基于高空间分辨率遥感影像的橡胶林地信息定量识别研究

徐云栋

摘 要：以国产高分辨率的“资源一号”02C卫星（空间分辨率为2.36m）和“资源三号”（空间分辨率为2.5m）为信息源，以橡胶林地信息自动识别为研究内容，在前期对橡胶林光谱特征分析的基础上，进行橡胶林长势遥感估测。研究成果不仅可以为长期监测边境区域的橡胶生产产量提供科学的技术方法，对基于高分辨率遥感、GIS技术的边境区域橡胶林地种植信息遥感定量化监测系统打下基础。同时为中国对全球开展橡胶代种植监测提供技术保障，并为今后开展区域种植中长期监测提供依据。

关键词：遥感 ；橡胶林地； 定量识别

橡胶树原产于巴西亚马逊河流域热带雨林，是一个国家军事和外交资源，对一个国家的经济发展、政治稳定和国家安全起着重要的作用。天然橡胶产业是一种典型的资源约束型产业，在生产地域和产品性能等方面具有不可替代性，在亚洲的种植区主要分布在泰国、马来西亚、越南以及中国的海南、广东、云南等地。在中国以橡胶林为主导的经济种植园发展迅速扩大，热带雨林、季雨林不断减少，给橡胶种植区的生态环境造成了巨大的压力，水土流失、土壤肥力下降和地方气候变化等生态矛盾日益突出。由于缺乏对橡胶种植现状的掌握，在橡胶种植面积及产量等基础数据上我国一直采用传统的统计方法来估算，估算精度的不准确直接导致我国在橡胶成品的贸易中巨大经济损失。因此，迫切需要一种快速识别橡胶林地信息的新技术，对橡胶的长势进行监测及对其产量进行估算。

与中低分遥感辨率图像相比，高空间分辨率遥感图像中混合像元减少、景观类型内光谱变化和噪声增加，传统基于像元的图像分析方法由于严重的“椒盐效应”而难以保证分类精度（Schiewe etal.， 2001）。为充分利用高空间分辨率遥感图像丰富的纹理和结构信息，创造和发展了新的图像分析方法—面向对象分类（Object-oriented classification），这种方法突破了传统方法以像元为基本分类和处理单元的局限性，以含有更多语义信息（Semantic information）的由多个相邻像元组成的对象（Object）为处理单元。面向对象分类包括两个阶段：图像分割和分类。图像分割将像元合并得到同质对象。因为对象由相邻的多个像元组成，所以可以检测和计算各种各样的特征，如光谱、纹理、形状、结构、位置和相关布局等，因此，对象具有十分丰富的目标地物信息，这种方法能够得到比像元分类方法更好的分类效果，尤其是对高空间分辨率遥感数据（杜凤兰等，2004；熊轶群等，2006；杨长保等，2006）。

一、研究内容

橡胶林地信息的遥感定量化识别技术是开展全球橡胶种植面积及产量等遥感监测工作的基础。本研究利用国产中高分辨率遥感数据（资源一号02C星、资源三号）结合WV-2高分辨率卫星遥感技术定量监测橡胶作物种植状况，主要研究内容包括：

1.种植区橡胶的生物学特性及遥感光谱特征研究

充分掌握橡胶的生物学特性，了解橡胶的生长区域。熟悉当地种植者的种植技术，这是识别橡胶种植区的关键，主要需要区分茶叶等种植区域。

研究产胶橡胶林（5-7年以上）与幼林橡胶的光谱区别；研究复杂山区橡胶遥感光谱特征提取，这是由中老边境的橡胶种植区域的特殊地理环境决定的。同时，要注意解决因地形的原因造成的“物谱变异”的问题，这些是进行遥感监测、遥感识别的关键。提取光谱特征对不同作物进行识别和分类作为规律，了解了橡胶作物的光谱特征。以发现大体上能与普通作物区分的基本规律。

2.橡胶长势监测与遥感估产模型研究

使用中高分辨率遥感卫星WV-2、“资源一号”02C卫星或“资源三号”数据数据，可以准确、及时、完整的获取实时实地数据、再根据其具体的控制因素在控制橡胶生长中的作用规律或其相互关系，即通过对生长面积、微宏观气候适宜条件、生长状况等进行定量监测，可为提前预知橡胶产量提供科学依据。

橡胶的长势及产量可以通过建立模型得到，其中叶绿素、叶面积指數是主要监测指标，通过选取合理的遥感植被指数来建立叶绿素、叶面积指数、花期光谱特征关系动态变化与橡胶单位面积产量的关系，再结合从遥感图像上提取相关的信息，从而可以对大面积的橡胶进行长势监测及估产。通过计算机自动识别技术方法，实现橡胶种植的面积精确定量估算。

二、研究方法

本研究利用高分辨率遥感影像识别技术、GIS空间分析方法与多元统计技术相结合，建立研究区橡胶分布梯度变化与生态环境因子（海拔、降雨量、土壤等）的关系模型，利用高分辨率遥感数据对研究区橡胶种植面积、长势进行监测，最终建立橡胶估产模型。

1.试验区选取与数据的采集

（1）试验区的选择：本研究拟选在西双版纳的勐腊县区域。

（2）数据的选择：卫星遥感数据： “资源一号”02C卫星（空间分辨率为2.36m）或“资源三号”（ 空间分辨率为2.5m）数据。

（3）研究区相关数据及资料：主要包括收集研究区的林相图、土壤图、1：10000的基础地形图、森林分布图等。

2.数据处理

遥感数据进行预处理，主要对原始影像进行辐射校正、几何精校正和影像融合以及最佳波段的选择等。

3.研究区高分辨率遥感影像光谱特征分析及种植面积确定

（1）基于高分辨率卫星数据，提取研究区内橡胶的光谱特征，植被指数等；

（2）区分复杂山区的波谱特征规律及其他农作物的遥感光谱特征，实现自动识别试验区内的橡胶种植情况；

（3）建立研究区橡胶分布梯度变化与生态环境因子（海拔、水分、温度等）的关系的模型，确定橡胶种植面积。

4.橡胶林地长势监测

（1）利用免费获取的高空间分辨率遥感卫星影像对研究区橡胶的色素含量、叶面积指数等指标进行监测；

（2）选取合理的遥感植被指数对研究区橡胶林产量与色素、叶面积指数等指标的动态变化关系进行分析；

（3）结合遥感影像上提取的相关信息及统计分析技术，进行橡胶林的长势监测。

4.建立橡胶估产模型

基于橡胶长势监测模型，结合研究区橡胶种植面积、气候条件等建立基于各环境因子的橡胶产量遥感估测模型。

三、研究结果

1.得到了图1的研究区遥感影像图

2.研究区橡胶种植分布梯度图的提取如图2

3.遥感建模因子及的选择

查阅相关文献，选择相关遥感因子作为模型建立备选因子，最后选出15个遥感因子作为备选建模因子，具体选择情况如表1

4.研究区各种植被指数的提取结果

根据查阅文献和所做研究所需，总共提取了研究区的四种植被指数，分别为NDVI（归一化植被指数）、DVI（差值植被指数）、RVI（比值植被指數）和PVI（垂直植被指数），结果如图3

5.研究区叶面积指数的提取结果

建立叶面积指数（LAI）与NDVI的模型，具体模型为：

由此得到研究区的叶面积指数如图4

6.研究区橡胶林种植分布图提取结果

传统的分类方法是依靠光谱特征进行分类的，而本次对橡胶林地的提取使用图像分割结合纹理信息和NDVI阈值法对图像进行分类，提取橡胶林地信息，结果表明使用了纹理信息和NDVI阈值法对图像的分类精度要比单纯的使用光谱信息分类精度高。

本研究提取橡胶林地信息的关键为区分橡胶林地和周边植被的光谱信息，特别是茶树种植区。得到勐腊县橡胶林种植区如图5.

7.橡胶林估产模型

经过SPSS建模得到橡胶林估产模型为：y = 0.426869 + 0.6773×x – 0.01273x2+0.0011377x3-4.61986×10 -5 ×x4，其中 X为生长轮年龄。该模型的模型精度用均方根误差RMSE，预测精度P以及相对误差E来衡量，RMSE = 2.314，P = 82.276%，E = 1.37。

参考文献：

[1]林东泓.天然橡胶现货与期货价格功能研究及其在农垦橡胶企业的应用[M]，中山大学，2009.

[2]赵绒娟.基于ENVI的高分辨率遥感图像在矸石山提取中的应用研究[J]. 科技广场，2015（2）.

[3]曹宝，秦其明，马海建，邱云峰. 面向对象方法在SPOT5遥感图像分类中的应用--以北京市海淀区为例[J]. 地理与地理信息科学，2006（2）：46：49，54.

[4]王军.橡胶坝的运行管理中存在的问题及对策 [J]. 建筑工程技术与设计，2017（17）.

[5]张良培， 张立福.高光谱遥感 [M]. 武汉大学出版社，2005.