高分一号遥感卫星数据林地信息快速提取方法的研究
周日平
【摘 要】不同类型的林地具有不同的反射率特征,由此计算获得林地识别与分类的归一化植被指数(NDVI).NDVI可参与对高分一号遥感图像的监督分类:首先根据图像光谱特征及NDVI参数,在ENVI专业图像处理平台上,选择各类林地的典型样本区,进行计算机自动信息提取,获得每个像素点属于某类林地的相似度信息,然后结合纹理、形状、空间关系等特征,利用聚类分析和迭代运算等综合处理方法,快速得到具有实用性的专题分类矢量结果.该方法光照度相对较弱的阴坡和薄云覆盖下的林地分类识别效果也比较好.通过对光谱角填图法、马氏最小距离法、最大似然法等监督分类的结果进行比较,认为采用光谱角填图法提取高分一号卫星原始数据的林地矢量信息精度最高.
【期刊名称】《中国煤炭地质》
【年(卷),期】法硕大学排名2019(031)002
学弈译文【总页数】5页(P72-76)
【关键词】植被指数;波谱特征;林地信息;光谱角填图法
【作 者】周日平
【作者单位】中煤地质集团大地高科 北京 100075
【正文语种】中 文
严厉的英文【中图分类】P627
0 引言
自20世纪70年代，遥感技术开始应用于国土资源调查中，此后随着遥感技术系统的快速发展，尤其是高分辨率和多光谱遥感卫星影像的出现，人们能够及时获取所需要的空间基础信息和各种地物信息。充分利用卫星遥感动态的、周期性的对地观测数据，逐步实现地学专题信息的自动获取，既是GIS中数据采集自动化研究的一个方向，也是遥感信息定量化的一个方面。实现图像解译的自动化与高精度定量化，是遥感应用领域发展的要求，也是当前遥感发展的前沿[1]。遥感成像是从多到少的映射，是个确定过程，而影像解译是从少
到多的映射，是个不确定过程[2]。目前对卫星影像分割技术的研究远远滞后于卫星成像技术的发展,数据处理速度远跟不上遥感卫星获取数据的节奏,各种自然资源信息快速矢量化是一项艰巨的工作[3]。怎么赚到钱
获取大面积矢量化专题信息，传统的遥感图像分类方法主要依赖于人机交互目视解译，依靠经验手工拾取边界。这种方法工作量大，效率低，偶然误差大，后续专题图的编辑任务量巨大。其误差大小既与图像的放大尺度相关；又因人而异，不同人获取的结果不同；再有就是遥感数据自身还存在同物异谱、异物同谱等复杂现象。如何通过计算机自动获得准确高效的分类信息一直是遥感卫星应用的难题，因此，寻找更有效的分类方法来提高计算机自动识别的精度，已成为目前遥感应用研究领域的热点。也有研究人员提出了一些自动提取方法，但是多数是小范围的，不具有推广价值。
ENVI(The Environment for Visualizing Images)是ESRI开发的专业图像处理系统，它是由遥感领域的科学家采用交互式数据语言IDL(Interactive Data Language)开发的一套功能强大的遥感图像处理软件，能快速、便捷、准确地从影像中提取信息。本文针对国家林业局林业资源调查业务工作的需求，提出了一种以ENVI为平台快速提取林地信息的方法。贴对联作文
1 原始遥感数据信息提取
1.1 理论依据
地物波谱特性是电磁辐射与地物相互作用的一种表现，不同类型的地物，其电磁波响应的特性不同，因此地物波谱特征是遥感识别地物的基础[4]。遥感图像计算机自动识别分类就是根据遥感图像数据特征的差异和变化，通过计算机监督分类处理，输出地物目标的识别分类结果。根据已知地物的遥感特性建立地物的样本集，结合到图像上进行地物的光谱特征分析，在图像中选取各个类别具有代表性的样本,调整和修改模型参数，然后根据这些样本的统计数据对整个图像进行分类[5]。能高效快捷实现林地专题信息提取,同时结合纹理特征、形状特征、空间关系特征等因素进行分类后处理，得到具有更实用性的分类结果。
计算机自动识别分类是模式识别技术在遥感领域的具体应用，与其它的计算机模式识别不同的是，遥感影像数据类别多，含混度大，维数高。计算机分类利用多维度判别，比目视解译的红绿蓝三色模式参与的因子更多，通过算法从光谱特征上能更准确地判定地物分类。
面条汤料配方
植被指数有助于增强植被的遥感影像解译力,能用来定量说明植被的生长状况，广泛应用于土地利用覆盖探测、植被覆盖密度评价、作物识别和作物预报等方面,显著增强了专题制图方面的分类能力。用于检测植被生长状态、植被覆盖度的植被指数NDVI,能反映植被冠层的背景影响[6]。植被指数是林地的重要标志之一，植物的反射波谱曲线上，在近红外波段表现为强反射峰，在红光波段则表现为强吸收谷，归一化植被指数NDVI作为分类判断因子，能进一步增加林地信息提取的准确性[7-8]。
归一化植被指数：NDVI=(NIR-R)/(NIR+R)，根据NDVI推算区域尺度上的结构化植被因子指数是可行的[9]。红波段和近红外波段组合所构造的植被指数常被用于反演植被的相关参数。根据红边位置光谱反射率与叶面积指数建立的回归模型普遍具有较高的拟合度,在植被遥感中，NDVI 的应用最为广泛[10]。林地在近红外波段和绿光波段特征信息表现突出，形成高峰和低谷，充分利用这个特点可以进一步划分林地详细类别。
1.2 提取方法
图像特征提取主要是对影像空间和波谱两方面进行统计和运算，统计的内容包括：均值、方差、灰度比值、纹理强度、密度等[11]。值越大、方差大反应的信息更丰富。
本文采用的高分一号数据获取时间为2016年8月3日，其原图像有三个可见光波段和一个近红外波段, 波段数据为无符号整型,像元值域为0～1 303, 可以通过波段运算提取植被指数。
通过对本景数据的统计分析得知，多波段的像元值为0～1 300，提取的植被指数Ndvi是归一化的植被指数，像元值为小于1的浮点型数值, 水体、道路、房屋、裸地等植被指数在0～-1，植物的Ndvi数值0～1.0，与林地的信息密切相关。但是其值与其他多光谱波段的值相比数值很小，植被指数在光谱形态的贡献中几乎为零(图1)，地物的波谱差异不能从植被指数的变化反映出来。要充分体现植被指数在林地光谱特征中的作用必须放大1 000倍才能与其他波段匹配(图2)
表1Ndvi未放大前波段的统计如：
表1 Ndvi放大前波段统计Table 1 Statistics of wave bands before Ndvi amplification波段最小值最大值平均值标准偏差波段 10.000 947.000 173.723 121.077 波段 20.000 1 148.000 203.476144.522 波段 30.000 1 043.000 182.216 135.172 波段 40.000 1 303.000 272.217 200.818Ndvi-1.0001.000 0.133 0.159Ndvi∗1 000-1 000.000 1 000.000 133.827 159.484
将植被指数扩大一千倍作为特征因子，能反映出细小的变化，通过放大光谱植被指数分析，采用光谱角填图法林地信息提取结果见图3，可见其可以提取云阴影下、山体阴坡肉眼看不到的植被信息(图4、图5)。植被指数没有放大提取的信息却无法看到阴影下的林地(图6)。
图1 Ndvi放大前波谱统计图Figure 1 Statistics of spectrums before NDVI amplification
图2 Ndvi放大1 000倍后波谱统计图Figure 2 Statistics of spectrums after NDVI amplification
图3 光谱角填图法林地信息提取结果Figure 3 Forestry information extracted from spectral angle mapping method
图4 放大植被指数提取的林地信息(云阴影中有林地信息)Figure 4 Forestry information extracted from amplified vegetation index (forestry information can be en under cloud shadow)
图5 提取的林地信息与无云图像的套合 (阴影下的林地可见，云覆盖的地方无信息)Figure 5
职业测评免费版Superposition of extracted forestry information and cloud free image (forestry can be en under shadow,area covered by cloud without information)
Ndvi扩大后波段的统计见表1最后一行。
白芷的作用图6 放大前光谱植被指数提取的林地信息 (云的阴影下无林地信息)Figure 6 Forestry information extracted before spectral vegetation index amplified (under cloud shadow without forestry information)
2 高分一号原始遥感数据信息提取
2.1 实施流程
首先从国家获得下发的高分一号卫星遥感原数据(4个多光谱波段，1个全色波段)，进行辐射正射融合等预处理，然后提取植被指数，以植被指数为基本参数，产生扩大1 000倍植被指数的新波段，也就是说新的数据源是融合后正射校正的五个波段。在屏幕中确定林地样本后保存到一个AOI文件中，然后对整景图像做低通滤波处理(滤波盒为7×7)，目的是为了减少提取矢量信息的边缘锯齿。利用滤波后的图像加载AOI样本文件进行光谱角填图分类，
定义分类阈值，反复调整阈值和AOI运算，直到满意为止。最后，将分类结果转换到矢量文件shp格式，流程如图7所示。
图7 遥感图像信息提取流程图Figure 7 Remote nsing image extraction flow chart
2.2 关键处理
2.2.1 高分一号遥感数据处理
使用专业图像处理软件ENVI波段融合处理模块完成色彩增强，分辨率融合。使得处理后的图像既有高的空间分辨率又有丰富的色彩；然后再根据地形图进行地理位置配准，高程模型纠正几何变形，完成几何精校正。
