基于多時相FY—3A/MERSI的新疆地區植被指數提取及變化分析

李聰　張旭　石玉

摘要 近年來，我國遙感衛星技術發展迅速，新一代極軌氣象衛星風云三號（FY3）上攜帶的分辨率光譜成像儀（MERSI）已獲取大量對地觀測資料，在大尺度遙感監測等方面顯示出較高的實用價值。為了實現自動批量處理FY-3A/ MERSI影像數據，提取新疆范圍植被指數特征，為今后新疆植被類型制圖方法研究做準備，對MERSI數據經過預處理、投影變換等處理，提取植被指數特征數據，按旬生成最大植被指數時間序列影像；并對生成的歸一化植被指數（NDVI）結果進行分析，其結果可為今后按MERSI NDVI時間序列影像進行新疆植被類型分布研究、監測植被長勢的應用等后續工作做準備。

關鍵詞 FY-3A/MERSI；NDVI；提取；分析

中圖分類號 S73 文獻標識碼 A 文章編號 1007-5739（2016）08-0199-02

Abstract In recent years，China's development of satellite remote sensing technology rapidly，a new generation of Polar Orbiting Meteorological Satellite FY-3 carrying resolution spectral imager （MERSI） has acquired a lot of observation data，shows a high practical value in the large scale remote sensing monitoring.In order to realize the automatic batch processing of domestic FY-3A/ MERSI image data，extracting vegetation index in Xinjiang range，in preparation for the study of Xinjiang vegetation mapping method in the future，the MERSI data after preprocessing，projection transform processing，extraction of vegetation index data，generated by ten days maximum vegetation index time series image；automatic batch processing of Xinjiang the range of MERSI data using the IDL programming language，the vegetation index data generated by ten days time series of 250 m spatial resolution algorithm；and the normalized difference vegetation index （NDVI） were analyzed，and the results could be to prepare for the future according to the MERSI NDVI time series images of Xinjiang vegetation research，monitoring vegetation growth application subsequent work.

Key words FY-3A/ MERSI；NDVI；extraction ；analysis

作為陸地生態系統和景觀的重要組成部分，植被也是科研的重要對象之一[1]。植被指數（vegetation index）是對地表植被活動的簡單有效度量，可反映植被的變化信息，同時也可作為植被生物物理學參數的“中間變量”[2]。植被指數的計算可通過將2個或多個對植被敏感的光譜觀測通道進行組合，其中林業領域常將時間序列植被指數用于林業災害預警、災后評估等實踐活動[3]。

風云三號（FY-3）氣象衛星是中國第2 代極軌氣象衛星，其中，FY-3A衛星、FY-3B衛星分別為上午星、下午星，兩者分別于2008 年5 月27 日、2010 年11 月5 日發射成功[4-5]，標稱軌道回歸周期為6d。

風云三號氣象衛星搭載了分辨率光譜成像儀（MERSI），其250m分辨率的通道數為5個，光譜信息更為豐富，是目前國際上最有效的監測地球環境動態變化的空間遙感儀器[6]。MERSI可以實現連續監測，且風云系列衛星仍在持續發射中，應用前景十分廣闊[7]。張茂鑫等[8]對HDF 文件格式的MERSI 影像數據的讀取、圖像合成方法進行了研究；馮 銳等[9]對MERSI和MODIS數據的歸一化植被指數進行差異分析，結果表明：2種數據的NDVI有著共同的直方圖走勢，動態范圍基本一致，各類地物的反演結果均表現出很好的線性一致性；該文通過對2012年1—12月批量處理國產FY-3A/MERSI影像數據，并對生成的歸一化植被指數（NDVI）結果進行分析，其結果可為今后按MERSI NDVI時間序列影像進行新疆植被類型分布研究、監測植被長勢的應用等后續工作提供一定的理論依據。

1 材料與方法

1.1 數據來源

FY-3A/ MERSI 來源于新疆氣象局遙感中心。本文選擇2012年全年FY-3A的衛星軌道資料，衛星過境時間均為12：00和13：00左右。利用國家衛星中心研制的Fy-3資料處理系統軟件，將接收的Fy-3A衛星資料原始MERSI資料進行定標、幾何校正、生成HDF標準科學數據集，利用SMART處理軟件，批量投影，跟EOS/MODIS相匹配的新疆區域的LDF1B數據，中心經緯度：85°，42°，大小范圍為10400，6400，分辨率250 m，選取通道為MERSI的1、2、3、4、5通道，可以用ENVI軟件直接讀取。MERSI有光譜通道20個，該文主要選取1～5通道進行研究，其用途見表1。

1.2 研究方法

1.2.1 植被指數的提取。首先，利用預處理完成MERSI數據HDF數據，用SMART處理軟件幾何校正、投影轉換和SI的反射率/亮溫轉換，用ENVI軟件直接讀取；投影后的圖像可運用ENVI軟件進行地理信息疊加，然后轉換成目前大多數遙感和地理信息系統軟件通用的文件格式。

在ENVI軟件中打開新疆行政矢量地圖，將其轉換成感興趣區域，然后在MERSI影像中提取新疆邊界，計算歸一化植被指數（NDVI），計算公式如下：

NDVI=（b2-b1）/（b2+b1）

式中，b1和b2分別對應紅光和近紅外波段。NDVI植被指數值被定義在-1～1之間，負值表示地面覆蓋為云、水雪、建筑物或對可見光有高反射率的巖石或裸土等。

1.2.2 旬最大植被指數合成。地表植被覆蓋如果采用光學衛星進行監測，云常常成為干擾因素，人們常采用多天的光學衛星數據進行合成處理，目的是消除影像中的云體[4]。采用最大植被指數合成法合成旬最大NDVI晴空數據集，結果見圖1，供植被指數分析處理；并對植被指數圖進行分級處理，得到2012年1—12月各旬的NDVI分級圖。具體實施步驟見圖2。

2 結果與分析

利用IDL 編程語言，完成了上述算法方法程序并進行運行，完成了2012年1—12 月各旬的NDVI合成處理工作。在ENVI處理軟件中，利用密度分割對植被指數圖進行分級處理，將各旬植被指數合成圖中0～1.0的植被指數分為10個等級，部分結果見圖3。

2.1 NDVI旬植被指數圖各級分布

由表2可以看出，4 月中旬全疆NDVI分布范圍為0～0.8，其中0～0.1級分布的像元最多，達到20.63%；7 月中旬全疆NDVI分布范圍為0～0.9，其中0～0.1級分布的像元達到18.6%，其中0.2～0.9級分布的像元均比4月中旬多；10月中旬全疆NDVI分布范圍為0～0.9，其中0～0.1級分布的像元最多，達到15.54%；其中0.2～0.4級分布的像元均比7月中旬多，而0.4～0.9級分布的像元比7月中旬少。

2.2 NDVI 旬植被指數影像體現了植被覆蓋的季節變化

當植被指數在0～1之間時，隨著植被指數的增大，植被覆蓋度越大。4月、7月分別處于生長期和植被生長旺盛期，植被覆蓋度逐漸增大，10月中旬植被覆蓋度表現逐漸下降趨勢。對比圖1中4月中旬和7月中旬2副圖，并結合表2中統計數據，可見7月中旬的圖中NDVI 在0～0.1級像元比圖4月中旬中的少，而0.2～0.9 各級別7月中旬比4月中旬對應的各級像元多，7月中旬相比4 月中旬植被覆蓋度明顯增大；10月中旬在0～0.1級像元比7月中旬少，0.1～0.4級中的像元比7月中旬略多，而在0.4～0.9級像元中明顯少于7月中旬。由此表明，NDVI旬影像可以更好地體現植被覆蓋的季節變化。

3 結論與討論

（1）FY-3A/MERSI衛星數據可以實現連續監測，而且風云系列衛星仍然在持續發射中，應用前景較廣闊。本文采用批量處理FY3A MERSI數據和植被指數合成等方法，能夠生成全疆植被指數圖，可以節省數據處理任務的時間。

（2）利用MERSI-NDVI數據按時間序列生成新疆植被指數圖，可以很好地表現各旬新疆植被覆蓋總體分布趨勢和植被的全年物候變化的優勢。這對今后研究植被類型分布及變化監測方法等后續工作具有指導意義。

（3）某一年的植被生長過程可能受外界因素的影響而表現出某些異常，因此，僅僅利用1年的數據不能準確反映植被實際的生理生長狀況，在今后的工作中，應將不同年份的植被指數進行時間序列分析，可以監測不同年份間的植被動態變化情況。

（4）由于時間因素，本項目也只針對一種植被指數NDVI進行了分析，今后工作中應進行其他類植被指數如（EVI）的計算，將NDVI與EVI進行對比分析，這樣能更全面了解MERSI數據應用情況。

4 參考文獻

[1] 張翠萍，牛建明，董建軍，等.植被制圖的發展與現狀[J].中山大學學報，2005，44（2）：245-249.

[2] 劉玉潔，楊忠東.MODIS 遙感信息處理原理與算法[M].北京：科學出版社，2001：232-260.

[3] 楊存建.衛星遙感技術在林業中的應用[J].遙感技術與應用，1994，9（2）：54-56.

[4] 胡博，覃先林，楊飛，等.基于MERSI數據的處理及旬植被指數生成方法[J].中國農學通報，2012，28（10）：63-68.

[5] 董瑤海，孫允珠，王金華，等.FY-3A極軌氣象衛星[J].上海航天，2008（5）：1-11.

[6] 雷松濤，張寶龍.FY-3 氣象衛星中分辨率光譜成像儀結構仿真分析[J].上海航天，2009（4）：55-60.

[7] 武鵬飛，胡列群，李貴才，等.基于棉田光譜的FY-3A/MERSI與MODIS植被指數關系研究[J].沙漠與綠洲氣象.2011，5（4）：49-52.

[8] 張茂鑫，李國春.基于HDF5 文件格式的MERSI影像數據提取的研究與實現[J].現代農業學，2009，16（3）：189-191，222.

[9] 馮銳，紀瑞鵬，武晉雯，等.FY3/MERSI和EOS/MODIS歸一化植被指數差異分析 [J]中國農學通報，2010，26（19）：359-362.