海南热带林动态变化的遥感监测

林业科学研究ＦｏｒｅｓｔＲｅ￣ｅａｒｃｈ　２ＯＯ２，１５（２）：２０３～２０６　文章编号：１００１—１４９８（２００２）０２－０２０３—０４　海南热带林动态变化的遥感监测　黄建文。，陈永富　，王晓慧　，黄清麟　，杨秀森　（１．中国林业科学研究院资源信息研究所，北京１０００９１；２海南省霸王峙林业局，海南昌江５７２７００）　摘要：运用遥感手段进行海南霸王岭林区植被的动态监测，使用３幅不同年份，同一季节的ＴＭ遥感　影像，进行多时相遥感图像的光谱分折，特征提取，植被分类，精度检验，生成植被分类图和各类型植　被的统计数据，从而分折植被的变化情况。　美键词：ＴＭ遥感影像；植被动态监测；光谱分析；特征提取；植被分类　中国分类号：￥７７１．８　文献标识码：Ａ　遥感数据的可重复获取使其在森林变化监测方面占有优势。目前，利用多时相遥感数据　进行动态监测的技术手段包括：比较多时相遥感图像单独分类结果；不同时相图像比值和差　值；植被指数变化，主成分分析法；变化矢量分析等ｌ】＿。本文利用先单独分类，再比较分类结果　的方法，对海南岛霸王岭林区进行森林资源变化监测，获取近期的植被变化情况。　１试验区概况　霸王岭林区位于海南岛西南部，１８￣５３　～ｌ９ｏ２０　Ｎ，１０８ｏ１２　～１０９￣１２　Ｅ，海拔６ｏ～１　６５４　ｍ　林区总面积为４９　５００　ｈｍ２，森林覆盖率８０．６８％，其中热带雨林为３６　１００　ｈ　。植被类型随海拔　的增高依次为：次生植被；山地雨林或半常绿季雨林，次生林或灌木草丛；热带山地常绿阔叶　林；山地草甸。霸王岭林区属热带季风气候，干湿季分明。试验区树种繁多．有成群落分布的　天然南亚松（　Ⅲｌａａｅｒｉ　Ｍ￣１Ｆｓｏｌ１）、橡胶（Ｈｅｖｅａ　ｂｒａｓｇｉｅｎ￣ｓ（ｗＩＩＩｄ．　然阔叶混交林等。　Ａ．１ｕｓｓ，）ｌ￣ｌｕｅＵ．．Ａ罐．）林、天　２研究资料　使用遥感数据进行监测的基本前提是陆地覆盖的变化必然导致辐射值的变化，且陆地覆　盖引起的辐射值的变化一定大于由其它因素引起辐射值的变化，其它因素包括：大气状况，太　阳角度和土壤湿度等。因此，必须适当地选择多时相遥感数据，以部分减少上述因素对图像影　响，例如：选用的遥感数据属于一年中同一季节，可减少太阳角度和植被气候变化引起的不同。　本研究所用的遥感数据为３个时相相同季节覆盖研究区的Ｌａｎｄｓａｔ一５　ＴＭ数据．轨道号（ｗａｓ）：　１２４／４７，成像时间分别为１９８６—１１—０１，１９９１．１１—１５，１９９８．１０－１７，由于时相吻合较好，３个时相影像　具有可比性。图像解译和几何校正时用到的地图资料为林相图和１：５ｏ　０００地形图。　收稿日期：２００１４）２．１５　基垒项目：国际音作项目ＩＴｒ０　ＰＤ　１４／９２　Ｉｔｅｍ－２（Ｆ）“海南岛　带森林分类经营永续利用示范　的№２子项目“海南岛热　带天然林永续经营示范医”部分内容　作者茼介：黄建文（１９６８．），女，陕西西安人，助理研究员　维普资讯 http://www.cqvip.com

林业科学研究　第ｌ５卷　３监测方法与结果　用先单独分类，再比较结　果的方法，利用上述影像资料　分析热带林变化。其过程包　括图像预处理，植被的有监分　类，统计各植被类型面积，总　体变化的定量分析等４步（图　１），其中有监分类使用ＴＭ　６个　渡段（除Ｔ帅５）的数据。　３．１图像预处理　图１用多时相１Ｍ影像进行植被变化分析流程　根据１：５０　０００地形图将１９９８—１０－１７的影像，按３５个地面控制点进行几何校正，再以校正　后的１９９８－１０．１７影像为准，将其它两个时相的影像与之配准。均方根误差小于Ｏ．５个像元　地图投影坐标系统为横轴墨卡托（Ｔｒａｎｓｖｅｒｓｅ　Ｍｅｒｃａｔｏｒ），椭球体为克拉索夫斯基（Ｋｒａｓｏｖｓｋｖ），像　元点的空间分辨率３０ｍ×３０ｍ。根据海南行政区划图，在３景遥感图像中截取霸王岭林区图　像９０　ｋｉｎ×９０　ｋｍ（３　０００×３　０００像元）作为研究区域。　３．２植被分类　３．２．１植被类型的光谱分析选取原始图像的４、５、３渡段分赋红、绿、兰进行彩色合成显示，　这３个波段的合成不仅信息量大，且可突出植被信息。经过野外调查和室内判读，在图像上确　定目标类别分为５大类，分别为：１．阔叶林；２．稀疏阔叶林；３．橡胶林；４．针叶林；５．草地　识　别上述植被类型是根据植被类型内部构造、树种组成、分布位置、土壤类型等因素Ｅ２］。依据分　类原则，对林区的植被类别光谱特性进行分析。霸王岭阔叶林主要以长臂猿（肼　蛔ｃｏｎｃｏｌｏｒ　Ｉｍｌｎａｎｕｓ＂ｒｎｏｍａｓ）保护区为主，由于树种繁多、树木垂直郁闭，林下阴影重，在图像上为深褐色。　霸王岭林区山地多为稀疏阔叶林，林地树木低矮、稀疏，图像上为砖红色，而类似灌木的稀疏阔　叶林，则为红色泛青。橡胶林与稀疏阔叶林的光谱特征一致，为红色，但纹理特征不同。天然　南亚松具有针叶树的光谱特性，为暗红色，山顶草甸为青绿色，边界清晰。图像解译标志如　表１。　比较３个时相的图像光谱特点，获　取时间虽年份不同，但季节相同，相同类　衰１国像解译标志　别植被的光谱特点在３景图像上变化不　大，基本符合表中所列。　３．２．２植被类别的特征提取　为了识　别不同植被类型，首先必须确定测量类　型的特征以产生描述参数，它是识别的　唯一依据。通常凭经验列出一些可能有　的特征表，然后用统计法计算不同特征　的相对效率，选出若干较好的特征＿３。３ｌ　维普资讯 http://www.cqvip.com

第２期　黄建文等：海南热带林动态变化的遥感监测　良好的特征具有４个特点：特征差异明显；同类对象特征值接近；各特征间彼此不相关；选取的　特征数量尽可能少。　选取理想的训练样本并计算其特征值是一个选取训练样本一计算光谱可分性一获得特征　统计值的重复过程，将５大类植被的光谱特征统计值集中于一个文件中，用于分类。调整好的　各类训练样本的特征统计值是取得较高分类精度的关键。　３．２．３光谱的可分性分析与植被分类制图确定各类特征的光谱特点后，在图像上选取训练　ｒｉ—————一　样本，采用欧几里德光谱距离法对训练样本间进行光谱可分性评估。公式为：　Ｄ＝√苫（ｄ　）ｌ　式中，Ｄ＝光谱距离，　＝波段数，　＝波段　中像元ｄ的亮度值，ｅｉ＝波段ｉ中像元ｅ的亮度值。　若两个训练样本间的光谱可分性小于某一阈值，不能产生理想的分类结果。由于光谱可　分性的公式与最大似然的类别判定规则有　关，评估训练样本的可分性有助于预测最　２　ｌ５０　大似然法的分类结果，是产生成功分类结　果的重要依据ｌ４　Ｊ　由于同物异谱现象，训　练样本个数一般多于目标类个数。对３个　时相的图像均选６类训练样本：１．阔叶林；　阔叶林２（图像中红色泛青）；４．橡胶林；５．　针叶林；６．草地。并计算光谱可分性（如　图２）。　＿．．．．．。．　．．．．．．　．．．．．．．－．．ｌＯＯ　５９　０　∽　一¨一…㈨０　＝　二二＝＝　晶茹　釜兰芏＝；　Ｌ２．稀疏阔叶林ｌ（图像中为红色）；３．稀疏　娄利对　—＿一１９８６——一１９９１—　一】９９８　圈２　６娄训练样丰的光谱可分性　∞∞∞∞∞根据不同的训练样本集，分别对图像进行最大似然法有监分类，生成植被类型分布图，对　∞　虬同物异谱类别进行合并，最终类别为：１．阔叶林；２．稀疏阔叶林；３．橡胶林；４．针叶林；５．草　担∞　地。然后对分类结果进行聚堆，消除细小的类，傲低通滤波图像处理，使类别边界平滑，生成霸　王岭林区３个时相的森林分布图。　３．３精度验证　衰２　ｌ９赔年遥感檀被分类图的精度检验结果　类别号样　点／个　１　２　３　４　；宕龉∞研对１９９８年的遥感植被分类图作了精度验　悔　点／个　正确点　／十　成精　用户精　度／％　证，用霸王岭林相图作为地面参考资料，每一　类选取了３Ｏ个参考样地点，植被分类图的相　应像元点与之进行比较，计算错误矩阵并得出　：台订　度／％　蚪祜％∞盯精度报告（如表２），其总精度为７８．６７％，满足　变化分析的要求。　５　合计　３．４植被类型统计数据的生成及变化分析　对３个时相的植被分布图做了直方图统计，得出各类别像元总数和面积，并得到各植被类　型随时间变化趋势图（如图３）。　第ｌ类阀叶林面积增加，说明在１９８６￣１９９８年期间，阀叶林郁闭度提高；第２类稀疏阔叶　林面积增加，第５类草地面积减少说明荒地减少，新造林地增加。稀疏阔叶林在柱形图中最　高，说明该类在林区占有相当大的比例。　维普资讯 http://www.cqvip.com

林业科学研究　第ｌ５卷　从３幅植被分布图中也可看出，投有明　显的采伐迹地，由于从１９ｓ４年开始，全省实　行封山护林和封山育林，林地开始恢复　１９９８年植被分布图与较早两幅图相比，山顶　草甸边界明显缩小，在有些地块，在较早两　幅图上还是成片的荒山，在１９９８年的图上已　ｌ　２　三　２　×　毫　一一－　４　３　植树。　类　号　４　小结　图３各类植被随年份变化情况　利用不同时相的遥感图像进行植被分类，生成专题图，可直观地表示出植被的变化情况，　生成的各植被类型面积数据可定量地分析各类型植被的状况，在天然林保护领域具有明显的　应用优势。通过对霸王岭热带雨林遥感影像进行分析，确定了热带雨林的光谱特点　研究范　围覆盖整个林区，突出了遥感应用实效性和大范围的特点，可以应用到海南其它林区。　霸王岭停止采伐天然林后阔叶林的面积在逐步增加，使林地状况得到了一定的恢复。稀　疏阏叶林的面积增加，草地和荒地减少，新造林地增加。稀疏阔叶林在林区占有相当大的比　例，还有待长期的保护和恢复。　参考文献：　［Ｉ］Ａ．ｄＣ０ｉｎｄｕｓ嘞９∞～１００３　晰叫ｄ】帅　ｄｅｔｏｅｔｉｏａｔｅｃｈｎｌｑ￣ｕｓｉｒ￣ｒｅｍａｅ－￣ｎｓｅｄ　Ｊ］ｌＩｎｔｅｒｎａｔｉ，Ｊ￣ａｌ　Ｉ】Ⅱ】０ｆＲ　ｅＳｅｎｓｉｎｇ，１９８９．１０（６）：　［２］ＨＩＵ　Ｒ　Ａ．１“　Ｂｑ　目ｔａｌｉ∞ｆｏｒ　ｈｕｍｉｄ　ｔｒｏｐｉｃａｌ　ｏｆｃｅｓｔ　ｃｌａｓｓｉｉｆｃａｔｉｏｎ　ｉｎ　Ｌｓｎｄｓａｔ　１Ｍ　ｄ　［Ｊ。Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｒｃ￣ａｏｔｅ　Ｓｅｎｓｉｎｇ，　１９９９，２０（５）：１０３９～１０４４　［３］ＫｅｎｎｅｔｈＲ　ｃ｜　数字图像处理［Ｍ］．朱志刚译北京：电子工业出版社．１９９８　４４５～４４６　［４］Ｓｔ￣－ｙ　Ｓｃｈｎ＊ｄｅｒ，Ｒ　Ｆｏｕｎｏｅｙ　ＥＲＤＡＳ　削Ｃ￣ａｅ［Ｍ］．Ａｔｌａｎｔａ，岛∞　ａ　ＵＳＡ．ＥＲＤ．６Ｓ　ｃ，１９９７　４５　Ｓｔｕｄｙ　ｏｎ　ＤｙｎａＨｌｉｃ　Ｃｈａｎｇｅ　Ｄｅｔｅｃｔｉｏｎ　ｏｆ　Ｔｒｏｐｉｃａｌ　Ｆｏｒｅｓｔ　Ｕｓｉｎｇ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｄａｔａ　ｉｎ　Ｈａｉｎａｎ　Ｉｓｌａｎｄ　ＨＵＡＮＧＪ／ａｎ－￣ａ　，ＣＨＥＮ　Ｙｏｎｇ－ｆｕ　，ＷＡＮＧＸｉａｏ－ｈｕｉ　，ＨＩ：ＮＧ　Ｑ唔如　，ＹａｎｇＸｉＡｕ－ｓｅｎ　（Ｉ．Ｒｅｓｅａｒ￣Ｉ￣ｔｉｌｎｔｅ　０ｆ　Ｆｃ　２　Ｂ眦　【ｓｆ　Ｒ　一¨　∞Ｔｅｃｈｎｉｑｕ￣，ＣＡＦ．Ｂｅｉｊｉｇ　１０００９１ｎ　Ｃｈｉｎａ；　Ｂｔｕｅａｕ，　ｉ叫Ｐｒｏｖｉｎ￣，０Ⅱ　１丑ｎｇ　５７２７Ｏ０，　ｉ叫．ｃ　ａ）　Ａｂｓｉｒａｃｔ：Ｒｅ，ｎｏｔｅ　ｓｅｌｌｓｉＪ１ｇ　ｗａｓ　ｕｓｅｄ　ｔｏ　ｍｏｎｉｔｏｒ　ｔｈｅ　ｖｅｇｅｔａｔｉｏｎ　ｄｙ￣Ｈａｉｎａｎ　Ｉｓｌａｎｄ．Ｔｈｒｅｅ　ｍｕｈｉｔｅｍｐｏｒａｌ　ＴＭ　ｄａｔａ　ｏｆ　ＩⅡＩｅ　ｃｓ　ｏｆ　Ｂａｗａｎｇｌｉｎｇ　ｆｏｒｅｓｔ　ａｍ　ｉｎ　目０ｎ　ｉｎ　ｄｉｆｅｒｅｎｔ　ｙｅａｒｓ　ｗｅＩ　ｐｒｏｃｅｓｓｅｄ　ｕｓｉｎｇ　ｖａｉｌ．　¨８　ｔｅｃｈｎｉｑｕｅｓ　ｉｎｃｌｕｄｉｎｇ　ｓｐｅｃｔｒａｌ　ａｎａｌｙｓｉｓ．ｓｉｇｎａｔｕｒｅ　ｓｅｌｅｃｔｉｏｎ．ａｎｄ　ｓｕｐｅｒｖｉｓｅｄ　ｃｌａｓｓｉｉｆｃａｔｉｏｎ　ｔｏ　ａｎａｌｙｚｅ　ｔｈｅ　ｖｅｇｅｔａｔｉｏｎ　ｃｈｌＨ￣ｅ　１ｌａｗａｎｇｌｌｎｇ　ｖｅｇｅｔａｔｉｏｎ　ｃｈａＩ１ｇｅ　ｄｅｔｃｔｅｉｎ　ｉｏｓ　ａｒＩ￣ｘａｍｐｌｅ　ｗｈｉｃｈ　ｐｒｏｖｉｄｅｓ　ｌｉｔ　ｆｅａｓｉｂｌｅ　ｍｅｔｈｏｄ　ｆｏｒｍｏｎｉｔｏｒｉｎｇｔｈｅｔｒ．　ｃａｌｆｏｒｅｓｔｉｎ　ＨａｉｎａｎＩｓｌａｎｄ．　Ｋｅｙ　删嘲ｂ：ｒｅ咖【ｅ　ｓｅｎｓｉｎｇ　ｒｉｍ　ｉｍａｇｅ；ｖｅｇｅｔａｔｉｏｎ　ｄｖＩ１ａｆＩ１ｉｃ　ｍｏｎｉｔｏｒｉｎｇ；ｓｐｅｃｔｒａｌ　ａｎａｌｙｓｉｓ；ｓｉｇｎａｔｕｒｅ　ｓｅｌｅｃ．　ｔｉｏｎ；ｖｅｇｅｔａｔｉｏｎ　ｃｌａ￣ｉｔｌｃａｔｉｏｎ