AVIRIS高光谱遥感数据的植被信息提取
来源:用户上传
作者:
摘要：以Ｍｏｆｆｅｔｔ Ｆｉｅｌｄ的ＡＶＩＲＩＳ高光谱遥感影像为对象，应用基于信息量的自适应波段选择方法实现植被信息提取的最优波段组合，在此基础上采用监督分类为主、目视解译为辅的信息提取方法，在ＥＮＶＩ和ＥＲＤＡＳ遥感图像处理软件中进行分析与处理，实现植被信息提取。结果表明，与多光谱遥感数据相比，高光谱遥感数据具有更强的植被信息识别能力，提取的植被信息更丰富。
关键词：高光谱；遥感；植被；信息提取
中图分类号：Ｓ１２７ 文献标识码：Ａ 文章编号：0439－８114（２０11）23－4831-03
Ｖｅｇｅｔａｔｉｏｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｘｔｒａｃｔｉｏｎ Ｂａｓｅｄ ｏｎ AVIRIS Ｈｙｐｅｒｓｐｅｃｔｒａｌ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｄａｔａ
ＸＩＡ Ｑｉｎｇ１，ＴＯＮＧ Ｌｉｎ－ｂｉｎ２，ＺＨＥＮＧ Ｚｅ－ｚｈｏｎｇ３
（１． Ｅｎｖｉｒｏｎｍｅｎｔ ａｎｄ Ｒｅｓｏｕｒｃｅ Ｃｏｌｌｅｇｅ， Ｓｏｕｔｈｗｅｓｔ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ， Ｍｉａｎｙａｎｇ ６２１０１０，Ｓｉｃｈｕａｎ，Ｃｈｉｎａ；
２． Ｄｅｙａｎｇ Ｍｉｎｅｒａｌｓ Ｄｅｖｅｌｏｐｍｅｎｔ Ｃｏｍｐａｎｙ， Ｄｅｙａｎｇ ６１８０００， Ｓｉｃｈｕａｎ， Ｃｈｉｎａ；
３． Ｓｃｈｏｏｌ ｏｆ Ａｕｔｏｍａｔｉｏｎ，Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ｏｆ Ｃｈｉｎａ， Ｃｈｅｎｇｄｕ ６１１７３１，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ： Ｔｈｅ ｖｅｇｅｔａｔｉｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ Ｍｏｆｆｅｔｔ Ｆｉｅｌｄ ｗａｓ ｅｘｔｒａｃｔｅｄ ｂａｓｅｄ ｏｎ ｔｈｅ ＡＶＩＲＩＳ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｄａｔａ． Ｆｉｒｓｔ ｏｆ ａｌｌ， ｔｈｅ ｏｐｔｉｍａｌ ｂａｎｄ ｃｏｍｂｉｎａｔｉｏｎ ｏｆ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅ ｆｏｒ ｖｅｇｅｔａｔｉｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｅｘｔｒａｃｔｉｏｎ ｗａｓ ｏｂｔａｉｎｅｄ ｔｈｒｏｕｇｈ ａｄａｐｔｉｖｅ ｂａｎｄ ｓｅｌｅｃｔｉｏｎ ｂａｓｅｄ ｏｎ ｔｈｅ ｉｎｆｏｒｍａｔｉｏｎ ｑｕａｎｔｉｔｙ． Ｓｅｃｏｎｄｌｙ， ｔｈｅ ｖｅｇｅｔａｔｉｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｗａｓ ｅｘｔｒａｃｔｅｄ ｍａｉｎｌｙ through ｓｕｐｅｒｖｉｓｅｄ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｗｉｔｈ ｔｈｅ ａｓｓｉｓｔａｎｃｅ ｏｆ ｖｉｓｕａｌ ｉｎｔｅｒｐｒｅｔａｔｉｏｎ ｂｙ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ ｓｏｆｔｗａｒｅ ＥＮＶＩ ａｎｄ ＥＲＤＡＳ． Ｔｈｅ ｒｅｓｕｌｔ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ｖｅｇｅｔａｔｉｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｒｅｃｏｇｎｉｔｉｏｎ ａｂｉｌｉｔｙ ｏｆ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｄａｔａ ｗａｓ ｓｔｒｏｎｇｅｒ ｔｈａｎ ｔｈａｔ ｏｆ ｍｕｌｔｉ－ｓｐｅｃｔｒａｌ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｄａｔａ， ａｎｄ ｔｈｅ ｖｅｇｅｔａｔｉｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｏｂｔａｉｎｅｄ ｗａｓ ｍｏｒｅ ｉｎｆｏｒｍａｔｉｖｅ．
Ｋｅｙ ｗｏｒｄｓ： ｈｙｐｅｒｓｐｅｃｔｒａｌ； ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ； ｖｅｇｅｔａｔｉｏｎ； ｉｎｆｏｒｍａｔｉｏｎ ｅｘｔｒａｃｔｉｏｎ
植被是环境的重要组成因子，是反映区域生态环境的标志之一，同时也是土壤、水文等要素的解译标志［１］。植被信息作为生态环境评价的重要参数，对区域生态环境的监测和建设具有重要意义，植被调查是遥感的重要应用领域。高光谱遥感数据因其特有的高光谱分辨率特性使其在植被生态环境领域具有极大的应用潜力，本研究从Ｍｏｆｆｅｔｔ Ｆｉｅｌｄ的ＡＶＩＲＩＳ高光谱遥感影像中提取植被信息，并与多光谱遥感数据进行比较，为使用遥感技术进行植被信息调查提供参考。
研究所用Ｍｏｆｆｅｔｔ Ｆｉｅｌｄ的ＡＶＩＲＩＳ高光谱遥感影像采集时间为１９９７年６月２０日，空间分辨率为２０ ｍ，共２２４个波段，波段宽度为９．７～１２．０ ｎｍ，1景全波段影像数据量为１４５ Ｍ，共4景。高光谱遥感数据头文件信息表明起始经纬度为Ｎ３７．４４９ ４７°，Ｗ１２１．８０６ ６３°；结束经纬度为Ｎ３７．４４９ ８２°，Ｗ１２１．２１６ ３８°。
１ 高光谱遥感数据最佳波段的选择
与常规的遥感数据相比，高光谱数据的光谱分辨率高（一般可达到纳米级），能探测到地物在光谱特性上更微小的差异，从理论上讲其对地表地物的分辨能力得到了极大的提高，但是由于高光谱数据波段数多（往往在１００个波段以上）、数据量大，相邻波段间相关性强，在某种程度上也阻碍了高光谱数据的广泛应用。因此，在不降低分类精度的前提下，选择有效的方法降低高光谱数据的维数是这一高维信息空间在遥感领域内应用研究的重要课题［２－７］。
目前，研究高光谱数据的最佳波段选择方法有许多种，各有所长，本研究在参考相关文献的基础上，选择了较为常用的基于信息量的自适应波段选择方法实现植被信息提取的最优波段组合［４－６］。在ＥＮＶＩ软件中的计算发现ＢＡＮＤ７８信息量最大（标准差为７８７．１２４ ９１５），ＢＡＮＤ７８、ＢＡＮＤ３４、ＢＡＮＤ４３ 3个波段组合的均方差值最小（１．４６１ ０３５），且它们之间的相关系数分别为０．２７３ ８７６，０．８８９ ５３４，
０．２９７ ６２５，相对比较小，所以选取这３个波段用于整幅图像的最佳３波段组合。
２ 遥感图像增强处理
图像增强处理的目的是突出图像中的有用信息，扩大不同影像特征（例如灰度值）之间的差别，以便提高对图像的解译和分析能力，使之更适合实际应用。图像增强处理有多种不同的方法，根据增强内容，本研究选择了彩色增强处理和反差增强处理的方法。
２．１ 彩色增强处理
由于人的视觉对不同色彩的分辨能力远远高于对不同灰度或黑白程度的分辨能力，因而彩色增强在图像处理中应用广泛，效果显著。将ＢＡＮＤ７８、ＢＡＮＤ３４、ＢＡＮＤ４３分别赋予红、绿、蓝3个颜色进行彩色合成，其最终合成的假彩色图像见图１。
２．２ 反差增强处理
图像中不同地物的反差大小取决于相邻亮度值（或灰度）之间差别的大小。反差扩展的目的是充分利用显示设备的能力，尽可能使人的视力从中分辨出更多的亮度等级，扩展或拉伸影像的亮度、对比度数据分布，使之充满直方图的整个动态范围，反差增强的结果见图２。
３ Ｍｏｆｆｅｔｔ Ｆｉｅｌｄ植被信息的提取
３．１ 高光谱遥感数据植被信息的提取
常用的遥感信息提取的方法有两大类：一是目视解译，二是计算机解译。目视解译的效果不仅取决于遥感图像的种类、比例尺大小和图像质量，而且与解译人员的业务水平、解译技术以及对工作区地质情况熟悉程度有关［７－９］。计算机解译也称计算机分类，以数字图像为研究对象，常见的有两种，即监督分类和非监督分类。本研究中以监督分类为主、目视解译为辅进行植被信息的提取，在ＥＲＤＡＳ软件中进行处理，包括定义分类模板和执行监督分类两步［１０］。
３．１．１ 定义分类模板 监督分类的首要工作是定义分类模板，根据需要定义相应的分类区（ＲＯＩ）。训练区尽可能选择较为纯净的区域，每一类也要在不同的区域多选择几个ＲＯＩ，同一类地物合并为一个分类模板，这一分类模板包含了所选择的训练区的所有模板的像元属性，生成后缀名为．ｓｉｇ的模板文件。
３．１．２ 执行监督分类 监督分类的过程就是依据所建立的分类模板，在一定的分类决策规则条件下对图像像元进行聚类判断的过程。执行监督分类，获得分类后的图像文件（．ｉｍｇ）（图３）。
３．２ 高光谱与多光谱遥感数据植被信息提取结果的对比
为了突出高光谱数据在植被信息提取方面的优势，将研究区高光谱遥感数据和多光谱遥感数据提取的植被信息进行对比（图４）。可以看出高光谱图像中带状植被的轮廓较多光谱图像更明显，局部零散的植被信息亦清晰得多，从提取的内容上看，高光谱图像提取的植被信息比多光谱图像要丰富。
４ 结论
纳米级的光谱分辨率，使高光谱数据能更全面、准确地反映地物的特性，探测地物在很窄的光谱范围上的微小变化和差异，这对于光谱特性十分相似的植被遥感具有重要的意义。本研究以Ｍｏｆｆｅｔｔ Ｆｉｅｌｄ为例，利用具有２２４个波段，波段宽度为９．７～１２．０ ｎｍ的ＡＶＩＲＩＳ高光谱遥感数据进行了植被信息提取，将高光谱遥感数据和多光谱遥感数据提取的植被信息进行对比，结果显示，高光谱遥感数据所提取的植被信息更丰富，地物的属性信息探测能力更强，其在地物识别方面具有明显的优势。
参考文献：
［１］ 梅安新，彭望碌，秦其明，等． 遥感导论［Ｍ］． 北京：高等教育出版社，２００１．
［２］ 浦瑞良，宫 鹏． 高光谱遥感及其应用［Ｍ］． 北京：高等教育出版社，２０００．
［３］ 刘春红，赵春晖，张凌雁．一种新的高光谱遥感图像降维方法［Ｊ］． 中国图像图形学报：Ａ辑，２００５，１０（２）：２１８－２２２．
［４］ 刘建平，赵英时，孙淑玲． 高光谱遥感数据最佳波段选择方法实验研究［Ｊ］． 遥感技术与应用，２００１，１６（１）：７－１３．
［５］ 李 行，张连蓬． 高光谱遥感图像最佳波段选择的快速算法研究［Ｊ］． 测绘通报，２００４（９）：１０－１２.
［６］ 王旭红，肖 平，郭建明． 高光谱数据降维技术研究［Ｊ］． 水土保持通报，２００６，２６（６）：８９－９１．
［７］ 邵军勇，潘 泉． 高光谱遥感在植被精细分类中的应用［Ｊ］． 微电子学与计算机，２００５，２２（１０）：１２－１３．
［８］ 柯丽娜，王权明． 高光谱分辨率遥感在植被监测应用中的关键技术及应用［Ｊ］． 太原师范学院学报（自然科学版）， ２００６，５（１）：７４－７７．
［９］ 苏红军，杜培军． 高光谱数据特征选择与特征提取研究［Ｊ］． 遥感技术与应用，２００６，２１（４）：２８８－２９３．
［１０］ 党安荣，王晓栋，陈晓峰，等． ＥＲＤＡＳ ＩＭＡＧＩＮＥ遥感图像处理方法［Ｍ］．北京：清华大学出版社，２００３．
转载注明来源:https://www.xzbu.com/8/view-8869608.htm
