森林覆盖率是衡量一个区域森林资源禀赋与生态状况的核心指标，直接用于政府绩效考核、林地保护利用规划与生态补偿测算。过去这项工作高度依赖人工在影像上勾绘图斑，效率低、主观性强、不同作业员之间的判读差异大。高分影像普及之后，「自动提取」成为可能，但真正做到可用、经得起核查，关键在于把预处理、特征构建、阈值确定和干扰剔除这几件事做扎实。

本文按作业顺序展开：先讲清楚森林覆盖率的统计口径，再进入影像预处理、植被指数与分类阈值，最后讨论乔木林郁闭度判读以及阴影、云雪等干扰的处置，并给出精度评价与自查清单。

一、先统一口径：森林覆盖率到底统计什么

自动提取的第一个坑，往往不是算法而是口径。森林覆盖率的定义是森林面积占土地总面积的百分比，而「森林面积」的口径取决于所依据的技术标准与统计制度。

• 按森林资源调查口径，森林通常包括乔木林地、竹林地，以及国家特别规定的灌木林地；乔木林地的判定与郁闭度直接相关。
• 地类划分应依据《林地分类》（LY/T 1812—2021），林地与国土口径地类的对应关系则参考《土地利用现状分类》（GB/T 21010—2017）。
• 调查与统计的技术要求，以《森林资源规划设计调查技术规程》（GB/T 26424—2026）为准；宏观动态可参考《森林资源连续清查技术规程》（GB/T 38590—2020）。

需要特别注意版本问题：GB/T 26424—2026 已于 2026 年 8 月 28 日发布、将于 2027 年 3 月 1 日起实施，全部代替 2010 版，并对接了国土空间调查体系、纳入了高分遥感与机载激光雷达等手段。承接项目时应在合同中明确执行版本，否则不同单位算出来的覆盖率可能对不上。

二、影像预处理：精度从这里就开始流失

自动提取的误差，很大一部分来自预处理没做干净。建议按下列顺序作业：

2.1 辐射与大气处理

先做辐射定标、大气校正与相对辐射归一化，把不同传感器、不同太阳高度角、不同大气条件下的光谱值拉回同一尺度。若两期影像未做归一化，同一地物的光谱差异可能大于真实变化，后续阈值无从谈起。

2.2 几何校正与正射纠正

用 DEM 做正射纠正是山区作业的必选项。山区存在明显投影差，若不纠正，山体两侧阴坡、阳坡的同一地块会在图面上「错位」，勾绘出的图斑面积系统性偏大。配准残差建议控制在 1 个像元以内。

2.3 云雪掩膜与镶嵌匀色

用云检测算法生成云与云影掩膜，雪则按波段阈值或归一化雪指数提取。多景镶嵌时做好匀色，避免镶嵌缝被误判为地物变化。

三、植被指数与特征构建

植被指数是区分森林与非森林的基础。高分多光谱影像通常含近红外波段，常用指数有：

• NDVI：最常用的绿度指标，对茂密植被易饱和，适合林与非林的分界；
• EVI 或 SAVI：引入土壤与大气调节项，在植被稀疏或土壤背景明显时更稳定；
• NDWI 或 MNDWI：识别水体与湿地，用于排除水域、水田；
• 红边指数：若影像含红边波段，对植被类型与郁闭度差异更敏感。

实务中很少只靠单一指数，而是把光谱特征、植被指数、纹理特征与地形因子（高程、坡度、坡向）组合成特征集，再送入分类器。纹理特征对区分郁闭度不同的林分尤其有用。

四、分类与阈值确定

提取方法大致三条路线：

1. 指数阈值法：设定 NDVI 等指数阈值直接切分，速度快、可解释性强，适合大范围初判；
2. 监督分类：最大似然、支持向量机、随机森林等，需要足量、可靠的训练样本；
3. 面向对象分类：先做影像分割再按对象分类，能较好抑制「椒盐噪声」，适合图斑边界要求较高的成果。

阈值设置建议分级设阈、分区复核：影像质量好、地形平缓的区域可适当放宽阈值；山区、阴影区、云雪覆盖区则收紧阈值并强制人工判读，把人工力量集中在真正的疑难区域。阈值不是一次定死的，通常要用样地实测数据反复回代校准。

五、乔木林郁闭度判读

乔木林地是森林面积的主体，其判定与郁闭度直接绑定。按现行调查口径，乔木林的郁闭度须达到0.20（含）以上，郁闭度低于该标准的疏林不计入乔木林地。遥感判读郁闭度常采用两种思路：

• 光谱反演：用植被指数与郁闭度的经验关系建立回归模型，适用于大范围快速估算；
• 冠层覆盖度提取：从高分影像或三维数据中提取树冠垂直投影覆盖比例，更接近郁闭度的定义，但对影像分辨率和分割精度要求较高。

郁闭度判读的边界样本（0.15 至 0.25 区间）最容易出错，建议这一类图斑一律结合地面样地或高精度三维数据核实，不要仅凭影像目估。判读结果最终要落界上图，并衔接森林资源管理「一张图」年度更新技术要点中的图斑与属性规则。

六、阴影、云雪干扰的处理

干扰剔除是自动提取能否落地的分水岭。常见干扰与处置方式如下：

• 山体阴影：用 DEM 与太阳方位角、高度角模拟阴影范围，生成阴影掩膜；阴坡植被指数偏低，须单独建模或人工判读。
• 云与云影：生成云掩膜后，优先用同物候期、时间邻近的其他影像补全；确实无法补全的区域标注为「未判读」，不参与统计。
• 雪被：冬季积雪会把非林地误判为高覆盖植被，须用归一化雪指数剔除；高海拔常雪区应改用无雪期影像。
• 季相差异：落叶林、竹林、农作物的季相变化会产生大量伪变化，两期影像应尽量选取同一物候期。

这些干扰不能完全靠算法自动剔除，最终的判读确认环节必须保留人工复核。

七、精度评价与自查

成果提交前应做定量精度评价。常用做法是用分层随机抽样布设验证点，构建混淆矩阵，计算总体精度、生产者精度、用户精度与 Kappa 系数。森林与非森林的二分类，总体精度一般应达到 90% 以上；郁闭度分级评价的精度要求相对宽松，但每个等级都应有足量验证样本。

自查时重点核对四件事：口径是否统一、云雪阴影是否剔净、边界样本是否逐一核实、面积汇总是否与统计表一致。这四项里，前两项决定结果准不准，后两项决定成果能不能被接受。

结语

森林覆盖率的自动提取，难点不在算法本身，而在于口径统一、预处理干净、阈值合理和干扰剔除彻底。把这四步做扎实，自动提取的结果才经得起核查、能进入正式的统计报表。

福州木源纪林业生态科技有限公司承接森林资源调查监测、高分遥感解译与森林资源管理「一张图」更新等业务，具备从影像预处理、植被信息提取到专题成图与成果建库的作业能力。欢迎就本文涉及的技术细节与我们交流，也欢迎有相关需求的单位通过联系我们页面洽谈。