林地變化監測技術應用現狀及發展趨勢

劉昆鵬

摘 要：林地變化監測既可以實現森林資源保護，也可以有效增強林地管理水平。文章對現階段林地變化監測技術應用情況進行分析，明確各類技術應用中存在的問題，闡述深度學習的林地信息提取技術，提出多源遙感與深度學習的林地變化監測技術，利于更好提升我國林地變化監測水平，以此保證林地環境的穩定性。

關鍵詞：林地；變化監測；技術現狀；發展趨勢

1 林地變化監測技術應用現狀分析

1.1 光學遙感技術的應用

光學遙感技術在應用中，能夠體現出應用范圍廣、精確度高、采集速度快等優點，在林地變化監測中得到有效應用?；谠诰唧w使用過程中，依托不同階段獲取的光學遙感影像對監測區域內林地變化情況進行分析，主要實施流程包括圖像預處理和林地變化監測兩個環節。

第一，在圖像預處理中，一般情況下在光學遙感技術中使用的圖像非常多，如TM、SPOT、ALOS衛星遙感影像，其中TM影像相對于其他影像而言，能免費使用、分辨率非常高，還可以實現多光譜特點，促使其在林地變化監測中廣泛使用[1]。在預處理過程中，主要包括幾何校正、地形效驗、輻射效驗、影像編輯四個部分。

第二，在林地變化監測中，在圖像預處理后，需要使用分類法和算術運算分析法對林地變化情況進行明確。其中，分類法在應用中，包括林地變化情況特點提取、圖像差異分析、分離采集林地圖像、圖像融合增強等；算術運算分析法在應用中，包括影像構成分析、計算植被覆蓋等。

1.2 SAR影像技術的應用

SAR影像技術也可以稱為合成孔徑雷達技術，主要在土地利用變化監測中有著廣泛使用，有著遠程監控、穿透力強、界限明確、干擾因素少、全天候工作等特點，能夠實現自動化監測[2]。這種監測技術在使用包括圖像預處理和林地變化分析兩個部分。

第一，在影像預處理中，雖然涉及流程眾多，但是最主要的是幾何校正和影像去噪?，F階段格國內外對影像校正的方式有很多，如多項式法、距離-多普勒法、RPC校正法等，其中距離—多普勒法主要從SAR圖像形成的幾何角度對成像區域和地上物體的關系進行分析，所實現的精度系數更多需要受到星歷限制，促使幾何校正在SAR影像技術中應用普遍?；赟AR影像在形成過程中，很容易存在較多的版噪聲[3]。一旦沒有進行有效處理，直接會造成影響可視度低下、林地特點消失等，這就需要實施模型濾波去噪，有效保障圖像質量。

第二，在林地變化信息分析中，通過對預處理后的圖像信息進行分析，使用邊緣骨架和隨機模型兩種方法對其中存在的特點進行提取，前者主要借助自動矢量工具完成，后者需要利用軟件的隨機選擇功能，對影像進行分類，以此呈現出林地變化趨勢。

1.3 多源遙感技術的應用

光學遙感技術雖然優點眾多，能夠實施大范圍監測，數據精確度高，采集速度快，光譜信息含量大等特點，但是非常容易受到天氣原因限制，也沒有較強穿透力；SAR影像技術雖然穿透力非常強，實現全天候自動化作業，受到外界影響小，但是解譯工作難度大，數據資料精確性不高。

基于這種情況下，將兩種技術融合使用，能夠讓光學遙感影像體現出更強大的功能，充分體現出空間范圍大、細致程度高、光譜性強等特點，有效增強林地變化監測精確度[4]。在兩種技術融合后，形成多源遙感技術，主要操作步驟包括影像預處理、影像融合、林地變化信息分析三個步驟。其中，影像預處理和單個技術使用過程是相同的處理流程，只是在SAR影像預處理中，應當對影像進行再次采集，有利于確保各類圖像分辨率保持一致；林地變化信息分析也和單個技術應用流程是相同的。在圖像融合過程中，可以使用的融合方法有多種，如HIS變換法、PAC變換法、brovey變換法、小波變換法。

在光學遙感影響技術和SAR影像技術融合后，所采用的融合技術方法都是單一算法，融合后往往會造成圖像存在各種問題，有的研究者認為應當將PCA和小波變換進行融合，通過對光學影像資料進行PAC變換后得到最大主分量，與小波變換中的SAR影像進行融合，再使用PCA逆變換后得到融合影像，這種方式在應用上，很大程度上消除以往存在的光譜失真問題，并且也對方塊效應進行有效改善[5]。

因此，從當前各項林地監測技術應用情況而言，還存在諸多問題，難以為林業高質量發展提供有效幫助。不管是哪種監測技術在使用中，都會存在效率低下、精確性不足等問題，甚至需要受到監測人員素質的限制，導致林地變化特點難以確定，直接影響到我國林業發展?；谶@種情況下，在林地變化監測技術應用中，還需要加大各方面的資源投入，推動監測技術創新發展，更好滿足我國林業發展的需求。

2 林地變化監測技術的發展趨勢

2.1 深度學習林地信息提取技術

從林地變化監測技術應用分析，多源遙感影像林地變化信息分析中，需要使用到人工解譯、監督分離及非監督分類。但是，這些操作過程都與分析效率、人員素質等方面存在關系。而深度學習在數據特點分析上，有較強的自我學習能力，高效提取到圖像數據特點，能夠在多源遙感數據中得到有效應用。在這種技術應用上，主要包括數據庫構建和學習模塊構建[6]。

第一，在利用深度學習技術中，應當先構建相應的數據庫，保障后續學習模型能夠對林地各方面特點進行正確學習。在林地數據庫構建中，主要包括影像檢查和圖像預處理、林地特點提取、數據庫形成。

第二，深度學習基于人腦運行機制進行數據描述，如文本、圖像等，都是使用模擬人腦運行過程實現分析的，這需要構建相應的學習神經網絡。

在構建過程中，主要使用卷積神經網絡模型，能夠將所有影像劃分成不同單元樣本后，使用卷積算法選擇具體樣本進行學習，最終可以對所有林地圖像特點進行識別[7]。因此，通過兩個環節作用后，能夠讓深度學習林地信息提取技術得到有效形成，更好對監測過程采集的影像資料分析，有利于提升分析效率和質量，更好增強林業管理水平。

2.2 多源遙感和深度學習林地變化監測技術

多源遙感數據本身是兩種監測技術融合后形成的，既可以體現出光學遙感影像特點，也可以體現出SAR影像數據的全面性特點，并且在深度學習技術支撐下，全面轉變以往人工識別的效率低下問題，是現階段遙感信息提取和分析中最先進的技術之一。

當前，通過對多源遙感技術和深度學習技術有機結合應用到林地變化監測中，成為當前林地變化監測的趨勢，也可以充分提升監測信息獲取的及時性、精確性等，有效滿足我國林業可持續發展的需求。

在多源遙感和深度學習林地變化監測技術應用中，需要形成新的工程流程，能夠所有影像數據接收、自動化處理、智能解譯、分類等，不斷提升林地監管效率和質量，有效提升林業部門工作效率。在這種工作過程中，應當包括遙感自動化處理技術和深度學習林地變化信息提取技術兩個內容。在應用體系中，應當包括影像融合模塊、影像解譯模塊、影像存儲模塊、差異計算模塊四個部分。其中，在影響融合模塊中，根據超算系統設計的要求，能夠對各類影響數據進行配準，充分發揮模塊中的自動化融合技術，有效對不同等級圖像進行處理。

在影像解譯模塊中，應當先大量收集林地變化的各類數據資料，使用卷積神經網絡模型算法，對影像中的特點進行全面分析，逐步對各類遙感影像賦予新的語義化特點。在圖像存儲模塊中，應當在系統中，設計出存儲區域，能夠將解譯后的各類圖像信息資料提供永久性的存儲支持，并且對存儲時間進行記錄。在該模塊中，應當充分發揮大數據分析和云計算的作用，能夠將各類數據資料進行儲存和運算。

在差異計算模塊中，通過對林地變化信息分析后，能夠將不同區域林地變化特點顯示出來，也可以從存儲模塊中找到對應性的圖像，將其納入到差異計算模塊軸徑，最終計算出林地區域的變化差異。

3 結束語

林地變化監測是我國實現林地資源科學合理管理的有效方法，能夠充分提升林業管理水平，更好保障林業健康穩定發展?，F階段林地變化監測中主要使用光學遙感影像技術、SAR影像技術、多源遙感影像技術等，在變化特點分析中使用人工解譯、監督分類和非監督分類。

從整體層面而言，當前階段所使用的林地變化監測技術是無法符合我國林業可持續發展需要，需要加快研發新的監測技術。這需要加快使用深度學習林地變化信息提取技術，能夠有效解決監測效率低下和精確性不足的問題，也是現階段遙感技術中最先進的技術之一。并且，多源遙感影像技術和深度學習信息提取技術有機結合是林地變化監測技術未來的發展趨勢，有利于充分提升監測效率和質量，以此推動我國林業可持續發展。

參考文獻

[1] 張兆鵬.基于多源遙感數據的林地類型精細識別與變化監測研究[D].西安科技大學，2018.

[2] 魏夢瑩.林芝地區森林植被分布及動態變化監測研究[D].長安大學，2018.

[3] 劉晉陽.林地遙感分類與變化監測研究[D].西北師范大學，2019.

[4] 王震.基于遙感技術的中衛市林地面積變化監測及成因分析[J].測繪，2020，43（02）：76-79.

[5] 肖中琪，張保江.基于隨機森林分類后比較的森林資源變化監測方法研究——以新疆哈納斯國家自然保護區為例[J].新疆林業，2020，No.273（05）：32-35.

[6] 張忠輝.高分辨率遙感影像防護林林地化監測技術規程.吉林省林業科學研究院，2020（07）：03.

[7] 王震.基于遙感技術的中衛市林地面積變化監測及成因分析[J].測繪，2020，43（02）：76-79.