基于Landsat影像的NDVI與RVI反演結果實驗與分析

李海峰

（1.四川建筑職業技術學院,四川 德陽 618000）

城市是經濟發展、社會進步的必然產物,也是一個國家經濟發展水平高低的重要體現。根據《中國統計年鑒—2019》的相關數據顯示,截至2018年底,我國共有地級城市293個,縣級城市375個[1]。目前,我國仍處于快速城市化的發展階段,城市化必然會導致地表植被覆蓋類型發生改變,大量不透水面替代地表植被；而植被是陸地生態系統的重要組成部分[2-3],良好的植被覆蓋在固碳供氧、殺菌滯塵、減少噪音、調節城市微氣候、改善人居環境等方面都具有積極效果[4-5]。

植被指數已被普遍應用于植被生長狀況和植被覆蓋狀況的研究中。遙感影像因其探測范圍廣、容易獲取、良好的時間序列、影像周期短等優勢,而被大多數學者采納,應用于植被指數的相關研究中[6-7]。利用Landsat影像數據進行植被指數反演的模型主要包括歸一化植被指數（NDVI）、比值植被指數（RVI）等40余種。本文以德陽市旌陽區為實驗區,以Landsat遙感影像為數據源,對NDVI和RVI估算的植被覆蓋狀況進行了比對分析。

1 研究區概況與研究方法

1.1 研究區概況

四川省德陽市旌陽區為德陽市主城區,地處成都平原東北邊緣,位于31°05＇～31°20＇N、104°15＇～104°33＇E之間；東鄰中江縣,西連綿竹市和什邡市,北接綿陽市安州區,南靠廣漢市,是德陽市的政治、經濟、文化中心。全區地勢西北高、東南低；地貌上可明顯分為平原、丘陵兩大類型,西部為綿遠河、石亭江扇形平原,海拔高程為468～561 m。旌陽區屬常綠闊葉林植被帶,植被多為天然次生林和人工林,森林覆蓋率約為20%。研究區地理位置如圖1所示,遙感影像來源于德陽市2018年OLI影像的432波段合成。

圖1 研究區地理位置圖

1.2 數據來源與預處理

本文采用的遙感數據來源于中國科學院計算機網絡信息中心地理空間數據云平臺（http://www.gscloud.cn）。Landsat5和Landsat8的軌道號為129/38,成像時間分別為2007-05-06、2014-08-13和2018-04-02。利用影像數據計算植被指數前,需先完成輻射定標,再進行大氣校正以提高反演精度。2007年的TM數據利用COST模型進行輻射定標；2014年、2018年OLI影像的輻射定標方法參見參考文獻[6]～[8],輻射定標后利用FLASSH模型完成大氣校正。

1.3 研究方法

1.3.1 NDVI

NDVI因其可消除大部分由太陽天頂角、儀器定標和大氣引起的與輻照度有關的變化,是遙感估算植被覆蓋度狀況以及空間分布的最佳指示因子[9],長期以來被應用于植被和植被物候研究。算法模型公式為:

式中,NIR為近紅外波段（TM為Band4,OLI為Band5）；R為紅光波段（TM為Band3,OLI為Band4）。

反演完成后NDVI的值域范圍為-1～1,正值表示有植被覆蓋,值越大表明植被覆蓋程度越好；負值表示為水、雪等；0則表示無植被覆蓋。

1.3.2 RVI

RVI能充分刻畫植被在近紅外波段和紅光波段反射率的差異,還可增強植被與土壤背景之間的輻射差異,是植被長勢和豐度估算的主要手段之一；但其對大氣狀況反應很敏感,當植被覆蓋度小于50%時分辨能力下降顯著。算法模型公式為:

式中,NIR為近紅外波段（TM為Band4,OLI為Band5）；R為紅光波段（TM為Band3,OLI為Band4）。

若RVI值大于1,則為綠色健康植被覆蓋區；若RVI值在1附近,則為無植被覆蓋的地表；若RVI值大于2,則表示植被覆蓋度高。

2 實驗與結果分析

2.1 植被指數反演結果分析

按照上述方法,本文分別對2007年、2014年和2018年的影像數據進行輻射定標和大氣校正,再根據NDVI和RVI模型計算各自的植被指數,反演結果如圖2所示,可以看出,由于研究區范圍內有綿遠河和大量零散水體,反演結果中存在NDVI小于0 的情況,因此在ArcGIS軟件中對DN值小于0的情況進行統一處理,2007年NDVI值域為0～0.59,2014年NDVI值域為0～0.72,2018年NDVI值域為0～0.68；2007年RVI值域為0.89～2.86,2014年RVI值域為0.97～6.12,2018年RVI值域為0.93～5.22。

圖2 植被指數反演結果

整體而言,兩種植被指數在3個年份均能直觀反映旌陽區的植被覆蓋狀況,二者所刻畫出來的趨勢基本一致。3個年份中一環路以內的植被覆蓋狀況均最差。2007年兩種植被指數均反映旌陽區的整體植被覆蓋狀況較差,以寶成鐵路為分界線,寶成鐵路東南側植被覆蓋狀況優于西北側。一環路以內的植被覆蓋狀況與一環路以外差異不明顯。2014年NDVI刻畫出來的寶成鐵路西北側與東南側植被覆蓋狀況很接近,較難區分哪個區域的覆蓋狀況更好,只是一環路以內等少數區域出現大面積的低植被覆蓋；而RVI反映出寶成鐵路東南側的植被覆蓋狀況優于西北側,同樣顯示一環路以內等少數區域出現大面積的低植被覆蓋。2018年兩種植被指數均反映寶成鐵路西北側的植被覆蓋狀況明顯優于東南側,NDVI反映出寶成鐵路西北側的植被覆蓋狀況均較好,只有零星的低植被覆蓋地塊存在,而RVI反映出該區域有顯著的面狀低植被覆蓋區域,這是二者在這個年份的顯著區別。

2.2 內部結構差異性分析

考慮到德陽市一環路以內的建成區和旌陽區南面、北面植被覆蓋狀況差異顯著,本文從北向南設計剖面線PM,具體位置見圖1。利用ArcGIS軟件的空間分析功能,以剖面線為參照作掩膜處理,提取2007年、2014年、2018年兩種植被指數剖面線經過區域的植被指數值；然后在Matlab中繪制兩種植被指數與像元DN值的曲線圖（圖3）。

圖3 RVI、NDVI與DN值曲線圖

通過剖面線,在兩個模型中分別提取1 074個像元對應的植被指數,可以看出,一環路以內植被指數均較小,表明該區域植被覆蓋度低；當NDVI值較大（約0.5）時,RVI值更大,且曲線的波動變化非常顯著,這在2014年和2018年剖面數據前600個像元中得到了很好的體現；當NDVI值較小（約0.2）時,RVI值波動變化不明顯或沒有波動變化,甚至很多情況RVI值在1附近,表明這些區域無植被覆蓋,與NDVI反演結果不一致,這種現象在2007年表現最為突出。

3 結 語

本文以德陽市旌陽區為研究對象,以2007年、2014年和2018年的Landsat遙感影像為數據源,首先對3個時期的數據進行輻射定標和大氣校正,然后反演得到NDVI和RVI。

1）對比分析同時期的NDVI和RVI發現,二者能較客觀地反映地表植被覆蓋的整體情況,且反映的規律趨于一致。

2）通過剖面分析法進行內部差異性分析發現,在植被覆蓋狀況較好的區域（NDVI值在0.5左右）,RVI反映的地表植被覆蓋狀況非常顯著；在植被覆蓋狀況較差的區域（NDVI值在0.2左右）,RVI反映的地表植被覆蓋狀況存在一定誤差,部分低植被覆蓋區域RVI值在1附近,表明無植被覆蓋。