高分辨率遙感影像在城市綠地信息提取中的應(yīng)用研究

1、資源開(kāi)發(fā)與市場(chǎng)ResourceDevelopment&Market201026(4)實(shí)驗(yàn)與技術(shù)高分辨率遙感影像在城市綠地信息提取中的應(yīng)用研究徐建輝,蘇婭(滁州學(xué)院國(guó)土信息工程系,安徽滁州239000)摘要:高分辨率衛(wèi)星遙感圖像數(shù)據(jù)量大、空間分辨率高、結(jié)構(gòu)信息復(fù)雜、地物同物異譜現(xiàn)象更為突出等特征給專(zhuān)題信息提取技術(shù)帶來(lái)了新的挑戰(zhàn)。基于植被的光譜特征,利用監(jiān)督分類(lèi)、植被指數(shù)分類(lèi)和目視解譯等方法對(duì)QuickBird高分辨率衛(wèi)星遙感影像的綠地信息進(jìn)行提取,并對(duì)分類(lèi)精度作了比對(duì)分析。研究結(jié)果表明,監(jiān)督分類(lèi)方法不能得到令人滿(mǎn)意的結(jié)果,運(yùn)用植被指數(shù)分類(lèi)方法則有明顯改善,其中歸一化植被指數(shù)(NDVI)精

2、度最高,因此NDVI能有效地對(duì)植被進(jìn)行分類(lèi)與識(shí)別。關(guān)鍵詞:QuickBird;城市綠地;監(jiān)督分類(lèi);植被指數(shù)中圖分類(lèi)號(hào):TP753文獻(xiàn)標(biāo)志碼:A文章編號(hào):1005-8141()04-StudyofUrbanGreenSpaceSurveyingBasedonHSensingX(LandInformationollege,Chuzhu239000,China)Abstract:Duetothehigh-reshadlargeamountofdata,highspatialresolution,complexstructureofin2formation,featurestom,etc.Toproj

3、ectinformationextractiontechnologybroughtnewchallenges,basedonthespectralthesupervisedclassification,vegetationindexclassification,visualinterpretation,andothermethodstoextractthegreeninhigh-resolutionsatelliteremotesensingimageofQuickBird.Thencontrastedandanalyzedtheclassificationaccu2racy.Theresul

4、tshowedthatthesupervisedclassificationmethodcouldnotgetthesatisfactoryresults,atthesametime,usingvegetationindexclassifi2cationmethodhadobviousimprovement,andNDVIhadthehighestaccuracy.SoNDVIcouldclassifyanddiscriminatethevegetationeffectively.Keywords:QuickBird;urbangreenspacesurveying;supervisedcla

5、ssification;vegetationindex1前言面、真實(shí)地反映城區(qū)綠化現(xiàn)狀,為綠地的生態(tài)結(jié)構(gòu)調(diào)整和空間上的合理布局提供依據(jù)和建議。1.1影像簡(jiǎn)介QuickBird影像是美國(guó)數(shù)字全球公司QuickBird衛(wèi)隨著對(duì)全球變化研究的逐步深入,當(dāng)前土地利用/土地覆蓋越來(lái)越被人們所關(guān)心。綠地生態(tài)系統(tǒng)在全球的碳循環(huán)過(guò)程中起著積極的作用。城市綠地是城市中唯一有生命的基礎(chǔ)設(shè)施,也是城市生態(tài)系統(tǒng)中的重要組成部分,在改善城市生態(tài)環(huán)境、維護(hù)人與自然和諧相處過(guò)程中起著積極的作用,因此城市綠地含量成為衡量城市生活質(zhì)量的一個(gè)重要指標(biāo)。城市綠地的生態(tài)效應(yīng)與其自身在城市當(dāng)中的空間分布格局有著密切的關(guān)系,同時(shí)城市綠地

6、變化又導(dǎo)致了城市空間分布格局的變化。為了充分發(fā)揮綠地“城市清潔器”的作用,更加科學(xué)地解決好土地使用緊張和合理分配綠地面積兩者之間的矛盾,必須客觀、準(zhǔn)確地掌握城市綠地的變化情況。本研究的目的在于利用高分辨率遙感數(shù)據(jù)對(duì)城市綠地調(diào)查的遙感圖像預(yù)處理技術(shù)、分類(lèi)提取技術(shù)以及不同綠地提取方法的精度進(jìn)行對(duì)比,探討出適合中小城市的綠地提取方法,并建立城市綠地體系,準(zhǔn)確、全收稿日期:2010-02-03;修訂日期:2010-03-22基金項(xiàng)目:安徽省教育廳優(yōu)秀青年人才基金項(xiàng)目(編號(hào):2009SQRZ2148);滁州學(xué)院校級(jí)教學(xué)研究項(xiàng)目(編號(hào):2008jy033)。星獲取的圖像,是目前世界上唯一能提供亞米級(jí)分辨率

7、的商業(yè)衛(wèi)星,圖像分辨率為0.61(黑白)2.44m(彩色),具有最高的地理定位精度。它的出現(xiàn)使航天遙感與航空遙感的界限變得模糊,引起世界的廣泛關(guān)注。將QuickBird的0.61m分辨率圖像與2.44m多光譜圖像融合后,影像紋理清晰,地塊邊界、道路形狀、居民地輪廓、綠地邊緣等邊緣特征明顯,而且光譜特征顯著,地物分類(lèi)能力強(qiáng),可用于類(lèi)型識(shí)別,提高了成圖精度,適用于資源與環(huán)境分析制圖、大比例尺土地利用圖及資源環(huán)境專(zhuān)題制圖等。QuickBird多光譜數(shù)據(jù)的波段設(shè)置及分辨率等主要技術(shù)指標(biāo)見(jiàn)表1。表1QuickBird光譜數(shù)據(jù)的主要指標(biāo)波段波段1波段2波段3波段4全色波長(zhǎng)(m)0.45-0.520.52-

8、0.600.63-0.690.76-0.900.45-0.90分辨率(m)2.442.442.442.440.61波段說(shuō)明藍(lán)光綠光紅光近紅外全色第一作者簡(jiǎn)介:徐建輝(1977-),男,湖南省常德人,講師,碩士研究生,主要從事遙感與地理信息技術(shù)研究。由表1可見(jiàn),QuickBird有藍(lán)光、綠光、紅光、近紅外4個(gè)波段。在這4個(gè)波段中,藍(lán)光波段能很清楚地區(qū)291資源開(kāi)發(fā)與市場(chǎng)ResourceDevelopment&Market201026(4)實(shí)驗(yàn)與技術(shù)分地物相交處的邊界特征,綠光波段對(duì)茂盛植物較敏感,紅光波段是葉綠素的主要吸收波段,可用于區(qū)分植物種類(lèi)與植物覆蓋度及探測(cè)植物葉綠素吸收的差異,近

9、紅外波段對(duì)綠色植物類(lèi)別差異最敏感,是植被的敏感波段1。1.2研究區(qū)概況息,不同的地物因其波普特性不同,在影像上的亮度值不同,這便對(duì)其區(qū)分成為可能。近年來(lái)遙感技術(shù)的高速發(fā)展,影像的分辨率不斷提高。高分辨率影像具有豐富的空間信息,地物幾何結(jié)構(gòu)和紋理信息更加明顯,更便于認(rèn)知地物目標(biāo)的屬性特征。目前,對(duì)植被的識(shí)別方法有傳統(tǒng)的監(jiān)督分類(lèi)和非監(jiān)督分類(lèi),以及植被指數(shù)分類(lèi)方法。本文運(yùn)用監(jiān)督分類(lèi)和植被指數(shù)分類(lèi)方法分別對(duì)綠地信息進(jìn)行提取,并對(duì)提取精度進(jìn)行評(píng)價(jià),見(jiàn)圖3(封二)。4.1監(jiān)督分類(lèi),尤其是高分辨率,。利用監(jiān)督分4。由于具備了一定的先驗(yàn)知識(shí),在有植被的地方選擇了分類(lèi)樣本,避免出現(xiàn)一些不必要的類(lèi)別,這樣植被基本

10、上都能被提取出來(lái)。但由于訓(xùn)練樣區(qū)的選擇有一定的主觀因素,在植被光譜特征不明顯的地方建立了該樣區(qū),造成訓(xùn)練樣本沒(méi)有很好的代表性,使分類(lèi)后把一些非植被地物誤判為植被。如植被分布在居民地內(nèi)部或公路中間及其他混合像元,監(jiān)督分類(lèi)會(huì)把部分居民地和道路誤判為植被,分類(lèi)后綠地面積明顯增大,加大了監(jiān)督分類(lèi)的誤差。訓(xùn)練樣本的選取和評(píng)估需要花費(fèi)較多的人力和時(shí)間,而且只能識(shí)別訓(xùn)練樣本中所定義的類(lèi)別,若某類(lèi)別由于訓(xùn)練者不知道或其數(shù)量太少未被定義,則監(jiān)督分類(lèi)不能被識(shí)別。在研究區(qū)內(nèi)均勻的選擇多個(gè)樣本點(diǎn)對(duì)分類(lèi)精度進(jìn)行評(píng)價(jià),得到該方法提取的綠地精度為45.3%。呈貢縣位于昆明市東南部,西臨滇池,東臨陽(yáng)宗海,屬低緯度高原平壩地區(qū)

11、,地勢(shì)平緩,海拔19002000m左右,氣候?qū)俚途暥雀咴撅L(fēng)氣候型,年平均氣溫14.7,年均降雨量800mm,適宜人類(lèi)居住。2研究?jī)?nèi)容及技術(shù)路線(xiàn)研究?jī)?nèi)容主要是對(duì)植被光譜特征進(jìn)行采樣統(tǒng)計(jì)分析、植被指數(shù)模型的選取與建立、對(duì)比評(píng)價(jià)與抽樣定量評(píng)價(jià),1。圖1研究技術(shù)路線(xiàn)圖3圖像的預(yù)處理研究中運(yùn)用ERDASIMAGE軟件先將QuickBird影像進(jìn)行幾何校正、配準(zhǔn),然后對(duì)配準(zhǔn)好的全色和多光譜影像進(jìn)行融合,使融合后的遙感影像既有較好的空間分辨率又有多光譜特征,從而達(dá)到圖像增強(qiáng)的目的2。為了實(shí)現(xiàn)最佳的目視效果,融合前必須進(jìn)行最佳波段組合方案的選擇,要求三波段合成的圖像信息量大、相關(guān)性小、冗余度小、整體改善圖像

12、質(zhì)量。在進(jìn)行了試驗(yàn)后,選擇2.44m分辨率的紅、綠、近紅外3個(gè)波段組合,經(jīng)過(guò)自然色彩變換后影像的色彩接近真彩色,以利于更好地識(shí)別、解譯各類(lèi)要素和進(jìn)行綜合判讀。試驗(yàn)中對(duì)波段組合后的多光譜影像和全色影像進(jìn)行融合,融合后裁減下主城區(qū)的范圍見(jiàn)圖2(封二)。4基于高分辨率遙感影像的城市綠地分類(lèi)方法研究圖4監(jiān)督分類(lèi)流程圖4.2植被指數(shù)分類(lèi)由于融合后的影像在提高空間分辨率的同時(shí),引起了光譜信息退化,同時(shí)空間分辨率增強(qiáng)后的影像空間細(xì)節(jié)更豐富,不利于常規(guī)的以灰度值為統(tǒng)計(jì)特性的分類(lèi)方法。僅用監(jiān)督分類(lèi)尚不足以得到令人滿(mǎn)意的分遙感影像全面真實(shí)地記錄了地表各種地物的信292資源開(kāi)發(fā)與市場(chǎng)ResourceDevelopm

13、ent&Market201026(4)實(shí)驗(yàn)與技術(shù)類(lèi)結(jié)果。為了減少分類(lèi)中的誤判幾率,本文對(duì)研究區(qū)域利用植被指數(shù)提取綠地信息。地物光譜知識(shí)發(fā)現(xiàn):由于彩色多波段遙感圖像是由單波段融合而來(lái),本研究對(duì)QuickBird影像的單波段圖像進(jìn)行了典型地物的光譜特征知識(shí)采樣統(tǒng)計(jì),計(jì)算出均值依據(jù)均值,分析圖像,采用雙閾值分割法對(duì)影像進(jìn)行分割3。在不同閾值分割圖像上分別按矢量提取同種地物,然后對(duì)兩幅圖的矢量進(jìn)行拼接,形成完整的初步矢量提取結(jié)果,自動(dòng)提取操作流程見(jiàn)圖5。內(nèi)的綠地基本上都能被提取出來(lái),道路兩邊的綠化帶以及植被覆蓋較少的區(qū)域也能較好地反映出來(lái),但有些植被光譜特征相似的非植被區(qū)域被誤判成植被,如廠房

14、房頂處。在均勻選取150個(gè)樣本點(diǎn)后,對(duì)分類(lèi)結(jié)果進(jìn)行評(píng)定,精度可達(dá)90.7%。比值植被指數(shù)。用比值植被指數(shù)對(duì)研究區(qū)地物信息進(jìn)行提取,設(shè)置閾值范圍1.688776data5.017241對(duì)綠地進(jìn)行提取,結(jié)果見(jiàn)圖7(封二)。通過(guò)與真彩色影像的對(duì)比,可看出在植被茂盛、覆蓋度高、光譜特征明顯的區(qū)域,分類(lèi)提取的效果比較好,;但在植被、,有很多信息沒(méi)被提,150個(gè)樣本點(diǎn)后計(jì)算出分%。差值植被指數(shù)。用差值植被指,設(shè)置閾值范圍195data730,提取出綠地信息,見(jiàn)圖8(封二)。由于差值植被指數(shù)與葉綠素關(guān)系密切,其提取結(jié)果較好,只有在綠地覆蓋較少的地方未被提取出來(lái),有信息誤判現(xiàn)象,影響了分類(lèi)精度。經(jīng)過(guò)評(píng)價(jià),分類(lèi)

15、精度可達(dá)88.7%。轉(zhuǎn)換型植被指數(shù)。用差值植被指數(shù)對(duì)研究區(qū)地物信圖5自動(dòng)提取流程本文主要用以下4種植被指數(shù)方法提取綠地信息:歸一化植被指數(shù)NDVI,NDVI被定義為近紅外波段與可見(jiàn)光紅波段數(shù)值之差與這兩個(gè)波段數(shù)值之和的比值。其計(jì)算公式為:NDVI=(NIR-R)/(NIR+R);比值植被指數(shù)(RVI),其計(jì)算公式為:RVI=NIR/R;差值植被指數(shù)(DVI),其計(jì)算公式為:DVI=NIR-R;轉(zhuǎn)換型植被指數(shù)(TNDVI),其計(jì)算公式為:TNDVI=+0.5。式中,NIR為近紅外波段;R為紅光息進(jìn)行提取,設(shè)置閾值范圍為0.869579data1.080565,提取出綠地信息見(jiàn)圖9(封二)。通過(guò)對(duì)

16、融合后的數(shù)據(jù)目視解譯,并把分類(lèi)結(jié)果疊加到影像上,選取150個(gè)樣本點(diǎn)對(duì)精度進(jìn)行評(píng)價(jià),分類(lèi)精度達(dá)86%。5結(jié)論利用傳統(tǒng)的監(jiān)督分類(lèi)方法進(jìn)行分類(lèi),由于在植被特征不明顯的地方選取了訓(xùn)練樣區(qū),導(dǎo)致有許多非植被誤判成了植被4,不能達(dá)到令人滿(mǎn)意的效果。但有些與植被光譜特征相似的非植被,由于建立了分類(lèi)模板,能很好地與綠地區(qū)分開(kāi)來(lái)。利用植被指數(shù)結(jié)合植被分區(qū)進(jìn)行分類(lèi),四種類(lèi)別的分類(lèi)精度都得到不同程度的提高。不同的植被指數(shù)分類(lèi)方法所能達(dá)到的精度也不盡相同,分類(lèi)精度由高到低依次為NDVI、DVI、TNDVI、RVI,但它們有一個(gè)共同的缺點(diǎn),即與綠地光譜特征相似的地方會(huì)誤判成綠地,以及其混合像元的存在,降低了分類(lèi)的精度。

17、波段。通過(guò)對(duì)QuickBird多光譜影像分析,對(duì)研究區(qū)的植被選取200個(gè)樣本點(diǎn),該樣本點(diǎn)要能充分反映不同類(lèi)型植被的光譜特征。然后分別統(tǒng)計(jì)它們?cè)诮t外、紅光波段的值,并根據(jù)不同類(lèi)型的植被指數(shù)計(jì)算公式計(jì)算出每個(gè)樣本點(diǎn)的值,以此來(lái)確定在不同植被指數(shù)提取方法中綠地的閾值見(jiàn)表2。表2在不同植被指數(shù)提取中綠地的閾值NDVIRVI1.6887765.017241DVI195730TNDVI0.8695791.080565最小值最大值0.2561670.667622參考文獻(xiàn):1初佳蘭,張杰,等.SPOT、QuickBird衛(wèi)星遙感數(shù)據(jù)提取東沙島植被信基于植被指數(shù)的綠地提取結(jié)果及精度評(píng)價(jià):歸一化植被指數(shù)。用歸一化植被指數(shù)對(duì)研究區(qū)地物信息進(jìn)行提取