基于OLI影像植被覆蓋度估算探索

張星星，何政偉，趙銀兵，何雅楓

（1.成都理工大學(xué) 地球科學(xué)學(xué)院，四川 成都610059；2.地質(zhì)災(zāi)害防治與地質(zhì)環(huán)境保護(hù)國家重點(diǎn)實驗室，四川 成都 610059；3.成都理工大學(xué) 旅游與城鄉(xiāng)規(guī)劃學(xué)院，四川 成都 610059）

基于OLI影像植被覆蓋度估算探索

張星星1，何政偉2，趙銀兵3，何雅楓1

（1.成都理工大學(xué) 地球科學(xué)學(xué)院，四川 成都610059；2.地質(zhì)災(zāi)害防治與地質(zhì)環(huán)境保護(hù)國家重點(diǎn)實驗室，四川 成都 610059；3.成都理工大學(xué) 旅游與城鄉(xiāng)規(guī)劃學(xué)院，四川 成都 610059）

選取Landsat8獲取的4幅OLI遙感影像，在ENVI5.1遙感圖像處理軟件中，對影像進(jìn)行輻射定標(biāo)、FLAASH大氣校正、圖像鑲嵌等一系列預(yù)處理后，利用基于NDVI的像元二分模型，推算出植被覆蓋度(FVC)。依據(jù)FVC的不同進(jìn)行密度切割、分層設(shè)色，得到該區(qū)域的植被覆蓋度圖。該獲取大區(qū)域植被覆蓋度圖的工作方案簡單易行，為遙感影像實現(xiàn)區(qū)域植被覆蓋度動態(tài)研究提供了參考。

FVC；OLI影像；NDVI；遙感估算；ENVI5.1

FVC是植被垂直投影面積與地表面積的百分比，是描述植被覆蓋的一個重要參數(shù)，對揭示地表空間變化規(guī)律及驅(qū)動因子、評價區(qū)域生態(tài)環(huán)境具有重要意義[1]。傳統(tǒng)獲取FVC的方法為地面測量，具體包括采樣法、儀器法、照相法、目測法等[2]。以上方法由于受到自然條件限制，且需要耗費(fèi)大量人力物力，只適用于小范圍尺度的研究。隨著遙感技術(shù)的飛速發(fā)展，出現(xiàn)了多種利用不同遙感影像，實現(xiàn)區(qū)域FVC監(jiān)測的方法，高光譜數(shù)據(jù)、多光譜數(shù)據(jù)、微波數(shù)據(jù)、激光雷達(dá)數(shù)據(jù)均可用于植被覆蓋度的研究，且各有優(yōu)勢。多光譜數(shù)據(jù)由于其數(shù)據(jù)易于獲取、覆蓋范圍大、可連續(xù)觀測等優(yōu)點(diǎn)，在全球及區(qū)域FVC估算方面將長期成為主力數(shù)據(jù)源[3]。

1 數(shù)據(jù)源選取

Landsat8衛(wèi)星搭載了OLI成像儀，該成像儀采用推掃式結(jié)構(gòu)設(shè)計，比擺掃式結(jié)構(gòu)設(shè)計的Landsat7/5成像儀具有更好的幾何穩(wěn)定性，比以前所有Landsat 系列衛(wèi)星的傳感器都具有更高的信噪比。Landsat8仍采用Landsat系列數(shù)據(jù)的UTM/WGS84投影/坐標(biāo)系，數(shù)據(jù)處理格式為Level 1T，即已進(jìn)行了基于地形的幾何校正，還在波段的數(shù)量、光譜范圍和影像的輻射分辨率上進(jìn)行改進(jìn)，新增了兩個波段，獲取的圖像質(zhì)量也更好。影像可以通過USGS網(wǎng)站和地理空間數(shù)據(jù)云免費(fèi)獲取[4]。

本文實驗數(shù)據(jù)包括4幅無云OLI遙感影像，從地理空間數(shù)據(jù)云免費(fèi)獲取，行列號分別為131/040、131/041、132/040、132/041，獲取時間依次為2013-12-05、2013-12-05、2013-12-30、2013-12-30。

2 FVC遙感估算過程

整體FVC遙感估算流程見圖1。

圖1 FVC遙感估算流程圖

2.1 輻射定標(biāo)和 FLAASH大氣校正

研究表明，大氣校正可有效消除大氣層輻射和大氣吸收對遙感影像的影響，還原地物光譜真實輻射特征，獲得地表真實反射率。大氣校正前后在FVC分布、均值和全植被覆蓋類型面積權(quán)重上呈明顯差異，因此在FVC遙感估算時，有必要進(jìn)行大氣校正[1]。

1）輻射定標(biāo)。利用ENVI5.1中Radiometric Calibration工具，進(jìn)行定標(biāo)類型、輻射亮度值、大氣表觀反射率設(shè)置，輸出輻射定標(biāo)后的影像。

2）大氣校正。運(yùn)用ENVI5.1中 FLAASH Atmospheric Correction工具進(jìn)行相關(guān)參數(shù)設(shè)置，需要的部分重要參數(shù)包括：①傳感器類型，Landsat8 OLI下對應(yīng)的傳感器角度，影像數(shù)據(jù)分辨率將會自動讀??；②大氣模型參數(shù)，根據(jù)季節(jié)和緯度信息選擇對應(yīng)的大氣模型；③多光譜設(shè)置，選擇ldcm_oli.sli波譜響應(yīng)文件；④高級參數(shù)設(shè)置，將tile size(mb)設(shè)置為100，其余參數(shù)默認(rèn)即可。大氣校正前后光譜特征對比如圖2所示，柱狀圖分別顯示校正前后FVC總體均值。

圖2 FLAASH大氣校正前后波譜曲線對比圖

2.2 Seamless Mosaic影像鑲嵌

ENVI5.1提供了全新的影像無縫鑲嵌工具Seamless Mosaic，所有功能集成在一個流程化的界面中，通過數(shù)據(jù)加載、勻色處理、接邊線及羽化作用，最后輸出拼接結(jié)果[5]。需要注意的是，加載4幅影像后會自動顯示多幅影像的位置、重疊關(guān)系和影像輪廓線，勾選Show Preview，可以實現(xiàn)結(jié)果預(yù)覽。為了保持圖像色彩平衡，在直方圖匹配時，需要從多幅影像中選擇顏色最適中的一景作為參考影像，其余影像匹配到參考影像上。自動生成的接邊線比較規(guī)整，由于顏色不同而顯露的接邊線，可以通過下拉菜單Seamlines→Start Editing Seamlines，重新局部手動編輯拼接線。得到的研究區(qū)多幅影像快速無縫拼接影像如圖3所示。

2.3 NDVI

NDVI由遙感傳感器所接收的地物光譜信息推算而得，反映了地表植被狀況。李苗苗等[6]在像元二分模型的基礎(chǔ)上，建立了用NDVI定量估算FVC的模型：

圖3 影像鑲嵌效果圖

式中，NDVIsoil為完全是裸土或無植被覆蓋區(qū)域的NDVI值；NDVIveg代表完全被植被所覆蓋像元的NDVI值，即純植被像元的NDVI值。兩個值的計算公式為[7]：

利用這個模型計算FVC的關(guān)鍵是計算NDVIsoil和NDVIveg。這里有兩種假設(shè)：

1） 當(dāng)區(qū)域內(nèi)可以近似取FVCmax=100%、FVCmin=0%時，式（1）可變?yōu)閇6]：

式中，NDVImax和NDVImin分別為區(qū)域內(nèi)最大、最小的NDVI值。由于不可避免地存在噪聲，一般取一定置信度范圍內(nèi)的最大值與最小值，置信度的取值根據(jù)具體圖像來定。

2） 當(dāng)區(qū)域內(nèi)不能近似取FVCmax=100%、FVCmin=0%時，根據(jù)實測數(shù)據(jù)作為FVC的最大值與最小值，對應(yīng)圖像的NDVI作為NDVImax和NDVImin。當(dāng)沒有實測數(shù)據(jù)時，取一定置信度范圍內(nèi)的NDVImax和NDVImin，根據(jù)經(jīng)驗估算FVCmax和 FVCmin。

本文根據(jù)圖像的具體情況，分別取置信區(qū)間12%～95%之間的最大值0.835 294、最小值0.003 922作為參數(shù)代入公式進(jìn)行運(yùn)算，得到研究區(qū)域的FVC。

3 結(jié)果分析

在ENVI遙感影像處理軟件中，將計算得出的FVC圖按0～10%為其他類型、10%～45%為低FVC類型、45%～60%為中FVC類型、60%～75%為中高FVC類型、75%～100%為高FVC類型5級標(biāo)準(zhǔn)進(jìn)行密度切割、分層設(shè)色，得到如圖4所示的FVC圖。

圖4 分級處理后的FVC圖

4 結(jié) 語

文中選取的Landsat8數(shù)據(jù)質(zhì)量較高，加上ENVI5.1軟件大氣校正、圖像拼接等新模塊的使用，可以更快捷地實現(xiàn)遙感大面積FVC動態(tài)監(jiān)測，效果較好。當(dāng)然也存在一些不足，F(xiàn)VC大于85%時，NDVI對FVC的變化不再敏感，有待進(jìn)一步對高FVC區(qū)域進(jìn)行具體研究分析。

[1] 石寬,劉琪璟,李法玲,等.大氣校正對九連山植被覆蓋度遙感估算的影響[J].廣東農(nóng)業(yè)科學(xué),2014(9): 198-202

[2] 唐志光,馬金輝,李成六,等.三江源自然保護(hù)區(qū)植被覆蓋度遙感估算[J].蘭州大學(xué)學(xué)報:自然科學(xué)版,2010(2):11-16

[3] 賈坤,姚云軍,魏香琴,等.植被覆蓋度遙感估算研究進(jìn)展[J].地球科學(xué)進(jìn)展,2013(7):774-782

[4] Wang Y D,Qin S.Remote Sensing Image Mosaic Algorithm[J].Key Engineering Materials,2012: 716-721

[5] 高慧,何政偉,倪忠云,等.基于ASTER遙感影像的西昆侖巖性信息提取方法研究[J].地理空間信息,2010,8(5):92-93

[6] 李苗苗,吳炳方,顏長珍,等.密云水庫上游植被覆蓋度的遙感估算[J].資源科學(xué),2004(3):153-159

[7] 崔麗華,劉善軍,張艷博,等.基于IDL與ENVI的MODIS遙感影像鑲嵌[J].河北理工大學(xué)學(xué)報:自然科學(xué)版,2009(3):79-82

[8] 初慶偉,張洪群,吳業(yè)煒,等.Landsat8衛(wèi)星數(shù)據(jù)應(yīng)用探討[J].遙感信息,2013(4):110-114

[9] 姜高珍,韓冰,高應(yīng)波,等.Landsat系列衛(wèi)星對地觀測40年回顧及LDCM前瞻[J].遙感學(xué)報,2013(5): 1 033-1 048

[10] 徐涵秋,唐菲.新一代Landsat系列衛(wèi)星：Landsat 8遙感影像新增特征及其生態(tài)環(huán)境意義[J].生態(tài)學(xué)報,2013,33(11):3 249-3 257

[11] 李旭文,牛志春,姜晟,等.Landsat8衛(wèi)星OLI遙感影像在生態(tài)環(huán)境監(jiān)測中的應(yīng)用研究[J].環(huán)境監(jiān)控與預(yù)警,2013(6):1-5

[12] Zhao S M,Cheng W M,Chen X.Exploration of Remote Sensing Image Processing Method for Glacial Geomorphology Research[J].Key Engineering Materials,2014: 437-443

[13] 張登榮,俞樂,張漢奎.光學(xué)遙感影像快速鑲嵌方法[J].國土資源遙感,2009(11): 1 988-1 993

[14] 賈坤,姚云軍,魏香琴,等.植被覆蓋度遙感估算研究進(jìn)展[J].地球科學(xué)進(jìn)展,2013(7): 774-782

[15] 楊榮,楊昆,洪亮,等.植被指數(shù)估算香格里拉地區(qū)植被覆蓋度的精度對比分析[J].水土保持研究,2014(3):116-119

[16] 邢白靈,居為民,朱高龍,等.呼倫貝爾草原植被覆蓋度地面實測與遙感估算研究[J].江西農(nóng)業(yè)學(xué)報,2012,24( 5):142-147

[17] 顧祝軍,曾志遠(yuǎn),史學(xué)正,等.基于ETM+圖像的植被覆蓋度遙感估算模型[J].生態(tài)環(huán)境,2008,17(2):771-776

[18] 鄧書斌.ENVI遙感圖像處理方法[M].北京:科學(xué)出版社,2010

P237.9

B

1672-4623（2015）04-0099-03

10.3969/j.issn.1672-4623.2015.04.035

張星星，碩士，主要從事遙感運(yùn)用及找礦研究。

2014-07-14。

項目來源：國家自然科學(xué)基金資助項目（40972225）；高等學(xué)校博士學(xué)科點(diǎn)專項科研基金資助項目（20095122110003）；中國地調(diào)局資助項目（12120113095400、1212011086057）。