中高分辨率遥感影像在林业中的应用现状及其存在的问题.doc

中高分辨率遥感影像在林业中的应用现状及其存在的问题-园林中高分辨率遥感影像在林业中的应用现状及其存在的问题 张芳1，乌兰娜2，康海峰3 （1内蒙古自治区林业监测规划院，呼和浩特010020;2呼和浩特市园林科研所，呼和浩特010030;3山西省桑干河杨树丰产林实验局，大同市037006） 摘 要：遥感影像已成为林业工作中必不可少的介质，中高分辨率遥感影像的出现带来了更大的机遇。遥感在林业上应用范围很广，包括森林资源调查、森林资源动态监测、荒漠化与沙化土地监测、森林火灾监测、森林病虫害监测、林业生态工程监测与评价等。但是，在应用过程中也存在很多问题，如数据源价格偏高，图像阴影无法去除，树种识别网难和森林蓄积量估测精度不高等。文章提出了建立影像数据库，建立主要树种的波普数据库，建立数学模型，建立植被解译体系等方法来提高中高分辨率影像在林业中的应用。 关键词：遥感影像；图像识别；动态监测；分类精度 中图分类号：S771.8 文献标识码：B 1概述 遥感影像已成为信息获取的一种重要手段，随着信息技术和传感器技术的飞速发展，影像的分辨率有了很大提高，利用中高分辨率遥感影像，进行地物特征的提取，提供了丰富的数据源。中高分辨率遥感影像相比低分辨率遥感影像具有丰富的空间信息，地物的纹理和几何结构更加明显，能够改善地物的分类精度。常见的中、高分辨率遥感影像有：TM、SPOT、航片、IKONOS、QuickBird、Orbview、GeoEye、EROS等。 遥感在我国林业中的应用研究是围绕森林资源调查和监测开展的，虽然起步较晚，但发展较快。 2应用现状 2.1森林资源调查 19931997年，由联合国开发计划署援助的“中国森林资源调查技术现代化”项目，建立了以航天遥感技术为主要信息采集手段的全国森林资源监测体系。该体系采用的是中等空间分辨率卫星遥感数据（Landsat-TM/ETM+数据）。在之后的第六次、第七次及第八次全国森林资源连续清查中，遥感影像及遥感技术得到了全面的应用。 从2003年起，我国很多省区作为试点应用SPOT5数据进行了森林资源规划设计调查。目前，在二类调查中遥感主要用在林相图区划上，小班属性因子，如树种组成、优势树种、平均树高、蓄积量等仍需通过外业现地验证进行估测。 2.2森林资源动态监测 利用某一地区不同时期的遥感影像资料，结合地面调查数据，并通过其他技术手段对其森林资源进行比较，就可以获得森林资源的动态变化情况。 2.3荒漠化与沙化土地监测 在以前的荒漠化沙化监测中，使用的是不同时期的航空相片，其周期性差，费用昂贵，获取专题信息流程较多，信息更新周期比较长。随着航天遥感的迅速发展，能够在更短周期内获得更稳定的遥感数据。目前，我国利用FY、MODIS、NOAA等低分辨率遥感数据开展了沙尘暴应急实时动态监测，能够实时掌握沙尘发生、发展的态势；通过实时接收FY-2C卫星的数据能客观、准确地得到我国的降水、气候和土壤湿润情况，连续性地监测影响荒漠化沙化土地的自然环境，分析荒漠化沙化土地的变化趋势和原因。 2.4森林火灾的监测 遥感影像具有较高的空间、时间分辨率和比较大的观测范围，能够从火灾开始就进行连续的动态监测，准确提供火点位置、火势发展方向、过火面积、温度变化、各种救火措施的效果等重要信息，为火灾扑救提供科学的决策依据。目前，我国研究形成了基于卫星遥感数据的森林火灾监测应用方法和应用技术，初步建立了基于航天、航空、瞭望台和地而巡护相结合的森林火灾监测体系。遥感影像的应用也从单一的NOAAAVHR数据到综合应用NOAA、FY、MODIS等数据资料。 2.5森林病虫害监测 林木受到病虫害侵袭时，由于失去了大量的叶子或叶子变黄，蓝光、红光波段的吸收率会下降，绿光、红外波段的反射率也会下降。因此，从遥感影像中提取病虫害发生前后的波谱值变化信息，能够分析病虫害的起源地、灾情分布、发展状况，为防治森林病虫害提供可靠信息。目前，受到影像在技术和经济卜的制约，对森林病虫害的监测还难以满足生产需求。 2.6林业生态工程监测与评价 2004年国家发改委批准实施了“国家林业生态工程重点区遥感监测评价项目”，利用20032011年的MODIS、TM、SPOT5、QuickBird等卫星遥感数据，分别对4个天然林资源保护工程监测区和8个退耕还林工程监测区进行了3次和5次动态监测与评价。在“十一五”期间，又开展了重点防护林工程和京津风沙源治理工程的遥感监测技术研究，并开发了“国家重点林业生态工程监测与管理系统”。 3存在的问题 3.1数据源价格偏高 卫星影像数据价格偏高，制约了其在林业领域中的应用，如在第六次全国森林资源连续清查中，以内蒙古为例，其面积为118.3万km2，若采用以不同的高分辨率遥感影像作为参考，购买QuickBird数据需17271.8万元，IKNOS数据需15970.5万元，Spot5需1468.9万元，这样，数据购买加上数据处理以及进行现地验证等所花的费用则是一笔不小的开支。 3.2图像校正中地面控制点的精度难以保证 遥感影像进行校正通常使用1:l万或更高精度的航片或者是经过处理的高精度卫片作为DOM，也可以使用1:5万或1:1万的地形图作为参考。若采用地形图为参考，因为现有的地形图版本较早，几乎是小比例尺，不能真实地将所有小地形表达出来，甚至还缺乏一些地理要素。影像和地形图匹配困难，无法确定地面控制点的坐标，因此，需要用GPS到现地采点。然而在交通便利的地区能获得较高的精度，相反则比较困难，而且山区GPS信号不稳定，会影响到坐标计算式的精度。 3.3 图像阴影无法去除 对于光学遥感影像，由于云层的存在以及地面目标对光线的遮挡，会在影像上产生阴影区域，形成云层阴影和地面目标阴影。早期针对单幅影像的薄云去除方法采用的是直方图匹配法和图像滤波法。赖格英等针对遥感图像中薄云和地形云的不同特征，利用高通滤波和数字地形模型(DEM)进行薄云的去除。还有人提出采用不同时期的影像融合来去除TM影像中的云层及其阴影。对于地面目标阴影的去除，很多学者也进行了大量的研究。如：虢建宏、田庆久“遥感影像阴影的多波段检测与去除理论模型研究”。孟春林将阴阳坡归一化进行TM影像阴影去除。 3.4分类精度偏低优势树种识别困难 遥感图像分类是利用计算机技术来模拟人类的识别功能，对地球表面及其环境在遥感图像上的信息进行属性的自动判别和分类，达到识别影像信息所对应的实际地物，提取所需地物信息的目的。在林业领域中，应用卫星遥感影像只能简单地将树种分为针叶，阔叶两大类。由于光照条件变化无常，可能引起相同的树种具有不同的光谱特征，因此，即使是空间分辨率较高的QuickBird和IKONS也无法将树种进行区分。 3.5 森林蓄积量估测精度低 目前，已有不少研究人员利用遥感数据和少量地面样地调查资料对森林蓄积量进行估测。如赵宪文、李崇贵的航天遥感数据的多元估测方法；唐守正、徐冠华的考虑交互作用的蓄积量估测；张友静、方有清的考虑林学特征和环境特征的蓄积量估测等，提出并确定了采用遥感和GIS信息的多元估测方法估测森林蓄积量的模式；建立了以3S为基础的森林蓄积量定量估测理论体系；成功开发了一套功能相对完善、可操作性较强的蓄积量估测软件。但这些研究都是在中低分辨率的遥感影像上进行的，没有涉及高分辨率遥感影像及建立以样地为单位的估测方程，蓄积量估测精度偏低。 3.6影像仍以目视解译为主 由于土地利用类型较多，且同一类型的影像色调也不完全一致，或者其图形结构与纹理特征也可能存在差异，因此，完全采用计算机自动分类有较大困难，所以，影像解泽目前仍然采用以日视判读为主，计算机辅助相结合的方法。 4解决办法 4.1 建立统一的林业遥感影像数据库 遥感影像尤其是高分辨率遥感影像的数据量庞大而且价格昂贵，建立统一的林业遥感数据库对数据统一管理能够避免数据的重复购买，存储散乱、难以寻找等问题，可以提高数据存储的安全性，容易对数据进行整体分析和对比，数据的查找和编辑也会更加快捷有效。 4.2弥补图像阴影的不足 对于因探测器扫描不完全产生的遥感影像阴影区域，有必要采用适当的措施进行弥补，比如可以设置一定的现地观测点，通过现地相机拍摄等手段解决这一问题，实现整体效果的优化。 4.3 建立主要树种的波谱数据库 利用光谱仪对主要树种进行长期观测，找出其在不同时间、不同年龄的特征曲线，建立树种与波谱曲线的相关模型，然后再用遥感影像处理软件对图像上的数据进行测算，从而建立图像与实际地物的关系模型，用以区分遥感影像上不同树种的表示方式。 4.4结合高光谱遥感数据提高对树种识别精度 高光谱最大的特点是成像技术与光谱探测技术结合，在对目标的空间特征成像的同时，对每个空间像元经过色散形成几十个乃至几百个窄波段以进行连续的光谱覆盖。影像中图像信息可以反映地物的大小、形状、缺陷等外部特征，而光谱信息能充分反映地物内部的物理结构和化学成分。这些特点使得高光谱遥感技术在提高树种识别精度方面有独特的优势。 4.5建立与林业资源相关数学模型 随着遥感影像分辨率的提高，地物的细部特征也能越来越清晰地反映出来，如果在影像上能测定出与蓄积量相关的测树因子（郁闭度、树高、树冠直径等），并建立相关数学模型，从而编制遥感影像材积表，将会对森林资源测算提供便利。 4.6建立植被解译体系 目前，遥感植被解译分为人工解译、计算机自动解译和两种方式相结合等的方式，在实际工作中用户之间基本上是各自为伍，彼此的理论及技术得不到共享，建立一套完善的植被体系，能够更好的借鉴之前的成果，减少重复工作。 4.7结合使用多种技术和方法 在实际工作中，单纯依靠影像中某一特征、技术或方法会导致结果准确性不高，由各种高、中、低轨道相结合，大、中、小卫星相协同，高、中、低分辨率相弥补而