城市植被覆蓋度遙感信息提取

李文慧 楊斌 劉兆艷

摘 要：本文基于SPOT5影像，以連云港市為實驗區，研究了城市植被信息遙感提取的方法和技術。通過對研究區SPOT5影像的近紅外波段、紅光波段和綠光波段典型地物光譜信息的統計分析和對比研究，發現NDVI植被指數法用于增強綠色植被的效果最好。研究成果對于連云港地區綠化結構，優化植被空間結構，使城市植被充分、高效地發揮其生態效益和使用功能具有重要的理論意義和實踐價值。

關鍵詞：遙感；城市植被；SPOT5；植被指數；信息提取

1 概述

城市植被作為城市生態系統的重要組成部分，對于改善城市環境質量，提高居民生活水平具有重要作用。因此，城市植被的研究是人們對城市發展預測至關重要的任務。隨著遙感技術的不斷發展，遙感技術已經廣泛運用于各個領域。在城市規劃方面，遙感技術可以實現土地動態監測，空氣質量的監督控制和城市環境的規劃建設等。近幾年國內許多城市將遙感技術應用于植被覆蓋度信息提取中，動態掌握植被覆蓋的區域，優化植被空間結構，提高城市可持續發展潛能，實現植被的整體規劃。利用遙感影像進行城市植被覆蓋度信息提取，比傳統方式更加優越。它具有視域范圍廣、信息量多、重復周期短、圖像清晰、資料收集方便等優點。城市植被遙感主要研究城市綠化系統分析及規劃，是遙感技術應用的重要領域之一， 利用遙感技術不僅能夠準確判定和量測綠化覆蓋面積， 且對于判別植被的類型、結構乃至識別植物種類等都顯得十分有效。隨著遙感影像分辨率的不斷提高， 國內大部分城市己經采用如TM、SPOT、ETM+等影像數據來進行城市植被的調查及生態規劃，從而為城市生態規劃及城市建設提供方案及依據。

因此， 本文基于SPOT5遙感影像對連云港某地區的城市植被進行提取。首先，對原始遙感影像進行裁剪得到連云港地區的影像圖。其次，運用多種植被指數法對研究區圖像進行增強處理，并通過比較得出NDVI（歸一化植被指數）對植被的增強效果最好。最后，在NDVI指數圖像上通過統計閾值，提取研究區的植被信息。

2 城市植被在SPOT5影像中的特征

2.1 城市植被及其地理特征

2.1.1 城市植被

城市植被指城市范圍內的全部植被，包括自然生長的和人工栽培的各種植被類型。城市植被的定義分為廣義城市植被和狹義城市植被。廣義城市植被指城市規劃區范圍內的各種植被。包括六大類型：公共植被，即各種公園、休憩林蔭帶；居住區植被；交通植被；附屬植被；生產防護植被；位于市內或城郊的風景區植被，即風景游覽區、休養區、療養區等。狹義城市植被指面積較小、設施較少或沒有設施的綠化地段，區別于面積較大、設施較為完善的“公園”，主要包括公共植被、生產和防護植被兩類。

本文中所說的城市植被指廣義城市植被。城市植被不僅為城市環境增添了色彩，改善了城市氣候，也是一個區域發展的重要影響因素。

2.1.2 研究區植被的地理特征

連云港全區位于東經118°24′～119°48′和北緯34°～35°07′之間，東西長129公里，南北寬約132公里，水域面積1759.4平方公里。東臨黃海，與朝鮮、韓國、日本隔海相望；西與徐州新沂市、宿遷市沭陽縣毗鄰；南與淮安市漣水、鹽城市響水2縣相連；北與山東郯城、臨沭、莒南、日照等縣市接壤。連云港市位于魯中南丘陵與淮北平原的結合處，地勢由西北向東南傾斜，形如一只飛向海洋的彩蝶。境內以平原為主，兼有丘陵、山地、湖泊、灘涂等。有大小山峰214座，云臺山主峰玉女峰海拔624.4米，為江蘇省的最高峰。境內河網稠密，連云港市有標準海岸線162公里，21個島嶼，其中東西連島為江蘇第一大島，面積7.57平方公里，基巖海岸是江蘇省獨有。

2.2 城市植被的遙感影像特征

遙感影像特征主要有光譜特征和空間特征，我們了解遙感影像特征的目的是為了更好的解譯遙感影像中的各類地物，為軍事、農業、環境、地學和各類決策提供有效的技術支撐。因此研究遙感影像的特征就是一項非常重要而且困難的工作[1]。

2.2.1 光譜特征

圖像上的波譜信息表現為已經量化的輻射值，即圖像的亮度/灰度值/像元值，它是一種相對的量度。像元值間接反映了地物的波譜特征，不同的地物有著不同的像元值，當然把同譜異物排除。遙感圖像解譯中識別不同地物的一個重要標志就是圖像的像元值差異。光譜特征可具體為提取目標物的顏色、灰度或波譜間的亮度比等。

SPOT5影像是由SPOT5衛星搭載3種傳感器——除了前幾顆衛星上的高分辨率幾何裝置（HRVIR）和植被探測器（VEGETATION）外，還有一個高分辨率立體成像（HRS）裝置獲取的遙感影像，包括以下5個波段[2]。

PA：0.51～0.73um，全色波段。地面分辨率較高，為2.5m，可用于農林調查和規劃，城市規劃和較大比例尺專題制圖。

B1：0.50～0.59um，為綠波段。波段中心位于葉綠素反射曲線最大值，即0.55um處，處于水蒸氣衰減最小值的長波端，對于水體混濁度評價以及水深10～20m以內的干凈水體的調查是十分有用的。

B2：0.61～0.68um，為紅波段。位于葉綠素吸收帶，受大氣散射的影響較小，為可見光最佳波段，用于識別裸露的地表、植被、土壤、巖性地層、地貌現象等。

B3：0.78～0.89um，為近紅外波段。能夠很好地穿透大氣層。在該波段，植被表現的特別明亮，水體表現的特別黑。

B4：1.58～1.75um，為短紅外波段。用于探測植物含水量及土壤濕度，區別云與雪。

由于城市植被信息在B1、B2和B3波段的光譜特征明顯，所以本文選擇這三個波段的數據進行城市植被信息的提取研究。

在不同植物的光譜曲線中， 反射率漲落最大的是近紅外區。不同的植物種類，如闊葉喬、灌木和草地在該波段具有較高的反射率，而針葉樹的反射率也會有10%～20%的漲落，一般春末夏初反射較高，而秋季較低。此外植物的健康程度也會在近紅外波段有所顯示，對于同一種植物而言，受環境污染及病蟲害影響的反射率較低，健康植物的反射率較高。植被指數有助于增強遙感影像的解譯能力，并已作為一種遙感手段廣泛應用于土地利用覆蓋探測、植被覆蓋密度評價、作物識別和作物預報等方面，并在專題制圖方面增強了分類能力。

費鮮蕓[3]在研究山東省泰安市城區60km2范圍內的城市植被時，運用SPOT5 2.5m全色波段和10米多光譜波段，對該城區的各種城市植被、耕地、居民區和水域等地物進行光譜特征分析，對各波段的灰度值范圍及灰度平均值進行統計，統計結果如圖1所示。

圖1 幾種典型地物的光譜曲線

各種植被、耕地和水域在紅色（red）波段（第二波段），近紅外（near infrared）波段（第三波段）與道路和居民區能較好區分，同時裸地與不同植被類型在各波段有不同程度的光譜重疊，利用單一波段難以區分。水域在第一波段和第四波段反射率都較低，可以與其他各類別較好地區分，個別水域在水泥筑底的淺水區域存在少量的與道路有較少的重疊現象，會影響分類精度。

本文通過對連云港某地區遙感圖像的亮度值進行統計，得到幾類典型地物的光譜信息，如圖2所示。

因素，對于訓練者不知或因數量太少未被定義的類別，監督分類也不能識別。所以無論監督分類還是非監督分類都存在很大的局限性。

3.2.2 植被指數法

植被指數提取是遙感監測地面植物生長和分布的一種方法。它通過植被的光譜特征來說明植被的生長狀況和覆蓋范圍。由于不同綠色植物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，而可見光波段的光大部分被植物吸收。通過對近紅外和紅光波段反射率進行線性或非線性組合，可以消除地物光譜產生的影響，得到的特征指數就是植被指數。目前，在科學文獻中發布了超過150種植被指數模型，在這些植被指數中只有極少數經過系統的實驗檢驗。

植被指數雖然有好多種，但常用的植被指數有：歸一化植被指數（NDVI）、比值植被指數（RVI）、差值植被指數（DVI）、正交植被指數（PVI）和土壤調節植被指數（SAVI）等。

①歸一化植被指數

歸一化植被指數（NDVI）增加在近紅外波段范圍內綠葉的散射與紅色波段范圍內葉綠素吸收的差異，增強了植被信息。它是檢測植被生長狀態、植被覆蓋度、消除部分輻射誤差等的一種重要指標。

針對SPOT5影像，NDVI的計算公式為：

NDVI=（NIR-Red）/（NIR+Red） （1）

式中，NIR代表近紅外波段，Red代表紅光波段。通過計算得到NDVI植被指數圖像，在圖像中白色、灰白色圖斑代表植被覆蓋率高或比較高。

②比值植被指數

比值植被指數（RVI）是指在近紅外波段范圍綠葉的散射與紅色波段范圍葉綠素吸收的比值。比值植被指數主要用于研究植物的長勢和作物估產。

針對SPOT5影像， RVI的計算公式為：

RVI=NIR/Red （2）

通過計算得到圖像，在圖像中白色、灰白色圖斑代表植被覆蓋率高或比較高。

③差值植被指數

差值植被指數是近紅外波段和紅色波段的差值，對土壤背景的變化極為敏感，有利于對植被生態環境的監測。

針對SPOT5影像， DVI的計算公式為：

DVI=NIR-Red （3）

通過計算得到圖像，在圖中白色、灰白色圖斑代表植被覆蓋率高或比較高。但對于建筑物周圍，花園中的零星植被增強較差。

④正交植被指數

正交植被指數（PVI）是指在R-NIR的二維坐標系內，植被像元到土壤亮度線的垂直距離。PVI能較好地消除了土壤背景的影響，多用于農作物的估產。

針對SPOT5影像， PVI的計算公式為：

PVI=1.6225（NIR）-2.2978（R）+11.0656 （4）

通過計算得到，在圖中白色、灰白色圖斑代表植被覆蓋率高或比較高。但河流的亮度值與建筑物等其他地物接近，不好區分。

總之，植被指數的類型多、影響因子多、應用領域也很廣，那么使用者需要根據國內實際情況，選擇合適的模型達到增強的效果最優。

3.2.3 城市植被覆蓋度信息提取實驗與分析

①城市植被覆蓋度信息提取

經過上述各種植被指數法的增強處理圖像與原圖像的對比研究，得出NDVI植被指數法增強效果最好。為更好的提取植被信息，必須對研究區分類畫出感興趣區域，統計研究區內各地類的光譜特征，分析各地物在每個波段的相關性。通過對研究區亮度值的統計，確定植被覆蓋度信息提取的閾值。

首先，運用ENVI4.7圖像處理軟件分類畫出感興趣區域，并統計出各類地物的光譜值，如表1所示。

表1 典型地物樣區亮度值統計表

[波段＼&統計值＼&植被＼&河流＼&道路＼&其他＼&B1＼&最小值

最大值

均值

方差＼&63

130

108.169492

14.039541＼&55

76

64.694444

5.290528＼&193

233

215.400000

11.428260＼&112

255

160.894737

33.453958＼&B2＼&最小值

最大值

均值

方差＼&73

148

119.593220

17.600077＼&63

88

75.916667

6.469158＼&179

215

199.775000

9.341080＼&100

233

138.000000

30.090340＼&B3＼&最小值

最大值

均值

方差＼&63

123

99.406780

13.457620＼&72

99

87.055556

7.082955＼&173

217

201.275000

11.466758＼&93

233

130.771930

29.937445＼&]

從表1不難看出植被在B2波段亮度值最高，說明植被在該波段的反射率最高，而在B3波段亮度最低，說明植被在該波段的吸收最強。

其次，將通過NDVI植被指數法增強的研究區圖像打開，右擊圖像附加剛繪制的感興趣區域，統計各地物的灰度值，如圖5所示。其他各類地物也如法炮制，經過匯總得到NDVI圖上的各地物亮度值，如表2所示。

圖5 ROI在NDVI圖上的統計結果

表2 各類地物樣區特征波段值統計表

[波段＼&統計值＼&植被＼&河流＼&道路＼&其他＼&NDVI＼&最小值

最大值

均值

方差＼&0.018018

0.152542

0.091107

0.032397＼&-0.078947

-0.058824

-0.068501

0.005504＼&-0.013193

0.030812

-0.003468

0.008971＼&0.000000

0.050505

0.028243

0.013946＼&]

再次，結合上表中各地物在NDVI圖像上的灰度值，可以看出植被在NDVI波段的亮度值與河流、道路差異顯著，與其他地類會有一定的混淆，經過多次實驗得到統計閾值為（0.03-0.152542），提取的植被信息結果圖如圖6所示。其中白色為植被信息，黑色是除植被以外的河流、道路等其他信息。將提取圖像與原圖像疊加對比，可以看出圖中箭頭所指地方信息非植被覆蓋度信息提取過多、存在誤提現象。