基于多源遙感影像的清原縣森林植被面積提取方法

基于多源遙感影像的清原縣森林植被面積提取方法

森林資源監(jiān)測是重要的森林基礎(chǔ)工作，是國情國力調(diào)查的重要組成部分。隨著3S技術(shù)在森林資源監(jiān)測中的深入研究和不斷發(fā)展,基于3S技術(shù)的森林資源動態(tài)監(jiān)測受到世界各國越來越多的重視。在以往的研究中,有關(guān)植被信息的提取往往采用單一的遙感數(shù)據(jù)源和軟件,而應(yīng)用多源遙感數(shù)據(jù)對不同尺度空間范圍內(nèi)的森林植被信息進行提取的研究則較少。高分辨率遙感影像具有空間分辨率高、處理工作量大和回訪周期長的特點,且大面積數(shù)據(jù)的獲取能力有限,中分辨率遙感影像具有覆蓋范圍廣和重訪周期短的特點,如何在保證生產(chǎn)要求的情況下應(yīng)用不同類型的遙感數(shù)據(jù)的優(yōu)勢,實現(xiàn)信息的互補,提高植被識別精度,降低遙感影像作業(yè)成本,形成一套不同尺度(以縣-鄉(xiāng)為經(jīng)營單位)范圍的森林植被提取方法,對提高森林資源監(jiān)測時效性和成本節(jié)約具有重要意義。本文選取清原縣為研究區(qū),最先建立二級分類體系,同時在研究區(qū)內(nèi)抽樣試驗不同樣地大小和不同抽樣率對抽樣結(jié)果的影響,從而確定最優(yōu)的樣地大小和抽樣率,然后選取土口子鄉(xiāng)為RapidEye遙感影像的試驗區(qū),應(yīng)用ENVIEX4.8軟件,采用面向?qū)ο蟮姆诸惙椒ㄌ崛∩种脖活愋?然后在清原縣內(nèi)對TM和RapidEye遙感影像進行抽樣獲得影像樣本,在以所建立的RapidEye遙感影像森林植被類型提取技術(shù)為基礎(chǔ),采用“自下而上”的協(xié)同反演方法對TM遙感影像進行森林植被信息反演提取,獲得TM影像數(shù)據(jù)的森林植被分布信息,形成不同尺度(縣-鄉(xiāng)(經(jīng)營單位))的森林植被提取方法,為相關(guān)部門提供技術(shù)支持。1氣候特點清原縣位于遼寧省撫順市,地理坐標(biāo)為東經(jīng)124°20'06″~125°28'58″,北緯41°47'52″~42°28'52″,屬低山丘陵區(qū),海拔150~1101m,地勢東南高,西北低,中部起伏不平,地處暖溫帶大陸性季風(fēng)氣候區(qū),冬季漫長寒冷,夏季炎熱多雨,年平均氣溫3.9~5.4℃,最冷出現(xiàn)在1月,最熱出現(xiàn)在7月,極端最高氣溫36.5℃,最低零下37.6℃。無霜期120~139d,平均日照2433h,年降水量700~850mm,降雨量集中在6、7、8月份;全縣總面積39.21萬hm2,林業(yè)用地30.5萬hm2,其中有林地27.8萬hm2,森林覆被率72.3%,森林總蓄積量2300萬m3;境內(nèi)森林多為落葉闊葉混交林與落葉針葉、常綠針葉樹種混交林以及針闊混交林,主要針葉樹種有落葉松、紅松、油松、云杉等,闊葉樹種主要以櫟類樹種為主。2數(shù)據(jù)收集和處理2.1數(shù)據(jù)來源2.1.1遙感數(shù)據(jù)的來源2.1.2向量數(shù)據(jù)2.2pidwell和tm數(shù)據(jù)預(yù)處理本文以2009年的航片數(shù)據(jù)作為地面參考信息,利用ENVI4.8軟件對RapidEye和TM數(shù)據(jù)進行預(yù)處理,主要包括輻射校正、FLAASH大氣校正、幾何精校正、波段組合、圖像拼接與裁剪,其中配準(zhǔn)誤差控制在0.5個像元以內(nèi),將投影坐標(biāo)定義為Xian_1980投影,數(shù)據(jù)格式為GEOTIFF格式。3源遙感數(shù)據(jù)提取的森林植被區(qū)域3.1森林植被類型分類森林植被類型的劃分是森林資源調(diào)查的基礎(chǔ)內(nèi)容,也是開展遙感森林分類監(jiān)測的基礎(chǔ),在森林資源監(jiān)測上具有重要的意義。森林植被類型的確定主要考慮以下4個原則:一是統(tǒng)一性原則;二是科學(xué)性原則;三是系統(tǒng)性原則;四是遙感技術(shù)可監(jiān)測性和適應(yīng)性原則。依據(jù)以上原則,參照研究區(qū)森林植被類型概況和2003年《國家森林資源連續(xù)清查技術(shù)規(guī)定》及《森林資源規(guī)劃設(shè)計調(diào)查主要技術(shù)規(guī)定》要求,本研究將研究區(qū)內(nèi)森林植被劃為兩個級別,在一級分類體系中,將林地細(xì)分為森林和非森林,形成森林、非森林兩個一級類型;在二級分類體系中,將森林分為針葉林、闊葉林、混交林、經(jīng)濟林,形成針葉林、闊葉林、混交林、經(jīng)濟林、其他林地、非林地六個二級類型。根據(jù)清原縣森林資源實際情況,灌木林地在林地中所占的比例很小,所以沒有對其進行提取劃分。在一級分類體系上,本研究應(yīng)用TM遙感影像提取森林植被,在二級分類上,應(yīng)用RapidEye遙感影像提取森林植被類型。具體的劃分見表2。3.2抽樣率確定和樣地設(shè)置研究以TM和RapidEye遙感影像為基礎(chǔ),設(shè)計以PPS抽樣為基礎(chǔ)的抽樣方法在研究區(qū)內(nèi)獲取TM和RapidEye兩種影像樣本,并對遙感影像樣本進行森林植被類型提取,通過設(shè)計中、高分遙感樣地的抽樣比以及遙感樣地面積大小兩個方面進行計算分析,最終獲得可靠的抽樣比及遙感樣地面積。樣地面積太大,判讀區(qū)劃和地面驗證工作量大,反之樣地面積小,為確保精度要求,樣地數(shù)量及工作量也要增大。撫順市森林覆蓋率較高且分布均勻,因此本文以撫順市的最佳采樣率及樣地大小結(jié)果作為清原縣的最佳采樣率及樣地大小結(jié)果。本文把撫順市森林資源二類調(diào)查數(shù)據(jù)中的森林面積作為真值,以森林資源一類清查樣地為中心,創(chuàng)建5種大小(0.25、0.5、1、2、3、4km)的正方形樣地(即樣地大小),同時選擇所創(chuàng)建正方形樣地數(shù)量的1/5、1/4、1/3、1/2、1(即抽樣率),以抽樣率和樣地大小兩個因子進行抽樣控制,分別計算30種組合下的總體統(tǒng)計精度和抽樣方差,對比不同組合的抽樣精度和抽樣效率進行統(tǒng)計分析,采用兩個指標(biāo)(統(tǒng)計精度、方差)進行衡量,最后確定最優(yōu)的抽樣組合方案,結(jié)果見表3和表4。通過對比各組抽樣的最佳統(tǒng)計誤差和誤差方差可知:采用現(xiàn)行一類清查樣地數(shù)量的1/2(抽樣率為50%,抽樣面積比例為抽樣樣地總面積/撫順市總面積)為5.35%及抽樣間隔為8km×8km,樣地面積大小為2km×2km時估算效果最好。3.3rapodcd遙感影像特征采用多源遙感數(shù)據(jù)提取森林植被面積,以TM數(shù)據(jù)對研究區(qū)域進行全覆蓋,按系統(tǒng)機械抽樣方式,布設(shè)一定數(shù)量覆蓋研究區(qū)的TM中分辨率數(shù)據(jù)的2km×2km遙感影像樣本(一般抽樣比小于30%),作為第一級遙感提取森林植被面積的樣本,第二級遙感抽樣為少量的2km×2km高分遙感影像RapidEye遙感影像樣本(一般抽樣比小于10%)。本研究以土口子鄉(xiāng)為例,應(yīng)用ENVIEX4.8軟件對RapidEye遙感影像進行基于面向?qū)ο蟮纳种脖活愋吞崛〔Y(jié)果進行檢驗,然后以形成的RapidEye遙感影像分類技術(shù)流程對抽取的RapidEye遙感影像樣本進行分類,并把分類結(jié)果作為第一級TM遙感影像森林植被提取分析的控制條件,利用監(jiān)督分類方法對TM遙感影像進行分析完成第一級研究區(qū)內(nèi)森林植被信息提取,將TM遙感影像森林面積提取結(jié)果與森林資源二類調(diào)查結(jié)果進行對比,分析多級遙感數(shù)據(jù)反演森林植被類型面積的估計精度。3.3.1rakidwell數(shù)據(jù)處理本文采用二級分類中的指標(biāo)為對象,主要區(qū)分森林中的針葉林、闊葉林、混交林、經(jīng)濟林和其他林地。首先應(yīng)用非林地邊界對影像進行掩膜,去除非林地的干擾,然后基于高空間分辨率衛(wèi)星RapieEye影像數(shù)據(jù),應(yīng)用ENVIEX4.8軟件,采用面向?qū)ο蟮某叨确指罘椒ㄟM行影像分類。并利用二類調(diào)查數(shù)據(jù)進行精度驗證。研究區(qū)位于撫順市清原縣土口子鄉(xiāng),為千山山脈延伸部分的山區(qū),地理坐標(biāo)為東經(jīng)124°58'30″~125°12'308″,北緯42°15'0″~42°38'45″,試驗區(qū)總面積為280.78km2。本文對RapidEye進行主成分變換分析,主成分變換是把多波段信息壓縮在少有的幾個波段上,即達到壓縮數(shù)據(jù)量的效果,又具有增強圖像信息的作用,見表5,經(jīng)主成分變換后RapidEye數(shù)據(jù)的5個波段信息主要集中在前兩個波段。本文選取NDVI影像、PCA1、PCA2合成假彩色影像,與傳統(tǒng)的532波段合成的影像相比,新組成的影像色彩鮮明,各地類相差明顯,可以用來進行面向?qū)ο蟮姆诸惙治觥煞N波段組合的影像見圖1。對經(jīng)過預(yù)處理的RapidEye多光譜遙感影像,本文利用ENVIEX4.8軟件自帶的邊緣分割算法對影像進行分割。其中的FeatureExtraction模塊采用基于邊緣分割的算法對影像進行快速準(zhǔn)確的分割,同時可以通過預(yù)覽窗口查看結(jié)果以評價分割的好壞,通過調(diào)整分割尺度,建立合理的分割尺度參數(shù),軟件就可以自動反復(fù)的對數(shù)據(jù)進行處理,可以提高RapidEye影像的自動識別精度。經(jīng)過多次試驗,設(shè)置分割尺度參數(shù)為35,合并參數(shù)為78,最后得到土口子鄉(xiāng)地類分類結(jié)果。基于RapidEye數(shù)據(jù)的分類技術(shù)路線見圖2。3.3.2tm影像分類方法應(yīng)用TM影像提取森林植被類型面積的研究較多,目前的研究大多數(shù)采用分類軟件,應(yīng)用影像的空間、紋理、光譜等信息進行信息提取,本文基于RapidEye分類結(jié)果和TM影像,進行協(xié)同反演森林植被面積。本文基于系統(tǒng)機械抽樣技術(shù),以少量樣本的RapidEye分類結(jié)果估算總體,然后通過RapidEye分類結(jié)果獲得的樣本分析,對抽樣率更大的TM影像數(shù)據(jù)進行森林信息的提取,生成TM數(shù)據(jù)分類的樣本集,最后經(jīng)過監(jiān)督分類獲得TM影像的分類結(jié)果,詳細(xì)的技術(shù)流程見圖3,詳細(xì)步驟如下:(1)在森林資源一類清查樣地布設(shè)的基礎(chǔ)上,等間距選擇12個高分遙感樣地,每個樣地面積為2km×2km,應(yīng)用樣地邊框裁剪RapidEye高分影像。RapidEye遙感樣地位置見圖4。(2)基于RapidEye影像分類結(jié)果,并以此作為地面近似真值,建立與TM像元大小相同的網(wǎng)格單元,統(tǒng)計每個TM像元內(nèi)的RapidEye影像森林植被類型像元的個數(shù),其中一個TM像元對應(yīng)著36個RapidEye像元,從中選取全部為森林的TM像元作為訓(xùn)練樣本,生成TM影像樣本數(shù)據(jù)集,應(yīng)用ENVI4.8軟件,采用監(jiān)督分類中的支持向量機方法,對50個2km×2km的TM影像進行監(jiān)督分類,并應(yīng)用二類調(diào)查成果對分類結(jié)果進行驗證。(3)如果分類結(jié)果未達到要求,需要對訓(xùn)練樣本集進行調(diào)整,直至分類結(jié)果達到預(yù)期要求停止分類,生成森林植被類型矢量圖并導(dǎo)出。3.3.3檢驗結(jié)果對比驗證本研究采用系統(tǒng)抽樣方法與二類調(diào)查數(shù)據(jù)相結(jié)合生成檢驗點進行分類結(jié)果檢驗。應(yīng)用ARCGIS10.0中的hawthstools→samplingtools→gengrateregularpoints進行系統(tǒng)抽樣生成檢驗點,同時將1:5萬二類調(diào)查成果數(shù)據(jù)導(dǎo)入ARCMAP中,記錄檢驗點所對應(yīng)的立地類型,并應(yīng)用此結(jié)果對分類結(jié)果進行對比驗證。3.4結(jié)果和精度驗證3.4.1分類結(jié)果分析本文應(yīng)用二類調(diào)查數(shù)據(jù)統(tǒng)計結(jié)果進行面積精度檢驗,采用系統(tǒng)抽樣方式在土口子鄉(xiāng)二類調(diào)查矢量數(shù)據(jù)底圖上布設(shè)抽樣點,共計獲得檢驗點個數(shù)為196個,對提取結(jié)果進行精度驗證,其中針葉林檢驗點有58個,闊葉林檢驗點有97個,混交林檢驗點有12個,經(jīng)濟林檢驗點有14個,其他林地檢驗點有15個。表6是應(yīng)用面向?qū)ο蟮姆诸惙椒ㄌ崛〉纳种脖活愋兔娣e與二類調(diào)查數(shù)據(jù)間的誤差統(tǒng)計表。由表6可知:森林植被類型面積提取總體精度為88.87%,Kappa系數(shù)為0.61。從總體精度來看,遙感解譯效果較為理想。圖5是采用ENVIEX4.8軟件對RapidEye影像進行分類的結(jié)果圖。混交林由于存在同物異譜和同譜異物并且所占比例較小的原因,無法將其有效提取,因此需要人工修正。經(jīng)濟林分布一般比較靠近道路兩側(cè),受到人為生產(chǎn)活動的干擾,出現(xiàn)較大的誤差,其他林地由于包括未郁閉的未成林地和裸露的無立木林地的影響,也出現(xiàn)了較大的誤差,影響了分類精度。3.4.2統(tǒng)計結(jié)果對比分析圖6是基于RapidEye影像分類結(jié)果協(xié)同反演TM影像所生成的森林分布圖,對清原縣TM影像森林面積提取結(jié)果進行統(tǒng)計,并與清原縣二類調(diào)查統(tǒng)計結(jié)果進行對比分析。應(yīng)用TM影像提取的森林面積結(jié)果為68.35萬hm2,清原縣二類調(diào)查成果數(shù)據(jù)統(tǒng)計結(jié)果為73.97萬hm2,由TM影像遙感解譯結(jié)果與二類調(diào)查結(jié)果對比分析可知,森林面積提取總體精度為92.41%,Kappa系數(shù)為0.89,遙感解譯效果較為理想。4在森林植被分類上的應(yīng)用及發(fā)展本文依據(jù)現(xiàn)行森林資源調(diào)查技術(shù)規(guī)程的基礎(chǔ)上建立了不同尺度范圍的遙感植被信息提取分類體系,在分類體系的基礎(chǔ)上,基于抽樣技術(shù)、TM和RapidEy遙感影像提取估算森林植被類型面積。RapidEye數(shù)據(jù)采用面向?qū)ο蟮姆诸惙椒ㄌ崛〔煌种脖活愋兔娣e,在以RapidEye分類結(jié)果為基準(zhǔn)協(xié)同反演TM影像森林植被信息并進行驗證,結(jié)果表明RapidEye遙感影像提取森林植被類型的分類精度達88.87%,Kappa為0.61;TM影像提取森林信息的分類精度達到92.41%,Kappa為0.89,分類結(jié)果理想。由此形成不同尺度(以縣-鄉(xiāng)為經(jīng)營單位)森林植被信息的提取方法,通過抽樣獲取部分遙感影像樣本并進行總體估算,同時應(yīng)用ENVIEX4.8軟件可以快速地對森林植被信息進行提取,在一定程度上可以降低野外工作量和調(diào)查費用,提高森林資源的監(jiān)測效率,可為中小尺度范圍的森林植被類型提取提供技術(shù)參考。但本文還存在一些問題:應(yīng)用