基于哨兵2可見(jiàn)光波段的喀斯特地區(qū)植被提取方法

1、基于哨兵2可見(jiàn)光波段的喀斯特地區(qū)植被提取方法摘要：為了從可見(jiàn)光波段準(zhǔn)確的提取植被信息，研究喀斯特地貌植被在可見(jiàn)光范圍內(nèi)的相關(guān)特征，利用哨兵2影 像可見(jiàn)光波段，建立紅、綠、藍(lán)3個(gè)波段的波譜空間特征。結(jié)果表明：植被光譜在藍(lán)-綠的空間比值特征與其 他地物存在可分離性，而且植被的亮度值在3個(gè)可見(jiàn)光內(nèi)都相對(duì)較低。提取的植被結(jié)果與歸一化差異植被指數(shù) （NDVI）、過(guò)綠指數(shù)（EXG）、超綠超紅差異指數(shù)（EXGR）、植被指數(shù)（VEG）、可見(jiàn)光波段差異指數(shù)（VDVI）、 歸一化綠紅差異指數(shù)（NGRDI）和歸一化綠藍(lán)差異指數(shù)（NGBDI）對(duì)比，其精度達(dá)到92.67%，優(yōu)于其他可見(jiàn)光 提取方法，表明該方法在可見(jiàn)光波

2、段對(duì)喀斯特地區(qū)植被提取的有效性。關(guān)鍵詞：可見(jiàn)光波段;植被提取;喀斯特地貌;植被指數(shù);哨兵2影像Study on Vegetation Extraction Method in KarstAreas Based on Visible Light Band of Sentinel 2Abstract: In order to accurately extract vegetation information from visible band, study the characteristics of Karst vegetation in the visible light range and

3、use the visible light band of the Sentinel 2 image, the spatial characteristics of the three bands of red, green and blue are created. The results showed that the spatial ratio characteristics of vegetation spectrum in blue-green are separable from other ground features and the brightness value of t

4、he vegetation is relatively low in the three visible lights. Comparing the extracted vegetation results with the normalized difference vegetation index, over-green index, ultra-green and ultra-red difference index, vegetation index, visible light band difference index, normalized greened difference

5、index, and normalized green-blue difference index, the study finds its precision is 92. 67% , which is superior to other visible light extraction methods. It shows that the method is effective for the extraction of vegetation in Karst areas in the visible light band.Key words： visible band , vegetat

6、ion extraction , Karst landform, vegetation index, Sentinel 2 image植被作為陸地表面主要的組成成分，其覆蓋度 通常是衡量生態(tài)環(huán)境健康狀態(tài)的重要參數(shù)。能準(zhǔn) 確快速地提取地表植被,對(duì)環(huán)境監(jiān)測(cè)和自然災(zāi)害的 防御有著很重要的意義。以遙感數(shù)據(jù)提取植被一 直以來(lái)都是熱點(diǎn)研究?jī)?nèi)容，學(xué)者們對(duì)此展開(kāi)大量研 究并提出很多不同方法，大體上可分多光譜和可見(jiàn) 光的波段組合運(yùn)算，其中，多光譜遙感的植被指數(shù)， 主要根據(jù)植被在可見(jiàn)光和近紅外波段的吸收與反 射規(guī)律進(jìn)行組合得出的公式，如Tucker等提出歸 一化差異植被指數(shù)(NDVI) ,NDVI消除大部分由地

7、形和大氣產(chǎn)生的相關(guān)影響，卻易受土壤及陰影等因 素干擾。對(duì)此Huete等提出的土壤調(diào)節(jié)植被指 數(shù)(SAVI)能很好地消除土壤干擾，高志海等血應(yīng)用 歸一化植被指數(shù)(NDVI)和土壤調(diào)節(jié)指數(shù)(SAVI)及 修正后的土壤調(diào)節(jié)指數(shù)(MSAVI),對(duì)TM影像植被 提取的結(jié)果，驗(yàn)證了土壤調(diào)節(jié)指數(shù)(SAVI)消除土壤 背景影像和適應(yīng)植被密度變化的能力更強(qiáng)。隨著 遙感技術(shù)的快速興起，眾多的植被指數(shù)被相繼提 出，如再歸一化植被指數(shù)(Renormalized Diffemce vegetation Index，RDVI)，轉(zhuǎn)換型植被指數(shù)(Transferrd Normalized Differnce vegetat

8、ion Index，TNDVI)，轉(zhuǎn)換 型土壤調(diào)整植被指數(shù)(Transfered Soil-Adjusted vegetation index，TSAVI)，新抗大氣影響植被指數(shù) (Infection Atmospherically Vegetation Index，IAVI)， 陸地植被指數(shù)(vegetation Index based on Universal Pattern Decomposition，VIUPD)等。可見(jiàn)光范圍內(nèi)的植被指數(shù)僅僅是利用紅、綠、 藍(lán)3個(gè)波段組合運(yùn)算的方法，如Gitelson等7利用 可見(jiàn)光綠波段反射率峰值和紅波段反射率下降特 征，提出歸一化綠紅差異指數(shù)(No

9、rmalized green - red difference inde-c，NGRDI)對(duì)小麥冠層的光譜特 性分析。Meyer等如提出歸一化綠藍(lán)差異指數(shù) (Normalized gre-en-blue difference index，NGBDI) 識(shí)別植物生物量與土壤和殘留背景的關(guān)系。 Woebbecke等11為了區(qū)分非植物背景中的植物材 料，對(duì)可見(jiàn)光波段坐標(biāo)的幾個(gè)指標(biāo)進(jìn)行了研究提 出超綠指數(shù)(Excess green index，EXG)，成功分離 了雜草和背景土壤等。可見(jiàn)光波段及其容易得到，遙感衛(wèi)星在獲取地 面信息時(shí)，可見(jiàn)光的分辨率通常要高于其他波段， 因此利用可見(jiàn)光波段提取地表地物可

10、以彌補(bǔ)多光 譜波段的不足。針對(duì)各種可見(jiàn)光波段提取植被的 方法，有關(guān)學(xué)者作了相應(yīng)的對(duì)比研究和驗(yàn)證分析， 得出不同植被指數(shù)實(shí)際應(yīng)用中受土壤、大氣、光照、 地形和應(yīng)用對(duì)象等外在因素的影響程度各有不同， 各種植被指數(shù)在都存著自身的優(yōu)勢(shì)和局限性M。 本文通過(guò)分析可見(jiàn)光紅、藍(lán)、綠波譜空間特性，發(fā)現(xiàn) 植被在可見(jiàn)光范圍內(nèi)的反射率較其他地物低，因此 設(shè)置各個(gè)波段植被DN值范圍作為植被閾值，并取3 個(gè)波段植被閾值的交集，可以粗略地剔除非植被信 息。而針對(duì)3個(gè)波段植被閾值內(nèi)包含的非植被信 息,經(jīng)過(guò)建立的綠-藍(lán)與紅-綠波段的空間比值線(xiàn) 性關(guān)系予以分離，實(shí)現(xiàn)植被的精確提取。最后對(duì)提 取的植被結(jié)果與歸一化差異植被指數(shù)(N

11、DVI)、過(guò)綠 指數(shù)(EXG)、超綠超紅差異指數(shù)(EXGR)、植被指數(shù) (VEG)、可見(jiàn)光波段差異指數(shù)(VDVI)、歸一化綠紅 差異指數(shù)(NGRDI)和歸一化綠藍(lán)差異指數(shù)(NGBDI) 等7種典型植被指數(shù)作對(duì)比，以驗(yàn)證本文方法 對(duì)喀斯特地貌植被提取的適用性。1研究區(qū)概況我國(guó)西南部喀斯特地貌以云貴高原為中心， 擁有豐富典型的喀斯特地形地貌，喀斯特地貌是 由于具有溶蝕力的水對(duì)可溶性巖石溶蝕作用形成 地表和地下形態(tài)的總稱(chēng)，地表受流水沖蝕、化學(xué)溶 蝕、潛蝕等自然作用，致使大量巖石以千奇百怪的 姿態(tài)裸露于地表，形成千溝萬(wàn)壑獨(dú)特的自然地 貌mi。衛(wèi)星在獲取其復(fù)雜的地形地貌時(shí)，受裸露巖 石和地形的影響,使得

12、遙感分析的復(fù)雜度和難度大于 其他非喀斯特地區(qū)。本文以貴陽(yáng)市為研究區(qū)域，貴陽(yáng) 處于云貴高原東部，貴州省中部(26。11 26。55 N, 106。07, 107。17, E),喀斯特地貌中心腹地，黔中隆 起與黔南凹陷的過(guò)渡帶，海拔約1 100m14，位于 長(zhǎng)江與珠江分水嶺地帶，烏江支流南明河上游,屬 于亞熱帶濕潤(rùn)季風(fēng)氣候15，年均氣溫15.30眼, 年均降水量1 174. 7mmm,城市森林覆蓋率 達(dá)37.4%班。2研究方法2.1數(shù)據(jù)來(lái)源所使用的哨兵2號(hào)影像數(shù)據(jù)從歐洲航天局 (https: / /scihub. copemicus. eu/)網(wǎng)站下載得到，哨 兵2號(hào)是高分辨率多光譜成像衛(wèi)星,高度

13、為786km, 寬幅為290 km,覆蓋13個(gè)光譜段，含蓋了可見(jiàn)光波 段、近紅外和中紅外波段，在紅邊范圍內(nèi)擁有3個(gè)波 段數(shù)據(jù)，地面分辨率有10,20，60m共3個(gè)等級(jí)，單 顆衛(wèi)星重訪周期為10 d,2顆衛(wèi)星互補(bǔ)周期為 5 d19o本文使用了 2020年5月18號(hào)哨兵2A衛(wèi) 星獲取的貴陽(yáng)影像數(shù)據(jù),5月份正是植被生長(zhǎng)較為 茂盛期，在影像上辨識(shí)度較高。影像數(shù)據(jù)中的烏當(dāng) 區(qū)和白云區(qū)云量較大，所以選取云巖區(qū)、南明區(qū)和 花溪區(qū)作為研究區(qū)域。2.2方法原理通過(guò)對(duì)哨兵2號(hào)影像數(shù)據(jù)的可見(jiàn)光波段建立波 譜空間特征分析,發(fā)現(xiàn)植被在可見(jiàn)光紅、綠、藍(lán)范圍 內(nèi)的反射率較其他地類(lèi)偏低，而且集中到1個(gè)閾值 內(nèi)，以各波段植被D

14、N值的范圍作為閾值，截取3個(gè) 波段植被閾值內(nèi)信息，得到的3幅圖層結(jié)果中，除植 被外還包含著其他低反射率非植被信息，由于不同 波段的植被閾值內(nèi)，非植被信息存在差異，取三者 交集即剔除了部分信息不一致的非植被。然后分 別建立紅-綠、紅-藍(lán)和藍(lán)-綠3種可見(jiàn)光比值散 點(diǎn)圖，并構(gòu)建地物的線(xiàn)性擬合方程，根據(jù)點(diǎn)到線(xiàn)的 距離求得擬合線(xiàn)附近的地物信息,在相同光譜比值 中，植被擬合線(xiàn)求得的植被信息減去混淆地物擬合 線(xiàn)求取的地物信息，再取不同光譜比值中得到結(jié)果 的交集，即可剔除剩余的非植被地物。很好地區(qū)分 植被閾值內(nèi)的植被與非植被地物。2.3實(shí)驗(yàn)數(shù)據(jù)選取哨兵2號(hào)影像是公開(kāi)免費(fèi)數(shù)據(jù),而且在所有公 開(kāi)影像數(shù)據(jù)中其空間分

15、辨率最高,使得該數(shù)據(jù)的應(yīng) 用具有極大的便利性。下載哨兵2號(hào)L2A級(jí)遙感 影像，該影像已經(jīng)過(guò)大氣校正反應(yīng)地表反光率，無(wú) 需再進(jìn)行校正處理，影像10,20,60m這3個(gè)等級(jí)的 空間分辨率都包含可見(jiàn)光波段，詳細(xì)波段數(shù)據(jù)如 表1所示。NDVI作為一種經(jīng)典的植被指數(shù)已被廣 泛應(yīng)用與不同影像場(chǎng)景中，其適用性和精確度也得 到了廣泛的認(rèn)可，本文以哨兵2號(hào),10m空間分辨率 NDVI提取的植被作為真實(shí)值，選取20m空間分辨 率的可見(jiàn)光波段作為實(shí)驗(yàn)數(shù)據(jù)進(jìn)行波段空間特性 研究。表1哨兵2A數(shù)據(jù)波譜信息Tab. 1 The spatial information of Sentinel 2A波段中心波長(zhǎng)/nm波段寬度

16、/nm空間分辨率/m備注2492. 4983559. 845104664. 6388832. 81455704. 1196740. 51820窄波段紅邊7782. 8288a864. 733111616. 714320122202. 42421442. 7279945. 12660101373. 575A地類(lèi)樣本選取把地物分為植被與非植被，根據(jù)影像上的地 物，把非植被劃分為火燒跡地、水體、裸地、高速路 面、紅色人工建筑、藍(lán)色人工建筑和其他城市建筑 等8種地類(lèi)，以每種地類(lèi)在影像上亮度、色彩和方位 的差異，分別選取380個(gè)樣本，以波段DN值升序排 列，分別建立紅、綠、藍(lán)光譜特征圖進(jìn)行分析，橫軸 代

17、表樣本排列序號(hào),縱軸代表波譜DN值，反映不同 地物在3種可見(jiàn)光波內(nèi)段DN值分布情況。3結(jié)果與分析1 光譜分析根據(jù)紅、綠、藍(lán)可見(jiàn)光波段建立的地物樣本光譜曲線(xiàn)圖,以植被光譜DN值的最大值和最小值作 植被閾值線(xiàn)，如圖1所示。如果某地物光譜曲線(xiàn)落 入植被閾值線(xiàn)內(nèi)的線(xiàn)段越長(zhǎng)，說(shuō)明該地物與植被在 此波段內(nèi)光譜混淆程度越大，在圖1( a)中，除裸土 光譜曲線(xiàn)在植被閾值線(xiàn)之外，其他地物光譜曲線(xiàn)均 在植被閾線(xiàn)內(nèi)有不同分布，其中水體和火燒跡地光 譜曲線(xiàn)幾乎完全被包括。在圖1 (b)中，裸土同樣沒(méi) 有落入植被閾值線(xiàn)內(nèi)，相比圖1( a)中植被閾值線(xiàn)內(nèi) 的地物光譜曲線(xiàn)分布情況，水體和火燒跡地有所減 少,而其他地物分布明

18、顯增多。在圖1 ( c)中，藍(lán)色 建筑和裸土在植被閾值線(xiàn)之外,相比圖1 ( a)中植被 閾值線(xiàn)內(nèi)的地物光譜曲線(xiàn)分布情況，紅色建筑增 多，高速和其他城市建筑減少，水體和火燒跡地的 分布量相當(dāng)。0000o o o o o 52 1爰a噩毒151101 151 201 251 301 351151101 151 201 251 301 351 像元序號(hào)(b)綠波光譜151 101151 201 251 像元序號(hào)(C)藍(lán)波光譜301 351像元序號(hào)(a)紅波光譜植被水體其他城市建筑裸土藍(lán)色建筑 火燒跡地紅色建筑高速 _ -闞值線(xiàn)圖1不同地物光譜空間特征曲線(xiàn)圖Fig. 1 Spectral spatia

19、l characteristic curves of different ground objects對(duì)地物樣本統(tǒng)計(jì)(表2)，植被的紅、綠、藍(lán)波段DN均值分別為450. 7,709. 79,402. 56，最大值分別 為852，1 016，651，最小值分別為300，469，288,均值和其他地物在同光譜內(nèi)差異比較大，紅波段和藍(lán)波 段的標(biāo)準(zhǔn)差均小于100,反應(yīng)這2個(gè)波段植被DN分 布比較集中。表2不同地物樣本紅綠藍(lán)波段DN值表Tab. 2 DN values of different ground object samples in red, green and blue bands地物名稱(chēng)紅

20、波段綠波段藍(lán)波段均值標(biāo)準(zhǔn)差植被閾值內(nèi) 像素比/%均值標(biāo)準(zhǔn)差植被閾值內(nèi) 像素比/%均值標(biāo)準(zhǔn)差植被閾值內(nèi) 像素比/%植被450. 7294. 87100. 00709. 79134. 97100. 00402. 5676. 68100. 00水體427. 74205. 6072. 63580. 57247. 2229. 21487. 56207. 9872. 10其他城市建筑1156.81354. 3619. 211358. 98435. 6833. 151156. 81354. 369. 73裸土2293. 95463. 4101871. 77437. 2801413. 10409. 541.

21、57藍(lán)色建筑1296. 93277. 435. 521407. 75322. 8811. 052274. 54298. 770. 26火燎跡地616. 6972. 6199. 47504. 6861. 68072. 1389. 6558. 9098. 15紅色建筑2088. 54714. 920. 261089. 97301. 9152. 89915. 82295. 2018. 42高速1052. 31174. 699. 211038. 19142. 6543. 42888. 84132. 882. 363.2植被閾值分析使用ENVI軟件提取紅、綠、藍(lán)波段植被閾值內(nèi) 信息，所得到的紅、綠、藍(lán)3

22、幅植被閾值圖層記作 A1,B1,C1,3幅圖層內(nèi)除植被外都混淆有其他地 物，已知各地物在不同光譜的植被閾值內(nèi)分布存在 差異，因此，對(duì)A1,B1,C1取交集，得到D1圖層就剔 除了 3種植被閾值內(nèi)存在差異信息的地物。截取影 像內(nèi)1個(gè)小區(qū)域?qū)Ρ确治?，如圖2( a)原始影像所 示,其左側(cè)色彩較亮的湖泊水面、右下方的紅色建 群、中偏上的裸土、右側(cè)和下側(cè)及中間的高速路面、 中偏下的藍(lán)色建筑、中下方和左上方的其他城市建 筑在10m分辨率的NDVI中都被較為完整地被分離 出去(圖2(b)。在紅波段中，其他城市建筑、藍(lán)色 建筑、紅色建筑和裸土都被較為完整地剔除，而高 速路面和水體混淆嚴(yán)重(圖2( d) ) %

23、在綠波段中， 藍(lán)色建筑、水體和裸土較好地被剔除，而城市其他 建筑、紅色建筑與高速路面混淆嚴(yán)重(圖2( e) ) % 在藍(lán)光波段中，水體、其他城市建筑、藍(lán)色建筑、裸 土和高速都被較好地剔除，而紅色建筑存在混淆 (圖2( f) ) %經(jīng)過(guò)取3個(gè)波點(diǎn)的交集得到的結(jié)果較 為完整地剔除了水體、高速路面和紅色建筑(圖2 (c)。(d)紅波段(e)綠波段(。藍(lán)波段注:彩色為提取植被，白色為非植被背景圖2各波段植被閾值結(jié)果對(duì)比分析圖Fig. 2 Comparison and analysis of vegetation threshold in different wave bands3. 3 光譜比值分析有

24、些顏色偏暗的地物在3種光譜植被閾值內(nèi)都 存在,無(wú)法通過(guò)取交集剔除，如圖3( a)紅楓湖片區(qū) 原始影像中央的湖泊水面和左上角的火燒跡地，在 10m分辨率NDVI圖3 ( b)中完全被剔除掉，而在 紅、綠、藍(lán)3波段的植被閾值交集圖圖3( c)中，湖泊 水面和火燒跡地都被保留了下來(lái)。圖3( d)建筑片 區(qū)原始影像中左側(cè)和中央有許多高層建筑和建筑 形成的陰影,及中偏右的一條河流，在10m分辨率 NDVI圖3( e)中高層建筑與其形成的陰影，以及河 流都被完全剔除掉了，而在紅、綠、藍(lán)3波段的植被 閾值交集圖圖3( f)中，高層建筑被剔除掉，高層建 筑形成的陰影和河流混淆在圖層里。3. 3.1地物光譜散點(diǎn)

25、對(duì)比分析為了進(jìn)一步得到精確的植被信息，對(duì)紅、綠、藍(lán)波 段植被閾值內(nèi)的光譜曲線(xiàn)進(jìn)行分析，分別建立紅- 綠、紅-藍(lán)、綠-藍(lán)3種光譜比值散點(diǎn)圖(圖4) %在 圖4( a)中，植被散點(diǎn)與紅色建筑散點(diǎn)有交集，植被散點(diǎn)與水體、火燒跡地散點(diǎn)距離非常近。圖4( b)中，植 被散點(diǎn)分布在火燒跡地與水體光散點(diǎn)之間，且與水體、 火燒跡地、高速、其他城市建筑散點(diǎn)邊緣都存在相交。 圖4( c)中，植被散點(diǎn)與水體散點(diǎn)交叉相錯(cuò)，與藍(lán)色建筑 和其他城市建筑散點(diǎn)也有素零星的重疊現(xiàn)象,但是與 火燒跡地光譜點(diǎn)有很明顯的差距。(a)紅楓湖片區(qū)原始影像(b)紅楓湖片區(qū)10m分辨率NDVI(c)紅楓湖片區(qū)植被閾值交集(d)建筑片區(qū)原始影

26、像(e)建筑片區(qū)10m分辨率NDVI(f)建筑片區(qū)植被閾值交集均=1.0763計(jì)75.293&2=0.71382=1.0125x4-51.588均=1.0763計(jì)75.293&2=0.71382=1.0125x4-51.5880L010002000藍(lán)波段DN值 高速 .紅色建筑.(a)綠-藍(lán)波段藍(lán)波段DN值裸土(b)紅-藍(lán)波段注:彩色為提取植被，白色為非植被背景。圖3未分離地物對(duì)比圖Fig. 3 Contrast map of unseparated terrain*2=0,6493x-5.2242=0.6799200030004000綠波段DN值被一地物擬合線(xiàn)(O紅-綠波段圖4各地物光譜比值

27、散點(diǎn)圖Fig. 4 Distribution of spectral dispersions3.3.2 方程構(gòu)建構(gòu)建各地物線(xiàn)性擬合方程線(xiàn)，根據(jù)點(diǎn)到直線(xiàn)的距離求得擬合線(xiàn)附近的散點(diǎn)，對(duì)于植被擬合線(xiàn)附近的非植被散點(diǎn)，可采取相減和取交集剔除。根據(jù)地物在不同光譜比值中的分布情況，綠-藍(lán)和紅-綠2種波譜比值相結(jié)合能夠有效剔除非植被信息。作圖4( a)中植被與水體、圖4( c)中植被與火燒跡地的擬合線(xiàn)方程，得到的方程參數(shù)，如表3所示。設(shè)方程式為=+ J,點(diǎn)到直線(xiàn)的距離公式：(1) 式中：$為點(diǎn)到擬合線(xiàn)的距離;Y為擬合線(xiàn)的斜率;J為擬合線(xiàn)的截距;=表示橫縱數(shù)值;表示縱軸 數(shù)值。以圖4( a)植被擬合線(xiàn)為例，綠

28、-藍(lán)比值散點(diǎn)圖橫縱為藍(lán)波段DN值，縱軸為綠波段DN值，將式中=和分別用對(duì)應(yīng)波段DN值替換可寫(xiě)成式?。篜 green(2)P green式中:Pblue為植被的藍(lán)波段DN值;Pgreen為植被 的綠波段DN值;k為植被擬合線(xiàn)的斜率;b為植被 擬合線(xiàn)的截距。當(dāng)$ =0時(shí),表示像素點(diǎn)在擬合線(xiàn) 上;當(dāng)$ 0時(shí)，表示空間的像素點(diǎn)在擬合線(xiàn)的右側(cè); 當(dāng)$ 0時(shí),表示空間像素點(diǎn)在擬合線(xiàn)的左側(cè)。以植被散點(diǎn)到植被擬合線(xiàn)中，最遠(yuǎn)的距離作 為植被點(diǎn)線(xiàn)閾值，以植被散點(diǎn)到非植被擬合線(xiàn)中， 最近的距離作為非植被點(diǎn)線(xiàn)閾值,對(duì)應(yīng)的結(jié)果和 點(diǎn)線(xiàn)閾值如表3所示，通過(guò)A2-B2和C2-D2，剔除 了相同光譜比值里，與植被混淆的部分地

29、物，再取 A2-B2和C2-D2的交集記為E2，E2剔除了相同光 譜比值里與植被混淆，而不同光譜比值間存在差 異的非植被地物，得到更精確的植被覆蓋信息。表3地物光譜比值的擬合線(xiàn)方程Tab. 3 QuasiPine equation of spectral ratio of ground objects光譜比值地類(lèi)斜率k值截距b值A(chǔ)值點(diǎn)線(xiàn)閾值計(jì)算結(jié)果綠比藍(lán)植被1. 4676101.030. 834(-138.3195,105. 8213)A2綠比藍(lán)水體1. 012551.5880. 8455(-39. 4251,67. 3981)B2紅比綠植被0. 6493.5.2240. 6799(-271.

30、 1123,171. 7994)C2紅比綠火燒跡地1. 076375. 2930. 7138(-97.6862,110. 3322)D23.4提取結(jié)果分析根據(jù)實(shí)驗(yàn)得到最終結(jié)果，截取1個(gè)區(qū)域分析。 如圖5( a)原始影像左下角有1塊火燒跡地，中偏左 是湖泊水面，中間分布有高層建筑及其形成的陰 影，中偏右有1條河流，右上方是城市集中建筑區(qū)。 在圖5( b)的10m分辨率NDVI提取結(jié)果里,火燒跡 地、湖泊水面、河流、高層建筑陰影、城市集中建筑都完整的剔除掉了。圖5( c)為植被閾值分析結(jié)果 和最終提取植被結(jié)果組合的圖層，紅色圖斑為植被 閾值分析結(jié)果里，混淆的非植被地物，綠色圖斑為 光譜比值分析結(jié)果

31、與植被閾值分析結(jié)果的交集，也 是實(shí)驗(yàn)最終提取的植被信息，通過(guò)對(duì)比圖5( b)與圖 5( c)綠色圖斑，兩者圖層吻合度非常高，說(shuō)明本方 法對(duì)喀斯特地區(qū)植被提取的精度高。(a)影像原圖(b) 10m分辨率NDVI(c)植被閾值與光譜比值結(jié)果組合注:彩色為提取植被，白色為非植被背景！圖5實(shí)驗(yàn)結(jié)果分析Fig. 5 Analysis of experimental results3.5不同植被指數(shù)分析為了驗(yàn)證本文方法對(duì)植被提取的有效性，將本 文得到的結(jié)果與歸一化差異植被指數(shù)(NDVI)、過(guò)綠 指數(shù)(EXG)、超綠超紅差異指數(shù)(EXGR)等7種典 型植被指數(shù)作對(duì)比,7種植被指數(shù)公式如表4所示。 對(duì)不同指數(shù)

32、提取的結(jié)果分析發(fā)現(xiàn),20m分辨率NDVI 把小部分藍(lán)色建筑錯(cuò)分成了植被，其他6個(gè)植被指 數(shù)方法都難以區(qū)分水體，其中BGBDI把裸土和紅色 建筑錯(cuò)分為植被概率比較高。截取1小區(qū)域分析, 如圖6所示，除了本文方法和NDVI植被指數(shù)分離 了圖6( a)影像原圖中的水體,其他方法提取結(jié)果都 存在水體被錯(cuò)分成植被情況，雖然圖6(j)中水體被 剔除了一部分，但是依然存留大量水體信息，而且 裸土被大量錯(cuò)分成植被。對(duì)以上植被指數(shù)方法分類(lèi)結(jié)果做精度評(píng)價(jià)，結(jié)果 如表5所示，本文方法提取植被總體精度達(dá)92. 67%，Kappa系數(shù)為0. 853 5 ,相同分辨率下，精度僅次于 NDVI提取方法。在可見(jiàn)光波段內(nèi)提取植

33、被的方法 中，精度最高。表4植被指數(shù)公式示Tab. 4 Vegetation index formula植被指數(shù)植被指數(shù)提取公式文獻(xiàn)提取方法方法中文全稱(chēng)NDVI歸一化差異植被指數(shù)(NIR - A) /( NIR + A3EXG過(guò)綠指數(shù)2g - + - J11EXGR超綠超紅差異指數(shù)EXG -1.4+ - g21VEG植被指數(shù)g/+0-67 J0-3322VDVI可見(jiàn)光波段差異指數(shù)(2G - R - 7) /(2G + R + 723 NGRDI歸一化綠紅差異指數(shù)(G - R) /( G + R)24 NGBDI歸一化綠藍(lán)差異指數(shù)(G - 7) /( G + 725注:A為紅光波段;G為綠光波段

34、;7為藍(lán)光波段技為紅光標(biāo)準(zhǔn)化 結(jié)果;4為綠光標(biāo)準(zhǔn)化結(jié)果;J為藍(lán)光標(biāo)準(zhǔn)化結(jié)果;D.A為近紅 外波段-(f) EXGR(g) VEG(h) VDVI(i) NGRDI(j) NGBDI注:紅色為提取植被，白色為非植被背景圖6不同植被指數(shù)方法提取結(jié)果對(duì)比Fig. 6 Comparison of different vegetation index extraction methods表5不同方法提取結(jié)果精度評(píng)價(jià)Tab. 5 Precision evaluation of different extraction methods植被指數(shù)提取方法總體精度/%生產(chǎn)精度/%用戶(hù)精度/%Kappa系數(shù)植被非植被植被非植被NDVI94. 1394. 5993.6793. 6394. 630. 8826EXG90.9996. 9385. 1486. 5196. 580. 8200EXGR92