基于ERDAS植被信息提取方法研究.docVIP

基于ERDAS植被信息提取方法研究 　　摘要：在遥感影像处理中，植被指数提取广泛应用于评价植被覆盖，长势，面积等植被信息。本文主要利用ERDAS IMAGINE遥感图像处理软件对遥感影像进行归一化植被指数NDVI的提取，对植被指数图像进行非监督分类处理，结合目视解译等方法，对信阳地区的植被信息进行提取。 　　关键词：植被指数；ERDSA；遥感；NDVI 　　引言 　　植被主要包括林地（有林地、灌木地和疏林地）、草地（高覆盖度草地、中覆盖地草地和低覆盖度草地）和农作物[1]。植被在维护生态平衡中起着重要的作用，用一种切实有效地技术和方法对植被的情况进行掌控又成为时代所需。随着遥感技术的应用和发展，它为植被指数的提取和植被覆盖度的测算提供了一种新的方法。相较于传统的地面测算，遥感方法在很大程度上减少了外业测算工作，同时解决了时效性和测算范围等方面的问题。 　　1 研究区植被概况 　　信阳位于河南省南部，东经114°01′-114。06′，北纬31°46′-31°52′。信阳地势南高北低，是岗川相间、形态多样的阶梯地貌。西部和南部是由桐柏山、大别山构成的豫南山地。中部是丘陵岗，北部是平原和洼地，信阳地跨淮河，位于秦淮分界上，属亚热带向暖温带过渡区。信阳市一座绿色茶城，城区主要植物种类是茶树及绿化植物。 　　2 数据来源及数据预处理 　　2.1 数据来源 　　实验数据采用的是2002年7月9日的LANDSAT7 ETM+影像数据。ETM+影像有8个光谱波段，空间分辨率是30m（1、2、3、4、5、7波段）、60m（6波段）和15m（全色波段）。 　　2.2 植被指数及数据预处理 　　2.2.1 植被指数 　　植被指数（vegetation index）是遥感监测地面植物生长和分布的一种方法，是不同遥感光谱波段间的线性或非线性组合，是植被长势的一种指示，通常可反映90%以上的植被信息，并能消除外在因素的影响，从而较好地反映绿色植物的空间分布和生长状况，并能宏观地反映绿色植物的生物量和盖度等生物的物理特征，所以被广泛应用于土地利用覆盖探测、植被覆盖密度评价和作物识别等方面[3]。 　　归一化植被指数是反映农作物长势和营养信息的重要参数之一，它能反映出植被冠层的背景影响，与植被覆盖度有关，可以用来检测植被生长状态、植被覆盖度和消除部分辐射误差等。同一种植被，NDVI越大，表明地表植被的覆盖度越高，植被的长势越好，相反NDVI越小表明植被的覆盖度越低[5]。基于这种经验统计关系，根据NDVI求取植被覆盖度的方法已被广泛广泛。植被指数法是提取植被信息的最理想方法，经过该方法处理后，图像明暗的界线清晰，植被的亮度值大，数量小，而其它地物的亮度小，数量多。 　　要计算NDVI，就是在遥感处理软件中，计算近红外波段与红波段之差，再除以两个波段之和。其计算公式如下所示： 　　归一化植被指数NDVI的定义是： 　　NDVI= （NIR ?C RED）/（ NIR + RED） （1） 　　在波段中的定义公式为： 　　NDVI=（Channel2 ?C Channel1）/（Channel2 + Channel1） （2） 　　归一化差值植被指数NDVI，将比值限定在（-1，1）范围内。可以消除大部分与仪器定标、太阳角、地形、云阴影和大气条件有关辐照度的变化，增强了对植被的响应能力。 　　2.2.2 数据预处理 　　植被信息提取之前需要对遥感数据进行预处理，首先是利用ERDAS IMAGINE软件进行几何校正，这样不会改变地物的波谱信息，给图像加上地理坐标，正射校正加上地理坐标的同时再通过一些测量高程点和DEM来消除地形起伏引起的图像变形。后者的测量高程点很难获得，需要外定向数据点。 　　图像配准是地面上的目标在各图像上所对应像点具有相同平面坐标的处理过程，也称几何精纠正[6]。它是保证图像几何精度的主要手段，也是提取地面信息的前提。在实践中，根据需要选取足够的控制点，一般是理论控制的6倍左右，并且应注意控制点分布随地形的复杂程度而定，地形越复杂，控制点应越多。 　　选取控制店误差控制在1个像元以内，其过程可归纳为4个步骤：①建立原始图像与校正后图像的坐标系；②确定GCP，即在原始畸变图像空间与标准空间寻找控制点对；③选择畸变数学模型，并利用GCP数据求出畸变模型的未知参数，然后利用此畸变模型对原始畸变图像进行几 　　何精校正；④几何精校正的精度分析。 　　3 植被指数提取 　　3.1 模型的生成 　　图形模型的形成过程实质上就是解决问题的过程。在借助模型生成器的形成模型时，通常需要经过6个基本的步骤：①明确问题，②放置对象图形，③连接各个对象，④定义对象，⑤定义函数操作，⑥运行模型。 　　如果前面