||遥感影像植被信息提取方法研究及思考

学术 2024-10-09 18:01 云南

点击上方蓝字可加关注

微信公号：ArcGisdada

互助、共享、学习

张海霞，卞正富

来源：地理空间信息2007年12月

摘要:

从植被光谱特征出发，对植被信息提取的方法和现状进行了综述，其中主要介绍了几种具有代表性的植被提取方法，如:植被指数提取法、NDVI 与波段合成法、HIS融合法、分级分类提取法、基于知识库提取法等，对各种方法的原理、特点、优势与限制进行了分析、对比、思考，并展望了下一步研究方向。

关键词:

遥感影像；植被信息提取；光谱特征；波段

植被调查是遥感的重要应用领域。植被是环境的重要组成因子，是反映区域生态环境的最好标志之一，同时也是土壤、水文等要素的解译标志^[1]。因此，对遥感影像上的植被信息进行解译并提取就显得尤为重要。遥感影像上植被信息的提取包括城区植被(绿地)信息的提取和非城区(农用地、山区及干旱半干旱地区)植被信息的提取。城区植被在改善城市生态环境、人与自然的和谐相处过程中，起着积极的作用。对城区植被进行提取，可动态监测城市绿地的消长，从而有利于科学、有效地管理城市，为城市绿地系统规划提供科学的依据和评价标准。对于非城区，尤其是干旱半干旱区，土地荒漠化比较严重，通过动态监测植被的覆盖度及其变化，从而为区域环境、水文、生态及全球变化的掌握提供一定的依据。近年来，研究人员提出了各种理论和方法用于从遥感影像中提取植被信息，所用方法大致可分为两类:第一类是从地物光谱特征入手,通过比较地物光谱特征的差异，进而获得所需信息，这种方法目前较为成熟;第二类是结合外在知识获得所需信息，如利用专家知识、采用神经网络、小波变换、借助GIS等，这些新方法在近年来的植被信息提取中也逐渐发挥作用。本文从遥感影像上植被的光谱特征出发，对近年来植被信息提取的研究状况进行分析和总结，并尝试展望植被特征提取的进一步发展方向。

1植被的光谱特征

植被的光谱特征可使其在遥感影像上有效地与其他地物相区别。绿色植物体内的各种色素，尤其是叶绿素是控制植物在可见光波段光谱特征的主要因素。叶绿素的吸收带位于0.45μm、0.65μm处，在0.55μm附近则为反射峰，使叶子表现为绿色，0.45μm、0.55μm和0.65μm三个特征峰值分别对应蓝、绿、红三个波段。而在近红外波段，由于植物细胞和细胞间空隙对电磁波的多重反射，使叶子很少吸收红外辐射能，因而在0.70μm附近反射率曲线迅速上升，形成一个“陡坡”，至1.1μm附近有一峰值，形成植被的独有特征。这是由于植被叶细胞结构的影响，除了吸收和透射的部分，形成的高反射率。在中红外波段(1.3~ 2.5μm) 受到绿色植物含水率的影响，吸收率大增，反射率大大下降，特别以1.45μm、1.95μm和2.7μm为中心是水的吸收带，形成低谷。植被所特有的强反射峰及吸收谷的存在为植被信息特征的提取提供了强有力的依据。遥感影像上的植被信息，.就是通过绿色植被叶子和植被冠层的光谱特性及其差异、变化来反映的。.

2植被信息提取方法的研究现状

2.1原始波段合成法

遥感影像专题信息的提取必须选择合适的波段或波段组合。目前，利用人为经验进行定性分析、判断来选择符合信息提取要求的波段数据，仍是普遍采用的方法。如Landsat7的TM4 (近红外波段)、TM3(红色波段)和TM2 (绿色波段)在一定程度上都反映了植被信息，特别是TM4波段，其对应于植被的反射峰，植被信息更加明显。因此，RGB432彩色合成经常被用于植被的遥感解译。此外，由于RGB543彩色合成影像类似于真彩色，因此，RGB543 也是一种常用的彩色合成方式。对于其他的遥感影像，如SPOT影像的432波段、QuickBird影像的432波段等与TM432一样,均可直接组合进行植被信息的提取。马明国^[2]等人采用TM影像的432原始波段合成法对金塔绿洲以目视解译的方法提取出植被等信息，并进行景观格局变化研究，证明采用该方法可以较好地提取植被信息。无须考虑波段所含信息量的多少，以及波段之间相关性的大小，即可直接组合使用是采用该方法的优点。其不足之处在于提取的植被信息精度相对较低。

2.2植被指数提取法

植被指数已广泛用来定性和定量评价植被覆盖及其生长活力，国内外学者的研究证实了植被指数法在遥感影像植被提取和植被分类中比较有效，可以达到较高的精度。植被指数(VI) 是基于植被叶绿素在0.65 um处的强吸收，通过红外与近红外波段的比值或线性组合来实现对植被信息状态的表达。常用的植被指数有归一化植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI) 和垂直植被指数(PVI)、绿度植被指数(GVI) 等，这些指数法主要是通过将各波段反射率以不同形式进行组合来消除外在因素的影响，这些线性组合或波段比值的指数可满足特定的遥感应用^[3,4]。差值植被指数对土壤背景的变化极为敏感，有利于对植被生态环境的监测，又称环境植被指数(EVI)，该方法通常用于植被环境监测方面。RVI对大气影响敏感，而且当植被覆盖不够浓密时，RVI 方法的分辨能力很弱，因此适合用于植被覆盖浓密的影像。对于戴昌达^[5]等人提出的PVI,由于土壤背景的作用，当植被覆盖稀疏时，红波段辐射增加，近红外辐射减小，使得PVI不能很好地提取植被信息，这一点同RVI。GVI是各波段辐射亮度值的加权和，而辐射亮度是大气辐射、太阳辐射、环境辐射的综合结果，所以GVI受外界条件影响大。NDVI对绿色植被表现敏感，该指数常用来进行区域和全球植被状态研究，对低密度植被覆盖，NDVI 也较敏感。研究发现，在众多植被指数中，NDVI是优先考虑的遥感监测指数。赵鹏祥同等对三种影像增强方法(密度分割、差值运算、植被指数)进行了比较，证明了利用植被指数进行植被信息提取效果较好。

2.3 NDVI 与波段组合法

在研究植被信息的提取时，如果遥感影像的研究区内有山地，地形起伏将会造成地表光照条件不一致，这时就会使同类植物在遥感影像上出现不同的灰度或异类植物却呈现相同的灰度。因此，对遥感影像地物波谱信息造成的影响程度便会较高，从而导致误分类。而NDVI植被指数具有波段比值特性，因此该方法在一定程度上避免了辐射、地形及某些其他因素的影响^[7]。再加上原始多波段影像包含较多的光谱信息，将两者结合起来使用，效果会更好。赵丽丽^[8]等采用ETM+影像在对深圳市植被(绿地)信息进行提取时对三种影像增强方法(原始波段组合、差值运算、NDVI与其他波段组合)进行了比较，结果表明NDVI与TM4、TM3波段组合对于绿地信息的提取效果最佳。周文佐^[9]等应用TM影像对南京城市景观生态格局尝试用NDVI波段及其他波段组合进行解译，植被提取效果也较好。实验表明，NDVI与其他波段组合使用对于提取植被信息效果优于原始波段组合。

2.4 HIS变换融合法

HIS变换是指影像从RCB空间到HIS空间之间的变换，是像素级融合方法的代表^[10]。HIS变换用于植被信息提取的优势在于，它可以将影像的空间特征(I分量)和光谱特征(H、S分量)进行分离，从而达到提高空间分辨率和增强植被光谱特征的目的^[10]。由于HIS变换是一种影像增强和信息综合的方法，具有灵活使用的优点，因此产生了多种HIS变换模型。依据H、1、S三个分量计算公式的不同，典型的HIS彩色变换有球体、柱体、三角形和单六角锥形等四种不同的彩色变换模型。对于HIS彩色变换，其研究重点主要集中在两方面:其一在光谱扭曲上。由于高空间分辨率影像与低空间分辨率多光谱影像在获取时受成像特性(光谱敏感性、光谱范围等)、光照条件(气候、时间、季节等)、地形起伏和地物变化等因素的影响，全色影像与明度影像(I分量所得影像)不可能完全相关，因此该方法在融合过程中存在光谱特性的扭曲。目前，一些学者正尝试研究降低HIS变换对多光谱影像光谱扭曲程度的新方法，如李新涛^[11]等人提出的小波变换与HIS相结合的融合方法在总体性能上优于单一的HIS变换融合法，在增强融合影像的空间细节表现能力的同时，光谱扭曲相对较少,较好地保留了多光谱影像的光谱信息，从而提高了植被信息的提取精度。其中，也有一些方法通过直方图匹配和线性加权的方法降低了光谱的扭曲值^[12,13]。其二在变换公式上，针对这四种不同HIS变换公式，霍宏涛^[13]等在植被信息提取的过程中进行了比较，得出球体变换融合图像的信息量、标准差和光谱扭曲值等统计指标从整体上优于其他变换，从而得出结论:球体变换融合公式为植被信息提取的最佳变换公式。贾永红^[14]在对不同空间分辨率之比的三套遥感影像数据进行融合的试验中也证明了这一一点。

2.5其他植被提取方法

1)分级分类提取法。该方法首先对各种地物光谱特征进行分析，然后根据植被与其他地物光谱特征的差异，通过分级分类提取并掩膜的方法，对影像逐级提取植被信息。张友水^[15]等以南京城市为例，讨论了基于IKONOS影像的城市植被信息分级分类提取方法，通过将IKONOS多光谱数据合成，并根据各类地物的不同光谱特征，采取相应的方法提取出各层信息。该方法充分考虑各类目标的不同特点，避免了通常单一分类方法中单纯利用光谱特征所造成的地物混分现象，所提取的植被混分现象减少，结果的可信度也较高。

2)基于知识库分类法的植被提取。专家系统是一类计算机应用，它主要基于一系列某一领域专家所定义的规则、条件或假设解决某一问题或做出决策。这些规则集就是所谓的知识库，也叫做决策树^[16]。它通过图解组装成一个树形结构。其中，每一规则表达了一个问题，其答案被下送到含有条件查询的新的分支上，并借助于各种带有因果关系的知识进行推理，从而得出结论。王旭红^[17]等通过研究地物在航空影像上光谱信息、纹理特征以及地物分布的地带性特征，与地面坡度、起伏度、地理位置和海拔高度的关系等地学知识，运用计算机技术、人工智能、遥感影像处理和地理信息技术，建立用于太白红杉地物提取的知识规则库，提出一套基于知识的适用于太白红杉地物提取数据生产的实用系统和方法。甘淑^[18]等在自然环境复杂多样的云南山区植被信息提取中运用了专家系统技术，证明该方法具有较为突出的先进性和实用性。

3)小波变换的纹理测度法。该方法针对影像中进行植被区域提取的随机性和复杂性，采用一种基于小波的Laws纹理测度进行植被提取的算法，它的特点是先用小波变换将影像变换到不同的尺度层上，然后再在多尺度层上提取Laws纹理测度，形成植被区域的特征。与植被提取法相比，它用到了不同频率上纹理的Laws信息，从而更准确地刻画了植被区域的纹理特征。试验结果表明，基于小波变换的Laws纹理测度对植被有较好的分割效果^[19]。但该方法也存在不足之处:对于区域的部分地方，如道路上有植被的情况过分敏感，这样会出现误提的现象。

3结语

目前，遥感影像中植被信息的提取方法逐渐增多,但原始波段合成法、植被指数法仍是植被信息提取中使用较多的方法。近年来，随着计算机技术的飞速发展，利用计算机进行遥感专题信息的提取成了遥感技术应用的一个重要组成部分。遥感技术的改进促使遥感专题信息的提取方法也在不断地改进，这就使专家系统、小波分析等原来实现困难的新方法也在植被信息的提取中逐渐发挥作用。虽然这些新方法提取的植被信息可信度较高，但也存在一定的不足。因此，将各方面的信息加以综合利用，进而提高遥感影像上植被信息提取精度，从而更好地为环境监测、生态保护、农业、林业等有关部门提供服务就显得尤为迫切，同时，这也是研究人员努力探索的方向之:--。

参考文献：

[1] 梅安新,彭望球,秦其明,等,遥感导论[M].北京:高等教育出版社,2001

[2] 马明国，王雪梅，角媛梅,等.基于RS与GIS的干旱区绿洲景观格局变化研究[J].中国沙漠,2003,23( 1):53-58

[3]陈述彭,赵英时,遥感地学分析[M].北京:测绘出版社, 1990

[4] Gilabert M A, Gonzalez-Piqueras J, Garcia-HaroF J, etal. AGencralized Soil-adjusted Vegetation Index [J]. Remote Sensing of Environment, 2002, 82: 303-310.

[5] 戴昌达,姜小光.唐伶俐,遥感影像应用处理与分析[M].北京: 清华大学出版社,2004

[6]赵鹏祥,刘建军，王得祥,等.基于RS的绿地信息提取方法的研究——以延安市及环城地区为例[J].西北林学院学报，2003,18(2):91-94

[7]李晚琴，孙丹峰，张凤荣.北京山区植被覆被率遥感制图与景观格局分析[J].国土资源遥感,2003(1):23-28

[8] 赵丽丽,赵云升,张建辉,等.基于ETM+的深圳市绿地信息提取方法研究[J].遥感技术与应用,2005 ,20(6):596-600

[9]周文佐,潘剑君,刘高焕. 南京市城市绿地现状遥感分析[J].遥感技术与应用,2002, 17(1):22-26

[10]霍宏涛,王任华,冯仲科,不同IHS变换公式在植被信息提取中的比较研究[J].北京林业大学学报,2004 ,26(6):40-43

[1]李新涛,王昱IHS变换和小波变换相结合的遥感影像融合[J].测绘科学与工程,2005 ,25(3):9-13

[12] 贾永红.遥感多光谱影像空间分辨力增强的融合方法[J].遥感技术与应用,1997, 12(1):19-23

[13] 陈彩芬,舒宁.SAR影像与TM影像的几种融合处理方法[J].国土资源遥感, 9994):53-56

[14] 贾永紅.多源遥感影像数据融合技术[M].北京:测绘出版社，2005

[15] 张友水,冯学智,都金康，等.IKONOS影像在城市绿地提取中的应用[J].地理研究,2004,23(2):274-280

[16] JordanL E.更易于从新的地理数据中提取信息的专家分类系统[J].遥感信息,200(11):49-50