-
国内遥感技术在林业中的应用主要包括森林资源监测、林业工程监测与生态效益评价、森林资源开发利用等方面，如胡博等[1]以寒温带针叶林区域为例开展基于遥感影像的大区域植被类型样本快速提取方法研究，任冲等[2]开展了多源数据林地类型的精细分类方法，陈巧等[3]开展了基于3S技术的天保区植被变化监测方法研究，曹庆先等[4]基于TM影像纹理与光谱特征和KNN方法开展了5种红树林群落生物量的估算。在天然林保护成效评估方面，主要是基于生态定位站数据或者一类清查样地数据进行评估。使用遥感技术，曾经基于TM遥感数据开展了天然林资源信息提取的工作，但尚未真正使用遥感技术开展国家需要的工程成效评估[5-11]。本研究通过采用分类后比较法监测地表覆盖类型变化，采用归一化植被指数结合像元二分模型对复杂地表植被覆盖度的反演监测植被覆盖度变化，实现对金河林业局天然林保护成效的评估。
HTML
-
实验区位于内蒙古自治区呼伦贝尔盟根河市金河镇的金河林业局。位于120°52′57″~122°39′32″E，51°01′45″~51°45′20″N。东西长110 km，南北宽60 km。该区属寒温带季风气候，寒温带针叶林区, 森林类型以兴安落叶松(Larix gmelini (Rupr.) Rupr.)为优势建种群，是该区典型的植被类型。林业局总面积为517 228 hm2，林地面积为516 224 hm2，有林地面积为459 680 hm2[12]。
-
采用2期的二类小班调查数据，主要用于遥感影像分类精度评价的辅助数据。第1期为2004年的二类调查数据，第2期为2015年的二类调查数据(实际现地调查时间为2012年，2015年进行的数据更新)。小班调查的属性包括:林班号、小班号、地类、林种、面积、森林类别、立地类型、地貌、坡向、坡位、坡度、海拔、郁闭度、优势树种、树种组成、龄组、平均树高、平均胸径、小班蓄积、公顷蓄积等。
采用2004年8月22日接收的Landsat5 TM和2015年9月4日GF-1遥感影像，进行地表覆盖类型变化分析。
-
对Landsat-5 TM和GF-1遥感影像数据依次进行辐射定标、大气校正和影像配准等预处理；Landsat5 TM数据辐射定标参数设置从头文件中自动读取，GF-1数据辐射定标参数参考中国资源卫星应用中心的《2015年国产陆地观测卫星绝对辐射定标系数(CBERS-04，GF-2，GF-1，ZY-3，ZY-1 02C，SJ-9A，HJ-1A/1B)》；采用基于大气辐射传输法的FLAASH模型对Landsat-5 TM和GF-1遥感影像进行大气校正，校正过程在ENVI5.1软件中完成；以Landsat TM影像为参考影像，对高分一号影像进行配准；将配准后的高分一号影像的像元大小重采样到与Landsat5 TM影像像元大小一致。
1.1. 实验区概况
1.2. 数据来源
1.3. 遥感影像预处理
-
选择地表覆盖类型和植被覆盖度作为天然林保护成效评估的研究指标。
-
影像分类：对预处理后的影像运用最大似然法对影像进行分类。根据研究区情况确定分类系统，直接利用影像光谱信息选取训练样本，并利用二类调查数据进行基于混淆矩阵的分类精度验证。
实地验证：对分类过程中存在疑惑以及重点变化区域进行实地验证，利用GPS定位取样并将结果叠加至分类影像图中，对比分析后对分类进行调整和修改。
分类后变化检测：对两期分类后影像进行变化检测。分别依据应用目的对两幅图像的属性进行重编码、匹配后得出变化检测影像图及统计结果，并对结果进行分析和验证[13]。
地表覆盖度变化监测技术的具体技术路线如图 1所示。
Figure 1. Technology roadmap for monitoring change of surface coverage
因为针对多时相多源遥感影像进行分类，所以采用分类后比较法[14]。这种方法可以避免直接变化检测法对两期(或多期)不同时相图像的成像条件要基本一致的条件，以及两期(或多期)图像间的辐射校正匹配等问题，对用多源遥感数据进行变化检测也具有较好的效果；此方法还可以直接提供变化前后的地物类别信息和变化信息。
-
两期遥感影像经过预处理后，选取合适的植被指数，利用像元二分法分别进行两期植被覆盖度的估算，将估算结果求差得到植被覆盖度变化。
植被覆盖度反演：采用NDVI结合像元二分模型估算植被覆盖度。根据实验区的实际情况，采用像元二分模型中的混合像元模型进行反演[3]。
变化监测结果：将植被覆盖度估算结果求差得到植被覆盖度变化情况。
相对变化监测分析：针对植被覆盖度变化区域，结合天保工程情况、现地调查数据等信息进行变化结果分析，找到变化的原因，对天保工程建设成效进行评价。
具体的技术路线如图 2所示。
Figure 2. Technical roadmap for monitoring change of vegetation coverage
2.1. 成效评估指标
2.2. 地表覆盖类型变化
2.3. 植被覆盖度变化
-
针对试验区的地表覆盖和土地类型情况，参考森林资源清查规程和《全国遥感监测土地利用/覆盖分类体系》，确定该应用示范区土地覆盖遥感分类的类别包括有林地、湿地、火烧迹地、建筑用地和水域共5类。
利用二类调查数据进行精度评价得到的分类结果精度评价结果表明，2期影像的总体精度均达到80%以上(表 1、表 2)，满足后续变化检测的应用需求。
项目
Items有林地
Forestland湿地
Wetland火烧迹地
Burned land建设用地
Construction land水域
Body of water样本总数
Total number of samples生产者精度
PA/%有林地Forestland 2 025 123 85 34 7 2 274 89.05 湿地Wetland 120 1 819 111 17 15 2 082 87.37 火烧迹地Burned land 111 98 1 227 66 6 1 508 81.37 建设用地Construction land 0 0 71 305 16 392 77.81 水域Body of water 0 39 0 5 165 209 78.95 样本总数Total number of samples 2 256 2 079 1 494 427 209 6 465 用户精度UA/% 89.76 87.49 82.13 71.43 78.95 总体精度：(5 541/6 465) =85.71%，Kappa系数：0.800 03。 Table 1. Accuracy evaluation of classification results in 2004
项目
Items有林地
Forestland湿地
Wetland火烧迹地
Burned land建设用地
Construction land水域
Body of water样本总数
Total number of samples生产者精度
PA/%有林地Forestland 7 472 174 218 4 6 7 874 94.89 湿地Wetland 477 6 324 446 28 1 7 276 86.92 火烧迹地Burned land 399 263 3 814 119 50 4 645 82.11 建设用地Construction land 0 238 344 471 43 1 096 42.97 水域Body of water 0 17 5 19 376 417 90.17 样本总数Total number of samples 8 348 7 016 4 827 641 476 21 308 用户精度UA/% 89.51 90.14 79.01 73.48 78.99 总体精度：(18 457/21 308) = 86.62%，Kappa系数：0.806 49。 Table 2. Accuracy evaluation of classification results in 2015
-
统计2004年和2015年各地表覆盖类型的面积如表 3所示。可以看出，2004—2015年间，火烧迹地面积减少了约8 165 hm2；2004—2015年间金河林业局西南及东北部发生林火，形成一定面积火烧迹地，统计约为5 310 hm2；有林地面积明显增加；湿地面积减少，大部分转化为有林地；其它类型面积变化不大(表 4)。总体来说，金河林业局2004—2015年间森林(有林地和湿地)面积增加约为11 057 hm2，森林(有林地和湿地)面积覆盖率由92.11%提高至94.61%。
hm2 项目Items 2004年面积
Area in 20042015年面积
Area in 2015面积变化
Area change火烧迹地Burned land 21 863.74 13 697.91 -8 165.83 建设用地Construction land 5 635.49 6 063.66 428.17 有林地Forestland 270 489.31 347 016.78 76 527.47 湿地Wetland 135 974.13 70 503.66 -65 470.47 水域Body of water 7 326.59 4 007.25 -3 319.34 总面积Total area 441 289.26 441 289.26 0 Table 3. Area change statistics 2004—2015
hm2 项目Items 2004年 火烧迹地
Burned land建设用地
Construction land有林地
Forestland湿地
Wetland水域
Body of water2015年 火烧迹地Burned land 6 913.05 338.49 5 039.55 1 096.95 309.87 建设用地Construction land 723.35 1 146.51 2 113.47 1 890.36 189.97 有林地Forestland 7 138.24 1 121.06 256 442.47 77 823.62 4 491.39 湿地Wetland 6 816.31 2 695.53 5 525.91 54 326.24 1 139.67 水域Body of water 272.79 333.9 1 367.91 836.96 1 195.69 Table 4. Land type transfer matrix 2004—2015
将2004年和2015年的土地覆盖类型变化运算，得到主要地类到其他地类的转化如图 3所示。从2004—2015年两期影像变化检测图可以看出，在2004—2015年间金河林业局西南及东北部有小面积林火发生，形成火烧迹地，过火面积约为5 310 hm2，如图 3(a)所示；2003金河林业局南部由林火形成的火烧迹地已有部分完全恢复为有林地及湿地，如图 3(b)所示；有很大一部分湿地转变为有林地，如图 3(c)所示。
Figure 3. The transformation diagram of a class to other local classes 2004—2015
-
利用植被指数进行像元二分模型植被覆盖度的估算公式如下：
其中:NDVIsoil是无植被像元的NDVI值，即完全被裸土覆盖的像元的NDVI值；NDVIveg是全植被像元的NDVI值，即完全被绿色植被覆盖的像元的NDVI值。像元二分模型的关键为计算NDVIveg和NDVIsoil的值，取值会随植被类型和时空分布而发生变化，借助林相图，两者取值分别对应影像上给定置信区间内的最大值和最小值。试验不同的置信度值，并用野外实测数据进行验证，取精度最高情况下对应的NDVIsoil和NDVIveg作为研究区植被覆盖度反演的NDVIsoil和NDVIveg，森林在各置信度值对应的覆盖度反演精度如表 5所示。
项目Items 置信度0.1%
Confidence degree 0.1%置信0.5%
Confidence degree 0.5%置信度1%
Confidence degree 1%NDVIsoil 0.440 5 0.480 0 0.492 2 NDVIveg 0.750 4 0.735 2 0.726 1 RMSE 0.214 3 0.197 9 0.239 7 精度(1-RMSE)/% 78.57 80.21 76.03 Table 5. Land type transfer matrix 2004—2015
用0.5%作为置信度区间截取NDVI上下限阈值近似代表NDVIsoil和NDVIveg，两期影像的取值情况如表 6所示。
年份Year NDVIveg NDVIsoil 2014 0.735 2 0.480 0 2015 0.795 6 0.216 0 Table 6. Value of NDVIveg and NDVIsoil
将NDVIsoil和NDVIveg代入模型，即可得到两期研究区的植被覆盖度图，经野外实测数据验证精度达到83%，金河林业局2004年和2015年植被覆盖度如图 4所示：
Figure 4. Distribution of vegetation coverage in 2004 (left) and 2015 (right) of JinHe Forestry Bureau
-
将植被覆盖度变化(fc)分为10个等级：5级负变化，低退化(－20%≤fc＜0)、较低退化(-40%≤fc＜-20%)、中度退化(-60%≤fc＜-40%)、较高退化(-80%≤fc＜-60%)、高退化(-80%≤fc＜-1)，5级正变化，低增长(0≤fc＜20%)、较低增长(20%≤fc＜40%)、中度增长(40%≤fc＜60%)、较高增长(60%≤fc＜80%)、高增长(80%≤fc＜1)[15]。基于上述植被覆盖度变化的5个正变化等级分类，将天然林恢复成效评估等级分为低恢复、较低恢复、中度恢复、较高恢复、高恢复，如图 5所示。金河林业局2004—2015年各植被覆盖度等级转移矩阵见表 7。
Figure 5. Assessment map of vegetation cover recovery in Jinhe Forestry Bureau
% 项目Items 2004年 低Low
(0%~20%)较低Lower
(20%~40%)中Middle
(40%~60%)较高Higher
(60%~80%)高High
(80%~100%)2015年 低Low(0%~20%) 9.30 1.84 0.62 0.20 0.13 较低Lower(20%~40%) 8.17 7.60 5.42 1.03 0.34 中Middle(40%~60%) 23.89 30.86 25.31 4.50 0.83 较高Higher(60%~80%) 35.68 41.34 44.86 29.50 11.60 高High(80%~100%) 22.92 18.09 23.75 64.73 87.06 Table 7. Grade transfer matrix of vegetation coverage from 2004 to 2015 in Jinhe Forestry Bureau
植被覆盖度的相对变化监测结果表明，尽管期间出现森林火灾等自然灾害，大面积毁坏森林，但截至2015年9月份植被覆盖度主要集中在中、较高、高等级区域。自1998年开始试点启动重点国有林区天然林保护工程以来，2000年正式启动，到2015年天保工程二期中期，经过十多年努力金河林业局的天然林保护取得了一定成效。
3.1. 土地覆盖类型
3.1.1. 土地覆盖类型分类精度
3.1.2. 地表覆盖类型变化分析
3.2. 植被覆盖度变化
3.2.1. 植被覆盖度估算结果和精度
3.2.2. 植被覆盖度变化分析
-
(1) 基于采用分类后比较法能够有效检测出地表覆盖类型变化，经验证检测精度能够达到80%以上。
(2) 归一化植被指数结合像元二分模型能够用于复杂地表植被覆盖度的反演，经野外实测数据验证精度可达到83%。
(3) 根据地表覆盖类型变化监测和植被覆盖度变化监测，金河林业局天然林保护工程实施以来实现了森林资源由过度消耗向恢复性增长转变，生态状况由持续恶化向逐步好转转变。
DownLoad: