基于Landsat 8 OLI城市绿地信息提取.docVIP

基于Landsat 8 OLI城市绿地信息提取 　　摘要：作为城市生态系统的重要组成部分之一，绿地起着尤为重要的作用。然而传统的调查方法不仅费时费力，且动态更新较为困难。本文以兰州市区为例，采用遥感数据Landsat 8 OLI影像结合目视解译、植被指数和混合像元分解方法提取绿地信息，初步比较了三种方法的分析结果。最后据此分析兰州市绿地的空间分布特征，为城市的发展提供有益的建议。 　　关键词：遥感 NDVI 混合像元分解 兰州 　　中图分类号：P237；TU985 文献标识码：A 文章编号：1007-9416（2014）10-0068-03 　　Abstract：As part of the urban ecosystem， green land plays a very important role. However， traditional methods of investigation are not only time-consuming， but also difficult for dynamic update. This paper used remote sensing image data from Landsat 8 OLI combined with visual interpretation、vegetation index and pixel unmixing to extract green space and evaluate the accuracy. Finally， we analyzed the spatial distribution of green space of Lanzhou and provide useful suggestion for the citys future development. 　　Key Words：Remote Sensing Normalized Difference Vegetation Index （NDVI） Pixel Unmixing Lanzhou 　　随着地理信息产业的蓬勃发展，3S技术（遥感（RS）、地理信息系统（GIS）、全球定位系统（GPS））得到了越来越广泛的应用。[1]在城市生态建设方面，利用遥感手段进行宏观动态监测更是具有不可比拟的优势，它覆盖范围广、重访周期短、数据丰富，相比传统方法更有经济、社会效益。 　　目前利用遥感手段宏观提取绿地的方法已经比较成熟，植被指数因其操作简单且具有较高的精度得到广泛的应用。其中NDVI，即归一化差值植被指数，利用植被在红光和近红外波段的反射率特征，能够在大多数情况下较好的反应地表植被覆盖状况。此外还有很多其他的植被指数，例如比值植被指数、土壤调节植被指数、绿度植被指数等，可根据实际需要灵活加以运用。 　　此外，混合像元分解也是一种精度较高的方法。这种方法远比植被指数要复杂，虽然运用起来比较耗费时间，需要进行数据降维、端元选取、像元分解等步骤，但得到的结果可信度很高。目前关于混合像元分解的模型有很多，其中以线性光谱混合模型应用最为广泛。 　　本文利用Landsat 8多光谱数据，并结合不同的方法展开对于兰州市区绿地信息的提取研究，丰富宏观提取绿地信息方面的工作，为兰州市可持续发展提供重要的基础数据。具体技术路线如图1所示： 　　1 研究区概况 　　兰州市地处中国地理版图的几何中心，位于北纬36市地处中，东经103地处中国，包括城关区、七里河区、西固区、红谷区和安宁区五个区，总面积约1631.6平方千米。整座城市 依黄河而建，黄河自东西穿城而过，是唯一一个黄河穿越市区的省会。由于南北两山夹峙地形的影响，市区东西狭长，约30千米，南北最窄处，仅5千米左右。（如图2所示） 　　兰州市属温带半干旱大陆性季风气候，温差大降雨少，市区年降雨量328mm，年平均蒸发量1468m，蒸发量是降雨量的四倍多。加上兰州地面土壤以灰钙土为主，土层瘠薄，有机质含量少，地区自然植被以荒漠草原为主，水土流失严重，城市周围荒山、荒坡造林难度大。所以，兰州特殊的地形地貌和干旱少雨的自然特征，使城市绿地系统受到较大制约和影响，市区周边生态环境脆弱，城市绿化基础较差。 　　2 数据来源及预处理 　　2.1 数据来源 　　主要采用2013年8月8日拍摄的Landsat 8 OLI多光谱遥感影像和兰州市区矢量边界。影像获取时间正处于植被生长特征明显的阶段，且研究区所在区域晴朗无云，拍摄清晰，十分有利于绿地信息提取。 　　Landsat 8 卫星由NASA（美国国家航空航天局）于2013年2月11日成功发射，携带两个主要载荷：OLI（全称：Operational Land Imager，陆地成像仪