张世良 王远帆 刘锡铃

[摘    要] 以森林资源遥感分类为切入点，以宁德市蕉城区境内的森林作为研究对象，针对遥感影像在森林信息提取中存在的大量混合像元的问题，引入一种基于Slice-Oriented算法模型提取方法。通过这种方法，分别得到研究区森林的覆盖图像，并提取出了森林健康等级的分布情况并可视化。根据实验提取的结果符合实地森林情况，达到资源调查所需要的精度。说明该方法可以改善植被信息提取的效果。

[关键词] Slice-Oriented算法;遥感影像;信息提取;可视化

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2019. 21. 067

[中图分类号] TP391    [文献标识码]  A      [文章编号]  1673 - 0194（2019）21- 0170- 02

0      引    言

森林病虫害的危害特点具有周期性和长时间持续的破坏性，林分受害症状呈现相对较为迟缓。此外，社会经济发展所带来的资源破坏和环境问题， 而这些问题又使森林本身受到了严重的影响， 如火灾、空气污染、湿地退化、生物多样性减少、外来有害生物的入侵、城乡过渡带生态系统的脆弱、生态环境变化等，森林健康监测已成为一项日常的工作[1]。传统的人工森林监测具有周期长、工作量大、监测范围小的特点[2]。而遥感图像具有覆盖地域广、信息量大、现势性强等优点，在森林健康监测中发挥了优势，是森林健康监测的重要手段。本文通过Slice-Oriented算法并结合遥感技术能快速地获得研究区域的影像特征，实现对森林健康监测与可视化，探索一条能够在涵养水源、保护水土及森林环境的有效对策，在森林健康可持续发展、生态平衡、社会、经济效益等具有显著的促进作用。建立适合本地的评价指标体系，城市森林结构指标计算、对于城市森林的规划、经营管理和病虫害的预防均有重要的指导作用。

1      研究区介绍

宁德市俗称“闽东”，位于福建省东北部，地处东经118°32′30″～120°43′25″，北纬26°18′～27°40′49″，陆地面积130万公顷，其中林业用地面积99.57万公顷，占陆地面积76.6%。内生物资源丰富，植物有189科，2 163个种，其中孢子植物27科，67个种;种子植物162科，2 094个种。全市典型的森林植被类型有常绿阔叶林、常绿针叶林、针阔叶混交林、山地常绿矮林，其中常绿阔叶林是重要的水源林和特种用材林，常绿针叶林是本市主要的用材林和薪炭林[3]。据闽东日报调查初步显示，在有害生物面积达32.2万亩中，森林虫害发生面积就达27.8万亩，病害发生面积4.4万亩，大部分是由台风袭击造成松树枯死而引起松墨天牛侵入，另有松毛虫发生面积将达6.8万亩，柳杉毛虫1万亩。其他的森林虫害还有竹广肩小蜂、刚竹毒蛾、木麻黄毒蛾和樟萤叶甲等。森林病害方面，毛竹枯梢病发生较为普遍。表明森林病虫害手在面积较为广泛且分布呈现分散状态[4]。

2      植被指数

（1）归一化植被指数（Normalized Difference Vegetation Index，NDVI），是最常用的植被指数，它能反映出植物冠层的背景影响，是检测植被生长状态、植被覆盖度和消除部分辐射误差等。雪、枯叶、土壤、潮湿地面、粗糙度等都与植被覆盖有关。虽然NDVI对土壤背景的变化较为敏感，由于NDVI可以消除大部分与地形、云阴影、仪器定标、太阳角和大气条件有关辐照度的变化，增强了对植被的响应能力，因此，NDVI目前已有的40多种植被指数中应用最广的一种。NDVI就等于近红外区与红光区的反射率差值除以近红外区与红光区的反射率之和，即：

NDVI=■

其中，NIR表示为近红外波段的反射值;R表示为红光波段的反射值。

计算结果值在-1与1之间，负值表示地面覆盖为云、水、雪等，对可见光高反射;0表示有岩石或裸土等，NIR和R近似相等;正值，表示有植被覆盖，且随覆盖度增加而增大。一般绿色植被区其值范围是0.2-0.8。

（2）增强植被指数（Enhanced Vegetation Index，EVI）。为了矫正土壤背景和气溶胶散射的影响，EVI通过加入蓝色波段以增强植被信号来实现。但EVI常用于植被茂密区，即LAI值较高区。EVI计算公式为：

EVI=2.5×■

其中，NIR，R与B分别表示近红外波段、红光波段和蓝光波段的反射率。其值的范围也是在-1与1之间，一般绿色植被区其值范围是0.2-0.8。

3      Slice-Oriented算法

图像信息的充分提取，研究中构造新的算法，主要采用“基于片層—面向类”的算法。主要体现在确定实现图像分类运算的最佳分片数目，以减少在处理过程中，计算机对均一光谱的连片区域内的大量像元进行基本相同的重复运算，加快计算速度;使各类别片中的栅格边长保持较好的一致性的同时，突出各片内信息的差异，确定不同的片类别，以实现片的有效聚类，算法流程如下：

（1）分析确定最佳的分片数目，根据影像光谱特征值和各监测因子专题信息对图像进行分片处理。

（2）对分片处理所形成的“片”，映射回图像空间，根据各图像空间内的各直方图特征、各片栅格边长的不一致性，确定不同的片类别，以使各类别片中的栅格边长保持较好一致性，突出各片内信息的差异为目标。

（3）采用直方图找峰进行聚类的图论方法，实现对研究区域的遥感图像分片后各片内的分类处理。

（4）在类产生的基础上，进行类的合并研究，形成类与图像区域的对应关系，这是不同时期不同健康状况林分信息提取能否达到较高精度的关键。

4      森林信息提取与健康分类

倘若仅仅利用基于光谱特征来识别地物的波段特征较少，在信息提取过程中存在较大的干扰。以往的研究还表明，特征分布具有极强的非线性，空间分布也非常复杂。 利用遥感图像的光谱信息很难很好地区分这些地物特征。许多理论和实践结果表明，需要充分利用遥感图像光谱和纹理的特征有效地提取森林信息，本文通过构造Slice-Oriented算法实现更有效的提取[5-6]。

林地专题信息提取图像，包含多种土地利用类型的信息，如住宅用地、交通用地、林地、园地、耕地、水体和未开发利用地。为了排除其他类型对林地的干扰，必须对遥感图像进行分割。提取林地主题信息的方法较多，有归一化差值植被指数（NDVI）方法，神经网络方法以及面向对象方法等。本文利用ENVI 5.1遥感处理软件获得NDVI值和EVI值，它们的值范围都为（-1，1）之间，我们在此处二值均设置大于0.25，就可以很好地从图像中提取出林地信息。其提取结果，如图1，图2所示。

单纯利用光谱信息难以有效地将不同等级的森林区分开来，需要引入其他特征量予以进一步划分，采用基于“片层—面向类”的森林信息提取算法并以健康等级图表示，如图3所示。

5      结    论

如何实现图像信息的充分提取，研究中构造新的算法，主要采用研究提出的“基于片层—面向类”的算法加以解决。主要体现在确定实现图像分类运算的最佳分片数目，以减少在处理过程中，计算机对均一光谱的连片区域内的大量像元进行基本相同的重复运算，加快计算速度，不仅使各类别片中的栅格边长保持较好的一致性，而且突出了各片内信息的差异，确定不同的片类别，以实现片的有效聚类并对森林分级可视化效果。

注：张世良为通讯作者

主要参考文献

[1]肖風劲，欧阳华，傅伯杰，等.森林生态系统健康评价指标及其在中国的应用[J].地理学报， 2013， 58（6）：803-80.

[2]沈泉林. 南平市延平区人工林健康评价及健康经营措施研究[D].福州：福建农林大学，2013.

[3]袁素华，薛少彬，刘凤葵. 闽东设施农业发展现状、存在问题与对策[J]. 中国园艺文摘，2015（9）：59-62.

[4]毛秀华，张世良，刘锡铃. 基于遥感影像的闽东森林病虫害等级分类技术[J].宁德师范学院学报，2018，30（1）：90-95.

[5]周宝祥. 基于SPOT5 影像的森林资源信息提取技术研究[J]. 内蒙古林业调查设计，2012，35（5）：89-91.

[6]刘锡铃，张世良. 自然灾害智能化应急救援信息系统关键技术研究[J]. 韶关学院学报，2018，39（9）：32-36.