高光谱遥感技术在林业中的应用

摘要：介绍了高光谱遥感技术的定义，阐述了当前高光谱遥感技术在林业应用中关于森林信息获取、森林监测和森林健康评价各个方面的运用，探讨了高光谱遥感在林业中的发展趋势。

关键词：高光谱遥感技术；林业；应用

中图分类号：TP79

文献标识码：A 文章编号：1674-9944（2016）16-0258-03

1 引言

20世纪80年代后期，成像光谱仪被广泛应用于大气科学、生态、地质、水文和海洋等学科，充分的证实了遥感技术的应用潜力与发展前途。尤其是近年来，随着传感器开发运用的不断加强，成像技术也得到了较大提高与发展，遥感技术在各个研究领域的应用也变得愈加广泛。尤其是对林业而言，高光谱遥感技术的运用更是为其提供了理论支持与技术支撑，并越来越得到人们的重视。

2 高光谱遥感技术简介

高光谱遥感（Hyperspectral Remote Sensing）是高光谱分辨率的简称，指利用很窄的电磁波波段从感兴趣的物体获取相关数据。高光谱遥感技术是在电磁波谱的紫外、可见光、近红外和中红外区域获取许多及其窄且连续的图像数据的技术[1]。这种全新的遥感前沿技术于20世纪末迅速发展，成为现阶段人们获取地球表面信息的一种主要手段。由于高光谱遥感的空间分辨率和光谱分辨率均高于常规遥感，且波段多而窄，是对常规遥感技术的继承、发展与创新。尤其是在林业中的应用越来越广泛，不仅能够估测各种植物化学成分，对植物进行生态学评价，还能极大提高森林树种的分类与识别的精度，因此得到了世界各界人士的广泛重视[1]。

3 高光谱遥感技术在现代林业中的应用

高光谱遥感技术以其独特的优势在经济、社会效益等方面发挥着及其重要的作用，被广泛应用于森林监测、森林信息获取以及森林健康评价等方面，并为其提供了新的理论支撑与技术支持[2]。

3.1 高光谱遥感在森林监测中的运用

3.1.1 森林火灾监测

森林火灾是威胁森林健康的重要风险因子之一，不仅分布面积大而且又难以被发现，因此在某种程度上具有突发性强、蔓延迅速的特点[3～5]。此外由于火灾发生地的温度也远远高于周围地区，因此目前主要通过利用卫星的温度敏感通道实时监测林区温度异常区域，从而来迅速确定发生火灾的准确地点[6]。继而通过对林区数据进行汇总和相关分类分析，来确定火势发生的方向和与燃烧有关的地表生物量等情况，从而来制定高效的营救方案，除此之外还可以对灾后损失进行评估[5，7～10]。

据记载1987年5月6日～6月2日发生在黑龙江省大兴安岭的特大森林火灾，是新中国成立以来最严重的一次火灾，不仅使中国境内的1800万英亩的面积受到火灾损失，而且波及到苏联境内的1200万英亩森林[11～13]。我国利用高光谱准确检测了火点发生的具体位置，并且在火点扩展阶段监测了该林区火灾的发展动态，在最后阶段对火灾损失进行了准确的评估，取得了显著的社会、经济以及生态效应[11，14]。

3.1.2 森林病虫害监测

森林病虫害是我国主要的森林灾害之一，不仅对生态环境造成严重威胁，而且也给森林资源带来不可估量的损失。遥感方法监测森林病虫害始于20世纪30年代的航空实验观察，而目前利用高光谱遥感这一先进技术手段监测森林病虫害，也因其周期短且获取信息不受干扰等优势得到了广泛应用，在森林病虫害监测中具有较强的技术优势以及巨大的发展潜力[15，16]。

大量调查实践均已表明传统的森林病虫害检测手段由于存在工作量大且效率低等方面的特点，已经无法满足现阶段相关部门对森林病虫害的监测分析。但与传统监测方法相比，高光谱遥感技术可以实时、快速的观测到植被受病虫害影响时，叶绿色浓度降低甚至消失以至林区的反射和辐射光谱发生相应变化等这些特点，利用高光谱遥感影像数据获取的不同时相植被指数变化情况，可以快捷准确确定病虫害发生的林区以及分布范围，从而制定相应的防治措施以进行预警预报和动态监测[3，4，9，10，17]。

3.1.3 森林资源变化监测

森林资源作为一个动态资源，如果资源信息得不到及时有效的更新，就不能为林业工作的决策、发展规划以及开展经营活动提供及时有效的信息。因此，森林资源变化监测成为现阶段森林资源可持续发展的必由之路，是国内外相关领域的研究热点之一[9，10，18，19]。

高光谱以它覆盖范围广、多传感器以及多时相的特点在森林资源变化监测方面的应用十分广泛，主要包括对林业用地的利用变化监测、林分变化监测和林权管理监测三方面[7]。通过提取不同时相对同一地区森林资源变化的信息，可以及时、准确的对森林资源进行动态监测与评估，极大提高了监测的准确性和科学研究的精确性[20]。

3.2 高光谱遥感技术在森林信息获取中的运用

3.2.1 树种识别

森林是地球上可再生资源和陆地生态系统的主体，为人类的生存以及发展均提供了丰富的物质资源，在环境保护、自然资源管理以及生物多样性等各项研究中占有十分重要的地位，因此正确识别森林树种是利用和保护森林资源的基础和依据，意义及其重大[21]。

大量研究表明常规的树种调查和识别方法不仅成本高而且耗时长。因此近年来利用高光谱进行森林树种识别成为现阶段的重要研究内容之一，广大研究学者利用高光谱和植被的叶片光谱曲线特征之间直接而重要的联系，以及高光谱自身波段多而窄的特点，观测到了具有细微光谱的各种植被，克服了传统多光谱遥感树种分类与识别的难题，有效提高了植被的分类精度，满足了森林资源调查的需求，是森林树种识别最强有力的工具[22～24]。利用高光谱遥感对树种进行精细化识别，不仅能够为森林资源管理和生物多样性保护等提供重要信息，而且对研究分析森林生态过程和生物多样性特征局具有十分重要的作用。

3.2.2 叶面积指数估计

叶面积指数（Leaf area indexs，LAI）可以定量表明植被特征，是指单位面积上植物叶片垂直投影面积的总和。其不仅是植物生态研究中可以反映作物长势与预测预报产量的一个重要生理参数，与生物量和植物长势均有密切关系，是确定森林二氧化碳、水和氧气交换的重要变量，在农学、林学以及生态学领域均得到极其广泛地应用，常被用来作为植被状况的指示器[7，25，26]。

传统方法估测森林叶面积指数多采用多光谱数据，但由于多光谱数据波段较宽，常混淆有大量非植物光谱，且提取的只是各植被指数中一些简单的统计关系，导致各种植被指数与叶面积指数联系不紧密，因此往往造成探测结果的灵敏度不高，计算结果精度较低等问题。而与传统方法相比，运用高光谱计算森林叶面积指数时，可以实现对植被冠层快速有效的采集和处理，此外光谱微分技术可以使一些非植物光谱得到抑制，减少计算误差，从而提高计算精度[7，26，27]。

3.2.3 森林郁闭度信息提取

森林郁闭度是最常用的反映林分密度和森林生长健康状况的指标，也是进行森林蓄积量估测中贡献最大的因子，直接决定森林蓄积量的大小[28]。除此之外还常用来确定抚育采伐强度和开展小班区划，因此对于森林生态环境研究和森林经营管理均具有十分重要的理论意义和现实意义[29]。

郁闭度在遥感图像上是一个比较容易提取的参数。大量研究实践表明传统遥感图像由于存在空间分辨率低（<20m）且波段少而宽的特点，因此由这样一些波段数据描述混合像元提取出来的森林郁闭度光谱信息精度通常不高，不能代表某一成分光谱的变化特征；而高光谱波段多而窄且具有较好的连续性，每个光谱像元均能近似用一条光谱曲线进行描述，因此利用高光谱图像数据实行的混合像元分解法获取的森林郁闭度信息可以真实合理地反映其在空间上的分布，且精度较高[2，5，7，26]。

3.3 高光谱遥感在森林健康评价中的运用

森林健康评价是诊断由于人类活动和自然因素引起森林生态系统的破坏所造成的森林生态系统的结构紊乱和功能失调，是对森林生态系统丧失服务和价值的一种评估[30]。该评价用定量的方法监测森林健康，从而为森林管理决策、植被生产力模拟、森林更新和演替模拟以及生态学和生物学过程制图提供重要信息[7，26]。

高光谱遥感在森林健康监测中的应用主要通过测定叶绿素含量、植物体内化学成分变化等这些植物生活力来完成，可以探测到植被的精细光谱信息。尤其是近年来高光谱遥感技术在森立健康状况评价和监测中承担着不可替代的责任，可以为森林资源管理与森林更新演替提供详细数据与重要信息。麻坤运用高光谱遥感从植被分布、光合作用强弱和病虫害分布三方面的研究结果对秦岭火地溏地区的森林健康评价与管理提供了理论与技术支撑[31]。

4 高光谱遥感在林业中的发展趋势

由于高光谱遥感可以探测到在宽波段遥感中不能够探测到的物质特征，使得林业方面相关研究结果更为理想和精准，对林业的可持续发展起到较好的指导和推动作用。因此，近年来高光谱理论与技术得到相关领域的专家学者大力支持与广泛应用，逐渐发展成为林业领域的一项核心技术。但为了让高光谱遥感技术在林业中得到更好的发展，还需要对以下问题进行研究，有待于进一步解决。

（1）提高高光谱遥感的计算精度，大力开展高光谱技术应用和智能化分类软件研究。

（2）不断完善高光谱的硬件技术和软件技术，并与各种相关技术不断结合，使之成为一项高度集成化、智能化的综合技术。

（3）将高光谱在林业领域的研究成果不断转化为生产力，以提高其经济和社会效益。

5 结语

高光谱作为一门集新型探测技术、精密光学机器、高速信号处理技术、计算机处理技术于一体的多学科交叉的综合型应用技术，必将得到长足的发展。随着高光谱遥感技术的不断完善和发展，在国内外众多领域都得到了广泛的应用，尤其是在林业的可持续发展中更是发挥着不可替代的作用，为相关部门提供了强有力的科学技术支撑[32]。

参考文献：

[1]浦瑞量，宫鹏.高光谱及其运用[M].北京：高等教育出版社，2000.

[2]谭炳香. 高光谱遥感森林应用研究探讨[J]. 世界林业研究，2003（2）：33～37.

[3]刘 涛，谷建才，陈凤娟，等.3S技术在森林资源调查中的应用于展望[J].中国农学通报，2008（11）.

[4]刘松，王绯.浅谈3S技术在林业上的应用[J].科技创业业科技，2009（1）：124～127.

[5]李莉. 遥感技术在林业研究中的应用进展[J]. 现代农业科技，2015（18）：256～257.

[6]施拥军，王珂.3S技术在林业中的应用[J].浙江林业科技，2002，22（6）：46～50.

[7]张光辉. 高光谱遥感技术在现代林业中的应用与发展[J]. 四川林勘设计，2007（4）：66～69.

[8]刘惠明，林中大. 3S技术及其在林业上的应用[J]. 广东林业科技，2002（2）：44～47.

[9]李玉柱. 浅谈“3S”技术在林业中的应用[J]. 内蒙古林业，2012（10）：22～23.

[10]王全印. 浅析3S技术在林业中的应用[J]. 内蒙古林业调查设计，2010（3）：41～42.

[11]车腾腾，冯益明，吴春争. “3S”技术在精准林业中的应用[J]. 绿色科技，2010（10）：158～162.

[12]罗菊春. 大兴安岭森林火灾对森林生态系统的影响[J]. 北京林业大学学报，2002（Z1）：105～111.

[13]赵凤君，王立中，陈鹏宇，等. 大兴安岭特大火灾后火烧迹地恢复的研究进展[J]. 林业资源管理，2013（2）：125～129，140.

[14]陶劲松. 森林灾害远程监控预警系统关键技术的研究[J]. 中国安防，2007（12）：93～97.

[15]潘 洁，廖振峰，张 衡. 基于高光谱数据的森林病虫害监测系统研制[J]. 林业科技开发，2015（5）：125～129.

[16]曾兵兵，张晓丽，路常宽，等. 森林病虫害遥感监测研究的现状与展望[J]. 中国森林病虫，2008（2）：24～29.

[17]宋咏梅. 3S技术在数字林业中的应用[J]. 科技展望，2014（9）：154.

[18]孟小刚. 3S技术在林业中的应用研究[J]. 吉林农业，2015（10）：98.

[19]庾晓红，李贤伟，白降丽. “3S”技术在林业上的应用现状及发展趋势展望[J]. 林业调查规划，2005（3）：1～3，7.

[20]常建国. 3S技术在林业中的应用及发展趋势[J]. 山西林业科技，2005（2）：23～25.

[21]张煜星，王祝雄，武红敢，等.遥感技术在森林资源清查中的应用研究[M].北京：中国林业出版社，2007.

[22]刘旭升，张晓丽.森林植被遥感分类研究进展与对策[J].林业资源管理，2004（1）：61～64.

[23]傅银贞，汪小钦. 基于光谱测量的南方典型树种反射光谱特征分析[J]. 厦门理工学院学报，2009，03：37～41.

[24]梁尧钦，曾 辉.高光谱遥感在植被特征识别研究中的应用[J].世界林业研究，2009，1（7）：41～47.

[25]朱 炜，李 东，沈 飞，等. 高光谱遥感森林树种分类研究进展[J]. 浙江林业科技，2013（2）：84～90.

[26]陈雪洋，蒙继华，吴炳方，等. 基于HJ星高光谱数据红边参数的冬小麦叶面积指数反演[J]. 中国科学：信息科学，2011（S1）：213～220.

[27]谭炳香. 高光谱遥感森林类型识别及其郁闭度定量估测研究[D].北京：中国林业科学研究院，2006.

[28]海全胜，吴 琼，包 刚.草地高光谱植被指数与叶面积指数的关系研究[J].阴山学刊，2011.

[29]刘书剑. 沽源县森林碳储量遥感动态监测[D].北京：北京林业大学，2011.

[30]杜晓明，蔡体久，琚存勇.采用偏最小二乘回归方法估测森林郁闭度[J].应用生态学报，2008（2）：273～277.

[31]谷建才，陆贵巧，百顺江，等.森林健康评价指标及应用研究[J].河北农业大学学报，2006，29（2）：68～71.

[32]麻 坤，赵鹏祥，季菲菲，等.基于植被指数的秦岭森林健康评级方法研究[J].西北林学院学报，2013，28（6）：145～150.

[33]魏世安，肖智慧，黄平.基于“3S”技术的森林资源与生态状况年度检测技术研究[J].北京：中国林业出版社，2010.

推荐访问： 遥感 光谱 林业 技术

---