李輝+敖成

摘要： 草地資源是一種重要的自然資源。研究利用Landsat8作為影像數(shù)據(jù)源，以新疆天山北坡作為研究區(qū)域，以野外實測的各種類草地的光譜信息，計算各類草地樣本的NDVI值，從而定量地分析、確定草地資源在NDVI指數(shù)內(nèi)的閾值范圍。采用密度分割的方法對草地資源信息進行提取研究，Kappa系數(shù)達到了89.60%，結(jié)果較為滿意。

Abstract： Grassland resource is an important natural resource. By using Landsat8 as the image data source and taking the northern slope of the Tianshan Mountains in Xinjiang as the research area， the NDVI values of various grassland samples were calculated through the spectral information of various grasses， and the threshold range of the grassland resource in NDVI index were quantitatively analyzed and determined. The method of density segmentation was used to extract grassland resource information and the Kappa coefficient was 89.60% and the results were satisfactory.

關(guān)鍵詞： 植被指數(shù)；光譜；草地資源

Key words： vegetation index；spectral；grassland resources

中圖分類號：TP79 文獻標識碼：A 文章編號：1006-4311（2017）22-0232-03

0 引言

草地資源作為一種可再生自然資源，是上世紀80年代作為草產(chǎn)業(yè)提出來的，它不僅包括草原資源，也包括草資源以及其他植物資源，主要用于畜牧業(yè)發(fā)展，是自然、社會和經(jīng)濟因素構(gòu)成的共同體。傳統(tǒng)的草地資源調(diào)查是以野外路線調(diào)查為主，受地面條件如地形、水 文、氣候等的限制，有些區(qū)域調(diào)查困難[3]。歸一化差值植被指數(shù)（NDVI）是反映植被覆蓋的一個重要參數(shù)，具有較強的植被檢測能力，正值表示有植被覆蓋，且數(shù)值隨覆蓋度增大而增大。研究表明，利用NDVI進行閾值分割可以有效區(qū)分植被、水體、道路、裸地和建筑用地等，但在有關(guān)利用NDVI進行閾值分割草地以便分類的研究則鮮有報道。

1 研究區(qū)概況與技術(shù)路線

1.1 研究區(qū)概況

研究區(qū)位于天山北坡中段烏魯 木齊縣的甘溝鄉(xiāng)境內(nèi)，介于東經(jīng)87°10′-87°21′，北緯43°52′-43°55′，距烏魯木齊市約56公里，東臨永豐鄉(xiāng)南接薩爾達坂鄉(xiāng)和畜牧廳南山種羊場，西與昌吉市、自治區(qū)南山林場比鄰，北與104團、薩爾達坂鄉(xiāng)草場接壤。

1.2 技術(shù)路線

技術(shù)路線如圖1所示。

2 數(shù)據(jù)預(yù)處理

2.1 輻射校正

在遙感影像的獲取和傳輸?shù)倪^程中，會存在多種因素 造成影像的畸變或者輻射失真，為了糾正或削弱由于輻射誤差引起的遙感影像畸變的處理過程叫做輻射校正。輻射校正的方法一般包含了對影像的輻射定標、大氣校正兩個過程。

通過對圖2和圖3的分析可知，對Landsat-8遙感影像經(jīng)過大氣校正前后在同一位置獲取的植被光譜曲線比較，大氣校正基本消除或減弱了由于大氣的影響所造成的地物光譜反射特性的誤差。

2.2 最佳波段的組合

為了便于進一步分析研究和目視解譯，本文研究內(nèi)容將Lansat-8數(shù)據(jù)的第6、第5和第2波段分別賦予R、G、B色調(diào)進行顯示，以突出研究區(qū)內(nèi)的植被信息。（圖4）

3 基于NDVI指數(shù)的草地資源提取

方法

3.1 草地NDVI閾值范圍的確定

歸一化植被指數(shù)NDVI，這種運算是將遙感影像中的近紅外波段與紅外波段之差與近紅外波段與紅外波段之和做比值運算，利用歸一化植被指數(shù)所得到的遙感圖像可以使植被從水和土壤中分離出來，一般來說，NDVI的值的范圍在-1到1之間，NDVI的值為負值表示地面覆蓋為云、水、雪等，對可見光高反射；值為0表示有巖石或裸土等，近紅外波段與紅 外波段的光譜響應(yīng)值近似相等；NDVI的值為正值時，表示有植被覆蓋，且隨覆蓋度增大而增大。其中，表示有植被覆蓋的包括了林地、灌木、草地等等。為了利用歸一化植被指數(shù)NDVI提取草地資源信息，首先需要先確定草地這一特定的地物類型字NDVI指數(shù)內(nèi)的閾值范圍，在將草地資源與其他非植被區(qū)分開的前提下，也能將草地信息與其他的植被信息區(qū)分開。

利用研究區(qū)內(nèi)實地測得的各類草地類型的光譜反射率，運用各類型草地在紅光波段和近紅外波段反射率計算出各自的NDVI值，用于經(jīng)過統(tǒng)計分析定量地確定草地信息在NDVI指數(shù)中的閾值范圍。

從表1與圖5來看，研究區(qū)內(nèi)各草地類型樣本的NDVI值最小為0.164154，最大為0.539292，在這一區(qū)間內(nèi)，各個值的分布都較為均勻和連續(xù)，所以本文將0.164154～0.539292的區(qū)間范圍作為NDVI指數(shù)提取草地資源信息的閾值范圍。

3.2 NDVI的構(gòu)建

本研究內(nèi)容運用ENVI及IDL語言，結(jié)合上述歸一化植被指數(shù)公式，對Landsat-8遙感影像的相關(guān)波段進行波段運算，并保存為浮點類型的數(shù)據(jù)，所得的灰度圖像如圖6所示。從圖6中可知，植被的信息能凸出顯示，有效地壓抑了其背景地物信息，有利于草地信息的識別提取。

3.3 人機交互式密度分割

影像的密度分割是對單波段的灰度遙感影像進行地物提取分類的方法，這種方法又稱為彩色分割或者灰度分割。該方法的原理是將遙感影像的灰度范圍分割成為若干個不同的等級，并賦予各個不同的灰度等級以不同的顏色，從而得到一幅分層設(shè)色的新彩色影像。對于單波段的遙感影像數(shù)據(jù)而言，影像上的灰度值反應(yīng)了不同地物的反射光譜特征，但是這些由像元灰度值的大小來反應(yīng)的地物特征的信息，尤其是微小的灰度變化所提供的信息，僅僅是依靠人眼是無法進行識別分辨的。而利用計算機的遙感影像密度分割方法，會有助于目視的判讀和地物信息的識別提取，密度分割的方法還可以使影像的輪廓更加清晰，并突出一類或多累的具有一定色調(diào)特征的地物及其分布狀態(tài)，這種方法尤其是在顯示環(huán)境污染范圍、隱伏構(gòu)造、尋找地下水以及植被指數(shù)、地表溫度、地形等數(shù)據(jù)的分類等方面有廣泛的應(yīng)用，經(jīng)過先前眾多學(xué)者、專家的研究都取得較好的效果。

選擇人機交互式的密度分割方法來研究提取草地資源信息。在用交互式密度分割方法對已進行波段運算的影像進行密度分割提取草地資源信息時，首先應(yīng)已知分割灰度的區(qū)間，即確定影像的灰度范圍，將上述研究的NDVI指數(shù)提取草地信息閾值范圍作為分隔間隔，即0.164154-0.539292，該范圍以外的灰度級分為其他地物。對分類后的細小斑塊進行剔除，得到研究區(qū)草地信息的提取結(jié)果如圖7所示。

4 結(jié)果與分析

進行精度評定的樣本的選取是通過目視解譯的方法，在進行最佳波段組合的遙感影像圖上選取若干個樣本作為ROI（草地和非草地兩大類），將所選的ROI作為真實可靠值，采用混淆矩陣的方法對上述提取研究的結(jié)果進行精度評定。草地資源信息提取結(jié)果的混淆矩陣如表2和表3所示。

4.1 基于NDVI指數(shù)法的提取結(jié)果

4.2 結(jié)果分析

從NDVI指數(shù)法提取草地資源結(jié)果的精度評價指標分析來看，提取的精度達到了令人滿意的結(jié)果，Kappa系數(shù)分別達到89.60%。而利用NDVI指數(shù)來提取草地信息的方法在草地信息的閾值范圍確定上較為麻煩，但其對草地信息的響應(yīng)更加準確，提取的結(jié)果精度很高，是一種好的提取草地信息的方法。

5 結(jié)論

研究利用Landsat-8遙感影像數(shù)據(jù)作為數(shù)據(jù)源，以天山北坡地區(qū)作為研究區(qū)域，研究了基于NDVI植被指數(shù)提取草地資源信息的方法，并對提取的結(jié)果進行了精度評價及分析。研究表明：利用野外實測的各種類草地的光譜信息，并計算各類草地樣本的NDVI值，從而定量地分析、確定草地資源在NDVI指數(shù)內(nèi)的閾值范圍，采用密度分割的方法對草地資源信息進行提取研究，能達到很好的提取效果。

參考文獻：

[1]康萬杰.喀斯特山區(qū)草地資源遙感調(diào)查與草畜平衡研究[D].貴州：貴州師范大學(xué)地理信息系統(tǒng)與遙感系，2014.

[2]趙冰茹，劉闖，劉愛軍，等.利用MODIS-NDVI進行草地估產(chǎn)研究：以內(nèi)蒙古錫林郭勒草地為例[J].草業(yè)科學(xué)，2004，21（8）：12-15.

[3]李建龍，任繼周.草地遙感應(yīng)用動態(tài)與研究進展.草業(yè)科學(xué)，1996（1）：55-60.

[4]伍維模，王家強，牛建龍，等.基于CBERS-02衛(wèi)星遙感圖像海島棉與陸地棉植被指數(shù)的對比[J].塔里木大學(xué)學(xué)報，2007，19（4）：6-10.

[5]王長委，胡月明，沈德才，等.基于CBERS數(shù)據(jù)的亞熱帶森林地上碳儲量估算[J].林業(yè)科學(xué)，2014，50（1）：88-96.

[6]熊育久.湖南省EOS/MODIS植被指數(shù)時空變化研究[D].中南林業(yè)科技大學(xué)，2006.

[7]宋冬梅，張茜，楊秀春，等.三江源區(qū)MODIS植被指數(shù)時空分布特征[J].地理研究，2011，30（11）：2067-2075.

[8]符思濤）周云.基于遙感影像的歸一化植被指數(shù)算法研究[J].江西測繪，2010（3）：31-32.

[9]賈樹海，韓志根，呂默楠，等.基于決策樹的遼寧省北部沙漠化信息提取研究[J].生態(tài)環(huán)境學(xué)報，2011，20（1）：13-18.