基于ENVI的高分辨率遙感影像城市綠地信息提取研究

陳陽，趙俊三，陳應(yīng)躍

(昆明理工大學(xué)國土資源工程學(xué)院，云南昆明650033)

摘要：近年來眾多高分辨率遙感衛(wèi)星的發(fā)射為城市綠地信息提取提供了高效的手段，如何充分利用高分辨率遙感影像對現(xiàn)代城市進(jìn)行規(guī)劃和生態(tài)環(huán)境評價具有重要意義。文中介紹一個完整的遙感工程在ENVI下的實現(xiàn)過程，包含高分辨率數(shù)據(jù)的處理、高分辨率信息提取流程的合理安排、FX模塊面向?qū)ο笮畔⑻崛〉葍?nèi)容，可全面快速掌握城市綠地總量與分布現(xiàn)狀，為綠地系統(tǒng)規(guī)劃與日常管理決策提供參考，對生態(tài)城市建設(shè)具有重要意義。

關(guān)鍵詞：城市綠地；WorldView；信息提?。籈NVI

中圖分類號：TP75文獻(xiàn)標(biāo)志碼：A

收稿日期：2014-11-09

基金項目：國家自然科學(xué)基金資助項目(41161062)

作者簡介：陳陽(1989-)，男，碩士研究生.

ENVI based urban green space information extraction with high resolution remote sensing data

CHEN Yang,ZHAO Jun-san,CHEN Ying-yue

(School of Land Resources Engineering,Kunming University of Science and Technology,Kunming 650033,China)

Abstract：The launch of the high resolution remote sensing satellite provides an efficient way for urban green space information extraction research currently. To get the most out of the high resolution remote sensing data seems to be very important in modern urban planning and ecological environment evaluation.By using a complete remote sensing engineering example in ENVI, it gives the introduction about high resolution remote sensing data management,reasonable arrangements of extract procedure with high resolution remote sensing data,object-oriented information extraction in FX module,etc.Thus,the total quantity of the urban green space and the present situation of the distribution can be made in an all-round and fast way,and it also provides a reference about green space system planning and daily management, which has important implications for the construction of the ecological city.

Key words：green space；WorldView；information extraction；ENVI

城市綠地作為城市中唯一有生命的基礎(chǔ)設(shè)施，在改善城市生態(tài)環(huán)境和人居環(huán)境方面起著積極的作用[1]，它是城市的氧源，更是電磁輻射、噪音及有害氣體的良好吸收體[2-4]，在城市生態(tài)平衡中扮演著重要的角色，準(zhǔn)確掌握其分布結(jié)構(gòu)及變化規(guī)律，預(yù)測其發(fā)展走向，對于維護(hù)區(qū)域生態(tài)平衡，保護(hù)城市生態(tài)環(huán)境具有不可忽視的作用[5-6]。城市綠地的規(guī)劃須先立足于對城市綠地現(xiàn)狀的了解，傳統(tǒng)的綠地調(diào)查采取實地測量與統(tǒng)計相結(jié)合的方法，它效率低下而且統(tǒng)計結(jié)果受人為影響。隨著遙感技術(shù)的發(fā)展，近年來眾多高分辨率遙感衛(wèi)星的發(fā)射為城市綠地信息提取提供了高效的手段，如何充分利用高分辨率遙感影像對進(jìn)行現(xiàn)代城市規(guī)劃和生態(tài)環(huán)境評價具有重要意義[7-8]。

高分辨率遙感技術(shù)為城市生態(tài)環(huán)境的監(jiān)測方法和評價指標(biāo)的改進(jìn)提供了有力的支持。獲得的城市綠地覆蓋信息與其他資料結(jié)合可以進(jìn)行城市綠地空間分布分析評價，為合理進(jìn)行城市綠地規(guī)劃提供決策支持[9]。高分辨率遙感技術(shù)具有很多特點：多傳感器提供高分辨率全色波段及多光譜數(shù)據(jù)，通過圖像融合方法，可以得到色彩信息豐富的高分辨率光譜數(shù)據(jù)；衛(wèi)星控制技術(shù)，可使重訪周期控制在數(shù)天以內(nèi)；使地物內(nèi)部組成要素更豐富，能更好反映空間信息、地物尺寸形狀、地物之間的關(guān)系。WorldView-II衛(wèi)星是Digitalglobe公司于2009年10月6日發(fā)射升空，運(yùn)行在770 km高的太陽同步軌道上的高分辨率商業(yè)遙感衛(wèi)星，它能夠為世界各地的商業(yè)用戶提供滿足其需要的高性能圖像產(chǎn)品。WorldView-II在空間分辨率(0.5 m)，多光譜成像(1個全色通道、8個多光譜通道)、側(cè)擺速度、掃描寬度等方面具有顯著的優(yōu)勢，能夠滿足更廣領(lǐng)域的遙感用戶，為其提供更好的遙感信息源服務(wù)，在數(shù)字城市建設(shè)、自然資源的管理和監(jiān)控、自然災(zāi)害的評估及精細(xì)農(nóng)業(yè)等領(lǐng)域中具有應(yīng)用潛力[10]。

本文介紹了使用ENVI遙感圖像處理軟件，采用WorldView-2高分辨率遙感影像，對城市綠地信息提取的方法，其技術(shù)路線如圖1所示。

圖1　技術(shù)路線

1實驗數(shù)據(jù)

本文選擇成像時間為夏季，植被長勢較好的WorldView-2含RPC信息的LV2A級數(shù)據(jù)，該數(shù)據(jù)包括0.5 m分辨率的全色影像和1.8 m分辨率的多光譜影像。其中多光譜影像包含8個波段，除含有藍(lán)、綠、紅、近紅4個業(yè)內(nèi)標(biāo)準(zhǔn)波段外，還含有海岸、黃、紅邊、近紅4個彩色波段，增加的波段信息為用戶提供進(jìn)行精確變化檢測和制圖的能力，其中非可見光近紅外波段，波長較長，受大氣影響較小。因紅和近紅外波段是對綠地敏感的波段，為了提高工作效率，故本文在圖像分類時僅選擇4個業(yè)內(nèi)標(biāo)準(zhǔn)波段參與圖像分割。

2數(shù)據(jù)預(yù)處理

2.1　圖像融合

將高空間分辨率的全色影像與多光譜數(shù)據(jù)進(jìn)行融合處理，使融合后的影像既保留多光譜特征又擁有較高的空間分辨率，如圖2所示。ENVI中的融合方法有HIS變換、Brovey變換、乘積運(yùn)算、PCA變換和Gram-Schmidt，融合方法的選用十分重要，不同方法有不同的適用范圍，同樣的融合方法應(yīng)用在不同影像中所得結(jié)果也往往不一樣。本文選擇適于最新高空間分辨率影像的Gram-Schmidt方法，改進(jìn)了PCA中信息過分集中的問題，而且不受波段限制，可以較好地保持影像的紋理和光譜信息。

圖2　融合后圖像與多光譜圖像對比

在ENVI中分別打開WorldView-2多光譜圖像和全色圖像，選擇Gram-Schmidt Pan Sharpening，選擇適當(dāng)?shù)目臻g裁剪及波譜裁剪然后進(jìn)入融合參數(shù)面板，該面板會自動識別其傳感器類型，重采樣方法選擇精度最高的三次卷積。

2.2　自定義坐標(biāo)系

為避免坐標(biāo)來回轉(zhuǎn)換時產(chǎn)生較大誤差，應(yīng)首先統(tǒng)一控制點和輸出正射校正圖像的坐標(biāo)系。本文因DOM數(shù)據(jù)為北京54坐標(biāo)系，所以統(tǒng)一坐標(biāo)系為北京54坐標(biāo)系。該步驟在ENVI Classic中進(jìn)行，從網(wǎng)上獲取北京54坐標(biāo)系相應(yīng)投影、基準(zhǔn)面、中央經(jīng)線長度比等參數(shù)，將其添加至軟件中并保存。

2.3　正射校正

在衛(wèi)星影像和航空影像中會有一些幾何誤差，主要由比例尺變化、傳感器姿態(tài)的變化、傳感器的系統(tǒng)誤差引起。對于分辨率較高且具有RPC信息的圖像可以用正射校正的方法完成幾何校正以消除這些誤差達(dá)到更高的精度要求。在本文中，采取GCP+RPC+DEM的方法完成正射校正，其中GCP控制點從參考圖像DOM中選擇。

首先將參考圖像DOM和DEM數(shù)據(jù)進(jìn)行綁定，這樣可以在DOM上獲取x,y及該點的高程值。在選控制點時，不能選擇建筑物的頂點，因為傳感器若有傾斜角度，建筑物頂點將會偏移，所以確保選點時選擇地面上的控制點。選好同名點(鏈接點)后，在參考圖像中右鍵選擇像元位置，可將參數(shù)導(dǎo)出至控制點選擇面板并添加點。添加點完成之后可查詢控制點的誤差，若太大可進(jìn)行刪點重選。因圖像融合時丟失了RPC信息，進(jìn)行正射校正時需要選擇相應(yīng)RPC文件，可以使用全色影像的PRC信息進(jìn)行補(bǔ)充。

2.4　快速大氣校正

因提取綠地信息所需精度不用太高，故本文使用大氣校正擴(kuò)展模塊中的快速大氣校正工具(QUick Atmospheric Correction)，可以提高NDVI和光譜屬性值的精度，還可以消除部分大氣影響。完成大氣校正后定位到綠地并分別打開大氣校正前后的光譜曲線，發(fā)現(xiàn)校正后的光譜曲線更為真實，如圖3所示。

圖3　快速大氣校正前后綠地波譜曲線對比

3面向?qū)ο缶G地信息提取

綠地信息提取使用到特征提取(Feature Extraction，F(xiàn)X)這個擴(kuò)展模塊,ENVI5.1中該模塊含有3個工具：基于樣本選擇的特征提取、基于規(guī)則的特征提取與分割式特征提取。提取植被選用基于規(guī)則的特征提取(Rule Based Feature Extraction)。

歸一化植被指數(shù)(Normalized Difference Vegetation Index，NDVI)計算可以將多光譜數(shù)據(jù)變換成一個單獨(dú)的圖像波段，用于顯示植被分布。較高的NDVI值預(yù)示著包含較多的綠色植被。ENVI中的NDVI使用標(biāo)準(zhǔn)算法

NDVI值的范圍為-1～1[11]。

3.1　調(diào)整分割尺度與合并尺度

創(chuàng)建發(fā)現(xiàn)對象時，分割尺度越大則分割的塊越大，值越小則分割的塊越多，勾選預(yù)覽可實時預(yù)覽分割效果圖，根據(jù)提取地物的大小選擇適合的分割尺度。分割時，發(fā)現(xiàn)分割的對象相對零碎，使用合并尺度對其進(jìn)行合并，合并的值越大被合并的塊越多。通過預(yù)覽和經(jīng)驗調(diào)整分割尺度值為35，合并尺度值為60時效果較為理想。

3.2　建立規(guī)則

建立規(guī)則時需建立兩種規(guī)則，一種是把需要的地物提取出來，一種是把不需要的地物去掉。新打開一個ENVI工程文件并打開經(jīng)過處理過的研究區(qū)圖像，以RGB標(biāo)準(zhǔn)假彩色顯示波段使綠地植被顯示為紅色，利于目視解譯找綠地植被。使用ROI(感興趣區(qū)域)選擇感興趣區(qū)域時，可在研究區(qū)域各個地方，選擇一些長勢不太好的植被進(jìn)行標(biāo)注，注意在建筑物陰影中的植被(在圖像上顯示為近黑色但確定為植被)不要標(biāo)注，若選擇會使結(jié)果數(shù)值很小，失去研究意義，統(tǒng)計可得綠地對應(yīng)的NDVI的最小值為0.149 510。

回到FX模塊預(yù)覽窗口設(shè)置該值發(fā)現(xiàn)有部分顯示為紫色屋頂?shù)牡匚锉粍澐诌M(jìn)綠地里面，故再次建立一個AND的規(guī)則以去除紫色屋頂。新建感興趣類型，放大窗口可參考之前預(yù)覽時被錯分的地物目視選擇出一些覆蓋人造涂料的地物作為樣本，統(tǒng)計得出在綠地區(qū)域Band1的最大值與紫色屋頂?shù)淖钚≈祷窘咏?，? 281～1 381，如圖4所示。故使用<1 381作為剔除紫色屋頂?shù)拈撝?。再次預(yù)覽發(fā)現(xiàn)紫色屋頂被剔除。由此獲得比較理想的面向?qū)ο蠓诸愐?guī)則[12]如下：

SegmentScaleLevel：35.0

MergeLevel：60.0

Refine：NoThresholding

AttributesComputed：

Spectral

BandRatio

QUAC(Orthorectified(Band4)：WV2_GS_OR_QUAC.dat) (658.8000)

QUAC(Orthorectified(Band5)：WV2_GS_OR_QUAC.dat) (832.5000)

Classification：Rule-Based

RuleSet:

bandratio> 0.1495

avgband_1 < 1381.0000

圖4　綠地樣本與非綠地樣本的統(tǒng)計結(jié)果

4結(jié)束語

本文介紹了一個完整的遙感工程在ENVI下的實現(xiàn)過程，包含高分辨率數(shù)據(jù)的處理、高分辨率信息提取流程的合理安排、ENVIFX模塊面向?qū)ο笮畔⑻崛〉葍?nèi)容。提取出綠地信息后，能以Shapefile格式輸出至ArcMAP中進(jìn)行矢量結(jié)果檢查與編輯、矢量數(shù)據(jù)拼接與裁剪及屬性賦值等操作，從而全面快速地掌握城市綠地總量與分布現(xiàn)狀，為綠地系統(tǒng)規(guī)劃與日常管理決策提供參考，對生態(tài)城市建設(shè)具有重要意義。

參考文獻(xiàn)：

[1]鄭光,田慶久,李明詩.基于ETM+遙感影像的南京市城市綠地的動態(tài)監(jiān)測[J].遙感信息，2005(5):22-24.

[2]車生泉,王洪輪.城市綠地研究綜述[J].上海交通大學(xué)學(xué)報,2001,49(3):230-234.

[3]楊莎莎，李永強(qiáng)，李框宇，等.基于車載LiDAR數(shù)據(jù)的單株樹提取[J].測繪工程，2014,23(8)：23-27.

[4]向晶，周紹光，陳超.基于改進(jìn)高斯混合模型的遙感影像道路提取[J].測繪工程，2014,23(3)：42-45.

[5]陳利,林輝,孫華.基于WorldView-2影像城市綠地信息提取研究[J].西北林學(xué)院學(xué)報，2014,29(1)：155-160.

[6]宋仁波，李文慧，王細(xì)元，等.基于雙張影像的城市建筑物高度提取方法[J].測繪工程，2014,23(9)：66-69.

[7]黃穎.基于遙感的城市綠地提取研究[J].西部探礦工程，2008(3)：64-66.

[8]王野.基于資源三號衛(wèi)星影像的城市綠地信息提取方法探討[J].測繪工程，2014,23(7)：65-67.

[9]賴志斌,夏曙東,承繼成.高分辨率遙感衛(wèi)星數(shù)據(jù)在城市生態(tài)環(huán)境評價中的應(yīng)用模型研究[J].地理科學(xué)進(jìn)展,2000,19(4)：359-365.

[10]楊寶龍,夏斌,馮里濤,等.QUICKBIRD影像在城市綠地提取中的應(yīng)用：以石家莊市為例[J].安徽農(nóng)業(yè)科學(xué),2009(3)：1220-1222.

[11]鄧書斌.ENVI遙感圖像處理方法[M].北京:科學(xué)出版社,2010：118-119.

[12]ENVI-IDL中國.專題：利用高分辨率圖像提取城市綠地信息[EB/OL].http://blog.sina.com.cn/s/blog_764b1e9d010105ny.html,2012-05-31.

[責(zé)任編輯：劉文霞]