高分辨率航片小班区划与树种判读

熊 昊,庞 勇,李春干,代华兵

(1.中国林业科学研究院资源信息研究所,北京 100091；2.广西大学 林学院,南宁 530004；3.广西林业勘测设计院,南宁 530011)

近年来,虽然多源遥感数据开始应用在森林资源规划设计调查(简称森林资源二类调查)中,但是影像数据相对于其他数据源,因具有更易获取、成本低、应用便捷等特点,仍在二类调查等森林资源调查监测工作中广泛应用。而影像的目视解译在森林资源调查监测中发挥了重要作用:目视解译能够为自动化分类算法提供训练、测试数据集[1-2]；目视解译方法可以直接从影像获取统计数据[3]；目视解译数据可以用于验证由遥感方法制作的地图,Hansen等[4]基于由影像目视解译生成的参考数据对30m分辨率的全球森林覆盖变化产品进行了校准和验证；目视解译可以和自动化方法综合应用,De Sy V.等[5]利用UN-FAO的森林采伐数据对南美森林采伐后的土地利用类型进行了评估,该数据是使用自动分割和目视解译方法共同获取的；Pengra等[6]对500景全球范围内的卫星影像进行了自动分类后,用目视解译的方法校正,形成了2m分辨率的森林覆盖率参考图；Beyal等[7]给目视解译方法加入了植被指数形成了增强目视解译；目视解译可以用于得出森林发生变化的原因[8],Curtis等[9]用自动化方法获取了森林损失的区域后,使用目视解译方法进一步将各区域区分为采伐区、火烧迹地、病虫害区域、林农轮作区域等。

在目视解译中,影像分辨率的影响较大。目前,在目视解译研究中,国内常用的影像分辨率为 2.5～5m[10]或更低[11]。使用这些影像进行区划和优势树种判读时,往往只能通过成片区域的整体形状、颜色和纹理等信息进行判读,而无法清晰地获取每株树的信息,这样会造成区划边界误差和对优势树种的误判。而分辨率更高的无人机影像虽然判读准确度高,但每次获取数据的区域范围过小[12],不适合用于大范围的森林资源二类调查工作。欧洲一些林业发达国家已广泛使用机载高分辨率航片进行目视解译,将其应用于森林资源调查监测[13-14],或是作为验证数据等[15]。

本研究以广西壮族自治区南宁市高峰林场为研究区,对CAF-LiCHy系统获取的高分辨率航片进行小班区划,树种解译标志制作及树种判读,以期探究有人机航片数据在森林资源调查监测中的应用,并为广西地区的森林资源二类调查提供参考树种解译标志。

1 研究区及数据

1.1 研究区概况

研究区域位于广西壮族自治区南宁市高峰林场的东升分场。东升分场地理坐标介于22°56′～23°00′N,108°22′～108°26′E之间,属湿润的亚热带季风气候,年平均气温在21.6℃左右,极端最高气温40.4℃,极端最低气温-2.4℃。年均降雨量达1 304.2mm,平均相对湿度为79%,气候炎热潮湿。主要分布的树种有:杉木(Cunninghamialanceolata)、马尾松(Pinusmassoniana)、巨尾桉(Eucalyptusgrandis×E.urophylla)、八角(Llliciumverum)、毛竹(Phyllostachysheterocyclecv.Pubescens)、 火力楠(MicheliamacclureiDandy) 等。

1.2 数据

1.2.1高分辨率航片

本研究所采用的遥感数据是中国林业科学研究院的CAF-LiCHy综合遥感观测平台于2018年2月获取的高分辨率航片。航片空间分辨率为0.2m,高于当前大部分林业二类调查所使用的遥感数据。航摄遥感平台为国产运-5小型多用途飞机,飞行高度为1 000m。CAF-LiCHy系统包含1台全波形机载激光雷达(LMS-Q680i)、1台机载推扫式高光谱扫描仪(AISA EagleⅡ)和1台高分辨率CCD相机。相机型号为Hasselblad H4D-60,航向和旁向重叠率分别为60%和30%。3个传感器共用1套POS位置和姿态系统,关于该系统高分辨率CCD相机及POS系统的技术指标介绍如表1所示[16]。

1.2.2地面调查数据

地面调查时间为2018年1月中旬,调查方法为实地踏查,首先使用随机抽样方法选取了调查点,之后在踏查时使用手持GPS对调查点进行定位,同时记录了调查点的优势树种现状及照片。去除样本量少于5个的树种后,获取的样本点总数为76个,包括桉树28个,八角9个,火力楠12个,杉木10个,马尾松12个和新造未成林地5个。研究区高分辨率航片和地面调查点分布如图1所示。

图1 研究区高分辨率航片和地面调查点分布图Fig.1 DOM data and field survey site of study area

1.2.3参考数据

小班区划参考数据包括最新林地变更调查成果,上一期二类调查的小班区划结果,以及森林经营管理档案材料等。

2 方法与技术路线

2.1 航空影像处理

对采集的航片数据,使用pix4DMapper软件[17]进行处理。首先导入原始影像数据、POS(Position and Orientation System)数据,基于相片外方位元素和CAF-LiCHy系统同时采集的激光雷达点云生成的数字高程模型(DEM)进行单片微分纠正,并对设定范围内纠正后的航片进行镶嵌、裁切,获得数字正射影像(DOM)。正射影像的空间分辨率为0.2m,含红(630～780 nm)、绿(500～570nm)、蓝(420～470nm)3个可见光波段。接着对正射影像进行小班区划,对航片建立树种解译标志,开展小班优势树种类型目视解译及精度验证,最后形成小班优势树种图,总体流程图如图2所示。

表1 CAF-LiCHy系统CCD相机及POS系统技术指标Tab.1 The CCD and POS parameters of CAF-LiCHy system

图2 总体流程图Fig.2 The overall flowchart

2.2 小班区划方法

采用连续小班区划方法进行区划[18],根据上一期森林资源规划设计调查成果的小班区划界线进行检查,与影像位置吻合不好的边界进行修改和补充,位置无误的界线予以保留,使区划调整后的小班界线相对稳定,反映出的是地类和林分本身的变化。本次区划依据《广西壮族自治区第五次森林资源规划设计调查技术规程》规定的小班区划精度要求,小班划分条件执行《GB/T 26424-2010森林资源规划设计调查技术规程》的规定,根据影像和研究区特点作出了适当调整。小班边界根据0.2m分辨率航片上的边界现状进行划定,逐小班进行区划。

2.3 树种判读方法

树种判读方法为人工目视解译方法,根据《广西壮族自治区第五次森林资源规划设计调查技术规程》中的小班基本属性识别技术规程和《GB/T 26424-2010森林资源规划设计调查技术规程》中规定的要求进行判读,包括建立解译标志、目视解译和现地验证3个步骤。树种识别的主要依据为航片表征,包括:颜色、色调、纹理、图案、形状、大小、阴影、位置和空间关系等,参考依据为外业典型性调查、最近一次森林资源规划设计调查成果小班分布图,以及森林经营管理档案材料等。

2.3.1建立解译标志

对小班中的优势树种进行判读,首先要建立解译标志。本研究针对LiCHy高分辨率航片影像特点及广西地区树种特点建立了新的解译标志。根据调查范围内森林资源特点和分布状况,选择有代表性的勘察路线[19],将航片影像特征与实地情况相对照,获取各树种(组)的影像特征,并记录各树种(组)的影像色调、亮度、纹理、形状、空间位置等信息,建立判读解译标志并汇总为广西高峰林场优势树种解译标志图和表。优势树种解译标志如表2、图3所示。

表2 树种解译标志表Tab.2 The interpretation signitures of tree species

(a)杉木 (b)马尾松 (c)荔枝

(d)油茶 (e)八角 (f)玉桂

(g)红锥 (h)西南桦 (i)荷木

(j)桉树 (k)杂交相思 (l)黑木相思

(m)火力楠 (n)米老排 (o)椴树

(p)竹类 (q)其他软阔图3 优势树种解译标志Fig.3 The interpretation signiture of dominate species

2.3.2目视解译

在影像上叠加小班边界后,以树种解译标志为依据,结合成像时影像的特点,并综合使用森林经营管理档案、当地资料等补充材料,结合影像上树木的色调、亮度、纹理、形状、空间位置等信息,在高清航片上进行目视解译。在进行解译时,遵循从已知到未知,从整体到局部的原则[20],综合分析各种因素,实现解译。解译完成后,对解译结果进行精度验证,并制图。

2.3.3精度检验

使用实地调查的优势树种与相同地理坐标的目视解译结果对照,并对相同小班地面实测的优势树种类型和目视解译的优势树种类型建立混淆矩阵进行精度检验,计算Kappa系数。

3 结果与分析

3.1 小班区划结果

小班区划结果形成2018年高峰林场东升分场的小班区划图,如图4所示,红色线为小班界,蓝色线为林班界。

3.2 目视解译结果

目视解译结果叠加小班边界后制成优势树种图,如图5所示。从图中可以看出广西常见树种的数量、分布及各小班的形状、大小、分布等信息。目视判读的精度检验结果如下:树种判读验证结果如表3所示,树种判读精度如表4所示。表中结果显示,优势树种基本可以准确判读,判读不符的大部分都被划分为新造未成林地,判读结果总体精度为92.11%,Kappa系数为0.90,精度较高。

图4 高峰林场东升分场小班区划图Fig.4 Sub-compartment division of Dongsheng Sub-farm,Gaofeng Forest Farm

图5 东升分场优势树种解译图Fig.5 Interpretation of dominant species in Dongsheng Sub-farm

表3 树种判读验证结果Tab.3 The verification result of tree species interpretation 株

表4 树种判读精度Tab.4 The accuracy assessment of species interpretation %

3.3 结果分析

由试验结果可知,采用高分辨率航片进行小班区划和目视解译,能够及时并较准确地获取小班变化结果、树种类型及现状。使用高清航片区划的小班界线精度高,并且能够及时区划出新修的道路以及采伐或植苗的地点。树种判读中桉树、八角、火力楠、马尾松、杉木等主要树种判读准确率高,其中,八角、火力楠、杉木、马尾松用户精度为100%。对于1a生树种,在新造未成林地刚萌芽或植苗的桉树判读较准确,而这在卫片或清晰度不足的航片上是难以判别的。但1a植苗的其他树种,如,杉木、火力楠由于生长较慢,在航片上表现不明显,容易被区划为新造未成林地。

4 结论与讨论

本文使用了目视解译的方法,利用机载高分辨率航片重新区划了小班边界,建立并根据所建立的研究区解译标志完成了小班优势树种的目视解译,解译总体精度为92.11%,Kappa系数为0.90,精度较高,表明了机载高分辨率航片在小班区划和优势树种判读中具有较大的应用潜力。

本研究的高清航片目视解译结果不仅可以直接应用于森林资源二类调查工作对森林资源现状的分析,也可以和自动化分类方法综合应用,作为参考数据或提高自动化方法的精度,并可作为机器学习分类方法的训练集、测试集。同时,本研究针对LiCHy高分辨率航片影像特点及广西地区树种分布和特征建立了新的解译标志,该解译标志图与以往使用的航片解译标志图相比,比例尺更大,显示树种特点更精细,不同树种间解译标志图的差异更大,便于目视判读,并且涵盖了广西地区大部分主要树种,也可以应用于今后的广西地区森林资源二类调查中。

在影像分辨率方面,本研究所采用的CAF-LiCHy系统采集的高清航片,能够清晰地获取每株树的信息,可以对每株树的形状、颜色和树冠纹理等信息进行判读,大大提高了准确率,并且能够一次性地对获取的大范围的影像进行区划和判读。这就避免了分辨率较低的影像只能根据成片区域的整体形状、颜色和纹理等信息进行判读,而无法清晰地获取每株树的信息,造成区划边界误差和对优势树种误判的问题。

在森林资源调查的工作中,树种识别的自动方法目前并不能取代人工目视解译,首先是因为自动分类方法的精度不足。当影像分辨率过高时,由于枝茎等树种内部结构的光谱差异和树冠的影响及椒盐效应,使分类精度降低；而影像分辨率低时,分类相关特征难以准确提取,导致分类精度低[21]。另外,由于不同影像获取条件不同,如影像色调、明暗等的不同,会产生影像质量差异,自动识别难以适应影像质量的变化,而人工目视解译时可以综合多种资料、信息,不其受影响。

另外,采用CAF-LiCHy系统获取的高清航片数据可以与同步采集的高光谱成像仪及全波形LiDAR获取的数据进行对照和综合应用。全波形LiDAR获取的数据可以为森林资源二类调查增加森林垂直属性信息,以便于更加高效地进行森林资源二类调查工作。