森林郁闭度（FCC）是指单位面积上立木树冠投影面积与该地面积的比值，郁闭度不仅仅是森林防虫害、主伐更新，同时也是反映森林经营措施的主要指标。在森林经营管理中郁闭度是封山育林、确定抚育采伐强度的重要指标，并成为通过遥感图像进行森林蓄积量估测不可缺少的因素。郁闭度同时也可以用来反映林分的疏密程度，我们可以根据林分疏密程度，可有效的区别有林地、稀疏林地和无林地等。森林郁闭度也是影响森林生物量和森林蓄积量的重要因素。所以对森林郁闭度的测量必不可少，这也是对森林经营的一种很大帮助。

传统的郁闭度森林测量方法有很多，主要是目测法、树冠投影法、样线法、样点法、抬头望法等，以上这些方法都是在小范围中进行的郁闭度测量，虽然获得的郁闭度精度可能会高一点，但是人力、物力的耗费都比较大，而且对人员的要求比较高，工作量大，并且效果没有保证。随着森林调查技术的不断发展，郁闭度的测量方法也是越来越多，同时，人们对郁闭度的要求也是越来越多。其中，成本低，耗费少，技术要求低等要求也是不断被提出。所以我们需要更加准确，简单快捷的方法来对郁闭度进行测量。

随着卫星技术的不断进步，从卫星得到的遥感图像也是不断在变化，我们可以通过对高分辨率的卫星图像以及航空像片等方法来进行大面积的郁闭度调查。我们在使用卫星拍摄得到的图像进行郁闭度估测时,都是利用人工地面测量来得到郁闭度数据作为检验的标准，利用与郁闭度相关性高的波段或变量,建立多元回归模型来估测郁闭度。

技术路线

本次使用参数建模的方法对郁闭度进行建模分析，其主要内容是：

（1）Landsat8影像数据预处理

使用ENVI5.3软件，对landsat8多光谱遥感影像进行辐射定标、大气校正以及裁剪等操作。

（2）数字高程数据（DEM）处理

使用二类调查数据对DEM进行裁剪。

（3）影响因子提取、建模

使用ENVI5.3软件对遥感影像进行处理，提取出与森林郁闭度有关的影响因子（NDVI、RVI、纹理参数因子等），使用Arcgis10.3软件对DEM数据进行处理，提取出坡度坡向等地形因子。然后使用分区统计工具对各个影响因子进行均值提取，最后形成以小班为单位的数据。以郁闭度为因变量，其他参数为自变量，使用SPSS统计软件建立郁闭度估测模型。

（4）模型对比与分析

对比两种方法得到的模型，使用之前抽样的数据进行精度验证。

技术路线

数据处理

1.大气校正是为了消除大气对卫星或机载传感器拍摄的图像反射率值的影响的过程。这些影响多为大气散射、 气溶胶等。为了消除这些影响，使我们得到更加精确的地物辐射值，达到所进行的实验的要求，所以我们要对影像数据进行大气校正。

大气校正前后影像对比 大气校正前后影像对比

在经过大气校正后，遥感图像的光谱变化曲线明显，在未经过大气校正之前的波谱变化曲线受大气影响较为严重，可以看出不符合植被变化曲线的规律。而在经过大气校正后的遥感影像的波谱变化曲线较为符合植被变化曲线的规律。如下图所示：

大气校正前后波谱变化曲线

2.归一化植被指数（NDVI）是指近红外波段和可见光红色波段的差与这两个波段的和的比值。利用NDVI，我们可以很直观的看出地面植被的覆盖程度。经过比值处理后的NDVI图像，可以消除部分辐照度条件变化（大气辐射）的影响[1]。利用植物反射率的强烈差异来确定它们在这些卫星图像中的空间分布是很自然的，所以NDVI能很直接的反映出植被的覆盖程度。

NDVI提取图

数字高程模型（DEM）通常表示地表区域上地形的三维向量的有限序列。地形因子可以通过植被所需要的热量以及水分等来对植被的分布进行影响。由于植被在不同条件下的光谱反射特征是不同的，例如光照不同、空气湿度不同等条件下其反射的光谱特征也就会不一样。所以我们可以使用DEM数据来进行一些专题图分析，用来分析海拔、坡度、坡向等影响因子对植被分布的影响。

坡向图、坡度图

4.纹理反映的是象元灰度的空间变化特征，分布在整个影像中某一区域具有规律性排列的图形，代表的是物体的表面特性，这种特性就是组织特征。纹理特征考虑像素之间的关系，有助于提高图像解析和特征提取的精度。此次纹理提取，主要提取红光波段和近红外两个波段，此步骤运用到的工具是基于 Envi 5.3 软件下的 co-occurrence Measure（要求：红光波段-Mean 近红外波段-Contrast）Filter—co-occurrence Measure。以下是从遥感图像中提取出来的信息图：

纹理波段信息提取图

郁闭度估测建模方法

向前线性回归是线性回归的模型中的一种方法，其基本思想是将变量依次引入，把经过F检验后表现显著的变量留下，不显著的变量被剔除，然后在每个步骤都会进行变量的检测，把原先的变量与后来导入的变量进行筛选，将表现不显著的变量剔除，然后重复此过程直到没有任何方法可以在统计上显着改善模型。

我们首先采用SPSS中的线性回归功能的向前线性回归方法来对数据进行建模。

在进行建模时，我们以郁闭度为因变量，而其他的影响因子作为自变量进行线性回归，得到以下结果：

在模型计算中一共加入了两个变量，分别是比值植被指数RVI和归一化植被指数NDVI，其他变量在经过多重共线性检验后基本排除，所以只有这两个变量进入向前线性回归。

由上图中我们可以知道，我们最终得到的模型是模型2，模型2的复相关系数为0.615，模型2的决定系数为0.378，它的标准估算的错值要小于模型1的标准估算的错值，我们可以认为郁闭度与参数中的两个变量相关，所以我们可以使用模型2可以更好的估测郁闭度的值。

在上图中，我们可以知道sig=0<0.05,所以我们可以认为模型中的偏回归系数至少有一个不为0，说明因变量郁闭度与全部的自变量的线性关系是显著的，所以我们可以建立线性方程，此模型可以成立。

我们由图可以得到，最终的模型为FCC=-44.863+225.673*RVI+77.544*NDVI。

清研成果

清研集团自然资源园林部致力于为自然资源、林草园林行业的政府决策、行业管理提供专业的解决方案。部门持续与部、省、市、县各级政府委办局开展深度合作，形成了自然资源、林草园林两大核心业务板块体系，前者涵盖调查监测、确权登记、所有者权益、卫片执法、智慧耕地保护、国土空间生态修复、国土空间用途管制等；后者涵盖政策研究、调查监测、监管检查、规划设计、系统开发等。经过多年的发展，部门目前拥有自然资源、遥感、地理信息、林业、园林、草业科学等学科背景的专业人才40余人，70%以上员工具备硕士及以上学历。业务范围遍布北京、福建、山东、安徽、新疆、宁夏、云南、贵州等地，完成精品项目100余个。

撰稿 | 孙江正 清研集团自然资源园林部研究员

编辑 | 张婧云

图片 | 网络