林业调查新技术发展动态研析

闫保银，姜文龙*

（南京国图信息产业有限公司，江苏 南京 210000）

2020 年，自然资源部印发了《自然资源调查监测体系构建总体方案》（以下简称《方案》），《方案》指出“以空间信息、人工智能、大数据等先进技术为手段，构建高效的自然资源调查监测技术体系,查清我国土地、矿产、森林、草原、水、湿地、海域海岛等自然资源状况，强化全过程质量管控，保证成果数据真实准确可靠”。按照要求，2021 年自然资源部制定了《自然资源调查监测标准体系（试行）》（自然资办发〔2021〕5 号），明确了林业调查为专项调查，并组织制定相应的技术规程。

传统的林业调查采用罗盘仪、全站仪、测绳等工具，定位至小班后，采用样地实测或角规实测的方式完成，多依靠人力进行。虽然调查精度较高，但工作效率较低，人力投入量大。在推进构建统一的自然资源调查监测体系的大背景下，传统的林业调查方式显然不能满足自然资源监测体系的需要，也有悖于《方案》提出的构建高效自然资源调查监测技术体系要求。

1 林业“3S ”技术

“3S”技术由全球定位系统（GPS）、遥感技术（RS）和地理信息系统（GIS）组成。在林业调查领域，该项技术的应用最早可追溯至二十世纪七八十年代，主要围绕收集区域间隔期内的航片和卫片信息，实现森林资源动态监测的相关研究。经多年发展，基于“3S”技术的林业调查方法愈发成熟，主要流程包括：遥感影像数据的收集与处理、判读解译标志库的建立、小班调查因子的提取、实地补充调查、建立回归模型和成果产出。目前，国内外学者多采用高分遥感影像，基于植被纹理特征，开展森林植被分类、生物量估测、灾害防控等专题研究。

1.1 植被分类研究

研究方法包括多源遥感分类法、机器学习分类法和其他分类法（含分类器、面向对象法、混合像元法等）。目前，在多源遥感及辅助信息分类法、机器学习分类法方面研究较多。

1.1.1 多源遥感分类法研究

该方法细分为基于植被指数的分类法、基于多时相的分类法、基于辅助信息的分类法。在基于植被指数的分类法方面，通过分析植被在不同波段的吸收性与反射率，确定最终具有强吸收性和高反射率的波段，一般为红光波段（R）和近红外波段（NIR），将R 和NIR 建立数学关系后，用于区分植被指数。归一化植被指数（NDVI）应用较多，郑维龙等基于2001 至2010 年黄淮平原MODIS—NDVI数据集，分析了黄淮平原间隔期内的植被覆盖变化，结果较为理想；许新惠等基于RS 和GIS 技术，对昆明市2013 至2015 年植被分类和覆盖度进行时空特征研究，分析了各植被类型的分布及动态变化状况。除NDVI 外，也有学者采用土壤调节植被指数（SAVI）、比值植被指数（RVI）、垂直植被指数（PVI）等进行分类。总体而言，无论是采用NDVI 亦或是SAVI、RVI 等其他指数，在地形环境较为复杂，林相效果破碎的区域使用时会受到限制，同时，精度普遍不高。

多时相遥感影像能够客观反映植被不同季节特征。Aurdal 等在植被分类时加入午后因子，采用HMM模型对山地植被进行分类，其精度显著提高；魏鹏飞等基于GF1/WFV 遥感影像，利用NDVI、EVI 和WDRVI 时序变化特征，对安徽省颍上县主要农作物进行分类识别，成功获取了农作物分布情况，总体精度达90%以上；黎良财等基于1987 至2013 年的Landsat TM/ETM+/OLI 时序遥感数据，研究了喀斯特山区植被覆盖情况，客观反映了所研究时段植被变化状况及分布，为植被动态监测提供了参考。

由于单纯依靠遥感影像易造成“同物异谱”和“同谱异物”的现象，因此可加入纹理、地形、光谱等辅助信息参与分类。Pouliot 等基于MODIS 数据，加入高程、水文、交通等辅助信息并采用TM影像采样，较好地监测了加拿大森林覆盖情况；Donager 等将遥感影像与LiDAR 技术融合，对美国Arizona 森林植被郁闭度监测，其方法虽具有一定的创新性，但其精度未达90%；李广采用UAV 技术，获取了植被纹理参数（TLVI）并用于农作物种植信息的提取，虽然提取精度较高，但其成本也较高，仅能在小范围内应用。

1.1.2 机器学习分类法研究

机器学习分类法目前主要集中于人工神经网络（ANN）的研究。在人工神经网络（ANN）中，BP 神经网络、模糊神经网络多应用于植被分类的研究。近年来，卷积神经网络（CNN）也逐渐成为分类领域的一大研究热点。李永亮等以马尾松、樟树、荷花玉兰为研究对象，将高光谱特征数作为输入矢量，树种类别作为输出矢量，以此构建BP 神经网络，对上述树种进行分类，分类精度高达100%；刘旭升等基于ETM+影像，采用BP 神经网络法对内蒙古九峰山森林植被进行分类，结果表明，采用神经网络分类，精度较其他分类法均有所提高；左羽等将经典卷积神经网络与全卷积网络相结合，对植被图像进行分类，结果表明，其准确度达到97.23%。采用人工神经网络结合高分影像对植被分类是未来的趋势，但其算法较为复杂，处理时间较长，有待进一步优化与完善。

1.2 生物量估测

早期基于“3S”技术的生物量估测方法：利用遥感数据（如TM、NOAA-VHRR 等），提取相关植被指数（如归一化植被指数NDVI），结合样地实测数据，建立不同树种或不同植被类型的生长模型，以此来推算生物量。近年来，随着研究不断深入，逐步改进并完善了原有技术方法，提高了估测精度。

刘常瑜等以崂山林场为对象，基于TM和GF-1 号影像，结合地面实测数据，建立了生物量反演模型，并对比在不同数据源下的模型精度，结果表明，GF-1 号生物量反演模型精度优于TM影像；温小荣等基于泗阳县森林资源连续清查数据与TM 影像，对植被指数（RVI、NDVI、TNDVI 等）进行提取并分析其相关性，挑选相关性较高的因子参与生长模型的构建，并估算出全县杨树生物量；陈中如等以河南省商城县黄柏山林场为研究对象，基于SPOT 影像对森林生物量进行估测，结果表明，生物量与第三近红外波段相关性显著。此外，估测精度依树种而定，通常叶片密度越大，估测精度越高。

1.3 灾害防控

“3S”技术在灾害防控方面的应用主要包括森林火灾防控和森林有害生物防控。

目前，对于森林火灾防控方面的研究较少，多偏向于火险发生规律总结以及火险的评估与区划。何诚等基于MODIS 数据所提取的8+9 波段，对黑龙江省2000 至2010 年森林火灾时空规律进行研究，阐明了火灾发生规律以及与气候、地形、植被类型的关系，认为MODIS 特别适用于森林火灾监测。在火险评估与区划方面，主要研究方法包括：通过提取林火影响因子进行火险区划，和采用风险评价原理进行火险评估。

在森林有害生物防控方面，主要是以GIS 为平台，利用遥感数据反射光谱的特性，通过对比不同时相的影像数据，发现森林有害生物的动态变化，实现区域的信息管理，掌握发生的范围，最后对灾害进行风险评估以及预测预报。陈春叶等以遥感数据和地面实测数据为信息源，对小陇山有害生物现状和生态系统进行监测，结果较为理想；刘福臣采用TM影像，对大兴安岭黄褐天幕毛虫危害区域进行动态监测，研究方法达到国内领先水平，但研究未考虑林分结构的差异，对于复层林监测精度不高。

2 LiDAR 技术

LiDAR 技术在林业上的应用最早可追溯至20世纪80 年代，因其具有成本低、精度高的优点，被林业调查工作者青睐，已成为林业调查领域的一大热点。LiDAR 系统主要有星载雷达、机载雷达和地基雷达，目前，在林业调查领域多偏向于机载雷达和地基雷达的研究，其研究内容可总结概括为数据获取阶段（LiDAR 数据获取和地面实测数据获取）、数据预处理（滤波、降噪、地面点分割等）、点云分割（DSM/DTM/CHM 生成、单木分割等）、参数反演（胸径、树高、生物量等）。

机载激光雷达可直接获得树冠上部的空间特征（如树高、冠幅等），将其与实测数据建立反演模型后，即可获得胸径、生物量、蓄积量等因子。马骧等采用机载激光雷达，对金坛区碳汇监测点77、250 号小班进行LiDAR 估测研究，其胸径、树高、公顷蓄积量估测误差分别在5%、5%、15%以内，符合相关规程要求；庞勇等同步获取了小兴安岭温带森林的LiDAR 数据和地面实测数据，对森林生物量开展估测研究，结果表明，LiDAR 估测的生物量与实测值相关性较强，其中针叶林估测精度优于阔叶林。

地基激光雷达能直接测得林冠下部结构信息（如单木位置、胸径等），通过回归分析计算其他调查因子，测树原理与机载激光雷达类似。刘芳等随机抽取6 个树种进行三维激光扫描，对树冠体积的求算方法进行研究，实现了树木的无损高精度测量。除三维扫描外，还对不同种植密度下的估测精度进行了研究，研究发现：种植密度与估测精度呈反比关系。若种植密度过大（如1 000 株/hm），可考虑在样地内设置多个测站，提高探测率。

3 数字摄影测量技术

目前，国内外对于数字摄影测量技术在林业调查方面的研究较少，主要是通过无人机航空摄影结合林业专项调查数据，建立相关模型提取林分因子（株数、树高等），再通过实测数据对比、验证数据的可信度。徐攻博等提出一种基于DSM、DTM、正射影像的自动化解译技术，通过采集航空摄影数据，采用开闭合算法提取所需的调查因子用于估测蓄积量，其结果符合技术规程的精度要求；李明泽等采用航空影像，构建立木数字立体模型，并进行立木高度测量，对比实测数据发现，两者呈线性正相关，采用摄影测量立木高度方法精度较高。除利用航空摄影直接测量外，还可将其与LiDAR 技术配合使用。地基激光雷达可直接获取林下地形等数据，结合无人机航空摄影获得冠层表面高度信息，在保证数据位置匹配的情况下，实现优势互补。

4 结语

当今信息化时代，“3S”技术、LiDAR 等新技术的应用，不仅显著提升了林业调查工作效率，而且减少人力、物力投入。但林业调查属于综合性领域，涉及林学、测绘学、遥感学等多学科门类，调查时还受地形、森林植被生长季节等因素影响。目前，在林业调查领域尚未形成成熟推广的新技术应用体系。尽管新技术的应用可能存在成本高、精度不太理想等问题，但随着技术的发展，数据获取及处理流程将会更加智能化、低成本化，可以满足林业调查新的更高需求。