从高光谱遥感影像提取植被信息解析

第33卷第3期

2008年5月

测绘科学

Sc i ence o f Survey ing and M app i ng

V o l 33N o 3

M ay

作者简介:温兴平(1970- , 男, 山西兴县人, 在读博士, 高级工程师, 研究方向为定量遥感、遥感影像的大气校正。E -m a i:l w fxyp @sohu co m

收稿日期:2007-01-22

基金项目:本研究由国土资源大调查

(从高光谱遥感影像提取植被信息

温兴平

, 胡光道

, 杨晓峰

( 中国地质大学数学地质遥感地质研究所, 武汉 430074; 地质过程与矿产资源国家

重点实验室, 武汉 430074; 南京信息工程大学环境科学与工程学院, 南京210044

摘要遥感可以快速有效地监测大面积植被的种类、特性、长势等各类信息。高光谱遥感数据因其特有的高

光谱分辨率特性使其在植被生态环境领域具有极大的应用潜力。植被信息作为生态环境评价的重要参数对区域生态环境的监测和建设具有重要的意义。本文基于云南省鹤庆县北衙的高光谱遥感数据用SAM 方法对植被信息进行了提取, 参考光谱使用ASD 光谱辐射仪采集的植被光谱曲线。文中对高光谱遥感影像的辐射定标和大气校正进行了研究, 针对影响光谱辐射仪采集的主要因素采取了相应的措施, 并对光谱曲线分类及参考光谱曲线的选取进行了研究。将选取出的参考光谱曲线与大气校正后的遥感影像进行S AM 匹配提取出植被信息, 经过与实地调查资料比较并计算总体精度和kappa 系数, 计算结果达到预期精度。最后将分类结果转换为矢量图, 经过投影转换为大地坐标后制作出北衙植被分布图。

关键词高光谱遥感; 植被信息; SAM; 提取

中图分类号 TP75 文献标识码 A 文章编号 1009-2307(2008 03-0066-03DO I :10 3771/j issn 1009-2307 2008 03 022

1 引言

遥感技术提取植被信息已经有很长的历史, 遥感可以快速有效地监测大面积植被的种类、特性、长势等各类信息。由于植被在不同波段内表现出不同的吸收反射特征, 根据这些特征可以有效地监测出植被的各类信息。P eterson 等用统计回归方法研究了卫星和机载遥感数据与叶面积指数、生物量和叶生物化学成分之间的关系[1,2], G ong 等用机载成像光谱仪估计森林郁闭度达到较好效果[3]。早期的研究主要利用植被指数[4-7], 目前文献中已有150多种植被指数, 但这种用植被指数来提取植被信息由于仅使用了部分波段而不能充分利用多光谱数据的全部信息。高光谱数据最早应用于地质领域[8], 1988年以后成功应用于生态、大气科学、农林业等领域[9]。高光谱遥感数据有更多的波段, 更高的波谱分辨率, 使得高光谱数据在生态领域有更广泛的应用。高光谱植被遥感主要研究生态遥感所涉及的植被类型的识别与分类、植物化学成分的估测、植物生态学评价等[10]。用高光谱遥感数据提取植被信息得到了大量成功的应用[11-16]。光谱角度填图S AM 是利用高光谱遥感数据提取信息较为成熟的一种方法[17-19]。杨可明等用SAM 方法成功对小麦条锈病的病害信息进行了提取[20]。童庆禧等用光谱波形的匹配模型从高光谱分辨率图像上有效定量提取出植被生物物理参量, 并进行了湿地植被类型识别。该算法在鄱阳湖湿地成功地识别出各种湿地植被类型, 并完成了湿地植被分类图[21]。本文基于EO-1H yperion 高光谱遥感数据, 参考光谱用A SD 便携式野外光谱辐射仪采集到的植被光谱曲线, 用SAM 方法对植被类型信息进行识别,

经计算分类结果的总体精度和K appa 系数均达到了预期目标。

2 高光谱影像资料的大气校正

EO-1H yper i on 高光谱遥感数据的刈幅宽度为7 5KM, 可见光35个波段、近红外35个波段和短波红外172个波段, 波谱范围400-2500n m, 星下点分辨率为

30m 。S AM 是基于参考光谱与像元光谱进行匹配, 从而实现对目标信息的提取。而遥感影像数据在数据采集过程中会受到大气的干扰, 因而在提取之前对遥感影像进行大气校正是十分重要的。

数据在大气校正前首先要对数据进行预处理, 包括坏线和死线处理和辐射定标。高光谱辐射仪在扫描过程中会出现坏线和死线, 影响影像的识别, 所以在校正前须进行处理。高光谱遥感数据中有一个MA S K 字段用来标识数据接收状态, 通过MA SK 数据段可以找出死线和坏线在影像中的位置, 然后将这些死线和坏线用周边2个像点的平均值代替。高光谱成像仪在数据存贮时对可见光和近红外波段乘以40的比例因子, 对于短波红外波段乘以80的比例因子, 所以只需将波段数字值DN 除以相应的比例因子即可转换为辐射率[22]。

高光谱遥感影像的大气校正较为成熟的方法有FLAAS H 、A CRON 和ATRE M 等。FLAA S H 整合了M ODT-RAN [23]大气辐射传输模型, 可以精确地计算出大气对辐射的影响并考虑了邻近效应的影响, 可以对图像进行精确的大气校正[24]。本次研究采用FLAA S H 对影像资料进行大气校正。

校正过程中使用参数为:传感器高度705KM, 地面高程2KM, 星下点分辨率30米, 时间为2004年11月11日, 卫星越境世界时为03:36:42。气溶胶模式选农村模式, 大气模式为中纬度夏季, 能见度为40KM 。中心经纬度为100 8 和26 3 , 对应云南省大理至鹤庆一带。

影像校正后, 经过统计值计算发现极个别波段有少量数据的反射率出现负值, 将这些负值做了清零处理, 处理后显示影像光谱曲线时发现光谱存在强烈的吸收带。大气中引起辐射吸收的主要成分有臭氧、二氧化碳、水汽等, 但前二者在波谱上仅有吸收谷, 而水汽强烈吸收带波段处过分响的波

第3期温兴平等从高光谱遥感影像提取植被信息为56-79; 120-127; 167-181, 对应中心波长为935n m, 1130n m, 1900n m [25], 这些通道数据由于水汽的强烈吸收成为不规则的噪声, 所以在研究之前必须将这些波段排除。校正后对影像上四点光谱曲线进行采样, 分别对应地面植被、水体、道路、土壤。图1是不同地物影像光谱辐射率曲线图, 图2为大气校正后的不同地物光谱反射率曲线。从图2可以看出, 校正后不同地物的光谱曲线特征明显, 与标准参考库内地物光谱曲线类似, 水体的反射率几乎全为零, 校正过程达到了预期效