基于Landsat TM／ETM＋影像的森林资源时空动态变化分析
2012-09-25李党辉王照利
谢 敏，李党辉，王照利
森林是地球生态系统的重要组成部分，森林生态系统在抑制地球环境恶化、保护生物多样性及应对气候变化等方面扮演着重要角色。开展森林资源调查，可以掌握森林资源现状和变化情况，预测森林资源的发展趋势，为森林经营方案的制定提供依据和技术支持。遥感作为新兴的高新技术已经广泛应用于森林资源调查。应用遥感技术可以及时、快速、准确地提取地物信息，为森林资源动态变化监测提供技术支持［1］。国内外已经有大量的利用遥感技术进行森林资源动态监测的研究［2－4］，但针对陕北地区天然林动态变化监测的实例还未见报道。
本文以陕北地区大岭林场为例，利用Landsat TM／ETM＋影像数据提取了林地利用信息，对大岭林场森林资源进行时空变化分析，并采用马尔科夫预测法对2013年大岭林场森林资源结构进行预测分析。
1 研究区概况和数据源
1.1 研究区概况
大岭林场位于陕北黄土高原，是陕西省延安市黄龙山林业局下辖十大林场之一。地理坐标为东经109°56′～110°12′，北纬35°40′～35°48′，面积239km2。地貌类型以土质中低山为主，相对高差在200～400m之间，土壤以褐土为主，在阴坡和半阴坡森林高覆盖率地区有淋溶土分布。气候属暖温带大陆性半湿润气候。优势树种主要有华山松、油松、落叶松、柏类、桦类、杨类、漆树、白刺花、黄蔷薇及经济作物核桃和花椒。研究区的地理位置如图1所示。
图1 研究区地理位置
1.2 数据来源
本研究使用的数据主要包括：（1）研究区1999年9月24日的ETM＋影像和2006年8月18日的TM影像；（2）1998年森林资源调查数据和林相图及2006年森林资源二类调查数据。
2 研究方法与技术路线
本研究首先对两期影像进行几何校正、大气校正、增强和影像增强等预处理工作，其次建立两期影像的解译标志并利用马氏距离分类器对两期影像进行分类、分类后处理和精度评价。最后将“变化面积”、“变化幅度”和“动态度”引入本文进行林地动态变化分析，并使用马尔科夫预测法进行森林资源结构预测。本研究的技术路线如图2所示。
图2 技术路线
2.1 变化面积
变化面积是指每种林地利用类型面积上的变化，其数学表达式为：
式中：ub，ua分别表示后一时期和前一时期的林地利用面积，S为变化面积。
2.2 变化幅度
变化幅度是指林地利用类型面积相对于初始状态的变化［5］，其数学表达式为：
其中，ub，ua分别表示后一时期和前一时期的林地利用面积，F为变化面积。
2.3 土地利用动态度
土地利用变化的速率通常用土地利用动态度来描述，土地利用动态度在分析研究区土地利用变化差异和预测土地利用发展趋势中起到重要作用［6］。本研究将单一土地利用动态度用于林地变化的定量描述。
计算土地利用动态度公式如下：
式中，ub，ua分别表示后一时期和前一时期的林地利用面积，T为两个时期之间的时间差，K为土地利用动态度。
2.4 马尔科夫（Markov）预测模型
马尔科夫预测模型是一种预测事件发生概率的方法。这种预测模型基于马尔科夫链，是根据事件的当前状况来预测其将来各个时刻的动态变化情况的一种预测方法。马尔科夫预测模型是对地理事件进行预测的一种基本方法，其预测的可靠性在众多方面得到了验证［7－9］。
从初始状态开始，经过k次状态转移后到达状态，可看做是经过（k－1）次状态转移后达到状态，然后再经过一次状态转移到达状态。根据马尔科夫过程的无后效性和Bayes条件概率公式得：
其中πj（k）表示k时刻的状态向量矩阵。若记行向量πj（k）＝ ［π1（k），π2（k），…，πn（k）］，则可逐次计算到状态概率的递推公式
其中π（0）＝ ［π1（0），π2（0），…，πn（0）］为初始概率向量，由此式可以预测第k个时刻的状态。
3 结果与分析
3.1 遥感影像解译结果
本研究依据国家林业局《森林资源规划设计调查主要技术规定》，并结合遥感影像可识别的类型，最终确定将研究区分为阔叶林、针叶林、混交林、灌木林地、疏林地和耕地六种地类。在ENVI 5.0 和 ArcGIS 10的支持下，对研究区两期影像分别建立训练样区，并采用马氏距离分类器进行分类、分类后处理和精度评价，分类精度均达到85%以上，分类结果如图3、4所示。
3.2 林地变化分析
各地类的变化面积、变化幅度和动态度等指标是衡量森林资源时空动态变化的重要指标，为全面了解研究区森林资源动态变化情况，对两个时期的遥感影像分类结果和变化信息进行了统计（表1）。
由表1可知，1999年阔叶林地、针叶林地、混交林地、灌木林地、疏林地和耕地分别占研究区的38.93%、7.30%、12.01%、6.25%、33.42%和2.09%；到2006年其比例分别为51.07%、8.17%、13.09%、10.07%、16.28和1.31%。可以看出，阔叶林地、针叶林地、混交林地和灌木林地面积比例均有所增加，其中阔叶林地变化幅度最大，其次是灌木林地和混交林地；耕地和疏林地呈减少趋势。这些变化情况说明天然林保护工作取得了巨大成果。
图3 1999年遥感影像分类图
图4 2006年遥感影像分类图
表1 各地类变化分析
3.3 林地发展变化预测
统计分析森林资源不同地理之间的相互变化情况也是森林资源动态监测的重要内容，根据不同林地类型之间的相互转化情况，可以预测森林资源动态变化趋势，同时也可以为制定森林经营决策方案提供依据。
本研究利用ENVI 5.0软件计算处理出林地变化转移概率矩阵（表2）。对7a内的林地变化进行分析，可以看出阔叶林7a内，有72.53%面积未发生变化，由 6.15%、5.99%、4.01%、1.12%和0.12%变为灌木林地、混交林地、针叶林地、疏林地和耕地；阔叶林增加的部分主要来自疏林地和混交林地；针叶林地增加部分主要来自混交林地；耕地主要向灌木林地和疏林地转化，变化区域发生在沟道、河流和道路等人为影响较大区域。在1999～2006年间，耕地和疏林地分布面积减少，有林地面积持续增加，说明研究区人工造林和天然林更新作用显著。
表2 1999～2006年大岭林区土地利用变化转移概率矩阵
根据依据马尔可夫过程性质和条件概率的定义，运用马尔可夫预测法，利用初始状态转移矩阵，在保持某个时段中干扰条件不变的前提下，求出各类型的转移概率矩阵，由此预测2013年林地利用格局的变化。经计算得到2013年林地面积结构。
表3 2006年和2013年林地面积统计 km2
经预测，2013年，阔叶林地、针叶林地、混交林地、灌木林地、疏林地和耕地面积分别约为124.80、19.55、29.45、27.15、35.52 和2.29km2。2006年至2013年变化面积最大的疏林地，其次是灌木林地、阔叶林地、混交林地、耕地和针叶林地。
4 结论与讨论
（1）利用不同时相的遥感影像进行森林资源的时空动态变化分析，能及时直观地反映森林资源消长变化和动态转换情况。
（2）通过计算林地变化状态概率转移矩阵，得出在1999～2006年间，耕地和疏林地分布面积减少，有林地面积持续增加，说明自从实施天然林保护工程以后，天然林保护工程有利于森林资源的更新和林场的可持续发展。
（3）通过马尔科夫预测得出，2013年阔叶林地、针叶林地、混交林地、灌木林地、疏林地和耕地面积分别为124.80、19.55、29.45、27.15、35.52和2.29km2。2006～2013年变化面积最大的是疏林地，其次是灌木林地、阔叶林地、混交林地、耕地和针叶林地。
（4）黄土高原天然林树种单一，且分布特征明显，是遥感技术进行天然林资源时空变化监测研究的理想场所。随遥感技术的发展，遥感技术会越来越多的应用于天然林资源的变化监测中，并向高分辨率和高光谱遥感方向发展，以期取得更好的监测精度。
［1］ 游先祥.遥感原理及在资源环境中的应用［M］.北京：中国林业出版社，2003：320－324.
［2］ 刘冰，宏家宜.Landsat－7ETM＋遥感影像在三北防护林工程县级森林资源调查中的应用［J］.防护林科技，2005（4）：24－27.
［3］ 任建，洪定安，邓杰，等.IRS－P5与RapidEye遥感影像在森林资源调查中的应用［J］.陕西林业科技，2011（4）：15－16，21.
［4］ Gunlu A，Sivrikaya F，Baskent EZ，Keles S，Cakir G，Kadiogullari AI.Estimation of stand type parameters and land cover using Landsat－7ETM image：A case study from Turkey［J］.Sensors，2008，8（4）：2509－2525.
［5］ 朱会义，李秀彬，何书金，等.环渤海地区土地利用的时空变化分析［J］.地理学报，2001，56（3）：253－260.
［6］ 孙存举.基于GIS和RS的黄龙山林区林地时空动态变化分析［D］.西北农林科技大学，2011.
［7］ Fan F L，Weng Q H，Wang Y P.Land use and land cover change in Guangzhou，China，from 1998to 2003，based on Landsat TM／ETM＋imagery［J］.Sensors，2007，7（7）：1323－1342.
［8］ 杨国清，吴志峰，祝国瑞.广州地区土地利用景观格局变化研究［J］.农业工程学报，2006，22（5）：218－221.
［9］ 牛星，欧名豪.基于Markov理论的扬州市土地利用结构预测［J］.经济地理，2007，27（1）：153－156.
