大比例尺森林资源的监测实践与研究

雷红文,付伟雄

(永州市森林资源监测中心,湖南 永州 425000)

1 引言

森林资源监测是开展森林管理的重要措施，多采用以中低分辨率为主的遥感影像方法来完成。但是，随着社会经济的快速发展，传统监测方法已经无法满足日益增长的实际要求。目前，在进行森林资源监测时，高分辨雷达影像和遥感光学影像被广泛运用，并将其与大比例尺矢量数据进行融合[1]。例如，很多国内学者开始尝试采用对比研究方法，对基于像元(即面向对象)分类和基于像素分类进行比较，结果显示，基于像元分类方法，可充分利用遥感影像中的空间分割数据、几何结构数据、光谱信息数据等信息，获得更加精准的大比例尺监测数据，在分类精度上更具准确性，并且能够显著提升分类效率[2]。基于此，本研究拟采用基于像元分类方式，对森林资源信息进行收集和分类，以获得更多动态信息，为森林资源监测、保护与开发提供更多依据。

2 监测区概况

本研究监测区为湖南省永州市阳明山国家森林公园，位于永州市郊区，属于五岭山脉，1992年被正式批准为国家级森林公园，有“人间灵山福地”的美育。主峰海拔1625 m，方圆数十里间，林木茂密。土壤类型主要为草甸黄棕壤、低山红壤、山地草甸土、山地黄壤等。森林林种主要为防护林和特种用途林，同时分布大量杜鹃花属植物，极具观赏价值。无论是从气候条件看，还是地貌、土壤条件，明山国家森林公园均具有一定代表性，对研究本地区森林资源情况有一定指导价值。根据国务院相关要求，经湖南省政府批准，永州市开始对阳明山国家森林公园进行经济和生态建设，永州市森林资源监测中心做好相关配合工作。经过多年的发展，阳明山国家森林公园森林资源发生较大变化，需要开展森林资源调查和监测，进一步明确森林资源情况，从而对建设成果进行检验。本研究主要数据见表1。

表1 本研究主要数据

3 森林资源监测方法

本次研究采用动态监测方法，主要流程包括5个步骤，第一步骤为数据预处理，第二步骤时遥感影像多尺度分割，第三步骤为分层监督分类，第四步骤为分类之后数据处理，详细操作如下[3]。

3.1 数据预处理

阳明山国家森林公园数据预处理情况见表2。

表2 本研究数据预处理概况

上述数据预处理后，针对融合结果，对其进行镶嵌处理，获得小班图层，根据小班图层坐标系，转换遥感影像的坐标，使小班图层与遥感影像能够叠加在一起。值得注意的是，应保证两者叠加的精确性，为下一步开展作业提供便利条件[4]。

3.2 遥感影像多尺度分割

由于地表实地格局具有多层次的特征，因此在进行实际操作时，遥感影像分割采用多尺度方法，这样不仅能够更加充分的对多种类型信息进行利用，还能有效解决遥感数据源自身固定尺寸的限制[5,6]。与此同时，采用多尺度分割方法，能够结合实际需要，对特定地物的分割尺度进行精确计算，从而满足影像分割要求。在遥感影像、小班图层叠加处理后，本研究采用棋盘分割方法，对遥感影像进行首次分割处理，分割后会产生一定的对象边界，即“小班边界”[7]。从既往经验上看，如果采用传统方法直接分割遥感影像，分割对象被分割后所生成的边界，通常会与原始的小班边界不符，分类后会增加小班数据更新的工作量。而采用棋盘分割法进行分割的主要优势在于能够更加完整地对原始小班图层所具备的边界信息，如此可为分类后小班数据更新提供便利条件。

首次分割处理后，开始进行正式分割，分割尺度分别选取20、150和250。用过对上述3个分割尺度的对比发现，当分割尺度控制在150时，地物分割效果最佳，可最大程度避免出现过分分割情况[8]。再次分割后，对原始地物相关信息进行综合，并且生成新的类别层次，即原始小班对象自身内部细分割对象，通过对其进行分类，可快速将区域内变化信息进行提取出来。

3.3 分层监督分类

通过相关学者[8，9]研究证实，采用分层监督分类方法，不仅分类操作简单易行，同时能够更加充分对各个图层中地类信息加以利用。在对样本进行选取过程中，可能出现“同物异谱”情况，为最大程度上提升分类精度和分类执行效率，对其进行细致划分，并且需要进一步关注类间分离度[10]。本研究在采用分层监督分类法时，结合《湖南省森林资源规划设计调查技术规定》(2013)及《湖南省林木采伐伐区调查设计技术规定》(2017)中相关规定，将被调查区域所有地类分为两种，分别为林地区和非林地区，并对其进行详细划分，如图1所示。

图1 分层监督分类主要依据

在分层体系确定后，直接开展分层监督分类，根据不同波段情况，选择相对应的影响波段组合模式，根据实际需要，选取数量相符的特定训练样本，同时选择各地类中最为显著的指标，对其进行监督分类，并且提取各地类中监督对象，便于获取出现变化的小班对象数据和信息，为后续观察及测定提供方便[11，12]。

3.4 数据处理

针对分层监督分类后所得的变化图层分类结果，对其进行整合和重组，主要规则见表3。

表3 变化图层分类结果重组规则

根据上述重组规则，经过统计后，可获得阳明山国家森林公园被监测区域森林资源变化图.导出并生成结果，详细阅读结果，对于相同地类，将其划分到一个新的组别中，对于已经发生变化的区域，根据所发生变化的类别，对其加以充足，最终形成被调查区域森林资源分布图[13]。

举例说明：以无林地为例，对图层变化提取流程进行介绍。无林地为采伐迹地。对于无林地而言，在逐渐演变为有林地的过程中，其小班对象提取主要采用归一化植被系数，采用NDVI模式，根据需要选取训练样本，将阈值设置为0.25，则可将原始区域中(无林地)生成为小班图层(有林地)，参数为DL>150-DL>200-NDVI 0.25，将图层提取后，无林地中变为非林地的小班对象，包括水域、建筑用地、耕地彩色影像主要以如下方式呈现：①水域：暗黑色；②暂无建筑物和耕作物：白色或灰色。与其他类别对象相比，区别比较显著，可直接对训练样本进行选取，同时采用分类器(最邻近)，对其进行分层监督分类，最终将非林地中所包含3类小班对象提取出来[14]。在实践中发现，对于、地、农作物耕地等小班对象，相互之间区别不是特别明显，因此在对其进行提取时，直接选取样本，同时对其进行首次监督分类。在操作过程中发现，被监测区3类(、地、农作物耕地)地物面积有限，因此后期处理时可采用人工方式对其进行修改和更正。

值得注意的是，由于同时存在“同谱异物”现象和“同物异谱”现象，因此本次研究对于所得的分类结果，组织相关人员进行修正。分类前和分类后，均采用人工判读方式对遥感影像评价。针对手工分类结果，基于像元分类方法的修正过程，是针对分割后所生成对象的，因此能够明显提高修正准确率，并且提升修正操作效率[15]。

4 统计结果分析

经过统计，本次对阳明山国家森林公园部分区域森林资源变化的监测结果可知，该区域森林资源发生明显变化，主要体现在4个方面：①森林资源出现正向变化。所谓“正向变化”，即森林覆盖率增加，面积达到3526.417 hm2；②森林资源出现逆向变化，即森林覆盖率减少，变化面积达到1004.529 hm2；③原始地类：原始地类为空的面积为1241.567 hm2；④未发生变化：未出现变化的区域面积为24175.938 hm2。通过上述数据可以证实，阳明山国家森林公园发生正向变化区域的面积显著高于逆向变化区域面积，这说明阳明山国家森林公园近年来实施禁伐活动是成功的，重要生态区域和重点部位的林相明显改观，林分质量显著提高，为试验区开展经济建设和生态建设提供比较有利的生态保障。

为验证本次研究分层监督分类精度，在对其进行评价时，采用目视判读+野外考察两种方式相结合的评价方式[16]。其中，野外考察时间定在2019年6月30日之前完成，考察验证重点为森林资源逆向变化对象，选取4200个发生变化的地物对象，在其中选取500个影像特征不够显著的地物对象，对其进行野外现场验证，同时为其设置相应的解译标志，逐个进行检查，结果如表4所示。

表4 精度验证结果

从图4中数据可以看出，4200个变化图斑中，共计3613个判读正确，正确率达到86.02%；针对变化疑问图斑，采用人工解译方式，精度比较低。500个变化疑问图斑中，仅有146个判读正确(29.20%)；在所有图斑中，共有6244个判读正确，正确率为89.96%。经过参与研究人员的分析认为，之所以会出现判读错误，其原因在于本次监测主要以遥感影像信息为参考，关于本地区林业部门的小班变化记录，参考比较有限，因此在无林地变化、未成林造林地变化和变化的判读上，判读正确率相对较低，因此需要根据上述对象实际变化情况，对判读方式予以相应的改进[17]。

5 结论与展望

本研究利用高空间分辨率遥感影像，采用像元分类技术，利用分层监督分类方法，对永州市阳明山森林资源近两年变化进行分析，此技术利用原始林相小班图层，边界未超过其他林相小班边界，这对小班图层的更新更加有利。通过上述研究结果可以说明，将遥感影像空间分辨率调整到高精度(0.5 m)，探索适宜1∶10000小班数据更新分类技术，能够快速且精准的获取森林资源动态信息变化，不仅能够充分利用遥感影像的光谱信息，还能最大程度上降低人工作业量，为森林资源监测中心开展大比例尺森林资源动态监测提供实践参考。

但是，鉴于目前基于像元分类技术在实际应用过程中尚存在一定问题，如分类特征选取、最优尺度选择等，需要在日后相关研究中适当增加对此类问题的分析。从国内外现有研究情况看，在最优尺度选择上，需要构建相应的评价模型，分类特征选取则利用Relief FO、ISEaTH等算法。当然，在实践应用时，也存在“同谱异物”，或者“同物异谱”情况，对于以及未成林地，采用高分辨影像对其进行区分，精度上可能存在一定不足，需要对上述两种情况加以重视，改进相关技术[18]。

总之，要想在森林资源监测中获得更加准确的像元分类结果，不仅要使用具有高空间分辨率的遥感影像，也要结合实际需要，制定详细的分类策略，并对分割尺度、分类方法等进行不断完善。