基于植被指數的城鎮植被變化檢測

摘 要：隨著遙感技術的不斷發展，利用不同時期的遙感影像，基于植被指數定量分析和確定地表的植被變化，已經成為時下一個非常重要的研究方向，本文介紹了基于植被指數的城鎮變化檢測的處理流程。

關鍵詞：植被指數；遙感影像；變化檢測

1 引言

隨著國家經濟的快速發展，城鎮的土地覆蓋面積、植被綠化面積也在不斷發生變化，因此，如何能夠有效而又快速地獲取城鎮的變化信息也成為了城鎮發展所要解決的一個重要的問題。

遙感影像以其多時相、大范圍的信息獲取為特征，成為城鎮變化檢測的重要手段。通過處理不同時期的遙感影像，對比相應的城鎮植被的植被指數，動態分析出隨著城鎮發展以及區域變化所帶來的地表植被的變化情況，為城鎮規劃提供決策支持信息。

目前使用較多的植被指數的主要有NDVI（歸一化植被指數）、RVI（比值植被指數）、SVI（綠度植被指數）等。本論文介紹的是以NDVI為處理方法的城鎮植被變化檢測。結合湖北省宜昌地區的TM影像為處理數據，詳細介紹了變化檢測的處理流程。

2 處理數據介紹

待處理數據是湖北省宜昌地區的兩期TM3、TM4影像，空間分辨率為30米。參考影像為SPOT影像，空間分辨率為10米。投影采用UTM投影方式。

3 植被指數

根據植被的光譜響應特性，葉綠素在可見光紅波段有很強的吸收特性，在近紅外波段有很強的反射特性，在0.5～0.7μm光譜段內的反射率普遍小于20%，但在0.7～1.3μm范圍內反射率可達到60%[1]。

歸一化植被指數NDVI是目前被采用最多的植被指數，它是植被生長狀態及植被覆蓋度的最佳指示因子，經過不同波段數據的比值處理，可以部分消除與太陽高度角、衛星觀測角等有關的輻照度條件變化的影響[2]。

4 影像數據預處理

4.1 幾何糾正

遙感圖像在成圖時，由于各類因素的影響，使原始圖像上的各種地物的幾何位置、形狀、尺寸、方位等特征在與參照系統中的表達要求不一致所產生了形變[3]。針對兩期TM影像的精度要求，以SPOT影像為參考影像，采用多項式的糾正模型進行處理，由于宜昌地區的地形山地較多，地形相對復雜，因此采用二次多項式進行糾正，所需控制點至少為6個。

1）特征點提取。利用Moravec算子對SPOT影像進行特征點的提取。計算各像元的興趣值IV，給定一經驗閾值，將興趣值大于閾值的點作為候選點，提取候選點中的極值點作為影像的特征點。

2）同名點獲取。在SPOT參考影像上選取以目標點為中心，以大小為p×q的區域作為目標區域，對兩時相共四幅TM影像進行同名點的搜索。采用相關系數測度：

3）多項式糾正。根據獲取的同名點，利用多項式糾正模型進行最小二乘平差算法，求解多項式系數，對影像進行糾正。

4.2 歸一化處理

遙感圖像的成像過程復雜，由于成像過程中太陽位置、高度角、大氣條件、地形影像都會給影像帶來一定的影響。

為了使不同時期的影像具有可比性，本文中采用[4]中給出的基于直方圖統計特征的直方圖匹配算法對影像進行處理。直方圖匹配對不同時間獲取的同一地區的圖像作用很好，通過非線性變換使得一個圖像的直方圖與另一個圖像直方圖類似，使影像間具有可比性。

5 變化檢測

5.1 NDVI值的計算

通過兩期NDVI值進行比較，根據計算所得的NDVI值生成NDVI圖，圖像上，灰度值越大的地方表示植被長勢越好。

5.2 植被變化檢測

1）非監督分類法。對NDVI圖進行處理，設置合理閾值，進行植被與非植被的分類。置非植被處的灰度值為0。對植被處的NDVI值直接進行非監督分類，這里采用ISODATA算法，對植被進行分類[5]，劃分不同等級。

2）基于影像分割的分類方法。由于獲取的影像隨時間的變化，不同時間下的影像的NDVI的閾值設置也不是唯一確定的，要根據影像的實際拍攝情況進行確定。對獲取到的兩幅NDVI影像進行影像分割，采用多閾值的最大類間方差算法對影像進行分割[6-7]，獲得合理的分類結果。

對分類后的影像進行兩時期的相互對比，從而發現各個類別的植被變化情況，統計各類別像元個數、灰度范圍，得出兩時相的變化情況，獲得綜合變化情況統計表。

5 結果分析

通過對兩個時相的TM3與TM4影像計算歸一化植被指數，能夠獲取到該地區的植被變化情況，在影像預處理的過程中，幾何糾正與輻射處理都對后面提高分類效果有著很大的幫助。

幾何糾正的處理過程中，對于地形起伏較大的地區雖然采用的是二次多項式的糾正方法，但多項式在處理地形變化較大的影像有其不足之處，特別是影像的邊緣處理效果差一些，山地地區的特征點比較難提取，而城區、壩區、公路等地段的特征點相對易提取，因此整幅影像的糾正效果水平不同。

不同時期的影像歸一化處理使兩期遙感影像有了更好的可比性，作為影像預處理中關鍵的一步，能過去除影像中的偽變化，降低誤檢率。

對計算后的NDVI圖進行分類，在閾值設置方面是一個很重要的環節，一般情況下，NDVI值為正為植被，否則為非植被地區，為了能夠更加精確地獲取變化情況，采用對NDVI進行分類的方法，獲得不同類型的植被的變化境況，能獲得最后更準確的分析結果。

[參考文獻]

[1]陳劍鋒，諶進波.基于植被指數閾值法的城市邊界動態監測技術研究[J].測繪與空間地理信息，2011，34（5）：85.

[2]Zhao Y-S（ 趙英時）.Principles and Methods on Analysis of Remote Sensing Applications.Beijing：Science Press，2003（in Chinese）.

[3]孫家柄.遙感原理與應用[M].武漢：武漢大學出版社，2009.

[4]朱磊.一種基于直方圖統計特征的直方圖匹配算法的研究[J].計算技術與自動化，2004，23（2）：48-51.

[5]舒寧，馬洪超，孫和利.模式識別的理論與方法[M].武漢：武漢大學出版社，2004.

[6]王磊，段會川.Otsu方法在多閾值圖像分割中的應用[J].計算機工程與設計，2008，29（11）：2844-2845，2972.

[7]Levine M D，Nazif A M.Dynamic measurement of computer generated image segmentations[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1985，7（2）：155-164.