袁靜文

（武漢大學 遙感信息工程學院，湖北 武漢430079）

1 植被信息提取原理介紹

1.1 植被信息提取

根據(jù)植被的光譜響應特性，葉綠素在可見光的紅波段卻具有較強的吸收特性，而在近紅外波段卻具有較強的反射特性。在0.5～0.7μm光譜段內(nèi)的反射率普遍小于20%，但在0.7～1.3μm范圍內(nèi)反射率可達60%。植被指數(shù)是利用衛(wèi)星不同波段探測數(shù)據(jù)組合而成的，可以增強土壤和植被之間的反差，方便植被信息的提取。植被指數(shù)運用較多的是比值植被指數(shù)（RVI）和差值植被指數(shù)（DVI）。

比值植被指數(shù)又稱為綠度，其表達式為RVI＝NIR／R，能較好地反映植被覆蓋度和生長狀況的差異，當植被覆蓋度較高時，RVI對植被十分敏感，因此，特別適用于植被生長旺盛、具有高覆蓋度地區(qū)的植被監(jiān)測。

差值植被指數(shù)又稱為農(nóng)業(yè)植被指數(shù)，其表達式為DVI＝NIR－R，它對土壤背景變化敏感，能較好地識別植被和水體。這兩種植被指數(shù)對不同地區(qū)植被的識別效果并不相同，因此，對宜昌地區(qū)綜合采用這兩種植被指數(shù)的信息提取方法，并對兩種方法進行比較。

待處理數(shù)據(jù)為湖北省宜昌地區(qū)1996年和2006年兩期TM影像的紅波段和近紅外波段數(shù)據(jù)，空間分辨率為30m。投影采用UTM的投影方式，主要針對紅波段與近紅外波段的TM影像進行計算處理。反射率反映在影像上即為該像素的像素值，對于兩個波段反射率的計算可以轉(zhuǎn)換為對應像素點的像素值計算。在編程的過程中先搜索兩張影像并對應其像素值，再代入到植被指數(shù)的計算公式中，重新采樣并輸出新的影像，最終得到增強土壤與植被反差的植被信息。

1.2 植被信息變化檢測

對遙感數(shù)據(jù)的時間序列分析，有助于觀測植被覆蓋的季節(jié)變化與年變化趨勢。植被變化體現(xiàn)在影像上，對應像素點的像素值就會發(fā)生變化。編程的過程也就是搜索對應像素點的過程，將對應像素點的像素值進行相減運算，獲得兩幅影像對應點的差值。如果影像發(fā)生了變化，在重新采樣的影像中就會顯示出變化信息；如果影像未發(fā)生變化，在重新采樣的影像中則會顯示出黑色，以此得到植被的變化信息。

2 算法設計與方法實現(xiàn)

在USGS上下載湖北省宜昌地區(qū)1996年和2006年同一時間段內(nèi)的兩組Landsat5的TM影像數(shù)據(jù)，要求云霧覆蓋率盡量少。先進行相應的影像疊合、輻射糾正、影像裁剪等預處理過程，再選取影像數(shù)據(jù)中的紅波段和紅外波段進行植被指數(shù)處理操作。依照路徑讀取文件，并提取變量，定義新圖幅空間，植被指數(shù)公式可分為比值植被指數(shù)RVI＝NIR／R和差值植被指數(shù)DVI＝NIR－R，再進行相應的編程處理和實現(xiàn)。

以上為植被指數(shù)處理過程，將比值植被指數(shù)和差值植被指數(shù)處理后的圖像進行變化檢測處理，即進行像素差值的變化檢測操作，行列進行循環(huán)嵌套，對應的像素相減，顯示變化區(qū)域的圖像信息。

對變化監(jiān)測的結(jié)果進行對比分析，比較兩種植被指數(shù)影響下的植被變化檢測差別，為后續(xù)植被指數(shù)的算法選擇提供參考。

研究農(nóng)業(yè)機械化的相關(guān)立法問題，通過對農(nóng)業(yè)機械化相關(guān)立法概況進行規(guī)范分析[2]，依循立法價值、立法體制和立法內(nèi)容三個維度探討農(nóng)業(yè)機械化相關(guān)立法的完善路徑，能夠構(gòu)建起較為完整的農(nóng)業(yè)機械化的立法體系，解決其價值目標褊狹、立法體制之高位階的立法滯后與低位階的立法不完善、立法內(nèi)容過于零散等主要問題，也能進一步優(yōu)化農(nóng)業(yè)法律體系結(jié)構(gòu)，提升生產(chǎn)力的同時加快推進我國農(nóng)業(yè)現(xiàn)代化進程。農(nóng)業(yè)機械化立法問題需要通過具體的立足于文本的研究，找尋關(guān)于農(nóng)業(yè)機械化立法的不足，就我國推進農(nóng)業(yè)機械化進程實現(xiàn)類型化[3]、規(guī)范化指引。

3 植被信息提取實驗與分析

3.1 植被指數(shù)數(shù)據(jù)獲取

1）獲取Landsat5TM影像數(shù)據(jù)中的紅波段和近紅外波段數(shù)據(jù)，以便進行植被指數(shù)處理（見圖1、圖2）。

圖1 TM影像紅波段數(shù)據(jù)

圖2 TM影像近紅外波段數(shù)據(jù)

2）對兩個波段分別進行比值植被指數(shù)處理和差值植被指數(shù)處理，處理后的結(jié)果如圖3、圖4所示，并對兩種變化進行對比分析。

3.2 植被指數(shù)變化檢測

將經(jīng)過植被指數(shù)處理后的數(shù)據(jù)進行變化檢測處理，即用1996年的數(shù)據(jù)與2006年的數(shù)據(jù)進行比較，分別得出兩種植被指數(shù)處理后的變化檢測結(jié)果，并進行分析比較（見圖5、圖6）。

3.3 植被指數(shù)變化分析

3.3.1 植被指數(shù)部分

由于兩種植被指數(shù)的計算公式不相同，因此，生成的新圖像也存在著明顯差異。

比值植被指數(shù)對于綠色植物葉綠素所產(chǎn)生的紅光具有吸收功能，并對由葉肉組織引起的近紅外強光具有反射功能，因此，其紅波段與紅外波段值具有較大的差異，比值植被指數(shù)的值明顯較高。但對于無植被的地面，包括裸土、人工特征物、水體以及枯死或受脅迫的植被，不顯示這種特殊的光譜響應，其RVI值較低。因此，比值植被指數(shù)能增強植被與土壤背景間的輻射差異。由于植被覆蓋度影響RVI，當植被覆蓋度較高時，RVI對植被十分敏感；當植被覆蓋度＜50%時，敏感性明顯降低。因此，植被覆蓋率高的地區(qū)顯現(xiàn)出來的更加明顯，如沿江綠色植被茂盛地區(qū)植被指數(shù)顯示明顯，而且比值植被指數(shù)影像為灰度圖像。

圖3 比值植被指數(shù)

圖4 差值植被指數(shù)

圖5 RVI變化檢測結(jié)果

圖6 DVI變化檢測結(jié)果

差值植被指數(shù)采取的是運用紅外影像與紅波段相減的方法，所以，存在一種考慮:當紅外波段的某些像素值小于對應的紅波段像素值，就會出現(xiàn)負數(shù)，而這一結(jié)果會直接影響植被指數(shù)的呈現(xiàn)效果。如果采用出現(xiàn)負數(shù)則按等于0計算的方式，能夠更加清晰地體現(xiàn)植被的分布信息。由于DVI對土壤背景的變化極為敏感，有利于對植被生態(tài)環(huán)境進行監(jiān)測。另外，當植被覆蓋濃密≥80%時，它對植被的靈敏度下降，適用于植被發(fā)育早期－中期或者植被覆蓋度為低－中的植被區(qū)域中檢測。

為得到更加準確的植被信息，還需要進行實地考察，來確定以上兩種提取方法不能統(tǒng)一使用區(qū)域的地理信息。植被覆蓋率高的地區(qū)，更推薦比值植被指數(shù)變換方法；而對于土壤植被對比明顯，植被發(fā)育為中期左右的地區(qū)可考慮使用差值植被指數(shù)變換方法。

3.3.2 變化檢測部分

變化檢測是基于兩幅影像的像素值差異原理進行編程。在圖5、圖6中，有灰度值變化的是發(fā)生變化的區(qū)域，剩余部分為沒有發(fā)生變化的區(qū)域，通過對比可以看出，兩種方法獲得的變化基本相同，都可以檢測出植被變化的區(qū)域，只是在有些部分存在細微差別。由于植被指數(shù)的算法不同，使得在進行植被指數(shù)運算時對植被的檢測效果以及顯示效果存在差別。通過相同的像素差值法的變化檢測后，經(jīng)過RVI植被指數(shù)處理的數(shù)據(jù)顯示的變化效果不如經(jīng)過DVI處理的變化效果細致，這是由于使用了不同的植被指數(shù)算法。出現(xiàn)變化檢測的區(qū)域說明這些區(qū)域的植被發(fā)生了很大變化，而造成的原因是多方面的，例如森林砍伐造成的植被變化、水土流失造成的植被變化或者是耕地和工業(yè)用地的轉(zhuǎn)化等原因。

該種變化檢測的方法比較簡單，限定要求也較高。它要求未發(fā)生變化的區(qū)域不論是絕對位置，還是像素值都要絕對吻合。所以，在進行變化檢測之前，需要對影像進行十分嚴格的幾何糾正和亮度調(diào)整，否則，未發(fā)生變化的區(qū)域也會顯現(xiàn)在最終的成果圖中。

4 改進方法及發(fā)展趨勢

通過兩種植被指數(shù)植被信息提取與變化的檢測，獲得了植被信息與變化信息，得到使用不同的植被檢測方法其結(jié)果的側(cè)重點不同，使研究分析的方向有所差異。

1）植被指數(shù)變換后為灰度圖像，通過監(jiān)督分類進行進一步的植被提取，并與自動植被提取變化檢測后的圖像進行比對，對不統(tǒng)一的地區(qū)進行實地考察。

2）不同的植被提取方法側(cè)重點不同，實際情況下可以根據(jù)植被特點進行方法選擇。

3）變化檢測對兩幅影像的幾何糾正和亮度調(diào)整的要求較高，幾何糾正后的影像彼此間也會存在差異，亮度調(diào)整后相同絕對位置的像素點也會有所不同，因此，在圖幅中設置產(chǎn)生隨機對應點，取變化平均值對整幅圖進行像素值的線性拉伸，并在對應像素相減后設定一個閾值，大于此閾值的像素值在新圖幅中顯示，小于或等于該閾值的像素則應忽略不計。

4）由于對整幅圖進行像素值的線性拉伸會導致某些對應較準確的點變得并不準確，因此，對于變化檢測應進行小幅檢測，即將整幅圖分成若干小塊，分塊進行亮度的線性拉伸、變化檢測。

5 結(jié) 語

綜上所述，植被指數(shù)雖然算法簡單，但卻具有空間覆蓋范圍廣、數(shù)據(jù)易獲取、植被檢測靈敏等優(yōu)點，在具體應用中還需要注意來自大氣、土壤等方面的影響。

變化檢測是從不同時期的遙感數(shù)據(jù)中定量分析和確定地表變化的特征與過程。算法不難使用，但要注意對影像的糾正和亮度調(diào)節(jié)，目前，其普遍應用于評估災害、預測災害發(fā)展趨勢、更新地理數(shù)據(jù)及土地覆蓋。

［1］張春桂.用 MODIS植被指數(shù)研究福州城區(qū)空間擴展變化［J］.氣象，2006，32（10）:20－26.

［2］孫家柄.遙感原理與應用［M］.武漢:武漢大學出版社，2009

［3］郭凱，孫培新，張銳，等.利用遙感影像軟件ENVI提取植被指數(shù)［J］.新疆環(huán)境保護，2005，27（1）:10－12.

［4］覃發(fā)超，倪瀟倩.基于遙感影像的都江堰市多植被指數(shù)的比較研究［J］.科技創(chuàng)新導報，2013（3）:19－22.

［5］郭范春，郭祥龍，侯雪.基于ArcEngine的城市影像數(shù)據(jù)管 理 系 統(tǒng) 開 發(fā) ［J］.交 通 科 技 與 經(jīng) 濟，2013，15（4）:117－119.

［6］張寶燕.淺析城市植被信息遙感監(jiān)測在實踐中的應用［J］.中國林副特產(chǎn)，2012（2）:105－107.

［7］陳鋒.基于ENVI植被動態(tài)變化分析［J］.科技創(chuàng)新與成產(chǎn)力，2012（10）:61－67.

［8］梅安新，彭望祿，秦其明，等.遙感導論［M］.北京:高等教育出版社，2002.

［9］郭云開，張進會.南方丘陵地區(qū)路域植被光譜處理與分析［J］.測繪工程，2014，23（7）:1－5.

［10］王野.基于資源三號衛(wèi)星影像的城市綠地信息提取方法探討［J］.測繪工程，2014，23（7）:65－67.

［11］高燕，周成虎，蘇奮振.基于OLI影像多參數(shù)設置的SVM 分類研究［J］.測繪工程，2014，23（6）:1－5.