ENIV高光谱数据在植被分析中的应用

韩彩玲　张永忠

(1.兰州交通大学测绘与地理信息学院,甘肃兰州　730070;2.甘肃省地理国情监测工程实验室,甘肃兰州　730070)

ENIV高光谱数据在植被分析中的应用

韩彩玲1张永忠2

(1.兰州交通大学测绘与地理信息学院,甘肃兰州730070;2.甘肃省地理国情监测工程实验室,甘肃兰州730070)

在遥感影像处理中,植被指数提取广泛应用于定性和定量评价植被覆盖及其生长活力。本文利用高光谱数据介绍了ENVI遥感图像处理软件对遥感影像进行植被指数分析的方法。

植被指数ENVI遥感

在遥感应用领域，植被指数已广泛用来定性和定量评价植被覆盖及其生长活力。植被指数主要反映植被在可见光、近红外波段反射与土壤背景之间差异的指标，各个植被指数在一定条件下能用来定量说明植被的生长状况由于植被光谱表现为植被、土壤亮度、环境影响、阴影、土壤颜色和湿度复杂混合反应，而且受大气空间—时相变化的影响，因此植被指数没有一个普遍的值，其研究经常表明不同的结果。

植被指数经过二十年的发展，目前已经有几十多种，但常用的植被指数有:归一化植被指数(NDVI)、比值植被指数(RVI)、差值植被指数(DV I)、土壤调节植被指数(SA V I)和修正型植被指数(MSAVI)等。

植被种类和健康状况的不同，决定了不同的特征光谱信息。但是不同的植物类别，其叶子的色素含量、细胞结构、含水量均有不同，因而光谱响应总存在一定的差异。高光谱数据可以非常敏感的捕捉到这些差异。目前，在植被遥感中，研究较多的是高光谱植被遥感技术。

高光谱植被遥感主要研究生态遥感所涉及的植被类型的识别与分类、植物生化成分的估测、植物生态学评价等。

1　ENVI介绍

图1　农作物胁迫性分析

ENVI——完整的遥感图像处理平台ENVI(The Environment for Visualizing Im ages)是美国Exelis Visual In form ation Solutions公司的旗舰产品。它是由遥感领域的科学家采用交互式数据语言IDL(Interactive Data Language)开发的一套功能强大的遥感图像处理软件。它是快速、便捷、准确地从影像中提取信息的首屈一指的软件解决方案。今天，众多的影像分析师和科学家选择ENVI来从遥感影像中提取信息。ENVI已经广泛应用于科研、环境保护、气象、石油矿产勘探、农业、林业、医学、国防&安全、地球科学、公用设施管理、遥感工程、水利、海洋、测绘勘察和城市与区域规划等领域。

目前，众多的影像分析师和科学家选择ENVI软件从遥感影像中提取信息。ENVI 软件已经广泛应用于科研、环境保护、气象、石油、矿产勘探、农业、林业、医学、国防安全、地球科学、公用设施管理、遥感工程、水利、海洋、勘察测绘和城市规划等领域。

2　高光谱数据应用于植被监测的优势

健康植物的波谱特征主要取决于它的叶子，受其影响，健康植物的波谱特征表现如下:

可见光谱段:在可见光谱段内，植物的光谱特征主要受叶的各种色素的支配，其中叶绿素起着最重要的作用。由于色素的强烈吸收，叶的反射和投射很低。在0.45um为中心的蓝波段和0.67um为中心的红波段叶绿素强烈吸收辐射能(＞90%)而呈吸收低谷。在这两个吸收谷之间(0.54um附近)吸收相对减少，形成绿色反射峰(10%～20%)而呈现绿色植物。

图2　农作物胁迫性分析

图3　农作物胁迫性分析

近红外谱段:在近红外谱段内，植物的光谱特征取决于叶片内部的细胞结构。叶片的反射和投射能相近(各占入射能的45%～50%)，而吸收能量很低(＜5%)。在0.74um附近，反射率急剧增加。在近红外0.74um-1.3um谱段内形成高反射。

短波红外谱段:在短波红外谱段内(1.3um以外)，植物的入射能基本上均吸收或者反射，透射极少。植物的光谱特征受叶子总含水量的控制，叶子的反射率与叶内总含水量约成负相关，即反射总量是叶内水分含量及叶片厚度的函数。由于叶子细胞间及内部的水分含量，绿色植物的光谱反射率受到以1.4um、1.9um以及2.7um为中心的水吸收带的控制，而呈跌落状态的衰减曲线。

高光谱数据可以非常敏感的捕捉到这些差异。目前，在植被遥感中，研究较多的是高光谱植被遥感技术。

3　植被分析

3.1植被指数计算器

ENVI有27种植被指数，但是它会根据你的波段信息，自动列出来可以计算哪些植被指数，每个植被指数都有不同的计算公式。我们可以根据自己的需求，来计算所需要的植被指数。

3.2植被指数的提取

植被指数提取的方法很多，最常用的一种方法是通过遥感影像处理软件对遥感影像不同波段进行处理，从而得到各类植被指数。目前常见的Landsat TM遥感影像，共有7个波段，其中TM 3(波长0.63～0.69Lm)为红外波谱段，为叶绿素主要吸收波段;TM 4(波长0.76～0.90Lm)为近红外波谱段，对绿色植被的差异敏感，为植被通用波段。M odis遥感影像共有36个光谱通道，其第一波段(0.62～0.67Lm)、第二波段(0.841～0.876Lm)分别是红色和近红外波段，可以用第一和第二波段计算植被指数。例如归一化植被指数NDVI的定义是:NDVI=NIR-Red/NIR+Red

利用遥感影像处理软件提取植被指数的一般流程为:(1)使用感影像处理软件打开遥感图像;(2)依据植被指数公式，对图像不同波段进行波段计算;(3)生成植被指数图像文件。

3.3植被分析工具

3.3.1农作物胁迫分析

创建农作物胁迫的空间分布图，根据分布图判断出适合农作物生长的区域，可用于精确的农业分析。判断依据主要有以下几个指标:(1)绿度:用来标识闲置农田、虚弱的植被、健康的作物;(2)光利用效率:用来标识植被生长率;(3)冠层氮含量:用来估计相关的氮等级。根据胁迫性的大小，分为九个等级，胁迫性越小，更利于农作物生长，反之亦然。

根据农作物胁迫的空间分布图可知，干旱农作物不能有效的利用氮和光能，表现为胁迫较高;而健康生长作物则表现为较低的胁迫。用户能从农作物胁迫的空间分布图上判断出适合农作物生长的区域，该工具可用于精确农业分析。如图1所示。

3.3.2易燃性分析

创建农易燃性分析的空间分布图，根据分布图判断出农作物易燃的程度。判断依据主要有以含水量、光照、高度、二氧化碳含量等等。类似于农作物胁迫分析，也分为九个等级。等级越高，着火性越大，反之亦然。

易燃性空间分布制图能够用于森林规划，也可用它来分析城郊混合区的火灾风险。高易燃性分布区域通常由处于干燥和干旱状态的植被构成，水分含量很少;而低易燃性分布区通常由茂盛的绿色植被构成。如图2所示。

3.3.3林木健康的分析

创建林木健康的空间分布图，根据分布图判断出农作物易燃的程度。判断依据主要有以含水量、高度、二氧化碳含量等等。林木健康程度分布图可用于检测病虫害以及枯萎病的发生情况，也可以用于评估某地区的木材收获量。如图3所示。

4　结语

由上述实验可知，通过植被指数计算可以得到多种指数结果，可根据自己的需要作出不同的选择。植被分析分为农作物胁迫分析、易燃性分布分析、林木健康分析三种较常用的方法，每种方法的各要素指数分析可以选择不同的分析方式。在实验过程中我们可以尝试更多的方法进行植被指数分析，并找出它们之间的共同点及区别，一边以后处理图像可以更好的选择适宜的方法。随着遥感技术的不断发展，对植被信息提取的方法也不断增多，各种新的方法又不断地引入到植被信息的提取中，但却有各自的缺点和特殊的使用条件。因此，我们应该根据各自需求，选用合适的方法。

[1]梅安新,彭望等.遥感导论[M].北京:高等教育出版社,2002.

[2]马春林.基于植被指数NDVI的遥感信息提取[J].中国高新技术企业,2008(10).

[3]邓书斌.ENVI遥感图像处理方法[M].北京:科学出版社,2011.5.

[4]Heike Schmidt & Arnon Karnieli. Remote sensing of the seasonal variability of vegetation in a semi-arid environment[J]. Journal of Arid Environments ,(2000)45:43-59.

[5]陈劲,松韩玲.运用ENVI提取遥感影像中的植被信息[J].测绘标准化,2005(21):20-22.

[6]韩月娇.植被信息提取方法的研究与探讨[J].中国科技财富,2012 (2).

[7]郭铌.植被指数及其研究进展[J].干旱气象,2003(4).

[8]常庆瑞,蒋平安,周勇,李瑞雪 等.遥感技术导论[M].北京:科学出版社,2008.

In remote sensing image processing, vegetation index are w idely used in the qualitative and quantitative evaluation of vegetation and grow th vigor.This paper introduces the method of vegetation index analysis by ENVI Hyperspectral Imaging Data .

vegetation index; ENVI; Hyperspectral Imaging