利用资源一号02C数据提取森林资源变化信息

高媛赟，温小荣，林国忠，佘光辉，王 凯

（南京林业大学 林学院，江苏 南京 210037）

利用资源一号02C数据提取森林资源变化信息

高媛赟，温小荣，林国忠，佘光辉，王 凯

（南京林业大学 林学院，江苏 南京 210037）

探索利用中国自行研发的资源一号02C卫星数据进行森林资源变化信息提取的方法。对浙江省龙泉地区的资源一号卫星数据采用大气校正、几何校正和影像融合等方法进行预处理；通过对光谱特征变异法、图像差值法与波段替换法的比较，选择适宜的提取突变区域的方法。在此基础上通过对影像进行最大似然法、最小距离法、马氏距离法和平行六面体法分类确定变化区域的地类，同时进一步验证适宜资源一号卫星数据的融合方法为HPF融合，较优分类方法为最大似然法。研究为深入探索利用资源一号02C卫星数据在森林资源动态监测中的应用具有积极的意义，为进一步提高该卫星数据处理的效率提供了依据与参考。

中国资源一号02C卫星；森林资源监测；变化信息提取

近年来，我国林业部门为进一步实现林地“一张图”数据库正着力于林地变更调查工作，探索林地年度变更调查技术方法。林地变更调查包括调查底图制作、变更核实调查、林地数据库更新三个步骤，在调查底图制作过程中，利用处理后的高分辨率遥感数据判读区划林地变化图斑形成遥感判读区划矢量图层的过程较为繁冗，且在变更核实调查过程中需要核实的图斑数较多，如何对高分辨率遥感影像数据进行有效地分类以减少判读区划林地变化图斑数量，与减少后期需要核实图斑数量问题是一大焦点。

传统森林资源动态监测过程中多使用单一方法提取动态信息，获取信息量不够丰富且伪变化信息较多。例如光谱特征变异法其原理与操作简明，但发生变化图斑在尺寸足够大的情况下才能被识别，精度较低；图像差值法需要影像时相属于同一季节，并且利用点与点的运算会产生很多噪声不利于影像的判别；假彩色合成法伪变化信息较多，且在应用于中国资源卫星影像时色彩偏差较大不利于目视。

本研究首先通过大气校正，几何校正与影像融合获取较优质量影像，再分别利用单一的多光谱特征变异法、图像差值法和波段替换与影像分类相结合三种方法提取动态变化信息。通过试验发现，波段替换法较光谱特征变异法与图像差值法优；变化区域的地类信息采用最大似然法分类精度较高；利用波段替换与影像分类相结合在信息互补的同时减少了需要后期调查核实的图斑数量，提高了林地变更调查效率[1-2]。

1 研究区概况及数据介绍

龙 泉 市 位 于 浙 江 省 西 南 部，28°04′N，119°07′E。该地区属于中亚热带季风气候，全年湿度大，年降水量一般在1 000 mm以上，地形复杂，海拔高低悬殊，气候基本呈垂直分布，光、温、水地域差异明显。海拔800 m以下区域属凉亚热带湿润季风气候；海拔800 m以上区域近于暖温带湿润季风气候。

本研究采用的基础数据为2007年浙江省龙泉市森林资源二类调查小班数据；遥感影像包括：（1） 2007年浙江省龙泉市SPOT-5遥感影像；(2)两景2012年研究区中国资源一号02C卫星（ZY-1 02C）影像。

法国SPOT-5卫星发射于2007年5月4日，运行高度为822 km，轨道倾斜角为98.7 °，重访周期为2～3 d，搭载有两台高分辨率几何成像装置（HRG）、一台高分辨率立体成像装置（HRS）、一台宽视域植被探测仪（VGT），空间分辨率为2.5 m，影像分红色波段、近红外波段与红外波段。

ZY-1-02C卫星于2011年12月22日在太原卫星发射中心发射，运行高度为780.099 km,轨道倾斜角为98.5 °，搭载一台5/10 m分辨率P/MS多光谱相机，它是我国民用遥感卫星中分辨率最高的相机，同时还搭载了两台2.36 m分辨率HR相机，单台幅宽为27 km，两台为54 km使数据的幅宽增加一倍,从而使数据覆盖能力大幅增加。P/MS多光谱相机与HR相机重访周期均为3～5 d，覆盖周期为55 d。本研究采用P/MS相机拍摄于2012年12月的浙江省龙泉市资源一号卫星数据，全色波段分辨率为5 m，多光谱影像分辨率为10 m[3-4]。

2 原理与方法

2.1 影像预处理方法

对影像首先进行大气校正与几何校正等常规处理，然后依据需要进行融合等加强处理。在影像的融合中，通过定性与定量的比较得知HPF融合为较适宜资源一号卫星影像的分类方法，因此本研究对影像进行了HPF融合加强以提高影像的解译与分类精度。

2.2 变化区域提取方法

2.2.1 光谱特征变异法

本研究将2007年的Spot-5影像与2012年的资源一号02C影像全色波段数据精确配准后融合。在植被信息丰富的情况下绿色纹理特征较为明显，对植被少或者城市区域不易发现变化区域。图2(a)中，由于前后两期影像传感器不同，绿色纹理特征有一些呈现为伪变化，需要在变化尺寸足够大的情况下才被检测到，因而在变化小班的判读与提取过程中容易遗漏小班，需调查核实的小班量大，变化后地类也难以确定。光谱特征变异法物理意义明确、操作简单便捷，需建立在前后期影像精确配准、传感器相同与季相相同的情况下效果较优，但该方法的伪变化信息较多，且变化区域尺寸不足够大时不易识别，精度较低[5]。

2.2.2 图像差值法

图像差值法简单易操作，但获得的影像噪声较多，对数据的季相、时相与配准情况要求较高。本研究前后两期影像传感器不同，通过计算两影像的相关系数与主成分分析，利用主成分与相关系数大的两个波段进行作差获取差值影像[6]。图2(b)即为图像差值法效果图,白色高亮区域为图像差值法提取出的变化区域，红色小班为真实变化小班区域。

2.2.3 波段替换法

利用融合后且已分解为红、绿、蓝3波段的2007年浙江省龙泉市SPOT—5的遥感影像，与2012年02C全色、多光谱影像分别进行精确配准后选择适宜波段替换获得突变小班。在波段替换方法中，首先计算前后期影像各波段的相关系数，通过相关系数与目视的比较选择最优替换方式。相关系数见表1。Band1为02C卫星影像的全色波段，Band2、Band3、Band4为02C卫星影像多光谱波段的3个波段，Band5、Band6、Band7分别为SPOT-5融合后影像的RGB 3 个波段。

表1 各波段相关系数Table1 Calculation of correlation coefficients of each bands

通过表1纵向分析比较得知与SPOT5影像的第一、二波段相关系数较高的为02C影像数据的全色波段影像，相关系数分别为0.835 0、0.807 4；与SPOT5影像的第3波段相关系数较高的是02C影像数据的全色波段，相关系数为0.8016。通过目视比较，利用02C的全色波段分别替换SPOT-5融合后影像的红、绿、蓝3个波段。替换绿色波段时突变地类用肉眼观察时不易识别，且不便于提取；替换蓝色波段时不能明确显示其真实地类；替换红色波段时不仅易于提取突变信息也能明确显示其地类，见图2（c）（d）（e）。综合分析可知对于中国资源一号卫星数据与SPOT-5融合影像数据的波段替换方法中利用资源一号02C的全色波段替换SPOT-5影像的红色波段不仅目视识别效果最佳易于提取且相关系数最高。图2（f）为研究区内发生变化的小班提取情况。

图2 变化信息提取方法比较Fig.2 Comparison of methods of changing information extraction

2.2.4 变化区域地类的确认

对于变化区域地类的确定有两种方法。方法一是进行实地考察，方法二是对后期影像进行分类，基于分类后的影像再做进一步的统计分析。由于突变区域面积已经大量减少且实地考察方法精度更高，因而在条件允许的情况下方法一更适宜。本研究为进一步探讨适宜资源一号02C卫星数据的分类方法，对HPF融合后的2012年ZY-1 02C卫星影像进行基于先验数据的监督分类以确定变化后小班类型，分类方法包括：最大似然、最小距离、马氏距离、平行六面体分类；分类后在研究区中随机选取424个参考样点进行分析，计算其生产精度与使用精度，统计数据见表2[7-8]。

由表2数据可知在对地类进行确定的过程中，马氏距离法与平行六面体法的kappa系数均较高，分别为0.95与0.93，但在非林地与水体的分类精度上并不理想；最大似然法与最小距离法的kappa系数相对较低均为0.91，但各地类分类精度情况较优，综合评估适宜资源一号02C影像的分类方法为最大似然法[9]。

3 方法比较与评估

对提取出的突变小班矢量图进行统计分析，发生突变区域为2 156个小班，面积总和为7 129 401.54 m2，占龙泉市调查小班总面积的2.47%，需要进一步变更核实地类的图斑数量大大减少，提高了林地变更工作的效率。

将发生突变区域小班数据与分类后影像叠加，对发生突变小班进行地类的确定，统计分析研究区从2007至2012年5年之内林地的改变情况。选取龙泉市查田镇为检验区域进行波段替换与分类相结合方法提取变换信息的精度评价。

表2 用6种分类方法分类后的分析精度评价Table2 Accuracy evaluation for analyses results by using six classification methods

查田镇共有小班1 879块，该镇总面积为122.61 hm2，2007 年林地总面积为 101.14 hm2；利用光谱特征变异法提取该乡镇发生突变区域面64.73 hm2，发生伪变化信息小班面积为17.14 hm2，通过计算得该方法的精度为73.52%。利用图像差值法提取该乡镇发生突变区域面49.37 hm2，发生伪变化信息小班面积为20.31 hm2，即该方法的精度为58.86%。利用波段替换法提取该乡镇发生突变区域面70.83 hm2，发生伪变化信息小班面积为2.41 hm2，多存在于河道两侧,即该方法的精度为96.59%。

4 结 论

在利用中国资源一号卫星影像提取森林资源变化信息过程中得到以下结论：

（1）利用光谱特征变异法与图像差值法操作简便但效果并不理想。利用波段替换能较好的融合不同传感器信息，在提取发生变化的区域时精度较高；

（2）通过影像的分类进一步确定变化区域的地类变化情况以达到林地调查的目的，减少了大量的人力物力提高了调查效率；

（3）波段替换与监督分类相结合的变化信息提取法融合了两个传感器的影像信息，避免了传统方法对数据传感器要求一样的限制，使影像信息更加丰富， 提高了变化信息的提取的精度。改善产生伪变化区域图斑现象需要通过加强影像的配准精度与统一两期影像的时相等方法来解决[10]。

[1] 尤淑撑,刘顺喜,周连芳,等.CBERS-02B星数据土地利用动态遥感监测方法研究[J].国土资源遥感,2009,79(1):79-82.

[2] 中国资源卫星应用中心.资源一号02C卫星用户指南[K].北京:中国资源卫星应用中心, 2012.

[3] 刘 刚,许宏健,马海涛,等. 基于资源一号02C卫星数据的土地资源高分系统变化信息提取方法应用研究[J]. 测绘与空间地理信息,2013,04:65-68+71.

[4] Dong Zhangyu, Wang Zongming, Liu Dianwei, et al. SPOT5 multi-spectral(MS) and panchromatic (PAN) image fusion using an improved wavelet method based on local algorithm[J].Computers & Geoscience, 2013,60:134-141.

[5] 潘耀忠,陈志军,聂 娟,等.基于多源遥感的土地利用动态变化信息综合监测方法研究[J].地球科学进展,2002,02:182-187,303.

[6] 范海生,马蔼乃,李 京. 采用图像差值法提取土地利用变化信息方法——以攀枝花仁和区为例[J].遥感学报,2001,01:75-80.

[7] 严恩萍,林 辉,莫登奎,等. 基于ALOS数据的遥感植被分类研究[J].中南林业科技大学学报,2010,30(11):37-42.

[8] 金 杰,朱海岩,李子潇,等. ENVI遥感图像处理中几种监督分类方法的比较[J]. 水利科技与经济,2014,01:146-148,160.

[9] 宁亮亮,张晓丽. 基于纹理信息的Landsat-8影像植被分类初探[J].中南林业科技大学学报,2014,34(9):60-64.

[10] 文雄飞,陈蓓青,申邵洪,等. 资源一号02C卫星P/MS传感器数据质量评价及其在水利行业中的应用潜力分析[J]. 长江科学院院报,2012,10:118-121.

Extraction of changing information of forest resource monitoring with ZY-1-02C images

GAO Yuan-yun, WEN Xiao-rong, LIN Guo-zhong, SHE Guang-hui , WANG Kai
(College of Forestry , Nanjing Forestry University, Nanjing 210037, Jiangsu, China)

China’s own self-developed ZY-1-02C satellite data is used to explore extraction methods of changing information for monitoring the forest resources. The satellite data collected by ZY-1-02C satellite for Longquan district, Zhejiang Province were pertreated by adopting methods of atmospheric correction, geometric correction, image fusion and etc.; Through comparing methods of spectral features variation and image subtraction method with band replacement method, the appropriate method for extracting mutation region was chosen out. On the basis of the image fusion by the maximum likelihood method, the minimum distance, Mahalanobis distance method and parallelepiped classif i cation method, the land types of changing area were determined, further it was proved that the HPF fusion is the appropriate fusion method of resources satellite No.1, the maximum likelihood method is the optimal method for extraction. The studies to explore the use of ZY-1-02C satellite data in the application of dynamic monitoring of forest resources has the positive signif i cance, also can further improve the eff i ciency of satellite data processing, so as to provide basis and reference.

ZY-1-02C satellite of China; monitoring of forest resources; extraction of changing forest resources

S757.2

A

1673-923X(2014)12-0087-04

2014-05-08

国家948计划项目（2013-4-63）；南京林业大学科技创新基金项目（CX2011-24）；江苏高校优势学科建设工程项目（PAPED）

高媛赟（1991-），女，江苏南京人，硕士研究生，主要研究方向：森林经理及3S应用；E-mail：mariagao1991@foxmail.com

佘光辉（1953-），男，江苏南京人，教授，博士生导师，主要研究方向：3S技术在森林资源与监测中的应用；E-mail：ghshe@njfu.edu.cn

[本文编校：文凤鸣]