shape文件，将获得的shape文件叠加在遥感影像上，利用Erdas 9.0软件的AOI功能进行不规则裁切将梅城林场从影像中裁出。

（4）遥感影像植被信息的增强处理：为提高解译时遥感影像的视觉效果和森林资源遥感分类的精度，将ETM+的全色波段（8波段PAN）和3、4、5波段进行分辨率融合处理。方法为开启Erdas9.0中图像解释器模块（Image Interpreter），选用Brovey变换方法进行融合处理。

3.1.2 森林资源分类

结合林相图和野外实地调查，确定遥感影像可分辨的森林资源类型，将林场森林资源类型划分为杉木林、阔叶林、马尾松林、针阔混交林、灌木林、侧柏及其他（包括建筑用地、水系、采伐迹地和不易分辨类型）共7种类型。借助有关辅助信息，综合遥感影像的色彩、形态、结构和纹理等因素，结合野外实地调查，建立类型要素解译标志。

运用监督分类的方法对遥感图像进行分类。具体方法为：根据建立的类型要素解译标志，手工选取可以识别森林类型的像元建立训练样本，然后通过Erdas 9.0可能性矩阵评价工具验证训练样本的精度，分析AOI训练区的像元是否完全落在相应的类别之中，根据分析结果，对训练样本进行多次反复修改后建立一个比较准确的模板。最后应用Erdas 9.0执行监督分类[8-9]，分类结果如图2。

图2 2011年梅城林场森林资源类型分类图

3.1.3 分类精度评价

分类的精度要在75%以上，才能符合实际应用的需要。分类精度评价方法为：首先将分类图像叠加在分类前的图像上（图像与林相图小班矢量边界叠加，以方便观察对应森林类型的位置），改变分类图的透明度，辅以Erdas9.0软件的闪烁（Flicker）功能，打开分类精度评价对话框，由系统随机设置250个评价点，对照林相图、小班调查卡片、图像解译标志和实地勘测情况，判断随机评价点的实际类型，获得评价点符合实际森林类型分布的数量，衡量分类结果的准确程度，其结果如表1。分类结果的精度为80.8%，可以满足实际应用的要求。

表1 分类精度报告

3.2 DEM数据的获取与生成

应用ArcGIS 9.3对梅城林场1∶10000地形图等高线和高程点进行矢量化采集，加载等高线、高程点矢量图层，根据梅城林场的高程采集从10～648 m，平均分为9等分，建立TIN（通过等高线和高程点建立不规则的三角网，简称TIN），然后在TIN基础上通过线性和双线性内插建立DEM[10]，结果如图3所示。

图3 DEM的三维显示

3.3 森林类型的三维地形显示

遥感影像与地形的三维叠加显示是在ArcGIS9.3软件中ArcScene模块下进行的。具体过程如下：首先在ArcScene模块下分别加载梅城林场区域的TIN和2011年遥感分类影像，设置投影坐标系，在遥感分类影像属性设置基表面高度为从TIN上获取高度，最后设置场景属性范围等指标[11]，显示效果如图4所示。

图4 遥感分类影像与地形的三维显示

4 结果与分析

4.1 森林资源类型斑块组成

2011年梅城林场森林资源类型斑块分布情况如表2。梅城林场总面积为1 833.89 hm2，其中马尾松面积682.72 hm2，斑块数为383个；杉木林面积526.74 hm2，斑块数为431个；灌木林面积212.61 hm2，斑块数为370个；侧柏面积168.77 hm2，斑块数为289个；阔叶林面积121.78 hm2，斑块数为310个；针阔混交林为90.32 hm2，斑块数为213个；其他面积为30.95 hm2，斑块数为62个。杉木林和马尾松林在整个森林资源中占绝对优势且分布最为广泛。阔叶林和针阔混交林所占比例较小，多是以小斑块零散分布在各森林资源斑块中，森林类型结构单一，灌木林、侧柏、阔叶林、针阔混交林布局破碎分散。

表2 2011年森林资源类型斑块分布情况表

4.2 森林资源类型分布与海拔高度

2011年梅城林场森林资源类型在不同海拔分布情况如表3、图4。梅城林场林地海拔高在162 m以下，其面积为908.26 hm2，占林场总面积的49.53%；其次是海拔163～324 m梯度级，其面积为654.88 hm2，占林场总面积的35.71%；处在第三位的是325～486 m梯度级，面积为243.38 hm2，占林场总面积的13.27%；面积最小的为海拔487 m以上梯度级，面积只有27.37 hm2，占林场总面积的1.49%。森林资源类型随海拔的变化呈明显的垂直分布规律，乔木林面积随海拔高度的增高越来越少，而灌木林面积随海拔高度增加而增加。

表3 2011年森林资源类型海拔分布

根据气象学和森林生态学原理，海拔高度直接影响地面水热条件，海拔高度每增加100 m，地面温度下降0.5～0.6℃，由此导致气候垂直地带性，与此相对应的是植被垂直地带性，其规律是随着纬度的增加海拔越往高处耐寒的植物成分逐渐增多，随海拔由低到高的垂直地带性植物分布大致为次生草丛、常绿阔叶林、针阔混交林、针叶林和灌丛草甸。梅城林场森林类型与海拔高度关联分析表明，森林植被垂直地带性不甚明显，分析其原因主要有两个，一是梅城林场海拔高程较低，其最高海拔只有648 m，属于低山丘陵地貌类型；另一原因是梅城林场森林植被多为人工林，只有天然林具有明显森林植被垂直地带性分布规律，人为造林导致梅城林场森林类型垂直地带性不甚明显。

5 结论

应用RS与GIS技术，是推进现代化数字林业的重要手段，是林业信息化的有效载体。两者相结合，可实现森林资源类型分类及三维地形显示，同时能够获取地形空间数据。利用RS与GIS技术的分析功能，可以快速、准确地分析森林资源类型和地形空间数据的关联性，形成林业信息资源数据库，实现林业管理的可视化，为森林资源生态规划和管理提供理论依据。

[1]张煜星.《遥感技术在森林资源清查中的应用研究》[M].北京：中国林业出版社，2007.

[2]毕华兴，谭秀英，李笑吟.基于DEM的数字地形分析[J].北京林业大学学报，2005，27（2）：49-53.

[3]黄庆丰，程长.基于GIS的森林资源现状分析[J].遥感技术与应用，2002，17（2）：78-80.

[4]党安荣，王晓栋，陈晓峰，等.ERDAS IMAGINE遥感图像处理方法[M].北京：清华大学出社，2002.

[5]杨燕琼.南方林区TM遥感图象组合方式研究[J].华南农业大学学报.1999，20（4）：86-89.

[6]年波，杨士剑，王金亮，等.植被遥感信息提取的最佳波段选择—以云岭中部山区为例[J].云南地理环境研究，2004，16（2）：18-21.

[7]刘磊，周军，田勤虎，等.基于ERDAS IMAGINE进行ETM影像几何精校正研究—以新疆阿热勒托别地区为例[J].遥感技术与应用，2007，22（1）:54-57.

[8]陆元昌，陈敬忠，洪玲霞，等.遥感影像分类技术在森林景观分类评价中的应用研究[J].林业科学研究，2005，18（1）：31-35.

[9]施拥军.森林遥感分类技术研究——以浙江西北山区为例[D]．浙江大学，2003.

[10]汤国安，杨昕.《ArcGIS-地理信息系统空间分析实验教程》[M]．科学出版社，2006.

[11]唐雪海，黄庆丰，袁进军，等.基于DEM的紫蓬山地形及森林资源空间分布关联分析[J].林业调查规划，2009，3（4）57-58.

（责任编辑：杨婷婷）

3-D Topographic Display and Analysis of Forest Resource Types Based on RS and GIS

WANG Xiaodong
（Anhui Wood and Bamboo Inspection Station，Hefei 230001，China）

In this paper，Meicheng Forest Farm in Dongzhi County，Anhui Province was the study object.Supported by the remote sensing（RS）and geographic information system（GIS），its synchronous LandsatETM+RS images taken in zoil were classified to form the forest-resource-type image classification map with the RS software Erdas9.0：The contour lines of the farm 1/10000 topographic map were vectorized to generate the digital elevation model（DEM）with ArcGIS9.3 as the data processing platform.In ArcGIS software context，the forest-resource-type image classification map and DEM were integrated to realize 3-D topographic display of forest resource types.Based on this，correlation between the forest resource distribution and altitude factors was further analyzed.

Forest resources；RS；GIS；DEM；3-D display；Correlation analysis

S711

A

2095-0152（2014）03-0011-04

2014-04-23

2014-04-28

王小东（1983-），男，硕士，主要从事木竹运输管理工作。Email：174948220@qq.com