高閃閃，陳仁喜

(1.河海大學(xué)地球科學(xué)與工程學(xué)院，南京 210098;2.華南理工大學(xué)亞熱帶建筑科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，廣州 510640)

0 引言

ALOS(advanced land observation satellite)衛(wèi)星是日本國(guó)家空間發(fā)展局(NASDA)2006年發(fā)射的一顆陸地觀測(cè)衛(wèi)星[1]，用于快速獲取高精度的地面數(shù)據(jù)[2]。ALOS衛(wèi)星攜帶了3種傳感器:全色立體測(cè)圖傳感器、新型可見光和近紅外輻射計(jì)AVNIR-2及相陣型L-波段合成孔徑雷達(dá)。在波段設(shè)置和空間分辨率上，ALOS AVNIR-2與SPOT5 CCD有很大的相似性。何宇華等[3]針對(duì)ALOS數(shù)據(jù)圖像質(zhì)量分析了影像紋理特征，評(píng)定了平面點(diǎn)位、影像分類和圖斑面積精度，并將其與 SPOT5數(shù)據(jù)對(duì)比，發(fā)現(xiàn)ALOS數(shù)據(jù)在紋理特征及面積精度方面均明顯優(yōu)于SPOT5數(shù)據(jù)。這也是近年來(lái)ALOS圖像被廣泛應(yīng)用于遙感領(lǐng)域研究的重要原因之一。

目前，關(guān)于利用ALOS衛(wèi)星圖像提取植被信息的研究主要采用紋理輔助、支持向量機(jī)、決策樹和最大似然分類等方法[4-7]，而植被指數(shù)簡(jiǎn)單實(shí)用的特點(diǎn)使其一直是植被遙感研究的重要內(nèi)容之一[8]。隨著遙感技術(shù)的發(fā)展，為了滿足不同的應(yīng)用需求，用于提取植被信息的各種植被指數(shù)應(yīng)運(yùn)而生，如差值植被指數(shù)(difference vegetation index，DVI)[9]、比值植被指數(shù)(ratio vegetation index，RVI)[10]、歸一化差值植被指數(shù)(normalized difference vegetation index，NDVI)[11]、土壤調(diào)節(jié)植被指數(shù)(soil adjusted vegetation index，SAVI)[12]、全球環(huán)境監(jiān)測(cè)指數(shù)[13]和三波段梯度差植被指數(shù)[14]等。雖然這些植被指數(shù)具有一定消除土壤背景或大氣影響的能力，但是利用這些植被指數(shù)提取ALOS圖像植被信息時(shí)存在將建筑物錯(cuò)認(rèn)為是植被信息和漏提植被信息的現(xiàn)象，或者植被密度較低的(如農(nóng)田和草地等)不易提取，而且消除土壤背景影響能力較差。

針對(duì)上述情況，本文通過(guò)分析植被樣本數(shù)據(jù)，發(fā)現(xiàn)植被的光譜數(shù)據(jù)間存在某種較為固定的關(guān)系，根據(jù)這種關(guān)系提出了適于ALOS圖像的基于植被樣本的植被指數(shù)(vegetation sample-based vegetation index，VSVI)，并通過(guò)植被提取實(shí)驗(yàn)證明了VSVI不僅具有很好消除土壤背景影響的能力，而且植被提取效果好于其他植被指數(shù)。

1 研究區(qū)概況與技術(shù)路線

1.1 研究區(qū)概況

研究區(qū)位于南京市浦口區(qū)，地處南京市長(zhǎng)江西北岸，E 118°20′～119°13′，N 31°14′～ 32°17′之間;中部有老山山脈，西部丘陵起伏，地貌類型多樣化，集低山、丘陵、平原、崗地、大江和大河為一體。全區(qū)總面積約913 km2(其中丘陵山區(qū)面積632.7 km2，平原區(qū)面積269.3 km2)，屬于亞熱帶季風(fēng)氣候。區(qū)內(nèi)水系發(fā)達(dá)，植被類型豐富，適合植被信息提取研究。

1.2 技術(shù)路線

選擇2009年10月獲取的ALOS AVNIR-2的level1B2級(jí)遙感圖像。該圖像包括紅、綠、藍(lán)和近紅外4個(gè)多光譜波段，空間分辨率為10 m。

本文技術(shù)路線為:①對(duì)圖像進(jìn)行裁剪、線性拉伸及多尺度分割處理，并計(jì)算圖像對(duì)象的4個(gè)波段的光譜特征均值;②選取100個(gè)植被對(duì)象為樣本，對(duì)其4個(gè)波段光譜特征值進(jìn)行數(shù)據(jù)統(tǒng)計(jì)與分析;③建立模型函數(shù)，根據(jù)對(duì)植被樣本的計(jì)算分析確定函數(shù)模型參數(shù)l1，l2，l3和l4的值;④通過(guò)對(duì)研究區(qū)植被信息的提取，檢驗(yàn)VSVI植被指數(shù)是否可行，并通過(guò)與其他植被指數(shù)的提取結(jié)果的比較進(jìn)行分析和評(píng)價(jià)。

2 VSVI及其原理

本文從分析植被光譜的特點(diǎn)入手，提出一種基于植被樣本光譜特征值數(shù)理統(tǒng)計(jì)分析的植被指數(shù)VSVI;通過(guò)數(shù)學(xué)公式推導(dǎo)證明該植被指數(shù)具有一定消除土壤背景影響的能力，并通過(guò)利用VSVI從ALOS圖像中提取植被信息的實(shí)驗(yàn)予以驗(yàn)證;最后采用其他典型植被指數(shù)，即DVI，RVI，NDVI和SAVI(表1)[9-12]，分別從ALOS圖像中提取了植被信息，并與利用VSVI提取的效果進(jìn)行了比較。

表1 典型植被指數(shù)一覽表Tab.1 List of typical vegetation indexes

2.1 植被樣本選取與分析

研究發(fā)現(xiàn)，植被在不同波段的反射率以不同形式組合一個(gè)函數(shù)時(shí)，該函數(shù)與植被指數(shù)有著密切關(guān)系。為了研究這種關(guān)系，本文統(tǒng)計(jì)分析了ALOS圖像中植被在藍(lán)光B、綠光G、紅光波段R和近紅外波段NIR的光譜特征值范圍，分別為ρB∈[121，135]，ρG∈[92，115]，ρR∈[66，100]和 ρNIR∈[84，120]。當(dāng)2個(gè)波段的光譜特征值存在交叉范圍時(shí)，該2個(gè)波段比值的分布范圍表現(xiàn)為比較零散或者差值正負(fù)交替變化。表2列出隨機(jī)選取的100個(gè)較為純凈的植被樣本的光譜特征值和比值。

表2 植被樣本光譜特征值與比值Tab.2 Ratio and spectral values of vegetation samples

由表2可以看出，可見光藍(lán)、綠和紅波段的植被光譜特征值的標(biāo)準(zhǔn)差較小，內(nèi)部變化穩(wěn)定;而近紅外波段的植被光譜特征值的標(biāo)準(zhǔn)差較大，與其他波段的比值較為零散，并且與綠光和紅光波段的差值運(yùn)算正負(fù)交替，導(dǎo)致統(tǒng)計(jì)參數(shù)時(shí)不穩(wěn)定。因此，不適合選為統(tǒng)計(jì)計(jì)算VSVI參數(shù)的波段。為了避免這種情況并使植被指數(shù)比較穩(wěn)定，本文只對(duì)可見光藍(lán)、綠和紅波段的植被光譜特征值進(jìn)行統(tǒng)計(jì)分析。通過(guò)對(duì)表2中植被樣本光譜特征值的計(jì)算分析發(fā)現(xiàn):不同波段的植被反射率以一定形式可以組合成一個(gè)比較穩(wěn)定的參數(shù)，并且這個(gè)參數(shù)與植被特性有密切關(guān)系。

2.2 VSVI理論

葉綠素在 0.55μm(綠)波長(zhǎng)處為反射峰，在0.45μm(藍(lán))和 0.67μm(紅)為吸收帶，在近紅外0.7μm，0.8μm，1.1μm 處為反射陡坡，4 個(gè)波段的光譜信息都能一定程度上反映植被信息。假設(shè)VSVI與不同波段呈線性關(guān)系，建立四元一次方程，即

式中l(wèi)1，l2，l3和l4為待確定的參數(shù)。

通過(guò)計(jì)算分析，發(fā)現(xiàn) ρR/ρG，(ρR-ρB)/ρR，(ρG-ρR)/ρG和(ρB-ρG)/ρB能夠組合成一個(gè)比較穩(wěn)定的參數(shù)。因此，經(jīng)多次從ALOS圖像中提取植被信息的實(shí)驗(yàn)，表明 l1，l2，l3，和 l4分別為 ρR/ρG，(ρR- ρB)/ρR，(ρG- ρR)/ρG和(ρB- ρG)/ρB時(shí)，植被提取效果最佳。因此，

VSVI具有消除土壤背景影響的能力。假設(shè)在可見光藍(lán)、綠、紅和近紅外4個(gè)波段，植被和土壤面積的比值不隨波段變化(盡管該假設(shè)比較粗糙，但一些通用的植被指數(shù)在一定程度上也隱含了該假設(shè))，像元的反射率為像元內(nèi)植被和土壤的面積加權(quán)和[7]。若忽略誤差項(xiàng)，則4個(gè)波段的反射率分別為

式中:ρB，ρG，ρR及 ρNIR分別為藍(lán)光、綠光、紅光及近紅外波段的反射率;ρVi和ρSi分別為i波段的植被及土壤反射率(i=B，G，R，NIR);A為植被覆蓋度。

式(3)—(6)代入式(2)，化簡(jiǎn)后得到

式中:

可見在上述假設(shè)條件下，VSVI僅與植被的光譜信息有關(guān)，與土壤背景無(wú)關(guān)。

2.3 實(shí)驗(yàn)結(jié)果與分析

植被提取實(shí)驗(yàn)中涉及到圖像裁剪、波段組合、多尺度分割、波段運(yùn)算和構(gòu)造植被提取函數(shù)模型等技術(shù)。為了證明VSVI具有消除土壤背景影響的能力，本文采用多閾值分割方法提取植被信息。圖1為利用不同植被指數(shù)提取植被的結(jié)果。

圖1 不同植被指數(shù)的植被提取結(jié)果Fig.1 Results of vegetation extracted by different vegetation indexes

實(shí)驗(yàn)結(jié)果表明，利用 NDVI，DVI，RVI和 SAVI等植被指數(shù)均能將植被輪廓提取出來(lái)，但存在一定的漏提或誤提等缺點(diǎn);只有利用VSVI提取植被克服了其他植被指數(shù)的上述缺點(diǎn)。

從圖1中可以看出:①與對(duì)原始ALOS圖像(圖1(a))的植被(紅色區(qū)域)目視解譯結(jié)果對(duì)比，圖1(b)—(e)中都存在植被信息的漏提和誤提現(xiàn)象(藍(lán)色橢圓內(nèi)為植被信息漏提，紅色橢圓內(nèi)表示建筑物錯(cuò)提為植被信息，黃色橢圓內(nèi)的顏色表示植被密度比較低的植被信息);②植被提取的實(shí)驗(yàn)結(jié)果與閾值的選取有關(guān)，在構(gòu)造模型時(shí)閾值的選取要經(jīng)過(guò)多次實(shí)驗(yàn)才能確定，在圖1(b)—(e)中，要么植被密度比較低的農(nóng)田和草地不易被分割出來(lái)，要么植被與道路和裸地的交叉現(xiàn)象比較嚴(yán)重;③為了驗(yàn)證VSVI指數(shù)的精度，多尺度分割后統(tǒng)計(jì)了植被信息的總對(duì)象數(shù)為18 769，并計(jì)算了 NDVI，DVI，RVI，SAVI和VSVI的提取精度(表3)。與其他植被指數(shù)相比，VSVI指數(shù)的分類精度大幅提高。

表3 不同植被指數(shù)分類精度Tab.3 Classification accuracy of different vegetation indexes

通過(guò)分析發(fā)現(xiàn):NDVI，DVI，RVI及 SAVI雖然一定程度上能夠消除土壤背景的影響，但是在植被密度較低的情況下植被提取效果不太理想，并且DVI和RVI存在漏提和錯(cuò)提、NDVI和SAVI有錯(cuò)提現(xiàn)象;從圖1(f)來(lái)看，VSVI植被指數(shù)克服了其他植被指數(shù)的上述缺點(diǎn)，并且能夠較好地消除土壤背景和薄云的影響。實(shí)驗(yàn)證明:本文提出的VSVI植被指數(shù)與其他植被指數(shù)相比，從ALOS圖像中提取植被的效果更為理想。

3 結(jié)論

1)從植被光譜特征出發(fā)，通過(guò)分析ALOS衛(wèi)星AVNIR-2的4個(gè)多光譜波段之間植被樣本特征值之間的數(shù)學(xué)關(guān)系，提出基于植被樣本的植被指數(shù)(VSVI)，并通過(guò)公式推導(dǎo)證明其具有消除土壤背景影響的一定能力。

2)與其他典型植被指數(shù)相比，使用VSVI的植被信息提取效果最好。研究發(fā)現(xiàn)，參數(shù)l1，l2，l3和l4的值只要在一定范圍內(nèi)變化，就不存在對(duì)植被信息提取效果的影響。

3)VSVI也有一定的缺陷，如由于植被樣本選取的差異會(huì)導(dǎo)致參數(shù)值的上下波動(dòng)，但總體上并不影響植被信息的提取效果;由于本文提出植被指數(shù)僅局限于對(duì)ALOS圖像的植被提取，如何把該植被指數(shù)應(yīng)用于其他衛(wèi)星數(shù)據(jù)是今后研究的重點(diǎn)。另外，植被的提取受閾值選擇的影響，如何更準(zhǔn)更快地確定閾值也是今后研究的問(wèn)題之一。

[1]王樹根.日本ALOS衛(wèi)星簡(jiǎn)介[J].測(cè)繪信息與工程，2000(1):45-46.Wang S G.The profile of Japan′s ALOS satellite[J].Journal of Geomatics，2000(1):45-46.

[2]熊金國(guó)，王世新，周 藝.不同指數(shù)模型提取ALOS AVNIR-2影像中水體的敏感性和精度分析[J].國(guó)土資源遙感，2010，22(4):46-50.Xiong J G，Wang S X，Zhou Y.A sensitivity analysis and accuracy assessment of different water extraction index models based on ALOS AVNIR-2 data[J].Remote Sensing for Land and Resources，2010，22(4):46-50.

[3]何宇華，謝俊奇，劉順喜.ALOS衛(wèi)星遙感數(shù)據(jù)影像特征分析及應(yīng)用精度評(píng)價(jià)[J].地理與地理信息科學(xué)，2008，24(2):23-26.He Y H，Xie J Q，Liu S X.Image characteristics analysis and application accuracy assessment of ALOS data[J].Geography and Geo-Information Science，2008，24(2):23-26.

[4]邵曉敏，劉 勇.基于紋理的烏蘭布和沙漠地區(qū)植被信息提取[J].遙感技術(shù)與應(yīng)用，2010，25(5):687-693.Shao X M，Liu Y.Deriving vegetation information in Ulan Buh desert based on texture[J].Remote Sensing Technology and Application，2010，25(5):687-693.

[5]李 玲，王 紅，劉慶生，等.基于紋理特征和支持向量機(jī)的ALOS圖像土地覆被分類[J].國(guó)土資源遙感，2011，23(4):58-63.Li L，Wang H，Liu Q S，et al.Land cover classification using ALOS image based on textural features and support vector machine[J].Remote Sensing for Land and Resources，2011，23(4):58-63.

[6]伍 藍(lán).基于ALOS等數(shù)據(jù)的鹽城濕地植被分類及土地覆蓋時(shí)空變化研究[D].南京:南京師范大學(xué)，2008.Wu L.Fine classification of vegetation and land-cover change analysis of wetlands based on ALOS and other image data in Yancheng[D].Nanjing:Nanjing Normal University，2008.

[7]黃鐵欄，蘇 華，王云鵬.NDVI/NDWI/DEM決策樹方法在東莞ALOS影像土地利用分類中的應(yīng)用[J].華南師范大學(xué)學(xué)報(bào):自然科學(xué)版，2012，44(1):134-139.Huang T L，Su H，Wang Y P.Decision tree method on NDVI/NDWI/DEM for land use classification of ALOS image in Dongguan City[J].Journal of South China Normal University:Natural Science Edition，2012，44(1):134-139.

[8]徐 爽，沈潤(rùn)平，楊曉月.利用不同植被指數(shù)估算植被覆蓋度的比較研究[J].國(guó)土資源遙感，2012，24(4):95-100.Xu S，Shen R P，Yang X Y.A comparative study of different vegetation indices for estimating vegetation coverage based on the dimidiate pixel model[J].Remote Sensing for Land and Resources，2012，24(4):95-100.

[9]Richardson A J，Wiegand C L.Distinguishing vegetation from soil background information[J].Photogrammetric Engineering and Remote Sensing，1977，43(12):1541-1552.

[10]Jordan C F.Derivation of leaf area index from quality of light on the foresr floor[J].Ecology，1969，50(4):663-666.

[11]Rouse J W，Haas R H，Schell J A，et al.Monitoring vegetation systems in the great plains with ERTS[C]//Proceedings of third earth resources technology satellite-1 symposium，Greenbelt NASASP-351，1974:310-317.

[12]Huete A R.A soil-adjusted vegetation index(SAVI)[J].Remote Sensing of Environment，1988，25(3):295-309.

[13]Pinty B，Verstraete M M.GEMI:A non-linear index to monitor global vegetation from satellites[J].Vegetation，1992，101(1):15-20.

[14]唐世浩，朱啟疆，王錦地，等.三波段梯度差植被指數(shù)的理論基礎(chǔ)及其應(yīng)用[J].中國(guó)科學(xué):D 緝，2003，33(11):1094-1102.Tang S H，Zhu Q J，Wang J D，et al.Theoretical basis of the triband gradient difference vegetation index and its application[J].Science in China:Series D，2003，33(11):1094-1102.