多角度遥感用于植被分类的探究

徐佰翔 刘兰兰

摘 要：对资源三号卫星多角度图像的正视和斜视卫星影像进行预处理，从经过预处理的正视和斜视影像上分别选取3种不同类型的植被，然后分别提取其NDVI值与灰度值，比较在正视和斜视影像上同一类型的植被的NDVI值与灰度值的变化，发现同一地块在正视和斜视影像上的NDVI值和灰度值有所不同，不同地块在正视和斜视影像上的NDVI值和灰度值也存在差异，最终根据他们的不同，达到区分植被类型的目的，为以后的遥感植被解译工作提供参考与支持。

关键词：多角度遥感；NDVI值；灰度值

中图分类号：TP79 文献标志码：A 文章编号：2095-2945（2018）13-0067-04

Abstract： In this paper， three different types of vegetation are selected from pre-processed emmetropia and strabismus satellite images of Resource-3 satellite multi-angle images， and their NDVI values and grayscale values are extracted respectively. By comparing the changes of NDVI value and gray value of the same vegetation in the emmetropia and strabismus images， it is found that the NDVI value and gray value of the same plot are different in the emmetropia and strabismus images. There are also differences in NDVI and gray values of different plots in the emmetropia and squint images. Finally， according to their differences， the purpose of distinguishing vegetation types is achieved， which provides reference and support for the interpretation of remote sensing vegetation in the future.

Keywords： multi-angle remote sensing； NDVI value； gray value

引言

遥感以其探测范围广、获取信息快、动态监测、信息客观准确、几乎不受环境约束（除天气原因外）的特点，成为近年来科学领域应用的关键技术。植被调查是遥感的重要领域之一，运用遥感技术反映植被光谱特征和参数信息是植被遥感领域的热点和难点。然而，遥感影像光譜特征反映地物的物理、化学特征比较困难，基本上不能直接确定植被类型和进行植被分类，因此多角度的遥感影像则为研究遥感影像反映地物特征增加了一个新途径，直接运用多角度遥感在多个方位得到的影像来反映地物的光谱特征和空间结构特征来对植被进行辨别与分类。

1 技术路线

主要是通过对资源三号卫星的多角度数据的预处理，包括分别对正视和斜视影像的裁剪、大气校正、几何校正、图像融合等，在正视和斜视影像上分别提取相对较单一的植被研究区域，对同一植被覆盖研究区域进行植被指数NDVI的提取和灰度值的提取，比较分析在资源三号卫星的正视和斜视影像上对同一植被覆盖的地块提取的NDVI和灰度值的不同变化，分别进行对比总结，希望能为以后的遥感植被解译提供参考资料。

通过分析对比发现同一植被类型在正视和斜视影像上的光谱信息发生的变化，分别对不同地块的正视和斜视影像提取了植被的NDVI值和灰度值，发现在正视和斜视遥感影像上他们确实发生了变化，通过这些变化来判断植被类型，最终为遥感影像的计算机解译提供参考数据。

2 数据处理

2.1 数据预处理

2.1.1 大气校正

对遥感影像的大气校正主要是为了消除大气散射的辐射误差对遥感图像的影响。遥感所利用的各种辐射能均要与地球大气层发生相互作用或散射、或吸收，而使能量衰减，并使光谱分布发生变化。大气的衰减作用对不同波长的光是有选择性的，因而大气对不同波段的图像的影响是不同的。消除这些大气影响的处理，称为大气校正。

大气校正流程如图1所示。

2.1.2 几何校正

影像几何校正是遥感数据预处理过程中的重要环节， 它能够消除遥感影像在获取过程中因传感器、遥感平台以及地球本身等方面原因而导致的平移、缩放、旋转、偏扭、弯曲及其比例尺变化。几何校正就是将图像数据投影到平面上，使其符合地图投影系统的过程。其目的是改正原始影像的几何变形，产生一幅符合某种地图投影或图形表达要求的新图像。遥感影像的几何性能与几何精度是后续制图等工作的重要依据，它直接影响成图的精度。所以，图像几何校正是图像处理的重要内容。

实验是分别对资源三号卫星的多光谱图像、正视图像和斜视图像进行几何校正，因为本次实验数据的限制，所以采用Google Earth对影像进行几何精校正。

2.1.3 图像融合

图像融合是将分辨率较低的彩色的多光谱图像与具有较高分辨率的全色影像进行融合处理和重采样，最终得到一幅既具有全色影像的高分辨率又具有多光谱影像的光谱特征的图像。

本文采用的是Gram-Schmidt光谱锐化方法，将纠正后的多光谱影像和纠正后的全色影像进行融合。

2.2 植被选取

在经过预处理的正视和斜视遥感图像分别进行相同的地块选取，本次实验通过查询相关资料和实地调查的方法，对实验地块进行了选取，共选取了两个地块，即两种类型的植被覆盖。分别是：玉米地、白桦树林。

在正视和斜视图像上分别通过感兴趣区域裁剪不规则玉米地、白桦树林。

2.3 植被指数提取与综合分析

NDVI能够明显地反映出植被的生长状况、生物物理化学性质及生态系统参数的变化，在一定程度上反映了像元所能对应的植被和土地覆盖类型的综合情况。

本次实验采用的遥感影像总共有4个波段，分别为蓝、绿、红和近红外波段，比较有利于NDVI的计算，再者，通过上边植被指数的对比分析，NDVI在多方面存在优势，因此本次实验采用提取植被NDVI的方法，通过比较，得到植被的种类信息。

分别对两种植被类型的图像进行NDVI的提取，统计每个像元的NDVI的值，然后比较在多角度图像上的变化。下图为玉米、白桦树分别的正视和斜视图像上像元的个数（频数）与NDVI值的变化关系。

在正视图像上提取的玉米的NDVI值得范围分布在0.4～0.8之间，而斜视影像上NDVI值分布在0.5～0.8之间，说明在相同条件下斜视影像上提取的NDVI值较正视影像整体偏大。因此在遥感解译的过程中，如果单独在正视影像上无法区分植被类型，可以根据植被在斜视影像上NDVI值的变化进行区分。除此之外还可以将植被的NDVI值在某个区间的变化进行对比，例如，NDVI在0.65～0.70区间内，很明显斜视影像比正视影像在这个区间的像元个数要多。

根据白桦树的NDVI的直方图可以看出，NDVI值在0.75～0.80的区间范围内，正视影像的像元数远多于斜视影像上的像元，也就是说在这个区间内斜视影像上的像元

少。

2.4 植被灰度直方图提取

灰度直方图是将数字图像的所有像素，按照灰度值的大小，统计其出现的频率。通常，灰度直方图的横坐标表示灰度值，纵坐标为像素个数，也可以采用某一灰度值的像素占全图像素数的百分比作为纵坐标。

植被对近红外波段的反射率最好，因此运用ENVI软件分别在正视和斜视遥感影像上对所选地块的灰度进行提取结果如下图7，图8：

由图可以看出，玉米在斜视影像上的亮度值明显偏大，白桦树却在斜视影像上的亮度值比较集中。通过正视与斜视之间的比较和不同植被的正视与正视、斜视与斜视之间的比较，运用他们的差异为单一角度遥感提供信息，以便于区分树种，提高遥感影像运用计算机进行解译的精度。

3 实验结果与分析

多角度遥感的出现给植被的解译提供了一个新的途径，斜视影像作为传统正视影像信息获取方法的补充，为遥感解译与分类提供了更丰富的信息。

（1）利用多角度遥感影像的优势，对同一种植被进行区分的时候，分别从正视影像和斜视影像上提取它的归一化植被指NDVI光谱特征和灰度值，比较在正视和斜视影像上的差异。亦即同一植被的光谱特征通过正视和斜视影像的组合来描述其变化的不同。

（2）对于不同类型的植被，在传统的正视影像下无法进行区分的时候，参考他们分别在斜视影像上的光谱变化，就是用正视和斜视的组合图像的光谱特征差别进行分析对比。

（3）通过实验可以看出不同的植被在正视和斜视遥感影像上的光谱特征和和植被指数是有变化的，通过这些变化来区分植被的类型。

參考文献：

[1]赵祖军.多角度遥感提取地物几何信息的几个关键技术研究[D].中国科学院研究生院（遥感应用研究所），2006.

[2]李芬.资源三号卫星数据在土地利用遥感监测中的应用研究[D].吉林大学，2013.

[3]郭凯，孙培新，刘卫国，等.利用遥感影像软件ENVI提取植被指数[J].红外，2005，5（2）：13-15.