包廣道，劉存發(fā)，程 巖，王麗麗，衣曉雨，李秀娥，劉 婷，張忠輝

(1.吉林省林業(yè)科學(xué)研究院，吉林 長春 130033；2.吉林省野生動物救護繁育中心，吉林 長春 130122；3.吉林松花江三湖國家級自然保護區(qū)管理局，吉林 吉林 132000；4.吉林市林業(yè)科學(xué)研究院，吉林 吉林 132000；5.吉林省林業(yè)技術(shù)推廣站，吉林 長春 130022；6.輝南縣森林病蟲防治檢疫站，吉林 通化 135100)

林地不僅是國家的重要資源和戰(zhàn)略資源，而且在增強森林生態(tài)防護效益、實現(xiàn)國民經(jīng)濟的可持續(xù)發(fā)展中起著不可估量的作用，具有生態(tài)、經(jīng)濟和社會的三大效益功能[1,2]。林地的變化對區(qū)域的生態(tài)安全，以至全球的環(huán)境變化都起著至關(guān)重要的作用[3,4]。因此，周期性掌握林地的變化情況對生態(tài)安全建設(shè)、森林資源管理具有重要的現(xiàn)實意義[5]。傳統(tǒng)的林地變化檢測主要以現(xiàn)地調(diào)查、遙感數(shù)據(jù)目視解譯結(jié)合檔案資料進行，雖然結(jié)果準(zhǔn)確，但存在工作量大、效率低、成本高等缺點[6]。遙感技術(shù)的出現(xiàn)及快速發(fā)展，提供了一種具有覆蓋范圍廣、重復(fù)周期短等特征的技術(shù)手段，可為林地變化提供一個較為全面和直觀的檢測方法，已成為森林資源檢測中的最基本技術(shù)?；谶b感影像變化檢測方法主要有目視解譯法、基于像元分類法[7,8]、多源遙感數(shù)據(jù)法[9,10]、多時相復(fù)合分類法[11]、輔助信息綜合分類法[12]以及面向?qū)ο蠓诸惙ǖ萚13,14]。但由于不同數(shù)據(jù)源及光譜特征差異等原因，導(dǎo)致檢測結(jié)果存在偽變化，在實際工作中仍需要大量人工處理。此外，由于傳統(tǒng)變化檢測手段需要大量前期處理，如樣本選取、分類訓(xùn)練等，導(dǎo)致整個過程不確定性增加，對變化結(jié)果有著很大的影響。運用遙感等技術(shù)手段開展我國林地動態(tài)變化檢測，建立切實可行的動態(tài)變化檢測體系是林業(yè)管理部門的一項迫切任務(wù)。通過影像準(zhǔn)確獲得林地信息并檢測出林地變化已成為林政資源管理人員急需研究和探索的熱點。本文以長嶺縣為研究對象，以Landsat8-OLI遙感影像為主要數(shù)據(jù)源，基于植被指數(shù)實現(xiàn)林地信息快速提取，從而進行林地變化的檢測。

1 研究區(qū)概況

本研究以吉林省松原市長嶺縣為研究區(qū)，地理位置123°6′～124°45′E， 43°59′～44°42′N，如圖1所示。該地區(qū)位于吉林省西部，地處松遼平原腹地、科爾沁草原東部。地形東南高西北低，地勢平坦，海拔145～270 m，年平均氣溫4.9 ℃，年平均降水量470 mm，為農(nóng)牧交錯區(qū)，屬于北方半濕潤農(nóng)業(yè)區(qū)和半干旱牧業(yè)區(qū)的過渡地帶，是全國商品糧基地縣、油料生產(chǎn)重點縣和吉林省玉米出口基地縣。同時，也是“三北”防護林體系的重要組成部分，是吉林省西部的主要風(fēng)沙災(zāi)害區(qū)之一。林業(yè)的發(fā)展直接關(guān)系到農(nóng)牧業(yè)生產(chǎn)和人民生活。

圖1 研究區(qū)位置

2 研究方法

2.1遙感數(shù)據(jù)及預(yù)處理

選取2015年和2017年15 m分辨率的Landsat8-OLI遙感影像作為主要數(shù)據(jù)源，行列號為119029，日期分別為2015-05-22和2017-05-27(圖2)，影像季相相同，無云覆蓋，植被生長狀態(tài)相近，影像質(zhì)量較好且研究結(jié)果具有可比性。在ENVI5.3下，對兩期遙感影像分別進行輻射定標(biāo)、大氣校正、幾何糾正等預(yù)處理工作，將原始影像的灰度值(DN)轉(zhuǎn)換為傳感器反射率，從而降低不同影像間地形、光照和大氣帶來的差異。

圖2 研究區(qū)遙感影像

2.2 植被指數(shù)計算

根據(jù)植被對于可見光紅波段表現(xiàn)出強吸收，近紅外波段表現(xiàn)為高透射的光譜特性，將可見光紅波段和近紅外波段進行組合，形成各種植被指數(shù)，可達到簡單、有效地定量和定性對地表植被狀況進行評價的目的。目前，已定義40多種植被指數(shù)并廣泛應(yīng)用在遙感對地監(jiān)測之中[15]。歸一化植被指數(shù)(Normalized difference vegetation index，NDVI)是目前應(yīng)用最為廣泛的植被指數(shù)，是反映植被覆蓋度的最佳指示因子，對土壤背景的變化比較敏感，能在很大程度上消除地形和群落結(jié)構(gòu)陰影的影響，并能削弱大氣的干擾，大大擴展了對植被覆蓋度檢測的靈敏度，是反映生態(tài)環(huán)境的重要指標(biāo)[16]。其計算公式為：

式中：NDVI為歸一化植被指數(shù)；RNIR為近紅外波段反射率；RRED為可見光紅波段反射率。

2.3 林地信息提取

基于研究區(qū)Landsat 8-OLI的遙感影像計算NDVI。為避免影像中存在一定的噪聲或離群值的干擾，根據(jù)NDVI的取值范圍，以[-1,1]為區(qū)間進行置信處理，得到研究區(qū)NDVI初步識別結(jié)果(如圖3、圖4、圖5所示)。

圖3 NDVI初步識別結(jié)果

圖4 NDVI初步識別結(jié)果細(xì)節(jié)

圖5 NDVI初步識別結(jié)果細(xì)節(jié)區(qū)域遙感影像

根據(jù)研究區(qū)實際情況與遙感影像的光譜特征，結(jié)合研究目的，將地物類型劃分為林地、建設(shè)用地、耕地、水域、草地以及鹽堿地六類。使用Arcgis軟件，在研究區(qū)內(nèi)每種地物類型隨機選取樣點，其中，林地213個，建設(shè)用地208個，耕地234個，水域168個，草地156個，鹽堿地173個，總計1 152個樣點。將選取的樣點與NDVI疊加，計算各個地物類型樣點NDVI的最大值、最小值、平均值以及標(biāo)準(zhǔn)差等特征值(見表1)。

表1 地物光譜特征值統(tǒng)計

參照表1林地地物光譜特征，植被指數(shù)閾值計算公式如下：

通過公式求得2015年和2017年植被指數(shù)閾值分別為0.318和0.301。經(jīng)過驗證與對比，最終確定2015年和2017年的林地NDVI提取閾值分別為0.32和0.31。根據(jù)閾值對研究區(qū)的NDVI結(jié)果做二值化處理，設(shè)林地區(qū)域為1，其他為0，得到研究區(qū)林地的初步識別結(jié)果。為避免研究區(qū)其他地類對林地提取的干擾，利用相應(yīng)年份的研究區(qū)土地利用類型矢量數(shù)據(jù)，去除研究區(qū)內(nèi)建設(shè)用地、耕地、水域、草地以及鹽堿地區(qū)域，最終得到研究區(qū)的林地提取結(jié)果，如圖6、圖7、圖8所示。

圖6 林地提取結(jié)果

圖7 林地提取細(xì)節(jié)

圖8 林地提取細(xì)節(jié)區(qū)域遙感影像

2.4 林地變化

在ENVI軟件下，將兩期林地提取結(jié)果按照如下公式進行波段運算，得到2015年與2017年林地的變化情況，并將林地類型劃分為林地不變、林地增加與林地減少三種，最終得到研究區(qū)林地變化檢測圖(圖9)。

ΔS=Si-Sj

式中：ΔS為林地變化總面積；Si為檢測年林地總面積；Sj為本底年林地總面積。

圖9 林地變化檢測

從圖9中可以看出，研究區(qū)林地變化類型主要以林地不變?yōu)橹?，占研究區(qū)的絕大部分。有少量林地增加和細(xì)微的林地減少類型存在。其中，變化的林地類型主要以零星的小斑塊分布在研究區(qū)的西部及北部地區(qū)，且形狀多以細(xì)長型為主。變化的林地主要為農(nóng)田防護林及防風(fēng)固沙林。

圖10 林地變化檢測細(xì)節(jié)

從圖10中可以看出，林地變化類型提取結(jié)果精度較高，與林地實際變化情況基本吻合。

2.5 精度驗證

為驗證林地變化檢測結(jié)果的準(zhǔn)確率，本研究采用隨機抽樣法進行精度檢驗。結(jié)合已有的輔助資料、野外調(diào)查成果和Google Earth高分辨率遙感影像，利用混淆矩陣進行精度評價，結(jié)果如表2所示。

表2 精度統(tǒng)計

經(jīng)過檢驗，通過NDVI能較好地快速提取防護林信息，林地不變、林地增加及林地減少的總精度分別為90.2 %、70.4 %和84.3 %。其中，林地不變的分類精度最高，林地減少次之，林地增加分類精度較低。

3 結(jié)果與分析

本次研究選取由可見光紅波段與近紅外波段組合的歸一化植被指數(shù)NDVI，通過對各地物類型隨機選取采樣點提取NDVI數(shù)值并結(jié)合計算公式，從而確定提取林地的NDVI閾值。利用閾值生成二值化的林地初步識別信息，輔助研究區(qū)地物類型數(shù)據(jù)去除建設(shè)用地、耕地、水域、草地以及鹽堿地的干擾信息，獲得林地信息的快速提取結(jié)果。在ENVI支持下，利用波段運算最終求得研究區(qū)的林地變化檢測數(shù)據(jù)。

本次研究以春季為研究時段，此時，耕地處于裸土?xí)r，林地與其他地物的光譜特征差異相對比較明顯，易于進行林地信息的提取。通過對各地物類型采樣點的植被指數(shù)特征值計算并結(jié)合植被指數(shù)閾值計算公式，最終確定2015年和2017年NDVI的提取閾值分別為0.32和0.31。

三種林地變化類型中，林地減少與林地不變的精度相對較高，分別為84.3 %和90.2 %，均在80 %以上。林地增加的精度較低，為70.4 %。

本次研究的林地變化檢測方法可實現(xiàn)大面積、快速、準(zhǔn)確地掌握林地變化情況。與傳統(tǒng)的實地調(diào)查與目視解譯方法相比，工作效率得到明顯提升，同時，也大幅降低了工作成本，為實現(xiàn)短周期快速掌握林地資源變化情況提供了技術(shù)支撐。

4結(jié)論與討論

本研究以兩期五月份15 m分辨率的Landsat 8-OLI遙感影像為主要數(shù)據(jù)源，以長嶺縣為研究區(qū)，提出的基于植被指數(shù)NDVI的林地快速提取方法，與其他研究區(qū)、不同數(shù)據(jù)源及時間段下的植被指數(shù)閾值可能會略有不同。但本文提供了定量分析的方法和思路，可為相關(guān)研究及工作需求提供科學(xué)的參考與借鑒。

基于植被指數(shù)提取的林地信息精度在85 %以上，可滿足大區(qū)域尺度下林地變化檢測的需要，且具有快速可操作的特點。林地變化檢測結(jié)果，三種變化類型中林地不變和林地減少精度較高，均達到80 %以上，林地增加精度相對較低，為70.4 %。此次研究的主要目的在于提取與實際相符的林地信息，實現(xiàn)短周期、高效率的林地檢測目標(biāo)，從而有效提高林地監(jiān)管能力，加強林地保護利用管理，為深化國家和地方政府宏觀決策管理提供基礎(chǔ)和支撐。

在以后的研究中，可以在以下兩個方面加強：一是本次研究選取的Landsat影像分辨率偏低，后期使用其他高分辨率遙感影像數(shù)據(jù)源(如GF-1、GF-2、GF-6、JL101C等)來探測林地變化信息，分析變化檢測精度；二是針對林地變化類型間準(zhǔn)確率存在差異的原因開展進一步的分析研究，提高林地變化檢測的精度。