邵武市森林扰动遥感监测与时空分析_魏嘉栋.pdf

第 46 卷 第 6 期2023 年 6 月测绘与空间地理信息GEOMATICS SPATIAL INFOMATION TECHNOLOGYVol 46，No 6Jun，2023收稿日期:20211213基金项目:国家重点研发计划课题(2017YFB0504203);国家自然科学基金项目(41401488)资助作者简介:魏嘉栋(1996)，男，福建连江人，测绘工程专业硕士研究生，主要研究方向为遥感图像处理。邵武市森林扰动遥感监测与时空分析魏嘉栋，陈芸芝(1 福州大学 数字中国研究院(福建)卫星空间信息技术综合应用国家地方联合工程研究中心，福建 福州 350108;2 福州大学 空间数据挖掘与信息共享教育部重点实验室，福建 福州 350108)摘要:长时序的森林扰动监测与时空格局变化分析将有助于区域的林业资源管理。本文以福建省重点林区邵武市为研究区，基于 19872021 年的 Landsat 影像，采用时序轨迹分割算法 LandTrendr 识别扰动变化，获取邵武市森林扰动信息。实验结果表明，LTGEE 适用于邵武市的森林扰动监测，并具有较高的监测精度，可为森林资源精细化管理以及林地生态保护提供技术支撑。关键词:重点林区;森林扰动;LandTrendr中图分类号:P237文献标识码:A文章编号:16725867(2023)06008204emote Sensing Monitoring and Spatiotemporal Analysis ofForest Disturbance in Shaowu CityWEI Jiadong，CHEN Yunzhi(1 The Academy of Digital China(Fujian)National Local Joint Engineering esearch Center of Satellite GeospatialInformation Technology，Fuzhou University，Fuzhou 350108，China;2 Key Laboratory of Spatial DataMining Information Sharing of Ministry of Education，Fuzhou University，Fuzhou 350108，China)Abstract:Long timeseries forest disturbance monitoring and spatiotemporal pattern change analysis will be help for regional forestresource management This paper takes Shaowu city，a key forest region in Fujian province as the research area Based on Landsat im-ages from 1987 to 2021，the timeseries trajectory segmentation algorithm LandTrender is used to identify disturbance changes and ob-tain forest disturbance information in Shaowu city The experimental results show that LTGEE is suitable for forest disturbance moni-toring in Shaowu city，with relatively high monitoring accuracy，and can provide technical support for refined management of forest re-sources and forest ecological protectionKey words:key forest area;forest disturbance;LandTrendr0引言森林是林木、伴生植物、动物及其环境的综合体1。其覆盖了全球陆地面积的 30%，在全球碳循环和碳管理中占有重要位置2。森林动态变化在很大程度上影响森林生态系统的碳循环和碳蓄积35。森林扰动属于森林生态系统突发性变化的范畴，是任何导致森林覆盖率和生物量明显下降或消失的事件，主要包括人为扰动和自然扰动两方面，其形式主要表现为森林火灾、采伐以及受雨雪和病虫灾害等引起的森林破坏6。在社会经济快速发展的同时，全球各地植被频繁遭到严重破坏，人为扰动也逐渐增加7。在过去 10 年里，中国开展了森林资源第八、第九次清查，其中，福建省的采伐迹地量增加了21 700 hm2，火烧迹地量减少了 2 500 hm2，宜林地增加了307 800 hm2。为此，通过森林扰动监测确定扰动区域，推动森林管理和保护，以减少森林的退化。利用遥感技术的森林扰动类型识别和动态监测对于全球碳循环和森林资源可持续性发展具有重要意义。近年来，随着 30 m 空间分辨率的 Landsat 卫星历史存档数据的免费开放7，其良好的稳定性和持续性89，彻底改变了该数据的使用方式10，为长时间序列监测提供了新的可能性。目前，已有多种基于 Landsat 时间序列森林扰动变化监测方法，如基于光谱轨迹的 Landsat 扰动和趋势监测(Landsatbased detection of Trends in Disturbance andecovery，LandTrendr)算法11、植被变化追踪(VegetationChange Tracker，VCT)算法12、季节与趋势断点(BreaksFor Additive Seasonal and Trend，BFAST)算法13、基于模型的连续变化检测和分类(Continuous Change Detectionand Classification，CCDC)算法14。通过时序变化监测方法可以获取变化对象的相应属性，如边界、时间等。由于传统的基于本地服务器使用时序变化监测算法在数据预处理与算法运行中非常耗时，为了能更为广泛地应用，基于 Google Earth Engine(GEE)的 LandTrendr(LT GEE)1517 算法应运而生。LTGEE 能对时间序列数据快速的处理，便于长时序的森林扰动识别。基于此，本文以福建邵武市为研究区，基于时序Landsat 数据，通过时序轨迹分割方法 LandTrendr 进行森林扰动监测，揭示 19872021 年邵武市的森林覆盖动态变化。1研究区概况邵武市 地 处 武 夷 山 南 麓，史 称“南 武 夷”，占 地2 860 km2。该市地形以山地和丘陵为主，是一个“八山一水一分田”的林区市。境内属于中亚热带季风气候，立体气温明显，雨量充沛，四季分明。邵武市为闽北“林海粮仓”，也是福建重点林区和四大林产品加工中心之一，其森林覆盖率达 70%，森林面积 23 3 万 hm2，种类丰富，主要包括针叶林、针叶混交林、竹林、灌木林等。19852013年，境内有林地持续增长，2013 年达到 216 329 hm2，总增长 46 926 hm2。该地区位于闽江流域上游，森林常年受到人类活动干扰，对监测流域内森林扰动具有一定的代表性。2数据和方法2 1数据来源与预处理利用 GEE 平台 19872021 年期间的历史存档 Land-sat TM/ETM+/OLI 的地表反射率数据构建时间序列数据集。筛选植被生长季(6 月 10 日9 月 10 日)期间的影像，以减少因物候变化引起的反射率变化。这些数据经过了大气校正并使用 CFMask18 算法去除云、阴影、水和雪。通过不同传感器光谱值之间的协调函数对影像反射率进行归一化19，提取年度影像集合的中位反射率值，构建质量较高的年度合成影像。数据介绍见表 1。表 1研究数据介绍Tab 1Description of study data数据影像获取时间空间分辨率波段数覆盖范围来源Landsat 45 TM1987 062011 0930m7邵武市GEE 平台Landsat7 ETM+2012 062013 0930 m8邵武市GEE 平台Landsat8OLI2013 062021 0930m11邵武市GEE 平台GFC30 m16邵武市GEE 平台本研究通过 Global Forest Change(GFC)20 产品结合Google Earth 高分辨率影像对森林扰动识别结果进行全面的验证。GFC 是根据 20002020 年 Landsat 时序影像得到的区域森林增益和损失的产品。该产品来源于 GEE 云平台。2 2基于 LandTrendr 算法森林扰动提取本文基于 LandTrendr 算法监测邵武市的森林扰动。LandTrendr 算法是由 Kennedy11 提出的一种用于时间序列数据的轨迹分割算法，用于识别时间序列中的连续和缓慢的变化。通过设置去除噪声的峰值(spikeThresh-old)、识别时序轨迹潜在的断点(vertexCountOvershoot)、时序轨迹拟合、模型简化得到最后的最佳模型(bestModel-Proportion)。综合考虑以往研究经验1517，归一化燃烧比值 NB 对于森林扰动识别效果最好，故选取 NB 进行森林扰动监测。NB=NI SWINI+SWI(1)式中:NI 为近红外波段(Landsat TM/ETM+影像中的 Band 4，OLI 中的 Band 5)，SWI 为短波红外波段(Landsa t 影像中的 Band 7)。相较于传统的土地覆盖变化监测方法，LandTrendr 算法能识别广泛的森林扰动，如森林采伐、火烧等。相较于一些在本地服务器实现 LandTrendr 或类似的时序变化监测算法的例子2122，基于 LTGEE 的算法，可以利用 GEE中长达近 40 年的卫星历史存档数据及强大高速的计算能力，对时间序列数据快速的处理，便于长时序的森林扰动监测。由于模型参数的设定直接影响到森林扰动的提取精度，通过实验分析，选取最适合本研究区的 LandTrendr 参数。对于邵武市，研究年度为 19872021 年(总计 34年)。LandTrendr 参数的具体设定见表 2。表 2LandTrendr 参数Tab 2LandTrendr Parameters参数名称参数描述设置值maxSegments最大分段数6spikeThreshold噪声阈值0 9vertexCountOvershoot节点数3preventOneYearecovery防止一年恢复选项TruerecoveryThreshold恢复阈值0 25pvalThresholdP 值阈值0 05bestModelProportion最优模型比例0 75minObservationsNeeded最小观测数62 3精度评价通过决策树将 GFC 数据与 LandTrendr 识别的结果分为带有扰动像元与稳定像元的二值影像进行叠加验证。验证结果生成混淆矩阵，并计算用户精度、生产者精度、总体精度及 Kappa 系数。3结果与分析3 1森林扰动监测结果基于以上方法获得邵武市 19872021 年森林扰动分38第 6 期魏嘉栋等:邵武市森林扰动遥感监测与时空分析布，其结果如图 1 所示。邵武市的森林扰动总体呈现片状、密集分布，且扰动频率高。结合 Google 高分辨率影像目视解译，邵武市森林扰动主要是由森林采伐和置换造成的急剧扰动事件。总体而言，近几年发生森林扰动的频率有所下降。为了更加直观、清晰地从空间尺度上查看时序轨迹分割算法的识别结果，本文选取 4 个典型的样区进行验证(样区分布如图 2 所示)。图中从左至右分别为 Landsat影像、识别结果、GoolgeEarth 高分辨率图像和 NB 时序轨迹图。从图 2 中可以看出，森林扰动的发生与 NB 时序轨迹的突变相对应。经目视解译和识别结果的比对，可以观察出森林扰动斑块能被较好地提取，且边界较为准确清晰。图 2(a)在 2015 年经过森林采伐后，呈现大幅恢复的趋势;图 2(c)在 2019 年发生森林火烧后，呈现紫红色，保持着火烧迹地状态;图 2(b)、2(d)在 2017 年和2019 年发生置换后，与图 2(b)不同的是图 2(d)的 NB时序值仍然保持下降，这代表着第四个样区在持续性开发，以至于森林无法及时得到有效恢复。通过地图核实，第四个样区已逐步建成为工业园区。由此可知，LTGEE适用于邵武市的森林扰动监测，并具有较好的监测能力。图 119872021 年邵武市森林扰动空间分布Fig 1Spatial distribution of forest disturbance from1987 to 2021 in Shaowu city图 2邵武市森林扰动典型样区Fig 2Typical area of forest disturbance in Shaowu city48测绘与空间地理信息2023 年3 2森林扰动精度评估结果基于 GFC 产品，对森林扰动识别结果进行准确性评估，详见表 3。对于使用森林扰动样本的验证，生产者精度和用户精度分别为 86 49%和 82 06%，总体精度为97 11%，Kappa 系数为 0 83，具有较高的识别精度。表 3森林扰动精度评价Tab 3Accuracy assessment of forest disturbance稳定像元扰动像元总计用户精度稳定像元3 188 27642 9063 231 18298 67%扰动像元60 074274 730334 80482 06%总计3 248 350317 6363 565 986生产者精度98 15%86 49%3 3森林扰动时空分布特征分析由图 1 可知，近 34 年该地区扰动集中在北部和东南部区域，部分分布在西南部区域。从边界形状来看，大部分监测到的森林扰动来自采伐与置换。其中最大的块状图斑为工业园区建设和项目开发引起的扰动，位于吴家塘镇。这些主要是由于采伐和土地利用从森林到城市不透水面的变化引起的森林扰动。邵武市 19872021 年邵武市森林扰动面积统计如图3 所示。19872021 年森林损失面积呈现较大的年际变化，19872008 年森林扰动面积呈现先降后升，扰动严重年份为 2008 年，扰动面积高达 34 91 km2;20082021 年森林扰动面积整体呈现下降趋势，且下降速度快。2008年集体林权改革全面实施后，邵武市进一步规范了林业管理，使得森林扰动大幅减少。经统计分析，森林扰动总面积为 268 52 km2，占森林总面积的 11 6%，年平均损失面积和速度为 7 9 km2和 0 34%。图 319872021 年邵武市森林扰动面积统计Fig 3Statistics of forest disturbance area from1987 to 2021 in Shaowu city从邵武市林业局发布的数据可知，在 2011 年以后，邵武市政府围绕建设生态文明建设目标，加强采伐管理和森林资源的保护，持续推进生态林业建设，使得采伐量有所下降23。4结束语针对我国森林扰动频繁、类型复杂多样的特点，采用LandTrendr 时序轨迹分割方法监测亚热带森林地区邵武市森林扰动分布，并进行森林扰动时空特征分析。结论如下:1)19872021 年邵武市扰动遥感监测表明，森林扰动的总面积为 268 52 km2，占森林总面积的 11 6%。森林扰动面积年际变化明显，19872008 年呈上升趋势;20082021 年呈下降趋势，扰动面积最大的是 2008 年，占 34 91 km2。2)邵武市森林扰动主要是由森林采伐和置换造成的急剧扰动事件，集中分布在北部和东南部区域。3)森林扰动监测结果总体精度达 97 11%，Kappa 系数为 0 83，具有较高的监测精度。参考文献:1莫峥 森林的世界J 林业与生态，2013(2):3839 2Fahey T J，Woodbury P B，Battles J J，et al Forest car-bon storage:ecology，management，and policyJ Frontiers in Ecology and the Environment，2010，8(5):245252 3赵金龙，王泺鑫，韩海荣，等 森林生态系统服务功能价值评估研究进展与趋势 J 生态学杂志，2013，32(8):2229 4贺金生 中国森林生态系统的碳循环:从储量，动态到模式 J 中国科学:生命科学，2012，42(3):252254 5葛全胜，戴君虎，何凡能，等 过去 300 年中国土地利用，土地覆被变化与碳循环研究J 中国科学:D 辑，2008，38(2):197210 6Huang C，Goward S N，Masek J G，et al An automatedapproach for reconstructing recent forest disturbance histo-ry using dense Landsat time series stacksJ emoteSensing of Environment，2010，114(1):183198 7BELWAD A，BINDSCHADLE，COHEN W，et alFree access to Landsat imageryJ Science，2008(320):1 0111 011 8Wulder M A，White J C，Loveland T，et al The globallandsat archive:Status，consolidation，and direction J emote Sensing of Environment，2016，185:271283 9Townshend J，Masek J G，Huang C，et al Globalcharacterization and monitoring of forest cover using Land-sat data:opportunities and challengesJ InternationalJournal of Digital Earth，2012，5(5):373397 10Wulder M A，Masek J G，Cohen W B，et al Opening thearchive:How free data has enabled the science and moni-toring promise of LandsatJ emote Sensing of Envi-ronment，2012(122):210 11Kennedy E，Yang Z，Cohen W B Detecting trends inforest disturbance and recovery using yearly Landsat timeseries:1 LandTrendrTemporal segmentation algorithms J emote Sensing of Environment 2010，114(12):2 8972 910 12Huang C，Goward S N，Masek J G，et al An automatedapproach for reconstructing recent forest disturbance histo-ry using dense Landsat time series stacksJ emoteSensing of Environment，2010，114(1):183198(下转第 92 页)58第 6 期魏嘉栋等:邵武市森林扰动遥感监测与时空分析期按此模式解算。与国际公布值的较差 MS 在 0 035 ms左右，计算结果一致性较好，精度能够达到要求。综上说明，采用本文所述的处理模式和解算策略来解算国际 VLBI 加强观测数据是可靠且稳定的，UT1 解算精度能与国际上公开认可的结果有较好的一致性，已初步具备国际 VLBI 加强观测数据处理能力。在后续处理国内观测数据时可以借鉴，进一步提高 EOP 自主生产及推送服务能力。参考文献:1AltamimiZ，Collilieux X，Legrand J Itrf2005:a new releaseof the international terrestrial reference frame based on timeseries of station position and earth orientation parameters J Journal of Geophysical esearch Atmospheres，2007，112(B9):83104 2张永浩 GNSS/VLBI/SL 多源数据融合历元参考框架的地球自转参数研究 D 青岛:山东科技大学，2019 3刘经南，魏娜，施闯 国际地球参考框架(ITF)的研究现状及展望 J 自然杂志，2013，35(4):243250 4李金岭，王广利 VLBI 观测得到的极移序列分析J 科学通报，2000，45(12):1 2601 262 5Luzum B，Nothnagel A Improved UT1 predictions throughlowlatency VLBI observations J Journal of Geodesy，2010(84):399402 6王广利，徐明辉 利用 IVS 加强观测确定 UT1 的分析研究 J 天文学报，2012，53(3):223 7马卓希，严薇，张金江，等 利用 VieVS 软件实现 EOP 的自动解算J 测 绘 与 空 间 地 理 息，2020，43(11):3537 编辑:张曦(上接第 85 页)13Devries B，Verbesselt J，Kooistra L，et al obust moni-toring of smallscale forest disturbances in a tropical mon-tane forest using Landsat time series J emote Sensingof Environment，2015(161):107121 14Zhu Z，Woodcock C E Continuous change detection andclassification of land cover using all available Landsat data J emote Sensing of Environment，2014(144):152171 15Kennedy E，Yang Z，Gorelick N，et al Implementa-tion of the LandTrendr algorithm on google earth engine J emote Sensing，2018，10(5):691 16李万源，田佳，马琴，等 基于 Google Earth Engine 与机器学习的黄土梯田动态监测J 浙江农林大学学报，2021，38(4):730736 17殷崎栋，柳彩霞，田野 基于 Landsat 时序影像和 Land-Trendr 算法的森林保护区植被扰动研究:以陕西柴松和太白山保护区为例J 生态学报，2020，40(20):7 3437 352 18Foga S，Scaramuzza P L，Guo S，et al Cloud detectionalgorithm comparison and validation for operational Land-sat data productsJ emote sensing of environment，2017(194):379390 19oy D P，Kovalskyy V，Zhang H K，et al Characteriza-tion of Landsat7 to Landsat8 reflective wavelength andnormalized difference vegetation index continuity J e-mote sensing of Environment，2016(185):5770 20Hansen M C，Potapov P V，Moore，et al Highreso-lution global maps of 21st century forest cover change J science，2013，342(6 160):850853 21毛学刚，姚瑶，范文义 基 Landsat 长时间序列的森林扰动参数提取与树高估算J 林业科学，2019，55(3):7987 22钟莉，陈芸芝，汪小钦 基于 Landsat 时序数据的森林干扰监测 J 林业科学，2020，56(5):8088 23邵武市林业局【规划计划】邵武市 2011 年林业工作总结 EB/OL (20120326)20211026 http:/shaowu gov cn/cms/siteresource/article shtml?id=280411365601880000siteId=280408857336630000 编辑:张曦(上接第 88 页)的录入与管理，并通过日常不动产登记业务进一步验证了系统的有效性和稳定性，为同类城市同类业务的开展提供了思路。参考文献:1刘思洁，李炜诗，刘阳 不动产登记数据整合成果质量检查与常见问题分析J 测绘与空间地理信息，2021，44(10):189192，195 2曹永超，陈宽文，张义桢，等 东莞市不动产权籍调查管理平台设计与应用研究J 测绘技术装备，2021，23(3):95101 3张永磊，修金城，魏辉 农村不动产权籍补充调查建库及管理系统的设计与实现J 测绘与空间地理信息，2021，44(8):146148 4陈倩怡，何军 Vue+Springboot+MyBatis 技术应用解析 J 电脑编程技巧与维护，2020(1):1415，28 5温馨 基于 SpringMVC+MyBatis 信息传播共享平台的设计与实现J 电脑编程技巧与维护，2019(6):11 12，35 编辑:张曦29测绘与空间地理信息2023 年