基于高分影像限定化NDVI的園林城市遙感解譯關(guān)鍵技術(shù)研究

劉福江,陳炫巖

(中國地質(zhì)大學(xué)(武漢) 遙感科學(xué)與技術(shù)系，武漢 430074)

基于高分影像限定化NDVI的園林城市遙感解譯關(guān)鍵技術(shù)研究

劉福江,陳炫巖*

(中國地質(zhì)大學(xué)(武漢) 遙感科學(xué)與技術(shù)系，武漢 430074)

利用Pléiades(普萊亞)高分辨率影像，融合單波段影像和多光譜影像，改進了省級園林城市遙感解譯技術(shù).使用限定化歸一化植被指數(shù)(NDVI)，結(jié)合統(tǒng)計規(guī)律，在綠地信息提取過程中引入藍光波段，較好地提取了綠地信息，結(jié)合恩施市鶴峰縣地域特點，完成了園林城市遙感指數(shù)的計算，解譯出公園綠地、附屬綠地、生產(chǎn)綠地、防護綠地和其他綠地，在此基礎(chǔ)上，提出了國家園林城市的遙感解譯技術(shù)的方法與步驟及在土地覆蓋土地利用中綠地信息提取方法.

高分辨率影像；遙感解譯；園林城市；土地利用；土地覆蓋

AbstractBased on Pléiades high resolution image, fuse single band image and multispectral image, improvement is made for the national garden city remote sensing technology, using the restriction of normalized difference vegetation index (NDVI), combined with the statistical law, bring in the blue band in greenbelt information extraction to obtain a better extraction effect. Combined with the area of Hefeng County of Enshi City, we complete the calculation of garden city remote sensing index and interpretation of a park green land, attached green land, production green land, protection green land and other green land, and provide a complete line of thought and for the interpretation of remote sensing technology to realize the national garden city while we give the corresponding technical means in the extraction of green land information in land cover and land use.

Keywordshigh resolution images; remote sensing interpretation; garden city; land use; land cover

園林城市是根據(jù)中華人民共和國住房和城鄉(xiāng)建設(shè)部《國家園林城市標準》評選出的分布均衡、結(jié)構(gòu)合理、功能完善、景觀優(yōu)美、人居生態(tài)環(huán)境清新舒適、安全宜人的城市[1].而遙感手段作為適宜的鑒定提取有效方法，已經(jīng)有學(xué)者做出了一些研究，李樹偉(2008)基于Quickbird數(shù)據(jù)，結(jié)合AutoCAD對影像灰度分級矢量化，在ERDAS中結(jié)合專家分類器進行綠地信息提取[2]；陳欣松(2013)利用無人機遙感平臺，結(jié)合eCognition中面向?qū)ο蠓诸惤?jīng)行相應(yīng)解譯[3]；董仲奎(2016)提出結(jié)合分類與人機交互結(jié)合的提取綠地信息方法[4].本文采用Pléiades衛(wèi)星遙感數(shù)據(jù)，在恩施市鶴峰縣完成相應(yīng)實驗，結(jié)合當?shù)亟ㄖ庾V特征，結(jié)合統(tǒng)計指標，限定NDVI提取結(jié)果，再根據(jù)相關(guān)要求，計算出園林城市諸多指數(shù)，完成研究區(qū)域的土地覆蓋信息提取，進而完成相應(yīng)專題圖繪制.

1 研究區(qū)域、技術(shù)路線及數(shù)據(jù)

1.1研究區(qū)域

研究區(qū)域為恩施土家族苗族自治州鶴峰縣建成區(qū)(圖1)，位于湖北省西南邊陲，恩施州的東南部，地處東經(jīng)109°45′至110°38′、北緯29°38′至30°14′之間.鶴峰縣面積2926.3 km2，人口22.4萬人，轄5鎮(zhèn)4鄉(xiāng)1個經(jīng)濟開發(fā)區(qū)，政府駐地容美鎮(zhèn).境內(nèi)地形西北高，東南低.群山矗立，峰巒起伏，溪河縱橫，地表切割深，落差大，坡度陡，大小平壩深藏其間.

全縣平均海拔1147 m，東南面的江口谷地海拔194.6 m，東北中部的牛池海拔2095.6 m，兩地相對高差1901 m.河流以源于北部的溇水為主，蜿蜒流經(jīng)中部，于東南出境至湖南省慈利縣城注入澧水.

圖1 研究區(qū)域Fig.1 Research area

1.2技術(shù)路線

技術(shù)路線包括影像數(shù)據(jù)處理、綠地分析提取、成果三個部分，見圖2.

圖2 技術(shù)路線圖Fig.2 Technique Routine

1.3使用數(shù)據(jù)

采用Pléiades衛(wèi)星遙感數(shù)據(jù)對鶴峰縣建成區(qū)進行全覆蓋，為0.5 m分辨率衛(wèi)星遙感數(shù)據(jù)(表1)，影像獲取時間為2016年06月16日.

表1 Pléiades衛(wèi)星數(shù)據(jù)

2 影像校正與融合

2.1全色影像數(shù)據(jù)處理

為保證圖像具有清晰的空間分辨能力，在融合前對圖像進行灰度的反差增強.經(jīng)過非線性拉伸后的圖像數(shù)據(jù)，原來灰度值的大小關(guān)系會發(fā)生變化，產(chǎn)生的灰度扭曲會帶來一些含義不明確的偽變化，影響監(jiān)測精度.因此從圖像數(shù)據(jù)上直接監(jiān)測變化信息，在拉伸方法選擇上運用直觀而簡單的線性拉伸方法可以達到信息增強的效果(圖3、4).

圖3 拉伸前Fig.3 Before stretched

圖4 拉伸后Fig.4 After stretched

2.2正射校正

正射校正是通過在原始影像上選取一些地面控制點，并利用該影像范圍內(nèi)的數(shù)字高程模型(DEM)數(shù)據(jù)，對影像同時進行傾斜改正和投影差改正，將影像重采樣成正射影像的過程，其目的是消除地形的影響或是相機方位引起的變形.對Pleiades衛(wèi)星數(shù)據(jù)的正射校正處理分為兩種情況:1)原始的全色與其對應(yīng)的多光譜數(shù)據(jù)配準較差或存在很大程度的錯位.這種情況要先分別對全色和多光譜數(shù)據(jù)進行正射校正后，然后利用校正后的數(shù)據(jù)進行融合處理；2)原始的全色與其對應(yīng)的多光譜數(shù)據(jù)配準較好.此種情況，可以先對全色和多光譜數(shù)據(jù)進行融合處理，然后再對融合后的數(shù)據(jù)做正射校正處理.

進行正射校正需要影像數(shù)據(jù)、RPC文件及DEM數(shù)據(jù)，利用ENVI下的Orthorectification / RPC Orthorectification進行正射校正操作.

2.3圖像融合

圖像融合是將低空間分辨率的多光譜影像與高空間分辨率的單波段影像重采樣生成一幅高分辨率多光譜遙感影像的圖像處理技術(shù)，使得處理后的影像既有較高的空間分辨率，又具有多光譜特征.此次遙感測試在制作遙感影像圖時，對全色波段和多光譜波段用ENVI下的Gram-Schmidt Pan Sharpening融合方法，Gram-Schmidt方法能保持融合前后影像波普信息的一致性，是一種高保真的遙感影像融合方法(圖5～7).

圖5 多光譜影像Fig.5 multi-spectral image

具體操作在ENVI下為Toolbox/Image Sharpening/Gram-Schmidt Pan Sharpening.

融合規(guī)則如下：

1) 從較低空間分辨率波段模擬一個全色影像.

2) 用模擬的全色波段作為第一波段對此全色波段及其他譜帶進行Gram Schmidt變換.

3) 用進行了Gram Schmidt變換的第一波段與高空間分辨率全色波段交換.

4) 應(yīng)用逆Gram Schmidt變換形成波譜銳化波段.

圖6 全色影像Fig.6 panchromatic

圖7 融合后影像Fig.7 after fusion

3 綠地信息提取

3.1 NDVI閾值確定

植物葉面在可見光紅光波段有很強的吸收特性，在近紅外波段有很強的反射特性，利用這一特點，可以簡單高效的提取研究區(qū)域植被信息[8，9]，而NDVI閾值的確定則需要依據(jù)研究區(qū)域特點，在影像上植被繁茂的地方勾選出大量興趣區(qū)(81740個像素點)，并導(dǎo)入EXCEL，確定出最大值和最小值，畫出NDVI值分布的統(tǒng)計直方圖(圖8).

圖8 NDVI分布直方圖Fig.8 NDVI distribution histogram

可以發(fā)現(xiàn)數(shù)值呈現(xiàn)正態(tài)分布特點，考慮到ROI選取的隨機性，所以有理由根據(jù)上圖，試將閾值確定在0.4954到0.8176之間得到以下提取效果(圖9).

圖9 NDVI提取效果Fig.9 NDVI extraction result

3.2結(jié)合藍色波段植被信息提取

由于鶴峰地區(qū)有很多藍色屋頂?shù)膹S房(如圖10)，這種屋頂在NDVI提取過程中光譜反射特點與植被類似，有著相近的NDVI值，所以在單純的NDVI提取過程中不能很好的區(qū)分.

在光譜剖面可以看到藍色屋頂?shù)慕t外反射光譜值在700左右，紅光波段在100左右，藍光波段在800左右NDVI值也落在上節(jié)所確定的閾值之中.

圖10 藍色廠房屋頂Fig.10 the blue roof of factories

圖11 廠房藍光波段像元值統(tǒng)計直方圖Fig.11 distribution histogram of blue band of factories′ roof

在廠房屋頂?shù)乃{色波段像元值中，750以下的有47個，在所選7018個ROI點中僅占0.67%.針對植被而言，藍色波段像元值在750以上的有152個，在所選54008個ROI點中僅占0.28%.(如圖11，12)本文結(jié)合藍色波段特點，和大量興趣區(qū)像元值的統(tǒng)計規(guī)律，提出具有研究區(qū)域特色的NDVI提取方法，將藍光波段閾值設(shè)定在750以下，根據(jù)藍光波段篩選出提取結(jié)果中眾多的廠房(圖13).

圖12 植被藍光波段像元值統(tǒng)計直方圖Fig.12 distribution histogram of blue band of vegetation

圖13 結(jié)合藍光波段提取結(jié)果Fig.13 extraction result was combined with blue band

3.3精度評價

使用混淆矩陣對上述提取方法做出精度評價[9,10]，并與未結(jié)合藍光波段提取結(jié)果做對比，具體使用的方法是借助ROI，在ENVI中Post-Classification完成相應(yīng)處理.因為NDVI提取相當于是一分類(用戶精度100%)，所以我們關(guān)注生產(chǎn)者精度，可以看出，在結(jié)合區(qū)域特點改進提取辦法之后，生產(chǎn)者精度從98.52%提高到98.75%(表2、3).

表2 NDVI提取，生產(chǎn)者精度98.52%Tab.2 NDVI extraction, producers′ accuracy 98.52%

表3 結(jié)合藍光提取，生產(chǎn)者精度98.75%Tab.3 extraction combined with blue band, producers′ accuracy 98.75%

另一個方面，在Arcgis中打開兩幅提取圖，對比發(fā)現(xiàn)新方法在剔除非植被方面效果顯著，很多方形錯分屋頂都被篩查出來，如圖14淺色部分.

圖14 對比結(jié)果Fig.14 contrast result

4 指數(shù)計算及專題圖制作

根據(jù)《省級園林城市遙感調(diào)查與測試要求》城市綠地分為公園綠地、附屬綠地、防護綠地、生產(chǎn)綠地和其他綠地等五類.

文件所述規(guī)則，在具體的操作過程中，首先利用遙感影像圖在ENVI下進行校正、融合、配準等處理，進行綠地信息的自動提取，再結(jié)合城市用地現(xiàn)狀圖、城市綠化現(xiàn)狀圖等，在Arcgis輔助下進行綠地信息的核查、糾錯等操作；然后根據(jù)城市用地分類專題圖，對提取的綠色信息再進行分類，從而得到各種類型用地中的綠色信息；最后用Arcgis對園林測試各類指標進行統(tǒng)計、分析，并制作各類專題圖.

在綠色信息提取過程中，利用計算機自動提取綠色信息，利用影像圖進行用地分類，難免會出現(xiàn)錯分、漏提、不確定等現(xiàn)象，為確保城市園林綠地指標計算的準確性，須對建成區(qū)內(nèi)綠色信息進行人機交互解譯[11-12].在疊加遙感影像的綠地分類圖層上，對每塊綠地進行檢查，對不確定的綠地圖斑進行實地核查.最后得到的相關(guān)專題圖如圖15.

圖15 園林遙感專題圖Fig.15 thematic map of garden remote sensing

5 結(jié)語

本文給出了園林城市遙感詳細的技術(shù)路線和工作流程，基于高分影像，在處理不熟悉區(qū)域的解譯項目中有很大益處，相應(yīng)的處理中，使用歸一化植被指數(shù)提取綠地信息，會節(jié)約很多時間成本，特別是在圖幅大的情況下.另外，為提高提取精度，增加自動化程度，減少人機交互工作量，可以靈活結(jié)合當?shù)靥厣?，從地物波段特點入手，結(jié)合統(tǒng)計規(guī)律，合理規(guī)避同NDVI異物問題.在最后的計算成圖過程中要注意混合像元邊界的人工修正問題，理論上來說，0.5 m空間分辨率在很大程度上規(guī)避了此問題，但在具體工程實施方面還是要有所意識.

[1] 吳燕燕. 遙感技術(shù)在國家園林城市申報中的應(yīng)用探討[J]. 門窗,2016(4):218-218.

[2] 李樹偉,馮仲科,龔?fù)?等. 基于QuickBird遙感影像的城市綠地系統(tǒng)評價[J]. 北京林業(yè)大學(xué)學(xué)報,2008(s1):68-72.

[3] 陳欣松. 利用無人機技術(shù)對省級園林城市綠化測定的研究分析[J]. 數(shù)字技術(shù)與應(yīng)用,2013(10):71-72.

[4] 董仲奎,溫俊麗,DONGZhong-kui,等. 高分遙感數(shù)據(jù)在城市園林綠化規(guī)劃實施監(jiān)測中的應(yīng)用[J]. 測繪與空間地理信息,2016,39(8):75-76.

[5] 張苑平. 遙感技術(shù)在岳陽市城市綠化調(diào)查中的應(yīng)用及園林城市發(fā)展戰(zhàn)略初析[J]. 國土資源導(dǎo)刊,2004,1(5):32-34.

[6] 尉雪敬,呂成文,鄧玲玲. 綠地信息遙感提取方法分析——以蕪湖市為例[J]. 東北林業(yè)大學(xué)學(xué)報,2010,38(12):77-79.

[7] Jiang D W,Chen J A,Zhang Y P. A study of the strategy for gardenizing yueyang city based on remote sensing technology[J]. Remote Sensing for Land & Resources,2004,16(4):59-62.

[8] 費鮮蕓,張志國,高祥偉. 城市綠地信息提取遙感影像尺度效應(yīng)分析[J]. 測繪科學(xué),2009,34(5):136-138.

[9] 黎 薇. 基于遙感影像的城市綠地信息提取及分析[D]. 上海：華東師范大學(xué),2007.

[10] 徐建輝,蘇 婭. 高分辨率遙感影像在城市綠地信息提取中的應(yīng)用研究[J]. 資源開發(fā)與市場,2010,26(4):291-293.

[11] 許兆軍. 高精度無人機影像園林綠化遙感測試應(yīng)用研究[J]. 國土資源導(dǎo)刊,2016,(4):62-67.

[12] Liu Xu,Li Yonghong,Wang Kaijun,et al. Landscape pattern optimization of chengdu based on modern garden city[J]. Journal of Landscape Research,2016,(4):45-50.

TheKeyTechnologyofGardenCityRemoteSensingInterpretationUsingLimitativeNDVIBasedonHighResolutionImages

LiuFujiang,ChenXuanyan

(Department of Remote Sensing, China University of Geosciences, Wuhan 430074，China )

P237

A

1672-4321(2017)03-0106-05

2017-06-22 *

陳炫巖，研究方向:遙感科學(xué)與技術(shù)，E-mail: xuanyanchen@cug.edu.cn

劉福江(1973-)，男，副教授，博士，研究方向:遙感科學(xué)與技術(shù),E-mail:liufujiang@cug.edu.cn

湖北省自然科學(xué)基金資助項目(2014CFB911)