基于FY3/MERSI数据提取并应用植被指数

王玉玺 郭珊珊

（郑州大学 水利与环境学院，河南 郑州 450001）

0 引言

植被指数（Vegetation Index简称VI）是依据植被与土壤背景的光谱特征，由波段反射率计算而来的量。常见的植被指数有比值植被指数（RVI）、归一化植被指数（NDVI）、大气阻抗植被指数（ARVI）、土壤调节植被指数（SAVI）、增强型植被指数（EVI）等。它们一定程度上有效地反映地表植被覆盖状况及植被生长状况，成为植被监测、生物量估算等工作的重要参数。随着高光谱遥感的发展，植被指数（VI）被广泛应用到农业、林业、生态环境、土地资源管理等领域。

我国遥感应用始于20世纪70年代，起初主要依托于国外的遥感信息源，如NOAA、MODIS、Landsat及SPOT等。而近年来，我国遥感卫星技术发展迅速，尤其是新一代极轨气象卫星——风云三号（FY3）的成功发射，为环境监测等业务提供了可达250m分辨率的可见光和红外波段资料。实践证明，FY3上携带的中分辨率光谱成像仪MERSI实用价值高，不逊色于国外同类卫星，在国内农林、生态、环境等多领域的地位也将逐渐凸显。

1 几种常用植被指数的定义与特点

根据植被在红光波段与近红外波段反射率存在较大差异这一显著特点，植被指数的计算主要采用红光波段(R)及近红外波段(NIR)两个通道。然而，由于遥感影像各波段反射率将受到大气、云影、太阳高度角、地形、土壤背景及星载仪器本身等条件的影响，为了提高植被指数的计算精度、满足相关研究的要求，多种植被指数被相继提出。下面将常用的几种植被指数的计算公式与特点列举如下：

1.1 比值植被指数（RVI）

比值植被指数受大气影响大，但可基本忽略土壤含水量的影响。它适宜于植被生长高度旺盛并具有高覆盖度时的植被监测[1]。

1.2 归一化植被指数（NDVI）

由于归一化植被指数可以较有效地消除部分辐射误差，其反演产品往往表现出较好的一致性，是目前应用最广的一种植被指数。但NDVI对高植被区具有较低的灵敏度。

1.3 大气阻抗植被指数（ARVI）

上式中，B代表蓝光波段反射率（以下不再赘述），常系数由该指数提出者推荐的大气修正参数取值而得。

ARVI是NDVI的改进，它使用蓝色波段矫正大气散射的影响（如气溶胶），ARVI常用于大气气溶胶浓度很高的区域，如烟尘污染的热带地区或原始刀耕火种地区[2]。

1.4 土壤调节植被指数（SAVI）

上式中，常系数由该指数提出者推荐的土壤修正参数取值而得。

SAVI可以修正NDVI对土壤背景的敏感。

1.5 增强型植被指数（EVI）

上式中，常系数由该指数提出者推荐的背景调节参数和大气修正参数取值而得。

增强型植被指数可以同时订正大气及土壤背景的影响。

2 与植被指数相关的FY3/MERSI通道

FY3/MERSI与国外EOS/MODIS属于同类卫星，在光谱、空间和时间分辨率上具有相似性，同样在大尺度遥感监测等方面具有很大潜力。FY3/MERSI的光谱范围为 0.41-12.5μm，包含20个通道，其中可见光（蓝、绿、红）及近红外四个通道与植被指数相关，现将其参数依次列出。

表1 与植被指数相关的MERSI通道

3 利用ENVI软件提取植被指数

ENVI是目前最常用的遥感图像处理软件之一，ENVI软件中Transform菜单下有NDVI计算功能，但是仅针对TM、SPOT等少数几个国外卫星影像，也无法用于其它植被指数的计算，有一定局限性。在此，笔者提供一种通用的在多光谱影像上提取各种植被指数的方法，即利用ENVI软件的Basic Tools中的Band Math功能。下面以一张经过预处理的2012年5月4日河南省鹤壁市的MERSI影像为例，说明操作步骤：

①提取前，先要明确所需植被指数的数学公式，并找出公式中各波段对应的MERSI数据通道序号，如提取EVI就要用到通道1（蓝光波段）、通道3（红光波段）及通道4（近红外波段）。②启动ENVI软件，打开本地的图像文件③单击菜单栏中Basic Tools，选择 Band Math，在弹出的页面中 “Enter an Expression”下输入某植被指数的计算公式，单击ok完成。为了输入方便，可用简单的参数来表示波段反射率，如b1、b3、b4分别表示蓝光、红光、近红外波段反射率，数字对应通道序号。输入公式需要特别注意两点:波段反射率应定义为浮点型（float）；常系数也必须转化为浮点型，如计算EVI应输入“2.5*(float(b4)-b3)/(b4+6.0*b3-7.5*b1+1.0)”。 ④在 Variables to Band Pairings对话框中选取相应波段为参数b1、b3、b4定义。⑤选择输出图像路径，单击OK完成。

图1-4为从鹤壁市MERSI影像中分别提取NDVI、ARVI、SAVI、EVI后的影像，四幅影像间存在些微差别。

图1 NDVI

图2 ARVI

图3 SAVI

图4 EVI

4 植被指数的应用

4.1 在农业方面的应用

农业是立国之本，作物生长监测、科学估产、农业灾害评估等都是科学家不断探索的课题，而植被指数往往作为重要的数据参数应用其中。由植被指数反演叶面积指数(LAI)，定量分析地球生态系统能量交换特性，可用于农作物产量预估和病虫害评价。由于MERSI光谱分辨率、空间分辨率良好，充分利用FY3/MERSI数据进行LAI反演具有极强的应用价值和推广潜力。此外，植被指数也可用于干旱、冻害监测，收集历史干旱、冻害时期的植被指数与土壤含水量、气温等相关信息，建立监测模型。

4.2 在生态环境方面的应用

植被指数是植物生长状态和植被空间分布密度的衡量指标之一，在生态环境方面应用颇广。如NDVI对火灾后冠群盖度的变化敏感，能增强植被与其非绿色背景之间的反差[1]，常用于森林火灾监测；由植被指数等反演的植被覆盖度是水土流失等生态问题的主要因素，是描述生态系统结构与功能的重要遥感基础数据。在环保理念被广泛认同、遥感等新兴技术迅猛发展的今天，“因地制宜、合理规划”应该被履行得更好，这就要求我们必须借助科学手段进行调查分析，进而构建生态工程。

4.3 在土地资源管理方面的应用

经济的快速发展，为就业等众多社会问题带来了良好契机，然而也带来了诸如耕地等各类地块向建设用地转化的必然问题。土地资源调查、土地开发整理成为迫在眉睫的事情。借助植被指数的变化，可以研究退耕还林（草）等一系列土地资源变更的问题。植被指数与土壤质量的相关性又使其可以作为土壤评价的指标之一，为土地开发整理提供辅助信息。结合地理信息系统（GIS）的空间分析功能与可视化功能，建立土地动态监测系统或搭建土地整理决策支持平台，为国土资源局等相关部门土地复垦项目的验收等工作提供帮助[4]。

[1]邱庆伦,赵鸿燕,郭剑,等.遥感植被指数在农业生态环境监测中的应用[J].农机化研究,2004,11(6):215-217

[2]杨军,董超华,卢乃锰,等.中国新一代极轨气象卫星——风云三号[J].气象学报,2009,67(4):501-509