植被指數在面向對象的森林植被提取中的應用

2021-03-16 08:45:06熊靜

遼寧林業科技 2021年1期

熊靜

(遼寧省林業調查規劃監測院,遼寧沈陽 110122)

植被既是陸地生態系統的主體，也是人類重要的環境資源和物質資源。遙感技術逐漸成為植被監測的主要手段。用遙感技術來分析植被需要了解植被結構特征與植被波譜特征的關系。植被跟太陽輻射的相互關系有別于其他物質(如土壤、水體等)，如植被的“紅邊”現象，即在小于700 nm附近(紅光)強吸收，在大于700 nm(近紅外)高反射。很多因素影響植被對太陽輻射的吸收和反射，包括波長、含水量、色素、養分、碳等。因此，可以結合不同波長范圍的反射率來增強植被特征，如植被指數的計算。植被指數是兩個或多個波長范圍內的地物反射率的組合運算，以增強植被某一特性或者細節。目前，在科學文獻中發布了超過150種植被指數模型，這些植被指數中只有極少數經過系統的實踐檢驗。因此本文采用眾所周知的歸一化植被指數來提取森林植被。

1 歸一化植被指數

歸一化植被指數是可見光紅波段反射強度值和近紅外波段反射強度值之差與兩者之和的比值，用來增強在近紅外波段范圍綠葉的散射與紅色波段范圍葉綠素吸收的差異，這樣可以較好地區分植被區域與其他地物區域。其計算公式表示如下：

植被指數NDVI=Bnir-Br∕Bnir+ Br

式中：Bnir為近紅外波段，Br為紅色波段。NDVI的取值范圍在[-1,1]。負值表示地面覆蓋為云、水、雪等，對可見光反射高；0表示有巖石或者土壤，NIR和R近似相等；正值表示有植被覆蓋，值越大，地表植被覆蓋越大。一般綠色植被的取值范圍在0.2～0.8。

2 面向對象的基于規則的植被提取

選取一部分區域作為實驗區，獲取訓練樣本，構建分類規則，包括對象分割和合并閾值、對象提取規則，然后將實驗區的分類規則應用到整個圖像中。

2.1 面向對象信息處理技術

面向對象信息處理中，處理單元不再是基于像元，而是以多邊形實體作為最小單元，通過原始影像的分割來創建最小單元。影像分割的主要思路就是利用區域合并算法分割影像，即以某個像元為起點，計算該像元與其相鄰像元合并后的異質性指數，若異質性指數小于設置的閾值，將其合并，否則不合并。影像分割完畢后，初始影像由眾多大小不一的多邊形區域構成，各多邊形實體都有相應的屬性特征。多邊形實體中不僅有像素的光譜信息，還擁有形狀信息、空間信息和紋理信息。后續影像的分析、處理、提取都針對多邊形實體進行。

2.2 閾值的確定

閾值又叫臨界值，是指一個效應能夠產生的最低值或最高值。這里指植被指數的最小值，即植被指數大于這個最小值的區域為植被覆蓋區，否則為非植被覆蓋區。通過樣本統計的方法來確定。

(1)根據林地一張圖結果和目視解譯判讀，在試驗區分別選取植被覆蓋區與非植被覆蓋區的若干個樣本，計算各類樣本之間的樣本分離性，用Jeffries-Matusita,Transformed Divergence 參數表示。這兩個參數值在0～2，大于1.9說明樣本之間可分離性好，屬于合格樣本；小于1.8，需要重新選擇樣本，小于1考慮將兩類樣本合成一類樣本。

(2)對選取的樣本進行統計處理，得到的統計結果結合樣本光譜曲線，最終確定閾值。

2.3 規則

提取森林植被的關鍵是確定規則。規則由屬性和閾值組成，用到的對象屬性是NDVI，閾值根據2.2的方法進行確定。植被指數大于閾值的為森林植被，否則為非森林植被。