趙榮俊，潘學威*，崔 立

（1.金壇區(qū)自然資源和規(guī)劃局，江蘇常州 213000；2.南京國圖信息產業(yè)有限公司，江蘇南京 210036）

0 引言

目前森林資源調查監(jiān)測已經形成了兩種相對成熟的核查體系，即全國森林資源連續(xù)調查（又稱森林資源一類調查，其本質在于宏觀掌握森林資源現(xiàn)狀與動態(tài)，以省為單位）與森林資源規(guī)劃設計調查（又稱森林資源二類調查，以國有林場、自然保護地、森林公園等森林經營單位或縣級行政區(qū)為調查單位，補充調查森林資源相關檔案信息）［1］。自2016年起，原國家林業(yè)局全面推進依據(jù)遙感影像判讀，對變化區(qū)開展森林督察工作，通過遙感判讀、野外調查核實、成果共享，建立一體化監(jiān)管體系，即“森林督察暨森林資源管理一張圖更新工作體系”，全面支撐新時期森林資源管理精準、精細化的要求。

遙感影像變化監(jiān)測是通過較高分辨率的遙感影像結合分類方法分割提取出兩時像同一區(qū)域變化圖斑的過程。森林資源作為陸地表面分布最廣泛的資源之一，監(jiān)管難度較大。且我國人口眾多，森林資源開發(fā)利用頻繁，涉及區(qū)域廣泛，不易開展調查。隨著經濟發(fā)展對環(huán)境的負面影響（特別是大氣污染）等問題日益凸顯，森林資源的開發(fā)與保護已成為國家關注的重點。

林地變化檢測的相關方法較為成熟，主要包括基于像元大小的閾值分割、基于紋理或光譜特征的面向對象分割或智能語義分割。梅樹紅等［2-3］利用遙感影像的光譜信息與地物特征通過決策樹算法實現(xiàn)了森林變化區(qū)的提取。盧鵬等［4-5］利用傳統(tǒng)閾值法分割遙感影像數(shù)據(jù)提取林地變化圖斑與森林冰凍災害范圍，在違法采伐判讀、自然災害的災后評估中得以應用。決策樹、聚類分割、支持向量機等機器學習分類方法對設備的要求較高，且精度受限于訓練樣本的影響。本研究結合了光譜指數(shù)、圖像變換與OSTU閾值分割提取了森林退化區(qū)以及新增的植被覆蓋區(qū)，操作流程簡單，提取精度較高。

1 研究區(qū)與數(shù)據(jù)

常州市金壇區(qū)薛埠鎮(zhèn)地處茅山山麓，森林覆蓋率較高，區(qū)劃呈南北狹長之勢。薛埠西側為茂密林區(qū)以自然風光為主，東側為居民城鎮(zhèn)區(qū)，以農用地與居民宅基地為主。近年來隨著薛埠對自然資源開發(fā)利用的力度在加大，區(qū)劃內有明顯的森林退化區(qū)域或違法采伐的現(xiàn)象。故而選取金壇區(qū)作為實驗區(qū)，利用提出的方法提取森林變化區(qū)域。

實驗所用數(shù)據(jù)是攜帶OLI陸地成像儀（Operational Land Imager）的Landsat8衛(wèi)星影像。Landsat8-OLI影像共9個波段，其全色波段的空間分辨率為15 m，其余波段的空間分辨率均為30 m，全色波段包含紅波段與近紅外波段，可應用于歸一化植被指數(shù)的計算。在對比分析階段利用了2 m分辨率的RGB真彩色高分遙感影像，此影像是“森林督查”工程項目提取判讀圖斑的工作底圖。同時還收集了部分采伐相關的當?shù)卣?，用以核實提取區(qū)的準確性。

2 研究方法

2.1 歸一化植被指數(shù)

歸一化植被指數(shù)的計算方法是近紅外波段的反射值與紅光波段的反射值之差與兩者之和的比值，其在植被健康監(jiān)測與植被覆蓋度提取的應用中使用廣泛，同時也是農作物優(yōu)良狀態(tài)與長勢評價的重要參數(shù)之一。計算方法見下式：

其中NDVI為計算所得的歸一化植被指數(shù)；NIR為近紅外波段；RED為紅色波段。

一般認為植被覆蓋區(qū)的NDVI大于0值，通過兩期影像的差值計算，即可獲取一年間植被的變化狀態(tài)，如果區(qū)域內有森林采伐或植被退化，差值影像為負值。相反地，如果差值為正值，則表明該區(qū)域有植被新增［6-8］。

2.2 Gamma圖像變化

圖像變換是通過特定的函數(shù)對二維原始影像的線性或非線性的轉換，是許多圖像處理和分析技術開展的基礎，經過圖像變換后的影像其特征能夠得到凸顯。針對NDVI差值，由非林地轉換為植被覆蓋區(qū)或林地采伐、退化為非林地的區(qū)域對應的圖像值位于NDVI范圍的兩端。因此，本文選擇了能夠有效抑制低值區(qū)同時保留極值特征的Gamma函數(shù)，便于后續(xù)的閾值處理操作，相關的圖像變換處理操作可利用ARCGIS柵格計算器實現(xiàn)。

OSTU閾值是通過計算圖像的最大類間方差得到，即背景和影像目標之間的類間方差越大，則說明構成圖像的兩個部分的差別越大，當部分影像目標錯分為背景或部分背景錯分為影像目標都會導致圖像內容的兩個部分差別變小。該方法被廣泛應用于圖像的二值化分類計算中［9］。

3 成果分析

通過圖像的差值的計算，獲取了明顯變化（森林退化采伐區(qū)域、新增植被區(qū)域）以及輕微變化的區(qū)域。利用Gamma函數(shù)轉換，抑制輕微變換的區(qū)域，保持明顯變化區(qū)域的特征。為了有效分離開退化區(qū)與新增區(qū)，在Gamma轉換前需要將差值結果以0值為界分割為兩個部分分別轉換，而后再通過閾值分割得到相應的區(qū)域。提取結果如圖1所示。

觀察結果可以看出，NDVI的偏白色部分為植被覆蓋區(qū)，偏黑色部分為非植被區(qū)。差值結果的黑色、深灰色區(qū)域為采伐區(qū)或者退化區(qū)，白色區(qū)域為新增覆蓋區(qū)。且退化的區(qū)域主要為條帶狀的道路或者地處建筑群附近，而新增植被覆蓋區(qū)域主要為薛埠東北部的農田與果園、苗圃地。

為了驗證提取結果，文中利用了同一時期的高分遙感影像對局部區(qū)域做了對比驗證，對比結果如圖2所示。

對于提取的結果，我們對明顯的道路采伐退化區(qū)域進行了資料核實，結果與實際相符合。且經過與高分影像的對比分析，可以看出文中所提的方法可以有效地提取出森林采伐區(qū)域與新增植被覆蓋區(qū)域。

4 結論與展望

圖1 林地變化提取成果；左上為薛埠鎮(zhèn)2017年NDVI；右上為薛埠鎮(zhèn)2018年NDVI；左下為兩期NDVI差值影像；右下為變化區(qū)的提取結果

圖2 局部對比驗證

研究中利用了光譜指數(shù)NDVI計算了圖像的差值，而后利用圖像變換（Gamma函數(shù)變換）對影像進行轉換以凸顯其特征值，而后通過簡易的最大類間方差二值化分割獲取林地變化區(qū)域。經過與實際情況的資料分析對比以及同期的高分遙感影像對比分析可以看出本文的方法切實有效，且操作簡單易于實現(xiàn)。在“森林督查”判讀圖斑提取的過程中可以起到有效的輔助作用，提高工作效率。本文所用數(shù)據(jù)為Landsat8-OLI 30m分辨率多光譜影像，提取精度有限，目前僅考慮作為輔助提取的依據(jù)。