植被信息提取功能设计与实现.doc

目 录摘 要1关键词1Abstract1Key words1引言11.概述21.1研究区概况21.2数据及软件的选取21.3植被指数32.图像处理42.1数据预处理42.2模型建立62.3提取NDVI影像73.植被信息提取104.结论10参考文献11基于ERDAS植被信息提取功能的设计与实现姓名： 学号： 单位：城市与环境科学学院 专业： 指导老师： 职称： 摘 要：在遥感影像处理中，植被指数提取广泛应用于评价植被覆盖，长势、面积等植被信息。本文主要利用ERDAS IMAGINE遥感图像处理软件对遥感影像进行归一化植被指数NDVI的提取，对植被指数图像进行非监督分类处理，结合目视解译等方法，对信阳地区的植被信息进行提取。关键词：植被指数；ERDSA；遥感；NDVI引言植被是重要的自然资源，对生态平衡的维持起着极其重要的作用，因此需要一种切实有效地技术和方法对植被的情况进行掌控。植被主要是指林地、草地和农作物，其中林地包括有林地、灌木地和疏林地，草地包括高覆盖度草地、中覆盖地草地和低覆盖度草地1。遥感技术的出现和发展，为提取植被指数，测算植被覆盖度提供了一种新的方法。遥感方法相较于传统的地面测算不仅使测算的外业工作得到了极大的减少，而且在时效性、测算范围等方面都存在着较明显的优势。1. 概述1.1研究区概况信阳位于河南省南部，地处东经11401-11406，北纬3146-3152。信阳地势南高北低，是岗川相间、形态多样的阶梯地貌。西部和南部是由桐柏山、大别山构成的豫南山地，面积近7000平方公里，占全市总面积的36.9%。中部是丘陵岗地，位于豫南山地以北，明港，寨河、固始连线以南，海拔50-100米，面积7000多平方公里，占全市总面积的38.5%。北部是平原和洼地，面积4000多平方公里，占全市总面积的24.6%。其中平原海拔30-59米，面积占全市总面积的17%；洼地海拔22-35米，主要分布在淮河两岸，面积占全市总面积的7.6%。土壤主要为粗骨土、石质土、黄棕壤、黄褐土、水稻土和潮土。信阳地跨淮河，位于中国亚热带和暖温带的地理分界线（秦岭-淮河）上，属亚热带向暖温带过渡区。这种气候造成淮河南北自然景观的差异：淮南山清水秀，水田盈野，稻香鱼跃，犹如江南风光；淮北平原舒展，一望无垠，盛产小麦、杂粮、棉花，北国情调浓厚。信阳日照充足，年均1900-1400毫米，空气湿润，相对湿度年均77%。信阳市是一座绿色茶城，“山绕绿城城砌玉，城裹碧水水飞虹”正是信阳市容的真实写照，因此城区主要植物种类是茶树及绿化植物柳树、梧桐、槭、绒花树、杨、龙爪槐等。1.2数据及软件的选取本文采用的是2002年7月9日的LANDSAT7 ETM+影像数据作为研究区数据。ETM+影像有8个光谱波段，空间分辨率分别是30m（1、2、3、4、5、7波段），60m（6波段），15m（全色波段），具有较高的光谱分辨率，覆盖范围广。 ERDAS IMAGINE是美国ERDAS公司开发的专业遥感图像处理与地理信息系统软件，以模块化的方式提供给用户。它以其先进的图像处理技术，友好、灵活的用户界面和操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工具以及高度RS/GIS（遥感图像处理和地理信息系统）集成功能，为遥感及相关应用领域的用户提供了内容丰富而功能强大的图像处理工具，代表了遥感图像处理系统未来的发展趋势。可使用户根据自己的应用要求、资金情况合理地选择不同功能模块及不同组合，对系统进行裁剪，充分利用软硬件资源，并最大限度地满足用户的专业应用要求。 ERDAS IMAGINE的空间建模工具（Spatial Modeler）是一个面向目标的模型语言环境，在这个环境中，可以应用直观的图形语言在一个页面上绘制流程图，并定义图形分别代表输入数据、操作函数、运算规则和输出函数，设计出高级的空间分析模型，实现复杂的分析和处理功能2。一个空间模型是由ERDAS IMAGINE空间模型组建构成的一组指令集，这些指令可以完成地理信息和图像处理的操作功能。整个过程只需用其提供的工具栏在窗口中绘出模型的流程图、指定流程图的意义、所用参数等，即可完成模型的设计，无需进行具体而复杂的编程过程。ERDAS IMAGINE为用户提供了高层次的设计工作和手段，同时可使用户将更多精力集中在专业领域的研究。1.3植被指数植被指数（vegetation index）是遥感监测地面植物生长和分布的一种方法，是不同遥感光谱波段间的线性或非线性组合，被认为反映绿色植被的相对丰度和活性的辐射量值（无量纲）的标志，是绿色植被的叶面积指数（LAI）、盖度、叶绿素含量、绿色生物量以及被吸收的光合有效辐射（APAR）的综合体现。植被指数通常可反映90%以上的植被信息，并能消除外在因素的影响，如遥感器定标、大气、观测和照明几何条件等，从而较好地反映绿色植物的生长状况、空间分布，并可宏观地反映绿色植物的生物量和盖度等生物物理特征，因而已广泛应用于土地利用覆盖探测、植被覆盖密度评价和作物识别等方面3。目前采用的植被指数有20余种，但常用的植被指数有：归一化植被指数NDVI（Normalized Differencr Vegetation Index）、比值植被指数RVI（Ratio Vegetation Index）、差值植被指数DVI（Difference Vegetation Index）、土壤调节植被指数SAVI（The Soil Adjusted Vegetation Index）、修正型土壤植被指数（Modified Soil Adjusted Vegetation Index）等4，它们是研究者根据不同的研究区特点和不同研究对象而提出，它们与绿色植被的盖度和生物量等存在较好的相关性。一般来讲，NDVI和MSAVI对绿色植物的生长状况和空间分布密度反映敏感，但受土壤背景的影响较大，适用于作物生长早期和植被覆盖度低的区域，是对干旱、半干旱区的绿洲生态系统植被研究的较佳的植被指数选择。健康的绿色植被在NIR和RED波段（NIR代表近红外波段，RED代表红波段）的反射差异比较大，原因在于RED对绿色植被来说是强吸收，NIR则是高反射。由于不同绿色植被对不同波长光的吸收率不同，光线照射在植物上时，近红外波段的光大部分被植物反射，而可见光波段的光则大部分被植物吸收，通过对近红外和红波段反射率的线性或非线性组合，可以消除地物光谱产生的影响，得到的特征指数称为植被指数5。植被指数是植被长势的一种指示，对于同一种植被，NDVI越大，说明地表植被的覆盖度越高，植被的长势越好6。基于这种经验统计关系，根据NDVI求取植被覆盖度的方法目前应用较为广泛。植被指数法是提取植被信息最理想的方法。植被指数法处理后，图像明暗的界线清晰，植被的亮度值大，数量小，而其他地物的亮度小，数量多。植被指数提取的方法很多，最为常用的一种方法是通过遥感影像处理软件对遥感影像不同波段进行处理，从而得到各类植被指数。Deering（1978年）提出归一化差值植被指数NDVI，将比值限定在（-1,1）范围内7。由于NDVI可以消除大部分与仪器定标、太阳角、地形、云阴影和大气条件有关辐照度的变化，增强了对植被的响应能力，是目前已有的40多种植被指数中应用最广的一种。目前常见的Landsat TM遥感影像，共有7个波段，其中TM3（波长0.630.69微米）为红外波普段，为叶绿素主要吸收波段；TM4（波长0.760.90微米）为近红外波普段，为绿色植被的差异敏感，为植被通用波段。Modis遥感影像共有36个光谱通道，其第一波段（0.620.67微米）、第二波段（0.8410.876微米）分别是红色和近红外波段，可以用第一和第二波段计算植被指数。例如归一化植被指数NDVI的定义是：NDVI=（NIR RED）/（ NIR + RED）归一化植被指数是反映农作物长势和营养信息的重要参数之一。它能反映出植被冠层的背景影响，如土壤、潮湿地面、雪、枯叶、粗糙度等，且与植被覆盖度有关，可以用来检测植被生长状态、植被覆盖度和消除部分辐射误差等。要计算NDVI，就是在遥感处理软件中，计算近红外波段与红波段之差，再除以两个波段之和。2.图像处理2.1数据预处理在提取植被信息之前需要对遥感数据进行预处理，为了不改变地物的波谱信息，因此不需要对影像进行增强处理，只需要进行几何校正。利用ERDAS IMAGINE软件进行遥感图像进行几何纠正，其目的是给图像加上地理坐标，正射校正加上地理坐标的同时再通过一些测量高程点和DEM来消除地形起伏引起的图像变形。后者的测量高程点很难获得，需要外定向数据点。图像配准是地面上的目标在各图像上所对应像点具有相同平面坐标的处理过程，也称几何精纠正8。它是保证图像几何精度的主要手段，也是提取地面信息的前提。在实践中，根据需要选取足够的控制点，一般是理论控制的6倍左右，并且应注意控图1. 几何校正的过程Fig.1 The process of geometric correction制点分布随地形的复杂程度而定，地形越复杂，控制点应越多。选取控制店误差控制在1个像元以内。其过程可归纳为4个步骤：建立原始图像与校正后图像的坐标系；确定GCP，即在原始畸变图像空间与标准空间寻找控制点对；选择畸变数学模型，并利用GCP数据求出畸变模型的未知参数，然后利用此畸变模型对原始畸变图像进行几何精校正；几何精校正的精度分析9。图2. 校正后的图像(左为近红外，右为红波段)Fig.2 The Corrected image（The left is NIR，the right is RED）2.2模型的建立图3. 空间图形模型的基本类型Fig.3 The fundamental type of the Geometric Figure Model2.3利用ERDAS提取NDVI影像在ERDAS中提取信阳地区植被指数时，处理过程如下：图4. ERDAS提取植被指数NDVI模型Fig.4 The model of the extraction of Vegetation Index图5. 左为近红外+红波段的图像，右为近红外-红波段的图像Fig.5 The left is the image of BANDNIR+BANDRED and the right is BANDNIR-BANDRED图6. 提取归一化植被指数的影像Fig.6 The image of the extracted NDVI3.植被信息的提取 本次研究中采用图像屏幕解译、自动分类、根据像素自动测算面积的方法，得到植