《植被信息提取功能設(shè)計與實現(xiàn).doc》由會員分享，可在線閱讀，更多相關(guān)《植被信息提取功能設(shè)計與實現(xiàn).doc（6頁珍藏版）》請在裝配圖網(wǎng)上搜索。

目 錄 摘 要 1 關(guān)鍵詞 1 Abstract 1 Key words 1 引言 1 1.概述 2 1.1研究區(qū)概況 2 1.2數(shù)據(jù)及軟件的選取 2 1.3植被指數(shù) 3 2.圖像處理 4 2.1數(shù)據(jù)預(yù)處理 4 2.2模型建立 6 2.3提取NDVI影像 7 3.植被信息提取 10 4.結(jié)論 10 參考文獻 11 基于ERDAS植被信息提取功能的設(shè)計與實現(xiàn) 姓名： 學(xué)號： 單位：城市與環(huán)境科學(xué)學(xué)院 專業(yè)： 指導(dǎo)老師： 職稱： 摘 要：在遙感影像處理中，植被指數(shù)提取廣泛應(yīng)用于評價植被覆蓋，長勢、面積等植被信息。本文主要利用ERDAS IMAGINE遙感圖像處理軟件對遙感影像進行歸一化植被指數(shù)NDVI的提取，對植被指數(shù)圖像進行非監(jiān)督分類處理，結(jié)合目視解譯等方法，對信陽地區(qū)的植被信息進行提取。 關(guān)鍵詞：植被指數(shù)；ERDSA；遙感；NDVI 引言 植被是重要的自然資源，對生態(tài)平衡的維持起著極其重要的作用，因此需要一種切實有效地技術(shù)和方法對植被的情況進行掌控。植被主要是指林地、草地和農(nóng)作物，其中林地包括有林地、灌木地和疏林地，草地包括高覆蓋度草地、中覆蓋地草地和低覆蓋度草地[1]。遙感技術(shù)的出現(xiàn)和發(fā)展，為提取植被指數(shù)，測算植被覆蓋度提供了一種新的方法。遙感方法相較于傳統(tǒng)的地面測算不僅使測算的外業(yè)工作得到了極大的減少，而且在時效性、測算范圍等方面都存在著較明顯的優(yōu)勢。 1. 概述 1.1研究區(qū)概況 信陽位于河南省南部，地處東經(jīng)11401′-11406′，北緯3146′-3152′。信陽地勢南高北低，是崗川相間、形態(tài)多樣的階梯地貌。西部和南部是由桐柏山、大別山構(gòu)成的豫南山地，面積近7000平方公里，占全市總面積的36.9%。中部是丘陵崗地，位于豫南山地以北，明港，寨河、固始連線以南，海拔50-100米，面積7000多平方公里，占全市總面積的38.5%。北部是平原和洼地，面積4000多平方公里，占全市總面積的24.6%。其中平原海拔30-59米，面積占全市總面積的17%；洼地海拔22-35米，主要分布在淮河兩岸，面積占全市總面積的7.6%。土壤主要為粗骨土、石質(zhì)土、黃棕壤、黃褐土、水稻土和潮土。信陽地跨淮河，位于中國亞熱帶和暖溫帶的地理分界線（秦嶺-淮河）上，屬亞熱帶向暖溫帶過渡區(qū)。這種氣候造成淮河南北自然景觀的差異：淮南山清水秀，水田盈野，稻香魚躍，猶如江南風(fēng)光；淮北平原舒展，一望無垠，盛產(chǎn)小麥、雜糧、棉花，北國情調(diào)濃厚。信陽日照充足，年均1900-1400毫米，空氣濕潤，相對濕度年均77%。信陽市是一座綠色茶城，“山繞綠城城砌玉，城裹碧水水飛虹”正是信陽市容的真實寫照，因此城區(qū)主要植物種類是茶樹及綠化植物柳樹、梧桐、槭、絨花樹、楊、龍爪槐等。 1.2數(shù)據(jù)及軟件的選取 本文采用的是2002年7月9日的LANDSAT7 ETM+影像數(shù)據(jù)作為研究區(qū)數(shù)據(jù)。ETM+影像有8個光譜波段，空間分辨率分別是30m（1、2、3、4、5、7波段），60m（6波段），15m（全色波段），具有較高的光譜分辨率，覆蓋范圍廣。 ERDAS IMAGINE是美國ERDAS公司開發(fā)的專業(yè)遙感圖像處理與地理信息系統(tǒng)軟件，以模塊化的方式提供給用戶。它以其先進的圖像處理技術(shù)，友好、靈活的用戶界面和操作方式，面向廣闊應(yīng)用領(lǐng)域的產(chǎn)品模塊，服務(wù)于不同層次用戶的模型開發(fā)工具以及高度RS/GIS（遙感圖像處理和地理信息系統(tǒng)）集成功能，為遙感及相關(guān)應(yīng)用領(lǐng)域的用戶提供了內(nèi)容豐富而功能強大的圖像處理工具，代表了遙感圖像處理系統(tǒng)未來的發(fā)展趨勢?？墒褂脩舾鶕?jù)自己的應(yīng)用要求、資金情況合理地選擇不同功能模塊及不同組合，對系統(tǒng)進行裁剪，充分利用軟硬件資源，并最大限度地滿足用戶的專業(yè)應(yīng)用要求。 ERDAS IMAGINE的空間建模工具（Spatial Modeler）是一個面向目標的模型語言環(huán)境，在這個環(huán)境中，可以應(yīng)用直觀的圖形語言在一個頁面上繪制流程圖，并定義圖形分別代表輸入數(shù)據(jù)、操作函數(shù)、運算規(guī)則和輸出函數(shù)，設(shè)計出高級的空間分析模型，實現(xiàn)復(fù)雜的分析和處理功能[2]。一個空間模型是由ERDAS IMAGINE空間模型組建構(gòu)成的一組指令集，這些指令可以完成地理信息和圖像處理的操作功能。整個過程只需用其提供的工具欄在窗口中繪出模型的流程圖、指定流程圖的意義、所用參數(shù)等，即可完成模型的設(shè)計，無需進行具體而復(fù)雜的編程過程。ERDAS IMAGINE為用戶提供了高層次的設(shè)計工作和手段，同時可使用戶將更多精力集中在專業(yè)領(lǐng)域的研究。 1.3植被指數(shù) 植被指數(shù)（vegetation index）是遙感監(jiān)測地面植物生長和分布的一種方法，是不同遙感光譜波段間的線性或非線性組合，被認為反映綠色植被的相對豐度和活性的輻射量值（無量綱）的標志，是綠色植被的葉面積指數(shù)（LAI）、蓋度、葉綠素含量、綠色生物量以及被吸收的光合有效輻射（APAR）的綜合體現(xiàn)。植被指數(shù)通?？煞从?0%以上的植被信息，并能消除外在因素的影響，如遙感器定標、大氣、觀測和照明幾何條件等，從而較好地反映綠色植物的生長狀況、空間分布，并可宏觀地反映綠色植物的生物量和蓋度等生物物理特征，因而已廣泛應(yīng)用于土地利用覆蓋探測、植被覆蓋密度評價和作物識別等方面[3]。 目前采用的植被指數(shù)有20余種，但常用的植被指數(shù)有：歸一化植被指數(shù)NDVI（Normalized Differencr Vegetation Index）、比值植被指數(shù)RVI（Ratio Vegetation Index）、差值植被指數(shù)DVI（Difference Vegetation Index）、土壤調(diào)節(jié)植被指數(shù)SAVI（The Soil Adjusted Vegetation Index）、修正型土壤植被指數(shù)（Modified Soil Adjusted Vegetation Index）等[4]，它們是研究者根據(jù)不同的研究區(qū)特點和不同研究對象而提出，它們與綠色植被的蓋度和生物量等存在較好的相關(guān)性。一般來講，NDVI和MSAVI對綠色植物的生長狀況和空間分布密度反映敏感，但受土壤背景的影響較大，適用于作物生長早期和植被覆蓋度低的區(qū)域，是對干旱、半干旱區(qū)的綠洲生態(tài)系統(tǒng)植被研究的較佳的植被指數(shù)選擇。 健康的綠色植被在NIR和RED波段（NIR代表近紅外波段，RED代表紅波段）的反射差異比較大，原因在于RED對綠色植被來說是強吸收，NIR則是高反射。由于不同綠色植被對不同波長光的吸收率不同，光線照射在植物上時，近紅外波段的光大部分被植物反射，而可見光波段的光則大部分被植物吸收，通過對近紅外和紅波段反射率的線性或非線性組合，可以消除地物光譜產(chǎn)生的影響，得到的特征指數(shù)稱為植被指數(shù)[5]。 植被指數(shù)是植被長勢的一種指示，對于同一種植被，NDVI越大，說明地表植被的覆蓋度越高，植被的長勢越好[6]?；谶@種經(jīng)驗統(tǒng)計關(guān)系，根據(jù)NDVI求取植被覆蓋度的方法目前應(yīng)用較為廣泛。植被指數(shù)法是提取植被信息最理想的方法。植被指數(shù)法處理后，圖像明暗的界線清晰，植被的亮度值大，數(shù)量小，而其他地物的亮度小，數(shù)量多。 植被指數(shù)提取的方法很多，最為常用的一種方法是通過遙感影像處理軟件對遙感影像不同波段進行處理，從而得到各類植被指數(shù)。Deering（1978年）提出歸一化差值植被指數(shù)NDVI，將比值限定在（-1,1）范圍內(nèi)[7]。由于NDVI可以消除大部分與儀器定標、太陽角、地形、云陰影和大氣條件有關(guān)輻照度的變化，增強了對植被的響應(yīng)能力，是目前已有的40多種植被指數(shù)中應(yīng)用最廣的一種。 目前常見的Landsat TM遙感影像，共有7個波段，其中TM3（波長0.63~0.69微米）為紅外波普段，為葉綠素主要吸收波段；TM4（波長0.76~0.90微米）為近紅外波普段，為綠色植被的差異敏感，為植被通用波段。Modis遙感影像共有36個光譜通道，其第一波段（0.62~0.67微米）、第二波段（0.841~0.876微米）分別是紅色和近紅外波段，可以用第一和第二波段計算植被指數(shù)。 例如歸一化植被指數(shù)NDVI的定義是：NDVI=（NIR – RED）/（ NIR + RED） 歸一化植被指數(shù)是反映農(nóng)作物長勢和營養(yǎng)信息的重要參數(shù)之一。它能反映出植被冠層的背景影響，如土壤、潮濕地面、雪、枯葉、粗糙度等，且與植被覆蓋度有關(guān)，可以用來檢測植被生長狀態(tài)、植被覆蓋度和消除部分輻射誤差等。要計算NDVI，就是在遙感處理軟件中，計算近紅外波段與紅波段之差，再除以兩個波段之和。 2.圖像處理 2.1數(shù)據(jù)預(yù)處理 在提取植被信息之前需要對遙感數(shù)據(jù)進行預(yù)處理，為了不改變地物的波譜信息，因此不需要對影像進行增強處理，只需要進行幾何校正。利用ERDAS IMAGINE軟件進行遙感圖像進行幾何糾正，其目的是給圖像加上地理坐標，正射校正加上地理坐標的同時再通過一些測量高程點和DEM來消除地形起伏引起的圖像變形。后者的測量高程點很難獲得，需要外定向數(shù)據(jù)點。 圖像配準是地面上的目標在各圖像上所對應(yīng)像點具有相同平面坐標的處理過程，也稱幾何精糾正[8]。它是保證圖像幾何精度的主要手段，也是提取地面信息的前提。在實踐中，根據(jù)需要選取足夠的控制點，一般是理論控制的6倍左右，并且應(yīng)注意控 圖1. 幾何校正的過程 Fig.1 The process of geometric correction 制點分布隨地形的復(fù)雜程度而定，地形越復(fù)雜，控制點應(yīng)越多。選取控制店誤差控制 在1個像元以內(nèi)。其過程可歸納為4個步驟：①建立原始圖像與校正后圖像的坐標系；②確定GCP，即在原始畸變圖像空間與標準空間尋找控制點對；③選擇畸變數(shù)學(xué)模型，并利用GCP數(shù)據(jù)求出畸變模型的未知參數(shù)，然后利用此畸變模型對原始畸變圖像進行幾何精校正；④幾何精校正的精度分析[9]。 圖2. 校正后的圖像(左為近紅外，右為紅波段) Fig.2 The Corrected image（The left is NIR，the right is RED） 2.2模型的建立 圖3. 空間圖形模型的基本類型 Fig.3 The fundamental type of the Geometric Figure Model 2.3利用ERDAS提取NDVI影像 在ERDAS中提取信陽地區(qū)植被指數(shù)時，處理過程如下： 圖4. ERDAS提取植被指數(shù)NDVI模型 Fig.4 The model of the extraction of Vegetation Index 圖5. 左為近紅外+紅波段的圖像，右為近紅外-紅波段的圖像 Fig.5 The left is the image of BANDNIR+BANDRED and the right is BANDNIR-BANDRED 圖6. 提取歸一化植被指數(shù)的影像 Fig.6 The image of the extracted NDVI 3.植被信息的提取 本次研究中采用圖像屏幕解譯、自動分類、根據(jù)像素自動測算面積的方法，得到植被面積信息（表1）。 4.結(jié)論 圖7. 非監(jiān)督分類之后的NDVI影像 Fig.7 The NDVI image after unsupervised classification 表1 植被面積信息統(tǒng)計 Tab. 1 Vegetation area information 參考文獻： [1] 丁賢榮，王文種等.基于MODIS影像的植被覆蓋度的提取[J].遙感應(yīng)用，2009,2. [2] 黨安榮，王曉棟等.ERDAS IMAGINE遙感圖像處理方法[M].北京：清華大學(xué)出版社，2003. 5