遥感技术在林业综合执法监管中的应用

遥感技术在林业综合执法监管中的应用

刘晨

广州市城市规划勘测设计研究院  广东 广州 510000

摘要：林业综合行政执法内容包含毁坏林木苗木、毁坏林地等多类问题，因监管区域范围大、违法事件发生具有突然性，导致林业执法工作开展困难。利用中高分辨率遥感卫星重访周期短、数据覆盖广、服务稳定等优势，开展森林资源覆盖及变化监测，有利于大范围、高效监测林业执法区域。通过联合多时相SAR和光学影像进行动态变化监测，基于高分二号亚米级光学遥感影像与雷达遥感数据sentinel-1A，针对白云区太和镇林业覆盖变化信息进行遥感提取，获取变化图斑，了解太和镇森林资源变化情况。获取的变化情况包括疑似林地占用、毁林伐林、毁林挖山等现象，以及复绿成林监测、耕地种植监测等，为行政管理部门提供业务数据支撑。

关键词：多源遥感；Sentinel-1；高分二号；林业监管

引言

林业综合行政执法内容主要包括盗伐滥伐林木、非法征占用林地及毁坏林地、毁坏林木苗木、森林防火期违规用火及森林火灾、乱捕乱猎陆生野生动物及破坏生存环境、非法采集野生植物及违法运输木材及林副产品等内容。通过遥感监测森林变化是一种有效的林业执法监管手段，不仅能够及时发现森林滥砍滥伐行为，对森林进行治理，提供林业监管效率[1]，此外，还有助于控制和防止森林砍伐的进一步恶化[2,3]。

在当前环境下，农林资源监督管理面临着新形势和新挑战，现有手段难以形成动态、时序资源监管能力，不能满足“早发现、早报告、早处置”的农林资源监管需求。传统农林监管手段包含人工格网巡查、群众举报等办法，时效性低、且无法大范围监管。而基于星载光学遥感影像、雷达影像以及无人机航摄影像等大面积对地观测手段不仅能及时发现农林业违法活动，更能准确获取滥砍滥伐等违法行为造成的违法图斑面积、违法行为地点等信息，使得行政执法人员能够有效准确的遏制违法活动，大大提高林业执法效率。

本文联合多时相SAR和光学影像对广州市白云区太和镇进行动态变化监测。基于高分二号亚米级光学遥感影像与雷达遥感数据sentinel-1A，对白云区太和镇林业覆盖变化信息进行遥感提取，获取变化图斑，了解太和镇森林资源变化情况，分析图斑中存在的变化情况如疑似林地占用、毁林伐林、毁林挖山以及复绿成林监测、耕地种植监测等。验证联合多时相SAR和光学影像进行林业监管的有效性。

1 数据与研究区域

1.1 研究区域介绍

本文研究区为太和镇，该镇隶属于广东省广州市白云区，位于白云区的中部，东临黄埔区，南连天河区，西接人和镇、均禾街、嘉禾街，北与钟落潭镇相邻，总面积约164.62平方公里。太和镇地势东高西低，自东向西倾斜，座落在头陂村东面的帽峰山，横跨太和、良田两镇，海拔534.9米，在西南部有黄葛窝顶山，海拔405米，造箭山海拔404米，南山海拔400米，大竿嶂海拔400米，良洞岗海拔390米，土帽山海拔337.8米，金鸡楼海拔324米。穗丰村农田处海拔90至100米，石船溪石寨坡落差达40米，平原农田海拔10至13米。

太和镇拥有经广东省林业局批准的省级森林公园——帽峰山森林公园，该公园位于太和镇东北部。公园总面积66.7平方公里。帽峰山主峰海拔534.9米，为羊城老八区最高峰，形似竹帽，因此得名。公园内有铜锣湾水库、沙田水库、和龙水库，还有较小的水库星罗棋布。土壤肥沃，植物种群丰富，公园内共有植物179科569属875种，国家保护植物9种。帽峰山森林公园游览区分为9个功能区、25个景区，具有气候宜人的森林旅游环境。由此可见太和镇具有丰厚的林业资源。

1.2数据源介绍

通过广东省遥感影像管理与服务系统，查询白云区可用高分二号遥感数据，通过数据筛选，获得云量覆盖较少，区域覆盖较全的两景卫星影像数据，数据基本情况如下表所示。

表 1 数据源基本情况

2 研究方法

2.1 研究区域影像处理

通过对获取的原始高分二号遥感影像数据进行快速正射纠正、影像融合、拼接裁剪、时序影像配准等步骤，对白云区太和镇影像进行处理。

2.2 研究区域影像配准

影像配准是指将两幅或多幅来自不同时间、不同传感器、不同视角的同一物体或场景的图像进行匹配对准以便分析与比较，是基于遥感影像进行变化检测的基础。本研究基于特征点进行自动影像配准，统计配准控制点的位置残差并对其进行评价分析。

2.3影像变化检测

遥感影像变化检测是通过分析同一区域在不同时间获取的遥感影像，识别并提取地表覆盖变化信息的过程。本研究基于面向对象的变化检测技术，通过计算机自动处理和人机交互相结合的方式，发现白云区太和镇林业覆盖变化信息。

3 结果与分析

3.1总体分析

以2020.11.26遥感影像为变化监测参考影像，2021.06.06遥感影像共发现林地覆盖图斑100处，面积约为：1.51平方千米。2020年11月至2021年6月间，共发现植被绿地面积减少78处，面积约为1.30平方千米，植被绿地面积增加22处，面积约为0.21平方千米。

3.2林业监测分析

按照疑似建设活动导致林地减少、疑似林地变化为农业种植、疑似林地砍伐形成道路、植被复绿、疑似林木砍伐等林地监管等5项内容对变化图斑进行分析，进行变化前后影像对比分析，计算变化图斑面积和位置。总体情况如下表。

表 2总体变化情况表

其中最小变化图斑面积为175.65平方米，最大变化图斑面积208159.88平方米。每类中，最大最小变化面积如下表所示。

表3 变化图斑中最大、最小面积（平方米）

3.3 耕地监测分析

以2020.11.26遥感影像为变化监测参考影像，2021.06.06遥感影像共发现耕地覆盖图斑23处，面积总和约为：0.38平方千米。其中，共发现耕地面积减少21处，面积总和约为0.375平方千米，耕地面积增加2处，面积总和约为0.005平方千米。

结束语

本文利通过对遥感影像进行分析处理，得出了研究区域内的林地变化图斑，共发现林地图斑100处，疑似建设活动导致林地减少图斑37处、疑似林地变化为农业种植10处、疑似林地砍伐形成道路19处、植被复绿21处、疑似林木砍伐13处；共发现耕地图斑23处，耕地面积减少21处，增加2处。

参考文献：

[1] Fuller, D.O. Tropical forest monitoring and remote sensing: A new era of transparency in forest governance. Singap. J. Trop. Geogr. 2006, 27, 15–29.

[2] Banskota, A.; Kayastha, N.; Falkowski, M.J.; Wulder, M.A.; Froese, R.E.; White, J.C. Forest Monitoring Using Landsat Time Series Data: A Review. Can. J. Remote Sens. 2014, 40, 362–384.

[3] Cohen, W.B.; Yang, Z.; Kennedy, R. Detecting trends in forest disturbance and recovery using yearly Landsat time series: 2. TimeSync—Tools for calibration and validation. Remote Sens. Environ. 2010, 114, 2911–2944.