李寶華，朱國良，張桂香

（1.河北省塞罕壩機械林場總場，河北 圍場 068466；2.圍場縣氣象局，河北 圍場 068460）

遙感技術在資源環(huán)境中的應用

李寶華1，朱國良2，張桂香2

（1.河北省塞罕壩機械林場總場，河北 圍場 068466；2.圍場縣氣象局，河北 圍場 068460）

通過遙感技術應用，了解地方資源分布格局，為資源的進一步區(qū)劃經(jīng)營提供準確的影像資料，是當前地方了解資源狀況，保護資源并可持續(xù)經(jīng)營利用的有效途徑，該文通過介紹、解析相關方面的知識，提高有相關意向的廣大科技工作者積極投身于遙感技術應用領域的熱情，藉此學會借助先進手段，積累經(jīng)驗，實時、快速地獲取資源信息，更好地為基層林業(yè)建設服務。

遙感技術；資源環(huán)境；區(qū)劃經(jīng)營；資源信息

1 遙感的原理

遙感是利用遙感器從空中來探測地面物體性質(zhì)的，它根據(jù)不同物體對波譜產(chǎn)生不同響應的原理，識別地面上各類地物，具有遙遠感知事物的意思。也就是利用地面上空的飛機、飛船、衛(wèi)星等飛行物上的遙感器收集地面數(shù)據(jù)資料，并從中獲取信息，經(jīng)記錄、傳送、分析和判讀來識別地物（湯國安等，2004）。

2 遙感的發(fā)展歷程

遙感是以航空攝影技術為基礎，在20世紀60年代初發(fā)展起來的一門新興技術。開始為航空遙感，自1972年美國發(fā)射了第一顆陸地衛(wèi)星后，標志著航天遙感時代的開始。經(jīng)過幾十年的發(fā)展，目前遙感技術已廣泛應用于資源環(huán)境、水文、氣象，地質(zhì)地理等領域，成為一門實用的，先進的空間探測技術。

當今世界森林遙感監(jiān)測技術正由粗放向精準化方向發(fā)展；森林地面監(jiān)測逐漸實現(xiàn)自動化、實時化、一體化；森林監(jiān)測中的野外工作盡量減少；數(shù)據(jù)庫技術與網(wǎng)絡技術被廣泛使用。遙感在我國林業(yè)上應用范圍很廣，但在實際工作中，遙感數(shù)據(jù)的應用往往受到一定的限制（楊丹等，2005）。

3 目視判讀

遙感影像的目視判讀是遙感技術的關鍵。在判讀過程中要選擇理想的衛(wèi)星影像，合理利用輔助資料，借助先進的技術手段，積累經(jīng)驗，提高判讀的準確率（雷瑞德等，1994）。影響正判率的因素主要有地形、太陽高度角、陰影、“同譜異物，同物異譜”等。植被遙感技術為我們的目視判讀提供了很好的方法，通過遙感影像判讀技術，能夠?qū)崟r、快速地獲取大量的信息，節(jié)省人力、物力、財力（李利平等，2005）。

4 遙感影像分類

遙感數(shù)字圖像分類有監(jiān)督分類和非監(jiān)督分類兩種。在準確選擇訓練區(qū)的條件下，監(jiān)督分類的準確度高于非監(jiān)督分類（劉麗娜等，2005）。遙感影像的分類有最大似然法、BP人工神經(jīng)元網(wǎng)絡法、支持向量機法和自校正方法等，這幾種方法都能取得可以接受的結果，各種方法都有各自的優(yōu)勢。分類自校正方法的總體分類精度比最大似然法和支持向量機法要高一些（肖雁青等，2007）。

在當前的遙感技術條件下，通過適當?shù)姆椒ㄒ呀?jīng)基本能夠在圖像上對不同的針葉林進行區(qū)分。不同生態(tài)環(huán)境類型下的針葉林需要采用不同的遙感監(jiān)測方法，對于針葉純林、針闊混交林、以及散生針葉樹的判讀方法各不相同。

5 遙感影像中的植被識別技術

地物波譜特征是遙感技術的基礎之一，尤其森林植被的波譜特征更是世界各國爭先研究的課題，因為森林的消亡與存在直接影響人類的生存環(huán)境。研究森林植被群落波譜特征，就可以根據(jù)不同來源（航片、衛(wèi)片）、不同形式（圖像、數(shù)據(jù)）的遙感信息提取出森林專題信息，為劃分森林類型、繪制林相圖、清查森林資源、預測預報森林病蟲害及森林火災、合理利用和保護森林資源奠定理論基礎。袁金國研究了利用植被指數(shù)進行森林植被分類，因為不同的植被類型對可見光紅波段的強吸收和對近紅外波段的高反射之間的對比是植被遙感分析的理論基礎，植被指數(shù)與植被葉面積指數(shù)，有效光合吸收輻射（APAR）和覆蓋度等有很好的相關關系，反映了植物光合作用強度和生活力的大小，是森林植被類型差異的一種表現(xiàn)。

5.1 植被指數(shù)

森林是地球陸地最重要的生態(tài)系統(tǒng)，在全球C循環(huán)中居重要地位。森林植被是反映森林生態(tài)效益的一個重要指標，近年森林植被的光譜特征便成為世界各國爭先研究的課題。研究結果表明，利用在軌衛(wèi)星的紅光和紅外波段的不同組合進行植被研究非常好。這些波段包含了90%以上的植被信息。這些波段間的線性和非線性組合構成的值統(tǒng)稱為植被指數(shù)。

植被指數(shù)大多根據(jù)可見光紅波段和近紅外波段的植被冠層反射率TM3、TM4以及由這兩個波段的土壤反射率確定的土壤線性方程NIR=a1R+a0來確定。前人的研究已提出多種植被指數(shù)，總的說來可分為3類：①內(nèi)在指數(shù)；②土壤線性相關指數(shù)；③大氣糾正指數(shù)。植被指數(shù)即是由不同波段的反射信息組合而成的特征量，反映綠色植被的覆蓋程度和作物的生長狀況。一般由葉綠素反應敏感的紅光波段（RR）和近紅外波段（RNIR）信息組合而成，亦稱綠度。

5.2 植被指數(shù)與植被類型的關系

最易于區(qū)分闊葉林與針葉林的是PVI，其次為TSAVI和MSAVI，但后者計算較為復雜；不同針葉林間的RVI差值較大，因此采用RVI來區(qū)分各針葉林。不同的植被類型可用PVI和RVI相結合來識別（王磊等，2004）。

5.3 遙感信息復合技術

最早的植被分類采用人工目視解譯，之后的計算機自動分類比目視解譯進了一步，之后又采用了遙感信息復合技術。信息復合的內(nèi)容和方式包括：同種遙感信息多波段多時相信息復合；多平臺遙感數(shù)據(jù)復合；遙感與非遙感信息的復合，如與專題地圖信息或數(shù)字地形模型（DTM）的復合；遙感數(shù)據(jù)加入GIS數(shù)據(jù)，可視為信息復合的高級形式，章楊清基于BP神經(jīng)網(wǎng)絡，并將分維作為反映類別數(shù)據(jù)紋理特征的附加波段向量，明顯提高了分類精度（針葉林為81.85%）。靳文戟等，利用多層神經(jīng)網(wǎng)絡對遙感圖象數(shù)據(jù)進行監(jiān)督分類，再將網(wǎng)絡輸出作為非監(jiān)督分類的輸入，可提高識別的類數(shù)。吳炳方結合輔助數(shù)據(jù)（地形圖、行政區(qū)劃圖、植被圖、道路圖、水系圖）和應用GIS模型，采用最大似然分類方法對遙感數(shù)據(jù)進行分類。由于在TM各波段間光譜值有一定相關性，需要進行波段選擇組合，使3波段組合不僅對森林植被分類的敏感度較高，而且波段間信息重復最少，因此可選擇波段4，5，3合成，并且在幾何校正基礎上，進行直方圖線性擴展，即將原圖象的各灰度值按線性關系擴大，以增強圖像亮度。另外，由于GIS可提供林相圖及DEM的高程、坡度、坡向，可利用這些輔助信息，采用多次分類、逐步篩選的監(jiān)督分類方法（劉峰等，2004）。

6 誤差分析

（1）陰影的影響。與遙感影像成像時入射角有關，所以影像上存在很多陰影不易判讀，要憑經(jīng)驗和二類調(diào)查的數(shù)據(jù)進行勾繪。

（2）幼林的影響。TM+影像分辨率（30m×30m）較低，其涉及的空間范圍大，以及圖像所反映的是各種地物的綜合信息，因此容易產(chǎn)生同物異譜和同譜異物現(xiàn)象，難以與實地調(diào)查相媲美。由于大部分幼林屬于未成林造林地，在分辨率為30m×30m的影像上不會顯示出來，或者很不明顯，所以看不到。

（3）信息丟失。勾繪的如果只是山區(qū)的針葉林小班，平原區(qū)和針闊混交林的信息易丟失，也會造成結果偏低。

（4）調(diào)查誤差。實地調(diào)查細致精確，但是野外工作量大，受人為影響比較大。

（5）RS誤差。分類過程中，判讀區(qū)劃需充分利用判讀人員的知識和經(jīng)驗，只有對林學知識、遙感影像幾何和物理特性、成像機理這三者有深刻的認識，并能把它們有機的結合起來，融合使用，才能達到預期的效果。

（6）時間誤差。調(diào)查時間與ETM+數(shù)據(jù)掃描時間不同步，影響正判率，力求同步。二類調(diào)查時間跨度不能太大，而衛(wèi)星影像是瞬時成像，成像時間比二類調(diào)查數(shù)據(jù)晚、季節(jié)不同均影響判讀精度。

［1］劉峰，張貴.基于GIS和RS的廣州市森林植被分類研究［J］.湖南林業(yè)科技，2004，31（1）：15-17.

［2］陸元昌，陳敬忠，洪玲，等.遙感影像分類技術在森林景觀分類評價中的應用研究［J］.林業(yè)科學研究，2005，18（1）：31-35.

［3］湯國安，張有順，劉詠梅，等.遙感數(shù)字圖像處理［M］.北京：科學出版社，2004.

［4］王磊，高賢明，孫書存.岷江上游人工油松林群落空間結構：物種豐富度和蓋度［J］.林業(yè)科學，2004，11（6）：8-12.

［5］肖雁青，林大影，邢韶華.北京北部山區(qū)天然油松林與人工油松林比較研究［J］.河北林果研究，2007，22（3）：231-236.

［6］楊丹，馮仲科.北京市森林覆蓋率遙感統(tǒng)計及其分析［J］.北京林業(yè)大學學報，2005，37（2）：133-137.

［7］周維，孟永慶，葉兵，等.基于3S技術的景觀結構分析-以北京百望山地區(qū)為例［J］.廣西林業(yè)科學，2000，31（4）：175-177.

［8］雷瑞德，彭鴻.秦嶺林區(qū)天然油松林結構研究初報［J］.陜西林業(yè)科技，1994，（4）：4-7.

［9］李利平，邢韶華，趙勃，等.北京山區(qū)不同區(qū)域油松林植物多樣性比較研究［J］.北京林業(yè)大學學報，2005，27（4）：12-16.

［10］劉麗娜，徐程揚，段永宏，等.北京市3種針葉綠化樹種根系結構分析［J］.北京林業(yè)大學學報，2008，30（1）：34-39.

S771.8

A

1002-3356（2010）04-0035-02

2010-05-24