多角度遙感用于植被分類的探究

徐佰翔 劉蘭蘭

摘 要：對資源三號衛(wèi)星多角度圖像的正視和斜視衛(wèi)星影像進行預處理，從經(jīng)過預處理的正視和斜視影像上分別選取3種不同類型的植被，然后分別提取其NDVI值與灰度值，比較在正視和斜視影像上同一類型的植被的NDVI值與灰度值的變化，發(fā)現(xiàn)同一地塊在正視和斜視影像上的NDVI值和灰度值有所不同，不同地塊在正視和斜視影像上的NDVI值和灰度值也存在差異，最終根據(jù)他們的不同，達到區(qū)分植被類型的目的，為以后的遙感植被解譯工作提供參考與支持。

關(guān)鍵詞：多角度遙感；NDVI值；灰度值

中圖分類號：TP79 文獻標志碼：A 文章編號：2095-2945（2018）13-0067-04

Abstract： In this paper， three different types of vegetation are selected from pre-processed emmetropia and strabismus satellite images of Resource-3 satellite multi-angle images， and their NDVI values and grayscale values are extracted respectively. By comparing the changes of NDVI value and gray value of the same vegetation in the emmetropia and strabismus images， it is found that the NDVI value and gray value of the same plot are different in the emmetropia and strabismus images. There are also differences in NDVI and gray values of different plots in the emmetropia and squint images. Finally， according to their differences， the purpose of distinguishing vegetation types is achieved， which provides reference and support for the interpretation of remote sensing vegetation in the future.

Keywords： multi-angle remote sensing； NDVI value； gray value

引言

遙感以其探測范圍廣、獲取信息快、動態(tài)監(jiān)測、信息客觀準確、幾乎不受環(huán)境約束（除天氣原因外）的特點，成為近年來科學領(lǐng)域應用的關(guān)鍵技術(shù)。植被調(diào)查是遙感的重要領(lǐng)域之一，運用遙感技術(shù)反映植被光譜特征和參數(shù)信息是植被遙感領(lǐng)域的熱點和難點。然而，遙感影像光譜特征反映地物的物理、化學特征比較困難，基本上不能直接確定植被類型和進行植被分類，因此多角度的遙感影像則為研究遙感影像反映地物特征增加了一個新途徑，直接運用多角度遙感在多個方位得到的影像來反映地物的光譜特征和空間結(jié)構(gòu)特征來對植被進行辨別與分類。

1 技術(shù)路線

主要是通過對資源三號衛(wèi)星的多角度數(shù)據(jù)的預處理，包括分別對正視和斜視影像的裁剪、大氣校正、幾何校正、圖像融合等，在正視和斜視影像上分別提取相對較單一的植被研究區(qū)域，對同一植被覆蓋研究區(qū)域進行植被指數(shù)NDVI的提取和灰度值的提取，比較分析在資源三號衛(wèi)星的正視和斜視影像上對同一植被覆蓋的地塊提取的NDVI和灰度值的不同變化，分別進行對比總結(jié)，希望能為以后的遙感植被解譯提供參考資料。

通過分析對比發(fā)現(xiàn)同一植被類型在正視和斜視影像上的光譜信息發(fā)生的變化，分別對不同地塊的正視和斜視影像提取了植被的NDVI值和灰度值，發(fā)現(xiàn)在正視和斜視遙感影像上他們確實發(fā)生了變化，通過這些變化來判斷植被類型，最終為遙感影像的計算機解譯提供參考數(shù)據(jù)。

2 數(shù)據(jù)處理

2.1 數(shù)據(jù)預處理

2.1.1 大氣校正

對遙感影像的大氣校正主要是為了消除大氣散射的輻射誤差對遙感圖像的影響。遙感所利用的各種輻射能均要與地球大氣層發(fā)生相互作用或散射、或吸收，而使能量衰減，并使光譜分布發(fā)生變化。大氣的衰減作用對不同波長的光是有選擇性的，因而大氣對不同波段的圖像的影響是不同的。消除這些大氣影響的處理，稱為大氣校正。

大氣校正流程如圖1所示。

2.1.2 幾何校正

影像幾何校正是遙感數(shù)據(jù)預處理過程中的重要環(huán)節(jié)， 它能夠消除遙感影像在獲取過程中因傳感器、遙感平臺以及地球本身等方面原因而導致的平移、縮放、旋轉(zhuǎn)、偏扭、彎曲及其比例尺變化。幾何校正就是將圖像數(shù)據(jù)投影到平面上，使其符合地圖投影系統(tǒng)的過程。其目的是改正原始影像的幾何變形，產(chǎn)生一幅符合某種地圖投影或圖形表達要求的新圖像。遙感影像的幾何性能與幾何精度是后續(xù)制圖等工作的重要依據(jù)，它直接影響成圖的精度。所以，圖像幾何校正是圖像處理的重要內(nèi)容。

實驗是分別對資源三號衛(wèi)星的多光譜圖像、正視圖像和斜視圖像進行幾何校正，因為本次實驗數(shù)據(jù)的限制，所以采用Google Earth對影像進行幾何精校正。

2.1.3 圖像融合

圖像融合是將分辨率較低的彩色的多光譜圖像與具有較高分辨率的全色影像進行融合處理和重采樣，最終得到一幅既具有全色影像的高分辨率又具有多光譜影像的光譜特征的圖像。

本文采用的是Gram-Schmidt光譜銳化方法，將糾正后的多光譜影像和糾正后的全色影像進行融合。

2.2 植被選取

在經(jīng)過預處理的正視和斜視遙感圖像分別進行相同的地塊選取，本次實驗通過查詢相關(guān)資料和實地調(diào)查的方法，對實驗地塊進行了選取，共選取了兩個地塊，即兩種類型的植被覆蓋。分別是：玉米地、白樺樹林。

在正視和斜視圖像上分別通過感興趣區(qū)域裁剪不規(guī)則玉米地、白樺樹林。

2.3 植被指數(shù)提取與綜合分析

NDVI能夠明顯地反映出植被的生長狀況、生物物理化學性質(zhì)及生態(tài)系統(tǒng)參數(shù)的變化，在一定程度上反映了像元所能對應的植被和土地覆蓋類型的綜合情況。

本次實驗采用的遙感影像總共有4個波段，分別為藍、綠、紅和近紅外波段，比較有利于NDVI的計算，再者，通過上邊植被指數(shù)的對比分析，NDVI在多方面存在優(yōu)勢，因此本次實驗采用提取植被NDVI的方法，通過比較，得到植被的種類信息。

分別對兩種植被類型的圖像進行NDVI的提取，統(tǒng)計每個像元的NDVI的值，然后比較在多角度圖像上的變化。下圖為玉米、白樺樹分別的正視和斜視圖像上像元的個數(shù)（頻數(shù)）與NDVI值的變化關(guān)系。

在正視圖像上提取的玉米的NDVI值得范圍分布在0.4～0.8之間，而斜視影像上NDVI值分布在0.5～0.8之間，說明在相同條件下斜視影像上提取的NDVI值較正視影像整體偏大。因此在遙感解譯的過程中，如果單獨在正視影像上無法區(qū)分植被類型，可以根據(jù)植被在斜視影像上NDVI值的變化進行區(qū)分。除此之外還可以將植被的NDVI值在某個區(qū)間的變化進行對比，例如，NDVI在0.65～0.70區(qū)間內(nèi)，很明顯斜視影像比正視影像在這個區(qū)間的像元個數(shù)要多。

根據(jù)白樺樹的NDVI的直方圖可以看出，NDVI值在0.75～0.80的區(qū)間范圍內(nèi)，正視影像的像元數(shù)遠多于斜視影像上的像元，也就是說在這個區(qū)間內(nèi)斜視影像上的像元

少。

2.4 植被灰度直方圖提取

灰度直方圖是將數(shù)字圖像的所有像素，按照灰度值的大小，統(tǒng)計其出現(xiàn)的頻率。通常，灰度直方圖的橫坐標表示灰度值，縱坐標為像素個數(shù)，也可以采用某一灰度值的像素占全圖像素數(shù)的百分比作為縱坐標。

植被對近紅外波段的反射率最好，因此運用ENVI軟件分別在正視和斜視遙感影像上對所選地塊的灰度進行提取結(jié)果如下圖7，圖8：

由圖可以看出，玉米在斜視影像上的亮度值明顯偏大，白樺樹卻在斜視影像上的亮度值比較集中。通過正視與斜視之間的比較和不同植被的正視與正視、斜視與斜視之間的比較，運用他們的差異為單一角度遙感提供信息，以便于區(qū)分樹種，提高遙感影像運用計算機進行解譯的精度。

3 實驗結(jié)果與分析

多角度遙感的出現(xiàn)給植被的解譯提供了一個新的途徑，斜視影像作為傳統(tǒng)正視影像信息獲取方法的補充，為遙感解譯與分類提供了更豐富的信息。

（1）利用多角度遙感影像的優(yōu)勢，對同一種植被進行區(qū)分的時候，分別從正視影像和斜視影像上提取它的歸一化植被指NDVI光譜特征和灰度值，比較在正視和斜視影像上的差異。亦即同一植被的光譜特征通過正視和斜視影像的組合來描述其變化的不同。

（2）對于不同類型的植被，在傳統(tǒng)的正視影像下無法進行區(qū)分的時候，參考他們分別在斜視影像上的光譜變化，就是用正視和斜視的組合圖像的光譜特征差別進行分析對比。

（3）通過實驗可以看出不同的植被在正視和斜視遙感影像上的光譜特征和和植被指數(shù)是有變化的，通過這些變化來區(qū)分植被的類型。

參考文獻：

[1]趙祖軍.多角度遙感提取地物幾何信息的幾個關(guān)鍵技術(shù)研究[D].中國科學院研究生院（遙感應用研究所），2006.

[2]李芬.資源三號衛(wèi)星數(shù)據(jù)在土地利用遙感監(jiān)測中的應用研究[D].吉林大學，2013.

[3]郭凱，孫培新，劉衛(wèi)國，等.利用遙感影像軟件ENVI提取植被指數(shù)[J].紅外，2005，5（2）：13-15.