蘭玉芳,石小華,馬勝利,王照利,靳 新

(1.國家林業(yè)和草原局西北調查規(guī)劃設計院,西安 710048；2.西安綠環(huán)林業(yè)技術服務公司,西安 710048)

森林資源是國家重要的自然資源和戰(zhàn)略資源,是現(xiàn)代林業(yè)建設和發(fā)展的根本,是人類生存的重要生態(tài)屏障,對保障陸地生態(tài)系統(tǒng)功能、維護地球生態(tài)平衡、緩解全球氣候變暖發(fā)揮著不可替代的作用。因此,森林生態(tài)安全是國家安全體系的重要組成部分[1]。目前,我國的森林資源監(jiān)管仍面臨違法違規(guī)占用林地、毀林開墾、非法采伐林木、森林火災、地質災害、病蟲害等諸多威脅,這些外界有害干擾不斷破壞森林生態(tài)系統(tǒng)正常結構,引起生態(tài)功能退化和生態(tài)平衡失調,對森林生態(tài)健康和安全造成嚴重威脅[2]。近年來,森林生態(tài)安全問題已引起國家高度重視[3],國家林業(yè)和草原局為建立常態(tài)化監(jiān)督機制,切實加大對破壞森林資源行為的發(fā)現(xiàn)、查處和整改力度,于2018年啟動了全國全覆蓋的森林督查工作[4]。

目前,遙感變化檢測技術在許多領域都發(fā)揮了非常重要的作用,但國內變化檢測技術研究多集中于基于機器深度學習的高分影像變化檢測[5-6],采用中分衛(wèi)星遙感技術進行森林資源動態(tài)變化監(jiān)測研究還較少。青海省為加強森林資源保護管理,利用航空影像和高分衛(wèi)星數(shù)據(jù)開展森林督查暨森林資源管理“一張圖”年度更新工作,建立森林資源“一張圖”和森林督查數(shù)據(jù)庫,并進行實地變化調查和案件督辦,該項工作已成為全省林業(yè)資源變化監(jiān)管業(yè)務中的常態(tài)化工作。但高分數(shù)據(jù)空間覆蓋能力弱,時間分辨率低,生產(chǎn)周期長[7-9],青海省基于高分衛(wèi)星數(shù)據(jù)的森林資源變化監(jiān)測1年只能全覆蓋1次,使得“一張圖”更新完成時間跨度過大,不能及時、準確地掌握森林資源變化信息,制約了森林資源監(jiān)管的時效性和有效性。為實現(xiàn)高頻次探測青海省森林資源動態(tài)變化情況,提高森林資源變化監(jiān)管技術能力,本文采用中分衛(wèi)星遙感技術,利用LSMA 光譜混合分析模型和Li-Strahler幾何光學模型構建變化檢測算法,以期實現(xiàn)基于中分衛(wèi)星遙感技術的森林資源智能變化監(jiān)測和過程監(jiān)管。

1 研究區(qū)概況

青海省位于我國西部,青藏高原東北部，地理位置為31°65′～39°32′N,89°58′～103°07′E,是長江、黃河、瀾滄江的發(fā)源地,全省東西長1 200多公里,南北寬800多公里,土地總面積排在新疆、西藏、內蒙古之后。青海省森林資源是青藏高原高寒森林生態(tài)系統(tǒng)中的重要組成部分,也是“中華水塔”重要的生態(tài)安全屏障,發(fā)揮著水源涵養(yǎng)、水土保持、防風固沙、調節(jié)氣候、防災減災、保護野生動物及保護生物多樣性等多種生態(tài)功能[10]。根據(jù)青海省2020年森林資源“一張圖”年度更新數(shù)據(jù)結果(1)青海省林業(yè)和草原局,國家林業(yè)和草原局西北調查規(guī)劃設計院.青海省2020年森林資源管理“一張圖”年度更新成果報告.2020.,青海省土地總面積7 174.81萬hm2,其中:林地面積1 092.96萬hm2,占15.23%；森林面積585.38萬hm2,占林地面積的53.56%，森林覆蓋率8.38%。森林植被主要分布在長江、黃河、瀾滄江、黑河流域高山峽谷地帶,海拔3 200～4 000m。植被在地域上跨青藏高原、溫帶荒漠和溫帶草原三大植被區(qū),具有高寒及旱生的特點[11-12]。

本文在青海省域范圍內選擇8個縣作為典型試點區(qū)域,包括位于三江源地區(qū)的玉樹市、瑪沁縣、格爾木市和共和縣,人類活動較為頻繁的海東市的樂都區(qū)、湟中區(qū)和化隆回族自治縣,及海西蒙古族藏族自治州的都蘭縣。

2 研究方法

2.1 數(shù)據(jù)源

采用2019年7月至2020年10月中分遙感數(shù)據(jù)(10/30m),包括Sentinel-2A和Landsat-8。Sentinel-2A(哨兵-2A號,10-day,10-m,13-band)來源于歐盟委員會和歐洲宇航局(ESA),是唯一一個在紅邊范圍含有3個波段的數(shù)據(jù),對植被監(jiān)測非常有效,ESA向全球用戶提供數(shù)據(jù)免費獲取服務(https://scihub.copernicus.eu/)；Landsat-8(美國陸地衛(wèi)星8號,15-day,30-m,11-band)來源于美國地質勘探局官網(wǎng)(USGS),也向全球用戶提供數(shù)據(jù)免費獲取服務(https://earthexplorer.usgs.gov/)。本文以Sentinel-2A作為主要數(shù)據(jù)源,Landsat-8為補充數(shù)據(jù)源,主要對一些局部云量覆蓋大的區(qū)域進行補充。首先按行政區(qū)對中分遙感數(shù)據(jù)進行融合、鑲嵌、配準,再進行質量控制,產(chǎn)出各期高質量勻色處理產(chǎn)品數(shù)據(jù)。

所用的地面調查數(shù)據(jù)為2018—2020年3期森林督查成果,以及森林資源管理“一張圖”年度更新數(shù)據(jù)(2)國家林業(yè)和草原局西北調查規(guī)劃設計院.青海省2018—2020年森林督查暨森林資源管理“一張圖”年度更新成果.2020.。每年通過高分遙感技術監(jiān)測林地及森林變化地塊,最終形成“一張圖”和森林督查數(shù)據(jù)庫。其中,歷史森林督查數(shù)據(jù)庫主要為變化檢測模型提供各類特征變化訓練區(qū)數(shù)據(jù)集,結合研究區(qū)地形地貌及植被覆蓋特征不斷優(yōu)化調整檢測算法；“一張圖”數(shù)據(jù)主要用來提取林地范圍內疑似變化圖斑及變化檢測結果分析。

2.2 技術路線

由于青海地理位置特殊,地處青藏高原,屬于高原大陸性氣候。6—8月為EVI指數(shù)最大時期[13],而部分落葉灌木的生長季主要集中在4—10月[14]。故本次監(jiān)測分2個時間段:第一期為2019年7月至2020年7月；第二期為2020年7—10月。監(jiān)測的林地地類主要包括有林地、灌木林地、疏林地、苗圃地、未成林地等。通過輸入試點縣處理后的高質量前后期中分辨率衛(wèi)星影像,應用優(yōu)化調整后的變化檢測模型,自動提取青海省8個試點縣森林資源變化圖斑,然后結合內業(yè)人工識別對自動檢測的變化圖斑進行篩查,最后開展外業(yè)實地驗證。技術路線如圖1所示。

圖1 技術路線圖

2.3 變化檢測模型

協(xié)同采用LSMA 光譜混合分析模型及Li-Strahler幾何光學模型進行變化圖斑自動提取。中分辨率遙感影像由于分辨率原因存在混合像元的現(xiàn)象,即1個像元往往包含多種地物[15]。LSMA光譜混合分析就是假設在遙感影像中每個像元都由幾種地物根據(jù)不同比例混合而成,通過提取每種地物的純凈光譜(即端元光譜),利用已有混合像元光譜,推算出每種地物在混合像元中所占面積比例[16]。LSMA線性光譜混合模型及其約束條件如下[17]:

(1)

式中:Rb為像元在波段b的反射率；N為端元數(shù)目；fi為端元i的權重,即各個光譜端元所占比率；Rib為端元i在波段b的反射率；eb為殘差。通過

計算每個波段的殘差eb的均方根檢驗模型誤差,誤差計算公式如下:

(2)

式中:RMS為殘差eb的均方根；M為影像波段數(shù)。實際應用中,RMS越小,模型誤差越小。

在光譜分析確定端元時,引入Li-Strahler幾何光學模型,該模型已被廣泛用來反演森林郁閉度及葉面積指數(shù)[18-19]?？紤]地物宏觀幾何結構的“場景模型”,通過引入光照冠層、陰影冠層、光照背景及陰影背景等4個分量,計算各像元冠層分量,然后根據(jù)前后2期冠層分量占比變化情況識別森林資源變化圖斑。檢測的圖斑類型主要包括2類:1)前期影像有植被覆蓋,本期出現(xiàn)地表裸露特征,主要表現(xiàn)為林木采伐；2)前期影像有植被覆蓋,本期出現(xiàn)建設項目用地特征,主要表現(xiàn)為征占用林地。提取時,根據(jù)檢測的圖斑類型特點,結合研究區(qū)地形地貌和植被覆蓋特征,設置不同的閾值進行檢測。在計算機自動檢測的基礎上,開展內業(yè)人工識別,標記出自動檢測錯判圖斑,找出可能漏判的圖斑,進一步提高變化檢測的正判率和準確率。

2.4 精度評價

采取外業(yè)實地勘查和內業(yè)資料(造林設計、使用林地審核審批管理資料等)核實驗證變化檢測結果精度。通過數(shù)值精度指標總體準確率(Accuracy)進行精度評價?？傮w準確率表示為經(jīng)核實確認變化的圖斑數(shù)除以變化檢測的所有圖斑總數(shù),以百分比形式表示,計算公式如下(按圖斑個數(shù)計算):

(3)

式中:NW為經(jīng)外業(yè)和內業(yè)資料核實確認發(fā)生變化的圖斑數(shù)；Ntotal為變化檢測圖斑總數(shù),即經(jīng)核實,確認變化的圖斑數(shù)與未變化圖斑數(shù)之和。

3 結果與分析

3.1 變化圖斑統(tǒng)計

表1可以看出,在2019年7月至2020年10月共15個月的時間跨度中,共監(jiān)測疑似林地變化圖斑693個,總面積1 286.382 7hm2,其中:公益林地面積1 253.991 3hm2,占97.48%；商品林地面積32.391 6 hm2,占2.52%。第一期監(jiān)測到林地變化圖斑379個,總面積235.015 7hm2,其中,公益林地面積220.844 2 hm2,商品林地面積14.171 5 hm2；第二期監(jiān)測到林地變化圖斑314個,總面積1 051.367 0 hm2,其中,公益林地面積1 033.147 1 hm2,商品林地面積18.220 1 hm2。由此可見,疑似變化圖斑主要發(fā)生在公益林地范圍內。

表1 監(jiān)測變化圖斑統(tǒng)計

根據(jù)各個縣市林地變化圖斑空間分布及面積統(tǒng)計情況,變化較明顯的區(qū)域主要集中在東部人為活動較多的共和縣和樂都區(qū),其中共和縣主要是風力發(fā)電項目修建風電塔基、道路等引起的影像變化；樂都區(qū)主要為城區(qū)建設修建道路以及礦山資源開采等項目占用林地。

3.2 精度驗證

由表2可知,2期共監(jiān)測疑似林地變化圖斑693個,實際確認發(fā)生變化圖斑共計605個,2期監(jiān)測總體準確率達到87.30 %。其中:第一期379個疑似變化圖斑中,實際發(fā)生變化圖斑332個,準確率為87.60%；第二期314個疑似變化圖斑中,實際發(fā)生變化圖斑273個,準確率為86.94%。整體監(jiān)測精度能夠滿足青海省森林資源動態(tài)監(jiān)管需求。圖2為變化圖斑前期影像、本期中分影像、本期高分影像及現(xiàn)地核實照片對比示意圖。

表2 精度驗證結果

圖2 變化圖斑核實情況對比示意圖

4 討論與結論

1) 該研究最大的特點是使用中分衛(wèi)星遙感技術高頻次監(jiān)測優(yōu)勢,突破原來森林督查1年1次監(jiān)測的局限性,能夠做到按季度或按月對監(jiān)測區(qū)域森林資源疑似變化圖斑進行自動識別,使得林草主管部門能更加及時、準確地掌握森林資源變化信息,做到對違法違規(guī)改變林地用途及采伐林木情況早發(fā)現(xiàn)、早制止、早處置,極大提高了森林資源監(jiān)管的時效性和有效性。實驗結果表明，中分衛(wèi)星遙感監(jiān)測技術在監(jiān)測大面積變化圖斑具有很大優(yōu)勢,但相比高分影像,對人為經(jīng)營活動頻繁的細碎變化地塊進行監(jiān)測時還存在一定缺陷,總體準確率明顯偏低,尤其在樂都區(qū)體現(xiàn)明顯。

2) 通過定期對監(jiān)測區(qū)域開展中分遙感自動檢測,并將監(jiān)測圖斑推送給基層林業(yè)工作者,為其提供巡查線索,可極大地提高基層人員護林巡護的針對性和目的性,同時巡護人員可根據(jù)現(xiàn)地變化情況對森林資源檔案數(shù)據(jù)進行更新,以變化圖斑檢測倒逼森林資源檔案管理更新的時效性和準確性。實地驗證發(fā)現(xiàn),中分遙感技術可以將部分藏在大山深處面積超過0.1 hm2(1.5畝)的變化圖斑識別出來,能夠為基層林業(yè)工作者提供強有力的技術支撐,提升基層護林員的巡護能力以及全省森林資源監(jiān)測、保護和管理水平。

3) 在精度控制方面有以下經(jīng)驗值得借鑒:a.在計算機自動識別變化圖斑的基礎上,加入人工復核,標記出自動識別錯判圖斑,找出可能漏判的圖斑,能進一步提高變化監(jiān)測的正判率和準確率；b.雖然正確識別圖斑最小面積達到0.1 hm2(1.5畝),但主要集中在郁閉度較大的林區(qū),因此還需要進一步加大對郁閉度較小區(qū)域的碎小圖斑檢測,尤其是人為活動頻繁的區(qū)域；c.在監(jiān)測過程中,由于局地小氣候引起水汽或薄云影響,導致影像部分像元存在光譜失真現(xiàn)象,從而產(chǎn)生誤判和漏判,在實際應用中可采用多季度或多月連續(xù)的監(jiān)測方法,使漏判圖斑在后期影像上被識別,進而取得更好的監(jiān)測效果；d.逐步開展多種分辨率影像相結合的監(jiān)測工作,能夠不斷提高森林資源監(jiān)測管理的精細化水平。

4) 該研究成果可直接定期推送到林長平臺,按照各級林長責任區(qū)域、目標任務、人員分工等,進行疑似變化圖斑巡護任務下達落地,實現(xiàn)調查監(jiān)測、資源監(jiān)管、數(shù)據(jù)更新、業(yè)務考核等一體化。

5) 該研究能夠做到按季度或按月對森林資源進行實時動態(tài)監(jiān)測,同時結合實地調查驗證,可及時對森林資源檔案數(shù)據(jù)進行更新,客觀反映全省森林資源按季度或按月數(shù)據(jù)的變化情況,進而為森林資源年度出數(shù)提供更為準確詳實的基礎數(shù)據(jù)。

6) 本文基于Sentinel-2A和Landsat-8中分辨率遙感數(shù)據(jù),利用LSMA 光譜混合分析模型及Li-Strahler幾何光學模型,借助模式識別、大數(shù)據(jù)挖掘和機器學習等技術,構建了青海省森林資源變化圖斑檢測算法,并對8個試點縣2019年7月至2020年10月的森林資源進行動態(tài)監(jiān)測。結果顯示,整體精度能夠滿足青海省森林資源高頻次動態(tài)監(jiān)管要求,可實現(xiàn)全省森林資源管理快速發(fā)現(xiàn)、精準核實和依法查處,提高森林資源過程監(jiān)管效能；同時,本研究成果還可為青海省林長制和森林資源年度出數(shù)提供基礎依據(jù)。但是由于中分衛(wèi)星的空間分辨率通常為10～30m,空間解析能力明顯弱于高分衛(wèi)星,導致高分衛(wèi)星人工目視解譯技術難以在中分衛(wèi)星數(shù)據(jù)發(fā)揮作用。且由于林地變化涉及因素多,變化情況復雜,各個區(qū)域地形地貌特征、氣候特征、植被特征等差異較大,如何大幅度提高中分衛(wèi)星探測的敏感性,使有效識別的變化圖斑滿足生產(chǎn)實踐應用,進而提高變化檢測的總體精度有待今后繼續(xù)研究。