王曉麗

（國(guó)家林業(yè)局調(diào)查規(guī)劃設(shè)計(jì)院 北京 100020）

1 引言

林地資源保護(hù)是確保全球碳循環(huán)、生態(tài)平衡、氣候變化以及生物多樣性發(fā)展的重要內(nèi)容。對(duì)林地資源調(diào)查和監(jiān)測(cè)可以有效掌握其現(xiàn)狀與變化情況，這對(duì)于林業(yè)方針、政策與生產(chǎn)經(jīng)營(yíng)計(jì)劃的制定都是十分有利的。并且隨著現(xiàn)代航空航天信息不斷發(fā)展，通過使用高分辨率的遙感影像信息技術(shù)對(duì)林地資源的信息進(jìn)行提取和分類已成為現(xiàn)代林地資源管理的重要任務(wù)之一。因此本文研究了基于高分辨率遙感影像的林地資源信息提取方法，流程如圖1所示。

圖1 信息提取流程圖

2 試驗(yàn)數(shù)據(jù)與試驗(yàn)區(qū)概況

試驗(yàn)選取來自中國(guó)資源衛(wèi)星中心提供的河北省某市林地資源的影像信息，以此作為本次試驗(yàn)基礎(chǔ)數(shù)據(jù)，采用高分辨率遙感影像技術(shù)的方法對(duì)林地資源信息進(jìn)行提取并研究。本次研究的影像所在的區(qū)域?yàn)榇箨懠撅L(fēng)性氣候，年平均降雨量540mm，林地覆蓋率達(dá)40%，林地資源非常豐富，具有一定的代表性，因此，選擇該區(qū)域影像資料作為試驗(yàn)研究對(duì)象。該數(shù)據(jù)影像包括GF-1衛(wèi)星全色、多光譜像的數(shù)據(jù)分別有1景，涵蓋了4個(gè)波段，即藍(lán)、紅、綠、近紅外，空間的分辨率分別是2m、8m。本文對(duì)2景圖像的預(yù)處理采用了圖像融合、RPC校正、幾何糾正、裁剪、鑲嵌等方式，以Tif f格式將結(jié)果導(dǎo)出。

3 研究方法

本研究與中、低分辨率遙感不同的是，高空間分辨率的數(shù)據(jù)可提供紋理結(jié)構(gòu)信息的變化，相對(duì)提供的影像光譜信息較少，并且其解譯及分類也和傳統(tǒng)方法有著很大差別。利用GF-1衛(wèi)星影像資料對(duì)林地資源信息進(jìn)行提取的方法主要指的是面對(duì)對(duì)象的信息提取技術(shù)，主要包括多尺度影像分割、對(duì)影像對(duì)象分類兩方面，其中多尺度影像分割作為一種以壓縮高分辨率為基礎(chǔ)生成影像對(duì)象的手段，能夠減少最小化影像信息的損失，采用任意尺度對(duì)影像進(jìn)行分割，使不同的影像信息能夠處在在一個(gè)最佳大的分割尺度內(nèi)；影像對(duì)象分類是一種利用模糊數(shù)學(xué)理論的典型軟分類方法。這種方法結(jié)合了人的決策以及模糊分類，再根據(jù)影像信息數(shù)據(jù)進(jìn)行特征的選擇，依據(jù)以上信息建立起隸屬度函數(shù)，并構(gòu)建出模糊規(guī)則，最終完成分類。這種分類模式在林地資源信息的提取中有著十分明顯的優(yōu)勢(shì)。

4 面向?qū)ο蠖喑叨确指畹膮?shù)確定

面向?qū)ο蟾叻直媛蔬b感影像信息提取方法是利用研究對(duì)象所處空間及其光譜特征來對(duì)影像進(jìn)行分割，可以有效克服以往基于單個(gè)象元進(jìn)行純光譜分割方法的不足。采用多尺度分割算法進(jìn)行分割時(shí)，其結(jié)果好壞主要取決于對(duì)分割參數(shù)的選擇。以預(yù)處理的影像為基礎(chǔ)，多尺度分割，然后提取出林地信息。首先計(jì)算RMAS，公式為：

L：預(yù)處理影像波段圖的層數(shù)；

ΔCL：第L波段的圖層分割對(duì)象和鄰域均值差分的絕對(duì)值；

SL：第L波段的圖層分割對(duì)象標(biāo)準(zhǔn)差；

CLi：第L波段圖層的第i個(gè)像素點(diǎn)的灰度值；

n：分割對(duì)象內(nèi)包含像素的數(shù)量；

m：和目標(biāo)分割對(duì)象相鄰的分割對(duì)象數(shù)量；

k：目標(biāo)分割對(duì)象邊界的長(zhǎng)度；

kij：第i個(gè)分割對(duì)象目標(biāo)和第j個(gè)相鄰對(duì)象公共邊界的長(zhǎng)度。

通過對(duì)RMAS、分割尺度變化圖像的分析可知，林地最優(yōu)分割尺度為40。然后以40為分割尺度，可以得到不同均值因子下的分割結(jié)果圖，對(duì)其進(jìn)行比較，發(fā)現(xiàn)當(dāng)形態(tài)參數(shù)為0.1，緊密度為0.5時(shí)，分割對(duì)象對(duì)地物邊界細(xì)節(jié)刻畫清晰，分割對(duì)象相對(duì)緊湊，且光譜信息也較為豐富，同時(shí)連續(xù)性也相對(duì)較好。

5 林地信息分類

首先，充分利用地物在形狀、光譜、紋理中包含的豐富的語(yǔ)義特征，篩選出差異較大的本質(zhì)特征，據(jù)此有效區(qū)分出目標(biāo)地物。本研究以13個(gè)相對(duì)比較常見的本質(zhì)特征為研究對(duì)象，獲取其林地信息并根據(jù)其特征進(jìn)行分類，通過分析確定每個(gè)本質(zhì)特征的閾值特征，見表1。

表1 主要的特征閾值范圍情況

通過表1可以發(fā)現(xiàn)，林地與非林地的特征差異值普標(biāo)較為較為明顯，只有Ratio和4個(gè)紋理特征的差異值較小。因此，選取Brightness、Mean、Mean of inner border、Max.pixel value差異值相對(duì)較大的特征提取林地分類。

通過對(duì)特征函數(shù)進(jìn)行分析，將其相互之間差異大的進(jìn)行組合，經(jīng)過反復(fù)大量的實(shí)驗(yàn)，進(jìn)行林地信息提取模糊規(guī)則的構(gòu)建，再由每種特征確定出最準(zhǔn)確的分類閾值范圍，根據(jù)以上結(jié)果，進(jìn)行“與”運(yùn)算，對(duì)林地分類予以確定，取得良好的效果，結(jié)果見圖2。

圖2 林地分類信息圖

6 精度的評(píng)價(jià)

本試驗(yàn)以250個(gè)對(duì)象為精度評(píng)價(jià)的樣本，其中野外采樣點(diǎn)100個(gè)、隨機(jī)采樣點(diǎn)150個(gè)，樣本約占總分類對(duì)象的10%，然后結(jié)合當(dāng)?shù)赝恋氐睦矛F(xiàn)狀和野外的實(shí)地調(diào)查，采用混淆矩陣方法獲得試驗(yàn)誤差矩陣。

通過分析發(fā)現(xiàn)，試驗(yàn)中對(duì)林地信息全局的提取精度、制圖精度、用戶精度、Kappa系數(shù)進(jìn)行分析并采用最大似然法對(duì)以上相同信息進(jìn)行提取，結(jié)果顯示見表2?？梢?，面向?qū)ο蟮姆椒ú粌H可以充分的利用影像光譜，還可以結(jié)合紋理特征進(jìn)行分析，分類更為科學(xué)合理，從而得到更為準(zhǔn)確的林地信息。

表2 信息提取結(jié)果

7 結(jié)語(yǔ)

總而言之，現(xiàn)代遙感技術(shù)的發(fā)展，促進(jìn)林業(yè)遙感特別是高分辨率遙感影像技術(shù)的快速發(fā)展和應(yīng)用，為林地資源信息數(shù)據(jù)的管理提供了可靠的技術(shù)支撐和服務(wù)。從今往后，林業(yè)遙感技術(shù)的應(yīng)用也將從各個(gè)方面為林地資源信息管理提供更加及時(shí)、準(zhǔn)確、快速的數(shù)據(jù)和決策信息，為林業(yè)發(fā)展作出貢獻(xiàn)。