吉林一号卫星在林业中的应用

文 | 曲春梅朱瑞飞 王文 李恒宇周圆锈于海洋

1.长光卫星技术股份有限公司 2.吉林省卫星遥感应用技术创新基地 3.吉林省卫星遥感应用技术重点实验室 4.吉林省森林防火预警监测指挥中心

一、引言

森林承担着供给资源产品、提供栖息场所、维持水资源质量、调节环境气候等作用，在维护生态平衡中起着决定性作用[1]。为了科学评价森林可持续经营与林业生态可持续发展状况和水平，急需科学、翔实和连续的监测和评价数据支持，现代遥感技术具有观测范围大、高覆盖、多时相、时空连续观测等特点，可有效解决传统森林资源监测调查、湿地和自然保护地监测监管、荒漠化监测、生态工程监测、森林灾害监测等林业监测业务中存在的难以获取大面积调查数据、耗时久、费用高、效率低等问题[2]。

然而，随着林业精细化经营管理需求日益增多，林业对高空间和高时间分辨率遥感数据和处理技术的需求与日俱增，如林地资源变更调查等监测需要米级分辨率的遥感数据支持[3]。吉林一号大规模星座具有高频次、高空间分辨率、大区域快速覆盖的特点[4]，不但可有效解决林业资源调查和生态环境监测等业务需求中的数据源问题，而且通过研发相关技术和模型、软件工具和产品，可进一步优化林业服务的业务流程，有效提高监测的精度、效率和水平，有力促进林业信息化水平的整体提高。

二、森林资源调查与监测

1.森林资源调查

森林类型是确定同质性森林资源空间分布，定量估算森林生态功能的关键依据。准确掌握不同类型森林的空间分布及变化趋势，能够为制定林业方针政策、宏观规划及精准的森林资源经营、监测方案提供重要的数据支撑[5]。

亚米级常绿松林提取。准确提取常绿针叶树的空间分布，可为包括病虫害监测，森林经营管理等很多业务工作提供精确的数据基础。充分利用东北地区森林的物候特征，利用吉林一号海量存档数据中每年4月初与11月初空间分辨率0.75m、4谱段的卫星影像，利用深度学习算法自动化提取常绿松林图斑，实现吉林省2022年常绿松林图斑的提取，最小识别图斑面积50m2，局部验证准确率90.2%。其中吉林省东部延边朝鲜族自治州汪清县的松林提取成果见图1。

图1 汪清县松林图斑提取

基于多光谱的森林类型提取。以吉林一号空间分辨率5m、19个谱段的多光谱遥感影像为主要数据源，通过大量样本和训练迭代次数，应用三维卷积神经网络的深度学习方法完成森林类型进行提取，总体分类精度达92.9%，Kappa系数为0.92[6]。其中，柞树林、红松林和落叶松林的制图精度和用户精度均达到了90%以上。针阔混交林和阔叶混交林的制图精度与用户精度也都超过了85%。对分类结果重编码后处理效果见图2。

图2 吉林省中部地区森林类型分类结果

基于外业调查获取的GPS样点数据，结合二类调查成果及林相图，综合选取验证样本。中部研究区主要森林类型如阔叶混、柞树林、杨树林的生产者精度和用户精度均高于85%；落叶松、红松与其他针叶林存在一定程度的混淆，落叶松生产精度约为74.27%，可以满足应用需求。为进一步验证分类面积精度，将分类面积统计结果与二类调查结果进行对比分析，研究区主要森林类型分类结果面积统计平均相对精度为80%以上，森林类型分类结果统计面积与二类调查及影像解译结果统计面积具有很高的一致性。

2.林地、草地、湿地以及自然保护地的变化监测

监测森林、草地、湿地和自然保护地资源现状和动态变化情况，按年度更新并及时掌握资源保护利用现状及其消长变化，全面掌握违法违规破坏森林资源情况，推进森林、草地、湿地和自然保护地资源常态化、动态化、规范化管理，为资源保护管理及生态文明建设重大决策提供科学依据[7]。

依托吉林一号星座高时间和空间分辨率以及强大的数据获取能力，采集调查年度多时相遥感影像数据，基于前后两期高分辨率遥感影像，建立专用样本集与深度学习模型提取林草湿、自然保护地中的变化信息，并采用自动化的后处理技术去除伪变化，以及空洞、碎图斑和边界不平滑等问题[8]。之后通过人工核验，去伪、补漏、边界修正和属性填写，最终得到变更数据库和统计成果。多期林草湿变化检测及后处理分类样例图如图3所示。

图3 林草图斑变化检测及后处理分类样例图

2023年，采用吉林一号对湖南全省开展林草湿地季度监测与重点区域月度监测工作，应用以上变化检测技术体系，全省单季度监测变化图斑8万余个，其中7万个图斑均为早于国家下发图斑，实现林草湿资源由被动到主动发现的重要转变。

三、森林火灾预警与监测

森林火灾具有突发性、短时间内能造成巨大损失的特点。因此一旦有火灾发生，就必须以极快的速度采取扑救措施。扑救是否及时，决策是否得当，都取决于对林火行为的发现是否及时，分析是否准确合理。针对森林火灾，吉林一号在灾前、灾中和灾后都发挥了重要作用。

1.森林火险评估

通过森林火灾评估与预警，可以掌握未来的火险形势，使森林火灾防预工作有的放矢。目前，我国森林火险预警主要通过综合气象条件以及森林防火期内生物及非生物信息进行火险等级的预报[9]。但忽略了地形、可燃物的干湿程度、可燃物的类型特点和人类活动等因素，且森林火险预警的尺度多为宏观，森林火灾预警准确性有待提升。

充分利用吉林一号可精准提取地表覆盖、准确识别地表可燃物类型、载量、含水量、人类活动要素优势，提取4大类12种森林火险影响因子，构建精细化的森林火险等级预报模型，计算72小时内乡镇级精细化的森林火险预警评估结果。基于上述模型提供北京市森林火险辅助决策意见（图4）。通过回顾性分析，历史火点发生在预测风险等级较高区域内较多，验证了评估结果的可靠性。

图4 北京市森林火险预警辅助决策图

2.森林火灾应急监测

在森林火灾发生的第一时间，利用服务接口提交应急拍摄需求，启动吉林一号应急拍摄机制，提供多光谱卫星、高分辨率卫星、夜光影像、视频影像等多种拍摄模式，通过定量温度反演与火点目标识别，及时获取火区范围、火势变化、火头位置移动、新火点出现以及现场扑救情况等信息，为现场的指挥决策提供辅助决策意见。

2020年3月28日晚，四川省凉山彝族自治州木里藏族自治县发生森林火灾，吉林一号于2020年3月31日11时11分、13时24分、23时16分，4月1日13时40分四次拍摄（图5），提供及时的火灾现场信息。

图5 吉林一号四川木里火灾白天与夜晚高分辨率卫星影像图

3.火烧迹地监测与植被恢复评估

森林火灾不仅会直接烧毁森林中的植被，造成经济和财产损失，破坏森林动物的生存环境，降低森林生物多样性，还会影响林木生长和更新，破坏森林结构，对林业可持续发展构成巨大威胁[10]。

森林火灾的损失评估包括对火烧迹地范围的识别以及植被恢复情况的监测。依托吉林一号星座，在灾害结束后快速获取高分辨率卫星影像，识别并提取火灾区域边界，在过火区域内，继续依托星座高频重放和快速的数据获取能力，构建长时间序列分析的标准影像数据集，应用综合线性回归方法分析灾后植被恢复趋势。2022年10月17日16时许，湖南省永州市新田县发生森林火灾，吉林一号完成应急服务后，对火灾发生区域尽量连续拍摄空间分辨率0.75m卫星影像，对火烧迹地进行了连续的监测，识别过火区域10069公顷，受灾区域增强植被指数（EVI）总和相比灾前锐减了91.8%，连续四期的监测显示未见明显恢复，需采取相应的林地抚育措施（图6）。

图6 过火面积识别与火烧迹地的植被恢复评价

四、森林健康监测

1.松林变色立木监测

松材线虫病称为“松树的癌症”，目前最有效的防治办法是及时发现，并清除发病或已死疫木[11]。松树遭受松材线虫侵染后，针叶失去光泽变成灰绿色，并逐渐变黄、红褐色直至枯死[12]，变色立木监测是松材线虫病取样、处置的重要表征依据之一。由于松材线虫传播迅速，适生范围极广，且呈现零星跳跃传播的特点，因此疫木往往单株存在，开展此项监测工作需要在短时间内对大区域快速覆盖，获取极高空间分辨率影像，否则无法完成单木级别的变色木识别，即无法扼制病虫害的快速传播而达到防治的目的。

在监测区域多源数据基础上，构建松林变色立木卫星监测技术体系，该体系集成了依托吉林一号林草卫星的遥感定量分析技术用于重点区域筛选；集成基于高分辨率影像的针叶/阔叶树种分类技术用于去除阔叶、林间裸地造成的误识别；基于多树种、多时相的变色木样本集，训练卫星影像小目标识别的深度学习模型，实现松林变色立木目标快速识别，最后辅以人工质检提升结果准确率；构建基于云同步、电子围栏等技术开发的协同监管平台和移动核查APP，为林业部门落实防治工作提供有力手段。该项技术体系连续三年应用于吉林省中东部14.45万平方千米范围内的松林变色立木识别（图7），累计识别枯黄枯死树63万余株，协助发现新疫点2个，目标平均识别准确率高于85%。

图7 吉林省松林变色立木卫星遥感监测成果及局部放大图

2.松材线虫病传播风险评估

松材线虫病发病系统复杂，发病机制不明确，致病性差异大，给管理和防控工作带来了挑战。有研究表明，松材线虫病在中国东北和西北地区迅速蔓延，超出了以往的预测和对其潜在分布的传统认识[13]。为了防止重点病原体的大流行性传播，识别潜在传播风险区域至关重要。目前关于松材线虫病传播风险预测研究主要集中在单一因素和大规模宏观预测，对区域特征的多角度、精细化考虑不足[14]。

针对吉林省处于传播早期的特征，利用吉林一号最新时相的亚米级高分辨率影像，通过变化分类识别结合变化检测技术，快速识别松林周边开工建设区域和公园区域，以反距离权重确定人类活动的因子权重，再综合海拔、温度、湿度、聚合度等10个自然和景观要素构建最大熵模型，完成传播风险等级的预测和分析。应用这项技术评估了吉林省的松材线虫传播风险（图8）。结果显示吉林省大部分地区属于松材线虫适宜生存区，但由于在西部分布较少，所以西部几乎没有松材线虫病风险；东部靠近长白山脉附近以及东部偏北地区，由于常年温度较低，海拔较高，总体也属于低传播风险区域；虽然中部整体传播风险处于中风险区域，但越靠近中部地区，如长春市、吉林市、辽源市，这些地区总体高风险以及极高风险分布最多，主要原因是人类活动密集，且与已有疫区相邻，无论是自然传播风险还是人为传播风险均更高。

图8 吉林省松材线虫病传播风险图

五、森林碳储量估算

森林作为陆地生态系统的主体和最大的碳库，对于保持陆地生态系统稳定和维持全球碳平衡具有重要的作用。利用遥感手段对森林碳储量的关键参数进行反演计算森林碳储量，可以有效解决地面调查方法和通量站观测统计方法存在的数据不充足和估算精度不够高的问题。

利用吉林一号宽幅卫星采集长春市净月区高新技术产业开发区卫星影像，利用 CASA 模型算法，将遥感因子、温度因子和土壤因子作为输入信息建立光能利用率模型，并根据碳转换系数和分子转换系数，计算森林碳储量。研究结果（图9）表明，净月区森林碳储量多为碳储量中值区，高值区主要分布在东北部，低值区主要分布在道路沿线和西南部水库。自监测年 5-10 月，净月区森林碳储量先增加，后逐渐降低，与天气存在较为一致的变化规律。并通过与实地调查采样数据对比，长春市净月区森林碳储量估算模型具有一定的可靠性和实用性，可作为森林碳汇估算的重要手段[15]。

图9 吉林省长春市净月区2020年5—10月森林碳储量分布图

六、总结与展望

随着以吉林一号为代表的商业卫星快速发展和遥感技术进步，卫星遥感数据源向高频次、高覆盖、高空间分辨率发展。在传统的林业遥感技术应用领域，如林业资源调查、变更调查等，应用服务的稳定性和业务化有了前所未有的提升。

吉林一号星座除了已有的高空间分辨率光学、多光谱、夜光、视频卫星，激光、雷达、通信、气象等卫星也在孕育和发展中，在林业遥感领域的应用服务也必将在深度、广度以及服务模式等多维度带来创新发展，与互联网、大数据和智能识别等技术深入融合，也将推动林业遥感的应用向立体化、多层次、多尺度、多频率、全天候、高精度和高效快速的目标发展。