林地资源管理中像元二分模型定向定量分析探究
2018-01-05祝国祥
祝国祥
(国家林业局西北林业调查规划设计院,陕西 西安 710048)
林地资源管理中像元二分模型定向定量分析探究
祝国祥
(国家林业局西北林业调查规划设计院,陕西 西安 710048)
以宁夏回族自治区中卫市沙坡头区为研究区域,利用2015及2016年高分一号遥感影像分别提取NDVI值,以像元二分模型反演生成植被指数差值图像,检测出植被指数减少的信息。叠加近期各类林业专题数据资料,通过目视解译、甄别归类、识别林地的变化情况。结果表明,该模型可以较为快捷、准确地反映研究区的林地变化情况,可为林政管理人员的林地资源管理、监督、执法提供技术支持。
林地资源管理;变化检测;像元二分模型;无监督分析法;变化信息;图斑验证
林地作为森林资源存在的基本载体,既是林业可持续发展的基础,又是控制森林资源消耗,增强森林生态防护效益,实现国民经济可持续发展的根本与保障[1]。遥感技术的应用为林地动态变化分析提供了一个较为全面和直观的监测手段,但如何从同一地区海量的不同时期的遥感图像中准确甄别获取和检测出林地随时间发生变化的信息,成为林政资源管理者急需研究和探索的热点。
本文结合中卫市沙坡头区林地管理情况检查,以2012年编制的《中卫市沙坡头区林地保护利用规划(2010~2020)》的矢量数据为本底数据源,分别采用2015年5月11日和2016年6月16日获取的高分一号遥感影像数据,借助ENVI、ERDAS和ArcGIS等软件平台,提出采用像元二分模型无监督分析法分离和提取变化信息,反演出被研究区域林地动态变化情况,为林地资源管理、监督和执法又提供了一条快捷、客观、可行的技术支持。
1 研究区概况
中卫市沙坡头区位于宁夏回族自治区中西部,地理坐标为东经104°07′~105°37′,北纬36°39′~37°43′,地处宁、甘、蒙三省(区)交界处,境域东西长115.3 km,南北宽81.4 km,总面积 532 510 hm2。属温带半干旱气候区,为典型的大陆性季风气候,而且具有沙漠气候特征。土壤类型主要有灰钙土、灌淤土、盐碱土、新积土、风沙土、石砾石土、粗骨土等八大类。植被主要以油松(Pinustabulaeformis)、云杉(Piceaasperata)、侧柏(Platycladusorientalis)、榆树(Ulmuspumila)、杨树(Populus)、槐树(Sophorajaponica)、柠条(Caraganaintermediaintermedia)、沙棘(Hippophaerhamnoides)、杞柳(Salixintegra)等为主。
据《中卫市沙坡头区林地保护利用规划(2010~2020)》林地资源统计数据,沙坡头区林地面积 115 197.12 hm2,占国土总面积的21.63%;非林地面积 417 312.88 hm2,占国土总面积的78.37%,林地资源贫乏。因此,保护该区域的林地资源是当地林业生产建设的立足之本和基础来源,也是生态建设和经济社会发展的物质基础和保障,其在维护生态安全、改善气候环境方面具有举足轻重的作用。
2 林地变化监测路线
林地变化检测是根据不同时间段多次对地遥感观测来确定和分析现有国土上的林地变化,从而确定林地的变化发展过程。
本次监测林地变化的主要步骤包括遥感数据的选取,原始遥感数据预处理,变化信息的提取及确定,变化信息图斑验证等方面。其变化检测技术路线见图1。
图1 变化检测的技术路线Fig.1 Technical route of detecting changes
2.1 遥感数据选取
选取研究区的遥感图像时,尽量选取前后期季节、光照、当天时刻都比较接近的遥感图像,从而消除太阳高度角及植被物候不同而引起的图像反射差异。同时检测区域的遥感图像云层覆盖度控制在10%以内。本次研究区所采用遥感数据分别为2015年和2016年获取的高分一号遥感影像数据(表1)。
2.2 遥感数据预处理
首先,对所选取的遥感图像进行几何配准,从而使相同地物在2幅不同时期的遥感图像中处于相同位置。其次,对几何配准后的数据,纠正遥感图像中目标辐射的不确定性信息,即大气校正。同时,以前期图像的直方图为基础,纠正同一地区后期时相的遥感图像因为大气状况、太阳高度角的不同而产生的辐射差异,将其时相的图像与之进行归一化NDVI(植被指数)匹配。
表1 研究区使用的遥感数据源和时间
标准归一化植被指数定义为:NDVI=(NIR-R)/(NIR+R)
其中,NIR为近红外通道反射率,R为红光通道反射率。NDVI其光谱表现为:-1≤NDVI≤1,负值表示地面覆盖为云、水、雪等,对可见光高反射;0表示有岩石或裸地等,NIR与R近似相等;正值,表示有植被覆盖,且随覆盖度增大而增大[2]。结合高分1号卫星的光谱参数范围,其波段3为R,波段4为NIR。在ENVI软件Transform下的NDVI工具,以Landsat TM作为NDVICalculation Parameters下的数据类型确定其波段选择(图2)。从植被覆盖度分别获得2期的归一化植被指数图(图3、图4)。
图2 波段选择界面Fig.2 Interface of band selection
2.3 变化信息及图斑的提取及确定
2.3.1 变化信息提取
采用像元二分模型分析法,从监测期间的遥感数据中定量分析和确定地表变化特征,获得针对像素、对象或特征的检测变化。像元二分模型是假设一个像元的地表由有植被覆盖部分地表(Sveg)与无植被覆盖部分地表(Ssoil)组成,而遥感传感器观测到的光谱信息(S)也是由这2个组分因子线性加权合成,即S=Sv+Ss。各因子的权重是各自的面积在像元中所占的比率(VFC),其中植被覆盖度可以看作是植被的权重[3]。
图3 2015年5月11日影像NDVIFig.3 NDVI image on May 11, 2015
图4 2016年6月16日影像NDVIFig.4 NDVI image on June 16, 2016
VFC=(S-Ssoil)/(Sveg-Ssoil)
将归一化植被指数(NDVI)代入公式后改进的像元二分模型为:
VFC=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)
其参数:
NDVIsoil=(VFCmax×NDVImin -VFCmin×NDVImax)/(VFCmax-VFCmin)
NDVIveg=( (1-VFCmin)×NDVImax - (1-VFCmax)×NDVImin)/(VFCmax-VFCmin)
NDVImax和NDVImin分别为区域内最大和最小的NDVI值。由于不可避免地存在噪声,NDVImax和NDVImin一般取一定置信度范围内的最大值与最小值,置信度的取值主要根据图像实际情况来定。当区域内不能近似取VFCmax=100%,VFCmin=0%时,有实测数据的情况下,取实测数据植被覆盖度的最大值和最小值作为VFCmax和VFCmin,这2个实测数据对应图像的NDVI作为NDVImax和NDVImin;没有实测数据的情况下,取一定置信度范围内的NDVImax和NDVImin[4],VFCmax和VFCmin根据经验估算(表2)。
表2 NDVImax 和NDVImin参数
采用有关人员的研究,植被覆盖度的值介于[0,1]之间[5]。将植被覆盖度定义为5个等级阈值区:1)无覆盖(裸露地表和水体),VFC≤0.1;2)低覆被,0.1 图5 2015年5月11日植被覆盖度Fig.5 Vegetation coverage on May 11, 2015 图6 2016年6月16日植被覆盖度Fig.6 Vegetation coverage on June 16, 2016 图7 Image difference分析变化图Fig.7 Analysis chart of image difference 图8 Highlight change分析变化图Fig.8 Analysis chart of highlight change 2.3.2 变化图斑提取 1) 以前后2期植被覆盖度密度图为基础,剔除因物候等因素如土壤干湿度变化、水域消涨、图像并接特征及色差匹配不均、植物生长季不同表相等变化引起的非植被变化小班,剔除图斑26 033个,获得植被变化图斑12 625个。 图9 变化矢量层Fig.9 Vector layer of changes 2) 按照《全国森林资源管理情况检查工作手册(2016)》(以下简称“手册”)有关要求,收集整理近期沙坡头区域内的各类林业专题数据,如占用征收林地资料、森林林木采伐作业设计及验收资料、林政案件资料、森林灾害情况等,结合《中卫市沙坡头区林地保护利用规划(2010~2020)》的矢量数据,在叠加林业专题数据基础上,甄别变化类型(①有证采伐、②依法占地、③无证采伐、④无证占地、⑤林政案件、⑥造林、⑦森林灾害),借助 ArcGIS 中的Identity[8]工具识别林地范围内的植被变化,并形成初步判读成果。 3) 组织专家组依据检测的目标对形成的初步成果按照“手册”中的判读程序进行多次大屏幕会诊,检测林地明显变化图斑,再结合当地经济发展现状归并确认形成最终变化成果(表3)。 表3 研究区无监督像元二分模型确认变化图斑情况 按照“手册”有关要求抽取现地验证数量,现地调查核实疑似林地变化图斑10块。参照变化图斑影像,落实到山头地块,现地调查厘清图斑变化的性质、范围、面积以及影像变化的原因;对涉及林政案件的,厘清与现地的一致性及查处情况。经现地核实,因工程建设引起林地变化图斑3块,开垦种植引起林地变化图斑3块,涉及林政案件图斑3块,河道坍塌(自然因素)引起影像变化1块(表4)。 表4 研究区抽查森林资源监测现地验证情况 1) 经抽查现地验证,研究区判读正判率在90%以上,排除自然因素干扰后,人为因素引起的林地变化的正判率更高。 2)以NDVI值为参数,无需估算叶面指数等推导参数,可以适用覆盖不同植被类型,技术路线较为简单、可操作性强。 3)借助像元二分模型分析法非监督监测林地的变化,能够大面积、直观、全方位地反映区域内不同时期林地及非林地间的空间分布动态变化特征和趋势,为林政管理者提供决策依据。 4)专家组甄别时是利用专家的经验值来综合分析评价地物发生变化的特征,确定变化区域和类型。其缺点是甄别数据量庞大、效率较低、费时费力,一个区域没有一个系统的可用经验值直接采用。这就需要专家组对研究和检查区域不间断地建立解译标志,获取直接经验值。 [1] 《中国森林》编辑委员会.中国森林[M].北京:中国林业出版社,1997. [2] 路畅,王英辉,杨进文.广西铅锌矿区土壤重金属污染及优势植物筛选[J].土壤通报,2010,41(6):1471-1475. [3] 王玲.基于像元二分模型的植被覆盖度反演-以北京市为例[D].西安:西北大学,2015. [4] 罗雷.基于像元二分模型的植被覆盖动态监测-以北京市密云、延庆、怀柔为例[J].信息通信,2013(8):17-18. [5] 丁美清,陈松岭,郭云开.基于遥感的土地复垦植被覆盖度评价[J].中国土地科学,2009,23(11) :72-75. [6] 彭道黎,滑永春.北京延庆县植被恢复动态遥感监测研究[J].中南林业科技大学学报,2008,28(4):159-164. [7] 党安荣,贾海峰,陈晓峰等.Erdas imagine 遥感图像处理教程[M].北京:清华大学出版社,2010. [8] 汤国安,杨昕.ArcGIS 地理信息系统空间分析实验教程[M].北京:科学出版社,2010. Study on Directional and Quantitative Analysis of Forestland Resources Management Based on Dimidiate Pixel Model ZHU Guoxiang (Northwest Forest Inventory and Planning Institute of the State Forestry Administration, Xi′an 710048, China ) Taking Shapotou District of Zhongwei City in Ningxia Hui Autonomous Region for the studying area, this paper extracted the NDVI value from GF-1 remote sensing images in 2015 and 2016, generated the image of vegetation index difference by the dimidiate pixel model inversion, and detected the information about the reduced vegetation index. All kinds of the forestry thematic data recently were stacked and the changes of forest land were identified by visual interpretation, screening and classification. The results showed that the model could more quickly and accurately reflect the changes of forest land in research area to provide the technical support for the management of forest resources and the supervision and law enforcement of forestry administrators . forest land resources management; change detection; dimidiate pixel model; unsupervised analysis method; information of changes; plots verification 2017-05-27. 国家林业局“全国森林资源管理情况检查”项目. 祝国祥(1969-),男,高级工程师,学士.主要从事GIS和遥感在森林资源监测中的应用研究工作.Email:499856172@qq.com 10.3969/j.issn.1671-3168.2017.05.002 S711;S757 A 1671-3168(2017)05-0009-053 变化信息图斑验证
4 结论与讨论