遥感技术与应用, 2022, 37(3): 663-671 doi: 10.11873/j.issn.1004-0323.2022.3.0663

林业遥感专栏

保护性林地砍伐事件空间分布特征及风险评估研究

马勇,1,2, 姚武韬,1, 仉淑艳1,3, 尚二萍1, 陈朝霞4

1.中国科学院空天信息创新研究院，北京 100094

2.三亚中科遥感研究所，海南省地球观测重点实验室，海南 三亚 572029

3.中国科学院大学，北京 100049

4.广州市城市规划勘测设计研究院，广东 广州 440100

Spatial Distribution Characteristics and Risk Assessment of Deforestation Events in Protective Forest Land

Ma Yong,1,2, Yao Wutao,1, Zhang Shuyan1,3, Shang Erping1, Chen Zhaoxia4

1.Aerospace Information Research Institute，Chinese Academy of Sciences，Beijing 100094，China

2.Hainan Key Laboratory of Earth Observation，Sanya Remote Sensing Institute，Sanya 572029，China

3.University of Chinese Academy of Sciences，Beijing 100049，China

4.Guangzhou Urban Planning & Design Survey Research Institute，Guangzhou 440100，China

通讯作者: 姚武韬（1991-），男，山东临沂人，博士，助理研究员，主要从事遥感生态应用研究。E⁃mail：yaowt@aircas.ac.cn

收稿日期: 2021-03-19   修回日期: 2022-04-23  

基金资助: 海南省自然科学基金项目.  419QN263
河南太行山水林田湖草生态保护修复试点工程（济源项目），高分辨率对地观测重大专项（民用部分）科研课题“高分数据精处理与加工子系统”.  21⁃Y30B02⁃9001⁃19/22⁃9
2020年广东省科技创新战略专项资金（省重点实验室）.  2020B121202019

Received: 2021-03-19   Revised: 2022-04-23  

作者简介 About authors

马勇（1987-），男，河南南阳人，博士，助理研究员，主要从事林业遥感及动态变化研究E⁃mail：mayong@aircas.ac.cn , E-mail：mayong@aircas.ac.cn

摘要

严守生态红线，保护森林资源，是构建生态文明，推动绿色发展的重要措施。及时掌握林地的变化，尽早发现林地的破坏行为，对森林资源保护和管理具有重要意义。目前对于林地砍伐等破坏行为的监测都是被动与事后的，如何主动地进行防范，对易发生砍伐的区域进行高频次全方位的监管，就需要探究林地砍伐区域的空间分布特征，评估和预测林地砍伐的风险。基于多源遥感变化检测和实地调查获取海南省保亭县公益林连续2 a林地砍伐的图斑，研究林地砍伐与人为活动和地形地貌的关系，进而评估林地砍伐风险，为地方林业部门开展更具针对性的巡查、监测和保护措施提供支持，加强林地监管的有效性，真正将林地砍伐等破坏行为遏制在萌芽阶段，严守生态红线，推动生态文明建设。

关键词： 林地砍伐 ; 变化检测 ; 多源遥感 ; 砍伐风险

Abstract

Strictly observing the ecological red line and protecting forest resources are important measures to build an ecological civilization and promote green development. It is of great significance for forest resource protection and management to grasp the changes of forest land in time and detect the forest destruction as soon as possible. Currently， the monitoring of deforestation and other destructive behaviors is passive and ex post. It is necessary to exploring the spatial distribution of deforest areas， evaluating and predict the risk of deforestation to prevent the occurrence of deforestation by Comprehensive supervise areas which are prone to deforestation. This article is based on deforest change maps of Baoting County， Hainan Province， which obtain by multi-source remote sensing change detection and field surveys during two consecutive years， to study the relationship between deforest areas and human activities， topography and landforms， and then to assess the risk of deforest， providing support for local forestry departments to carry out more targeted inspections， monitoring and protection measures， strengthen the effectiveness of forestland supervision， truly destructive behaviors such as deforest in the embryonic stage， strictly abiding by the ecological red line， and promoting the construction of ecological civilization.

Keywords： Deforestation ; Change detection ; Multi-source remote sensing ; Risk of deforest

PDF (3924KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

马勇, 姚武韬, 仉淑艳, 尚二萍, 陈朝霞. 保护性林地砍伐事件空间分布特征及风险评估研究. 遥感技术与应用[J], 2022, 37(3): 663-671 doi:10.11873/j.issn.1004-0323.2022.3.0663

Ma Yong, Yao Wutao, Zhang Shuyan, Shang Erping, Chen Zhaoxia. Spatial Distribution Characteristics and Risk Assessment of Deforestation Events in Protective Forest Land. Remote Sensing Technology and Application[J], 2022, 37(3): 663-671 doi:10.11873/j.issn.1004-0323.2022.3.0663

1 引 言

林地对维持陆地生态系统功能、保护生物多样性资源具有重要意义［1］，在涵养水源、调节气候、防风固沙等生态服务功能中更是承担着极为重要的角色［2-6］。然而工业化和城镇化的快速发展，使得林区也面临着经济发展与生态保护的矛盾［7］。在林区和山区的人为活动大幅度增加，对生态保护对象的干扰日益严重，如林地砍伐、草地破坏等，这些行为不仅威胁着自然环境，还会对资源造成极大的浪费和破坏［8］。因此快速、准确的监测是杜绝违法破坏活动、保护生态资源的有效途径，只有尽快尽早发现各类破坏活动，并加以阻止和防控，才能将生态与资源的损失降到最低。近些年随着遥感卫星数量和质量的不断提高以及监测技术的快速发展，遥感被广泛应用于林地的监测和保护中［9-10］，为及时有效地发现违规违法问题，保护生态与林地资源提供了重要的信息保障。

目前，基于遥感技术进行的林地变化检测方面的研究，根据采用数据源的不同，研究重点也有所差异。基于中、低分辨率光学遥感数据开展的林地变化研究，多在长时间序列下针对大范围区域开展，因中低分辨率遥感影像变化检测方法相对成熟，研究多侧重于林地变化驱动力［11-13］、影响因素［14-15］、变化趋势［16-17］与保护策略分析［18-21］等方面。例如，周佳宁等［22］利用 MODIS 反射率和 NDVI 数据，采用随机森林分类算法提取2000~2015年8个时相河北坝上的林地信息，并分析了林地退化严重的地区在时空上的聚集性特征。李廷等［23］利用 2005~2017 年西藏林芝县的 Landsat 遥感影像，采用分类后提取方法，对10 a间林芝县林地面积变化趋势及驱动因素进行分析，并提出相应的保护策略。但是，基于中低分辨率遥感数据开展林地变化监测研究，受影像分辨率限制，对于小面积的林地变化监测效果较差，其精度难以满足实际应用的需求。

基于高分辨率光学遥感数据开展的小区域、较短时间范围内林地变化的研究近年来不断增多，这些研究大多侧重于变化监测方法［24-29］研究，少部分会对变化的数量、变化点的时空分布和驱动力进行简单分析［30］。例如毛双双［31］使用高分一号遥感卫星影像，以广西国有高峰林场为研究区，对比面向对象分类后变化检测技术在预处理方法、分割尺度和分类器选择不同时的变化检测精度，并提出最优的检测方法。张绘芳等［32］对两期哨兵一号数据和高分一号、二号数据做联合变化检测，得到新疆西天山国家级自然保护区2015~2018年地表覆被变化图斑分布图和变化类型统计数据，并通过实地调查验证变化图斑类型及调查变化原因。目前，自然资源部组织开展利用高分卫星数据进行自然资源常态化监测的工作，力求实现对全国自然资源破坏等行为的季度监测，该项工作的进行对违规违法行为起到了有力的震慑。

但是，目前针对林地砍伐等破坏行为的监测模式总体上是被动的，如何积极主动地去加强管理，分析哪些区域是易发生林地砍伐事件，哪些区域需要加强巡护以及监测力度的，以此来指导林地的保护工作，对于提升林地管理的有效性更具有实践与指导意义。

因此，本研究通过综合利用国内外多源高分辨率光学遥感数据，在海南省保亭黎族苗族自治县公益林2017~2019年长达两年半的双月度/季度变化检测的基础上，利用所积累的公益林砍伐遥感监测的图斑和实地调查数据，结合人居环境和地形地貌等特征，对保亭县公益林砍伐斑块的空间分布规律进行深入研究，分析其相关关系，进而绘制出保亭县公益林砍伐风险分布评估图，为地方林业部门更具针对性的开展林地监测、巡查和保护活动提供信息支持和决策依据，以建立更加科学合理的保护措施。

2 研究区域与数据来源

2.1　研究区概况

保亭黎族苗族自治县，位于海南岛中部五指山南麓，地处18°23′~18°53′ N，109°21′~109°48′ E范围，县域总面积1 153.24 km2，其中公益林面积1 072 km2。在气候方面，保亭属于热带季风气候区，热量丰富，雨量充沛，年平均气温20.7~24.5 ℃，年降雨量达1 800~2 300 mm。在地形方面，保亭属于丘陵山区，主要由山地、丘陵。台地和河谷阶地组成，地势西北高，东南低，海拔500 m以上山地面积占县域总面积的38.7%，最高海拔在1 000 m以上。优良的气候与地理特征，造就了保亭生物多样性丰富的森林生态系统，加之保亭县人为活动较为强烈，其自然生态与社会生态交织的特点在海南省范围内也颇具代表性和研究意义。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   保亭县高分辨率无云遥感底图

（2019年12月，2 m分辨率）

Fig.1   High-resolution cloud-free remote sensing map of Baoting County


2.2　数据来源

2.2.1　多源高分辨率光学遥感数据

海南气候湿润，云雨天气较多，为满足保亭公益林月度监测的需求，研究综合使用了国内外多源高分辨率光学遥感卫星数据。国产光学遥感数据使用高分一号卫星、高分一号B/C/D卫星、高分六号卫星、资源三号卫星共6颗2 m分辨率高分卫星，以及高分二号1 m分辨率高分卫星的数据。所有光学遥感数据下载后均进行了辐射定标、数据融合、几何校正等标准化预处理和不同源卫星影像之间的数据同化，以保证变化检测的精度。

2.2.2　DEM数据

为研究公益林砍伐与地形地貌的关系，使用美国国家航空航天局提供的ASTER GDEM数据作为基础的地形数据，空间分辨率为30 m。利用ArcMap的空间分析工具，可以通过DEM数据计算得到研究区的高程和坡度分布图（图2）。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   保亭县高程和坡度分布图

Fig.2   Distribution map of elevation and slope in Baoting County


2.2.3　土地利用分类数据

土地利用分类数据使用GlobeLand30（GLC30）数据集中2018年全国土地利用分类的结果。GLC30是中国国家高技术研究发展计划（863计划）全球地表覆盖遥感制图与关键技术研究项目的重要成果，该数据集包含10个主要的地表覆盖类型，分别是耕地、森林、草地、灌木地、湿地、水体、苔原、人造地表、裸地、冰川和永久积雪。从该数据集中提取保亭县域范围内的人造地表、耕地两种土地利用类型的范围，作为研究区人为活动分布的主要区域（图3），用以研究人为活动与公益林砍伐的关系。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   保亭县人为活动集中区空间分布图

Fig.3   Spatial distribution of human activity concentration area in Baoting County


3 研究方法

3.1　变化提取方法

研究主要基于保亭县公益林从2017年8月到2019年12月所做的双月度以及季度监测所获取的林地变化图斑开展。首先利用IR-MAD变化检测方法自动提取前后两期光学遥感影像的变化图斑，而后通过人工影像核查的方式，筛选出疑似林地砍伐图斑。IR-MAD（The Iteratively Reweighted Multivariate Alteration Detection，迭代加权多元检测）变化检测工具是一种检测多元影像变化的方法，其数学本质主要是多元统计分析中的（Canonical Correlation Analysis）CCA以及波段差值运算，它在双时态、多变量和超变量影像数据挖掘中，能够高效捕捉到不稳定点的变化情况、准确地获取变化信息以及受到外界因素影响较小等特点。

3.2　林地砍伐与人为活动和地形地貌关系分析方法

林地砍伐的主要驱动因素是人为活动，而林地是否会受到人为活动干扰，往往与其可达性有关。研究选取影响公益林分布区可达性的两个重要内容，一是公益林距人为活动集中分布区的距离，二是所处区域的高程、坡度两个地形因子，统计其与公益林砍伐的关系。

利用30个月共11期监测数据中林砍伐图斑矢量作为公益林砍伐数据，与土地利用分类数据中提取的人为活动集中区分布矢量、DEM数据提取的高程和坡度分布数据相结合分别进行分析。利用距离工具（Near），计算各砍伐图斑与最近的人为活动集中区图斑的距离，进而统计公益林砍伐与人为活动集中地区的空间关系。利用空间统计工具（Zonal Statistics as Table）和高程、坡度栅格数据，统计不同高程和坡度范围内公益林的面积和砍伐点的数量，进而分析公益林砍伐与地形地貌的关系。

3.3　公益林砍伐风险空间分布计算方法

根据实际监测到的公益林砍伐点距人为活动集中分布区的距离统计分布趋势，以及在高程、坡度上的空间分布情况，分别计算人为活动影响、高程影响、坡度影响下公益林砍伐风险的空间分布情况，最终综合形成保亭县公益林砍伐风险图。

人为活动影响下公益林砍伐风险的计算方法如下：假设以人为活动集中区为中心建立了n个环形缓冲区来覆盖整个公益林区，其中第m个缓冲区（1≤m≤n）内检测到的砍伐点数量最多，为Am个，则缓冲区i（1≤i≤n）内公益林的砍伐风险计算公式为： Pi=100⋅Ai/Am。据此可以形成保亭县域范围人为活动影响引起的公益林砍伐风险空间分布图。

高程影响的计算方法为：假设保亭县公益林分布在n个高程区间内，其中第m个高程区间（1≤m≤n）单位面积上公益林砍伐点的数量最多，为Bm个，则高程区间i（1≤i≤n）内公益林的砍伐风险计算公式为： Qi=100⋅Bi/Bm。据此可以形成保亭县域范围高程影响下的公益林砍伐风险空间分布图。

坡度影响的计算方法与高程影响的计算方法相同：假设保亭县公益林分布在n个坡度区间内，其中在第m个坡度区间内（1≤m≤n），单位面积上公益林砍伐点的数量最多为Cm个，则坡度区间i（1≤i≤n）内公益林的砍伐风险计算公式为：Ri=100⋅Ci/Cm。据此可以形成保亭县域范围坡度影响下的公益林砍伐风险空间分布图。

最后对3幅砍伐风险分布结果图进行空间叠加求和及归一化处理，得到最终的保亭县公益林砍伐风险空间分布结果。

4 结果与分析

4.1　公益林砍伐与距人为活动集中区距离的关系分析

对保亭县公益林进行持续两年半的双月度（2017年8月至2018年8月）和季度（2018年3季度至2019年4季度）变化检测，经人工核查和筛选，共提取出510处疑似公益林砍伐的变化图斑（图4）。地方林业局通过多次抽样核查，对130个变化图斑进行了实地取证，其中发生变化的点为122个，变化检测正确率为93.8%。在后续分析中，未发生变化的8个图斑被去除，参与分析的砍伐点共计502个。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   保亭县疑似公益林砍伐变化图斑分布图

Fig. 4   Distribution map of suspected deforestation changes of public welfare forest in Baoting County


利用最近距离工具计算每个公益林砍伐点到最近的人为活动集中区图斑的距离，并根据距离的数值分别统计到0~2 000 m内的15个距离区间内，计算各距离区间内变化点的数量。图5分析了各距离区间内变化点的数量和距离的关系（横坐标距离数值取这些点所在区间的上限）。从图中可以看出，随着距人为活动集中区距离逐渐增大，公益林砍伐点的数量呈现显著下降趋势。其中，有218处砍伐点发生在距离人为活动集中区100 m以内的区域，占砍伐点总数的43.42%；100~400 m的各区间内发现的砍伐点数量均超过40个；400~800 m的各区间内发现的砍伐点数量均超过10个；而距人为活动集中区超过800 m以后，砍伐事件的发生数量已经很低。对点的分布进行曲线拟合，与幂函数的拟合程度最高，相关系数R2的数值为0.931 4，即随距人为活动集中区距离越远，砍伐点数量呈指数趋势下降。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   公益林砍伐点距人为活动集中区距离和数量关系曲线

Fig.5   Distance and quantity relationship curve between the felling points of public welfare forests and the areas where human activities are concentrated


4.2　公益林砍伐与高程和坡度的关系分析

利用空间统计工具，计算公益林覆盖范围在不同高程区间上的分布面积，以及公益林砍伐点在不同高程区间上的分布数量，如表1所示。从表中可以看出，保亭县公益林主要分布在海拔700 m以下，其中200 m以下分布面积最多，同时砍伐点数量也最多。为了更准确地分析公益林砍伐在各高程区间上发生的频率，计算各高程区间砍伐点数量和面积的比值，得到单位面积/km2砍伐点的数量，并分析砍伐点数量与高程间的关系，如图6所示（横坐标高程数值取这些点所在区间的上限）。从图6可知，随着海拔的升高，单位面积上公益林砍伐点的数量逐渐降低，说明发生公益林砍伐的频率逐渐降低。对点的分布进行曲线拟合，与指数函数的拟合程度最高，相关系数R2的数值为0.939 2，即随高程升高，砍伐频率逐渐降低的趋势显著。

表1   保亭县公益林面积及砍伐点数量在高程区间上的分布统计

Table 1  Distribution statistics of the area of public welfare forest and the number of felling points in elevation interval in Baoting County

高程区间/m公益林面积/km2砍伐点数量
100以下221.87234
100~200223.02172
200~300122.1249
300~40098.0722
400~50094.4410
500~60097.365
600~700103.377
700以上61.463

新窗口打开| 下载CSV


图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   保亭县公益林砍伐点数量与高程关系曲线

Fig. 6   Relationship curve between the number of felling points and elevation of public welfare forest in Baoting County


对保亭县不同坡度区间上公益林的分布面积和砍伐点的数量进行统计，如表2所示。保亭县山地地形崎岖，坡度区间跨度大，各坡度带的面积也相对平均，尤其是14°以下，各坡度区间的公益林面积都超过40 km2。但是砍伐点数量在6°以内坡度区间内相对较多。计算各坡度区间砍伐点数量和面积的比值，得到单位面积/km2砍伐点的数量，并分析砍伐点数量与坡度间的关系，如图7所示（横坐标坡度数值取这些点所在区间的上限）。坡度2°~3°区间，公益林砍伐频率最高，每1 km2的砍伐点数量超过1.1。6°以内的坡度区间公益林砍伐频率相对6°以上的坡度区间较高，单位面积砍伐点数量超过或接近0.6。坡度6°~13°的各区间内，单位面积砍伐点数量在0.1~0.4之间，而13°以上的各坡度区间单位面积砍伐点数量已经少于0.1。对点的分布进行曲线拟合，与指数函数的拟合程度最高，相关系数R2的数值为0.894 2，即随坡度升高，砍伐频率逐渐降低的趋势显著。

表2   保亭县公益林面积及砍伐点数量在坡度区间上的分布统计

Table 2  Distribution statistics of area and number of felling points of public welfare forest in slope interval in Baoting County

坡度区间

/°

公益林面积

/km2

砍伐点数量

坡度范围

/°

公益林面积

/km2

砍伐点数量/个
0~190.346210~1148.328
1~2128.8811311~1251.988
2~384.419412~1342.387
3~469.425713~1442.402
4~565.764214~1537.552
5~659.073415~1634.923
6~756.532216~1726.401
7~852.511817~1822.661
8~953.441418~1919.321
9~1051.931219以上11.871

新窗口打开| 下载CSV


图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   保亭县公益林砍伐点数量与坡度关系曲线

Fig.7   Relationship curve between the number of cutting points and slope of public welfare forest in Baoting County


4.3　保亭县公益林砍伐风险空间分布计算

根据上述统计结果，利用研究方法中砍伐风险的计算公式，得到人为活动集中区的各距离缓冲区、不同高程区间以及不同坡度区间的公益林砍伐风险数值（表3），进而分别形成保亭县人为活动、高程、坡度影响下的公益林砍伐风险空间分布图，并利用ArcMap栅格影像空间计算功能进行求和及归一化计算，得到最终的保亭县公益林砍伐风险空间分布结果，如图8所示。从图8可以看出，保亭县公益林呈现中部、东部中高风险区集中分布，其他区域中高风险区线状或零星分布的态势。城镇、村庄周边及道路沿线砍伐风险明显较高，后续是监测的重点区域，可以提高遥感监测和人工巡查的频次，适当增加更高分辨率遥感卫星监测的力度；高山区、陡坡区、公益林深处砍伐风险较小，可以以卫星遥感监测为主，适当降低人工巡查的频次，减少人力消耗。根据保亭公益林砍伐风险空间分布结果，合理分配遥感卫星监测与人工实地调查工作安排，有助于提高监测效率，降低人力成本，及时发现违规砍伐和建设活动，主动进行防范与管理，有利于推动林地的保护和管理，助推生态文明建设。

表3   人为活动集中区不同距离缓冲区、不同高程区间、不同坡度区间的砍伐风险计算结果

Table 3  Deforestation risk calculation results of buffer zone with different distance of human activity concentration area， different elevation interval and different slope interval

人为活动集中区缓冲区/m砍伐风险高程区间 /m砍伐风险坡度区间 /°砍伐风险
0~100100100以下1000~162
100~20034100~200731~279
200~30027200~300382~3100
300~40018300~400213~474
400~50013400~500104~557
500~60011500~60055~652
600~7006600~70066~735
700~8006700以上57~831
800~90038~924
900~100029~1021
1 000~1 100310~1115
1 100~1 200211~1214
1 200~1 400212~1315
1 400~1 600213~144
1 600~2 000214~155
15~168
16~173
17~184
18~195
19以上8

新窗口打开| 下载CSV


图8

新窗口打开| 下载原图ZIP| 生成PPT

图8   保亭县公益林砍伐风险空间分布

Fig.8   Spatial distribution of deforestation risk of public welfare forest in Baoting County


5 结 论

本研究基于多源遥感数据所获得的保亭县公益林2017~2019年高频次监测的林地变化图斑，利用空间聚合、相关性分析等方法，分析了林地砍伐分布点与居住点或人类活动频繁分布区域以及地形地貌等因素的相关关系，实现对公益林砍伐风险的评估。研究得到以下结论：①距村镇、耕地等人为活动较为强烈区域的距离越近，公益林砍伐事件发生的频率越高，尤其是距离100 m以内，保亭县公益林40%以上砍伐事件发生在这个区域范围。②公益林砍伐频率与其所处区域高程、坡度呈负相关关系。高程越低、坡度越缓，发生公益林砍伐的频率越高。对保亭县公益林来说，高程200 m以下，坡度6°以内区域，是公益林砍伐事件高发区。③保亭县公益林砍伐中高风险区呈现大区域集中分布、小区域线状或点状聚集分布趋势，村镇、耕地等低海拔缓坡区域及其周边、主要道路沿线缓冲区是监测管理的重点。

林地砍伐发生区域的空间特征与风险评估能够为林地的有效保护和管理提供科学的依据与支持，有利于提升林地监管水平的推进。但是，遥感监测难以判断砍伐事件是否违规，因此砍伐点的实地调查工作仍不可替代。同时，风险评估还需在更大区域、更长时间范围的研究中加以修正，以提高评估结果的准确性。此外，本研究是基于海南山区公益林开展的，其规律是具有地方特殊性还是区域普遍性，是仅适用于南方山区，还是在更大范围内均具有这种特性，仍需在全国其他区域持续开展相关研究工作，加以对比分析和验证。

参考文献

Zhao Haifeng， Xu Ming.

Estimating the values of forest ecosystems in conserving rare and endangered animals in Sichuan Province

［J］. Journal of Natural Resources， 2016， 31（5）： 789-799.

[本文引用: 1]

赵海凤， 徐明.

四川省森林生态系统对野生珍稀濒危动物的保护价值计量研究

［J］. 自然资源学报， 2016， 31（5）： 789-799.

[本文引用: 1]

Wu Honggan， Wang Chengbo， Miao Zhenwang， et al.

Study on early warning technology of sub-health state of forest resources with spaceborne remote sensing

［J］. Remote Sensing Technology and Application，2021，36（5）：1121-1130.

[本文引用: 1]

武红敢，王成波，苗振旺，等.

森林资源亚健康状态的卫星遥感预警技术研究

［J］. 遥感技术与应用，2021，36（5）：1121-1130.

[本文引用: 1]

Han Chun， Chen Ning， Sun Bin， et al.

A review on hydrological mediating functions and mechanisms in forest ecosystems

［J］. Chinese Journal of Ecology， 2019， 38（7）： 2191-2199.

韩春， 陈宁， 孙杉， 等.

森林生态系统水文调节功能及机制研究进展

［J］. 生态学杂志， 2019， 38（7）： 2191-2199.

Wu Shuang， Yan Xiaodong， Zhang Lijuan.

The relationship between forest ecosystem emergy and forestecosystem service value in China

［J］. Acta Geographica Sinica，2014，69（3）：334-342.

吴霜， 延晓冬， 张丽娟.

中国森林生态系统能值与服务功能价值的关系

［J］. 地理学报， 2014， 69（3）： 334-342.

Hao Jinlong， Wang Lixin， Han Hairong， et al.

Research advances and trends in forest ecosystem services value evaluation

［J］. Chinese Journal of Ecology，2013，32（8）：2229-2237.

赵金龙，王泺鑫，韩海荣，等.

森林生态系统服务功能价值评估研究进展与趋势

［J］. 生态学杂志，2013，32（8）：2229-2237.

Yan Wei， Zhou Wen， Yi Lilong， et al.

Research progress of remote sensing classification and change monitoring on forest types

［J］.Remote Sensing Technology and Application，2019， 34（3）：445-454.

[本文引用: 1]

颜伟， 周雯， 易利龙， 等.

森林类型遥感分类及变化监测研究进展

［J］. 遥感技术与应用， 2019， 34（3）： 445-454.

[本文引用: 1]

Zhang Jinliang， Wu Wenyue， Kong Yuguang， et al.

Dynamics of forestland transfer and its influence in East China

［J］. Forest Resources Management，2019（2）：1-6.

[本文引用: 1]

张金良， 吴文跃， 孔雨光， 等.

华东监测区林地转移动态及影响分析

［J］. 林业资源管理， 2019（2）： 1-6.

[本文引用: 1]

Frohn R C， Mcgwire K C， Dale V H， et al.

Using satellite remote sensing analysis to evaluate a socio-economic and ecological model of deforestation in Rondonia， Brazil

［J］. International Journal of Remote Sensing， 1996， 17（16）： 3233-3255.

[本文引用: 1]

Alfred B Y， Ayuba H K， Kigun P A， et al.

Establishing the rates of deforestation using CIS and remote sensing tools in Shendam District， Plateau State， Nigeria

［J］. Journal of Environment and Earth Science， 2017， 7（7）： 130-147.

[本文引用: 1]

Seonghyeok L， Kukjin H， Kwon L， et al.

Classification of landscape affected by deforestation using high-resolution remote sensing data and deep-learning techniques

［J］. Remote Sensing， 2020， 12（20）： 3372. DOI：10.3390/rs12203372 .

[本文引用: 1]

Zhang Yi， Yang Bogang， Wang Miao， et al.

Study on the spatial changes and driving forces of forest land in Beijing-Tianjin-Hebei Region

［J］. Science of Surveying and Mapping，2020，45（9）：104-110.

[本文引用: 1]

张译， 杨伯钢， 王淼， 等.

京津冀地区林地空间变化及驱动力研究

［J］. 测绘科学， 2020， 45（9）： 104-110.

[本文引用: 1]

Zhang Qingyu， Bai Hongying， Sun Hua， et al.

Spatial-temporal change and its driving forces in woodlands in the Shangluo section of the Qinling Mountains over the last 30 years

［J］. Acta Scientiae Circumstantiae， 2010， 30（2）： 424-430.

张清雨， 白红英， 孙华， 等.

近30年秦岭山地商洛段林地类型时空变化及其驱动力

［J］. 环境科学学报， 2010， 30（2）： 424-430.

Li Luoxi， Shen Runping， Li Xinhui， et al.

Research progress of remote sensing classification and change monitoring on forest types

［J］. Remote Sensing Technology and Application， 2016， 31（6）：1083-1090.

[本文引用: 1]

李洛晞， 沈润平， 李鑫慧， 等.

基于MODIS时间序列森林扰动监测指数比较研究

［J］. 遥感技术与应用， 2016， 31（6）： 1083-1090.

[本文引用: 1]

Li Xiufen， Su Lei， Zhang Jinxin， et al.

Spatiotemporal variation characteristics and influencing factors of protection forests after their 30 years construction in Northwest Shanxi Province of China

［J］. Chinese Journal of Ecology， 2013， 32（9）： 2382-2389.

[本文引用: 1]

李秀芬， 苏蕾， 张金鑫， 等.

晋西北防护林30年来时空变化特征及影响要素

［J］. 生态学杂志， 2013， 32（9）： 2382-2389.

[本文引用: 1]

Guo Xiaoning， Qi Yuan， Wang Jian， et al.

The research of forest ecosystem and their valuation of Gansu Province based on remote sensing and GIS

［J］. Remote Sensing Technology and Application， 2009， 24（2）： 217-222，123.

[本文引用: 1]

郭晓宁，祁元， 王建， 等.

基于遥感和GIS的甘肃省森林生态面积调查与价值评估

［J］. 遥感技术与应用，2009，24（2）：217-222，123.

[本文引用: 1]

Chen Bin， Yang Dingtian， Xu Shangzhao， et al.

Analysis of spatial and temporal changes and attribution discrimination of forestland in Hubei Province from 1990 to 2015

［J］. Ecological Science， 2021， 40（6）： 125-132.

[本文引用: 1]

陈斌， 杨顶田， 徐尚昭， 等.

1990~2015年湖北省林地遥感制图与时空变化分析

［J］. 生态科学， 2021， 40（6）： 125-132.

[本文引用: 1]

Wang Shujing， Lai Peiyu， Hao Binfei， et al.

Remote sensing monitoring and spatio-temporal pattern of deforestation in Southwest China from 2001 to 2019

［J］. Remote Sensing Te-chnology and Application， 2021，36（3）：552-563.

[本文引用: 1]

王淑静， 赖佩玉， 郝斌飞， 等.

西南地区2001~2019年森林损失特征遥感监测与时空分析

［J］. 遥感技术与应用，2021，36（3）： 552-563.

[本文引用: 1]

Kuerban Z， Maying Z， Tusiyiti A， et al.

Analysis of land use change and driving force of Bole City based on remote sensing image

［J］. Agricultural Biotechnology， 2018， 7（4）： 229-235.

[本文引用: 1]

Mezgebu A， Workineh G.

Changes and drivers of Afro-alpine forest ecosystem： Future trajectories and management strategies in Bale Eco-region， Ethiopia

［J］. Ecological Processes， 2017， 6（1）. DOI：10.1186/s13717-017-0108-2 .

Huang Qingfeng， Cheng Zhang.

Analysis of forest resources current situation based on GIS

［J］. Remote Sensing Technology and Application，2002，16（2）：78-80.

黄庆丰，程长.

基于GIS的森林资源现状分析

［J］.遥感技术与应用，2002，16（2）：78-80.

Qin Xianlin， Chen Erxue， Li Zengyuan， et al.

Forest cover change monitoring using MODIS data

［J］. Remote Sensing Technology and Application， 2006，20（3）：178-183.

[本文引用: 1]

覃先林， 陈尔学， 李增元， 等.

基于MODIS数据的森林覆盖变化监测方法研究

［J］. 遥感技术与应用， 2006，20（3）：178-183.

[本文引用: 1]

Zhou Jianing， Zhang Jie， Li Tianhong.

Bashang forest change monitoring with multi-temporal MODIS images and random forest algorithm

［J］.Acta Scientiarum Naturalium Universitatis Pekinensis，2018，54（4）：792-800.

[本文引用: 1]

周佳宁，张洁，李天宏.

基于MODIS影像和随机森林算法的河北坝上林地动态监测

［J］. 北京大学学报（自然科学版）， 2018，54（4）：792-800.

[本文引用: 1]

Li Ting， Guo Yonggang.

Analysis of forest land dynamic monitoring data in Nyingchi County based on remote sensing technology

［J］. Journal of Plateau Agriculture， 2019， 3（4）： 367-372.

[本文引用: 1]

李廷， 郭永刚.

基于遥感技术的林芝县林地动态监测数据的分析

［J］. 高原农业， 2019， 3（4）： 367-372.

[本文引用: 1]

Mei Shuhong， Fan Chengcheng， Liao Yongsheng， et al.

Forestland change detection based on spectral and texture features

［J］. Bulletin of Surveying and Mapping， 2019（8）：140-143.

[本文引用: 1]

梅树红， 范城城， 廖永生， 等.

结合光谱和纹理特征的林地变更检测

［J］. 测绘通报， 2019（8）： 140-143.

[本文引用: 1]

Li Chungan， Liang Wenhai.

Forest change detection using remote sensing image based on object-oriented change vector analysis

［J］. Remote Sensing for Land & Resources，2017，29（3）：77-84.

李春干， 梁文海.

基于面向对象变化向量分析法的遥感影像森林变化检测

［J］. 国土资源遥感， 2017， 29（3）： 77-84.

Silva C A， Guerrisi G， Del F F， et al.

Near-real time deforestation detection in the Brazilian Amazon with Sentinel-1 and neural networks

［J］. European Journal of Remote Sensing， 2022， 55（1）： 129-149.

Huan Hai， Zhu Rongrong， Zhang Hao， et al.

Remote sensing image forestland detection based on multi⁃scale feature fusion network

［J］.Modern Electronics Technique，2022，45（4）： 165-170.

宦海， 朱蓉蓉， 张浩， 等.

多尺度特征融合网络的遥感图像林地检测

［J］. 现代电子技术，2022，45（4）： 165-170.

Liu Ziyuan， Chen Fei， Song Kangming.

Study on forest change detection methods based on high-resolution remote sensing images

［J］. Geomatics & Spatial Information Technology， 2021， 44（12）： 153-155.

刘自远， 陈飞， 宋康明.

基于高分辨率遥感影像的林地变化检测方法研究

［J］. 测绘与空间地理信息， 2021， 44（12）： 153-155.

Wang Chongyang， Tian Xin.

Forest cover change detection based on GF-1 PMS data

［J］. Remote Sensing Technology and Application， 2021， 36（1）： 208-216.

[本文引用: 1]

王崇阳， 田昕.

基于GF-1 PMS数据的森林覆盖变化检测

［J］. 遥感技术与应用， 2021， 36（1）： 208-216.

[本文引用: 1]

Xie Min， Gong Zhiwen.

Forest resource monitoring and driving force analysis based on high-resolution satellite images

［J］. Journal of Central South University of Forestry & Technology，2019，39（5）：30-36.

[本文引用: 1]

谢敏， 龚直文.

基于高分辨率卫星影像的森林资源动态变化监测与驱动力分析

［J］. 中南林业科技大学学报， 2019， 39（5）： 30-36.

[本文引用: 1]

Mao Shuangshuang.

Research on forest land change detection based on object oriented classification of GF-1

［D］. Nanning： Guangxi University， 2018.

[本文引用: 1]

毛双双.

基于高分一号面向对象分类后林地变化检测研究

［D］. 南宁：广西大学，2018.

[本文引用: 1]

Zhang Huifang， Feng Pengfei， Gao Jian， et al.

Monitoring the effect of natural resources protection in the Xitianshan National Nature Reserve from 2015 to 2018

［J］. Forest Science and Technology， 2020（7）： 51-56.

[本文引用: 1]

张绘芳， 冯鹏飞， 高健， 等.

2015~2018年西天山国家级自然保护区自然资源保护成效监测

［J］. 林业科技通讯， 2020（7）： 51-56.

[本文引用: 1]

/

〈 〉