基于landsat8影像的植被信息提取最佳波段组合研究——以浙江省龙泉市为例

谭莹 徐军 毛华英



基于landsat8影像的植被信息提取最佳波段组合研究——以浙江省龙泉市为例

谭莹 徐军 毛华英

（浙江省森林资源监测中心 浙江杭州 310020）

以龙泉市为例，运用最佳指数OIF法，同时结合Landsat 8各个波段的统计信息和相关系数、地物光谱特征曲线及各波段主要用途进行综合分析，探讨了Landsat 8影像用于植被信息提取时的最佳波段组合的选择。结果显示：256波段组合信息量最为丰富，为植被信息提取的最佳波段组合。

Landsat8影像；最佳波段组合；最佳指数（OIF）；地物光谱特征曲线；植被信息

植被是生态环境组成的重要因子，是发挥生态效能的重要载体，是衡量自然生态环境质量的主要指示物。植被信息的提取是遥感影像目视解译的重要组成部分，如何对遥感影像进行处理,提高其解译精度是目前植被解译的一个研究热点。其中，最佳波段选取是遥感影像增强处理的关键部分,直接影响目视解译和植被分类的重要前期工作[1-2]。在众多的遥感数据源中，Landsat系列数据因其性价比较高，在目前的植被遥感研究中应用广泛。但由于Landsat7号卫星故障及Landsat5号卫星退役，Landsat对地观测曾一度中断。2013年2月Landsat8号卫星发射成功，为Landsat系列数据又注入了新鲜血液[3]。与Landsat7相比，Landsat8在延续的基础上，波段有所增加，波段光谱范围有所变化，信息更为丰富，其OLI影像已经被广泛应用于土地利用/覆被信息提取的各个方面[4-8]。本文通过对浙江省龙泉市Landsat8影像进行植被信息的提取,探讨实现植被信息提取的最优波段组合，为后续目视解译和植被分类工作打下良好的基础。

1 研究区概况

龙泉市地处浙江省西南部的浙闽赣边境，地理坐标27°42'～28°20'N、 118°42'～119°25'E之间，总面积3059 km2。龙泉市是浙江省的重点林区，素有“浙南林海”之称，是国家级生态示范区、国家森林城市和浙江省园林城市。龙泉境内植被资源丰富，森林植被与农田植被相间分布，山坝差异明显。全市地带性森林植被属亚热带常绿阔叶林带。

2 遥感数据源及预处理

2.1 遥感数据源

Landsat8的OLI陆地成像仪有9个波段，包括了TM（ETM+）传感器的所有波段，并对波段波谱范围进行了调整，见表1。本研究使用OLI传感器的遥感影像，影像成像时间是2017年11月，轨道号为119041和119040（龙泉市涉及两景影像）。数据采用UTM WGS-84投影，1级标准产品。OLI陆地成像仪的波段1～7和波段9为多光谱波段，空间分辨率为30m；波段8为全色波段，空间分辨率为15 m。波段1主要用于监测近岸水体,但研究区位于内陆地区，不需要用波段1。研究区遥感影像基本无云层覆盖，所以也不需要用于卷云监测的短波红外波段9，而全色波段8主要用于增强分辨率影像融合。因此，结合研究区的实际情况，本研究从波段2～7中确定最佳波段组合。

2.2 数据预处理

采用的Landsat8OLI数据已经做过辐射校正和几何校正，根据本研究需求需对影像进行辐射定标、大气校正、拼接、裁剪等处理[9]。首先，利用ENVI5.1中辐射定标工具，进行定标类型、辐射亮度值、大气表观反射率设置，输出辐射定标后的影像；其次，用ENVI5.1中的FLAASH工具对辐射定标后的影像进行大气校正，得到地表反射率，主要的输入参数包括传感器类型、成像日期及时间、中心经纬度、海拔高度、大气模型、气溶胶模型、初始能见度等；然后，用ENVI5.1的Mosaic工具将研究区涉及的两景影像进行拼接，再根据龙泉市的矢量行政界线进行裁剪得到研究区的影像数据。

表1 OLI陆地成像仪各波段及其主要用途

3 最佳波段组合选择

选取最佳波段组合时，一般遵循以下3个原则[10-14]：（1）单个波段的标准差尽可能最大；（2）波段间的相关系数尽可能最小；（3）目标地物类型在所选波段组合能被很好地区分。简单来讲，标准差越大表明波段所蕴含的信息离散度越高，信息量越大、越丰富；相关系数较低，表明波段组合后，信息冗余量少。对于不同的地物，有不同的波谱特征，在相同波段上光谱值差异越大，地物越易被区分。这说明，标准差大、相关系数小、易于区分地物的波段组合即为最佳波段组合。

3.1 研究区影像各波段信息量分析

利用ENVI5.1的statistic工具统计研究区影像2～7波段的基本信息，包括最小值、最大值、均值、标准差，见表2。研究区典型地物的特征光谱曲线的获取可以为最佳波段的选取提供参考依据。统计信息值反映遥感影像所包含的信息，标准差越大说明图像的反差大、信息量丰富。

表2 研究区各波段图像光谱特征统计

从表2中我们可以看到，影像标准差的排序是：5>6>7>3>4>2。因此仅从单波段统计的特征值来看，5、6、7波段的信息比较丰富。但就最佳波段组合的选择来说，作者认为很难仅依据上述信息量数据就能选出。

3.2 研究区影像波段间相关性分析

相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量两个变量因素的相关密切程度。多波段相关性分析可以得出各波段间重叠与相关的程度。用相关性较小的波段进行合成，可以减少波段之间的冗余，消除波段的相互干扰，提高图像的质量。利用ENVI5.1的statistic工具得到该研究区2～7波段的相关系数矩阵，结果见表3。

表3 研究区多波段相关系数矩阵统计

从表3可知，波段5与其他波段间的相关系数都比较低，因此可以优先考虑波段5；波段2、3、4之间的相关系数都很高（>0.9）；波段6和波段7之间的相关系数很高，达到0.974；相关性比较大的波段组合，各波段图像数据之间的独立性比较差，各波段所包含的信息之间有可能重复出现大量冗余，应尽量避开。

3.3 最佳指数（OIF）分析

利用美国查维茨提出的作为波段组合选择的一个依据[15]。理论基础是影像数据的标准差越大，包含的信息量也越多；而波段间的相关系数越小，各波段影像数据的独立性越高，信息的冗余度就越小。其数学表达公式：

式中，i为第个波段的标准差，ij为,两个波段的相关系数。值与标准差之和呈正比，与相关系数之和呈反比。波段组合中各波段的信息量越大、波段间独立性越高、信息冗余度越小，其值越大，该组合也就越适合作为最佳波段组合。对按照从大到小的顺序进行排列，即可选出最优组合方案。根据公式即可算出研究区遥感数据各段组合值及排序，见表4。

表4 研究区遥感数据各波段组合OIF指数及排序

从表4可知，排在前5位的分别是256、456、567、245、257波段组合，是理想的候选波段，且按值从大到小依次排序为：256>456>567>245>257。但进一步分析显示，这5种组合的值介于956.595～1134.586之间，其值差异不明显。因而，单从值的排列顺序进行波段选取还是较为片面,需要进一步结合研究区的具体情况、所要突出的专题信息以及各波段主要用途来确定最佳波段组合。

3.4 研究区典型地物光谱特征曲线

从指数分析，只能确定最佳波段组合的候选组合，无法确定最终的最佳波段组合。由于不同地物在影像不同波段上呈现的光谱特征有所不同，所以为确定提取植被信息的最佳波段组合，还需要结合研究区各类典型地物的光谱特征，特别是不同类型植被的光谱特征作进一步分析。本研究结合2017年龙泉市的林地变更调查数据和野外调查资料，分别对研究区内的阔叶林、针叶林、灌木林、竹林、耕地、河流和建设用地（其中耕地、河流和建设用地指的是其表面无植被覆盖的耕地、河流和建设用地）这7种典型地类在不同位置上采集样点，每类地物分别取30个均匀分布的采样点，记录每个采样点在2～7波段上的灰度值，取均值后绘制典型地物光谱特征曲线,如图1。

图1 研究区典型地物光谱特征曲线图

从图1可看出，典型地类在波段5、6、7上光谱差异较大、可分性较好。尤其是波段5，不论是植被与其它地类（尤其是耕地、河流）之间还是不同植被类型之间，均呈现较大差异与可分性。其次是波段6、7，但这两个波段上植被和建设用地的区分不明显。而在波段 2、3、4上，植被和建设用地的区分明显。

3.5 最佳波段组合的选择

为找到研究区植被信息提取的最佳波段组合，需要综合各波段组合的指数、研究区典型地物光谱特征曲线（见图1）以及各波段主要用途（见表1）进行考虑：（1）波段5标准差最大，与其他波段的相关系数都比较低，且从地物光谱特征曲线可知，不论是植被与其它地类之间还是不同植被类型之间，均在波段5最易区分，说明波段5是所需的波段；（2）根据相关性小的原则，应从波段2、3、4中选择一个，波段6、7中选择一个，因此影像彩色合成的最佳波段组合，必须由一个可见光波段（波段2、3或4）、一个短波红外波段（波段6或7）和近红外（波段5）组合；（3）波段7主要应用于探测高温辐射源，通常不应用于植被遥感分类。综上分析认为，256波段间相关性小，包含的信息量大，植被在色调上区别较大，易于图像的判读。因此确定256波段组合为最佳波段组合（见图2）。

图2 研究区256波段合成图

4 讨论与结论

目前，基于遥感自动分类提取植被信息精度相对于目视解译依然偏低，因而目视解译植被仍然受到国内外研究者的青睐。多光谱影像的最佳波段的选取会直接对目视解译的精度产生影响。本研究以龙泉县为例，探讨了目视解译植被信息时Landsat8影像的最佳波段选择与组合，得出以下结论，并进行相关讨论。

（1）本研究运用指数，同时结合Landsat8各个波段的统计信息和相关系数、地物光谱曲线以及各波段主要用途进行综合分析，最终确定256波段组合为植被信息提取的最佳波段组合。此方法简单快捷，具有推广性，可以利用此方法探讨目视解译其他地类、Landsat8作为主要数据源时的最佳波段组合。

（2）在Landsat8数据中，快速准确选取最佳波段组合，将有利于提高基于遥感数据植被信息提取的工作效率和精度，为进一步获取研究区植被类型、覆盖度以及分布面积提供科学依据。此方法对于其他遥感数据源是否适用，仍有待进一步的研究。

（3）由于Landsat8新增的海岸波段（波段1）和卷云波段（波段9）在目视解译提取 植被信息时，发挥的作用不大，本研究并未采用。在今后的研究中可以进一步探讨新增的波段在植被计算机自动分类及其植被动态监测等工作中的应用。

[1] 郭娜，刘剑秋.TM遥感影像植被信息提取的最佳波段组合选择—以福建省松溪至建瓯高速公路为例[J].福建师范大学学报（自然科学版），2012，28（1）：103-107.

[2] 年波，杨士剑，王金亮.植被遥感信息提取的最佳波段选择—以云岭中部地区为例[J].云南地理环境研究，2004，16（2）：18-21.

[3] 徐涵秋，唐菲.新一代Landsat系列卫星：Landsat8遥感影像新增特征及其生态环境意义[J].生态学报，2013，33（11）：3249-3257.

[4] 牛鲁燕，张晓艳，郑继业，等.基于Landsat8 OLI数据的山东省耕地信息提取研究[J].中国农学通报，2014，30（34）：264-269.

[5] 张风霖，李婧琳，候变彩，等.基于Landsat8卫星OLI的水体信息提取研究[J].山西建筑，2014，40 （23）： 243-244.

[6] 张金龙，常胜.Landsat8影像在土地利用分类中的最佳波段组合研究—以湖北省恩施市为例[J].湖北民族学院学报（自然科学版），2015，33（4）：467-470.

[7] 颜凤芹，于灵雪，杨朝斌，等.基于Landsat 8影像的湿地信息提取最佳波段组合[J].地球环境学报，2014，5（5）：339-352.

[8] 帕力旦·麦麦提，卡德丽亚·卡合热曼. Landsat8 OLI数据在矿化蚀变信息提取中的应用—以吐拉苏地区为例[J].西部探矿工程，2016，（12）：160-165.

[9] 章孝灿，黄智才.遥感数字图像处理[M].杭州：浙江大学出版社，2003.

[10]领梅，安慧君，贺晓辉，等.ALOS、TM影像在土地利用中的最佳波段组合分析[J].内蒙古林业科技，2013，39（2）：36-39.

[11]姜小光，王长耀，王成.成像光谱数据的光谱信息特点及最佳波段选择[J].干旱区地理，2000，23（3）： 215-220.

[12]翟天林，金贵，邓祥征，等.植被信息的Landsat8卫星影像提取方法[J].测绘科学，2016，41（10）：126-131+158.

[13]侯志华，马义娟.中分辨率遥感影像土地利用覆被信息自动提取研究[J].太原师范学院学报（自然科学版），2014，13（4）：93-98.

[14]郑丽，陈元涛.基于SPOT影像的最佳波段组合选取研究[J].河北北方学院学报（自然科学版），2014，30（2）：17-21.

[15]Chavez P S，Berlin G L，Sowers L B. Statistical Method for Selecting Landsat MSS ratios [J]. Journal of Applied Photographic Engineering，1982，8（1）：22-30.

Research of optimum bands combination for vegetation information extraction based on landsat8 image——taking Longquan as an example

Tan Ying，Xu Jun，Mao Huaying

In this paper, we take Longquan as a study area. Based on the statistics and analysis of spectral characteristics of each band, the optimum index factor（OIF） has been calculated. According to the optimum index factor（OIF） , the typical spectral image feature curve andthe usage of each band, the selection of optimum bands combination has been studied. The result shows that the 256 bands combination is informative, so it is the optimum band combination of the vegetation information.

Landsat 8 image; the optimal bands combination; OIF; the typical spectral image feature curve; vegetation information

TP75

A

1004-7743（2019）02-0071-06

2018-11-28

浙江省森林生态状况年度监测（335006-2012-0002）

谭莹，工程师，从事林业信息化和森林资源监测等研究。