高光谱遥感森林资源监测原理与应用

摘要 高光谱遥感技术作为当前遥感领域的研究热点之一，凭借其出色的光谱识别能力和近似连续的地物光谱信息探测技术，在森林结构参数获取、树种精细识别、森林病虫害监测和森林火灾识别中的应用取得了显著成果。介绍了高光谱成像技术的发展及原理，阐述了近年来高光谱遥感技术在森林资源监测中的应用现状，最后对高光谱遥感技术在森林资源监测中未来发展方向进行了总结与展望，以期为高光谱遥感技术在林业中的应用寻找新的突破方向。

关键词 高光谱遥感；森林资源监测；应用

中图分类号 S 758.4 文献标识码 A 文章编号 0517-6611（2023）15-0111-04

doi：10.3969/j.issn.0517-6611.2023.15.027

Principle and Application of Hyperspectral Remote Sensing Forest Resource Monitoring

WANG Shu-wei， XI Lei， QIU Shuang et al

（Faculty of Forestry， Southwest Forestry University， Kunming， Yunnan 650224）

Abstract As one of the research hotspots in the field of remote sensing， hyperspectral remote sensing technology has achieved remarkable results in the acquisition of forest structure parameters， fine identification of tree species， monitoring of forest pests and diseases， and identification of forest fires by virtue of its excellent spectral recognition ability and approximately continuous spectral information detection technology of ground objects.This paper briefly introduces the development and principle of hyperspectral imaging technology， expounds the application status of hyperspectral remote sensing technology in forest resources monitoring in recent years， and finally summarizes and prospects the future development direction of hyperspectral remote sensing technology in forest resources monitoring， in order to find a new breakthrough direction for the application of hyperspectral remote sensing technology in forestry.

Key words Hyperspectral remote sensing;Forest resources monitoring;Application

森林资源监测是森林资源的数量、质量、空间分布及其利用状况进行定期观测分析与评价工作，是提高森林资源精细管理的重要举措［1］。森林资源作为自然资源的重要组成部分，是人类社会可持续发展的重要物质资源，兼具经济效益、社会效益和生态效益，在调节气候、维护生态平衡、保护生物多样性等方面具有不可替代的作用。我国森林资源丰富、类型多样，但分布不均、人均不足，在20世纪后半叶历经3次锐减，造成森林结构严重失调，生态环境恶化，自然灾害频发，为了解我国森林资源的实际情况，客观反映全国森林资源的状况，农林部于1973年开展第一次全国森林资源清查工作，先后完成了8次森林资源清查，为我国各个时期制定林业方针政策、编制林业发展规划及森林生态经营效果评估等提供了重要依据［2］。

自1999年第六次全国森林资源清查工作开始，“3S”技术［地理信息系统（GIS）、遥感（RS）、全球定位系统（GPS）］在森林资源清查工作中首次应用，有效弥补了传统森林资源调查效率低、周期长、工作量大和调查人员人身安全难以有效保障等问题［3］。20世纪中后期开始，人类对地观测的需要促使遥感技术飞速发展，不同种类的传感器层出不穷，期间成像光谱仪从问世到更新迭代仅不到4年的时间，高光谱成像技术开始进入人们的视野，成为遥感领域不可或缺的一项关键技术。高光谱成像技术的快速发展和在地物识别领域的成功应用，使得这一遥感技术进入农林领域并广泛应用，成为林业工作者进行森林资源调查的有力工具，给我国森林资源清查提供了新的技术手段，庞大的数据支撑在全国森林资源动态监测中起到了重要作用。

1 高光谱遥感与森林资源监测

高光谱分辨率遥感（hyperspectral remote sensing）是利用成像光谱仪在电磁波谱的可见光、近红外和中红外和热红外区域，获取高分辨率波段窄且连续的光谱图像数据［4］。高光谱成像技术在捕获目标图像信息的同时，获取目标光谱信息，即高光谱的“图谱合一”技术优势，同传统遥感技术相比，高光谱图像中包含丰富的空间、辐射和光谱信息［5］，使其迅速成为当前遥感领域的前沿科技热点。高光谱遥感技术光谱分辨率可达纳米级，具有成像波段多、光谱覆盖范围广等特点［6］，自诞生以来一直是遥感领域的热点课题，数十年的发展与技术积累，高光谱遥感技术凭借其独特的技术优势广泛应用于国民经济建设的各个领域，在地质勘测［7］、海洋遥感［8］、现代农业［9］、大气与环境监测［9］和森林资源调查［10］等方面的应用已经进入成熟阶段，成为我国林业工作者进行森林资源调查和森林质量监测的有力工具［11］。

森林资源监测是指在一定时间和空间范围内，利用各种信息采集和处理方法，对森林资源状态进行系统的测定、观察、记载、分析和评价，以揭示区域森林资源变动过程中各种因素的关系和变化的内在规律，展现区域森林资源演变轨迹和变化趋势，满足对森林资源评价的需要，为合理管理森林资源，实现可持续发展提供可靠决策依据［12］。监测内容包括对土地类型、权属、覆盖度、地形、生物量、蓄积量、树种、树高、胸径、郁闭度等近40项内容进行调查［13］，对森林资源进行监测，及时掌握森林资源动态变化，有利于相关管理部门确定森林资源现状，实现森林资源的同步评估和测量，为现代林业的研究和发展提供强劲动力。

2 高光谱遥感技术监测原理

高光谱遥感（hyperspectral remote sensing）又称高光谱分辨率遥感，是利用不同平台上的传感器以数百个连续的光谱波段对研究区成像，从感兴趣的地物中获取一条完整而连续的光谱曲线和数据图像。高光谱成像技术源于光谱学和成像技术的交叉融合，其原理是利用窄而连续的光谱通道持续对地标地物进行遥感成像的一种新型成像技术，使用的可见光和短波红外的光谱分辨率可达纳米数量级［14］，具有分辨率高、光谱通道多、在某一光谱段范围内连续成像等特点。高光谱独特的技术优势使其不仅能识别地表地物信息，还能识别被探测物体的结构和成分［15］，这一技术优势使得高光谱成像技术在遥感领域独树一帜，在多个领域的应用中大放异彩。

地物光谱特征是高光谱成像技术进行地物识别与分类的关键，不同的地物和地貌在不同的波段下会产生不同的反射率和折射率，反射出独特的光谱反射特征，根据研究需要选择波段和进行波段变换，反演地物光谱信息并进行分类与识别，实现地物参数提取与分析，达到地物精确识别的目的。高光谱成像可为每个像元提供多达上百个波段，更窄的光谱范围和更高的光谱分辨率也使得高光谱成像技术可以识别更多的地物信息，捕捉更细微的光谱差异，获取更高的识别精度。植物具有非常明显且独特的光谱反射特征，这是由植物的形态学特征和化学特征所决定的，这些反射特征使其在可见光和近红外波段下能够产生较高的反射率，根据植物光谱反射特征，采用成像光谱仪获取植物的反射光谱，进行波段分析和特征反演［16］，达到对植物的生理参数和生化参数的提取，从而实现无接触式森林资源监测和森林参数获取。高光谱遥感技术的出现为林业工作者进行森林资源监测提供了新的技术手段，利用高光谱遥感技术提取森林资源信息逐步成为森林资源调查的趋势。

3 高光谱遥感森林资源监测原理与应用

森林资源监测是森林资源管理和林业可持续发展的基础，其目的是及时掌握森林资源现状和动态变化，是现代森林经理的重要手段。高光谱遥感技术凭借其丰富的光谱信息和范围性获取目标区域光谱信息优势，在进行森林资源调查与分类［17］、植被覆盖参数获取［18］、森林火灾［19］和病虫害监测［20］等方面取得了成功的应用。高光谱遥感技术在树种识别方面发挥着重要作用，基于机载高光谱成像在森林树种精细识别方面具有显著优势［21］，高光谱遥感技术在林业上的成功应用，节约了大量的人力、物力资源，有效保障了数据实时性和准确性，满足了定期掌握森林资源动态变化的需要，为确定森林生态结构及调整林业规划布局提供了重要参数。

3.1 森林资源信息获取

3.1.1 基于光谱特征技术对林地类型的识别。

林地作为一种重要的自然资源，是其他一切森林资源的载体，对于保障森林生态系统安全和提供林产品具有重要意义，区分林地类型是进行森林资源调查与统计的关键，也是选择造林地和苗圃地的关键举措。根据我国《森林资源规划设计调查主要技术规定》（2003年），将土地类型划分为林地和非林地两大类，其中，林地划分为有林地、疏林地、灌木林地、未成林地、苗圃地、无立木林地、宜林地和辅助生产林地8个类型［22］。准确识别林地类型是开展森林资源调查的关键，高光谱遥感对林地类型的识别一方面基于植物反射的光谱特征来实现，另一方面，基于林地的自然条件来实现，根据土壤、水体和岩石反射波谱特征实现对林地类型的判定［23］。

不同类别的植物在可见光波段的差异较小，但受限于内部结构、外部形态以及化学元素含量的不同，在近红外波段差异明显，以此作为区分林地类型的关键要素，对林地内植物类型进行分类，实现对林地类型的识别。高光谱遥感技术对非林地的识别更多依赖于对立地类型和立地条件中的水、土因子的实现，在高光谱影像完成预处理后进行坡度与坡向提取，判断立地条件，再根据土壤的光谱反射特征实现对非林地类型的进一步细化，完成非林地类型的分类。相较于传统的林地类型判别方法，采用高光谱遥感技术对林地类型进行识别与分类能够有效减少人力物力支出，提升工作效率和分类精度。最后为进一步验证结果的可靠性，可以采用全国森林资源调查规划设计调查结果对高光谱遥感技术分类结果进行验证，进一步增加了结果的可信度与说服力。王书民等［24］使用机载高光谱数据采用随机森林算法对林地和裸地进行分类，分类精度高达91.2%，为大面积林地类型分类提供了可行性。

3.1.2 叶面积指数。

叶面积指数（LAI），又称叶面积系数，是指单位土地面积上植物叶片总面积占土地面积的倍数，即叶面积指数=叶片总面积/土地面积［25］。叶面积指数作为植物生长状况的一个重要指标，也是反映森林生物量的重要参数，获取高精度的LAI参数在生态环境研究中具有重要的科学价值和研究意义［26］。当前，森林叶面积指数的测量方法主要分为直接测量法和间接测量法两大类［27］，传统叶面积指数测量多采用直接测量法进行测定，包括叶片采集和测量两个步骤，具有技术成熟、测量结果精度高等特点。采用直接测量方法对植物具有一定的破坏性，测量过程烦琐、耗时耗力、获取数据周期长、效率低及采样不具有代表性等缺点，使得该方法多用于小范围林地叶面积指数计算，其计算结果也多用于验证遥感图像反演结果，是间接测量法的重要比对方法。