陳昆 柳昇平

摘 要 森林資源調(diào)查為制訂和調(diào)整林業(yè)政策、編制林業(yè)計(jì)劃、鑒定森林經(jīng)營效果服務(wù)、提高調(diào)查精度意義重大。遙感技術(shù)可利用電磁波反射或輻射特征的差異對(duì)調(diào)查區(qū)域進(jìn)行分類，可顯著提高調(diào)查效率。以江西省宜豐縣森林資源調(diào)查為例，闡述了遙感技術(shù)的應(yīng)用優(yōu)勢(shì)與流程，明確了遙感技術(shù)對(duì)提高森林資源調(diào)查效率的作用。

關(guān)鍵詞 森林資源調(diào)查；遙感技術(shù)；應(yīng)用；江西省宜春市宜豐縣

中圖分類號(hào)：S758.5 文獻(xiàn)標(biāo)志碼：C DOI：10.19415/j.cnki.1673-890x.2022.18.023

在“十三五”規(guī)劃期間，江西省緊緊圍繞“加快林業(yè)信息化，帶動(dòng)林業(yè)現(xiàn)代化”這一總體目標(biāo)，構(gòu)建林業(yè)云數(shù)據(jù)中心，以大數(shù)據(jù)平臺(tái)為支撐，打造“四橫兩縱”的總體架構(gòu)，助力當(dāng)?shù)亓謽I(yè)快速發(fā)展，使當(dāng)?shù)刂腔哿謽I(yè)建設(shè)邁向新臺(tái)階。基于此，以遙感技術(shù)為例，分析該技術(shù)在森林資源調(diào)查中的具體應(yīng)用，并詳細(xì)介紹利用遙感技術(shù)集成圖層數(shù)據(jù)，實(shí)時(shí)監(jiān)測(cè)森林資源狀態(tài)，反映該地區(qū)森林資源生態(tài)指標(biāo)的應(yīng)用流程，為實(shí)現(xiàn)林業(yè)發(fā)展的智能化與信息化提供參考。

1 遙感技術(shù)概述

遙感技術(shù)是“3S”技術(shù)之一，主要應(yīng)用于遠(yuǎn)距離探測(cè)[1]。在森林資源調(diào)查中，可以在不接觸目標(biāo)物體的前提下，探測(cè)目標(biāo)地物，利用遙感器和傳感器，通過對(duì)物體反射特性的變化分析，探測(cè)得到森林資源基本信息。

2 應(yīng)用優(yōu)勢(shì)

與實(shí)地調(diào)查有所不同的是，遙感技術(shù)主要利用空間平臺(tái)上的傳感器，在不接觸目標(biāo)地物的情況下，調(diào)查、整理并處理相關(guān)區(qū)域信息，如今已被廣泛應(yīng)用于森林3D結(jié)構(gòu)圖繪制、森林生態(tài)系統(tǒng)分布圖繪制、森林空間變化圖繪制、森林病蟲害暴發(fā)程度調(diào)查、森林退化和侵占現(xiàn)象研究、森林覆蓋類型研究和森林密度調(diào)查等多個(gè)項(xiàng)目中。通過應(yīng)用該技術(shù)，營林技術(shù)人員可以利用各種變量信息與數(shù)據(jù)，對(duì)森林間的生物多樣性、植被結(jié)構(gòu)等進(jìn)行調(diào)查，實(shí)現(xiàn)森林生態(tài)系統(tǒng)功能的動(dòng)態(tài)研究，有助于后續(xù)識(shí)別并評(píng)估森林總面積、自然災(zāi)害受損面積，有助于做好森林資源的日常監(jiān)測(cè)。尤其是在二類調(diào)查過程中，通過跟蹤反饋，遙感技術(shù)可以直接測(cè)得森林植被生長(zhǎng)因子，反映出整體森林健康程度，便于后期對(duì)森林資源進(jìn)行消防管理、病蟲害管理、間伐管理，為遏制森林退化和森林資源非法侵占提供技術(shù)支持。

3 應(yīng)用方法

宜豐縣位于江西省西北部，境內(nèi)諸山屬九嶺山脈的余脈，以低山丘陵地貌為主，四季分明，植物種類繁多，樹種資源豐富。包含矮林、落葉闊葉林、針葉林、針闊混交林、常綠闊葉林等多種森林植被類型，森林蓄積量10 764 501 m3。在林業(yè)現(xiàn)代化建設(shè)背景下，宜豐縣將“數(shù)據(jù)資源整合共享”作為工作關(guān)鍵點(diǎn)，搭建智慧林業(yè)專題地圖架構(gòu)，構(gòu)建智慧林業(yè)決策分析平臺(tái)，同時(shí)對(duì)各類林業(yè)數(shù)據(jù)進(jìn)行分析與挖掘，將實(shí)時(shí)森林資源數(shù)據(jù)狀態(tài)進(jìn)行圖表化與動(dòng)態(tài)化展示。在這一過程中，主要是通過利用遙感技術(shù)，獲得矢量數(shù)據(jù)并進(jìn)行預(yù)處理，最終總結(jié)出該地區(qū)森林資源時(shí)空動(dòng)態(tài)變化，應(yīng)用效果顯著。具體應(yīng)用方法如下：

3.1 數(shù)據(jù)獲取

利用Sentinel-2A衛(wèi)星獲取基礎(chǔ)數(shù)據(jù)，該衛(wèi)星攜帶多光譜成像儀，重訪周期為10 d，空間分辨率分別為10 m、20 m和60 m，在監(jiān)測(cè)森林資源長(zhǎng)勢(shì)數(shù)據(jù)時(shí)，主要利用到3個(gè)植被紅邊波段，波段參數(shù)信息如表1所示。

為了提高遙感數(shù)據(jù)監(jiān)測(cè)精準(zhǔn)性，還可以利用其他輔助數(shù)據(jù)[2]。比如，利用上一年度二類調(diào)查成果圖，用來反映森林優(yōu)勢(shì)樹種組別信息；利用林相圖和森林類型分布圖，判定混交林內(nèi)森林資源狀況，為后續(xù)森林植被生長(zhǎng)因子監(jiān)測(cè)打下堅(jiān)實(shí)基礎(chǔ)，同時(shí)為森林資源應(yīng)急救災(zāi)、病蟲害監(jiān)測(cè)等提供重要數(shù)據(jù)基礎(chǔ)。在矢量化數(shù)據(jù)收集過程中，利用1∶5 000地形圖，結(jié)合數(shù)字高程模型，通過航空攝影測(cè)量，整理地形圖及其矢量成果，在繪圖編制過程中等高距約為20 m。還可以結(jié)合外業(yè)調(diào)查樣本，重點(diǎn)獲取各典型地類樣本元素，考慮到各類別森林資源分布狀況，對(duì)重點(diǎn)區(qū)域類型進(jìn)行精細(xì)識(shí)別，以此保證數(shù)據(jù)收集的全面性與準(zhǔn)確性，在擴(kuò)充樣本容量的同時(shí)提高容量均勻性。

3.2 數(shù)據(jù)預(yù)處理

1）影像數(shù)據(jù)恢復(fù)。利用機(jī)載掃描行校正器提高影像數(shù)據(jù)信息質(zhì)量，如果存在影像數(shù)據(jù)丟失問題，可以利用條帶修復(fù)進(jìn)行補(bǔ)充[3]。比如，可以利用局部回歸分析法，以回歸區(qū)域面積作為固定值，將不同時(shí)期遙感數(shù)據(jù)進(jìn)行填縫補(bǔ)充，在充分考慮到雨雪天氣、縫隙位置之后，對(duì)影像進(jìn)行條帶修復(fù)。這一過程耗費(fèi)時(shí)間較長(zhǎng)，但是效果明顯，可以方便技術(shù)人員后續(xù)對(duì)信息數(shù)據(jù)進(jìn)行提取。

2）輻射校正。一般來講，對(duì)森林資源變量的監(jiān)測(cè)多為動(dòng)態(tài)監(jiān)測(cè)，需要考慮歸一化植被指數(shù)，但是由于受到大氣環(huán)境因素影響，植被指數(shù)和其他指標(biāo)因子信息差異微弱，尤其可能存在因?yàn)檩椛涠鴮?dǎo)致的誤差，在量變動(dòng)態(tài)檢測(cè)過程中可能出現(xiàn)灰度失真現(xiàn)象，因此需要通過大氣校正和輻射定標(biāo)，消除傳感器本身存在的誤差。其中，輻射定標(biāo)主要確定輻射亮度值和圖像象元灰度值之間的關(guān)系，通過相關(guān)參數(shù)計(jì)算波段反射率圖像[4]；大氣校正主要指消除大氣云層等外在影響因素，避免在評(píng)估森林資源信息時(shí)出現(xiàn)輻射失真現(xiàn)象。因此該方法的作用為消除地物信息在傳輸過程中可能存在的影響因素，主要利用輻射傳輸方程法對(duì)多光譜遙感數(shù)據(jù)和高光譜遙感數(shù)據(jù)進(jìn)行校正。其中，植物中含有大量葉綠素，受云層影響，其波段值小于藍(lán)波段值，經(jīng)過相關(guān)數(shù)據(jù)校正之后，綠波段值大于藍(lán)波段值。

3）幾何精校正。在大氣校正之后，由于象元所對(duì)應(yīng)的實(shí)際目標(biāo)定位在遙感影像成像時(shí)會(huì)發(fā)生偏移、擠壓和拉伸等情況，造成圖像象元坐標(biāo)和實(shí)際坐標(biāo)有所出入，技術(shù)人員應(yīng)對(duì)其進(jìn)行幾何精校正將遙感圖像變形最小化。在幾何校正過程中，常見的數(shù)學(xué)模型為三角形變換和多項(xiàng)式法，通過灰度重采樣、三次卷積法、最近鄰法計(jì)算出校正多項(xiàng)式系數(shù)。幾何精校正操作流程為打開遙感影像；啟動(dòng)校正模型；采集地面數(shù)據(jù)和控制點(diǎn)，并輸入控制點(diǎn)坐標(biāo)；判斷精度是否符合調(diào)查要求，符合要求時(shí)直接進(jìn)行影像重采，不符合要求時(shí)應(yīng)刪除誤差較大的控制點(diǎn)或者新設(shè)控制點(diǎn)。在這一過程中，為提高幾何精度，可以在前期多進(jìn)行幾次粗校正，便于后續(xù)工作開展。

3.3 監(jiān)測(cè)指標(biāo)提取與分析

在森林資源二類調(diào)查中，一般對(duì)林木資源生長(zhǎng)因子進(jìn)行提取與分析，遵循系統(tǒng)性、科學(xué)性、經(jīng)濟(jì)性和實(shí)用性原則，充分利用遙感影像數(shù)據(jù)信息，選用多光譜遙感數(shù)據(jù)疊加，以此測(cè)算樹齡、樹種、蓄積量、空間分布、樹高、胸徑和郁閉度等植被指數(shù)。

1）在調(diào)查樹種分布時(shí)，可以利用遙感影像分析森林光譜特征，以此作為地物分類的主要依據(jù)[5]。其中耕地和牧草在近紅外波段中表現(xiàn)出“峰谷”特征，但森林植被的光譜特征呈“波動(dòng)狀”，紅邊效應(yīng)急劇上升。2）可以利用遙感影像的不同波段，判斷地表植被覆蓋率。近紅外波段和紅波段反射率比值為植被指數(shù)，植被指數(shù)越高，說明植被生長(zhǎng)情況越好，覆蓋度越高；也可以利用近紅外波段反射率與紅波段反射率的差值來判定植被指數(shù)大小，一般來講，差值越大植被指數(shù)越大，說明土壤對(duì)植被覆蓋更為敏感。3）利用高空間分辨率遙感圖像研究地物覆蓋整體上的空間異質(zhì)性。越是地形復(fù)雜的地區(qū)，“同譜異物”現(xiàn)象就越嚴(yán)重，因此可以根據(jù)地表覆蓋和影像特點(diǎn)，結(jié)合輔助信息，對(duì)二級(jí)類建設(shè)用地、苗圃地和未利用地進(jìn)行信息提取，也可以對(duì)苗圃地、牧草地、耕地、成林地進(jìn)行信息提取。在提取林分因子之后，利用模型進(jìn)行定量計(jì)算[6]。結(jié)合樣地?cái)?shù)據(jù)、遙感影像和坡向、坡度等地形數(shù)據(jù)，構(gòu)建林分因子空間分布專題圖，提取小班屬性信息，利用積分法或均值法將數(shù)據(jù)信息和空間分布圖提取到屬性字段中，將精度計(jì)算結(jié)果以文本格式輸出，就可以得出森林資源平均樹高、蓄積量、密度、郁閉度等相關(guān)參數(shù)。

3.4 仿真結(jié)果與精度分析

通過以上方法，得出森林類型精細(xì)分類圖，以二類調(diào)查小班數(shù)據(jù)為標(biāo)準(zhǔn)，創(chuàng)建小班蓄積量空間分布專題圖、郁閉度分布圖、平均樹高分布圖、平均胸徑分布圖，之后在影像覆蓋范圍內(nèi)按照5%比例抽取林地小班，評(píng)估遙感影像技術(shù)應(yīng)用精度。在本次調(diào)查過程中，對(duì)整個(gè)縣域內(nèi)246個(gè)小班進(jìn)行驗(yàn)證，發(fā)現(xiàn)在遙感技術(shù)應(yīng)用下，各林分因子估測(cè)精度較高，具體如下：

1）小班蓄積量實(shí)際為58 346 m3，遙感技術(shù)估測(cè)值為58 297 m3。2）小班平均樹高實(shí)際為16.24 m，遙感技術(shù)估測(cè)值為16.73 m。3）小班平均胸徑實(shí)際為52.37 cm，遙感技術(shù)估測(cè)值為51.04 cm。4）小班郁閉度實(shí)際為0.7，遙感技術(shù)估測(cè)值為0.7。

由此可知，遙感技術(shù)的估測(cè)精度較高，均為95%以上，尤其是小班郁閉度這一指標(biāo)估測(cè)值與實(shí)際值完全吻合，證明該技術(shù)可以滿足森林資源二類調(diào)查實(shí)際應(yīng)用需求，應(yīng)用價(jià)值較高。在本次調(diào)查中，利用小班尺度林分參數(shù)進(jìn)行遙感預(yù)估，可以有效提高遙感數(shù)據(jù)精準(zhǔn)性；利用參數(shù)化方法建立評(píng)估模型，利用森林資源二類調(diào)查林分因子估測(cè)軟件進(jìn)行輔助性數(shù)據(jù)信息處理，能進(jìn)一步提高工作效率，可以反映出林分和地力結(jié)構(gòu)特征，有助于森林資源情況的精準(zhǔn)調(diào)查。

4 結(jié)語

遙感技術(shù)的應(yīng)用為后續(xù)森林植被生長(zhǎng)因子監(jiān)測(cè)打下堅(jiān)實(shí)基礎(chǔ)，同時(shí)在森林資源應(yīng)急救災(zāi)、病蟲害監(jiān)測(cè)等方面具有較大應(yīng)用潛力。在森林資源調(diào)查工作中，技術(shù)人員應(yīng)重點(diǎn)獲取各典型地類樣本元素?cái)?shù)據(jù)，之后進(jìn)行輻射校正和大氣校正，采集地面數(shù)據(jù)和控制點(diǎn)，提高遙感影像成像精度，利用參數(shù)化方法建立評(píng)估模型進(jìn)行輔助性數(shù)據(jù)信息處理，以此得出森林資源平均樹高、蓄積量、密度、郁閉度等相關(guān)參數(shù)，提高工作效率。

參考文獻(xiàn)：

[1] 任楓，王琦，楊佳，等.基于高分六號(hào)衛(wèi)星紅邊波段的森林蓄積量遙感反演：以西寧市針葉林為例[J].中國農(nóng)業(yè)氣象，2022，43（5）：408-420.

[2] 林文科，陸亞剛，蔣先蝶，等.協(xié)同多源遙感數(shù)據(jù)的北亞熱帶森林蓄積量貝葉斯分層估測(cè)[J].遙感學(xué)報(bào)，2022，26（3）：468-479.

[3] 古曉威，陳幫乾，云挺，等.基于多源遙感數(shù)據(jù)的海南島2007—2018年森林時(shí)空變化研究[J].熱帶作物學(xué)報(bào)，2022，43（2）：418-429.

[4] 王曉強(qiáng).基于高分辨率遙感影像的廈門市森林資源動(dòng)態(tài)監(jiān)測(cè)與管理方法研究[J].測(cè)繪與空間地理信息，2021，44（12）：94-97.

[5] 于鵬躍，魏江生，包亮，等.基于Landsat8 OLI的內(nèi)蒙古大興安嶺森林健康評(píng)價(jià)遙感模型研究[J].內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，42（6）：15-22.

[6] 方紅亮.森林垂直結(jié)構(gòu)參數(shù)實(shí)測(cè)與遙感研究進(jìn)展：以葉面積指數(shù)和聚集指數(shù)為例[J].科學(xué)通報(bào)，2021，66（24）：3141-3153.

（責(zé)任編輯：張春雨）