浅析遥感影像植被信息提取方法

张宗海

摘 要：植被信息对于遥感影像的人工或自动解译都是非常重要的特征量。文章对比了三种主要的植被指数（Vegetation Index，VI），包括归一化差分植被指数（Normalized Differential Vegetation Index，NDVI），增强植被指数（Enhanced Vegetation Index，EVI），以及归一化差分枯黄植被指数（Normalized Differential Scenescent Vegetation Index，NDSVI）。利用EO-1卫星的改进型陆地成像仪（Advanced Land Imager，ALI）所获取的多光谱影像数据进行了植被提取实验，说明了三种VI可以较好地反应植被信息。

关键词：遥感影像；植被指数；提取方法

1 概述

在众多的遥感影像解译算法与应用中，植被信息被当做是非常重要的特征变量。在基于遥感的陆地变化监测中，植被的季节或年际变化一般具有较为典型的特征，为遥感影像解译人员提供了十分关键的陆地类别判定依据。

例如，在农业遥感监测中，不同植被指数（Vegetation Index，VI）的差异为各种作物的区分提供了重要的支持。不同VI对于不同种类的作物也存在不一样的区分效果，而搞清这些区分效果上的差异对于提高农业遥感的精度具有非常最重要的意义。另外，森林或草原的遥感监测也十分重视VI信息的提取。一些草原退化方面的研究，都是依靠对比VI的变化来确定草原生态系统的变化规律。

根据上文，可见VI信息的提取是非常重要的。文章浅析了三种常用VI的提取计算方法，并利用EO-1改进型光谱成像仪（Advanced Land Imager，ALI）的影像数据进行了VI提取实验，以分析三种VI的差异。

2 三种植被指数的计算方法

归一化差分植被指数（Normalized Differential Vegetation Index，NDVI）是十分常用的一种VI，它考虑了红光波段（650nm）与近红外波段（790nm）光谱反射率的信息，其计算式为：

其中ρ表示光谱反射率，脚标NIR表示近红外波段、R表示红光波段。

增强植被指数（Enhanced Vegetation Index，EVI）的计算更加复杂，因为它在计算中考虑了土壤和大气对植被光谱的影响。其计算式如下：

由上式可见，除了近红外与红光波段，EVI的计算还考虑了蓝色波段；（2）式中L是土壤调节系数，其作用是减少土壤对植被的影响，一般被设置为1.0；C1和C2是气溶胶校正系数，在经验上被设置为6.0和7.5。G是增益系数，很多文献都将其设置为2.0。

归一化差分枯黄植被指数（Normalized Differential Scenescent Vegetation Index，NDSVI）的计算考虑了短波近红外波段的光谱信息，它主要可以反映植被的含水量信息，因此能够再一定程度上表示植被的枯萎情况。其计算式为：

其中脚标SWIR1表示短波近红外波段1（1600nm）。

3 植被信息提取实验

为了对比三种VI对于植被覆盖信息的反映效果，文章采用了一种中高地面分辨率的遥感影像数据——EO-1改进型陆地成像仪（Advanced Land Imager，ALI）。该遥感卫星于2000年升空，它的各项参数与著名的Landsat7遥感卫星相似。美国地质调查局（USGS）官网提供了EO-1 ALI影像数据的免费下载，因此用户能够以低成本实现ALI影像的应用。

文章实验的ALI影像覆盖内蒙古巴彦淖尔盟地区，该区是内蒙古重要的商品粮油基地。图1a显示了该区五原县的假彩色合成影像（R：近红外波段；G：红光波段；B：绿光波段），影像获取时间为2013年7月20日，当时正是该区小麦接近成熟的时期，因此大部分田地呈现出较高的植被覆盖。

图1b、c、d分别显示了三种VI的提取结果。由图可见，NDVI的效果较好，因为大部分田地都具有较高的数值；而EVI中一些道路也呈现较高的指数；NDSVI的效果与NDVI相差较小。

4 结束语

文章列出了三种常用的植被指数（Vegetation Index，VI）的提取方法，并利用一种中高分辨率的光学遥感影像数据进行了VI提取对比，结果发现NDVI的提取效果较好，而EVI的效果较差，这可能是由于EVI计算式中的参数设置具有区域性，按照默认的设置方法难以符合内蒙古巴盟地区的情况。