0 引言
党的十八大报告提出将生态文明作为“五位一体”建设目标之一,加大了对生态环境的重视和保护力度,使得森林资源监测逐步转向生态文明的目标,因此,进行森林资源监测对保护生态安全具有重要意义。西方发达国家森林资源监测起步较早
[1],并已将遥感作为森林资源监测数据获取的常规方法
[2-3]。以德国为代表,德国的森林资源监测与生态环境综合监测一起实施,以高分辨率遥感影像为底图开展森林资源监测工作,减少了大量的外业调查工作量
[4]。20世纪70年代中国开始全国森林资源连续清查。传统森林资源监测主要依靠人工外业调查,工作任务繁重的同时也增加了外业人员的危险。如今,利用多源遥感技术,极大提高了监测效率。同时,原始森林山区等难以依靠人工开展监测的地区,多源遥感能够发挥其数据优势,使得监测成为可能,极大减轻工作负担,并降低危险性。笔者阐述多源遥感数据在森林资源监测中的应用现状及未来可能的发展趋势,并对森林资源监测技术方法进行合理展望。
1 多源遥感应用于森林资源监测现状
森林资源是森林、林木、林地,以及依托其生存的野生动物、植物和微生物的总称。森林资源监测需要以调查为基础,多次连续的调查或清查就是监测,森林调查是森林资源数据采集的主要手段
[5]。近几十年来,随着科学技术的进步与发展,世界各国陆续发射多颗遥感卫星占领有限太空资源,并将卫星获取的影像服务于山水林田湖草沙等自然资源监测。已有较多的系列卫星能够用于森林资源监测任务,如中国的高分系列卫星。同时,为满足日益更加精细化的林业要求,逐步引入无人机遥感或航空遥感开展森林资源监测。
1.1 卫星遥感应用于森林资源监测
国内遥感起步于20世纪70年代末期,但后续发展十分迅速,遥感技术在森林资源监测中被广泛使用,并具有良好的应用前景。多光谱数据是林业应用的主要数据,目前科研院所和生产单位广泛使用遥感技术,能够有效将森林类型区别出来,如阔叶林、针叶林、针阔混交林。卫星遥感技术在森林资源监测中具有重要的地位,利用卫星遥感开展森林资源监测可以减少人、财、物的耗损,提高了大面积森林资源的监测效率
[6]。森林资源监测常用的遥感数据源包括Landsat TM系列、SPOT系列、ALOS系列、资源系列,以及国产高分系列卫星数据等。卫星遥感应用于森林资源监测的一般流程如
图1所示,利用预处理之后的高分辨率遥感数据,根据建立好的解译标志、指标体系,建立解译标志库,利用计算机自动解译提取森林资源变化图斑,目视解译勾绘森林资源变化图斑,通过外业实地调查结果对卫星遥感提取结果进行精度评估,形成标准化成果,为森林资源监测的应用提供对照与数据基础。其中,遥感影像判别的解译标志为直接特征(大小、形状、色调、阴影),以及地物和其周围环境表现出的间接特征(纹理、位置和布局)等
[7],常见的指标体系如
表1所示。卫星遥感搭载的传感器有多种,根据森林资源监测需求,可选择不同的卫星遥感数据源开展森林资源监测(
表2)。
一级 | 二级 | 三级 |
林地 | 有林地 | 针叶林地 |
阔叶林地 |
混交林地 |
疏林地 | — |
未成林地 | — |
灌木林地 | — |
苗圃地 | — |
无立木林地 | — |
宜林地 | 宜林荒山荒地 |
宜林沙荒地 |
辅助生产林地 | — |
非林地 | 农地 | — |
水域 | — |
未利用地 | — |
其他土地 | — |
传感器 | 输出数据 | 应用 |
高光谱遥感 | 全波段光谱信息 | 森林资源类型分类[8],森林病虫害监测[9],森林树种分类[10],森林冠层结构[11-12] |
高分辨率遥感 | 高空间分辨率影像 | 森林提取[13],森林郁闭度提取[13],森林小班蓄积量估测[14] |
多光谱遥感 | 多波段光谱信息 | 森林土地覆盖信息[15],森林类型[15],植被覆盖度[15],森林参数模型[15] |
星载雷达 | 高程数据文件、陆地测高数据文件等 | 森林林分树高[16-17],森林结构参数[18],森林地上生物量[19] |
1.2 无人机遥感应用于森林资源监测
无人机遥感是一种灵活机动的,能够快速获取更高分辨率的森林资源信息的先进新兴航空遥感技术
[20]。在森林资源监测中,根据研究对象和尺度的需要,固定翼无人机和旋翼无人机被广泛使用。无人机遥感获得森林资源高分辨率影像后的处理流程如
图2所示。对高分辨率影像进行图像预处理后,生成数字正射影像(DOM)、数字高程模型(DEM)、数字地表模型(DSM),对生成的DOM开展图像分类,利用DEM、DSM计算得到冠层高度模型(GHM),输出林木信息
[21⇓⇓-24]。利用无人机遥感,可以获取大量的森林资源数据,改善传统森林资源监测中周期长、精度差、成本高的弊端。无人机遥感平台能够搭载多种传感器,根据森林资源监测需求,选择不同的传感器来获取森林资源数据(
表3)。
传感器 | 输出数据 | 应用 |
高光谱传感器 | 全波段光谱信息 | 森林病虫害监测[25-26],树种组成识别[27-28] |
可见光传感器 | 数字正射影像(DOM),数字表面模型(DSM) | 森林病虫害监测[29],林分树高测定[30-31],森林冠层结构与属性测定[32-33], 树种组成识别[3,34],森林生物量测定[22] |
多光谱传感器 | 多波段光谱信息 | 森林冠层结构与属性测定[35],森林病虫害监测[36] |
热红外相机 | 温度图谱 | 森林冠层结构与属性测定[37],森林病虫害监测[38] |
激光雷达 | 点云,数字地表模型(DSM),数字地面模型(DTM) | 森林冠层结构与属性测定[39-40],森林生物量测定[41] |
1.3 多源遥感应用于森林资源监测
森林资源监测围绕着森林资源可持续发展,掌握森林资源相关信息,采集所需要的信息,具体的森林资源监测内容视监测类型而异,森林资源监测内容包括森林病虫害监测、林分树高测定、森林冠层结构测定、树种组成及森林分类、森林生物量测定、森林蓄积量及分布、林地立地状况等
[5]。
1.3.1 森林病虫害监测
森林病虫害降低木材质量,影响着树木的生长发育及更新,造成森林资源的严重损失和生态环境破坏,成为了目前森林面临的三大灾害之一。当森林病虫害发生时,会在林木上显示出特别的病理状态,如黄化、枯萎、反射率等特征变化等
[42]。森林病虫害监测主要将人工调查和卫星遥感影像手段结合,能够实时监测病虫害动态,控制灾害的发生与发展,降低林木损伤程度。徐海舟等
[9]利用非成像高光谱遥感结合地面实测数据开展森林病虫害监测,得到较高的实验结果精度。但是对于国家森林公园或重点林场大范围的森林资源监测,卫星遥感一定程度上满足不了需求,无人机遥感可以通过搭载高分辨率相机和多种传感器提供更高的精度
[29]。
1.3.2 林分树高测定
林分树高测定是森林资源监测一项必须开展的工作
[43]。杨坤等
[31]使用最大类间方差法对数字正射影像进行点云分割,得到树木顶端高度和地面平均高度,取得了较好的精度。姚相坤等
[44]采用地基激光雷达技术对水曲柳、兴安落叶松2种人工林开展多站全方位扫描,基于提取的单木因子构建的树高模型,拟合结果调整绝对系数
R2均在0.8以上。张煜星等
[23]基于无人机遥感搭载的激光雷达开展平均林分树高计算,得到林地小班的树高等级分布,用森林资源二类调查数据作为验证对比,取得了75.1%的精度。
1.3.3 森林冠层结构测定
精确估计森林冠层结构是森林生态系统研究中一个重要的组成部分,将卫星遥感应用于大范围的森林冠层结构监测,可在一定程度上完成大范围、多时空动态、快速无损坏的森林冠层结构测定。于泉洲等
[11-12]结合地面调查数据,基于Hyperion高光谱数据定量分析森林冠层光谱特征,很好地阐明森林冠层结构组成对于光谱特征的影响。Jawed等
[32]利用无人机航拍图像获取毛榉林树参数估计,结果表明无人机影像可以有效并快速地获取中大型森林冠层。孙钊
[33]以无人机影像为遥感数据源,开展杉木林树冠参数估测,以实测样地数据结果作为验证,结果表明无人机遥感在森林冠层参数信息获取上是可行的。
1.3.4 树种组成及森林分类
对林分树种组成进行识别以及森林分类时,地面观测不能很好地获取森林冠幅轮廓、纹理、结构等信息,而空中观测能解决地面观测的不足
[34]。代华兵
[14]利用SPOT 5高分辨率遥感数据开展森林分类,综合应用光谱、纹理信息以及历史调查数据,其森林分类精度达到87%以上。Lisein等
[45]利用无人机遥感开展多时段调查,并利用随机森林分类对树种组成进行识别分类,得到良好结果。Sankey等
[27]融合无人机激光雷达和高光谱数据,开展多种树种的分类识别,认为激光雷达和高分辨率影像融合方法较单一传感器数据在树种组成分类上具有更好的效果。
1.3.5 森林生物量测定
森林生物量监测对于森林生态系统研究具有重要意义,也是森林资源监测中重要指标之一
[46]。陈小艺等
[15]基于卫星遥感数据,反演森林生物量与森林参数之间的模型,得到与历史记录数据吻合的汪清县生物量分布情况。洪奕丰
[47]使用机载雷达数据开展了落叶松单木、林分、经营单位、宏观区域等多尺度的生物量反演,实现了森林生物量大范围、快速准确的获取。Naik等
[48]基于星载多时相多光谱遥感数据对森林地上生物量进行预测和估算,结果表明基于多时相数据的生物量模型比单一模型更有效。苟睿坤等
[49]利用国产高分辨率卫星影像数据,使用主成分回归模型对油松人工林地上生物量进行反演,实现了实验样地森林生物量较高精度估算。
1.4 3S技术体系
地理信息系统(Geographic Information System,GIS)、遥感(Remote Sensing,RS)与全球定位系统(Global Positioning System,GPS)在森林资源监测中应用广泛,简称3S技术。RS提供了重要的数据源,GIS是RS的重要分析工具,GPS为RS提供经纬度信息,也是GIS的重要数据源。3S技术在森林资源监测中是必不可少的一套成熟的技术体系。森林资源监测中常用的遥感图像处理软件主要有ArcGIS、ENVI、ERDAS,可以处理多种遥感数据源,包括GF、TM、SPOT、IKNOS、QuickBird等,进行辐射定标、正射校正、地理配准、图像融合等分析处理,提供了强大的空间数据分析能力。ArcGIS和ENVI是多源遥感应用于森林资源监测工作中必不可少的数据分析处理工具。
2 多源遥感应用于森林资源监测的发展趋势
遥感将是森林资源监测的重要方向之一。遥感技术的进步将继续推动森林资源精准监测进一步发展。森林资源监测不是单一的技术,多源遥感应用于森林资源监测的发展是多种技术乃至多种学科交叉集成。
2.1 开发森林资源监测新方法、新技术
研究资源卫星、微波遥感、成像光谱技术及三维遥感在森林资源监测提取中的新技术、新方法,如深度学习智能分类、多源遥感融合技术等,从宏观、中观、微观多层次开展基于多源遥感的森林资源监测新手段。
2.2 提高森林资源估测精度
应用差分GPS(DGPS)、三维遥感以及高光谱,结合数学和高性能计算机,研究从森林到林班、小班、单木等不同层级的森林资源估测方法和模型,提高森林资源估测精度。
2.3 继续推动精准林业
自冯仲科等
[50]提出精准林业以来,如何更加精准地开展森林资源监测广受关注。无人机遥感相比卫星遥感具有更高空间分辨率和时间分辨率,但无人机续航能力不具备卫星遥感采集范围广的优势
[51];同时,无人机数据处理软件不具备实时自动化、传感器载荷量有限等,限制了无人机的广泛使用。未来无人机遥感将会有更好的续航能力、遥感数据分析工具、多类型传感器,为森林资源监测提供更有效的科技平台支撑。
3 展望
当前,国内投入大量资源开展生态修复。然而,生态修复需掌握森林资源恢复进程和森林资源健康质量信息。
3.1 加强指标体系建设
随着生态文明建设的提出,“绿水青山就是金山银山”已是林业发展的重要思路之一,森林资源监测指标也应随之发生改变。监测指标应逐步实现多目标、多功能的森林资源综合监测;评价指标应逐步实现对林业可持续发展的评价,定期发布森林资源指标信息,形成社会合力推进绿色发展。
3.2 加大新技术研发和引进
应继续加强遥感、全球定位系统、地理信息系统的综合研究应用,尽快取得突破性进展。同时,向国外学习森林资源监测中的新思路、新方法。进一步提高森林资源监测的标准,提高森林资源监测和评价水平。现有的研究多偏向于树种均匀、结构单一的林区,复杂背景的森林环境对使用卫星遥感开展森林资源监测造成了一定阻碍,应加大复杂森林环境背景下的多源遥感森林资源监测研究力度。
3.3 打通森林资源成果共享壁垒
森林资源监测数据比较分散,数据可交流性较差,使森林资源监测数据利用率低下。数据的标准化、规范化,以及质量、精度等是森林资源监测数据共享壁垒的问题之一。应建立一套森林资源监测标准规范,确保森林资源监测数据的兼容、共享。加大森林资源监测数据网络化程度,避免资源重复生产,提高森林资源监测数据的共享程度。
{{custom_sec.title}}
{{custom_sec.title}}
{{custom_sec.content}}
[1] 欧阳海,郑步中,王雪娥,等.农业气候学[M].北京:气象出版社,1990:154-193.
[2] 李世奎,侯光良,欧阳海,等.中国农业气候资源和农业气候区划[M].北京:科学出版社,1988:124-139.
[3] 黄秉维.中国农业生产潜力-光合潜力-农业生态环境研究[M].北京:气象出版社,1989:17-24.
[4] 章基嘉,徐祥德,苗俊峰.气候变化及其对农业作物生产潜力的影响[M].北京:气象出版社,1992:3-6.
[5] IPCC Working Group I. Scientific Assessment of Climate Change[M].Cambridge Publishing House,1992:58-125.
[6] 钟章奇,王铮,夏海滨,等.全球气候变化下中国农业生产潜力的空间演变[J].自然资源学报,2015,30(12):2018-2031.
[7] 王毅荣,王润元,邓振镛.黄土高原气候生产力演变特征[J].中国农业气象,2006,27(2):70-75.
[8] 姚玉璧,李耀辉,王毅荣,等.黄土旱塬气候与气候生产力对全球气候变化的响应[J].干旱地区农业研究,2005,23(2):202-208.
[9] 苏占胜,陈晓光,黄峰,等.宁夏农牧交错区(盐池)草地生产力对气候变化的响应[J].中国沙漠,2007,27(3):430-435.
[10] 龚宇,张红红.近30年冀东地区气候变化对气候生产力的影响[J].中国农学通报,2011,27(20):278-284.
[11] 张谋草,段金省,李宗龚,等.气候变暖对黄土高原区农作物生长和气候生产力的影响[J].资源科学,2006,28(6):46-50.
[12] 高茂盛,范建中,吴清丽,等.气候变暖背景下渭北旱塬气候变化及气候生产力研究[J].干旱地区农业研究,2012,30(4):178-183.
[13] 张永红,葛徽衍.陕西省作物气候生产力的地理分布与变化特征[J].中国农业气象,2006,27(1):38-40.
[14] 何可杰,李恩莉,气候变化对宝鸡市作物气候生产力的影响[J].陕西气象,2011,273(1):11-14.
[15] 张向荣,王春娟,雷雯.气候变化对宝鸡市主要农业生产的影响[J]. 陕西农业科学,2016,62(1):87-91.
[16] 王春娟,李建军,张峰.宝鸡市近50年气候变化特征[J].陕西气象,2012,280(3):26-30.
[17] 王春娟,杨婷婷.陕西宝鸡市近50年农业气候资源特征分析[J].西北农林科技大学学报:自然科学版,2012,40(11):53-58.
[18] 王春娟,床晨阁.宝鸡市近50年水热资源特征及其对农业生产的影响[J].陕西农业科学,2013,59(6):77-81.
[19] 王春娟,床晨阁.陕西关中西部近50年气候生长期的变化特征[J].农学学报,2015,5(11):53-57.
[20] 魏淑秋.农业气象统计[M].福州:福建科学技术出版社,1985.
[21] 高素华,潘亚茹,郭建平.气候变化对植物生产力的影响[J].气象,1994,20(1):30-33.