基于GF- 1 號遙感影像的森林小班蓄積量自動提取研究

吳莉娟 姚 嘯

（1、西安鐵道技師學(xué)院鐵道技術(shù)系，陜西 西安710038 2、易智瑞（中國）信息技術(shù)有限公司西安分公司，陜西 西安710068）

1 概述

森林作為我國重要資源，森林蓄積量作為研究森林生物量的重要指標(biāo)。傳統(tǒng)的測算森林蓄積量的方法是對逐塊林地(小班)進(jìn)行角規(guī)測樹調(diào)查，這種方法不僅要消耗大量的人力、物力，又由于受到選取調(diào)查點的代表性的限制, 故運用此方法調(diào)查的準(zhǔn)確性較差[1]。因此，研究探索新的森林調(diào)查技術(shù)手段，建立可動態(tài)預(yù)測森林蓄積量的技術(shù)方法是當(dāng)前我國森林資源監(jiān)測領(lǐng)域的一項重要研究課題。

本文基于國家GF-1 號衛(wèi)星8m 多光譜遙感影像以及森林固定調(diào)查樣地或布設(shè)的遙感判讀樣地為數(shù)據(jù)源，對遙感影像進(jìn)行小班區(qū)劃，并對固定樣地及小班內(nèi)與樣地大小相同的區(qū)域提取遙感影像對應(yīng)區(qū)域的光譜信息以及紋理特征信息，利用最近鄰法判斷小班內(nèi)與樣地大小的區(qū)域與固定樣地中哪一塊樣地所含的RS 信息最為接近，即以那一塊樣地的蓄積表示小班內(nèi)樣地大小區(qū)域的蓄積，并將小班內(nèi)所有的樣地大小區(qū)域蓄積累計即為小班蓄積量。

2 概述

2.1 影像多尺度分割

影像分割是將高分辨率遙感影像分割成許多個連續(xù)且互不重疊的區(qū)域，每個區(qū)域內(nèi)像元具有高度同質(zhì)性，對應(yīng)于地面上相同或類似地物。影像分割的目的是將高分遙感影像上不同種類地物劃分出來，經(jīng)過調(diào)整得到森林小班。在對GF-1 號8m 分辨率遙感影像經(jīng)過幾何精校正后，利用eCognition 軟件對影像進(jìn)行多尺度分割，設(shè)置合適的尺度、形狀和顏色因子權(quán)重以及區(qū)域緊致度和邊界平滑度權(quán)重對影像進(jìn)行分割并進(jìn)行適當(dāng)?shù)娜斯ふ{(diào)整得到影像區(qū)域的小班矢量圖。

2.2 小班快速勾繪

對監(jiān)測區(qū)域的遙感影像進(jìn)行森林小班的快速區(qū)劃主要有以下環(huán)節(jié)：（1）以縣為單位，疊加行政區(qū)劃圖，自動將高分遙感影像和前期森林資源分布圖分割為以鄉(xiāng)鎮(zhèn)為作業(yè)單位的操作區(qū)域。（2）在對遙感影像進(jìn)行多尺度分割的基礎(chǔ)上，在鄉(xiāng)鎮(zhèn)范圍內(nèi)疊加相應(yīng)的林地“一張圖”資料，并在高分遙感圖像設(shè)置一定數(shù)量的遙感判讀樣地，作為監(jiān)督分類訓(xùn)練樣本。對遙感圖像進(jìn)行有監(jiān)分類，在分類的基礎(chǔ)上，結(jié)合林地“一張圖”或前期森林資源調(diào)查分布圖，進(jìn)行動態(tài)變化檢測。（3）利用現(xiàn)有軟件提供的小班公共邊界自動跟蹤、小班分割和合并、孤島處理、外部屬性表導(dǎo)入、拓?fù)溥壿嫏z查等功能對小班邊界和屬性進(jìn)行調(diào)整操作，完成小班的最終區(qū)劃。

2.3 小班蓄積量自動提取

利用經(jīng)過增強(qiáng)處理后的高分遙感圖像，以鄉(xiāng)鎮(zhèn)為單位，布設(shè)一定數(shù)量的遙感判讀解譯標(biāo)志，測試解譯標(biāo)志的地理坐標(biāo)，解譯標(biāo)志大小一般設(shè)置為0.06 公頃，現(xiàn)地判讀解譯標(biāo)志區(qū)域的齡組、平均胸徑、平均樹高、優(yōu)勢樹種（組）、地類、蓄積量等因子的值[2]。提取解譯標(biāo)志范圍內(nèi)高分遙感影像各波段的光譜反射值，解譯標(biāo)志包含和壓蓋的像元的灰度矩陣、解譯標(biāo)志范圍的紋理信息，并建立遙感判讀解譯標(biāo)志庫。如圖1 所示。

圖1 影像區(qū)域內(nèi)布設(shè)的解譯標(biāo)志庫

利用所建立的遙感解譯標(biāo)志庫，按優(yōu)勢樹種（針、闊、混）、齡組，對解譯標(biāo)志進(jìn)行歸類，分析每類解譯標(biāo)志對應(yīng)高分遙感影像各波段灰度值的取值區(qū)間、均值和標(biāo)準(zhǔn)差，分析對應(yīng)的像元灰度矩陣的相關(guān)性，提取對應(yīng)的紋理信息。以這些信息作為影響解譯標(biāo)志蓄積量的自變量，建立解譯標(biāo)志單位的森林蓄積量估測模型[3]。以勾繪所得的小班分布圖為基礎(chǔ)，統(tǒng)計每個小班范圍內(nèi)包含或壓蓋解譯標(biāo)志單元的類型[4]，根據(jù)最近鄰法推算小班蓄積量。

2.4 流程及主要算法

利用高分辨率遙感影像進(jìn)行森林二類小班蓄積量的自動提取流程如下：高分辨率遙感影像→幾何精校正等預(yù)處理→影像多尺度分割→效果良好→小班區(qū)劃和地類識別→效果良好→森林小班蓄積量自動提取。當(dāng)效果不好時，要加入DEM模型等輔助數(shù)據(jù)重新進(jìn)行幾何精校正等預(yù)處理；在影像多尺度分割時，適當(dāng)加入人工調(diào)整；最后對自動提取的森林小班蓄積量進(jìn)行精度評價。要利用監(jiān)測區(qū)域的遙感影像進(jìn)行森林二類小班蓄積量的自動提取，需先對遙感影像進(jìn)行小班區(qū)劃。小班區(qū)劃的過程就包括影像的多尺度分割和森林類型識別，其中，多尺度分割可將影像分割成與森林類別不同的影像區(qū)域，再利用解譯標(biāo)志調(diào)查類別對各影像區(qū)域進(jìn)行類別識別。

3 實驗分析

3.1 研究區(qū)概況

試驗區(qū)位于黑龍江省伊春市南部帶嶺區(qū)涼水自然保護(hù)區(qū)，該區(qū)域內(nèi)分布的森林主要林種有針葉林、闊葉林以及針闊混交林。其地物分布和主要林種類別均有利于本文中面向?qū)ο蠓诸惙椒▽χ饕址N進(jìn)行分類和森林蓄積量估測試驗的展開。

3.2 數(shù)據(jù)源

實驗數(shù)據(jù)有：（1）遙感影像。選取的影像為涼水自然保護(hù)區(qū)的一幅GF-1 號衛(wèi)星8 米分辨率多光譜遙感影像，經(jīng)以1：5 萬地形圖為基準(zhǔn)采集控制點，采用人機(jī)交互進(jìn)行行幾何精校正和正射校正，校正后影像像元大小8m×8m。影像成像時間為2014年9 月30，覆蓋范圍大小為10km×10km。如圖2 左所示。（2）解譯標(biāo)志數(shù)據(jù)。在試驗區(qū)布設(shè)有126 個大小為0.06 公頃、間距為1km×0.5km 的方形解譯標(biāo)志(樣地)。測定的主要因子有：地類、齡組、蓄積、平均胸徑、平均樹高、優(yōu)勢樹種（組）等。樣地展繪圖層如圖2 右所示。

在影像多尺度分割過程中，分割參數(shù)的設(shè)置對最終分割形成的影像區(qū)域與實際地物邊界吻合程度有著重要影響，按照最終分割出來的影像區(qū)域與影像上實際地物分布的邊界盡可能吻合而影像區(qū)域大小盡可能大的原則對影像進(jìn)行多次分割。經(jīng)過試驗發(fā)現(xiàn)影像在尺度設(shè)為20、形狀因子及顏色因子權(quán)重設(shè)為0.1 及0.9、區(qū)域緊致度和邊界平滑度設(shè)為0.7 和0.3 時分割效果最好。如圖3 左所示。在計算得到相應(yīng)的紋理數(shù)據(jù)后，對遙感影像和紋理進(jìn)行波段合成，并將解譯標(biāo)志展繪到影像上提取對應(yīng)各波段光譜信息值和紋理特征值，利用各波段光譜值計算比值波段值組成自變量向量進(jìn)行建模。對小班內(nèi)樣地大小區(qū)域提取對應(yīng)的值代入模型計算蓄積量的值并進(jìn)行累計得到小班蓄積量。估測結(jié)果渲染如圖3 右所示。

4 結(jié)論

根據(jù)國家森林資源監(jiān)測相關(guān)技術(shù)標(biāo)準(zhǔn)以及林業(yè)工作者和研究人員的普遍認(rèn)識，利用高分遙感影像進(jìn)行森林小班二類蓄積量估測的精度達(dá)到70%以上即可[6]。本文中，基于GF-1 號8 米多光譜遙感影像對監(jiān)測區(qū)域進(jìn)行的森林小班二類蓄積量自動提取技術(shù)得到的小班蓄積量總值為1466739.02m3, 人工調(diào)查得到的小班蓄積總值為1131158m3，計算其精度為77.12%。結(jié)果表明基于GF-1 號8m 多光譜遙感影像對森林覆蓋區(qū)域進(jìn)行小班區(qū)劃，并進(jìn)行小班蓄積量自動獲取的方式是可行的，這對森林蓄積量的調(diào)查不僅節(jié)約了很大的人力、物力成本，而且對我國森林資源監(jiān)測有著重要意義。

圖2 遙感影像圖及監(jiān)測區(qū)域樣地數(shù)據(jù)展繪圖層

圖3 多尺度分割結(jié)果及小班蓄積量估測分布圖