全 文 ：林业科学研究 2008, 21(增刊 ): 1~ 5
Forest Resea rch
文章编号: 100121498( 2008)增刊20001205
基于 QuickBird影像退耕还林工程监测技术研究
赵 峰, 张怀清, 鞠洪波, 黄建文
(中国林业科学研究院资源信息研究所 北京 100091)
摘要:采用面向对象的分类方法, 充分利用高分辨率遥感影像丰富的纹理信息,选用 Qu ickB ird高分辨率遥感影像对
退耕还林工程区造林信息进行提取。分类方法采用基于对象间距离的最邻近分类器法和基于规则模型的隶属度函
数法。研究结果表明用高空间分辨率的 Qu ickB ird影像监测退耕还林工程地理区划、造林施工面积、整地方式及规
格等是可行的, 造林地块信息提取的准确度和稳定度均在 80%以上。
关键词: 高分辨率遥感影像; Qu ickB ird;退耕还林;面向对象分析
中图分类号: S771. 8 文献标识码: A
收稿日期: 2007212215
基金项目: 科技部社会公益研究专项 /国家重点林业生态工程监测与评价 0 ( 2003DLA6N014)
作者简介: 赵峰 ( 1976) ),女,山东德州人,助理研究员.
Mon itor ing the Conversion of Farm land to Forests Project
Ba sed on QuickBird Im age
ZHAO Feng, ZHANGHua i2qing, JUHong2bo, HUANG J ian2wen
( Research In stitu te of Forest Resou rce In formation Techn iques, CAF, Beijing 100091, Ch ina)
Abstr act: Based on the abundant textures of the high resolut ion remote sensing image, an ob ject2oriented
classification was used to extract the art ific ia l a fforestation from Qu ickB ird image in the area of the conversion of
crop land to forest projec.t The classification adopted the object2distance2baged nearest c lassifiermethod and project
mode l2orientedmembership function method. The resu lts ind icated that it was feasible to get the layou,t area,
plantingmanner and standard of the conversion of farm land to forest project from high resolution remote sensing
image. The verac ity and stab ility weremore than 88 percen.t
K ey word s: h igh resolution remote sensing im age; QuickBird; conversion of farm land to forests; object2
oriented ana lysis
退耕还林工程是我国实施的六大林业重点生态
工程之一,它是减少水土流失、减轻风沙灾害、改善
生态环境的有效措施。为了保证退耕还林工程的质
量和效益,为退耕还林工程政策兑现及管理决策提
供依据,国家林业局制定了 5退耕还林工程建设检查
验收办法6, 检查验收内容主要包括:退耕地还林及
荒山荒地造林施工面积、合格面积、不合格面积、成
活率、合格率、整地方式及规格、树种选择及配置、种
植密度、种苗质量、生态林比例、经济林比例、混交林
比例等,所有这些检查验收工作都是通过实地调查
的方法来完成的 [ 1]。一方面实地调查必然会动用大
量的人力、物力和财力,而且效率不高。另一方面对
于没有抽查到的工程地块, 县级自查的工程情况是
否属实,仍有待进一步检验。因此,使用一种快速、
灵活、方便的检查验收方法是目前工程验收过程中
所急需的。
遥感技术以其及时、方便、迅速地获取地表信息
的优势在林业资源调查中有着广泛的应用。随着高
空间分辨率卫星遥感影像的出现, 如 IKONOS、
Qu ickB ird等,使得在较小的空间尺度上观察地表的
林 业 科 学 研 究 第 21卷
细节变化、进行大比例尺遥感制图成为可能。高分
辨率卫星数据在土地利用动态监测 [ 2]、矿山开发状
况及生态环境监测 [ 3- 4]、滩涂资源监测 [ 5]、城市园林
绿化现状调查 [ 6]、城市大比例尺地形图更新 [ 7]等方
面有广泛的应用, 结果表明高分辨率影像室内判读
效果更佳、准确率更高,可用于大比例尺 (米级 )的
环境调查。因此, 本文尝试用高空间分辨率的
Qu ickBird卫星影像进行退耕还林工程的监测工作。
1 材料与方法
1. 1 试验区概况
研究试验区选在张家口市桥东区, 地理位置位
于 40b12c~ 40b48cN, 114b52c~ 115b31c E之间。地
处河北省西北部,永定河上游。北靠崇礼县,东南方
与宣化县接壤, 西边隔清水河与桥西区相望。全区
地形北高南低,北部、东部、东南部, 沟谷纵横。由于
地处坝上、坝下交界, 地形复杂,区内植被较少。
该区属大陆性季风气候,四季分明。降水不足,
光热资源丰富, 多年平均降水量 402 mm, 降水大部
分集中在 7、8月份,平均为 215mm,占全年的 53% ,
春季造林季节降水量较少, 平均为 25 mm, 占全年的
6% ,年均气温 6 e 左右。
该区自 2002年开始实施退耕还林工程,造林树
种 以 山 杏 ( Armeniaca vulga ris Lam. var. ansu
(Maxim. )Yet Lu)为主。由于造林时间短,苗木生
长 1~ 3 a,直播苗最高达 40 cm, 植苗栽植的树高一
般在 1. 5 m左右,最高可达 2m,树冠 1. 5~ 2. 5 m。
1. 2 Qu ickBird数据特点
Qu ickB ird卫星影像有 5个波段,包括 1个全波
段,分辨率为 0. 61 m, 4个多波段, 分辨率为 2. 44m。
成像宽度为 16. 5 km, 标准景幅为 16. 5 km @
16. 5 km。在没有地面控制点的情况下,地面定位圆
误差精度可达 23 m。采用 11 b it / s数据格式, 增加
了灰度级数,减少了阴影部分信息的损失。各波段
的光谱范围与 TM /ETM+相应波段基本一致, Quick2
Bird和 TM /ETM+波段设置对照如表 1。
由表 1可以看出, QuickBird多光谱设置与 TM
前 4个波段的设置一致,因此,地物对各波段电磁波
的反射和吸收规律也应该与 TM的前 4个波段相
同。通常在用 TM进行植被信息提取时选用 4、3、2
或 4、5、3波段组合,以获得丰富的植被光谱信息, 因
此本文在用 QuickBird影像进行林地信息提取时也
选用了 4、3、2波段组合。
表 1 Q u ickB ird波段和 TM /ETM +波段对照
卫星 Qu ickB ird TM ETM +
全色波段 /Lm 0. 45~ 0. 90 0. 5 ~ 0. 9
( 15 m分辨率 )
多光谱波段 /Lm 0. 45~ 0. 52 0. 45~ 0. 52 0. 45~ 0. 52
0. 52~ 0. 60 0. 52~ 0. 60 0. 52~ 0. 60
0. 63~ 0. 69 0. 63~ 0. 69 0. 63~ 0. 69
0. 76~ 0. 90 0. 76~ 0. 90 0. 76~ 0. 90
1. 55~ 1. 75 1. 55~ 1. 75
2. 08~ 2. 35 2. 08~ 2. 35
( 30m分辨率 ) ( 30 m分辨率 )
10. 4~ 12. 5 10. 4 ~ 12. 5
( 60m分辨率 ) ( 60 m分辨率 )
研究采用的 Qu ickBird影像获取时间是 2003年
6月 17日, 天底角偏置 25b, 目标方位角 119b, 多光
谱波段的影像分辨率是 2. 87 m, 全色波段的影像分
辨率是 0. 72m。
1. 3 数据预处理
研究选用的 Qu ickBird影像已经辐射校正和几
何粗校正,并作了地图投影处理。为了提高图像的
精度, 采用 1B10 000地形图对影像进行几何精
校正。
由于 QuickBird全波段分辨率比多波段分辨率
高,而对于植被信息提取来说,多光谱数据中植被的
可分性要比全色数据好得多。因此, 对 QuickBird
0. 72m全色数据和 2. 87 m多光谱数据进行融合处
理 [ 8] ,分辨率融合采用 PCI9. 0的 Pan2sharpen ing技
术。光谱特征与融合前变化不大, 光谱信息损失较
少,处理后图像具有全波段空间分辨率高和多波段
信息丰富的优势, 从而提高了图像的解译性。
1. 4 信息提取
传统的遥感卫星影像的信息处理可以理解为包
括影像的校正、增强、分类等在内的一系列处理过
程,这些过程大多是建立在对地物景观的光谱信息
进行统计分析的基础上。由于空间分辨率对几何精
度的限制, 对地物形状信息的分析几乎没有涉及。
但在高分辨率的卫星影像上, 地物的形状结构及不
同地物的空间关系变得非常重要, 传统的根据光谱
值进行分类的方法将不能发挥其优势。高分辨率数
据所展示信息的详细水平使传统的基于像元的分类
很难成功,因为在高空间分辨率影像数据中每一个
像元不仅与对象或区域作为一个整体的特征相关,
而且与它自身的组分相关。目前商业软件中绝大多
数的分类程序都是基于像元进行的, 这种基于像元
的分类方法几乎没有利用任何空间信息, 忽略了邻
2
增刊 赵 峰等:基于 Qu ickB ird影像退耕还林工程监测技术研究
近像元对所考虑像元的影响以及数据所展示的形
状、纹理特征以及层次信息, 因此, 一直为 /同谱异
物 0现象所困扰, 而面向对象的分析方法则充分考虑
了地物的纹理信息和地物间的空间关系。鉴于此,
本文采用面向对象的分析方法对经过融合后的
0. 72m分辨率的 Qu ickBird卫星影像进行退耕地信
息提取。该过程在 eCogn ition软件下完成。
由于是基于对象的分类,因此, 首先对预处理后
的影像根据分类目标大小进行多尺度分割, 以研究
区平均目标 (乔木林 )大小为最初的分割尺度, 然后
在该分割水平上进行小尺度分割, 以获得退耕地块
信息, 并进行大尺度的分割以获取较大面积的草地
等信息。对分割后的影像采用两种分类方法进行分
类:利用最邻近分类器进行分类和利用隶属度函数
进行分类。通常以少数几个特征即能将地物分开的
类别选用隶属度函数法进行分类,反之, 则用最邻近
距离分类法 [ 9 - 10]。因此, 在目视解译的基础上对研
究区草地、荒草地 (光谱色调偏暗 )、灌木林地和裸
地分别选取各类别样本, 然后采用最邻近分类器法
进行分类;对于道路、林木和退耕地采用隶属度函数
法进行分类, 林木信息根据 NDVI值进行阈值筛选
即可提取,退耕地信息首先根据其光谱信息进行提
取,然后运用地块的形状信息,如对象的长宽比,进
行提取。信息提取的基本流程如图 1。
图 1 基于面向对象的 Qu ickBird影像信息提取流程
2 讨论与结论
2. 1 造林信息提取结果
试验区退耕还林工程既有退耕地造林, 又有荒
山荒地造林,不同的造林方式在 Qu ickBird影像上也
可以明显地反映出来。从退耕还林工程造林信息提
取结果图 (图 2)中可以看出, 代表退耕地的地块形
状比较规则。其中,呈整齐条带状的是退耕地造林,
点状分布的是荒山荒地造林。二者形状上的差异明
显,分别反映了两种不同种植方式:垄植和穴植。退
耕地的苗木生长较好,树冠几乎连接到一起,而且行
间距比较大, 所以提取后的林地呈现条状。而荒山
荒地的直播苗高仅 40 cm左右,冠幅小于 60 cm, 在
影像上很难反映出来, 仅能根据树穴的纹理信息进
行判别,结合实际进行考虑,从而得到退耕还林工程
的分布情况。将工程造林信息提取结果图和地形图
进行叠加,即可获得退耕地的位置信息、地形信息、
坡度信息,从而可以直接判断出退耕类型 (退耕地及
荒山荒地 )、退耕坡度是否符合规划要求。另外, 还
可以统计出退耕地面积,计算造林种植密度等, 从而
可以快速、方便地进行工程检查验收。
3
林 业 科 学 研 究 第 21卷
图 2 Qu ickBird影像造林信息提取结果图
2. 2 精度评价与分析
由于分类过程中采用了基于模糊系统的分类
器,它用成员值 (u , degree ofmembership)或概率来
表达对象与类之间的属于或不属于关系。成员值通
常介于 1. 0和 0. 0之间, 其中 1. 0表示完全成员或
必然属于某一类, 0. 0表示绝对非成员或不可能属
于某一类,而介于 1. 0和 0. 0之间的则表示模糊成
员或可能属于某一类。一个对象可能是多个类别的
成员,且对于每一个类别都有一个成员值。通常将
该对象归属于成员值最大的类别中, 成员值愈大, 表
明它属于该类别的概率愈大。然而, 准确性并不是
分类结果好坏的决定性指标。影像对象的最大成员
值和第二成员值的差别越大, 越容易将该对象从其
它类别中分离出来,分类的稳定性越好。因此, 分别
采用分类准确性和分类稳定性对分类结果进行分类
结果的精度评估 (表 2、3)。
表 2 各类别的影像对象最大成员值 (u )统计
类别 对象个数 均值 标准差 最小值 最大值 准确性
草地 5 374 0. 996 0 0. 032 7 0. 518 0 1. 000 0 0. 963 3
荒草地 5 535 0. 996 0 0. 035 9 0. 500 0 1. 000 0 0. 960 1
灌木 4 480 0. 994 0 0. 042 1 0. 500 0 1. 000 0 0. 951 9
裸地 922 1. 000 0 0. 000 0 1. 000 0 1. 000 0 1. 000 0
道路 140 1. 000 0 0. 000 0 1. 000 0 1. 000 0 1. 000 0
乔木 1 558 0. 991 0 0. 052 2 0. 504 0 1. 000 0 0. 938 8
退耕地 (条状 ) 752 0. 998 0 0. 039 8 0. 404 0 1. 000 0 0. 958 2
退耕地 (点状 ) 6 646 0. 996 0 0. 139 0 0. 103 0 1. 000 0 0. 828 0
表 3 各类别的影像对象最大成员值和第二成员值差值 ( u1 - u2 )统计
类别 对象个数 均值 标准差 最小值 最大值 稳定性
草地 5 374 0. 993 0 0. 064 8 0. 035 2 1. 000 0 0. 928 2
荒草地 5 535 0. 992 0 0. 071 2 0. 021 0 1. 000 0 0. 920 8
灌木 4 480 0. 976 0 0. 139 0 0. 010 0 1. 000 0 0. 837 0
裸地 922 0. 995 0 0. 068 3 0. 016 9 1. 000 0 0. 926 7
道路 140 0. 984 0 0. 104 0 0. 008 6 1. 000 0 0. 880 0
乔木 1 558 0. 965 0 0. 165 0 0. 000 0 1. 000 0 0. 800 0
退耕地 (条状 ) 752 0. 998 0 0. 039 8 0. 204 0 1. 000 0 0. 958 2
退耕地 (点状 ) 6 646 0. 967 0 0. 139 0 0. 103 0 1. 000 0 0. 828 0
从表 2、3中可以看出, 各类别的分类准确性和
稳定性均超过了 80%以上。其中,退耕地块的分类
精度分别为 95. 8%和 82. 8%, 分类稳定度与精度一
致,点状分布的退耕地分类精度和稳定度相对低一
些。分析发现, 在点状分布的退耕地类中至少有一
个影像对象有较低的最大成员值 ( u = 0. 103), 说
明该对象不能很好得满足点状退耕地类所描述的属
性。造成这种结果的主要原因是点状退耕地光谱受
周围地物影响较大,类内光谱差别也较大, 不容易找
到明显的特征作为限制条件, 从而没有较为合适的
隶属度函数将其提取出来。在表 3中, 乔木类的分
类精度较高 ( 93. 9% ), 但稳定性相对较低 ( 80% ),
说明属于乔木类的所有对象中至少有一个影像对象
属于该类别的同时还属于其他类 (u1 - u2 = 0)。这
主要是由于分散分布的乔木和有些密集分布的灌木
光谱比较接近,极易混淆,而且又没有明显的纹理差
异所造成的。
4
增刊 赵 峰等:基于 Qu ickB ird影像退耕还林工程监测技术研究
3 结论与讨论
用高空间分辨率 Qu ickB ird影像进行退耕还林
工程监测是一种有效监测技术。但是, 由于
Qu ickBird影像仅有 4个光谱波段, 其光谱分辨率受
限,因此,对于造林树种的识别仍有一定的困难, 也
就无法统计出造林生态林比例、经济林比例以及混
交林比例等信息。
Qu ickB ird卫星影像虽然以其较高的空间分辨
率提供了地球表面的较为详尽的细节信息, 解决了
传统中等分辨率卫星影像所无法解决的问题, 但是
在实际的应用中仍存在一些问题有待解决。
信息源受限制。Qu ickB ird卫星影像的获取采
用订单的方式, 订购存档数据或编程接收数据。由
于 Qu ickBird卫星在我国范围内是有选择性的接收
数据, 对于用户所需的数据或缺, 或影像接收时相、
质量不符合要求等。而编程接收数据通常价格较
贵,而且一般交付周期较长。
信息处理技术有待提高。目前, 对于高空间分
辨率的卫星影像来说,目视解译的效果要优于计算
机自动提取技术。因为仅基于光谱值的传统分类方
法在这里将不再适用。高分辨率影像上的一些细节
信息在提取某些地物时反倒成了 /噪声 0, 如提取道
路信息时,两边的行道树会影响道路的提取。而在
TM影像上,道路作为线性特征提取相对容易些。影
像中的点状退耕地信息用肉眼能清晰地分辨出来,
而计算机自动识别技术则遇到了困难。
总之,面向对象的分类方法是高分辨率影像上
提取信息的有效途径, 但各种改善分类结果的方法
仍需要进一步研究,更好地为退耕还林工程和其他
林业生态工程服务。
参考文献:
[ 1 ] 国家林业局退耕还林办公室. 退耕还林指导与实践 [M ].北京:
中国农业科学技术出版社, 2003
[ 2 ] 杨清华,齐建伟,孙永军. 高分辨率卫星遥感数据在土地利用动
态监测中的应用研究 [ J].国土资源遥感, 2001( 4): 20 - 27
[ 3 ] 王晓红,聂洪峰,杨清华, 等. 高分辨率卫星数据在矿山开发状
况及环境监测中的应用效果比较 [ J].国土资源遥感, 2004 ( 1):
15 - 18
[ 4] 吴 虹,杨永德,王松庆. Qu ickBird22& SPOT21矿山生态环境遥
感调查试验研究 [ J].国土资源遥感, 2004 ( 4): 4 - 49
[ 5 ] 高龙华,程 芳. 基于 Qu ickBird影像的滩涂资源监测研究 [ J].
遥感技术与应用, 2004, 19( 2 ): 95- 97
[ 6 ] 侯碧清,谭宽祥,李家湘. 运用 QU ICKBIRD卫星影像调查株洲
市园林绿化现状 [ J].林业调查规划, 2005, 30( 1): 5 - 7
[ 7 ] 杨泽运,康家银,赵广东. 利用 Qu ickBird全色遥感影像更新城
市大比例尺地形图 [ J].测绘工程, 2005, 14( 2): 29- 31
[ 8 ] 黄建文,鞠洪波,赵 峰, 等. 快鸟数据在退耕还林中应用方法
的研究 [ J].林业科学研究, 2004, 17( 3): 267- 271
[ 9 ] Definiens. eCogn it ion User Gu ide 4[M], G ermany, 2000
[ 10 ] H ofmann P. Detecting In formal Settlements from IKONOS Image
Data U sing Method s of Ob ject O rien ted Image Analysis An
Examp le from Cape Town ( South Africa) [M ] / /Regensbu rg. R e2
mote Sen sing ofUrbanA reas /Fernerkundung inU rb anen Raumen.
JURGENS, C. 2001: 41- 42
5