林地变化监测技术应用现状及发展趋势

刘昆鹏

摘 要：林地变化监测既可以实现森林资源保护，也可以有效增强林地管理水平。文章对现阶段林地变化监测技术应用情况进行分析，明确各类技术应用中存在的问题，阐述深度学习的林地信息提取技术，提出多源遥感与深度学习的林地变化监测技术，利于更好提升我国林地变化监测水平，以此保证林地环境的稳定性。

关键词：林地；变化监测；技术现状；发展趋势

1 林地变化监测技术应用现状分析

1.1 光学遥感技术的应用

光学遥感技术在应用中，能够体现出应用范围广、精确度高、采集速度快等优点，在林地变化监测中得到有效应用。基于在具体使用过程中，依托不同阶段获取的光学遥感影像对监测区域内林地变化情况进行分析，主要实施流程包括图像预处理和林地变化监测两个环节。

第一，在图像预处理中，一般情况下在光学遥感技术中使用的图像非常多，如TM、SPOT、ALOS卫星遥感影像，其中TM影像相对于其他影像而言，能免费使用、分辨率非常高，还可以实现多光谱特点，促使其在林地变化监测中广泛使用[1]。在预处理过程中，主要包括几何校正、地形效验、辐射效验、影像编辑四个部分。

第二，在林地变化监测中，在图像预处理后，需要使用分类法和算术运算分析法对林地变化情况进行明确。其中，分类法在应用中，包括林地变化情况特点提取、图像差异分析、分离采集林地图像、图像融合增强等；算术运算分析法在应用中，包括影像构成分析、计算植被覆盖等。

1.2 SAR影像技术的应用

SAR影像技术也可以称为合成孔径雷达技术，主要在土地利用变化监测中有着广泛使用，有着远程监控、穿透力强、界限明确、干扰因素少、全天候工作等特点，能够实现自动化监测[2]。这种监测技术在使用包括图像预处理和林地变化分析两个部分。

第一，在影像预处理中，虽然涉及流程众多，但是最主要的是几何校正和影像去噪。现阶段格国内外对影像校正的方式有很多，如多项式法、距离-多普勒法、RPC校正法等，其中距离—多普勒法主要从SAR图像形成的几何角度对成像区域和地上物体的关系进行分析，所实现的精度系数更多需要受到星历限制，促使几何校正在SAR影像技术中应用普遍。基于SAR影像在形成过程中，很容易存在较多的版噪声[3]。一旦没有进行有效处理，直接会造成影响可视度低下、林地特点消失等，这就需要实施模型滤波去噪，有效保障图像质量。

第二，在林地变化信息分析中，通过对预处理后的图像信息进行分析，使用边缘骨架和随机模型两种方法对其中存在的特点进行提取，前者主要借助自动矢量工具完成，后者需要利用软件的随机选择功能，对影像进行分类，以此呈现出林地变化趋势。

1.3 多源遥感技术的应用

光学遥感技术虽然优点众多，能够实施大范围监测，数据精确度高，采集速度快，光谱信息含量大等特点，但是非常容易受到天气原因限制，也没有较强穿透力；SAR影像技术虽然穿透力非常强，实现全天候自动化作业，受到外界影响小，但是解译工作难度大，数据资料精确性不高。

基于这种情况下，将两种技术融合使用，能够让光学遥感影像体现出更强大的功能，充分体现出空间范围大、细致程度高、光谱性强等特点，有效增强林地变化监测精确度[4]。在两种技术融合后，形成多源遥感技术，主要操作步骤包括影像预处理、影像融合、林地变化信息分析三个步骤。其中，影像预处理和单个技术使用过程是相同的处理流程，只是在SAR影像预处理中，应当对影像进行再次采集，有利于确保各类图像分辨率保持一致；林地变化信息分析也和单个技术应用流程是相同的。在图像融合过程中，可以使用的融合方法有多种，如HIS变换法、PAC变换法、brovey变换法、小波变换法。

在光学遥感影响技术和SAR影像技术融合后，所采用的融合技术方法都是单一算法，融合后往往会造成图像存在各种问题，有的研究者认为应当将PCA和小波变换进行融合，通过对光学影像资料进行PAC变换后得到最大主分量，與小波变换中的SAR影像进行融合，再使用PCA逆变换后得到融合影像，这种方式在应用上，很大程度上消除以往存在的光谱失真问题，并且也对方块效应进行有效改善[5]。

因此，从当前各项林地监测技术应用情况而言，还存在诸多问题，难以为林业高质量发展提供有效帮助。不管是哪种监测技术在使用中，都会存在效率低下、精确性不足等问题，甚至需要受到监测人员素质的限制，导致林地变化特点难以确定，直接影响到我国林业发展。基于这种情况下，在林地变化监测技术应用中，还需要加大各方面的资源投入，推动监测技术创新发展，更好满足我国林业发展的需求。

2 林地变化监测技术的发展趋势

2.1 深度学习林地信息提取技术

从林地变化监测技术应用分析，多源遥感影像林地变化信息分析中，需要使用到人工解译、监督分离及非监督分类。但是，这些操作过程都与分析效率、人员素质等方面存在关系。而深度学习在数据特点分析上，有较强的自我学习能力，高效提取到图像数据特点，能够在多源遥感数据中得到有效应用。在这种技术应用上，主要包括数据库构建和学习模块构建[6]。

第一，在利用深度学习技术中，应当先构建相应的数据库，保障后续学习模型能够对林地各方面特点进行正确学习。在林地数据库构建中，主要包括影像检查和图像预处理、林地特点提取、数据库形成。

第二，深度学习基于人脑运行机制进行数据描述，如文本、图像等，都是使用模拟人脑运行过程实现分析的，这需要构建相应的学习神经网络。

在构建过程中，主要使用卷积神经网络模型，能够将所有影像划分成不同单元样本后，使用卷积算法选择具体样本进行学习，最终可以对所有林地图像特点进行识别[7]。因此，通过两个环节作用后，能够让深度学习林地信息提取技术得到有效形成，更好对监测过程采集的影像资料分析，有利于提升分析效率和质量，更好增强林业管理水平。

2.2 多源遥感和深度学习林地变化监测技术

多源遥感数据本身是两种监测技术融合后形成的，既可以体现出光学遥感影像特点，也可以体现出SAR影像数据的全面性特点，并且在深度学习技术支撑下，全面转变以往人工识别的效率低下问题，是现阶段遥感信息提取和分析中最先进的技术之一。

当前，通过对多源遥感技术和深度学习技术有机结合应用到林地变化监测中，成为当前林地变化监测的趋势，也可以充分提升监测信息获取的及时性、精确性等，有效满足我国林业可持续发展的需求。

在多源遥感和深度学习林地变化监测技术应用中，需要形成新的工程流程，能够所有影像数据接收、自动化处理、智能解译、分类等，不断提升林地监管效率和质量，有效提升林业部门工作效率。在这种工作过程中，应当包括遥感自动化处理技术和深度学习林地变化信息提取技术两个内容。在应用体系中，应当包括影像融合模块、影像解译模块、影像存储模块、差异计算模块四个部分。其中，在影响融合模块中，根据超算系统设计的要求，能够对各类影响数据进行配准，充分发挥模块中的自动化融合技术，有效对不同等级图像进行处理。

在影像解译模块中，应当先大量收集林地变化的各类数据资料，使用卷积神经网络模型算法，对影像中的特点进行全面分析，逐步对各类遥感影像赋予新的语义化特点。在图像存储模块中，应当在系统中，设计出存储区域，能够将解译后的各类图像信息资料提供永久性的存储支持，并且对存储时间进行记录。在该模块中，应当充分发挥大数据分析和云计算的作用，能够将各类数据资料进行储存和运算。

在差异计算模块中，通过对林地变化信息分析后，能够将不同区域林地变化特点显示出来，也可以从存储模块中找到对应性的图像，将其纳入到差异计算模块轴径，最终计算出林地区域的变化差异。

3 结束语

林地变化监测是我国实现林地资源科学合理管理的有效方法，能够充分提升林业管理水平，更好保障林业健康稳定发展。现阶段林地变化监测中主要使用光学遥感影像技术、SAR影像技术、多源遥感影像技术等，在变化特点分析中使用人工解译、监督分类和非监督分类。

从整体层面而言，当前阶段所使用的林地变化监测技术是无法符合我国林业可持续发展需要，需要加快研发新的监测技术。这需要加快使用深度学习林地变化信息提取技术，能够有效解决监测效率低下和精确性不足的问题，也是现阶段遥感技术中最先进的技术之一。并且，多源遥感影像技术和深度学习信息提取技术有机结合是林地变化监测技术未来的发展趋势，有利于充分提升监测效率和质量，以此推动我国林业可持续发展。

参考文献

[1] 张兆鹏.基于多源遥感数据的林地类型精细识别与变化监测研究[D].西安科技大学，2018.

[2] 魏梦莹.林芝地区森林植被分布及动态变化监测研究[D].长安大学，2018.

[3] 刘晋阳.林地遥感分类与变化监测研究[D].西北师范大学，2019.

[4] 王震.基于遥感技术的中卫市林地面积变化監测及成因分析[J].测绘，2020，43（02）：76-79.

[5] 肖中琪，张保江.基于随机森林分类后比较的森林资源变化监测方法研究——以新疆哈纳斯国家自然保护区为例[J].新疆林业，2020，No.273（05）：32-35.

[6] 张忠辉.高分辨率遥感影像防护林林地化监测技术规程.吉林省林业科学研究院，2020（07）：03.

[7] 王震.基于遥感技术的中卫市林地面积变化监测及成因分析[J].测绘，2020，43（02）：76-79.