AVIRIS高光譜遙感數據的植被信息提取

摘要：以Ｍｏｆｆｅｔｔ Ｆｉｅｌｄ的ＡＶＩＲＩＳ高光譜遙感影像為對象，應用基于信息量的自適應波段選擇方法實現植被信息提取的最優波段組合，在此基礎上采用監督分類為主、目視解譯為輔的信息提取方法，在ＥＮＶＩ和ＥＲＤＡＳ遙感圖像處理軟件中進行分析與處理，實現植被信息提取。結果表明，與多光譜遙感數據相比，高光譜遙感數據具有更強的植被信息識別能力，提取的植被信息更豐富。

關鍵詞：高光譜；遙感；植被；信息提取

中圖分類號：Ｓ１２７ 文獻標識碼：Ａ 文章編號：0439－８114（２０11）23－4831-03

Ｖｅｇｅｔａｔｉｏｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｘｔｒａｃｔｉｏｎ Ｂａｓｅｄ ｏｎ AVIRIS Ｈｙｐｅｒｓｐｅｃｔｒａｌ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｄａｔａ

ＸＩＡ Ｑｉｎｇ１，ＴＯＮＧ Ｌｉｎ－ｂｉｎ２，ＺＨＥＮＧ Ｚｅ－ｚｈｏｎｇ３

（１． Ｅｎｖｉｒｏｎｍｅｎｔ ａｎｄ Ｒｅｓｏｕｒｃｅ Ｃｏｌｌｅｇｅ， Ｓｏｕｔｈｗｅｓｔ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ， Ｍｉａｎｙａｎｇ ６２１０１０，Ｓｉｃｈｕａｎ，Ｃｈｉｎａ；

２． Ｄｅｙａｎｇ Ｍｉｎｅｒａｌｓ Ｄｅｖｅｌｏｐｍｅｎｔ Ｃｏｍｐａｎｙ， Ｄｅｙａｎｇ ６１８０００， Ｓｉｃｈｕａｎ， Ｃｈｉｎａ；

３． Ｓｃｈｏｏｌ ｏｆ Ａｕｔｏｍａｔｉｏｎ，Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ｏｆ Ｃｈｉｎａ， Ｃｈｅｎｇｄｕ ６１１７３１，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ： Ｔｈｅ ｖｅｇｅｔａｔｉｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ Ｍｏｆｆｅｔｔ Ｆｉｅｌｄ ｗａｓ ｅｘｔｒａｃｔｅｄ ｂａｓｅｄ ｏｎ ｔｈｅ ＡＶＩＲＩＳ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｄａｔａ． Ｆｉｒｓｔ ｏｆ ａｌｌ， ｔｈｅ ｏｐｔｉｍａｌ ｂａｎｄ ｃｏｍｂｉｎａｔｉｏｎ ｏｆ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅ ｆｏｒ ｖｅｇｅｔａｔｉｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｅｘｔｒａｃｔｉｏｎ ｗａｓ ｏｂｔａｉｎｅｄ ｔｈｒｏｕｇｈ ａｄａｐｔｉｖｅ ｂａｎｄ ｓｅｌｅｃｔｉｏｎ ｂａｓｅｄ ｏｎ ｔｈｅ ｉｎｆｏｒｍａｔｉｏｎ ｑｕａｎｔｉｔｙ． Ｓｅｃｏｎｄｌｙ， ｔｈｅ ｖｅｇｅｔａｔｉｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｗａｓ ｅｘｔｒａｃｔｅｄ ｍａｉｎｌｙ through ｓｕｐｅｒｖｉｓｅｄ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｗｉｔｈ ｔｈｅ ａｓｓｉｓｔａｎｃｅ ｏｆ ｖｉｓｕａｌ ｉｎｔｅｒｐｒｅｔａｔｉｏｎ ｂｙ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ ｓｏｆｔｗａｒｅ ＥＮＶＩ ａｎｄ ＥＲＤＡＳ． Ｔｈｅ ｒｅｓｕｌｔ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ｖｅｇｅｔａｔｉｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｒｅｃｏｇｎｉｔｉｏｎ ａｂｉｌｉｔｙ ｏｆ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｄａｔａ ｗａｓ ｓｔｒｏｎｇｅｒ ｔｈａｎ ｔｈａｔ ｏｆ ｍｕｌｔｉ－ｓｐｅｃｔｒａｌ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｄａｔａ， ａｎｄ ｔｈｅ ｖｅｇｅｔａｔｉｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｏｂｔａｉｎｅｄ ｗａｓ ｍｏｒｅ ｉｎｆｏｒｍａｔｉｖｅ．

Ｋｅｙ ｗｏｒｄｓ： ｈｙｐｅｒｓｐｅｃｔｒａｌ； ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ； ｖｅｇｅｔａｔｉｏｎ； ｉｎｆｏｒｍａｔｉｏｎ ｅｘｔｒａｃｔｉｏｎ

植被是環境的重要組成因子，是反映區域生態環境的標志之一，同時也是土壤、水文等要素的解譯標志［１］。植被信息作為生態環境評價的重要參數，對區域生態環境的監測和建設具有重要意義，植被調查是遙感的重要應用領域。高光譜遙感數據因其特有的高光譜分辨率特性使其在植被生態環境領域具有極大的應用潛力，本研究從Ｍｏｆｆｅｔｔ Ｆｉｅｌｄ的ＡＶＩＲＩＳ高光譜遙感影像中提取植被信息，并與多光譜遙感數據進行比較，為使用遙感技術進行植被信息調查提供參考。

研究所用Ｍｏｆｆｅｔｔ Ｆｉｅｌｄ的ＡＶＩＲＩＳ高光譜遙感影像采集時間為１９９７年６月２０日，空間分辨率為２０ ｍ，共２２４個波段，波段寬度為９．７～１２．０ ｎｍ，1景全波段影像數據量為１４５ Ｍ，共4景。高光譜遙感數據頭文件信息表明起始經緯度為Ｎ３７．４４９ ４７°，Ｗ１２１．８０６ ６３°；結束經緯度為Ｎ３７．４４９ ８２°，Ｗ１２１．２１６ ３８°。

１ 高光譜遙感數據最佳波段的選擇

與常規的遙感數據相比，高光譜數據的光譜分辨率高（一般可達到納米級），能探測到地物在光譜特性上更微小的差異，從理論上講其對地表地物的分辨能力得到了極大的提高，但是由于高光譜數據波段數多（往往在１００個波段以上）、數據量大，相鄰波段間相關性強，在某種程度上也阻礙了高光譜數據的廣泛應用。因此，在不降低分類精度的前提下，選擇有效的方法降低高光譜數據的維數是這一高維信息空間在遙感領域內應用研究的重要課題［２－７］。

目前，研究高光譜數據的最佳波段選擇方法有許多種，各有所長，本研究在參考相關文獻的基礎上，選擇了較為常用的基于信息量的自適應波段選擇方法實現植被信息提取的最優波段組合［４－６］。在ＥＮＶＩ軟件中的計算發現ＢＡＮＤ７８信息量最大（標準差為７８７．１２４ ９１５），ＢＡＮＤ７８、ＢＡＮＤ３４、ＢＡＮＤ４３ 3個波段組合的均方差值最小（１．４６１ ０３５），且它們之間的相關系數分別為０．２７３ ８７６，０．８８９ ５３４，

０．２９７ ６２５，相對比較小，所以選取這３個波段用于整幅圖像的最佳３波段組合。

２ 遙感圖像增強處理

圖像增強處理的目的是突出圖像中的有用信息，擴大不同影像特征（例如灰度值）之間的差別，以便提高對圖像的解譯和分析能力，使之更適合實際應用。圖像增強處理有多種不同的方法，根據增強內容，本研究選擇了彩色增強處理和反差增強處理的方法。

２．１ 彩色增強處理

由于人的視覺對不同色彩的分辨能力遠遠高于對不同灰度或黑白程度的分辨能力，因而彩色增強在圖像處理中應用廣泛，效果顯著。將ＢＡＮＤ７８、ＢＡＮＤ３４、ＢＡＮＤ４３分別賦予紅、綠、藍3個顏色進行彩色合成，其最終合成的假彩色圖像見圖１。

２．２ 反差增強處理

圖像中不同地物的反差大小取決于相鄰亮度值（或灰度）之間差別的大小。反差擴展的目的是充分利用顯示設備的能力，盡可能使人的視力從中分辨出更多的亮度等級，擴展或拉伸影像的亮度、對比度數據分布，使之充滿直方圖的整個動態范圍，反差增強的結果見圖２。

３ Ｍｏｆｆｅｔｔ Ｆｉｅｌｄ植被信息的提取

３．１ 高光譜遙感數據植被信息的提取

常用的遙感信息提取的方法有兩大類：一是目視解譯，二是計算機解譯。目視解譯的效果不僅取決于遙感圖像的種類、比例尺大小和圖像質量，而且與解譯人員的業務水平、解譯技術以及對工作區地質情況熟悉程度有關［７－９］。計算機解譯也稱計算機分類，以數字圖像為研究對象，常見的有兩種，即監督分類和非監督分類。本研究中以監督分類為主、目視解譯為輔進行植被信息的提取，在ＥＲＤＡＳ軟件中進行處理，包括定義分類模板和執行監督分類兩步［１０］。

３．１．１ 定義分類模板 監督分類的首要工作是定義分類模板，根據需要定義相應的分類區（ＲＯＩ）。訓練區盡可能選擇較為純凈的區域，每一類也要在不同的區域多選擇幾個ＲＯＩ，同一類地物合并為一個分類模板，這一分類模板包含了所選擇的訓練區的所有模板的像元屬性，生成后綴名為．ｓｉｇ的模板文件。

３．１．２ 執行監督分類 監督分類的過程就是依據所建立的分類模板，在一定的分類決策規則條件下對圖像像元進行聚類判斷的過程。執行監督分類，獲得分類后的圖像文件（．ｉｍｇ）（圖３）。

３．２ 高光譜與多光譜遙感數據植被信息提取結果的對比

為了突出高光譜數據在植被信息提取方面的優勢，將研究區高光譜遙感數據和多光譜遙感數據提取的植被信息進行對比（圖４）。可以看出高光譜圖像中帶狀植被的輪廓較多光譜圖像更明顯，局部零散的植被信息亦清晰得多，從提取的內容上看，高光譜圖像提取的植被信息比多光譜圖像要豐富。

４ 結論

納米級的光譜分辨率，使高光譜數據能更全面、準確地反映地物的特性，探測地物在很窄的光譜范圍上的微小變化和差異，這對于光譜特性十分相似的植被遙感具有重要的意義。本研究以Ｍｏｆｆｅｔｔ Ｆｉｅｌｄ為例，利用具有２２４個波段，波段寬度為９．７～１２．０ ｎｍ的ＡＶＩＲＩＳ高光譜遙感數據進行了植被信息提取，將高光譜遙感數據和多光譜遙感數據提取的植被信息進行對比，結果顯示，高光譜遙感數據所提取的植被信息更豐富，地物的屬性信息探測能力更強，其在地物識別方面具有明顯的優勢。

參考文獻：

［１］ 梅安新，彭望碌，秦其明，等． 遙感導論［Ｍ］． 北京：高等教育出版社，２００１．

［２］ 浦瑞良，宮 鵬． 高光譜遙感及其應用［Ｍ］． 北京：高等教育出版社，２０００．

［３］ 劉春紅，趙春暉，張凌雁．一種新的高光譜遙感圖像降維方法［Ｊ］． 中國圖像圖形學報：Ａ輯，２００５，１０（２）：２１８－２２２．

［４］ 劉建平，趙英時，孫淑玲． 高光譜遙感數據最佳波段選擇方法實驗研究［Ｊ］． 遙感技術與應用，２００１，１６（１）：７－１３．

［５］ 李 行，張連蓬． 高光譜遙感圖像最佳波段選擇的快速算法研究［Ｊ］． 測繪通報，２００４（９）：１０－１２.

［６］ 王旭紅，肖 平，郭建明． 高光譜數據降維技術研究［Ｊ］． 水土保持通報，２００６，２６（６）：８９－９１．

［７］ 邵軍勇，潘 泉． 高光譜遙感在植被精細分類中的應用［Ｊ］． 微電子學與計算機，２００５，２２（１０）：１２－１３．

［８］ 柯麗娜，王權明． 高光譜分辨率遙感在植被監測應用中的關鍵技術及應用［Ｊ］． 太原師范學院學報（自然科學版）， ２００６，５（１）：７４－７７．

［９］ 蘇紅軍，杜培軍． 高光譜數據特征選擇與特征提取研究［Ｊ］． 遙感技術與應用，２００６，２１（４）：２８８－２９３．

［１０］ 黨安榮，王曉棟，陳曉峰，等． ＥＲＤＡＳ ＩＭＡＧＩＮＥ遙感圖像處理方法［Ｍ］．北京：清華大學出版社，２００３．