祝國祥，何鐵祥

(國家林業(yè)局西北林業(yè)調(diào)查規(guī)劃設(shè)計(jì)院，陜西 西安 710048)

基于像元二分模型的林地變化檢測研究

祝國祥，何鐵祥

(國家林業(yè)局西北林業(yè)調(diào)查規(guī)劃設(shè)計(jì)院，陜西 西安 710048)

以寧夏回族自治區(qū)中衛(wèi)市沙坡頭區(qū)為研究區(qū)域，利用2015年及2016年兩個(gè)年度的高分一號遙感影像分別提取NDVI值，以像元二分模型反演生成植被指數(shù)差值圖像，檢測出植被指數(shù)減少的信息。同時(shí)，疊加近期各類林業(yè)專題數(shù)據(jù)資料，通過目視解譯、甄別歸類、識別林地的變化情況。結(jié)果表明：該模型可以較為快捷、準(zhǔn)確地反映研究區(qū)的林地變化情況，為林政管理人員的林地資源管理、監(jiān)督、執(zhí)法提供了技術(shù)支持。

林地；變化檢測；像元二分模型無監(jiān)督分析法；現(xiàn)地驗(yàn)證

1 研究內(nèi)容

林地作為森林資源存在的基本載體，既是林業(yè)可持續(xù)發(fā)展的基礎(chǔ)，又是控制森林資源消耗，增強(qiáng)森林生態(tài)防護(hù)效益，實(shí)現(xiàn)國民經(jīng)濟(jì)可持續(xù)發(fā)展的根本與保障[1]。遙感技術(shù)的應(yīng)用為林地動態(tài)變化分析提供了一個(gè)較為全面和直觀的監(jiān)測手段，但如何從同一地區(qū)大量的不同時(shí)期的遙感圖像中準(zhǔn)確甄別獲取和檢測出林地隨時(shí)間發(fā)生變化的信息成為每一位林政資源管理人急需研究和探索的熱點(diǎn)。

本文結(jié)合中衛(wèi)市沙坡頭區(qū)林地管理情況檢查以2012年編制的《中衛(wèi)市沙坡頭區(qū)林地保護(hù)利用規(guī)劃(2010～2020)》的矢量數(shù)據(jù)為本底數(shù)據(jù)源，分別采用2015年5月11日和2016年6月16日獲取的高分一號遙感影像數(shù)據(jù)，借助ENVI、Erdas和Arcgis等軟件平臺，提出采用像元二分模型無監(jiān)督分析法分離和提取變化信息，反演出被研究區(qū)域林地動態(tài)變化情況，為林地資源管理、監(jiān)督和執(zhí)法又提供了一條快捷、客觀、可行的技術(shù)支持。

2 研究區(qū)概況

中衛(wèi)市沙坡頭區(qū)位于寧夏回族自治區(qū)中西部,地理坐標(biāo)為東經(jīng)104°07′～105°37′、北緯36°39′～37°43′之間，地處寧、甘、蒙3省(區(qū))交界處，境域東西長115.3 km，南北寬81.4 km，總面積 532 510 hm2。屬溫帶半干旱氣候區(qū)，為典型的大陸性季風(fēng)氣候，而且具有沙漠氣候特征。土壤類型主要有灰鈣土、灌淤土、鹽堿土、新積土、風(fēng)沙土、石礫石土、粗骨土等8大類，植被主要以油松(PinustabulaeformisCarr)、云杉(Piceaasperata)、側(cè)柏(Platycladusorientalis)、榆樹(Ulmuspumila)、楊樹(Populus)、槐樹(Sophorajaponica)、檸條(Caraganaintermediaintermedia)、沙棘(Hippophaerhamnoides)、杞柳(Salixintegra)等。

據(jù)《中衛(wèi)市沙坡頭區(qū)林地保護(hù)利用規(guī)劃(2010～2020)》林地資源統(tǒng)計(jì)數(shù)據(jù)，沙坡頭區(qū)林地面積 115 197.12 hm2，林地占國土總面積的21.63%；非林地面積 417 312.88 hm2，非林地占國土總面積的78.37%，林地資源貧乏。因此，保護(hù)該區(qū)域的林地資源是當(dāng)?shù)亓謽I(yè)生產(chǎn)建設(shè)的立足之本和基礎(chǔ)來源，也是生態(tài)建設(shè)和經(jīng)濟(jì)社會發(fā)展的物質(zhì)基礎(chǔ)和保障，其在維護(hù)生態(tài)安全、改善氣候環(huán)境具有舉足輕重的作用。

3 林地變化監(jiān)測路線

林地變化檢測就是利用不同時(shí)間段的多次遙感觀測，來確定和分析現(xiàn)有國土上的林地變化，從而確定林地的變化發(fā)展過程。

本次監(jiān)測林地變化的主要步驟包括遙感數(shù)據(jù)的選取，原始遙感數(shù)據(jù)預(yù)處理，變化信息的提取及確定，變化信息圖斑驗(yàn)證等方面。其變化檢測的技術(shù)路線(見圖1)。

圖1 變化檢測的技術(shù)路線圖

3.1 遙感數(shù)據(jù)選取

選取研究區(qū)的遙感圖像時(shí)，盡量選取前后期季節(jié)、光照、當(dāng)天時(shí)刻都比較接近的遙感圖像，從而消除太陽高度角及植被物候不同而引起的圖像反射差異。同時(shí)檢測區(qū)域的遙感圖像云層覆蓋度控制在10%以內(nèi)。本次研究區(qū)所采用遙感數(shù)據(jù)分別為2015年和2016年獲取的高分一號遙感影像數(shù)據(jù)(見表1)。

表1 研究區(qū)使用的遙感數(shù)據(jù)源和時(shí)間

3.2 遙感數(shù)據(jù)預(yù)處理

首先，對所選取的遙感圖像進(jìn)行幾何配準(zhǔn)，從而使相同地物在兩幅不同時(shí)期的遙感圖像中處于相同位置。其次，對幾何配準(zhǔn)后的數(shù)據(jù)，糾正遙感圖像中目標(biāo)輻射的不確定性信息，即大氣校正。同時(shí)以前期的圖像的直方圖為基礎(chǔ)，糾正同一地區(qū)后期時(shí)相的遙感圖像因大氣狀況、太陽高度角的不同而產(chǎn)生的輻射差異，將其時(shí)相的圖像與之進(jìn)行歸一化NDVI(植被指數(shù))匹配。

標(biāo)準(zhǔn)歸一化植被指數(shù)定義為： NDVI=(NIR-R)/(NIR+R)

其中，NIR為近紅外通道反射率，R為紅光通道反射率。NDVI其光譜表現(xiàn)為：-1≤NDVI≤1，負(fù)值表示地面覆蓋為云、水、雪等，對可見光高反射；0表示有巖石或裸地等，NIR與R近似相等；正值，表示有植被覆蓋，且隨覆蓋度增大而增大[2]。結(jié)合高分1號衛(wèi)星的光譜參數(shù)范圍，其波段3為R，波段4為NIR。在ENVI軟件的Transform下的NDVI工具，以Landsat TM作為NDVI Calculation Parameters下的數(shù)據(jù)類型確定其波段選擇(見圖2)。從植被覆蓋度分別獲得兩期的歸一化植被指數(shù)圖(見圖3、圖4)。

圖2 NDVI處理

圖3 植被指數(shù)圖(2015年5月11日)

圖4 植被指數(shù)圖(2016年6月16日)

3.3 變化信息及圖斑的提取及確定

3.3.1 變化信息提取

采用像元二分模型分析法從監(jiān)測期間的遙感數(shù)據(jù)中，定量地分析和確定地表變化的特征，獲得針對像素，對象或特征的檢測變化。像元二分模型是假設(shè)一個(gè)像元的地表由有植被覆蓋部分地表(Sveg)與無植被覆蓋部分地表(Ssoil)組成，而遙感傳感器觀測到的光譜信息(S)也是由這兩個(gè)組分因子線性加權(quán)合成，即S= Sv+ Ss，各因子的權(quán)重是各自的面積在像元中所占的比率(VFC)，其中植被覆蓋度可以看作是植被的權(quán)重[3]。

VFC=(S-Ssoil)/(Sveg-Ssoil)

將歸一化植被指數(shù)(NDVI)代入公式后改進(jìn)的像元二分模型

VFC=( NDVI - NDVI soil)/(NDVI veg- NDVI soil)

其參數(shù)：

NDVI soil=( VFC max* NDVI min - VFC min* NDVI max)/(VFC max - VFC min)

NDVI veg=( (1-VFC min) * NDVI max - (1-VFC max) * NDVI min)/(VFC max - VFC min)

NDVImax和NDVImin分別為區(qū)域內(nèi)最大和最小的NDVI值。由于不可避免存在噪聲，NDVImax和NDVImin一般取一定置信度范圍內(nèi)的最大值與最小值，置信度的取值主要根據(jù)圖像實(shí)際情況來定；當(dāng)區(qū)域內(nèi)不能近似取VFCmax=100%，VFCmin=0%，當(dāng)有實(shí)測數(shù)據(jù)的情況下，取實(shí)測數(shù)據(jù)中的植被覆蓋度的最大值和最小值作為VFCmax和VFCmin，這兩個(gè)實(shí)測數(shù)據(jù)對應(yīng)圖像的NDVI作為NDVImax和NDVImin。當(dāng)沒有實(shí)測數(shù)據(jù)的情況下，取一定置信度范圍內(nèi)的NDVImax和NDVImin[4]。VFCmax和VFCmin根據(jù)經(jīng)驗(yàn)估算(見表2)。

表2 NDVImax 和NDVImin參數(shù)表

采用有關(guān)人員的研究，植被覆蓋度的值介于[0，1]之間[5]，將植被覆蓋度定義為5個(gè)等級閾值區(qū)：(1)無覆蓋(裸露地表和水體)，VFC≤0.1；(2)低覆被，0.1

圖5 植被覆蓋度密謀圖(2015年5月11日)

圖6 植被覆蓋度密謀圖(2016年6月16日)

通過兩期植被指數(shù)差值圖像，檢測出植被指數(shù)減少的信息。利用ERDAS軟件的Interpreter下的Changedetction工具，以前后兩期的植被覆蓋度密度圖為數(shù)據(jù)源，分別生成Image difference 和Highlight change分析變化圖[7](見圖7、圖8)。再以Highlight change分析變化圖為基礎(chǔ)生成變化矢量層(見圖9)。初步獲取變化信息達(dá)到 38 658個(gè)(見表3)。

圖7 影像差異

圖8 顯著性變化

圖9 變化矢量層

表3研究區(qū)無監(jiān)督像元二分模型確認(rèn)變化圖斑情況

項(xiàng)目無監(jiān)督監(jiān)測剔除物候變化林地范圍監(jiān)測甄別歸并類型專家組確認(rèn)變化圖斑(個(gè))386581262526032016

3.3.2 變化圖斑提取

1) 以前后兩期的植被覆蓋度密度圖為基礎(chǔ)，剔除因物候等因素如土壤干濕度變化、水域消漲、圖像并接特征及色差匹配不均、植物生長季不同表相等變化引起的非植被變化小班，剔除圖斑 26 033個(gè)，獲得植被變化圖斑 12 625個(gè)；

2) 按照《全國森林資源管理情況檢查工作手冊(2016)》(以下簡稱“手冊”)有關(guān)要求，收集整理近期沙坡頭區(qū)區(qū)域內(nèi)的各類林業(yè)專題數(shù)據(jù)如占用征收林地資料、森林林木采伐作業(yè)設(shè)計(jì)及驗(yàn)收資料、林政案件資料、森林災(zāi)害情況等及其結(jié)合《中衛(wèi)市沙坡頭區(qū)林地保護(hù)利用規(guī)劃(2010～2020)》的矢量數(shù)據(jù)再疊加林業(yè)專題數(shù)據(jù)基礎(chǔ)上，甄別變化類型(①有證采伐、②依法占地、③無證采伐、④無證占地、⑤林政案件、⑥造林、⑦森林災(zāi)害借助 Arcgis 中的Identity[8]工具識別林地范圍內(nèi)的植被變化，并形成初步判讀成果；

3) 組織專家組依據(jù)檢測的目標(biāo)對形成的初步成果按照“手冊”中的判讀程序進(jìn)行多次大屏幕會診，檢測林地明顯變化圖斑，再結(jié)合當(dāng)?shù)亟?jīng)濟(jì)發(fā)展現(xiàn)狀歸并確認(rèn)形成最終變化成果。見表3。

4 變化信息圖斑驗(yàn)證

按照“手冊”有關(guān)要求抽取現(xiàn)地驗(yàn)證數(shù)量。現(xiàn)地調(diào)查核實(shí)疑似林地變化圖斑10塊。參照變化圖斑影像，落實(shí)到山頭地塊，現(xiàn)地調(diào)查厘清圖斑變化的性質(zhì)、變化范圍、面積以及影像變化的原因，涉及林政案件的與現(xiàn)地的一致性及查處情況。經(jīng)現(xiàn)地核實(shí)因工程建設(shè)引起林地變化圖斑3塊、開墾種植引起林地變化圖斑3塊、涉案林政案件圖斑3塊和河道坍塌(自然因素)引起影像變化1塊(見表4)。

表4 研究區(qū)抽查森林資源監(jiān)測現(xiàn)地驗(yàn)證情況

5 結(jié)論與討論

(1) 經(jīng)抽查現(xiàn)地驗(yàn)證研究區(qū)判讀正判率在90%以上，排除因自然因素干擾后，人為因素引起的林地變化的正判率更高。

(2)以NDVI值為參數(shù)，無需估算葉面指數(shù)等推導(dǎo)參數(shù)可以適用覆蓋不同植被類型，技術(shù)路線較為簡單、可操作性強(qiáng)。

(3)借助像元二分模型分析法非監(jiān)督監(jiān)測林地的變化具有覆蓋面積大，直觀、全方位地反映區(qū)域內(nèi)不同時(shí)期之間的林地及非林地間的空間分布上動態(tài)變化特征和趨勢。為林政管理者提供了決策依據(jù)及采取應(yīng)對措施的宏觀調(diào)控基礎(chǔ)數(shù)據(jù)。

(4)專家組甄別時(shí)是利用專家的經(jīng)驗(yàn)值來綜合分析評價(jià)地物發(fā)生變化的特征，確定變化區(qū)域和類型。其缺點(diǎn)是甄別時(shí)數(shù)據(jù)量龐大、效率較低、費(fèi)時(shí)費(fèi)力，對一個(gè)區(qū)域沒有一個(gè)系統(tǒng)的可用經(jīng)驗(yàn)值直接采用。這就需要專家組對研究和檢查區(qū)域不間斷地建立解譯標(biāo)志，獲取直接經(jīng)驗(yàn)值。

[1] 《中國森林》編輯委員會.中國森林[M].北京:中國林業(yè)出版社，1997.

[2] 路暢，王英輝，楊進(jìn)文.《廣西鉛鋅礦區(qū)土壤重金屬污染及優(yōu)勢植物篩選》[J].土壤通報(bào)，2010，41(6).

[3] 王玲.《基于像元二分模型的植被覆蓋度反演—以北京市為例》.

[4] 《基于像元二分模型的植被覆蓋動態(tài)監(jiān)測—以北京市密云、延慶、懷柔為例》.信息通信，2013(8).

[5] 丁美清，陳松嶺，郭云開.《基于遙感的土地復(fù)墾植被覆蓋度評價(jià)》[J].中國土地科學(xué)，2009，23(11).

[6] 彭道黎，滑永春.《北京延慶縣植被恢復(fù)動態(tài)遙感監(jiān)測研究》[J].中南林業(yè)科技大學(xué)學(xué)報(bào)，2008，28(4).

[7] 黨安榮，賈海峰，陳曉峰，等.《Erdas imagine 遙感圖像處理教程》[M].北京：清華大學(xué)出版社，2010.

[8] 湯國安，楊昕.《ArcGIS 地理信息系統(tǒng)空間分析實(shí)驗(yàn)教程》 [M].北京：科學(xué)出版社，2010.

AStudyofForestlandChangeDetectionBasedonDimidiatePixelModel

ZHU Guo-xiang HE Tie-xiang

(Northwest Forest Inventory and Planning Institute of the state Forestry Administration,Xi’an 710048,Shaanxi)

This paper took Shapotou District of Zhongwei city in Ningxia Hui Autonomous Region as study area,using GF-1 remote sensing images of the year 2015 and 2016,from which the NDVI value were extracted to generate difference images of vegetation index generation two pixel inversion model,detect the reduced index information of vegetation.At the same time,overlay all kinds of recent forestry thematic data,and identify changes of forestland through visual interpretation,screening,classification.The results showed that the model reflected the change in the research area more quickly and accurately,which provided technical support for the management of forest resources,forest management,supervision and law enforcement.

Forestland，Remote sensing image change detection,Dimidiate Pixel model unsupervised analysis method，F(xiàn)ield validation

2017-07-03

國家林業(yè)局“全國森林資源管理情況檢查”項(xiàng)目。

祝國祥(1969-)，男，高級工程師，學(xué)士，主要從事GIS和遙感在森林資源監(jiān)測中的應(yīng)用研究工作。Email:499856172@qq.com

10.16779/j.cnki.1003-5508.2017.05.020

S771.8

A

1003-5508(2017)05-0084-05