南京市六合区基于0.5 m分辨率影像的林地落界及分析

赵 雪

（南京市六合区农业局，江苏 南京 211500）

南京市六合区基于0.5 m分辨率影像的林地落界及分析

赵 雪

（南京市六合区农业局，江苏 南京 211500）

林地落界是为了掌握林地的现有状况，为林地的保护利用规划提供重要的基础数据。高空间分辨率的遥感影像很大幅度地提高了室内林地落界的精度。该文是以高空间分辨率遥感影像为底图，在目视解译的方法上，结合二类调查基础数据，通过建立高清影像的判读解译标志，提取六合区林地，得到南京市六合区林地分布图，与基于中分辨率影像，采用面向对象的方法提取的林地分布图比较，并选取六合区龙袍镇为对象，分析比较了本次林地落界数据和二类调查数据的林地变化率和林地小班的差值变化。结果表明：0.5 m分辨率的影像能够达到将林地落实到田间地块的目的；六合区龙袍镇林地落界由林地到非林地变化率是15%，林地小班差值D的均值为0.24，说明利用高空间分辨率的遥感影像作为目视解译的底图，在林地地类识别和落界精度上都有较大的提高。

林地落界；数字正射影像图；信息提取；遥感

林地落界工作的目的是将林地及其利用状况落实到山头地块，为各级林地保护利用规划提供基础数据［1－2］。基于卫星遥感影像的林地提取已成为林地落界工作的重要手段。随着遥感技术水平的提高，高空间分辨率的影像应用到林地提取工作中，从30 m的TM／ETM＋、CBERS影像提高到10 m以内的SPoT5和IKoNoS影像，国内研究者在应用这些影像多采用监督分类、支撑向量机（SVM）分类提取、决策树分类提取、面向对象提取等基于多光谱的计算机自动半自动地类提取方法［3－5］，对林地的识别精度有了很大的提高。但是为了能够将林地落界达到落实到山头地块的精度，空间分辨率在5 m以内的航拍影像［6］和卫星影像［7］得到应用，然而分辨率为1 m的影像多为全色影像，目前计算机分类识别很难精确分类，传统的目视解译方法则成为一种十分有效、简便的手段。陈述彭先生认为目视解译方法是遥感应用中无可替代的组成部分，它将与地学分析方法长期共存、相辅相成［8－9］。相较于野外实地测量，目视解译大幅度提高了工作效率，并提升了空间可达性；同时，全色影像可识别度的提高降低了解译人员的错识率。

目前江苏省南京市林地保护利用规划的林地落界工作已经完成，为全国林地“一张图”建设提供了基础数据，对林地的保护利用具有重要的意义［10］。作者在参与六合区林地落界工作的基础上，对林地提取方法做了一些总结，并提出新的认识。

1 研究区概况

六合区是江苏省会南京的江北门户，南临长江，东与扬州仪征市交界，西北与安徽省接壤。地理坐标为北纬32°11′～32°27′，东经118°34′～119°03′。全区总面积147 729 hm2。六合地貌构造为剥蚀丘陵，地势北高南低，海拔在5～40 m间。六合地区属于亚热带次湿润季风气候区，林地资源丰富，有竹镇林场、平山林场、冶山林场、灵岩山林场、方山林场等。

2 数据与处理

2.1 数据资料

林地落界所采用的影像数据为2005年航片与SP°T5融合的数字正射影像图（DoM），影像图采用的投影坐标为Xian＿1980＿3＿Degree＿GK＿CM＿120E，地理坐标为Gauss＿Kruger，比例尺为1∶5 000，空间分辨率为0.5 m。影像时相为6月，正值林木生长季节，有利于林地的提取。DoM是利用数字高程模型对扫描数字化的（或直接以数字方式获取的）遥感影像，经正射纠正、融合、增强、镶嵌处理，再根据标准地形图图幅范围裁切生成的影像数据集。所获得的影像为真彩色合成影像，色调柔和，纹理清晰，植被信息突出，有利于人眼的辨识。

另外，林地落界使用的矢量化数据是二类资源调查的成果数据。六合区的二类调查林地数据是进行了必要的野外调查和室内的遥感影像解译得到的，基本做到了落实到山头地块，也具有地类、优势树种、林种、森林类别、林地权属等60项属性信息，为本次林地落界的基础数据。

2.2 解译标志

目视解译就是利用图像的影像特征（色调或色彩，即波谱特征）和空间特征（形状、大小、阴影、纹理、图型、位置和布局），与多种非遥感信息资料相组合，用生物地学相关规律，进行由此及彼、由表及里、去伪存真的综合分析和逻辑推理的思维过程［11］。这说明在利用遥感影像解译的过程中，需要把遥感未带回的信息再补上去，即补充其他地学相关的信息，或者根据影像信息进行地学分析，来推断出影像上未反映的信息［12］。目视解译在土地调查，典型地物调查（如湖泊调查、林地调查）［13－16］等调查中有广泛的应用。目视解译首先是建立解译标志，判别地物在影像中的成像形式。本次采用的影像为真彩色图像，成像清晰，符合人眼的视觉经验判别。依据实际的野外调查，记录影像中各地类的色调、纹理、大小、几何形状、地形地貌及地理位置（包括地名）等因素，建立解译标志。另外，同一种地物，也会因自身和周围的环境不同，呈现的影像也不尽相同，如植被应考虑到生长年龄、类型、生长季节、生长状况等，水体也会因水深、水质、泥沙等因素影响。本次林地落界将林地分为有林地、疏林地、灌木林地、未成林地、苗圃地、无立木林地、宜林地和林地辅助用地等8类二级分类［17］，非林地只分到非林地一级中。

根据上述原则，建立本次典型地物的解译标志（见图1），主要表现特征为：图1-A为有林地中的乔木林，绿色植被，植株较高，可形成阴影，郁闭度大于0.2，人工林地成行均匀分布，自然林地则呈现出散落分布；图1-B为有林地中的竹林，为深绿色植被，冠状结构不明显，植株较高，可形成阴影，分布散落且密集；图1-C为疏林地，绿色冠状较高植被，郁闭度在0.1～0.2之间；图1-D为灌木林地，绿色植被，植株较矮，可观察到冠状结构，几乎无阴影；图1-E为苗圃地，有新绿色植被，有明显的人工耕作，与耕地相似，需结合其他资料判断；图1-F为未成林地，可观察到有点状或冠状植株，植株有一定高度，分布均匀，未成郁闭，但有希望成林；图1-G为无立木林地，有采伐、火烧迹象，植株未达到疏林地或者灌木林地标准，但有乔木或灌木零星散落分布，或者是结合林地权属资料等可证明的林地；图1-H为未利用地，多为红色裸地，或有少许绿色植被覆盖，但有些可能是无立木林地；图1-I为建设用地，多表现为红色，有房屋、道路等建筑，较容易区分；图1-J为牧草地，绿色植被，易错分为林地，区分在于草地无冠状结构，无高立植株，无阴影；图1-K为水域，为暗色，易识别；图1-L为耕地，成行成列，无高立植株，植被冠状结构不明显，部分易与灌木林地混淆。

图1 典型地物的解译标志

2.3 解译精度

首先是确定林地图斑的最小面积。按照《森林资源规划设计调查主要技术规定技术》［18］规定，最小图斑面积在地形图上不小于4 mm2，对于面积在0.067 hm2以上而不满足最小小班面积要求的，应仍按小班调查要求调查、记载，在图上并入相邻小班。根据本次落界的图像和实际操作过程，对于林带面积大于最小小班面积，但是林带宽小于5个像元的不予落界。

其次是林地落界边界线的确定。在DoM影像上，地类界线明显的，偏移不得大于图上0.5 mm，不明显界线不得大于图上1.0 mm。即在本次0.5 m空间分辨率的影像上林地与周边地物（包括不同属性林地）界线明显的落界误差为5个像元，不明显的为10个像元。在落界的工作中，总结得出在ARCGIS软件中将图像缩放到1∶1 000的比例尺对林地落界线的判断较为准确。另外，对于阴影、云影等影像造成的遮挡，林地类型（比如无立木林地和未成林林地）难以辨别和地物交错（如直径较大的树冠挡住了道路、河流）等问题，都需要结合二调数据和其他资料，依据人的经验知识来确定。

林地落界的林地小班矢量化工作是在ARCGIS 9.3软件中完成的。基于二类调查的林地矢量化面状数据，主要做了2个重要的修改，一是小班界线的核实，依据影像地物的实际位置，对偏移界线修正，也就是矢量图上多边形公共边和公共点的修改；二是小班属性的修正，依据小班内地物地类和林地的优势树种、林种、森林类别、区位等不同，对小班面合并或分割，也就是多边形间的合并、分割。

3 结果与分析

3.1 林地落界成果

利用上述数据和方法，得到六合区林地落界成果。六合区的林地面积为22 570.26 hm2，其中有林地面积为18 080.28 hm2，占林地面积的80.11%，为林地的主要部分；疏林地面积为96.89 hm2，灌木林地面积为894.63 hm2，未成林地面积为1 551.15 hm2，苗圃地为342.20 hm2，无立木林地面积为1 601.04 hm2，宜林地和林业辅助用地面积为4.07 hm2。林地分布见图2。林地主要成片的分布在竹镇林场、平山林场、冶山林场、灵岩山林场等林场地区，西南地区林地覆盖较少。分布在耕地，建筑用地周边的林地小班面积普遍较小。另外，在图2上成明显带状分布的林地主要是沿道路、河流分布，多为护路林和护岸林。

3.2 落界成果分析

图2 六合区林地分布图

3.2.1 落界成果与面向对象提取数据比较分析周文鑫在南京市土地覆盖信息提取过程中，使用2010年30 m分辨率的TM和环境一号卫星（HJ－1）CCD的影像数据，采用面向对象的方法提取土地覆盖信息，其对面向对象信息提取中多尺度分割、对象特征以及规则集的构建进行了深入的探讨，得到较为精确的分类结果［19］，林地面积为11 907.09 hm2，总体精度为86.06%。从图3中可以看出，分类结果主要集中分布在六合区的林场当中，与本文落界的有林地的分布较为一致，但是无法分类出较小面积的林地，如围庄林、耕地间林地，也无法分类出河岸、公路等两旁的林带。灌木林地和未成林地基本分类为旱地、草地等其他植被覆盖地类。

3.2.2 落界成果与二类调查数据比较分析 本次林地落界数据是在二类调查的数据基础之上，以高清分辨率影像为底图获得的。为比较分析落界数据和二类调查数据的关系，本文选取了六合区的龙袍镇的2类数据叠加分析，统计得到表1。龙袍镇林地落界的土地面积8 675.98 hm2，林地和非林地图斑共有632个。由表1可以看出，相较于二类调查数据，龙袍镇林地有121.57 hm2改为非林地，变化率是15%。

表1 龙袍镇林地落界数据与二类调查数据地类变化率

影像分辨率的提高，使得林地与非林地的界线更加容易辨别，为此，将龙袍镇落界数据中选取仅发生林地和非林地界线发生改变的小班，检验林地落界精度变化，验证公式为

式中，a为二类调查中林地小班，b为落界数据中依据a修正的小班，Sa，Sb分别为a，b的面积，Sab为a，b小班相交面积。D为差值，取值范围为0～1，当差值越接近1，说明2个小班相交面积所占比例越小。

通过筛选和叠加分析，共选取321个小班，根据相应二类数据中小班面积由小到大排序，经统计得到D值散点图（见图4）。D值分布在0.5以下的占90.7%，当D值等于1时，说明影像上的林地完全不落在二类调查的小班内。D值的均值为0.24，说明落界界线有较大的改变。

图4 差值D的散点图

4 结论

（1）结合森林资源二类调查数据，目视解译全色0.5 m分辨率影像的方法能够实现林地落实到山头地块的目的，特别是围庄林、耕地间的小面积林地和道路、河流两边宽度较窄的林带都能够落界。在二类调查数据的基础上落界，不仅减少了工作量，也为林地类型的判断提供依据。

（2）从林地落界成果分析，林地边界的的误差在1 m以内，落界精度高于二类调查数据。林地上种植高大植被的有林地和疏林地辨别最为准确，但是对低矮灌木林地，特别是周围其他植被影响下，识别误差较大。

（3）林地权属的界线确定为林地保护提供了有效的技术手段。但是目视解译工作费时费力，工作效率低，另外，人的经验和主观性会产生误判和漏判。所以，结合实际调查和其他手段，做好对数据的更正和及时更新，才能更好地利用本次林地落界成果。

［1］ 国家林业局.全国林地保护利用规划纲要（2010－2020）［Z］.北京：2011.

［2］ 江苏省林业局.江苏省林地保护利用规划（2010－2020）［Z］.南京：2011.

［3］ 沈明霞，何瑞银，丛静华.基于ETM＋遥感影像的森林植被信息提取方法研究［J］.南京林业大学学报：自然科学版，2007，31（6）：113-116.

［4］ 张友静，黄 浩，马雪梅.基于KPCA和SAM的城市植被遥感分类研究［J］.地理与地理信息科学，2006，22（3）：35-38.

［5］ 刘恩勤，周万村，周介铭，等.基于光谱和纹理特征的ALoS影像土地利用信息提取［J］.地理与地理信息科学，2012，28（4）：35-38.

［6］ 雷添杰，李长春，何孝莹，等.无人机航空遥感系统在自然灾害应急救援中的应用［J］.自然灾害学报，2011，20（1）：178-183.

［7］ 胡玉福，邓良基，匡先辉，等.基于纹理特征的高分辨率遥感图像土地利用分类研究［J］.地理与地理信息科学，2011，27（5）：42-45.

［8］ 陈述彭，赵英时.遥感地学分析［M］.北京：测绘出版社，1990.

［9］ 陈述彭.遥感地学分析的时空维［J］.遥感学报，1997，1（3）：161-171.

［10］刘献伦，杨志军，刘传利，等.山东省林地保护利用规划县级“一张图”建设图形数据处理技术［J］.山东林业科技，2012（1）：47-55.

［11］濮静娟.遥感图像目视解译原理与方法［M］.北京：科学技术出版社，1992.

［12］杜云艳，周成虎.水体的遥感信息自动提取方法［J］.遥感学报，1998，2（4）：364-369.

［13］朱 敏，刘 刚，马海涛，等.遥感影像目视解译矢量化分析［J］.测绘与空间地理信息，2010，33（4）：67-69.

［14］年顺龙，杨建祥.森林资源遥感调查中植被因子的提取方法［J］.南京林业大学学报：自然科学版，2005，29（4）：120-122.

［15］简太敏，孔次芬，王小丽.基于SPoT5森林资源二类调查目视解译的探讨［J］.安徽农业科学，2012，40（2）：1178-1180.

［16］马荣华，杨桂山，段洪涛，等.中国湖泊的数量、面积与空间分布［J］.中国科学：地球科学，2011，41（3）：394-401.

［17］国家林业局.国家森林资源连续清查技术规定［Z］.北京：2003.

［18］国家林业局.森林资源规划设计调查主要技术规定［Z］.北京，2003.

［19］周文鑫.基于TM和HJ-1 CCD影像的南京市地覆盖信息提取方法研究［D］.北京：中国科学院，2012.

Extraction and analysis of the forest land boundary in LuHe by high spatial resolution image

ZHAO Xue

（Agricultural Bureau of Liuhe District，Nanjing 211500，China）

Extracting the boundary of forest land is available to get forest land condition，and it is important for forest protection and utilization planning.Visual interpretation is an effective method of information extraction.High spatial resolution remote sensing image was used based on the second type of forest resources survey，visual interpretation method，interpretation marks of DoM images and the extracted boundary to get the distribution of the forest land of Luhe District.Furthermore，the data of the boundary of forest land was compared with the data of the second type of forest resources survey.The results showed that there were 121.57 hm2forest land in the town of Longpao of Luhe District，the rate was 15%from forest land to non-forest land，with the average ofD－value of 0.24.By using high spatial resolution remote sensing image，the precision and recognition was obviously improved to fall the boundary of forest land.

Forest land boundary；DoM；Information extraction；Remote sensing

P407.8

A

10.3969／j.issn.1001－7380.2014.06.005

1001－7380（2014）06－0016－05

2014-08-14

赵 雪（1984－），女，南京市人，大学本科毕业，主要从事林政资源管理工作。