徐慧潔　楊陽(yáng)

摘 要 本研究分別針對(duì)NDVI和EVI建立相對(duì)輻射校正回歸模型，對(duì)被校正影像進(jìn)行輻射歸一化處理。選擇不變點(diǎn)群法對(duì)兩時(shí)相影像的NDVI和EVI進(jìn)行相對(duì)輻射校正。EVI對(duì)于植被類(lèi)型的分辨很敏感但是它受陰影的影響，而NDVI對(duì)于減小陰影的影響很顯著。本研究方法簡(jiǎn)單有效并且能為土地利用變化監(jiān)測(cè)以及對(duì)植被類(lèi)型的粗略分類(lèi)提供基礎(chǔ)。

關(guān)鍵詞 相對(duì)輻射校正；多時(shí)相影像；植被指數(shù)；不變點(diǎn)群

中圖分類(lèi)號(hào)：TP75 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-7597（2014）06-0055-01

隨著遙感衛(wèi)星的發(fā)展，遙感技術(shù)已經(jīng)越來(lái)越多地應(yīng)用于各個(gè)領(lǐng)域如：環(huán)境監(jiān)測(cè)、農(nóng)業(yè)調(diào)查、城市研究、森林監(jiān)測(cè)、地圖修改等方面。遙感影像上以灰度值來(lái)記錄地物信息。往往不能準(zhǔn)確地反映地物的實(shí)際輻射值，通過(guò)輻射校正能夠消除多時(shí)相遙感中地物輻射差異的影響，使影像間同一地物類(lèi)型具有相同的輻射量，有利于樣本點(diǎn)的選取和分類(lèi)精度的提高。

1 技術(shù)方法

1.1 研究區(qū)概況與數(shù)據(jù)收集

研究區(qū)位于廈門(mén)市，廈門(mén)市位于東經(jīng)117°53′—118°11′，北緯24°25′—24°46′之間，地處我國(guó)東南沿海。研究區(qū)的主要地物類(lèi)型為耕地和林地，水體，建設(shè)用地等。

1.2 影像處理

基于研究區(qū)的地形圖進(jìn)行配準(zhǔn)，參照已配準(zhǔn)好的地形圖，在影像圖中找到與之的同名點(diǎn)，作為控制點(diǎn)，選取最理想的多項(xiàng)式階數(shù)，利用地形圖進(jìn)行幾何校正，使誤差降低到0.5個(gè)像元以下，若出現(xiàn)誤差較大的則進(jìn)行修改或把它設(shè)為檢驗(yàn)點(diǎn)，以保證地面分辨率達(dá)標(biāo)準(zhǔn)，用最小鄰近法重采樣。

1.3 植被指數(shù)

植被指數(shù)（Vegetation Index），又稱(chēng)光譜植被指數(shù)，是航天遙感應(yīng)用于對(duì)地觀(guān)測(cè)而提出的專(zhuān)業(yè)術(shù)語(yǔ)，是指由遙感傳感器獲取的多光譜數(shù)據(jù)，經(jīng)線(xiàn)性和非線(xiàn)性組合而構(gòu)成的對(duì)植被有一定指示意義的各種數(shù)值。植被指數(shù)是根據(jù)植被反射波段的特性計(jì)算出來(lái)的反映地表植被生長(zhǎng)狀況、覆蓋情況、生物量和植被種植特征的間接指標(biāo)。常用的植被指數(shù)有NDVI、SR、VI、EVI、ARVI等。

1.4 相對(duì)輻射校正處理

本研究在基于NDVI和EVI為計(jì)算因子的基礎(chǔ)上采用一種改進(jìn)的PIF方法進(jìn)行輻射歸化處理；該方法即是不變點(diǎn)群法（the temporally invariant cluster，TIC）。TIC法是根據(jù)點(diǎn)密度圖上的兩個(gè)不變中心確定線(xiàn)性回歸方程，兩個(gè)中心是地面光譜信息不變的特征點(diǎn)，并且與其他的地物特征有明顯的區(qū)別。根據(jù)兩影像的不變像元的輻射關(guān)系是線(xiàn)性，其中非線(xiàn)性的輻射影響較小，可忽略這也是可以進(jìn)行線(xiàn)性歸化處理基礎(chǔ)。具體操作步驟如下。

1）根據(jù)2001年和2003年ETM+影像來(lái)提取NDVI和EVI生成散點(diǎn)圖。在生成散點(diǎn)圖之前需要把提取的NDVI和EVI分別合成在一幅影像上，這樣在選取樣本區(qū)時(shí)可以提取同地點(diǎn)的兩時(shí)相的NDVI和EVI。

2）根據(jù)生成的散點(diǎn)圖再生成點(diǎn)密度圖。

3）在點(diǎn)密度圖上選取兩個(gè)明顯的特征點(diǎn)以確定回歸方程。最后根據(jù)回歸方程校正2001年的ETM+影像。

2 結(jié)果分析

由于NDVI是根據(jù)近紅外波段和紅外波段計(jì)算得到的其值介于-1到1之間。由于研究區(qū)的人口密集建筑用地多而林地及耕地較少，所以林地的中心不是很明顯因此不被選擇，但大體的中心與回歸線(xiàn)非常接近。

EVI對(duì)于冠層結(jié)構(gòu)很敏感，EVI對(duì)于地表植被有很好的分辨效果，甚至能分辨出在落葉林和針葉林；但EVI對(duì)于云層的遮蓋反應(yīng)很敏感，因此受陰影影響的植被EVI值是有明顯的降低的。由于本研究區(qū)的地表植被分布稀少所以在對(duì)于植被的類(lèi)型的區(qū)分在點(diǎn)密度圖上反應(yīng)的不是很明顯。所以根據(jù)EVI點(diǎn)密度圖的顯示選取水體和建筑用地建立回歸方程的校正待校正的影像。

雖然EVI在區(qū)分植被類(lèi)型比NDVI更有用，但是NDVI校正后的相關(guān)系數(shù)要比EVI高。這結(jié)果可能是因?yàn)镋VI的“取消作用”在耕地和林地的混合像元中，即對(duì)于生長(zhǎng)成熟的森林的監(jiān)測(cè)不是很靈敏。EVI在對(duì)于林地和陰影區(qū)的關(guān)聯(lián)性很弱但是對(duì)于下層灌木和草地的關(guān)聯(lián)性很強(qiáng)。以前的研究表明EVI和灌木層及草地覆蓋率有密切的關(guān)系，而EVI對(duì)于上層的針葉林覆蓋綠度的反應(yīng)不是很明顯；這就是關(guān)于EVI的“取消作用”，在針葉林生長(zhǎng)過(guò)程中EVI在增長(zhǎng)到一定程度后就會(huì)減小增長(zhǎng)，這時(shí)就產(chǎn)生了EVI的“取消作用”進(jìn)而EVI與生態(tài)系統(tǒng)的相關(guān)指數(shù)的線(xiàn)性函數(shù)的斜率從正變?yōu)樨?fù)。這就是說(shuō)明EVI的“取消作用”會(huì)降低基于EVI輻射歸一化處理后的相關(guān)系數(shù)值。

在以前的相對(duì)輻射校正研究中比較典型的是波段對(duì)波段的研究，本文利用NDVI和EVI代替以前的波段有明顯的優(yōu)點(diǎn)如下。

1）NDVI和EVI是遙感影像多通道的光譜信息計(jì)算得到的比單通道的單一光譜信息更能反應(yīng)地物的變化信息并且能更為正確的辨認(rèn)TIC中心。

2）利用植被指數(shù)能夠減少數(shù)據(jù)的處理和分析的數(shù)量。

3）利用植被指數(shù)能夠減少誤差與傳統(tǒng)的通道對(duì)通道的方法即波段對(duì)波段的方法，因?yàn)樵诿總€(gè)單波段進(jìn)行相對(duì)輻射校正中會(huì)有誤差的積累。

NDVI和EVI是重要的植被指數(shù)對(duì)于土地利用動(dòng)態(tài)監(jiān)測(cè)。以前的研究表明NDVI對(duì)于土壤類(lèi)型很敏感，而EVI對(duì)于冠層結(jié)果很敏感。對(duì)陰影影響的分析顯示出，EVI是非常敏感對(duì)于陰影，在陰影下植被的EVI有顯著減少。在NDVI中陰影之下的植被和非陰影區(qū)的植被NDVI值相似。這表明NDVI是一個(gè)非常有效的植被指數(shù)對(duì)于陰影影響。在本研究中使用了新發(fā)展的TIC法基于NDVI和EVI的相對(duì)輻射校正。在使用植被指數(shù)的相對(duì)輻射校正方法可能對(duì)于未來(lái)研究有很大的發(fā)展空間。

參考文獻(xiàn)

[1]張鵬強(qiáng)，余旭初，劉智，等.多時(shí)相遙感圖像相對(duì)輻射校正[J].遙感學(xué)報(bào)，2006，10（3）：339-344.

[2]Xuexia Chen， Lee Vierling， Don Deering. A simple and effective radiometric correction method to improve landscape change detection across sensors and across time [J].Remote Sensing of Environment， 2005， 98： 63-79.

[3]Song， C.，Woodcock， C. E.， Seto， K. C.， Lenney， M.P.， & Macomber， S. A. Classification and change detection using Landsat TM data：When and how to correct atmospheric effects [J].Remote Sensing of Environment， 2001，75： 230-244.

[4]Elvidge， C. D.， Yuan， D.， Weerackoon， R. D.， & Lunetta， R. S. Relative radiometric normalization of Landsat Multispectral Scanner （MSS） data using an automatic scattergram-controlled regression. Photogrammetric [J]. Engineering and Remote Sensing， 1995， 61： 1255-1260.endprint