楊帆

摘 要 森林資源二類調(diào)查對(duì)于生態(tài)環(huán)境保護(hù)和林業(yè)的可持續(xù)發(fā)展至關(guān)重要。遙感影像判讀技術(shù)因具有全面、高效的特點(diǎn)成為森林資源調(diào)查的有力工具。因此，以甘肅洮河國(guó)家級(jí)自然保護(hù)區(qū)為例，運(yùn)用高分辨率的遙感影像，通過(guò)植被指數(shù)的提取，系統(tǒng)地研究不同植被類型的植被分類情況、精度評(píng)估與驗(yàn)證、植被生態(tài)學(xué)參數(shù)提取結(jié)果。通過(guò)這一方法，旨在為森林資源的科學(xué)管理和保護(hù)提供更準(zhǔn)確、全面的數(shù)據(jù)支持。

關(guān)鍵詞 遙感影像；影像判讀；森林資源；二類調(diào)查

中圖分類號(hào)：S771.8 文獻(xiàn)標(biāo)志碼：A DOI：10.19415/j.cnki.1673-890x.2023.24.035

森林是地球上最重要的生態(tài)系統(tǒng)之一，不僅為生物提供了棲息地，還對(duì)全球碳循環(huán)和氣候調(diào)節(jié)起到關(guān)鍵作用[1]。為了更好地實(shí)現(xiàn)森林資源的可持續(xù)管理和生態(tài)環(huán)境保護(hù)，深入了解森林結(jié)構(gòu)、植被類型、生態(tài)系統(tǒng)的動(dòng)態(tài)變化顯得至關(guān)重要[2]。傳統(tǒng)的野外調(diào)查工作耗時(shí)、費(fèi)力，而遙感技術(shù)能夠在較短時(shí)間內(nèi)完成對(duì)廣大地區(qū)的植被監(jiān)測(cè)，為科學(xué)家和決策者提供及時(shí)的數(shù)據(jù)支持。在這個(gè)背景下，遙感影像判讀技術(shù)在森林資源二類調(diào)查中嶄露頭角，為科學(xué)研究和管理提供了高效、全面的工具[3-4]。遙感影像判讀技術(shù)的應(yīng)用優(yōu)勢(shì)在于其高度自動(dòng)化及可以進(jìn)行大范圍覆蓋的特性[5]。筆者聚焦甘肅洮河國(guó)家級(jí)自然保護(hù)區(qū)，運(yùn)用遙感影像判讀技術(shù)，旨在深入了解該地區(qū)森林資源的空間分布、植被類型和動(dòng)態(tài)變化。

1 研究區(qū)概況

甘肅洮河國(guó)家級(jí)自然保護(hù)區(qū)位于甘肅省南部（東經(jīng)102°46′02″～103°44′40″，北緯34°10′07″～

34°42′05″），涵蓋卓尼縣、臨潭縣、迭部縣、碌曲縣及合作市的部分地區(qū)，總面積為287 760 hm2。該區(qū)域植被呈現(xiàn)出顯著的坡向分布差異，以灌叢、草原為主，同時(shí)局部出現(xiàn)旱生針葉林，形成了獨(dú)特的“陰陽(yáng)坡”植被景觀；垂直分布上，2 485～2 700 m區(qū)域呈現(xiàn)山地針闊葉混交林帶，隨著海拔的上升（2 700～3 600 m），

形成亞高山寒溫性針葉林帶。

該地區(qū)海拔高差較大，地形復(fù)雜，為各種森林植被的生長(zhǎng)提供了適宜的條件。最新科考結(jié)果顯示，該區(qū)域擁有7個(gè)植被型組、13個(gè)植被型、23個(gè)群系組、56個(gè)群系和98個(gè)群叢。因此，甘肅洮河國(guó)家級(jí)自然保護(hù)區(qū)內(nèi)的植被表現(xiàn)出區(qū)系復(fù)雜、種類豐富、類型多樣、過(guò)渡性強(qiáng)及垂直分布明顯等顯著特點(diǎn)。

2 研究方法

根據(jù)甘肅洮河國(guó)家級(jí)自然保護(hù)區(qū)的地理特征和植被分布情況，遙感影像判讀可作為森林資源二類調(diào)查的重要研究方法。試驗(yàn)選擇Landsa衛(wèi)星提供中分辨率的多光譜和熱紅外數(shù)據(jù)，用于整體的植被覆蓋分析。Sentinel-2衛(wèi)星提供更高分辨率和更頻繁的觀測(cè)，用于監(jiān)測(cè)植被的動(dòng)態(tài)變化。選擇紅、綠、藍(lán)、近紅外等波段的多光譜數(shù)據(jù)，以獲取植被光譜信息，高光譜數(shù)據(jù)可以提供更豐富的光譜信息，有助于更準(zhǔn)確地對(duì)不同植被類型進(jìn)行分類。

利用遙感數(shù)據(jù)提取甘肅洮河國(guó)家級(jí)自然保護(hù)區(qū)內(nèi)不同植被類型的光譜信息。通過(guò)分析不同波段的反射率，可以區(qū)分陰坡、半陰坡和陽(yáng)坡上的不同植被類型。采用監(jiān)督分類方法，將遙感影像劃分為不同的類別，如針葉林、闊葉林、草地、灌木。監(jiān)督分類可以使用已知地物的樣本進(jìn)行訓(xùn)練，提高分類的準(zhǔn)確性。

對(duì)分類結(jié)果進(jìn)行精度評(píng)估，通過(guò)地面調(diào)查數(shù)據(jù)或高分辨率影像進(jìn)行驗(yàn)證，評(píng)估分類的準(zhǔn)確性和可靠性。利用多期遙感影像進(jìn)行植被變化監(jiān)測(cè)，識(shí)別森林覆蓋的變化趨勢(shì)，包括面積的擴(kuò)張或減少、植被類型的演變等。結(jié)合地理信息系統(tǒng)技術(shù)，對(duì)森林資源的空間分布進(jìn)行定量分析，了解不同植被類型在甘肅洮河國(guó)家級(jí)自然保護(hù)區(qū)內(nèi)的分布情況。根據(jù)遙感數(shù)據(jù)，提取歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）和增強(qiáng)型植被指數(shù)（Enhanced Vegetation Index，EVI）等常用于遙感影像中植被監(jiān)測(cè)和生態(tài)學(xué)研究的植被指數(shù)，通過(guò)對(duì)不同波段的反射光譜進(jìn)行計(jì)算，收集植被生長(zhǎng)和健康狀態(tài)的信息。EVI與NDVI類似，相對(duì)于NDVI的改進(jìn)在于考慮了大氣校正和土壤影響，使其對(duì)植被生態(tài)學(xué)參數(shù)的反映更為準(zhǔn)確，更適合用于高植被覆蓋和高氣候條件下的地區(qū)，但這兩種指數(shù)都是通過(guò)遙感數(shù)據(jù)中植被和非植被區(qū)域的反射率之間的差異來(lái)衡量植被的生長(zhǎng)和健康狀況，為二類調(diào)查提供科學(xué)的數(shù)據(jù)支持。

NDVI計(jì)算公式為

（1）

式中：RNIR為近紅外波段的反射值；Rred為紅色波段的反射值；INDV的取值范圍在-1～1，通常植被茂盛的地區(qū)具有較高的正值，而無(wú)植被的地區(qū)則可能呈現(xiàn)較低值或負(fù)值，主要用于反映植被的生長(zhǎng)狀況和覆蓋度。

EVI計(jì)算公式為

（2）

式中：Rblue為藍(lán)色波段的反射值；IEV的取值范圍在-1～1。

3 研究結(jié)果

3.1 植被分類情況

基于Sentinel-2衛(wèi)星高分辨率多光譜影像的監(jiān)督分類結(jié)果，結(jié)合經(jīng)度、緯度、植被類別、植被覆蓋度及像元大小等信息，獲得如表1所示的甘肅洮河國(guó)家級(jí)自然保護(hù)區(qū)內(nèi)植被分類情況。

由表1可知，在甘肅洮河國(guó)家級(jí)自然保護(hù)區(qū)內(nèi)，針葉林（像元1）表現(xiàn)出較高的植被覆蓋度，達(dá)到75.25%，符合常見的濃密植被特征；闊葉林（像元2）的植被覆蓋度為62.55%，顯示出相對(duì)較高的植被密度；草地（像元3）的植被覆蓋度較低，僅為30.84%，植被分布相對(duì)稀疏；灌木（像元4）區(qū)域表現(xiàn)出中等植被覆蓋度，達(dá)到50.21%。由分類經(jīng)緯度可知，植被分布與地形和海拔相關(guān)，針葉林主要分布于海拔較高的區(qū)域，而草地可能更多出現(xiàn)在海拔較低的區(qū)域。結(jié)果的準(zhǔn)確性和可靠性需要通過(guò)實(shí)地調(diào)查或高分辨率影像驗(yàn)證相結(jié)合，以保證植被分類結(jié)果的精度。這些結(jié)果有助于更全面地理解甘肅洮河國(guó)家級(jí)自然保護(hù)區(qū)內(nèi)不同植被類型的空間分布和特征。此外，這些數(shù)據(jù)可作為進(jìn)一步生態(tài)學(xué)研究和保護(hù)管理決策的

基礎(chǔ)。

3.2 精度評(píng)估與驗(yàn)證

為確保植被分類結(jié)果的準(zhǔn)確性和科學(xué)性，筆者進(jìn)行了精度評(píng)估與驗(yàn)證，主要通過(guò)比對(duì)地面調(diào)查數(shù)據(jù)和高分辨率影像。在研究區(qū)域進(jìn)行地面調(diào)查，采集植被類型的實(shí)地?cái)?shù)據(jù)作為驗(yàn)證依據(jù)。針對(duì)不同植被類型，比對(duì)遙感影像分類結(jié)果和實(shí)地調(diào)查數(shù)據(jù)。利用Landsa衛(wèi)星高分辨率影像，對(duì)植被分類結(jié)果進(jìn)行視覺解譯和驗(yàn)證。在高分辨率影像上選擇多個(gè)樣本區(qū)域，與遙感影像分類結(jié)果進(jìn)行比對(duì)，檢查植被類別的準(zhǔn)確性和空間分布的一致性。采用混淆矩陣分析，計(jì)算分類的整體準(zhǔn)確性、生產(chǎn)者精度（植被類別被正確分類的概率）、用戶精度（影像分類為其他像元，但實(shí)際上就是該類別的概率）等指標(biāo)。通過(guò)這些指標(biāo)，能夠全面評(píng)估植被分類的準(zhǔn)確性和可靠性，樣例混淆矩陣如表2所示。

在混淆矩陣中，每個(gè)單元格的值表示實(shí)際類別與模型預(yù)測(cè)類別的交叉點(diǎn)，以百分比表示。例如，針葉林的實(shí)際類別中，90%被正確分類為針葉林，5%被錯(cuò)誤分類為闊葉林，3%被錯(cuò)誤分類為草地，2%被錯(cuò)誤分類為灌木。驗(yàn)證結(jié)果顯示，植被分類結(jié)果與地面調(diào)查數(shù)據(jù)和高分辨率影像驗(yàn)證基本一致，具有較高的準(zhǔn)確性。通過(guò)混淆矩陣的分析，可以得出植被分類的整體精度和各類別的準(zhǔn)確性，確保研究結(jié)果的可信度。

3.3 植被生態(tài)學(xué)參數(shù)提取結(jié)果

根據(jù)遙感數(shù)據(jù)，提取甘肅洮河國(guó)家級(jí)自然保護(hù)區(qū)針葉林、闊葉林、草地、灌木4個(gè)區(qū)域的NDVI和EVI等植被生態(tài)學(xué)參數(shù)，具體結(jié)果如表3所示。

由表3可知，針葉林具有最高的平均NDVI值（0.80），表明該區(qū)域的植被相對(duì)茂密且生長(zhǎng)狀況良好；闊葉林和灌木地區(qū)的平均NDVI值略低，但仍表現(xiàn)出良好的植被生長(zhǎng)狀況；草地的平均NDVI值最低，反映該地區(qū)植被分布相對(duì)較疏。最大NDVI值反映了植被的生長(zhǎng)高峰期。針葉林最大NDVI值最高（0.85），說(shuō)明該區(qū)域植被在某個(gè)時(shí)期處于最茂密的狀態(tài)；闊葉林、灌木和草地的最大NDVI值也顯示了其各自的生長(zhǎng)高峰期，盡管相對(duì)較低。針葉林和闊葉林的平均EVI值相對(duì)較高，表明這兩個(gè)區(qū)域的植被健康狀況較好；草地和灌木地區(qū)的平均EVI值較低，與相對(duì)較疏松的植被和土壤表面特性有關(guān)。

通過(guò)分析，可以初步了解不同區(qū)域的植被生態(tài)學(xué)參數(shù)，有助于對(duì)植被生長(zhǎng)狀況和健康狀況進(jìn)行比較，這為森林資源的二類調(diào)查提供了直觀和定量的植被分類信息，這種直觀的可視化效果有助于科學(xué)家、生態(tài)學(xué)家更好地理解森林資源的空間格局。

4 結(jié)論與討論

筆者通過(guò)遙感影像判讀技術(shù)，對(duì)甘肅洮河國(guó)家級(jí)自然保護(hù)區(qū)的森林資源進(jìn)行了深入研究，通過(guò)提取植被指數(shù)，成功實(shí)現(xiàn)了對(duì)不同植被類型的準(zhǔn)確劃分，揭示了森林生態(tài)系統(tǒng)的空間分布、動(dòng)態(tài)變化、健康狀況。

利用遙感影像判讀技術(shù)，可以成功劃分甘肅洮河國(guó)家級(jí)自然保護(hù)區(qū)內(nèi)的不同植被類型，包括針葉林、闊葉林、草地、灌木地，這為進(jìn)一步了解該區(qū)域的生態(tài)系統(tǒng)結(jié)構(gòu)和植被分布提供了基礎(chǔ)。通過(guò)植被指數(shù)的時(shí)間序列分析，可以監(jiān)測(cè)到不同植被類型的季節(jié)性和年際性變化。最大NDVI值的提取可以揭示植被的生長(zhǎng)高峰期，為森林生態(tài)系統(tǒng)的季節(jié)動(dòng)態(tài)提供了重要信息。平均EVI值的提取揭示了各植被類型的健康狀況。通過(guò)對(duì)比不同區(qū)域的EVI值，可以評(píng)估整個(gè)生態(tài)系統(tǒng)的植被健康狀況，為生態(tài)保護(hù)提供科學(xué)依據(jù)。

遙感影像判讀技術(shù)為生態(tài)系統(tǒng)監(jiān)測(cè)和管理提供了先進(jìn)的工具，應(yīng)用其可全面了解不同植被類型的分布和動(dòng)態(tài)變化，便于相關(guān)部門可以有針對(duì)性地采取措施保護(hù)生態(tài)系統(tǒng)的穩(wěn)定性。遙感影像判讀技術(shù)的廣泛應(yīng)用展示了其在森林資源調(diào)查中的優(yōu)勢(shì)。其高效、高分辨率的特性為大范圍的調(diào)查提供了強(qiáng)大的支持，為科學(xué)家和決策者提供了及時(shí)的、全面的植被信息。

未來(lái)，可以進(jìn)一步整合多源遙感數(shù)據(jù)，如雷達(dá)數(shù)據(jù)和高光譜數(shù)據(jù)，以提高植被監(jiān)測(cè)的精度和全面性。結(jié)合氣象數(shù)據(jù)，深入研究氣候變化對(duì)森林植被的影響，探討森林生態(tài)適應(yīng)性和脆弱性。將遙感數(shù)據(jù)與生態(tài)系統(tǒng)服務(wù)相關(guān)參數(shù)結(jié)合，開展生態(tài)系統(tǒng)服務(wù)的定量評(píng)估，為生態(tài)補(bǔ)償和可持續(xù)發(fā)展提供依據(jù)。

參考文獻(xiàn)：

[1] 忻富寧，尤海舟，項(xiàng)必達(dá)，等.基于二類調(diào)查的河北省森林資源評(píng)價(jià)分析[J].河北林業(yè)科技，2023（3）：54-56.

[2] 李起.基于小班尺度的勐海縣森林健康研究[J].林業(yè)勘查設(shè)計(jì)，2023，52（5）：31-37.

[3] 付甜，楊佳偉，陳明震，等.基于森林資源二類調(diào)查數(shù)據(jù)的大冶市森林植被碳儲(chǔ)量和碳密度測(cè)算[J].湖北林業(yè)科技，2023，52（3）：1-5.

[4] 陳超，陶旸，赫春曉.一種利用數(shù)據(jù)融合的森林資源“一張底圖”建設(shè)方法[J].測(cè)繪通報(bào)，2023（3）：155-159.

[5] 田志艷，延原原，張超.基于森林資源二類調(diào)查數(shù)據(jù)的森林生物量抽樣設(shè)計(jì)對(duì)比研究[J].林業(yè)調(diào)查規(guī)劃，2023，48（2）：9-15.

（責(zé)任編輯：張春雨）