张风霖 缑变彩 李靖琳

(武汉科技大学城市学院，湖北 武汉 430083)

·测量·

Landsat7 ETM+与Landsat8 OLI植被和非植被定量研究

张风霖 缑变彩 李靖琳

(武汉科技大学城市学院，湖北 武汉 430083)

选取遥感Landsat7 ETM+和Landsat8 OLI的同一地区、近同一时间的卫星影像，利用Envi5.0，Arcgis10.0等软件，定量的提取了两景图像的植被、非植被信息，比较得出：Landsat8 OLI比Landsat7 ETM+收窄了全色波段的宽度，植被和非植被在全色图像上反差加大，Landsat8 OLI在近红外波段排除了0.825 μm处水汽吸收的影像，在进行NDVI植被提取时，具有更高的准确度。

Landsat8，NDVI，波段组合，OLI，植被

0 引言

2013年2月11号，由美国航空航天局和美国地质调查局联合研制的Landsat8卫星成功发射，携带两个主要载荷：OLI(运行陆地成像仪)和TIRS(热红外传感器)。Landsat8的设计和特征与Landsat7基本相同，但采用了更为先进的技术，性能和可靠性都有所提高[1]。本研究选取Landsat7 ETM+与Landsat8 OLI同一地区、接近同一时间的两景数据，利用Arcgis10.0，ENVI5.0软件，进行了植被与非植被的定量分析对比。

1 研究区概况及数据源

数据来源于中国科学院计算机网络信息中心——科学数据中心。

选取时间最接近的同一地区的两景影像；能够代表植被生长状况、覆盖情况等各生物物理特征一般是在6月～9月，数据选取见表1。约位于湖北省孝感市东南部区域，东西11 040 m，南北8 730 m。

表1 遥感数据基本情况

从图1和图2可以看出，Landsat7的数据植被区和建筑用地、裸地的亮度较接近，很难将植被和非植被区分开来；而Landsat8的植被区较暗，城镇、裸地、道路的亮度较高，很容易从目视判读的角度区分开。这是由于Landsat8的OLI的全色波长范围是在0.50 μm～0.68 μm，不包括近红外波段的光谱，从而有利于植被和非植被的区分。

2 数据预处理

Landsat7和Landsat8得到的数据为Level1T级别，是经过系统辐射校正和几何校正，所以一般情况下可以直接使用而不需要几何校正。本研究图像直接进行辐射校正。大气会对阳光和来自目标的辐射产生吸收和散射，消除大气的影响是非常重要的。采用基于辐射传输方程的大气校正——MORTARN模型，具有较高的辐射校正精度[2]。

3 植被信息提取

3.1 NDVI计算

植被指数中，归一化植被指数NDVI对植被监测灵敏度较高，在一定程度上能消除地形和群落结构的阴影、辐射干扰及太阳高度角和大气所带来的噪声。通常用NDVI来进行植被覆盖度研究[3]。

NDVI=(NIR-R)/(NIR+R)。

其中，NIR为近红外波段；R为红波段。

对于Landsat7的ETM+：

NDVI=(B4-B3)/(B4+B3)。

特别地，对于Landsat8的OLI：

NDVI=(B5-B4)/(B5+B4)。

计算图像的NDVI值，植被的正常范围是在0～1之间。但由于地面的阴影以及图像边缘的切割等因素，会出现不在此范围之内的异常值。可用ENVI中的Band Math创建掩膜，将异常值去除。

3.2 PCA变换

图像各波段之间通常是相关的，通过主成分分析可以去除波段间的多余信息。通过统计分析，本例中Landsat7 第一主分量PC1信息量占到约79%，而Landsat8第一主分量PC1占到67%。

3.3 波段组合

采用监督法分类中的最大似然分类。此法最重要的就是植被样本的选择，采用波段组合方法来提取。

样本要易于将植被从地物中提取出来，要选择相应的波段进行假彩色合成。方法一般有两种：

1)采用信息论及数学方法，以组合三波段标准差之和最大以及波段间的相关系数最小为依据；

2)从视觉效果和假彩色合成[4]。采用两种方法相结合的方法，将PCA得到的第一分量PC1作为红波段，NDVI作为绿波段、Band1作为蓝波段进行假彩色合成，如图3和图4所示。

从图3，图4可以看到，植被区域在假彩色合成后颜色均匀一致，有利于样本选择。在Landsat8的假彩色合成图上，植被与水体、道路、裸地、建筑等用地更加明显，主要是由于NDVI在进行计算时，利用了近红外波段，Landsat7 ETM+的近红外波段Band4，范围为0.77 μm～0.90 μm，而Landsat8 OLI的近红外波段Band5，范围调整为0.845 μm～0.885 μm，排除了0.825 μm处水汽的影响，植被提取更加容易。

3.4 最大似然分类

在假彩色合成的图上，以多光谱和全色采用Gram-Schmidt融合之后的15 m的图像为参考底图，进行监督分类，将植被和非植被提取出来，导入到Arcgis中，结果见表2。

表2 Landsat7和Landsat8植被与非植被对比

4 结论与讨论

1)Landsat8 OLI图像较之Landsat7 ETM+图像，全色波段的收窄，更容易将植被和非植被区分开来。

2)ETM+数据是2013年8月8日，OLI是2013年7月31日，接近夏季植被越好，但通过定量的方法提取植被，OLI的植被反而比ETM+提高12.823%。到地面实况进行的真实性调查，发现在植被提高的12.823%的数据中，约有1/5是非植被。但仍说明Landsat8传感器设计等各方面性能有了改进和提高，相对于Landsat7对植被的监测准确度有了一定的提高。

3)只采用了监督法分类中的最大似然分类法进行比较，因此对观测数据要求较高；只选取了湖北省某一地区为研究对象来研究，具有一定的局限性，其他地区情况，值得进一步分析研究。

[1] Xu HQ,Tang F..Analysis of new characteristics of the first Landsat8 image and their eco-environmental significance[J].Acta Ecologica Sinica,2013,33(11):3249-3257.

[2] 孙家抦.遥感原理与应用[M].第3版.武汉:武汉大学出版社,2013.

[3] Myneni RB.,Keeling C.D.,Tucker C.J.,et al.Increased plantgrowth in the northern high latitudes from 1981 to 1991[J].Nature,1997(386):698-702.

[4] 邓书斌.ENVI遥感图像处理方法[M].北京:科学出版社,2013.

Quantitative study of vegetation and non-vegetation Landsat7 ETM+with Landsat8 OLI

ZHANG Feng-lin GOU Bian-cai LI Jing-lin

(FacultyofUrbanConstruction,WuhanUniversityofScienceandTechnology,Wuhan430083,China)

Select Landsat7 ETM+remote sensing and Landsat8 OLI the same area, satellite images of nearly the same time, the use of Envi5.0, Arcgis10.0 software, extracted vegetation, non-vegetation information. Compare the results: Landsat8 OLI panchromatic than Landsat7 ETM+narrowed width, making vegetation and non-vegetation contrasts increase in full-color images, easier to distinguish, due to Landsat8 OLI had ruled out the near-infrared water vapor absorption at 0.825 μm, images can extract with higher vegetation accuracy use of NDVI.

Landsat8， NDVI， band combination， OLI， vegetation

1009-6825(2014)11-0240-02

2014-01-25

张风霖(1986- )，女，助教； 缑变彩(1986- )，女，助教； 李靖琳(1985- )，女，助教

P208

A