基于谱间特征和归一化指数提取居民地信息的研究

李杨

本文以某地区夏季的TM影像为例，利用不同地类谱间的差异，选取适合的归一化指数快速提取城镇居民地信息。通过实验，组合Bl（SAVI）、B2（NDBI-1.5*NDVI）和B3（MNDWI）三幅影像得到一幅新影像，根据影像谱间特征设定阈值，获取城镇居民地信息。最后与监督分类的结果做了简单比较，并分析分类结果出现部分差异性的原因。

1 引言

遥感技术的发展为居民地空间信息的获取提供了先进的手段，当前，从遥感影像中提取信息的常用方法是目视判读提取，目视提取精度高，然而费工费时，近年来，研究者们探索出自动提取居民地信息的方法，并较好地解决了“同物异谱、异物同谱”的现象。以某地区夏季的TM影像为例，基于谱间特征与归一化差异型指数分析的方法来提取城镇居民地信息。

2 基本原理与方法分析

城镇影像的光谱均值分析

该试验区为某地夏季的一幅图，居民地分布在丘陵、山地、和沿河一带。根据目视解译初步判读得到河流、湖泊、林地、菜地、耕地、道路、城区居民地、郊区居民地和空地9种地类，选取各类典型地物的采样点，并求得样点的平均灰度值，由于不同地类在不同波段上的灰度值不同，因此利用谱间差异特征分析来提取居民地土地利用类型。

选取归一化差异型指数

根据目视判读，试验区的土地利用分为9类，根据不同地类在不同波段上的灰度值，可将河流和湖泊归为水体；林地、草地和耕地归为植被；道路、城区居民地和郊区居民地归为城镇用地。空地的灰度值明显高于其他地类，用TM2+TM3+TM4+TM5+TM7的表达式即可将空地提取出来。这样，就将城镇用地大致分为植被、水体和居民地三大地类。为了提取这三种地类的信息，选择SAVI指数、MNDWI和NDBI指数。

用SAVI指数提取城镇植被。试验区用SAVI指数代替常用NDVI指数，公式如下：SAVI=[（NIR-Red）（l+n）]/（NIR+Red+n）（1）

式中，NIR、Red分别为TM4、TM3波段。n的值介于0到1之间，0和1分别代表植被覆盖率极高和极低的两种极端情况，通常n=0.5时可较好地减弱土壤背景的差异。

MNDWI指数提取水体。由于水体的反射从可见光到中红外波段逐渐减弱，在近红外和中红外波长范围内吸收性最强，几乎无反射，因此用可见光波段的最高反射和近红外波段的强吸收之间的反差构成的MNDWI，可以快速地提取影像中的水体信息。公式如下：MNDWI=（Green-NIR）/（Green+NIR）（2）

式中，Green是绿光波段，即TM2波段，NIR为TM4波段。

NDBI指数提取城镇居民地。NDBI指数公式如下：NDBI=（MIR-NIR）/（MIR+NIR）（3）

式中，MIR、NIR分别为TM5、TM4波段。

该指数主要用于城市建筑用地（不透水面）的提取，主要是根据TM5的灰度值大于TM4的特点而创建的，但在分析各地类在TM4、TM5的灰度值时发现，不只是建筑用地具有这一特点，本实验区中耕地和菜地的5波段也有大于4波段的特点，因此采用了NDBI-NDVI指数结合的方法提取城市建筑用地。经过多次试验，取NDBI-1.5*NDVI表达式能很好地提取试验区居民地的信息。

三种指数分别提取城镇典型地物的结果

基于对以上三种归一化差异指数的功能和特点分析，在ERDAS IMAGING下分别制作了试验区SAVI、NDBI-1.5*NDVI和MNDWI三种影像，分别得到植被，城镇居民地和水体三种主要土地利用信息，在SAVI影像中，植被呈灰色显示，城镇居民地和水体的颜色为黑色，不易区分；在NDBI影像中，居民地效果较差，混有道路，水体和植被等地类信息；在MNDWI影像中，水体呈白色，显示清晰，精度高。

3 城镇居民地信息的提取

利用谱间特征分析可以将城镇土地利用类型提取出来，将代表不同地类的三幅影像组合为一幅新影像，其中每个指数分别代表一个波段，在新影像中对典型地物取样，求取采样点灰度平均值，居民地在B1（SAVI）和B3（MNDWI）两波段的灰度值相似，植被和水体差异较大，若用表达式Bl（SAVI）-B3（MNDWI）

综上，城镇居民地提取的具体步骤可归纳为：①影像辐射校正和几何精校正；②制作SAVI、NDBI-1.5*NDVI和MNDWI影像；③組合三幅影像得到新的三个波段指数影像。④对新影像进行简单的谱间分析，设置阈值提取居民地信息。

归一化指数法与监督分类法提取城镇居民地信息的简单比较。通过实验区监督分类结果可以看出，监督分类的居民地图斑完整，边缘相对光滑，而归一化指数分类提取的结果呈现斑块，出现较多的零星的、孤立的居民地，产生这样结果主要取决于监督分类法中对分类后小图斑的合并程度和取舍标准，合并的依据是影像的光谱信息，取舍的标准是图上保留的最小图斑的大小。

4 结论和存在的问题

选择SAVI代替NDVI提取城镇植被信息，是因为城镇建成区的植被覆盖率一般都较低，并且SAVI指数不易受土壤背景影响；提取城镇用地信息时，运用NDBI-1.5*NDVI综合指数，更好地切合试验区的为城镇而非大城市的特点；最后在新影像中，简单地运用谱间分析方法，设置阈值提取居民地信息。

通过谱间波段相减设置阈值T有效减少了水体和居民地之间错分和误分的现象，但是河流边界处仍有被误分为居民地的区域，主要原因为该地区是沙地，沙地和城镇居民地的反射率相似，出现这种情况，仍有待进一步研究。