譚瑩 徐軍 毛華英

?

基于landsat8影像的植被信息提取最佳波段組合研究——以浙江省龍泉市為例

譚瑩 徐軍 毛華英

（浙江省森林資源監(jiān)測(cè)中心 浙江杭州 310020）

以龍泉市為例，運(yùn)用最佳指數(shù)OIF法，同時(shí)結(jié)合Landsat 8各個(gè)波段的統(tǒng)計(jì)信息和相關(guān)系數(shù)、地物光譜特征曲線及各波段主要用途進(jìn)行綜合分析，探討了Landsat 8影像用于植被信息提取時(shí)的最佳波段組合的選擇。結(jié)果顯示：256波段組合信息量最為豐富，為植被信息提取的最佳波段組合。

Landsat8影像；最佳波段組合；最佳指數(shù)（OIF）；地物光譜特征曲線；植被信息

植被是生態(tài)環(huán)境組成的重要因子，是發(fā)揮生態(tài)效能的重要載體，是衡量自然生態(tài)環(huán)境質(zhì)量的主要指示物。植被信息的提取是遙感影像目視解譯的重要組成部分，如何對(duì)遙感影像進(jìn)行處理,提高其解譯精度是目前植被解譯的一個(gè)研究熱點(diǎn)。其中，最佳波段選取是遙感影像增強(qiáng)處理的關(guān)鍵部分,直接影響目視解譯和植被分類的重要前期工作[1-2]。在眾多的遙感數(shù)據(jù)源中，Landsat系列數(shù)據(jù)因其性價(jià)比較高，在目前的植被遙感研究中應(yīng)用廣泛。但由于Landsat7號(hào)衛(wèi)星故障及Landsat5號(hào)衛(wèi)星退役，Landsat對(duì)地觀測(cè)曾一度中斷。2013年2月Landsat8號(hào)衛(wèi)星發(fā)射成功，為L(zhǎng)andsat系列數(shù)據(jù)又注入了新鮮血液[3]。與Landsat7相比，Landsat8在延續(xù)的基礎(chǔ)上，波段有所增加，波段光譜范圍有所變化，信息更為豐富，其OLI影像已經(jīng)被廣泛應(yīng)用于土地利用/覆被信息提取的各個(gè)方面[4-8]。本文通過對(duì)浙江省龍泉市Landsat8影像進(jìn)行植被信息的提取,探討實(shí)現(xiàn)植被信息提取的最優(yōu)波段組合，為后續(xù)目視解譯和植被分類工作打下良好的基礎(chǔ)。

1 研究區(qū)概況

龍泉市地處浙江省西南部的浙閩贛邊境，地理坐標(biāo)27°42'～28°20'N、 118°42'～119°25'E之間，總面積3059 km2。龍泉市是浙江省的重點(diǎn)林區(qū)，素有“浙南林?！敝Q，是國(guó)家級(jí)生態(tài)示范區(qū)、國(guó)家森林城市和浙江省園林城市。龍泉境內(nèi)植被資源豐富，森林植被與農(nóng)田植被相間分布，山壩差異明顯。全市地帶性森林植被屬亞熱帶常綠闊葉林帶。

2 遙感數(shù)據(jù)源及預(yù)處理

2.1 遙感數(shù)據(jù)源

Landsat8的OLI陸地成像儀有9個(gè)波段，包括了TM（ETM+）傳感器的所有波段，并對(duì)波段波譜范圍進(jìn)行了調(diào)整，見表1。本研究使用OLI傳感器的遙感影像，影像成像時(shí)間是2017年11月，軌道號(hào)為119041和119040（龍泉市涉及兩景影像）。數(shù)據(jù)采用UTM WGS-84投影，1級(jí)標(biāo)準(zhǔn)產(chǎn)品。OLI陸地成像儀的波段1～7和波段9為多光譜波段，空間分辨率為30m；波段8為全色波段，空間分辨率為15 m。波段1主要用于監(jiān)測(cè)近岸水體,但研究區(qū)位于內(nèi)陸地區(qū)，不需要用波段1。研究區(qū)遙感影像基本無(wú)云層覆蓋，所以也不需要用于卷云監(jiān)測(cè)的短波紅外波段9，而全色波段8主要用于增強(qiáng)分辨率影像融合。因此，結(jié)合研究區(qū)的實(shí)際情況，本研究從波段2～7中確定最佳波段組合。

2.2 數(shù)據(jù)預(yù)處理

采用的Landsat8OLI數(shù)據(jù)已經(jīng)做過輻射校正和幾何校正，根據(jù)本研究需求需對(duì)影像進(jìn)行輻射定標(biāo)、大氣校正、拼接、裁剪等處理[9]。首先，利用ENVI5.1中輻射定標(biāo)工具，進(jìn)行定標(biāo)類型、輻射亮度值、大氣表觀反射率設(shè)置，輸出輻射定標(biāo)后的影像；其次，用ENVI5.1中的FLAASH工具對(duì)輻射定標(biāo)后的影像進(jìn)行大氣校正，得到地表反射率，主要的輸入?yún)?shù)包括傳感器類型、成像日期及時(shí)間、中心經(jīng)緯度、海拔高度、大氣模型、氣溶膠模型、初始能見度等；然后，用ENVI5.1的Mosaic工具將研究區(qū)涉及的兩景影像進(jìn)行拼接，再根據(jù)龍泉市的矢量行政界線進(jìn)行裁剪得到研究區(qū)的影像數(shù)據(jù)。

表1 OLI陸地成像儀各波段及其主要用途

3 最佳波段組合選擇

選取最佳波段組合時(shí)，一般遵循以下3個(gè)原則[10-14]：（1）單個(gè)波段的標(biāo)準(zhǔn)差盡可能最大；（2）波段間的相關(guān)系數(shù)盡可能最?。唬?）目標(biāo)地物類型在所選波段組合能被很好地區(qū)分。簡(jiǎn)單來(lái)講，標(biāo)準(zhǔn)差越大表明波段所蘊(yùn)含的信息離散度越高，信息量越大、越豐富；相關(guān)系數(shù)較低，表明波段組合后，信息冗余量少。對(duì)于不同的地物，有不同的波譜特征，在相同波段上光譜值差異越大，地物越易被區(qū)分。這說明，標(biāo)準(zhǔn)差大、相關(guān)系數(shù)小、易于區(qū)分地物的波段組合即為最佳波段組合。

3.1 研究區(qū)影像各波段信息量分析

利用ENVI5.1的statistic工具統(tǒng)計(jì)研究區(qū)影像2～7波段的基本信息，包括最小值、最大值、均值、標(biāo)準(zhǔn)差，見表2。研究區(qū)典型地物的特征光譜曲線的獲取可以為最佳波段的選取提供參考依據(jù)。統(tǒng)計(jì)信息值反映遙感影像所包含的信息，標(biāo)準(zhǔn)差越大說明圖像的反差大、信息量豐富。

表2 研究區(qū)各波段圖像光譜特征統(tǒng)計(jì)

從表2中我們可以看到，影像標(biāo)準(zhǔn)差的排序是：5>6>7>3>4>2。因此僅從單波段統(tǒng)計(jì)的特征值來(lái)看，5、6、7波段的信息比較豐富。但就最佳波段組合的選擇來(lái)說，作者認(rèn)為很難僅依據(jù)上述信息量數(shù)據(jù)就能選出。

3.2 研究區(qū)影像波段間相關(guān)性分析

相關(guān)性分析是指對(duì)兩個(gè)或多個(gè)具備相關(guān)性的變量元素進(jìn)行分析，從而衡量?jī)蓚€(gè)變量因素的相關(guān)密切程度。多波段相關(guān)性分析可以得出各波段間重疊與相關(guān)的程度。用相關(guān)性較小的波段進(jìn)行合成，可以減少波段之間的冗余，消除波段的相互干擾，提高圖像的質(zhì)量。利用ENVI5.1的statistic工具得到該研究區(qū)2～7波段的相關(guān)系數(shù)矩陣，結(jié)果見表3。

表3 研究區(qū)多波段相關(guān)系數(shù)矩陣統(tǒng)計(jì)

從表3可知，波段5與其他波段間的相關(guān)系數(shù)都比較低，因此可以優(yōu)先考慮波段5；波段2、3、4之間的相關(guān)系數(shù)都很高（>0.9）；波段6和波段7之間的相關(guān)系數(shù)很高，達(dá)到0.974；相關(guān)性比較大的波段組合，各波段圖像數(shù)據(jù)之間的獨(dú)立性比較差，各波段所包含的信息之間有可能重復(fù)出現(xiàn)大量冗余，應(yīng)盡量避開。

3.3 最佳指數(shù)（OIF）分析

利用美國(guó)查維茨提出的作為波段組合選擇的一個(gè)依據(jù)[15]。理論基礎(chǔ)是影像數(shù)據(jù)的標(biāo)準(zhǔn)差越大，包含的信息量也越多；而波段間的相關(guān)系數(shù)越小，各波段影像數(shù)據(jù)的獨(dú)立性越高，信息的冗余度就越小。其數(shù)學(xué)表達(dá)公式：

式中，i為第個(gè)波段的標(biāo)準(zhǔn)差，ij為,兩個(gè)波段的相關(guān)系數(shù)。值與標(biāo)準(zhǔn)差之和呈正比，與相關(guān)系數(shù)之和呈反比。波段組合中各波段的信息量越大、波段間獨(dú)立性越高、信息冗余度越小，其值越大，該組合也就越適合作為最佳波段組合。對(duì)按照從大到小的順序進(jìn)行排列，即可選出最優(yōu)組合方案。根據(jù)公式即可算出研究區(qū)遙感數(shù)據(jù)各段組合值及排序，見表4。

表4 研究區(qū)遙感數(shù)據(jù)各波段組合OIF指數(shù)及排序

從表4可知，排在前5位的分別是256、456、567、245、257波段組合，是理想的候選波段，且按值從大到小依次排序?yàn)椋?56>456>567>245>257。但進(jìn)一步分析顯示，這5種組合的值介于956.595～1134.586之間，其值差異不明顯。因而，單從值的排列順序進(jìn)行波段選取還是較為片面,需要進(jìn)一步結(jié)合研究區(qū)的具體情況、所要突出的專題信息以及各波段主要用途來(lái)確定最佳波段組合。

3.4 研究區(qū)典型地物光譜特征曲線

從指數(shù)分析，只能確定最佳波段組合的候選組合，無(wú)法確定最終的最佳波段組合。由于不同地物在影像不同波段上呈現(xiàn)的光譜特征有所不同，所以為確定提取植被信息的最佳波段組合，還需要結(jié)合研究區(qū)各類典型地物的光譜特征，特別是不同類型植被的光譜特征作進(jìn)一步分析。本研究結(jié)合2017年龍泉市的林地變更調(diào)查數(shù)據(jù)和野外調(diào)查資料，分別對(duì)研究區(qū)內(nèi)的闊葉林、針葉林、灌木林、竹林、耕地、河流和建設(shè)用地（其中耕地、河流和建設(shè)用地指的是其表面無(wú)植被覆蓋的耕地、河流和建設(shè)用地）這7種典型地類在不同位置上采集樣點(diǎn)，每類地物分別取30個(gè)均勻分布的采樣點(diǎn)，記錄每個(gè)采樣點(diǎn)在2～7波段上的灰度值，取均值后繪制典型地物光譜特征曲線,如圖1。

圖1 研究區(qū)典型地物光譜特征曲線圖

從圖1可看出，典型地類在波段5、6、7上光譜差異較大、可分性較好。尤其是波段5，不論是植被與其它地類（尤其是耕地、河流）之間還是不同植被類型之間，均呈現(xiàn)較大差異與可分性。其次是波段6、7，但這兩個(gè)波段上植被和建設(shè)用地的區(qū)分不明顯。而在波段 2、3、4上，植被和建設(shè)用地的區(qū)分明顯。

3.5 最佳波段組合的選擇

為找到研究區(qū)植被信息提取的最佳波段組合，需要綜合各波段組合的指數(shù)、研究區(qū)典型地物光譜特征曲線（見圖1）以及各波段主要用途（見表1）進(jìn)行考慮：（1）波段5標(biāo)準(zhǔn)差最大，與其他波段的相關(guān)系數(shù)都比較低，且從地物光譜特征曲線可知，不論是植被與其它地類之間還是不同植被類型之間，均在波段5最易區(qū)分，說明波段5是所需的波段；（2）根據(jù)相關(guān)性小的原則，應(yīng)從波段2、3、4中選擇一個(gè)，波段6、7中選擇一個(gè)，因此影像彩色合成的最佳波段組合，必須由一個(gè)可見光波段（波段2、3或4）、一個(gè)短波紅外波段（波段6或7）和近紅外（波段5）組合；（3）波段7主要應(yīng)用于探測(cè)高溫輻射源，通常不應(yīng)用于植被遙感分類。綜上分析認(rèn)為，256波段間相關(guān)性小，包含的信息量大，植被在色調(diào)上區(qū)別較大，易于圖像的判讀。因此確定256波段組合為最佳波段組合（見圖2）。

圖2 研究區(qū)256波段合成圖

4 討論與結(jié)論

目前，基于遙感自動(dòng)分類提取植被信息精度相對(duì)于目視解譯依然偏低，因而目視解譯植被仍然受到國(guó)內(nèi)外研究者的青睞。多光譜影像的最佳波段的選取會(huì)直接對(duì)目視解譯的精度產(chǎn)生影響。本研究以龍泉縣為例，探討了目視解譯植被信息時(shí)Landsat8影像的最佳波段選擇與組合，得出以下結(jié)論，并進(jìn)行相關(guān)討論。

（1）本研究運(yùn)用指數(shù)，同時(shí)結(jié)合Landsat8各個(gè)波段的統(tǒng)計(jì)信息和相關(guān)系數(shù)、地物光譜曲線以及各波段主要用途進(jìn)行綜合分析，最終確定256波段組合為植被信息提取的最佳波段組合。此方法簡(jiǎn)單快捷，具有推廣性，可以利用此方法探討目視解譯其他地類、Landsat8作為主要數(shù)據(jù)源時(shí)的最佳波段組合。

（2）在Landsat8數(shù)據(jù)中，快速準(zhǔn)確選取最佳波段組合，將有利于提高基于遙感數(shù)據(jù)植被信息提取的工作效率和精度，為進(jìn)一步獲取研究區(qū)植被類型、覆蓋度以及分布面積提供科學(xué)依據(jù)。此方法對(duì)于其他遙感數(shù)據(jù)源是否適用，仍有待進(jìn)一步的研究。

（3）由于Landsat8新增的海岸波段（波段1）和卷云波段（波段9）在目視解譯提取 植被信息時(shí)，發(fā)揮的作用不大，本研究并未采用。在今后的研究中可以進(jìn)一步探討新增的波段在植被計(jì)算機(jī)自動(dòng)分類及其植被動(dòng)態(tài)監(jiān)測(cè)等工作中的應(yīng)用。

[1] 郭娜，劉劍秋.TM遙感影像植被信息提取的最佳波段組合選擇—以福建省松溪至建甌高速公路為例[J].福建師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2012，28（1）：103-107.

[2] 年波，楊士劍，王金亮.植被遙感信息提取的最佳波段選擇—以云嶺中部地區(qū)為例[J].云南地理環(huán)境研究，2004，16（2）：18-21.

[3] 徐涵秋，唐菲.新一代Landsat系列衛(wèi)星：Landsat8遙感影像新增特征及其生態(tài)環(huán)境意義[J].生態(tài)學(xué)報(bào)，2013，33（11）：3249-3257.

[4] 牛魯燕，張曉艷，鄭繼業(yè)，等.基于Landsat8 OLI數(shù)據(jù)的山東省耕地信息提取研究[J].中國(guó)農(nóng)學(xué)通報(bào)，2014，30（34）：264-269.

[5] 張風(fēng)霖，李婧琳，候變彩，等.基于Landsat8衛(wèi)星OLI的水體信息提取研究[J].山西建筑，2014，40 （23）： 243-244.

[6] 張金龍，常勝.Landsat8影像在土地利用分類中的最佳波段組合研究—以湖北省恩施市為例[J].湖北民族學(xué)院學(xué)報(bào)（自然科學(xué)版），2015，33（4）：467-470.

[7] 顏鳳芹，于靈雪，楊朝斌，等.基于Landsat 8影像的濕地信息提取最佳波段組合[J].地球環(huán)境學(xué)報(bào)，2014，5（5）：339-352.

[8] 帕力旦·麥麥提，卡德麗亞·卡合熱曼. Landsat8 OLI數(shù)據(jù)在礦化蝕變信息提取中的應(yīng)用—以吐拉蘇地區(qū)為例[J].西部探礦工程，2016，（12）：160-165.

[9] 章孝燦，黃智才.遙感數(shù)字圖像處理[M].杭州：浙江大學(xué)出版社，2003.

[10]領(lǐng)梅，安慧君，賀曉輝，等.ALOS、TM影像在土地利用中的最佳波段組合分析[J].內(nèi)蒙古林業(yè)科技，2013，39（2）：36-39.

[11]姜小光，王長(zhǎng)耀，王成.成像光譜數(shù)據(jù)的光譜信息特點(diǎn)及最佳波段選擇[J].干旱區(qū)地理，2000，23（3）： 215-220.

[12]翟天林，金貴，鄧祥征，等.植被信息的Landsat8衛(wèi)星影像提取方法[J].測(cè)繪科學(xué)，2016，41（10）：126-131+158.

[13]侯志華，馬義娟.中分辨率遙感影像土地利用覆被信息自動(dòng)提取研究[J].太原師范學(xué)院學(xué)報(bào)（自然科學(xué)版），2014，13（4）：93-98.

[14]鄭麗，陳元濤.基于SPOT影像的最佳波段組合選取研究[J].河北北方學(xué)院學(xué)報(bào)（自然科學(xué)版），2014，30（2）：17-21.

[15]Chavez P S，Berlin G L，Sowers L B. Statistical Method for Selecting Landsat MSS ratios [J]. Journal of Applied Photographic Engineering，1982，8（1）：22-30.

Research of optimum bands combination for vegetation information extraction based on landsat8 image——taking Longquan as an example

Tan Ying，Xu Jun，Mao Huaying

In this paper, we take Longquan as a study area. Based on the statistics and analysis of spectral characteristics of each band, the optimum index factor（OIF） has been calculated. According to the optimum index factor（OIF） , the typical spectral image feature curve andthe usage of each band, the selection of optimum bands combination has been studied. The result shows that the 256 bands combination is informative, so it is the optimum band combination of the vegetation information.

Landsat 8 image; the optimal bands combination; OIF; the typical spectral image feature curve; vegetation information

TP75

A

1004-7743（2019）02-0071-06

2018-11-28

浙江省森林生態(tài)狀況年度監(jiān)測(cè)（335006-2012-0002）

譚瑩，工程師，從事林業(yè)信息化和森林資源監(jiān)測(cè)等研究。