基于植被指數(shù)的林地變化檢測(cè)技術(shù)研究

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(zhǎng)春 130033；2.吉林省野生動(dòng)物救護(hù)繁育中心，吉林 長(zhǎng)春 130122；3.吉林松花江三湖國(guó)家級(jí)自然保護(hù)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(zhǎng)春 130022；6.輝南縣森林病蟲(chóng)防治檢疫站，吉林 通化 135100)

林地不僅是國(guó)家的重要資源和戰(zhàn)略資源，而且在增強(qiáng)森林生態(tài)防護(hù)效益、實(shí)現(xiàn)國(guó)民經(jīng)濟(jì)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(jì)和社會(huì)的三大效益功能[1,2]。林地的變化對(duì)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(duì)生態(tài)安全建設(shè)、森林資源管理具有重要的現(xiàn)實(shí)意義[5]。傳統(tǒng)的林地變化檢測(cè)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(jìn)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(diǎn)[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(gè)較為全面和直觀的檢測(cè)方法，已成為森林資源檢測(cè)中的最基本技術(shù)。基于遙感影像變化檢測(cè)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(shí)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(cè)結(jié)果存在偽變化，在實(shí)際工作中仍需要大量人工處理。此外，由于傳統(tǒng)變化檢測(cè)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(gè)過(guò)程不確定性增加，對(duì)變化結(jié)果有著很大的影響。運(yùn)用遙感等技術(shù)手段開(kāi)展我國(guó)林地動(dòng)態(tài)變化檢測(cè)，建立切實(shí)可行的動(dòng)態(tài)變化檢測(cè)體系是林業(yè)管理部門(mén)的一項(xiàng)迫切任務(wù)。通過(guò)影像準(zhǔn)確獲得林地信息并檢測(cè)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(diǎn)。本文以長(zhǎng)嶺縣為研究對(duì)象，以Landsat8-OLI遙感影像為主要數(shù)據(jù)源，基于植被指數(shù)實(shí)現(xiàn)林地信息快速提取，從而進(jìn)行林地變化的檢測(cè)。

1 研究區(qū)概況

本研究以吉林省松原市長(zhǎng)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(shì)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(cuò)區(qū)，屬于北方半濕潤(rùn)農(nóng)業(yè)區(qū)和半干旱牧業(yè)區(qū)的過(guò)渡地帶，是全國(guó)商品糧基地縣、油料生產(chǎn)重點(diǎn)縣和吉林省玉米出口基地縣。同時(shí)，也是“三北”防護(hù)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(hào)為119029，日期分別為2015-05-22和2017-05-27(圖2)，影像季相相同，無(wú)云覆蓋，植被生長(zhǎng)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(duì)兩期遙感影像分別進(jìn)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(lái)的差異。

圖2 研究區(qū)遙感影像

2.2 植被指數(shù)計(jì)算

根據(jù)植被對(duì)于可見(jiàn)光紅波段表現(xiàn)出強(qiáng)吸收，近紅外波段表現(xiàn)為高透射的光譜特性，將可見(jiàn)光紅波段和近紅外波段進(jìn)行組合，形成各種植被指數(shù)，可達(dá)到簡(jiǎn)單、有效地定量和定性對(duì)地表植被狀況進(jìn)行評(píng)價(jià)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(duì)地監(jiān)測(cè)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(duì)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(kuò)展了對(duì)植被覆蓋度檢測(cè)的靈敏度，是反映生態(tài)環(huán)境的重要指標(biāo)[16]。其計(jì)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(jiàn)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(jì)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(jìn)行置信處理，得到研究區(qū)NDVI初步識(shí)別結(jié)果(如圖3、圖4、圖5所示)。

圖3 NDVI初步識(shí)別結(jié)果

圖4 NDVI初步識(shí)別結(jié)果細(xì)節(jié)

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

根據(jù)研究區(qū)實(shí)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(jī)選取樣點(diǎn)，其中，林地213個(gè)，建設(shè)用地208個(gè)，耕地234個(gè)，水域168個(gè)，草地156個(gè)，鹽堿地173個(gè)，總計(jì)1 152個(gè)樣點(diǎn)。將選取的樣點(diǎn)與NDVI疊加，計(jì)算各個(gè)地物類型樣點(diǎn)NDVI的最大值、最小值、平均值以及標(biāo)準(zhǔn)差等特征值(見(jiàn)表1)。

表1 地物光譜特征值統(tǒng)計(jì)

參照表1林地地物光譜特征，植被指數(shù)閾值計(jì)算公式如下：

通過(guò)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(guò)驗(yàn)證與對(duì)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(duì)研究區(qū)的NDVI結(jié)果做二值化處理，設(shè)林地區(qū)域?yàn)?，其他為0，得到研究區(qū)林地的初步識(shí)別結(jié)果。為避免研究區(qū)其他地類對(duì)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(jìn)行波段運(yùn)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(cè)圖(圖9)。

ΔS=Si-Sj

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

圖9 林地變化檢測(cè)

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)橹鳎佳芯繀^(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(zhǎng)型為主。變化的林地主要為農(nóng)田防護(hù)林及防風(fēng)固沙林。

圖10 林地變化檢測(cè)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(shí)際變化情況基本吻合。

2.5 精度驗(yàn)證

為驗(yàn)證林地變化檢測(cè)結(jié)果的準(zhǔn)確率，本研究采用隨機(jī)抽樣法進(jìn)行精度檢驗(yàn)。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(jìn)行精度評(píng)價(jià)，結(jié)果如表2所示。

表2 精度統(tǒng)計(jì)

經(jīng)過(guò)檢驗(yàn)，通過(guò)NDVI能較好地快速提取防護(hù)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(jiàn)光紅波段與近紅外波段組合的歸一化植被指數(shù)NDVI，通過(guò)對(duì)各地物類型隨機(jī)選取采樣點(diǎn)提取NDVI數(shù)值并結(jié)合計(jì)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(shí)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(yùn)算最終求得研究區(qū)的林地變化檢測(cè)數(shù)據(jù)。

本次研究以春季為研究時(shí)段，此時(shí)，耕地處于裸土?xí)r，林地與其他地物的光譜特征差異相對(duì)比較明顯，易于進(jìn)行林地信息的提取。通過(guò)對(duì)各地物類型采樣點(diǎn)的植被指數(shù)特征值計(jì)算并結(jié)合植被指數(shù)閾值計(jì)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(duì)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(cè)方法可實(shí)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(shí)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(shí)，也大幅降低了工作成本，為實(shí)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(zhǎng)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(shí)間段下的植被指數(shù)閾值可能會(huì)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(cè)的需要，且具有快速可操作的特點(diǎn)。林地變化檢測(cè)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(dá)到80 %以上，林地增加精度相對(duì)較低，為70.4 %。此次研究的主要目的在于提取與實(shí)際相符的林地信息，實(shí)現(xiàn)短周期、高效率的林地檢測(cè)目標(biāo)，從而有效提高林地監(jiān)管能力，加強(qiáng)林地保護(hù)利用管理，為深化國(guó)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(gè)方面加強(qiáng)：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(lái)探測(cè)林地變化信息，分析變化檢測(cè)精度；二是針對(duì)林地變化類型間準(zhǔn)確率存在差異的原因開(kāi)展進(jìn)一步的分析研究，提高林地變化檢測(cè)的精度。