定量遥感在地理空间信息分析中的方法研究

陈亮 袁琳 周莎

摘 要：随着对空间信息要求的不断提高，决策人员不但需要地面信息的定性判读，还需要地面环境的定量分析。本文以地面植被覆盖情况为例，通过SPSS软件对多光谱遥感数据进行统计分析以及回归分析，最终建立各波段数据与地面植被覆盖情况的回归方程，用于定量说明地表植被的覆盖情况，为地理空间环境分析提供了一种可行的技术方案。

关键词：多光谱影像;植被指数;统计分析;回归分析

中图分类号：TP79 文献标识码：A 文章编号：1671-2064（2019）03-0255-02

1 研究区概况及技术方案

1.1 研究区概况及数据准备

此次试验，以阿坝地区的草原湿地为研究区域。该区域是典型的西部湿地分布区，具有地形变化较大，植被群落结构单一，生态环境脆弱，环境监测要求较高等特点。实验数据使用当地约20个点的实测数据，以及国情监测云平台获取的TM影像数据，利用光谱信息进行植被指数计算，选取适合当地生物量估算的植被指数，建立光谱信号与生物量的回归方程，实现该地区的植被覆盖情况分析。其中实测数据包括实测点的经纬度坐标，以及该点一平方米范围内的植被重量总和。

1.2 技术方案及主要技术指标

1.2.1 技术方案

运用多光谱遥感影像进行定量分析，不仅可以根据影像形态判别地物，还可以根据光谱特性的差异判别地物，扩大了遥测的信息量，同时还能利用分波段的图像或数据获得比常规方法更为丰富的空间信息，为地物影像计算机识别与分类提供了可能。

在本案例中我们依据实测地理位置的经纬度坐标，提取出TM影像中对应像元的多光谱信息，并利用卫星不同波段探测数据组合，计算现在较为流行的用于遥感植被评价的植被指数，并通过实测生物量与植被指数的相关性分析，确定该地区适用的植被指数方程，从而建立植被覆盖情况与光谱信息之间的回归方程，通过回归方程，对该地区范围内的所有像元进行计算，获得研究区域的植被环境信息。

1.2.2 TM影像技术指标

TM影像具有较高空间分辨率和波谱分辨率、极为丰富的信息及较高定位精度的特点，是世界各国广泛应用的重要地球资源与环境遥感数据源。其多光谱影像数据包含以下六个波段：

Band 1为0.45～0.52微米，该波段对水体的穿透力最大，用于判别水深、水下地形、水体浑浊度等研究;

band 2为0.52～0.60微米，该波段位于绿色植物的反射峰附近，对健康茂盛植物反射敏感;

band 3为0.63～0.69微米，该波段位于叶绿素的主要吸收带，可用于区分植物类型、覆盖度、判断植物生长状况等;

band 4为0.76～0.90微米，该波段位于植物的高反射区，反映了大量的植物信息，多用于植物的识别、分类，以及用于勾绘水体边界和地质构造、地貌等;

band 5为1.55～1.75微米，该波段位于两个水体吸收带之间，对植物和土壤水分含量敏感;

band 6为10.40～12.50微米，该波段对地物热量辐射敏感。

1.2.3 植被指数选取

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。由于植被光谱表现为植被、土壤亮度、环境影响、阴影、土壤颜色和湿度等复杂的混合反应，因此不同波段组合而成的植被指数能够反映植被真实的生长状况。本实验中，选用以下5种指数进行分析：

（1）比值植被指数（RVI）。植被覆盖度较高时，RVI对植被覆盖情况十分敏感，在计算前需要进行大气校正，或用反射率計算RVI，波段运算方程：

RVI=float（Band 2）/float（Band 1）

（2）归一化植被指数（NDVI）。NDVI的主要用于检测植被生长状态、植被覆盖度和消除部分辐射误差等，随覆盖度增大而增大，它能反映出植物冠层的背景影响，如土壤、潮湿地面、雪、枯叶、粗糙度等，且与植被覆盖有关。波段运算方程：

NDVI=（Band4-Band3）/（Band4+Band3）

（3）垂直植被指数（PVI）。PVI能较好地消除土壤背景的影响，对大气的敏感度小于其他植被指数。波段运算方程：

PVI=0.939*float（Bnd2）-0.344*float（Bnd1）+0.09

（4）差值环境植被指数（DVI）。DVI对土壤背景的变化极为敏感。波段运算方程：

DVI=float（Band 2）-float（Band 1）

（5）增强型植被指数（EVI）。EVI是在归一化植被指数的基础上改善而来的，它对土壤背景变化敏感，能较好地识别植被和水体。波段运算方程：

EVI=2.5*（（float（Bnd2）-float（Bnd1））/（float（Band 2）+6*float（Band 1）-7.5*float（Band 3）+1））

2 研究区植被环境评价

2.1 遥感数据处理

对已下载的遥感数据，由于大气等多种因素的影响，不能真实的反映目标的光谱反射率，要得到相应的植被指数，我们需要去除这些因素对反射率的影响，即对遥感数据进行定标与大气纠正。使用FLAASH大气纠正，并对纠正后的影像进行拼接裁减后，可得到试验区域的遥感数据，如图1。

2.2 植被指数计算

利用波段运算工具得到RVI，DVI，EV，PVI等植被指数，其后利用ENVI软件进行植被指数计算，以RVI植被指数为例，计算结果如图2。

之后需要依据实地采样点的GPS经纬度坐标数据，生成坐标点位文本文件，在影像数据中提取相应点的波段信息，建立植被指数与实际地理位置的植被生物量的一一对应关系，提取出指定位置的植被指数信息及波段信息。

2.3 植被指数与生物量相关性分析

利用SPSS软件对提取出的指数信息及波段信息进行数据的统计分析以及回归分析，最终建立回归方程，估算若尔盖地区的植被环境情况。

通过相关性分析，可得出与生物量密切相关的因素，用于回归方程的建立，相关性分析结果如表1。

根据计算结果能够确定dvi，evi， ndvi，pvi为敏感性因素，用于该地区的植被环境分析。

2.4 植被指数与生物量回归性分析

对22组数据，进行分组，随机选择第7，9，16，20，21组数据作检测数据，其余数据做多变量回归分析求出线性方程.可得出分析结果如表2。

可得结论函数为：

y=（-0.744）x1+（-9.111）x2+1819.728x3+0.572x4-456.954

对此方程进行验证，带入实测点波段值与生物量值，计算结果与实测数据对比结论如图3。

由图3可得，此波段函数能够满足分析需要，使用该函数对所有像元進行计算，可得出以下结果，直观的反应研究区域的植被覆盖情况，如图4。

3 结语

通过本次使用多光谱遥感图像对研究区域的植被环境进行定量分析，探寻了一种利用光谱信息对遥感图像进行深入挖掘的方法。使用类似方法，我们可以对地面的植被、水系、居民地等要素信息进行深入挖掘，定量的为决策者提供所需的地理空间信息，可以将传统工序中目视解译无法识别的地物信息监测出来，从而实现光谱数据与目标地物的有效匹配，并将目标物光谱分析模型应用于整个研究区域，为决策者提供定量的环境数据，为地理空间环境描述的准确性提供基于光谱信号的数学基础。

参考文献

[1] 刘黎明.生态功能评价及分区方法研究—以宁夏回族自治区为例[D].北京：中国农业大学，2016.

[2] 潘晓玲，王学才，累加强.关于中国西部干旱区生态环境演变与调控研究的思考[J].地球科学进展，2001（01）：24-27.

[3] 张丽，张继贤，乔平林，等.流域水资源环境监测系统的设计与实现[J].测绘通报，2004（02）：50-53.

[4] 罗文海，王玖，韩春蕾，孙红卫，胡乃宝.基于SPSS的正态性检验方法的选择[J].中国医院统计，2015，22（01）：48-51.