高分遥感林业应用研究

高分遥感林业应用研究提纲林业业务高分遥感技术国内外研究进展及趋势高分林业应用示范项目成果介绍系统建设情况

林业业务林业业务

林业是生态建设的主体，履行着建设和保护“三个系统、一个多样性”的重要职能。

（1）建设和保护森林生态系统；（2）保护和恢复湿地生态系统；（3）改善和治理荒漠生态系统；（4）维护生物多样性。

国家对林业的定位：（1）在贯彻可持续发展战略中具重要地位；（2）在生态建设中具首要地位；（3）在西部大开发中具基础地位；（4）在应对气候变化中具特殊地位。职责林地面积为31046万公顷，约占国土面积32.34%。湿地面积约5360.26万公顷，占国土面积5.58%。截止2009年底，全国荒漠化土地总面积26237万公倾，占国土总面积的27.33%；全国沙化土地面积17311万公倾，占国土面积的18.03％。单位：万公顷面积约占国土55.95%。—数据出自第八次全国森林资源调查结果、全国第二次湿地调查结果、全国第四次荒漠化普查结果范围林业业务高分遥感技术国内外研究进展及趋势高分遥感技术国内外研究进展及趋势主要遥感技术手段光学遥感多光谱高空间高光谱微波遥感主动微波（SAR，InSAR，PolSAR，PolInSAR；散射计）被动微波（辐射计）激光雷达光学遥感技术手段发展趋势空间分辨率越来越高；数据质量越来越好；获取效率也越来越高。国外：以商业卫星为主

-SPOT5

Pleiades-1（0.5mP,2mMS)-IKONOS，QuickBird，WorldView

GeoEye-1（0.4mP,1.65mMS)国内：陆地资源卫星

-CBERS-01,02,02B;-HJ-1A/B;-ZY-1,ZY-02C,ZY-3.

ZY-3卫星1台地面分辨率优于2.5m的正视全色TDICCD相机1台地面分辨率优于10m的正视多光谱相机2台地面分辨率优于4m的前视、后视全色TDICCD相机回归周期：59天重访周期：5天幅宽：51-52km生产全国基础地理信息1:5万测绘产品1：2.5万等更大比例尺地图的修测和更新20120109成功发射合成孔径雷达遥感技术新进展及发展趋势国外机载系统：多频率、极化、极化干涉已很成熟卫星系统：趋势“成熟机载技术的星载化”BIOMASS：P波段极化SARTanDEM-X/L：X/L波段重轨InSAR国内机载系统：由重视高空间分辨率，转向了极化、极化干涉卫星系统：未来5年仍处于“单、多极化时代”辐射定标,电离层影响校正信息提取模型地球生物物理参数森林生物量森林平均树高森林生物量变化森林扰动极化雷达强度极化干涉相位重复轨道观测n重复轨道观测n+1BIOMASS卫星观测计划理念HHHVVV干涉相干性P-波段,l=69cmP-波段:对较大的树木结构单元敏感，主要包括树木大枝和主杆(branches,trunks)为何发射一颗P-波段的SAR?TanDEM-X高精度DEM/DSM可用于森林高度的估算TanDEM-L2020年发射计划L波段PolInSAR监测形变估测树高激光雷达+高光谱综合激光雷达和高光谱遥感的优势有利于实现植物生化组分的三维探测多角度Z波形激光雷达+高光谱我国高分辨率对地观测重大专项高分辨率高空间分辨率高光谱分辨率高重访周期星载系统光学：GF-1/GF-6,GF-2,GF-4,GF-5,GF-7合成孔径雷达：GF-3机载系统光学：三线阵，高光谱，大面阵测绘相机，红外相机合成孔径雷达：Ka-,C-,S-,L-,P-波段极化，极化干涉SAR高分的一个显著特点就是以应用作为驱动，各潜在行业应用部门参与系统的建设。高分遥感技术国内外研究进展及趋势GF-1卫星影像产品内蒙古根河市大兴安岭林区2m/8m融合多光谱影像(左)和局部放大图（右）成像时间：2014年6月7日GF-1卫星影像产品洞庭湖湿地16m多光谱影像(左)和局部放大图（右）成像时间：2014年7月30日GF-1卫星影像产品浑善达克沙地（部分）16m多光谱影像(左)和局部放大图（右）成像时间：2014年7月31日GF-2卫星影像产品黑龙江省伊春市带岭区域4m多光谱影像(左)和局部放大图（右）成像时间：2014年9月30日GF-2卫星影像产品湖南省东洞庭湖核心湿地区域4m多光谱影像(左)和局部放大图（右）成像时间：2014年10月12日GF-2卫星影像产品浑善达克沙地（部分）4m多光谱影像(左)和局部放大图（右）成像时间：2014年9月28日GF-4全色影像GF-4多光谱影像GF-4红外影像全图1:1高空间分辨率高时间分辨率高光谱分辨率极化干涉SAR激光雷达（LiDAR)森林资源调查生态工程评估森林资源规划设计荒漠化监测重点湿地监测森林植被分类树种识别森林灾害监测荒漠化信息提取林火探测和监测森林病虫害监测林业遥感综合技术林业遥感应用系统平台遥感数据森林参数提取森林类型识别森林参数反演森林三维重建高分林业遥感应用需求高分林业应用示范项目成果介绍高分林业应用示范的总体思路重点围绕高分7颗民用卫星遥感数据，开展林业调查和监测业务应用关键技术研究，开发软件和运行平台，开展高分卫星在轨测试和应用示范。高分林业应用示范的实施阶段第一阶段（2011年-2012年）：高分林业应用示范总体设计方案的编制，关键技术攻关，相关技术规范的编制和应用示范原型系统的开发等第二阶段（2013年-2015年）：关键技术攻关，应用示范系统建设，基于GF-1/2/3卫星数据和部分航空遥感数据的重点示范应用等第三阶段（2016年-2020年）：完善应用示范系统，基于所有7颗卫星数据和航空遥感数据的高分林业应用全面示范高分应用示范区（2个省级8个县级）高分林业应用示范拟建立的示范区分布图高分林业应用示范平台运行模式1）固定样地与遥感数据结合的森林资源定量估测技术，有效提高了森林生物量和蓄积量的估测效率，增强了样地调查防偏的能力。关键技术突破（1）高分国家森林资源一类清查应用关键技术残差平方和、Cp、AIC主成分分析3分量特征空间聚类最小二乘法、岭估计、偏最小二乘、稳健回归k-NN方法…统计估测可能存在的主要问题：异常样地自变量严重的多重相关性样地代表性差不满足Gauss-Markov假设解决方法统计假设检验多光谱遥感数据一类清查固定样地数据样地自变量（特征）抽取地形数据异常样地判断自变量优选样地按类别抽取估测模型选择（自动）估测处理模型建立样地精度检验样地模型拟合精度模型独立检验精度技术途径蓄积量估测试验验证（黑龙江试验区）LandsatTM（2006.10.06）固定样地数据（2005年，262块）2009年林地一张图成果k-NN森林蓄积量估测结果森林资源信息定量估测精度评价方法：对遥感估测结果，以县为统计单元计算蓄积量，与仅基于固定样地的估测结果对比精度评价结果：稳健回归：81.59%k-NN方法：88.40%森林类型监督分类森林类型分布图生物量估测试验验证（吉林试验区）图例采用固定样地的地类属性信息8870个固定样地全省覆盖的LandsatTM/ETM+影像监督分类分类总精度为80.82%森林资源信息定量估测地上生物量估测结果R2为0.80，RMSE为34.26ton/ha，在0.01水平上显著利用8个县二类加密样地以县为统计单元精度检验平均精度81.83%多源数据：GF-116m多光谱数据GF-4时间序列NDVI数据（以MODIS250m，8天合成NDVI数据为替代）一类清查固定样地数据中的地类及森林类型信息2）多源高分数据森林类型分类技术——综合利用空-时分辨率优势的方法（1）高分国家森林资源一类清查应用关键技术技术流程：主要地类的NDVI时间序列曲线特征GF-116m反射率MODIS250mNDVI时序影像分割分类对象按对象提取GF-1反射率、MODISNDVI分类特征面向对象分类分类结果2）多源高分数据森林类型分类技术——综合利用空-时分辨率优势的方法（1）高分国家森林资源一类清查应用关键技术常绿林落叶林灌木林地耕地建筑用地水体其他总体精度Kappa系数GF-1数据0.600.750.810.780.700.610.900.720.67多源数据0.910.870.780.950.860.970.890.900.87各地类及总体生产者精度比较

仅利用GF-116m数据的分类结果综合利用GF-116m及MODISNDVI时间序列数据的分类结果（1）高分国家森林资源一类清查应用关键技术3）多源高分遥感国家森林资源年度监测技术技术特点：

中等分辨率遥感影像全覆盖分类与高分辨率遥感影像抽样调查相结合。技术流程：利用中分遥感数据快速提取森林资源分布特征；系统布设一套遥感大样地，采用面向对象分类得到各大样地的林地、有林地等的面积统计推算本年度全省主要林地、有林地类型的面积、森林蓄积量。

已在黑龙江省森工40个国有林业局开展了试验，取得了初步成果。中等分辨率遥感数据（GF-116m、GF-450m）森林资源类型（林地、有林地等）分布特征多源高分数据森林类型分类系统布设Ｎ块遥感大样地（4km×4km）逐块对遥感大样地高分影像进行面向对象分类由分类结果统计推算本年度林地、有林地面积基于林分蓄积量生长方程推算本年度蓄积量

为国家林业局正在进行的森林资源年度监测试点提供技术支撑3）多源高分遥感国家森林资源年度监测技术（1）高分国家森林资源一类清查应用关键技术试验区：黑龙江省森工集团所属40个林业局遥感数据：森林资源空间分布特征快速提取：LandsatTM数据遥感大样地分类：SPOT5，GF-1

2/8m数据遥感大样地分类结果核实：PLEIADES(普莱亚)0.5m数据分类方法：面向对象分类抽样方法：系统抽样结果验证：利用已有最新“二调”成果进行验证主要结论：间距为20Km×20Km，大小为4Km×4Km监测样地能够满足森林资源年度监测精度要求；结果与最新“一类”成果对比，林地精度达到93%，有林地精度达到91%。1）多源数据林相图小班半自动遥感区划技术，提高了小班边界勾绘效率与精度。关键技术突破（2）高分森林资源规划设计调查关键技术技术途径

多尺度分层分类

边界条件控制下的多尺度分割定量预处理后的高分遥感影像多尺度分割DEM（地形线）林班、行政边界分割效果最佳否？形状、颜色、平滑度、紧致度否是定义类层次结构选择训练样本对象选择分类特征决策树分类器分类效果最佳否？结果手工编辑及输出否是已有技术未充分利用地形信息；本技术利用坡度、坡向信息通过分割得到大的地形特征，将地形特征用于多尺度的分割和分类。过去采用的一般是模糊、最大似然等分类方法;本技术采用了基于决策树分类器的分类方法。森林小班区划结果带岭小班遥感区划结果小班区划结果（凉水区域放大图）有林地小班变化区域（红色为采伐区域，绿色为恢复的灌草）

试验区：广西上思县试验区

数据：前期小班数据和GF-1号卫星数据2013年12月6日GF-18米多光谱数据2）多源高分遥感小班地类变化监测技术（2）高分森林资源规划设计调查关键技术3）多源高分遥感小班森林资源属性信息提取技术针对目前小班蓄积估测需要现地每小班角规调查，费时费力问题；发展了一种基于少量地面样地调查数据，综合利用高分影像光谱和纹理信息，分树种（组）小班蓄积量估测方法；加入纹理信息并分树种（组）建模可有效提高小班蓄积量估测精度。序号试验方法结果精度1不加入纹理信息不分树种建模63.12%2加入纹理信息不分树种模69.02%3加入纹理信息分树种建模72.16%2008年的SPOT5全色增强多光谱数据及小班数据2008年样地调查数据（共124块）随机抽取37块进行精度检验小班蓄积量等级分布图（m3/hm2)（2）高分森林资源规划设计调查关键技术1）发展了湿地类型分层参数规则分类方法，实现了湿地类型的有效识别。关键技术突破（3）高分湿地资源信息提取技术

技术途径和结果以SPOT-5为数据源，采用水体、光滩、水田、草滩分层参数规则分类方法，获得了东洞庭湖区湿地类型分布图，总体分类精度达到86.5%。东洞庭湖湿地类型分布图湿度指数NDMINDMI+（1-NDVI）水体光滩植被草滩地、林地、旱地河流、湖泊、养殖塘等2）湿地类型与湿地植被光谱特征识别技术研究

Hyperion图像的相关系数矩阵波段指数与波段的关系评价指标自适应波段选择法波段指数法蚁群算法标准差59.169759.965361.0472熵0.13060.13080.1501清晰度0.00550.00580.0058Hyperion优化波段融合图像的定量评价分类结果主要湿地植被类型的原始光谱反射率主要湿地植被类型的反射率一阶微分结果苔草，芦苇，辣蓼，泥蒿和柳树这5种湿地植被在光谱红边区640nm-780nm之间可区分性较好解决湿地植被容易混淆错分的问题，从Hyperion数据中提取有效的光谱特征；采用优化的蚁群算法，得到对湿地植被类型敏感的降维数据；与地面采集典型类型光谱特征相结合，采用改进型的克隆选择算法的高光谱数据分类方法（HCSA）分类，精度达到89.09%。（3）高分湿地资源信息提取技术PVPV、NPV和裸土（BS）端元在NDVI和CAI（DFI）空间的分布CAI替代指数优选（DFI最佳）

NDVICAIHyperionDFINDVILandsat8

PVPVNPVNPVBSBS针对荒漠化区植被极度稀疏的特点，构建了服务于光合/非光合植被覆盖度估算的P-N-S（光合植被-非光合植被-裸土）光谱混合模型；基于Hyperion数据NDVI-CAI（纤维素指数）特征空间分解，实现了光合和非光合植被覆盖度的估算（精度>85%）；通过甄别CAI在Landsat8的最佳替代指数干枯可燃物指数（DFI）,实现了基于Landsat8的覆盖度估算（精度>80%).（4）荒漠化/沙化土地高分遥感信息提取技术1）基于P-N-S光谱混合模型的稀疏植被覆盖度估测技术关键技术突破1）基于P-N-S光谱混合模型的稀疏植被覆盖度估测技术基于Landsat8数据（2014年8月30日）反演植被覆盖度结果基于Hyperion数据（2014年7月28日）反演植被覆盖度结果对浑善达克沙地腹地光合/非光合植被覆盖度进行了估测。（4）荒漠化/沙化土地高分遥感信息提取技术发展了一种基于偏最小二乘（PLSR）法反演土壤粉砂含量的沙化土地信息提取方法；使用GF-1数据提取浑善达克沙地土地信息，提取精度达80.86%。土壤粒径组成各组分均值加减一倍标准差基于GF-1正蓝旗土壤粉砂含量（%）分布正蓝旗沙地信息提取结果基于GF-1多光谱数据的偏最小二乘统计值2）基于土壤粒度特征反演的沙化土地信息提取技术项目变量模型效应权重VIP因变量粉砂0.618－黏粒0.584－自变量Rb1

-0.4240.848Rb2-0.4750.951Rb3-0.5131.027Rb4-0.5751.15（4）荒漠化/沙化土地高分遥感信息提取技术1）基于森林指数和聚类分析模型的工程区森林分布变化宏观提取技术针对工程区森林植被变化监测问题，以250mTERRAMODIS影像作为GF-4替代数据，构建NDVI时间序列数据集；建立了森林指数和时间序列相似模式聚类分析模型，实现区域性森林植被增加和减少地块信息提取。（森林指数）(2008-2013年间森林植被增加区域分布)区域\活力周期≤3个月3-4个月4-6个月6-8个月>8个月东北地区0.280.330.430.480.53华北及内蒙古0.1850.2630.3190.460.52东南低山丘陵区0.200.2360.3140.3460.466四川盆地0.2610.290.3480.3940.486云贵高原0.250.280.270.350.45青藏高原0.100.130.100.190.554青海及甘肃地区0.1670.2120.2180.2370.336新疆天山及阿尔泰山0.1380.210.2350.300.40不同区域森林指数阈值水平(2008-2013年间森林植被减少区域分布)（5）高分林业生态工程区森林植被恢复监测技术2）工程区森林植被长势监测模型2008-2013年间森林植被长势趋差分布图退耕还林重点县植被长势变化图2008-2013年间森林植被长势趋好分布图2013年森林指数分布图

针对工程区森林植被生长状况监测评价问题，以MODIS影像作为GF-4替代数据，建立森林指数和基于NDVI变化率的长势监测模型，通过判断提取森林植被在时空尺度上的“稳定”或“非稳定”状态，监测森林长势，判断林分质量变化。（5）高分林业生态工程区森林植被恢复监测技术（6）林火燃烧信息监测技术根据影像中地物间反射率和亮温差异，建立了基于单中波红外通道的自适应窗口的林火识别模型。单中波红外通道自适应林火识别方法

（窗口大小从3×3，直到21×21）针对GF-4单中波红外通道在林火燃烧信息监测应用中的技术需求，利用HJ-1B数据代替GF-4数据，开展林火燃烧信息监测技术研究。结果：提取的火点与影像叠合结果通过对典型森林火灾的监测结果与人工目视判读结果相比较，选取了500个点对