基于遥感技术的退耕还林工程动态监测研究——以四川天全县为例

邢元军，彭检贵，徐金铎，李林华

(1.国家林业局中南林业调查规划设计院，长沙 410014； 2.海南省三亚林场，海南 三亚 572000)

基于遥感技术的退耕还林工程动态监测研究
——以四川天全县为例

邢元军1，彭检贵1，徐金铎2，李林华1

(1.国家林业局中南林业调查规划设计院，长沙 410014； 2.海南省三亚林场，海南 三亚 572000)

在1999年SPOT 5遥感图像退耕还林本底解译成果数据的基础上，利用2011年SPOT 5遥感影像作为数据更新的资料，通过遥感图像数字处理和信息提取，对退耕还林工程进行评价。结果表明： ①研究区朝着有利于生态环境改善的方向发展，森林覆盖率从63.31%升至63.94%，土地利用变化的突出特征是林地、草地的增加和陡坡耕地、宜林地的减少； ②研究区土壤物理性质得到改良，养分含量明显提高，野生动物数量和年均河流量增加； ③优化了农村经济产业结构，林业收入总体呈增加趋势。

退耕还林；动态监测；SPOT 5；天全县

利用遥感手段获得生态工程区域在时间序列上的空间信息，通过分析和处理，获得工程研究区域各阶段的森林资源分布及生态状况的数据，掌握工程的进展及实施情况，进而对工程的实施做出评价，是国家林业工程监测的目的[1-3]。退耕还林工程从1999年开始选择若干具有代表性的地方进行试点，到2001年底，全国先后有20个省(区、市)和新疆生产建设兵团开展了试点工作，试点3年累计完成退耕地还林面积116.2万hm2、荒山荒地造林面积100.1万hm2。2002年，在试点成功的基础上，退耕还林工程全面启动[4-6]。根据因害设防、突出重点、先急后缓、注重实效的原则，我国确定长江上游地区、黄河上中游地区、京津风沙源区以及重要湖库集水区、红水河流域、黑河流域、塔里木河流域等地区的856个县为工程建设重点县，占全国行政区划县数的29.9% ，占工程区总县数的45.6%，其中长江流域及南方地区503个、黄河流域及北方地区353个[7-9]。退耕还林工程的实施有效地减少了耕地的水土流失，给土地以休养生息，极大地改善了我国的生态环境状况[8]；同时保障和提高了农业综合生产能力，促进了农村产业结构调整和农村富余劳动力的转移，对“三农”问题的解决做出了突出贡献[9-10]。我国在巩固已有退耕还林成效的基础上，将积极稳妥地进一步推进退耕还林工程，从根本上扭转水土流失和土地沙化严重的局面[11-12]。退耕还林工程是我国国土绿化的主战场，受到国内外广泛关注。利用遥感技术对其进行动态监测评价，及时掌握工程进展，总结工程实施经验，对保障工程顺利实施，确保工程质量和效益，意义重大[13-14]。随着我国退耕还林工程不断向前推进，退耕还林工程检查的任务将逐年加大，遥感技术监测因此成为退耕还林监测的理想手段[15]。

本研究以四川天全县为研究对象，采用SPOT 5遥感影像，通过对遥感影像处理、正射校正、影像融合、影像分类以及非遥感数据的有效融入等技术问题进行研究，对退耕还林工程建设状况进行分析，以推动和促进遥感技术在退耕还林工程监测的应用。

1 区域概况

研究区地处102°54′—102°15′E，29°49′′—30°21′N，四川盆地西缘川藏高原二郎山东麓，龙门山、邛崃山的南端，康巴文化线东端，东与芦山县、雨城区交界，南连荥经县，西接甘孜藏族自治州的泸定县、康定县，北同宝兴县毗邻。属于山地地形，整个地势呈西北高、东南低的阶梯状。以大岗山经大林山至抬头坡一线为界，将全县分为西部中高山地区和东部低山河谷两大部分。西部的二郎山山脉最高海拔5150 m(月亮弯弯岗)，是四川盆地向高山高原的过渡地带；西部中高山区山势峻伟、植被繁茂，是天全县的主要林区；东部地区多为丘陵河谷区，是主要的农业区，最低点海拔600m。

研究区自1999年以来，共实施退耕还林面积58285 hm2，成林面积48327 hm2，占历年退耕面积的83.02%。其中：乔木林面积7764 hm2，占成林面积的16.07%(针叶林面积3282 hm2，占成林面积的6.79%；阔叶林面积4003 hm2，占成林面积的8.28%；针阔混面积479 hm2，占成林面积的0.99%)；竹林面积31252 hm2，占成林面积的64.67%；特规灌木林面积9311 hm2，占成林面积的19.27%。

2 数据来源与预处理

2.1 数据来源

利用1999和2011年两期SPOT 5共12景遥感影像数据，SPOT 5卫星影像具有2.5 m的高空间分辨率、60 km×60 km的宽景幅以及价格相对较低等特点。

2.2 数据预处理

遥感图像的预处理主要是指对图像的正射校正、辐射校正、预滤波、去噪声等处理，以便获得一幅比较清晰、对比度强、位置准确的影像；消除和减少遥感图像的几何畸变和辐射失真，以进一步分析和提取信息[16-17]，本研究主要对遥感影像进行了正射校正、数据融合、图像增强、图像镶嵌等。与地势平坦区域中高分辨率的卫星遥感数据不同，由于重点监测区内地形起伏大，有的地方海拔相对高差达2000 m以上，因此应对遥感影像进行正射校正。正射校正是一种借助数字高程模型(DEM)对图像中的每个像元进行地形畸变的校正过程，使图像符合正射投影的要求。生成正射影像时的重采样方法为立方卷积法，对正射校正完成的影像数据进行精度检查，确保校正后的影像精度。数据融合目的是集中多光谱波段数据和全色波段数据两者优势，提高遥感数据的空间分辨率和光谱分辨率，增强影像判读的准确性。本次融合主要采用乘积变换融合，融合后的影像大大提高了目视效果。图像增强处理是通过改变图像的灰度值来调整图像的视觉效果，以充分反映地物的细节，增加信息含量，突出地物的反差。本次采用分段线性拉伸进行图像增强处理，增大了不同地物间的色彩反差，同时兼顾全景的效果，做到图面影像色彩层次分明，明暗适当，地物可识别性好。将重点监测区内所有处理好的遥感影像进行图像镶嵌处理，因镶嵌前的影像存在色调差异，因此又对影像进行均衡处理，使相邻影像色调一致。如图1所示。

对两期遥感影像采用主成分变换法来提取变化信息，并根据不同时相遥感数据的具体情况，选择合适的变化信息阈值，得到变化模板，利用两期遥感影像进行融合，生成光谱特征变异影像来指导发现变化的区域，以提供充分的变化判读信息，提高分析解译的准确率，如图2所示。

3 研究方法

四川天全县退耕还林工程动态监测综合运用遥感、地理信息系统、全球定位系统、数据库技术，充分借助退耕还林工程设计与检查验收资料，利用SPOT 5遥感数据，采取判读核实的方法，落实研究区1999和2011年退耕还林工程的实施情况。以1999年监测成果为基础，根据两期遥感影像特征反映的变化信息，采用地面验证与调查核实相结合的方法，跟踪2011年监测的工程建设地块保存状况和工程研究区内的森林资源变化情况，实现对研究区内工程实施成效的评价。主要流程为：数据准备、遥感数据处理、区划判读、抽样验证、统计分析。

4 结果与分析

4.1 遥感监测分类算法分析

最大似然分类方法是图像分类最常用的一种监督分类方法，其基础是贝叶斯理论，在两类或多类判决中，用统计方法根据最大似然比贝叶斯判决准则法建立非线性判别函数集，假定各类分布函数为正态分布，并选择训练区，计算待分类样区的归属概率，而进行的一种图像分类方法，并按照正态分布规律的最大似然判别规则进行判断，得到分类结果[18-19]。如图3所示。

最大似然分类方法的正态分布概率密度函数的确定取决于期望和方差，最大的优点是根据样本的均值和方差评价其他像元与训练样本的相似程度。该方法考虑了多种因素，通过协方差矩阵考虑了类型内部的变化，以及定量的考虑两个以上波段和类别，是监督分类中一种较准确的分类器。但是对于遥感影像分类，其通常正态分布的假设难以成立，而且计算量大，当输入波段增加时，运行时间也会相应的增加。

4.2 土地利用结构监测分析

1999—2011年研究区土地利用结构变化不明显。森林面积小幅度增加，其中，针叶林面积增加2199.55 hm2，增长0.83%；阔叶林面积增加3148.91 hm2，增长1.68%；针阔混交林面积增加379.63 hm2，增长0.20%；竹林面积增加442.65 hm2，增长0.72%；特灌林面积小幅减少1493.53 hm2，减少了1.62%。疏林地、未成林地转为森林，造成疏林地、未成林地面积的减少，分别减少576.16 hm2和682.46 hm2，减少了5.35%和5.93%。详见表1。

表1 各地类面积变化动态表地类一期/hm2二期/hm2变化量/hm2变化率/%针叶林264861.86267061.412199.550.83阔叶林187000.9190149.813148.911.68针阔混交林185368.88185748.51379.630.20竹林61430.8661873.51442.650.72特灌林92141.2990647.76-1493.53-1.62其它灌木林93047.9789521.06-3526.91-3.79草地64780.5165191.97411.460.64耕地79089.8378932.09-157.74-0.20疏林地10773.3510197.19-576.16-5.35未成林地11506.7910824.33-682.46-5.93宜林地22853.5622426.9-426.66-1.87采伐迹地1788.221103.85-684.37-38.27其它99604.98100570.61965.630.97合计11742491174249

1999—2011年研究区的森林覆盖率均呈上升趋势，从67.35%提高到67.74%，增加了0.39%；森林面积也有一定的增加，增加了0.59%。森林面积、森林覆盖率变化动态如表2。

表2 森林面积和森林覆盖率变化动态表年份森林覆盖率/%森林面积/hm2199967.35790803.79201167.74795481.00增长率/%0.390.59

1999—2011年研究区内乔木林面积与蓄积都有一定程度的增加，乔木林总面积从637231.64 hm2增加至642959.73 hm2，增加了0.90%； 总蓄积从5663.8万m3增至5739.3万m3，增加1.33%；平均蓄积从88.88 m3/hm2增加到89.26 m3/hm2，增加了0.43%。详见表3。

表3 乔木林面积和蓄积变化动态表年份平均蓄积/(m3/hm2)乔木林面积/hm2乔木林蓄积/万m3199988.88637231.645663.8201189.26642959.735739.3增加量0.385728.0975.5增长率/%0.430.901.33

4.3 退耕还林综合效益评价

整个研究区1999—2011年共实施退耕还林面积58698.84 hm2，据本次监测结果显示，退耕还林成林面积共计55126.17 hm2，占历年退耕面积的93.91%，详见表4。

表4 研究区成林情况统计表林地类型成林面积/hm2比例%针叶林7033.8812.76乔木林阔叶林7851.3314.24针阔混交林2895.575.25竹林29998.5754.42特灌林7346.8213.33

通过退耕还林的实施工程区森林面积、森林覆盖率稳定增长。研究区退耕还林工程小班中森林面积略有增加，由前期监测的54369.47 hm2，增加到55126.17 hm2，增长了1.39%；工程小班对森林覆盖率的贡献值由前期的4.63%增加到4.69%，增长了0.06%。详见表5。

表5 工程小班森林面积、森林覆盖率情况统计表年份森林覆盖率/%森林面积/hm219994.6354369.4720114.6955126.17增长量756.7增长率/%0.061.39

1999—2011年研究区内工程小班乔木林面积与蓄积都有一定程度的增加，总面积从17 071.93 hm2增加到17780.78 hm2增长了4.15%；总蓄积从82.4万 m3增至86.2万 m3，增长了4.60%；研究区工程小班平均公顷蓄积也从每公顷48.27 m3增加到48.48 m3，增长了0.43%。详见表6。

表6 工程小班乔木林面积、蓄积统计表年份平均蓄积/(m3/hm2)面积/hm2蓄积/万m3199948.2717071.9382.4201148.4817780.7886.2增长量0.21708.853.8增长率/%0.434.154.60

退耕还林工程实现了毁林开垦向退耕还林的历史性转变，使研究区林业生态建设跨入了一个全新的发展阶段，大大加快了研究区造林绿化进程。研究区林地面积、森林资源均稳步增长。通过退耕还林工程的实施及对原有森林的维护，研究区森林覆盖率已由1999年的63.94%提高至67.74%，土地资源得到优化配置，土地生产力得到合理发挥，实现了“以粮食换森林”的目的，研究区退耕还林工程实施状况如图4。

通过对研究区两个监测时段的退耕还林定位监测，至2011年，研究区薄土层面积为4747.14 hm2，占退耕还林总面积的8.09%；中土层面积46733.62 hm2，占79.61%；厚土层面积为7218.08 hm2，占12.30%。根据2012年长江水利委员会发布的《长江泥沙公报2012》和四川省水文局监测资料显示，四川省河川的含沙量大幅度下降，岷江、涪江每立方米河水含沙量分别下降60%和80%，以往下大雨河水需要7 d左右才能澄清，而现在只需3 d。从局部范围看，大量陡坡耕地水土流失严重的状况得到有效控制，据定位监测，与未退耕地相比，坡面径流系数率和输沙量分别减少47.6%和56.7%；退耕还林地营造的2 a生毛白杨、杉木和撑绿竹，与农耕地相比，林地径流量分别减少29.2%，27.7%和21.7%，径流泥沙量分别减少42.1%，31.8%和22.5%。

5 结论与讨论

利用遥感技术进行退耕还林监测，与传统实地调查方法相比，具有宏观、动态、快捷和节约成本等诸多优点，将遥感技术应用到退耕还林工程监测和调查，具有十分重要的意义和价值。本文以SPOT5为数据源，对四川省天全县开展的退耕还林工程监测试验研究取得了以下方面的结论和进展：

1) 森林资源监测中遥感数据增强，要求能尽量突出森林相关信息，压缩其他无关信息。本次研究采用分段线性拉伸和边缘增强，对融合后的SPOT5进行增强处理，取得了较好的效果，有效改进了图像显示的视觉效果，提高了图像可解译性。

2) 监测统计结果显示：研究区土地总面积117.42万 hm2，其中森林面积750769 hm2，森林覆盖率67.74%，森林蓄积5275.28万m3；区域内实施退耕还林面积58285 hm2，已成林面积48327 hm2，占研究区退耕还林面积的83.02%。

3) 通过对区域内经济、土壤、水文、气象等资料的分析结果表明：核心监测区土壤物理性质得到改良，养分含量明显提高；野生动物数量和年均河流量增加；林业收入总体呈增加趋势，农民从中获得较高的经济收入，优化了农村经济产业结构。其退耕还林工程实施效果良好。

4) 为了达到精度要求，本文仍采用了目视判读的方法对影像进行解译。但随着遥感影像空间、时间、光谱的提高、遥感影像处理软件技术的日益成熟以及计算机自动分类技术的日益成熟，特别是监督分类、非监督分类以及专家分类器等分类方法精度的提高，可适当加强用计算机自动分类对图像解译的尝试。

[1] 沈国舫.中国林业可持续发展及其关键科学问题[J].地球科学进展,2000,15(01):10-18.

[2] 黄文清,张俊飚.试论新形势下退耕还林工程建设[J].林业建设,2005,23(1):16-20.

[3] 孙涛.退耕还林工程核查中发现的问题及对策[J].林业资源管理,2005,34(01):26-29.

[4] 秦建明,陈程.我国退耕还林还草历史发展阶段及其政策演变[J].农业技术经济, 2005,24(01):58-63.

[5] 林辉，何国安，李际平,等.高分辨率遥感及应用[M].长沙:中南大学出版社,2004.

[6] 欧润贵.林业遥感[M].北京:中国林业出版社,1989.

[7] 梅安新、彭望琭.遥感导论[M].北京:高等教育出版社,2001.

[8] 王钦敏.卫星遥感技术发展和应用动态[J].遥感信息,1995,10(04):2-6.

[9] Jin Y X. Survivability Specification Framework for Dependability-Functionality Codesign of ERTS[J]. Wuhan University Journal of Natural Sciences, 2005, 10(1):75-78.

[10] XU Kaiming.The Analysis of SPOT5 Characteristics on Land Cover Classification[J]. Science of Surveying and Mapping,2004,29(S1):108-116.

[11] 宏裕闻.美国卫星遥感现状和趋势[J].全球科技经济瞭望,1997,12(05):33-35.

[12] 邓良基.遥感基础与应用[M].北京:中国农业出版社,2002.

[13] 万幼川.我国遥感科学与技术发展现状[J].地理空间信息,2003,1(02)3-5.

[14] 吕国楷，洪启旺，郝允充，等.遥感概论:修订版[M].北京:高等教育出版社,1995.

[15] WANG Liangjian, BAO Haosheng, PENG Buchu. The Dynamic Monitoring and Prediction of Land Use Change for Area by RS and GIS[J].Economic Geography,2000,5(2):47-51.

[16] 杨立民,朱智良.全球及区域尺度土地覆盖土地利用遥感研究的现状和展望[J].自然资源学报,1999,14(4):340-344.

[17] Sun R, Liu C M, Zhu Q J. Dynamic Change of Net Primary Productivity and Fractional Vegetation Cover in the Yellow River Basin Using Multi-temporal AVHRR NDVI Data[J].Journal of Geographical Sciences, 2002, 12(1):29-34.

[18] YAN Qin, ZHANG Jixian, SUN,Xiaoxia. The Application Method Research About Land Use Dynamic Monitoring by IKONOS[J].Science of Surveying and Mapping,2002(2):40-42.

[19] 杨存建,刘纪远,张增祥，等.遥感和GIS支持下的中国退耕还林决策分析[J].遥感学报,2002,6(3):205-211.

DynamicMonitoringonReforestationProjectUsingRemoteSensingTechnology：Taking Tianquan County as an Example

XING Yuanjun1，PENG Jiangui1，Xu Jinduo2，LI Linhua1

(1.Central South Forest Inventory and Planning Institute of State Forestry Administration，Changsha 410014，Hunan，China；2.Sanya Forest Farm of Hainan Province，Sanya 572000,Hainan，China)

Based on the data of SPOT 5 remote sensing images in 1999,and digital processing and information extraction from remote sensing image,using SPOT 5 remote sensing image in 2011 as the data update, the paper evaluated the conversion of farmland to forest project.Results showed that:①Ecological environment of study area was improved,forest coverage rate rose to 63.94% from 63.31%, the prominent features of land use change was increase of woodland and grassland, decrease of steep cultivated slope land and barren land;②The soil physical properties were improved in the study area,the nutrient content was increased obviously,the amount of wild animals and the average annual river discharge was increased;③The industrial structure of rural economy was optimized, the overall trend of forestry income was increased.

returning farmland to forest;dynamic monitoring;SPOT 5 remote sensing image;Tianquan county

2016 — 03 — 15

邢元军(1982-)，男，山东烟台人，硕士，工程师，主要从事遥感与信息技术在林业中的应用研究。

F 326.24

B

1003 — 6075(2016)02 — 0022 — 07

10.16166/j.cnki.cn43 — 1095.2016.02.006