遥感影像判读在洮河国家级自然保护区森林资源二类调查中的应用

杨帆

摘 要 森林资源二类调查对于生态环境保护和林业的可持续发展至关重要。遥感影像判读技术因具有全面、高效的特点成为森林资源调查的有力工具。因此，以甘肃洮河国家级自然保护区为例，运用高分辨率的遥感影像，通过植被指数的提取，系统地研究不同植被类型的植被分类情况、精度评估与验证、植被生态学参数提取结果。通过这一方法，旨在为森林资源的科学管理和保护提供更准确、全面的数据支持。

关键词 遥感影像；影像判读；森林资源；二类调查

中图分类号：S771.8 文献标志码：A DOI：10.19415/j.cnki.1673-890x.2023.24.035

森林是地球上最重要的生态系统之一，不仅为生物提供了栖息地，还对全球碳循环和气候调节起到关键作用[1]。为了更好地实现森林资源的可持续管理和生态环境保护，深入了解森林结构、植被类型、生态系统的动态变化显得至关重要[2]。传统的野外调查工作耗时、费力，而遥感技术能够在较短时间内完成对广大地区的植被监测，为科学家和决策者提供及时的数据支持。在这个背景下，遥感影像判读技术在森林资源二类调查中崭露头角，为科学研究和管理提供了高效、全面的工具[3-4]。遥感影像判读技术的应用优势在于其高度自动化及可以进行大范围覆盖的特性[5]。笔者聚焦甘肃洮河国家级自然保护区，运用遥感影像判读技术，旨在深入了解该地区森林资源的空间分布、植被类型和动态变化。

1 研究区概况

甘肃洮河国家级自然保护区位于甘肃省南部（东经102°46′02″～103°44′40″，北纬34°10′07″～

34°42′05″），涵盖卓尼县、临潭县、迭部县、碌曲县及合作市的部分地区，总面积为287 760 hm2。该区域植被呈现出显著的坡向分布差异，以灌丛、草原为主，同时局部出现旱生针叶林，形成了独特的“阴阳坡”植被景观；垂直分布上，2 485～2 700 m区域呈现山地针阔叶混交林带，随着海拔的上升（2 700～3 600 m），

形成亚高山寒温性针叶林带。

该地区海拔高差较大，地形复杂，为各种森林植被的生长提供了适宜的条件。最新科考结果显示，该区域拥有7个植被型组、13个植被型、23个群系组、56个群系和98个群丛。因此，甘肃洮河国家级自然保护区内的植被表现出区系复杂、种类丰富、类型多样、过渡性强及垂直分布明显等显著特点。

2 研究方法

根据甘肃洮河国家级自然保护区的地理特征和植被分布情况，遥感影像判读可作为森林资源二类调查的重要研究方法。试验选择Landsa卫星提供中分辨率的多光谱和热红外数据，用于整体的植被覆盖分析。Sentinel-2卫星提供更高分辨率和更频繁的观测，用于监测植被的动态变化。选择红、绿、蓝、近红外等波段的多光谱数据，以获取植被光谱信息，高光谱数据可以提供更丰富的光谱信息，有助于更准确地对不同植被类型进行分类。

利用遥感数据提取甘肃洮河国家级自然保护区内不同植被类型的光谱信息。通过分析不同波段的反射率，可以区分阴坡、半阴坡和阳坡上的不同植被类型。采用监督分类方法，将遥感影像划分为不同的类别，如针叶林、阔叶林、草地、灌木。监督分类可以使用已知地物的样本进行训练，提高分类的准确性。

对分类结果进行精度评估，通过地面调查数据或高分辨率影像进行验证，评估分类的准确性和可靠性。利用多期遥感影像进行植被变化监测，识别森林覆盖的变化趋势，包括面积的扩张或减少、植被类型的演变等。结合地理信息系统技术，对森林资源的空间分布进行定量分析，了解不同植被类型在甘肃洮河国家级自然保护区内的分布情况。根据遥感数据，提取归一化植被指数（Normalized Difference Vegetation Index，NDVI）和增强型植被指数（Enhanced Vegetation Index，EVI）等常用于遥感影像中植被监测和生态学研究的植被指数，通过对不同波段的反射光谱进行计算，收集植被生长和健康状态的信息。EVI与NDVI类似，相对于NDVI的改进在于考虑了大气校正和土壤影響，使其对植被生态学参数的反映更为准确，更适合用于高植被覆盖和高气候条件下的地区，但这两种指数都是通过遥感数据中植被和非植被区域的反射率之间的差异来衡量植被的生长和健康状况，为二类调查提供科学的数据支持。

NDVI计算公式为

（1）

式中：RNIR为近红外波段的反射值；Rred为红色波段的反射值；INDV的取值范围在-1～1，通常植被茂盛的地区具有较高的正值，而无植被的地区则可能呈现较低值或负值，主要用于反映植被的生长状况和覆盖度。

EVI计算公式为

（2）

式中：Rblue为蓝色波段的反射值；IEV的取值范围在-1～1。

3 研究结果

3.1 植被分类情况

基于Sentinel-2卫星高分辨率多光谱影像的监督分类结果，结合经度、纬度、植被类别、植被覆盖度及像元大小等信息，获得如表1所示的甘肃洮河国家级自然保护区内植被分类情况。

由表1可知，在甘肃洮河国家级自然保护区内，针叶林（像元1）表现出较高的植被覆盖度，达到75.25%，符合常见的浓密植被特征；阔叶林（像元2）的植被覆盖度为62.55%，显示出相对较高的植被密度；草地（像元3）的植被覆盖度较低，仅为30.84%，植被分布相对稀疏；灌木（像元4）区域表现出中等植被覆盖度，达到50.21%。由分类经纬度可知，植被分布与地形和海拔相关，针叶林主要分布于海拔较高的区域，而草地可能更多出现在海拔较低的区域。结果的准确性和可靠性需要通过实地调查或高分辨率影像验证相结合，以保证植被分类结果的精度。这些结果有助于更全面地理解甘肃洮河国家级自然保护区内不同植被类型的空间分布和特征。此外，这些数据可作为进一步生态学研究和保护管理决策的

基础。

3.2 精度评估与验证

为确保植被分类结果的准确性和科学性，笔者进行了精度评估与验证，主要通过比对地面调查数据和高分辨率影像。在研究区域进行地面调查，采集植被类型的實地数据作为验证依据。针对不同植被类型，比对遥感影像分类结果和实地调查数据。利用Landsa卫星高分辨率影像，对植被分类结果进行视觉解译和验证。在高分辨率影像上选择多个样本区域，与遥感影像分类结果进行比对，检查植被类别的准确性和空间分布的一致性。采用混淆矩阵分析，计算分类的整体准确性、生产者精度（植被类别被正确分类的概率）、用户精度（影像分类为其他像元，但实际上就是该类别的概率）等指标。通过这些指标，能够全面评估植被分类的准确性和可靠性，样例混淆矩阵如表2所示。

在混淆矩阵中，每个单元格的值表示实际类别与模型预测类别的交叉点，以百分比表示。例如，针叶林的实际类别中，90%被正确分类为针叶林，5%被错误分类为阔叶林，3%被错误分类为草地，2%被错误分类为灌木。验证结果显示，植被分类结果与地面调查数据和高分辨率影像验证基本一致，具有较高的准确性。通过混淆矩阵的分析，可以得出植被分类的整体精度和各类别的准确性，确保研究结果的可信度。

3.3 植被生态学参数提取结果

根据遥感数据，提取甘肃洮河国家级自然保护区针叶林、阔叶林、草地、灌木4个区域的NDVI和EVI等植被生态学参数，具体结果如表3所示。

由表3可知，针叶林具有最高的平均NDVI值（0.80），表明该区域的植被相对茂密且生长状况良好；阔叶林和灌木地区的平均NDVI值略低，但仍表现出良好的植被生长状况；草地的平均NDVI值最低，反映该地区植被分布相对较疏。最大NDVI值反映了植被的生长高峰期。针叶林最大NDVI值最高（0.85），说明该区域植被在某个时期处于最茂密的状态；阔叶林、灌木和草地的最大NDVI值也显示了其各自的生长高峰期，尽管相对较低。针叶林和阔叶林的平均EVI值相对较高，表明这两个区域的植被健康状况较好；草地和灌木地区的平均EVI值较低，与相对较疏松的植被和土壤表面特性有关。

通过分析，可以初步了解不同区域的植被生态学参数，有助于对植被生长状况和健康状况进行比较，这为森林资源的二类调查提供了直观和定量的植被分类信息，这种直观的可视化效果有助于科学家、生态学家更好地理解森林资源的空间格局。

4 结论与讨论

笔者通过遥感影像判读技术，对甘肃洮河国家级自然保护区的森林资源进行了深入研究，通过提取植被指数，成功实现了对不同植被类型的准确划分，揭示了森林生态系统的空间分布、动态变化、健康状况。

利用遥感影像判读技术，可以成功划分甘肃洮河国家级自然保护区内的不同植被类型，包括针叶林、阔叶林、草地、灌木地，这为进一步了解该区域的生态系统结构和植被分布提供了基础。通过植被指数的时间序列分析，可以监测到不同植被类型的季节性和年际性变化。最大NDVI值的提取可以揭示植被的生长高峰期，为森林生态系统的季节动态提供了重要信息。平均EVI值的提取揭示了各植被类型的健康状况。通过对比不同区域的EVI值，可以评估整个生态系统的植被健康状况，为生态保护提供科学依据。

遥感影像判读技术为生态系统监测和管理提供了先进的工具，应用其可全面了解不同植被类型的分布和动态变化，便于相关部门可以有针对性地采取措施保护生态系统的稳定性。遥感影像判读技术的广泛应用展示了其在森林资源调查中的优势。其高效、高分辨率的特性为大范围的调查提供了强大的支持，为科学家和决策者提供了及时的、全面的植被信息。

未来，可以进一步整合多源遥感数据，如雷达数据和高光谱数据，以提高植被监测的精度和全面性。结合气象数据，深入研究气候变化对森林植被的影响，探讨森林生态适应性和脆弱性。将遥感数据与生态系统服务相关参数结合，开展生态系统服务的定量评估，为生态补偿和可持续发展提供依据。

参考文献：

[1] 忻富宁，尤海舟，项必达，等.基于二类调查的河北省森林资源评价分析[J].河北林业科技，2023（3）：54-56.

[2] 李起.基于小班尺度的勐海县森林健康研究[J].林业勘查设计，2023，52（5）：31-37.

[3] 付甜，杨佳伟，陈明震，等.基于森林资源二类调查数据的大冶市森林植被碳储量和碳密度测算[J].湖北林业科技，2023，52（3）：1-5.

[4] 陈超，陶旸，赫春晓.一种利用数据融合的森林资源“一张底图”建设方法[J].测绘通报，2023（3）：155-159.

[5] 田志艳，延原原，张超.基于森林资源二类调查数据的森林生物量抽样设计对比研究[J].林业调查规划，2023，48（2）：9-15.

（责任编辑：张春雨）