橡膠林信息提取技術(shù)研究綜述

苗 苗，岳彩榮

(西南林業(yè)大學(xué)，云南 昆明 650000)

橡膠林信息提取技術(shù)研究綜述

苗 苗，岳彩榮

(西南林業(yè)大學(xué)，云南 昆明 650000)

橡膠林種植面積擴張與天然林保護(hù)之間的矛盾日益突出，利用遙感技術(shù)快速監(jiān)測橡膠林分布及其動態(tài)變化，已成為熱帶天然林保護(hù)和土地利用規(guī)劃決策的重要技術(shù)手段。通過查閱文獻(xiàn)，對橡膠林遙感提取技術(shù)和齡組識別方法的研究現(xiàn)狀進(jìn)行了分析評價。橡膠林信息提取技術(shù)主要有監(jiān)督分類、SAM-SID混合分類技術(shù)、面向?qū)ο鬀Q策樹分類、模糊數(shù)學(xué)分類和基于訓(xùn)練樣本的最近距離法等。介紹了橡膠林的齡組判別方法，包括依據(jù)時間節(jié)點和基于NDVI閾值的橡膠林齡組判別以及基于Landsat時間序列橡膠林林齡重構(gòu)模型等方法，為林齡判斷研究提供思路。

橡膠林；信息提?。贿b感技術(shù)；齡組判別

天然橡膠因其獨特的物理化學(xué)特性成為一種世界性的重要戰(zhàn)略物資。近年來伴隨著云南橡膠林的急速擴張，原始森林大量減少。西雙版納地區(qū)1976—2003年間，森林面積年均減少了37.04萬 hm2，約占森林總面積的28%，其中熱帶雨林減少了近67%，與之對應(yīng)的是1976—2003年西雙版納橡膠林增加了19.42萬 hm2(增長約90%)[1]。2008—2012年間，西雙版納州橡膠林面積由24.41萬 hm2增加到28.95萬 hm2，增加了18.6%[2]，其土地來源主要為天然林地。橡膠林的擴張是以天然林的損耗為代價的，這使得日益發(fā)展的橡膠林產(chǎn)業(yè)與熱帶森林保護(hù)的矛盾日益突出，橡膠林的極度擴張已造成生物多樣性下降、保持水土能力降低、熱帶雨林景觀破碎等消極影響，不利于生態(tài)環(huán)境的可持續(xù)發(fā)展。在此前提下，及時掌握橡膠林的動態(tài)，深入了解橡膠林?jǐn)U張對環(huán)境的影響已刻不容緩。準(zhǔn)確、及時識別和監(jiān)測橡膠林的時空格局和擴張趨勢，對定量評估橡膠林對生態(tài)環(huán)境和社會經(jīng)濟(jì)影響具有重要的現(xiàn)實意義[3-4]。

近年來，隨著遙感技術(shù)的發(fā)展，眾多學(xué)者利用遙感技術(shù)開展了橡膠林遙感監(jiān)測研究，在橡膠林的識別方法、年齡重構(gòu)、動態(tài)變化及其驅(qū)動力等方面進(jìn)行了有益的探索。同時，橡膠林遙感識別還存在一些有待深入研究的問題。例如，橡膠幼林比較容易和旱地、裸地混淆；橡膠成林與熱帶常綠森林的多光譜反射特征相似容易造成誤分等。本文在查閱中外文獻(xiàn)的基礎(chǔ)上，對橡膠林遙感監(jiān)測的發(fā)展現(xiàn)狀、存在問題進(jìn)行了分析研究，對監(jiān)測技術(shù)的發(fā)展趨勢進(jìn)行了展望。

1 數(shù)據(jù)源

當(dāng)前在橡膠林的研究中所使用的遙感數(shù)據(jù)主要包括中等分辨率光學(xué)遙感、高分辨率光學(xué)遙感和微波遙感。

中等分辨率衛(wèi)星數(shù)據(jù)是橡膠林動態(tài)監(jiān)測的重要數(shù)據(jù)來源。中等分辨率遙感數(shù)據(jù)空間分辨率適中，價格相對合理，可獲得性比較好，成為國際上研究橡膠林信息提取和動態(tài)監(jiān)測的優(yōu)選數(shù)據(jù)。例如Landsat數(shù)據(jù)由于其適中的分辨率，數(shù)據(jù)獲取渠道比較便捷且時間跨度比較長，能夠較好地表達(dá)出橡膠林的動態(tài)變化和物候特征，是目前為止橡膠林信息識別和遙感監(jiān)測研究中應(yīng)用最多的數(shù)據(jù)源。李增加等[5]利用Landsat數(shù)據(jù)進(jìn)行監(jiān)督分類，獲得橡膠林分布信息；M.N.Suratman[6]基于Landsat數(shù)據(jù)研究了馬來西亞橡膠林的提取方法；Shidiq.I.P.A.等[7]利用Landsat數(shù)據(jù)監(jiān)測馬來西亞西海岸森美蘭州橡膠林的分布；Zhe Li[8]等利用TM影像識別了泰國東北地區(qū)的橡膠林。

隨著1999年IKONOS-2以及2001年QuickBird的成功發(fā)射，開辟了高分辨率對地觀測的新時代[9]。目前，常用的高分辨率遙感數(shù)據(jù)全色波段空間分辨率大多能達(dá)到1 m左右，遙感圖像的信息含量得到極大地提高[10]。劉少軍等[11]使用Quick Bird高分辨率遙感影像，采用面向?qū)ο蠓诸惖姆椒ㄌ崛×讼鹉z林的信息。近年來，隨著中國經(jīng)濟(jì)和科學(xué)技術(shù)的發(fā)展，中國自主研制的衛(wèi)星數(shù)據(jù)逐漸應(yīng)用到科研中。李亞飛等[12]利用HJ-1CCD衛(wèi)星(環(huán)境與災(zāi)害預(yù)報小衛(wèi)星)為主要數(shù)據(jù)來源，提取了西雙版納地區(qū)橡膠林分布信息。

TerraSAR、CosmoSKY-Med、RADARSAT-2三顆高分辨率雷達(dá)衛(wèi)星陸續(xù)發(fā)射成功，星載高分辨率雷達(dá)因其不受天氣影響，具有極強的穿透能力、全天候的工作能力等特點，為研究橡膠林提供了新的機會。近年來，國內(nèi)外學(xué)者嘗試?yán)美走_(dá)數(shù)據(jù)獲取橡膠林信息。如Dong等[13]利用PALSAR(相控陣型L波段合成孔徑雷達(dá))數(shù)據(jù)并結(jié)合Landsat TM影像獲得了海南省橡膠林的分部信息；Bangqian Chen[14]等基于PALSAR和Landsat數(shù)據(jù)區(qū)分了海南的熱帶雨林和橡膠園。

2 橡膠林遙感識別

遙感技術(shù)的迅速發(fā)展和廣泛應(yīng)用，為橡膠林的動態(tài)監(jiān)測提供了可靠有效的技術(shù)手段，眾多學(xué)者對橡膠林遙感信息提取方法進(jìn)行了探索研究，并取得了階段性的成果。對于提取橡膠林信息，影像的分析方法主要有監(jiān)督分類、SAM-SID混合分類技術(shù)、面向?qū)ο鬀Q策樹分類、模糊數(shù)學(xué)分類、基于訓(xùn)練樣本的最近距離法等。

2.1 監(jiān)督分類

監(jiān)督分類是一種常用的統(tǒng)計判決分類，在已知類別的訓(xùn)練場地上提取各類訓(xùn)練樣本，通過特征變量的選擇、判別函數(shù)的確定、規(guī)則的判別，將圖像中的像元點歸到各個綜合定類的分類方法[15]。

傳統(tǒng)的橡膠林提取方法多局限于單一時相數(shù)據(jù)，例如張京紅[16]以2008年的TM遙感影像為信息源，以監(jiān)督分類方法為主，同時結(jié)合實地調(diào)查結(jié)果，對海南省的橡膠林進(jìn)行了分類提取。橡膠林生長在生態(tài)系統(tǒng)復(fù)雜的熱帶地區(qū)，“同物異譜、同譜異物”的現(xiàn)象嚴(yán)重，基于單一時相遙感數(shù)據(jù)的提取具有較大的不確定性。橡膠林的生長有其特定的時間變化規(guī)律，這種物候特征只有通過多時相遙感數(shù)據(jù)才能進(jìn)行較好地表現(xiàn)。余凌翔等[17]以多時相HJ-2CCD遙感影像為基礎(chǔ)，分析橡膠林的物候特征，選取研究區(qū)橡膠林的第一蓬葉變色穩(wěn)定時期的數(shù)據(jù)作為數(shù)據(jù)源，通過對比此穩(wěn)定期與其他時期的影像差異進(jìn)行監(jiān)督分類，在監(jiān)督分類前計算得到研究區(qū)的歸一化植被指數(shù)(NDVI)分析各地物類型NDVI值域范圍，對非提取目標(biāo)信息進(jìn)行剔除，有效減少了工作量，實現(xiàn)了對西雙版納州橡膠林種植區(qū)域的提取，此方法能有效地降低基于像元的監(jiān)督分類方法分類過程中由于橡膠林樹齡、耕作制度等原因產(chǎn)生的光譜差異所造成的誤差，其分類結(jié)果的精度為97.6%。該方法與張京紅等僅從監(jiān)督分類的角度提取橡膠林分布信息的研究相比，解決了監(jiān)督分類時由于樹齡、耕種制度差異所造成的光譜差異問題。

MODIS數(shù)據(jù)空間分辨率中等，同時具有高時間分辨率特點，有利于進(jìn)行橡膠林生長周期中光譜變化特征的研究。陳匯林等[18]通過計算海南省MODIS-INDVI值，結(jié)合GPS選定橡膠種植樣本訓(xùn)練區(qū)的多時相INDVI值變化值變化曲線、橡膠冬季落葉和蓬葉生長等的年度生長變化規(guī)律，采用監(jiān)督分類的方法對橡膠林等地物進(jìn)行分類，將與已知橡膠林樣本訓(xùn)練區(qū)INDVI值相近的遙感信息提取出來，同時將階段性同譜異物逐一剔除，最終實現(xiàn)海南省橡膠種植空間分布的遙感信息提取，精度達(dá)到90%以上。同時指出MODIS空間分辨率相對較低，混合像元的分解是提高監(jiān)測精度的關(guān)鍵。

監(jiān)督分類可充分利用分類地區(qū)的先驗知識，預(yù)先確定分類的類別；同時可以控制訓(xùn)練樣本的選擇，通過反復(fù)檢驗訓(xùn)練樣本來提高分類精度。但其分類結(jié)果因遙感圖像本身分辨率，極易出現(xiàn)“同物異譜”和“異物同譜”現(xiàn)象，導(dǎo)致出現(xiàn)錯分、漏分的情況，使分類精度降低。

2.2 SAM-SID混合分類技術(shù)

光譜角匹配法(SAM)通過計算待分類像元的測量光譜和已確定地物類型的訓(xùn)練樣本之間的角度來確定二者相似性，當(dāng)角度小于其給定的閾值時，則兩者光譜特征相似，可歸為同一類，反之則不屬于同一類[19]。光譜信息散度法(SID)是一種考慮光譜概率分布的隨機方法，通過光譜曲線的形狀計算各信息點包含的信息熵，比較信息熵的大小對不同曲線的相似性進(jìn)行判斷[20]。DU等[21]在這2種方法的基礎(chǔ)上，創(chuàng)立了SAM-SID混合分類方法，該方法可以有效地提高地物的光譜分類精度。用SAM-SID混合分類方法提取橡膠林信息，是通過SAM和SIM算法對樣本和多時相遙感影像像元時序光譜特征的匹配來識別和提取橡膠林的信息。張洪等[22]基于時序光譜特征匹配(Temporal SpectrumMatch，TSM)的遙感影像對于橡膠林進(jìn)行識別，通過SAM及SID算法對樣本與多時相遙感影像像元時序光譜特征的匹配來識別和提取遙感影像中的橡膠林，計算出來SAM及SID影像，其取值越接近0值，則說明像元光譜與橡膠林樣本光譜的匹配度越高，即像元為橡膠林的概率就越大。通過調(diào)整和設(shè)置閾值，即可提取出影像中的橡膠林分布區(qū)域，使用該方法提取橡膠林的精度在93%以上，且指出光譜信息散度較光譜角匹配能取得更高的精度。

2.3 面向?qū)ο蟮臎Q策樹分類

決策樹方法是一種基于多元統(tǒng)計的分類，利用樹結(jié)構(gòu)按一定分割原則將數(shù)據(jù)分為特征更均勻的子集，這些子集即為數(shù)據(jù)結(jié)構(gòu)中的節(jié)點，其基本思想是利用一組自變量來預(yù)測每個樣本最可能對應(yīng)的類型即因變量。決策樹分類法具有直觀的分類結(jié)構(gòu)，運算效率比較高，大多以“二類判別”為基礎(chǔ)，通過分層、逐次比較最后達(dá)到分類的目的[23]。

利用決策樹方法提取橡膠林分布信息的關(guān)鍵是建立有效的判別規(guī)則，但是某些與橡膠林光譜特征或空間特征相似的地物還需要其他分類方法的輔助。楊紅衛(wèi)等[24]以IKONOS影像為主要數(shù)據(jù)源，結(jié)合實測數(shù)據(jù)選取合適的植被指數(shù)，將多光譜和植被指數(shù)的影像進(jìn)行地統(tǒng)計半方差分析，獲取最佳提取窗口提取各種紋理信息，將紋理和光譜特征結(jié)合構(gòu)建地物分類規(guī)則并用C5決策樹方法實現(xiàn)橡膠樹的提取，得到的橡膠林生產(chǎn)者精度為81%，用戶精度為82.65%，總精度為83.5%，Kappa系數(shù)為0.78。劉曉娜[25]、廖諶婳[26]等基于Landsat影像，利用決策樹方法分別識別了中老緬邊界地區(qū)和西雙版納的橡膠林。

充分利用遙感數(shù)據(jù)多平臺、多傳感器、多波段、多時相等眾多突出優(yōu)勢，結(jié)合多種遙感數(shù)據(jù)的優(yōu)點，可以有效地提高遙感分類精度。梁守真等[27]以MODIS歸一化植被指數(shù)NDVI時間序列和多時相的Landsat TM數(shù)據(jù)為基礎(chǔ)，分析了橡膠林的季相和光譜特征，確定了橡膠林的提取時間和特征參數(shù)，構(gòu)建面向?qū)ο蟮臎Q策樹分類模型，提取了橡膠林的分布信息。采用融合技術(shù)提高遙感圖像時間和空間分辨率，結(jié)合圖像紋理特征信息對橡膠林的分布信息進(jìn)行提取，是橡膠林信息遙感監(jiān)測的新趨勢。

2.4 模糊數(shù)學(xué)分類

模糊集的概念是扎德(Zadeh L A)于1965年提出的，開創(chuàng)了模糊數(shù)學(xué)研究的歷史。模糊數(shù)學(xué)分類方法是一種對不確定性事物的分析方法，模糊集理論擴展了傳統(tǒng)經(jīng)典集合論，主要是為了克服經(jīng)典集合“非此即彼”的精確二值邏輯。它與經(jīng)典集合的區(qū)別在于明確提出了集合的隸屬函數(shù)，每個元素是否屬于集合或者屬于集合的程度是可以通過隸屬函數(shù)計算得到的[28]。李懷宵等[29]以Landsat TM影像為主要數(shù)據(jù)源，采用面向?qū)ο蟮姆椒ㄌ崛∥麟p版納橡膠林信息，選用基于邊界的分割算法，依據(jù)灰度不連續(xù)原理對圖像進(jìn)行分割，為了精確提取橡膠林，對研究區(qū)其他地物進(jìn)行光譜特征研究，根據(jù)地物不同的光譜響應(yīng)值和其他非光譜特征，通過隸屬函數(shù)建立每個地類模糊規(guī)則，基于模糊數(shù)學(xué)分類方法使得特征標(biāo)準(zhǔn)化，同時提供了明確的、可調(diào)整的特征描述，經(jīng)過模糊運算和層次類型描述能夠描述復(fù)雜的特征，對同區(qū)、同源數(shù)據(jù)能明顯提高其效率與一致性。該分類技術(shù)在橡膠林識別和動態(tài)監(jiān)測的研究中具有明顯優(yōu)勢，彌補了單獨分別分類所帶來的人為主觀誤差影響。

2.5 基于訓(xùn)練樣本的最近距離法

最近距離法是類似于傳統(tǒng)圖像分析軟件中的監(jiān)督分類方法，該方法需要對訓(xùn)練區(qū)進(jìn)行定義。根據(jù)影像的地物類型選擇相適的分類器，依據(jù)選擇區(qū)的特點將圖像劃分類別，分別建立對應(yīng)的訓(xùn)練樣本進(jìn)行分類，結(jié)合目視判斷和分類的結(jié)果，將未分類和錯分類糾正到正確的分類中去，再次分類，檢驗結(jié)果。劉少軍等[11]就以Quick Bird衛(wèi)星影像為基礎(chǔ)，利用該方法，用光譜、形狀、紋理等特征構(gòu)建提取規(guī)則，獲取橡膠林的信息，總分類精度為87.12%，Kappa系數(shù)為0.85。同時得到傳統(tǒng)基于像元監(jiān)督分類的總精度為78.71%,Kappa系數(shù)為0.71，顯而易見，該方法能夠明顯地提高分類精度。

3 橡膠林齡組判別

樹齡是森林結(jié)構(gòu)的主要參數(shù)之一，與胸徑、郁閉度等林段參數(shù)一起常用于區(qū)域尺度上的森林生物量、凈初級生產(chǎn)量等研究[30]。不同林齡橡膠林之間的光譜特征存在明顯的差異[31]。利用遙感技術(shù)對橡膠林齡組進(jìn)行判別已成為目前橡膠林信息提取研究中的一個熱點。

3.1 依據(jù)時間節(jié)點進(jìn)行橡膠林齡組判別

早期的方法是通過多時相影像的參照，分析橡膠林光譜差異和橡膠樹生長規(guī)律，確定合適的區(qū)分橡膠成林和橡膠幼林的時間節(jié)點，然后依據(jù)時間節(jié)點分別提取橡膠幼林與橡膠成林。劉曉娜等[32]基于MODIS數(shù)據(jù)構(gòu)建不同地類NDVI時間序列，分析確定2月份為橡膠林地最佳提取時間。利用Landsat數(shù)據(jù)采用面向?qū)ο蟮臎Q策樹分類方法，系統(tǒng)研究了光譜、紋理、地形等相關(guān)特征，建立決策樹模型,分別提取橡膠成林和橡膠幼林。研究參考不同時期的TM影像和橡膠樹光譜差異特征進(jìn)行初步判斷，結(jié)合橡膠樹連續(xù)生長規(guī)律，認(rèn)為10 a是一個比較合適的時間節(jié)點，按照橡膠幼林(<10 a)、橡膠成林(≥10 a)的劃分提取了橡膠林地，總精度達(dá)85.20%，橡膠成林精度為92.50%，橡膠幼林精度為76.42%。

3.2 基于NDVI閾值的橡膠林齡組判別

廖諶婳等[26]利用Landsat多時相遙感影像和橡膠成林、幼林樣本點，首先構(gòu)建主要植被類型的的遙感特征參數(shù)時間序列，建立橡膠林遙感提取規(guī)則，將橡膠幼林和橡膠成林與其他植被類型進(jìn)行區(qū)分。其次構(gòu)建橡膠幼林和橡膠成林NDVI年際變化曲線并進(jìn)行對比分析，確定不同林齡階段橡膠林的NDVI閾值作為橡膠林齡組判別的依據(jù)，提出了橡膠林齡組判別的方法。對劉曉娜等定性地將10 a確定為西雙版納地區(qū)劃分橡膠幼林和橡膠成林的誤識進(jìn)行了糾正,科學(xué)地劃分了橡膠林的林齡階段。

3.3 基于Landsat時間序列的橡膠林林齡重構(gòu)模型

該方法主要利用多時相Landsat年際時間序列獲取橡膠林對森林的干擾信息號，結(jié)合橡膠林林齡變化特征，構(gòu)建橡膠林林齡重構(gòu)的參數(shù)模型?？苄l(wèi)利[33]利用PALSAR數(shù)據(jù)進(jìn)行了森林分布信息的提取，采用Landsat數(shù)據(jù)和物候特征分析對橡膠林與天然林進(jìn)行了區(qū)分。研究通過Landsat的NDVI、EVI(增強型植被指數(shù))和LSWI(地表水指數(shù))時間序列分析發(fā)現(xiàn)，相對于NDVI和EVI 2個指數(shù)，LSWI對森林干擾歷史信號反應(yīng)更為顯著，是快速準(zhǔn)確識別橡膠林種植期的有效指標(biāo)。已知LSWI為篩選出的橡膠林林齡重構(gòu)指標(biāo)，確定其閾值的過程較為簡易，根據(jù)Landsat的LSWI時間序列進(jìn)行分析，可以通過判斷LSWI是否為負(fù)值來確定橡膠樹的種植期，基于LSWI落葉期<0的閾值提出了一種基于多時相Landsat年際時間序列的數(shù)學(xué)模型判別橡膠林林齡。研究主要是構(gòu)建了橡膠林林齡的判別過程，該過程以橡膠林分布范圍為基礎(chǔ)，判斷每一個橡膠林像素干擾歷史信號首次出現(xiàn)的時間，從而判別該橡膠林像素的種植期，根據(jù)種植期最終實現(xiàn)林齡重構(gòu)。由于LSWI從干擾當(dāng)年開始保持在負(fù)值水平有5 a左右，所以結(jié)合5 a期橡膠林林齡分類方法，得到3類5 a期(≤5 a、6～10 a和>10 a)的橡膠林林齡分布圖。該模型獲取橡膠林齡組結(jié)構(gòu)組成信息的過程較為簡單迅速，效果比前2個方法好。

4 建議與展望

光學(xué)遙感影像在橡膠林信息提取方面的應(yīng)用較為成熟，但是在我國南方適宜種植橡膠林的熱帶地區(qū)，光學(xué)影像的應(yīng)用受到常年多云雨天氣的影響。而微波遙感因其平臺屬于主動遙感范疇，能夠穿透云雨，具有全天候的工作能力，恰好彌補了光學(xué)遙感影像的不足。在橡膠林的遙感信息提取研究方面，利用微波遙感影像進(jìn)行橡膠林遙感提取的研究還不多。另外，多源、多時相遙感影像的綜合應(yīng)用，是提高橡膠林信息遙感提取精度的發(fā)展方向。

此外，橡膠林時空動態(tài)監(jiān)測的研究多側(cè)重于監(jiān)測方法、面積變化等方面，忽視了驅(qū)動力因素的分析。對橡膠林時空變化的驅(qū)動力因素進(jìn)行分析，可為橡膠林種植提供可靠指導(dǎo)。

[1] LI H，MA Y，AIDE T M，et al． Past，Present，and Future Land -use in Xishuangbanna，China and the Implications for Carbon Dy-namics[J]． Forest Ecology and Management，2008,225: 16-24．

[2] 張佳琦，薛元達(dá).西雙版納橡膠林種植的生態(tài)環(huán)境影像研究[J].中國人口資源與環(huán)境，2013，23(S2):304-307.

[3] LI Z, FOX J M. Mapping rubber tree growth in mainland Southeast Asia using time- series MODIS 250 m NDVI and statistical data[J]. Applied Geography, 2012,32(2): 420-432.

[4] SENF C, PFLUGMACHER D, VAN D L S, et al. Mapping rubber plantations and natural forests in Xishuangbanna (Southwest China) using multi- spectral phenological metrics from MODIS time series [J]. Remote Sensing,2013,5(6): 2795-2812.

[5] 李增加,馬友鑫,李紅梅,等.基于RS和GIS的西雙版納土地利用/覆蓋變化與地形的關(guān)系[J].植物生態(tài)學(xué)報，2007,25(3)：280-289.

[6] SURATMAN M N, BULL G Q, LECKIE D G, et al.Prediction models for estimating the area, volume, and age of rubber (Hevea brasiliensis) plantations in Malaysia using Landsat TM data[J]. Int. For. Rev., 20046(1):12.

[7] SHIDIQ P A，ISMAIL M H，KAMARUDIN N.Initial results of spatial distribution of rubber trees in Peninsular Malaysia using remotely sensed data for biomass estimate, IPO Conference: Earth and Environmental Science[J]. International Symposium of the Digital Earth, 2014,18(1):8.

[8] LI Z, JM FOX. Rubber Tree Distribution Mapping in Northeast Thailand[J].International Journal of Geosciences, 2011, 2(4):573-584.

[9] KUENZER C, BLUEMEL A, GEBBARDT S, et al. Remote Sensing of Mangrove Ecosystems: A Review. Remote Sensing [J].2011, 3: 878-928.

[10] 毛麗君.基于遙感的廣東湛江紅樹林濕地動態(tài)變化研究[D].南京:南京林業(yè)大學(xué),2011.

[11] 劉少軍,張京紅,何政偉,等.基于面向?qū)ο蟮南鹉z分布面積估算研究[J].廣東農(nóng)業(yè)科學(xué),2010(1):168-170.

[12] 李亞飛，劉高煥.基于HJ-1CCD數(shù)據(jù)的西雙版納地區(qū)橡膠林分布特征[J]. 中國科學(xué)：信息科學(xué)，2011(S1).

[13] DONG J W, XIAO X M, CHEN B Q,et al. Mapping deciduous rubber plantations through integration of PLASAR and multi-temporal Landsat imagery[J].Remote Sensing of Environment,2013,134:392-402.

[14] CHEN B Q，LI X I，XIAO X M，et al. Mapping tropical forests and deciduous rubber plantations in Hainan Island, China by integrating PALSAR 25-m and multi-temporal Landsat images[J].International Journal of Applied Earth Observation and Geoinformation, 2016,50:117-130.

[15] 梅安新,彭望琭,秦其明,等.遙感導(dǎo)論[M].北京:高等教育出版社,2001.

[16] 張京紅，陶忠良，劉少軍，等.基于TM影像的海南島橡膠種植信息提取[J].熱帶作物學(xué)報，2010,31(4)：661-665.

[17] 余凌翔，朱勇，魯韋坤，等.基于HJ-1CCD遙感影像的西雙版納橡膠種植區(qū)提取[J].中國農(nóng)業(yè)氣象，2013,34(4)：493-497.

[18] 陳匯林，陳小敏，陳麗珍，等.基于MODIS遙感數(shù)據(jù)提取海南橡膠林信息初步研究[J].熱帶作物學(xué)報，2010,31(7)：1181-1185.

[19] 陳方，牛錚，駱成鳳，等.一種基于光譜知識庫的TM影像地物識別方法[J].遙感技術(shù)與應(yīng)用,2005，20(4):386-392.

[20] CHANG C I.An information-theoretic approach to spectral variability,similarity,and discrimination for hyperspectral image analysis[J].IEEE Transaction on Information Theory,2000,46(5):1927-1932.

[21] DU Y Z,CHANG C I,REN H,el al.New Hyperspectral discrimination measure for spectral characterization[J].Optical Engineers,2004,43(8):1777-1786.

[22] 張洪，沈金祥.基于時序光譜特征匹配的中分辨率遙感橡膠林提取[J].江西農(nóng)業(yè)學(xué)報，2016,28(3)：93-97.

[23] 權(quán)文婷，王釗.冬小麥種植面積遙感提取方法研究[J].國土資源遙感,2003,25(4):8-15.

[24] 楊紅衛(wèi)，童小華.高分辨率影像的橡膠林分部信息提取[J].武漢大學(xué)學(xué)報(信息科學(xué)版)，2014,39(4)：441-416.

[25] 劉曉娜，封志明，姜魯光，等.基于決策樹分類的橡膠林地遙感識別[J].農(nóng)業(yè)工程學(xué)報，2013(24)：163-172.

[26] 廖諶婳，李鵬，封志明，等.西雙版納橡膠林面積遙感監(jiān)測和時空變化[J].農(nóng)業(yè)工程學(xué)報，2014,30(22):170-180.

[27] 梁守真，陳勁松，吳炳方，等，應(yīng)用面向?qū)ο蟮臎Q策樹模型提取橡膠林信息[J].遙感學(xué)報，2015,19(3)：485-494.

[28] 杜世宏.空間關(guān)系模糊描述及組合推理的理論和方法研究[D].北京:中國科學(xué)院遙感所,2004.

[29] 李懷宵.基于面向?qū)ο蟮奈麟p版納橡膠林提取[J].江西農(nóng)業(yè)學(xué)報，2014(8)：96-100.

[30] ZHENG G, CHEN J M, TIAN Q J, et al. Combining remote sensing imagery and forest age inventory for biomass mapping [J].Journal of Environmental Management，2007, 85(3): 616-623.

[31] EKADINATA A, WIDAYATI A, VINCENT G. Rubber agroforest identification using object- based classification in Bungo District, Jambi, Indonesia[C]//Proceedings of the 25th Asian Conference on Remote Sensing. Chiang Mai, Thailand: ACRS，2004.

[32] 劉曉娜，封志明，姜魯光，等.西雙版納橡膠林地的遙感識別與數(shù)字制圖[J].資源科學(xué)，2012,34(9)：1769-1780.

[33] 寇衛(wèi)利.基于多源遙感的橡膠林時空演變研究[D].昆明：昆明理工大學(xué)，2015.

Literature Review of Information Extraction Technology of Rubber Forest

MIAO Miao, YUE Cairong

(Southwest Forestry University, Kunming 650000, China)

The contradiction between planting area expansion of rubber forest and natural forest protection is increaseing, the remote sensing technology used for monitoring the rapid distribution and dynamic change of rubber foresting has become a important technical means to protect tropical natural forests and decision-making of land use planning. Through the literature, this paper analyzed the study status of rubber forest extraction technology and age group identification method. The methods of rubber forest information extraction technology included supervised classification, SAM-SID mixed classification technology, object-oriented decision tree classification, fuzzy classification and recent distance method based on the training sample. This study also introduced age group discriminated method of rubber forest, including the time node and age group distinguish based on NDVI, rubber forest age reconstruction model based on Lanasat time series. This study provided a train of thought for the research of forest age judgment.

rubber forest; information extraction; remote sensing technology; age group distinguish

10.3969/j.issn.1671-3168.2017.01.003

2016-12-27.

國家自然基金(31260156)；西南林業(yè)大學(xué)云南省林學(xué)一流學(xué)科建設(shè)項目.

苗 苗(1990-)，女，江蘇連云港人，碩士研究生.主要研究方向為3S技術(shù)在林業(yè)中的應(yīng)用.Email:miaokindle@126.com

岳彩榮(1964-)，男，云南建水人，博士，教授，博士生導(dǎo)師.主要從事遙感與GIS應(yīng)用研究.Email: cryue@163.com

S727.31；G202

A

1671-3168(2017)01-0011-05