-
面对森林资源的动态性、复杂性和特殊性，传统的森林资源调查和监测方法由于周期长，地面工作量大，已难适应现代林业发展的需要[1]。利用卫星影像和遥感技术进行森林资源调查，可以在同一时间对大面积的工程区进行大规模监测，是现代森林资源管理中的重要技术手段[2]。然而，近年来森林资源监测的遥感数据来源主要依赖从国外购买昂贵的SPOT-5，Quick Bird等高分辨率卫星数据（简称“高分数据”）[3]，数据获取能力十分有限且分类精度低，导致林业对国产高分辨率遥感数据和处理技术的需求与日俱增。此外，林业生态工程监测虽然已经有较多技术积累，但迄今为止还未建立完整的全国林业生态工程监测业务系统，不利于林业生态工程管理和监测[4]。2013年，中国发射了首颗高分辨率对地观测卫星高分1号卫星（简称“GF-1”），可提供幅宽不低于60 km，空间分辨率优于2 m的全色影像和优于8 m的多光谱影像。李艳华等[5]利用国产GF-1遥感影像研究山区细小水体提取方法，王磊等[6]分析了GF-1影像特征及其在草地监测中的应用。如今GF-1影像已成为土地利用动态监测、城乡规划监测评价、森林资源调查监测、荒漠化监测等行业的重要数据源。本研究针对国产GF-1数据，研究高分遥感影像信息提取算法模型，实现工程造林地块识别、造林成林提取、森林分布变化提取精度达到85%，森林类型提取精度达到80%，建设中国高分林业生态工程监测应用系统。
HTML
-
云阳县位于重庆市东北部的三峡库区腹地，是三峡库区沿江经济走廊承东启西、南引北联的重要枢纽，其生态区位十分重要，是中国天然林资源保护工程和退耕还林工程实施重点县。本研究选取云阳县作为研究示范区，用到的数据包括：2013年和2015年云阳县GF-1遥感影像共19景，2009年森林资源清查数据，2012年森林资源二类调查数据，以及行政区划、地形图和落界矢量等基础地理数据。
-
本系统采用C/S模式进行开发，从上到下划分为应用层、平台支撑层和数据层[7]，如图 1所示。① 数据层：负责存储和管理系统建设所需的各类数据库，以关系数据库SQL Server作为基础数据库来统一管理数据，空间数据引擎Arc SDE来实现空间数据的管理和操作[8]。② 平台支撑层：ArcGIS Engine[9]是ESRI推出的一套完备的嵌入式地理信息系统（GIS）二次开发组件库和工具库[10]，系统基于ArcGIS Engine10.1组件，使用C#语言在.Net环境下进行开发，结合eCognition和Envi等遥感应用软件提供的二次开发工具和算法语言，开发高分遥感专题信息提取工具，利用NASA World Wind 3D Engine组件，实现监测成果数据在三维环境下无缝漫游和显示。③ 应用层：可为林业生态工程建设相关部门、单位，提供数据管理、造林核查检查、森林资源动态监测和专题产品生产等方面应用服务。
Figure 1. System structure diagram
-
要利用GF-1遥感影像对研究区森林资源变化情况进行监测，需要进行如下业务流程：收集和处理研究区GF-1遥感影像，整理天然林资源保护工程和退耕还林工程造林、管护和抚育经营等方面的档案资料，采集研究区工程地块变化数据、退耕农户统计等，建立数据库管理森林资源数据。对遥感影像进行信息提取，得到造林地块信息和成林提取信息，以及森林类型和森林分布变化，对工程区进行造林核查检查和资源动态监测。依据专题图制作规范，绘制工程造林地块分布图、工程造林成林分布图、工程区森林类型图和工程区森林变化分布图等专题产品。因此，本系统按照监测业务需求分成4个功能模块：森林资源数据管理、造林核查检查、森林资源动态监测和专题产品生产（图 2）。
Figure 2. System functional module
-
为了改变传统的地面区划调查方法，精准掌握工程区造林地块林木生长情况，系统以工程区造林地块为底图，利用高分遥感影像的光谱特征和形状特征，实现工程造林地块自动识别，将工程区造林地块的林地小班分为郁闭成林、林木明显分布、无林木明显分布等3类，并生成工程造林地块分布图。具体算法步骤如下：① 特征提取：在高分遥感影像中，不同地类的植被覆盖指数（INDVI）和色调特征值具有较显著的差异。根据GF-1的全色和多光谱融合影像特点和地块识别的需求，分别提取INDVI和色调2个特征。植被覆盖指数（INDVI）是植物生长状态以及植被空间分布密度的最佳指示因子，经归一化处理的INDVI可以部分消除与太阳高度角和大气条件辐射等影响[11]。INDVI计算方法如式（1），其中IRNI和R分别为近红外波段和红波段处的反射率值：
色调是目视解译判读和遥感分类提取中最常用的特征参数，系统采用IHS变换模型[12]进行RGB（R为红色值，G为绿色值，B为蓝色值）到IHS（强度I，色调H，饱和度S）的变换。如式（2）：
其中：$\theta = {\rm{co}}{{\rm{s}}^{ - 1}}\left\{ {\frac{{1/2\left( {R - G} \right) + \left( {R - B} \right)}}{{\left[ {{{\left( {R - B} \right)}^2} + \left( {R - B} \right){{\left( {G - B} \right)}^{1/2}}} \right]}}} \right\}$。② 基于林地小班的林木和非林木分类。获取林地小班INDVI和色调数据，对其进行OTSU自动阈值分割[11]，OTSU法以图像的灰度直方图为依据，通过计算图像中目标类和背景类的类内方差最小、类间方差最大来进行自动阈值求取。INDVI和色调值均大于或等于其对应自适应分割阈值的为林木，否则为非林木。③ 林地小班分类：根据林地小班的林木和非林木分类结果，按照郁闭度（林木在该林地小班区域中所占的比例）将林地小班分为郁闭成林、林木明显变化和林木无明显变化。并根据实际需求，生成地块识别矢量文件。
-
成林地块提取算法主要用来提取造林地块成林和未成林情况，以此客观反映工程区森林区造林成林建设成效，对工程区进行核查检查。① 特征提取以及林木和非林木分类：提取GF-1影像INDVI和色调特征，进行OTSU自动阈值分割，对林地小班进行林木和非林木分类。② 基于林地小班的面向对象分类：利用面向对象分类技术提取该林地小班中林木和非林木连通区域，每个连通区域为一个分类对象，面向对象分类以含有更多语义信息的多个相邻同质像元组成大小不同的对象为处理单元，利用对象的空间特征和光谱特征实现较高层次的遥感图像分类和目标地物提取[13]。根据分类对象面积要求对该林地小班的所有分类对象进行合并，得到分类对象的成林和未成林情况，并生成成林提取矢量结果。
-
利用GF-1影像判读和森林类型提取，对森林类型分布实施定期动态监测。算法流程如下：① 特征提取和林木非林木分类：利用GF-1影像数据，分别提取植被覆盖指数、色调、纹理等3个特征，其中植被覆盖指数和色调可提高林木和非林木的分类精度，纹理特征可有效区分森林类型。纹理特征是指图像灰度等级的变化，描述图像局部特性，即相邻像元之间的关系，用以表示图像的均匀、细致、粗糙等现象，系统采用灰度共生矩阵算法[14]提取纹理特征，对林地小班进行OTSU自动阈值分割，得到林木和非林木分类结果。② 林地小班森林分类：统计林地小班中林木区域的纹理均值和方差，将该林地小班分为竹林，针叶林、针阔混交林、阔叶林共4类，生成森林类型分布图。
-
森林分布变化监测功能主要是利用影像分割和分类技术提取工程区地块的森林变化区域。具体步骤如下：根据高分影像中林木和非林木区域在光谱、色调上的特点，分别提取前期和后期遥感影像的植被覆盖指数和色调2个特征，进行OTSU自动阈值分割，采用面向对象技术，对林地小班进行林木和非林木区域分类，并根据郁闭度修正林木和非林木分类结果。经过对比前后期2期影像的林木和非林木分类结果，分析森林分布变化，将林地小班进一步分为新成林（无林木区域变为郁闭成林区域）、森林转出（郁闭成林区域变为无林木区域）和仍为森林等3类。
2.1. 体系结构
2.2. 功能模块设计
2.3. 关键技术
2.3.1. 造林地块识别算法
2.3.2. 成林地块提取算法
2.3.3. 森林类型识别算法
2.3.4. 森林分布变化提取算法
-
根据林业生态工程监测现状和需求，以重庆市云阳县为示范区，搭建基于ArcEngine二次开发的高分林业生态工程监测应用示范系统。系统包括数据管理、核查检查、动态监测、专题产品产出定4个功能模块。
-
森林资源数据管理是高分辨率林业生态工程监测应用的基础内容，利用SQL Server和Arc SDE数据库技术，对高分辨率林业生态工程的空间数据和非空间数据进行分类管理和显示。根据业务需求将数据分成高分影像、工程档案、检验数据、专题产品和其他数据等5项，如图 3所示。系统提供强大的管理工具和多样化的可视化平台，将基础地理数据、小班调查矢量数据以及遥感影像集成到空间视图平台上[15]，通过3D Engine插件功能实现空间数据的三维显示，还能通过查询功能获取林地小班的属性数据，及时反映森林资源现状。
Figure 3. Display interface of forest resources data management
-
造林地块识别：从数据库中选取2013年云阳县GF-1数据，对林地小班进行造林地块识别，得到郁闭成林分布、林木明显分布和无林木等明显地块数分别为1 076，552，47个；面积分别为2 415.4，1 401.2，20.9 hm2。经外业调查核查验证，此区域包含1 916个造林地块，面积为4 316.6 hm2，汇总估算此区域地块识别精度为88.9%。图 4为利用云阳县2015年GF-1遥感影像进行造林地块识别生成的专题图结果。成林地块提取：对云阳县2013年GF-1影像进行成林地块提取，得到成林和未成林地块数分别为1 879和1 809个，面积分别为933.2和2 569.4 hm2，外业验证成林提取精度达到87.2%。结果表明：本研究使用的植被覆盖指数和色调特征结合的遥感信息提取算法在造林地块识别和造林成林提取方面具有明显的优势，提取精度均在85%以上。利用遥感技术进行核查检查摒弃了传统人工现场调查的方法，大大提高了工作效率和成果质量，为林业生态工程动态监测和成效评价提供基础。
Figure 4. Yunyang County engineering site map
-
森林类型识别：运用森林类型识别算法，对云阳县某区域2013年GF-1影像进行识别，得到针叶林、阔叶林、混交林等的地块数分别为568，15，59个，面积分别为2 789.7，42.0，391.7 hm2，森林类型识别精度达到86.1%。森林分布变化提取：以云阳县2013年和2015年获取的同一区域不同时相的两景GF-1影像为例，通过森林分布变化提取，得到仍为森林、森林转出和新成林地块数分别为779，38，529个，森林分布变化提取精度为86.5%。从结果可以看出：新成林地块数占总地块数的39.3%，天然林保护工程和退耕工程成果显著，不仅原有森林得到良好保护，而且退耕还林和造林成林面积迅速增长。
3.1. 森林资源数据管理
3.2. 造林核查检查
3.3. 森林资源动态监测
-
以云阳县为示范研究区，将国产GF-1遥感数据应用于林业生态工程监测研究，建设了全国高分林业生态工程监测应用示范系统，解决了高分林业生态工程造林识别、成林提取等技术瓶颈。利用遥感等信息获取分析工具和地理信息系统，实现森林资源管理、核查检查、动态监测、专题产品生成和成效评价等功能，大大提高了云阳县森林资源监测水平和效率，同时对于国产高分辨率卫星遥感影像在林业生态工程中的应用起到了重要的示范作用，推动了国家林业生态工程建设与管理的进程。
DownLoad: