基于 ENVI 的高分辨率遥感影像城市绿地信息提取研究

基于ENVI的高分辨率遥感影像城市绿地信息提取研究

陈阳，赵俊三，陈应跃

(昆明理工大学国土资源工程学院，云南昆明650033)

摘要：近年来众多高分辨率遥感卫星的发射为城市绿地信息提取提供了高效的手段，如何充分利用高分辨率遥感影像对现代城市进行规划和生态环境评价具有重要意义。文中介绍一个完整的遥感工程在ENVI下的实现过程，包含高分辨率数据的处理、高分辨率信息提取流程的合理安排、FX模块面向对象信息提取等内容，可全面快速掌握城市绿地总量与分布现状，为绿地系统规划与日常管理决策提供参考，对生态城市建设具有重要意义。

关键词：城市绿地；WorldView；信息提取；ENVI

中图分类号：TP75文献标志码：A

收稿日期：2014-11-09

基金项目：国家自然科学基金资助项目(41161062)

作者简介：陈阳(1989-)，男，硕士研究生.

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

城市绿地作为城市中唯一有生命的基础设施，在改善城市生态环境和人居环境方面起着积极的作用[1]，它是城市的氧源，更是电磁辐射、噪音及有害气体的良好吸收体[2-4]，在城市生态平衡中扮演着重要的角色，准确掌握其分布结构及变化规律，预测其发展走向，对于维护区域生态平衡，保护城市生态环境具有不可忽视的作用[5-6]。城市绿地的规划须先立足于对城市绿地现状的了解，传统的绿地调查采取实地测量与统计相结合的方法，它效率低下而且统计结果受人为影响。随着遥感技术的发展，近年来众多高分辨率遥感卫星的发射为城市绿地信息提取提供了高效的手段，如何充分利用高分辨率遥感影像对进行现代城市规划和生态环境评价具有重要意义[7-8]。

高分辨率遥感技术为城市生态环境的监测方法和评价指标的改进提供了有力的支持。获得的城市绿地覆盖信息与其他资料结合可以进行城市绿地空间分布分析评价，为合理进行城市绿地规划提供决策支持[9]。高分辨率遥感技术具有很多特点：多传感器提供高分辨率全色波段及多光谱数据，通过图像融合方法，可以得到色彩信息丰富的高分辨率光谱数据；卫星控制技术，可使重访周期控制在数天以内；使地物内部组成要素更丰富，能更好反映空间信息、地物尺寸形状、地物之间的关系。WorldView-II卫星是Digitalglobe公司于2009年10月6日发射升空，运行在770 km高的太阳同步轨道上的高分辨率商业遥感卫星，它能够为世界各地的商业用户提供满足其需要的高性能图像产品。WorldView-II在空间分辨率(0.5 m)，多光谱成像(1个全色通道、8个多光谱通道)、侧摆速度、扫描宽度等方面具有显著的优势，能够满足更广领域的遥感用户，为其提供更好的遥感信息源服务，在数字城市建设、自然资源的管理和监控、自然灾害的评估及精细农业等领域中具有应用潜力[10]。

本文介绍了使用ENVI遥感图像处理软件，采用WorldView-2高分辨率遥感影像，对城市绿地信息提取的方法，其技术路线如图1所示。

图1　技术路线

1实验数据

本文选择成像时间为夏季，植被长势较好的WorldView-2含RPC信息的LV2A级数据，该数据包括0.5 m分辨率的全色影像和1.8 m分辨率的多光谱影像。其中多光谱影像包含8个波段，除含有蓝、绿、红、近红4个业内标准波段外，还含有海岸、黄、红边、近红4个彩色波段，增加的波段信息为用户提供进行精确变化检测和制图的能力，其中非可见光近红外波段，波长较长，受大气影响较小。因红和近红外波段是对绿地敏感的波段，为了提高工作效率，故本文在图像分类时仅选择4个业内标准波段参与图像分割。

2数据预处理

2.1　图像融合

将高空间分辨率的全色影像与多光谱数据进行融合处理，使融合后的影像既保留多光谱特征又拥有较高的空间分辨率，如图2所示。ENVI中的融合方法有HIS变换、Brovey变换、乘积运算、PCA变换和Gram-Schmidt，融合方法的选用十分重要，不同方法有不同的适用范围，同样的融合方法应用在不同影像中所得结果也往往不一样。本文选择适于最新高空间分辨率影像的Gram-Schmidt方法，改进了PCA中信息过分集中的问题，而且不受波段限制，可以较好地保持影像的纹理和光谱信息。

图2　融合后图像与多光谱图像对比

在ENVI中分别打开WorldView-2多光谱图像和全色图像，选择Gram-Schmidt Pan Sharpening，选择适当的空间裁剪及波谱裁剪然后进入融合参数面板，该面板会自动识别其传感器类型，重采样方法选择精度最高的三次卷积。

2.2　自定义坐标系

为避免坐标来回转换时产生较大误差，应首先统一控制点和输出正射校正图像的坐标系。本文因DOM数据为北京54坐标系，所以统一坐标系为北京54坐标系。该步骤在ENVI Classic中进行，从网上获取北京54坐标系相应投影、基准面、中央经线长度比等参数，将其添加至软件中并保存。

2.3　正射校正

在卫星影像和航空影像中会有一些几何误差，主要由比例尺变化、传感器姿态的变化、传感器的系统误差引起。对于分辨率较高且具有RPC信息的图像可以用正射校正的方法完成几何校正以消除这些误差达到更高的精度要求。在本文中，采取GCP+RPC+DEM的方法完成正射校正，其中GCP控制点从参考图像DOM中选择。

首先将参考图像DOM和DEM数据进行绑定，这样可以在DOM上获取x,y及该点的高程值。在选控制点时，不能选择建筑物的顶点，因为传感器若有倾斜角度，建筑物顶点将会偏移，所以确保选点时选择地面上的控制点。选好同名点(链接点)后，在参考图像中右键选择像元位置，可将参数导出至控制点选择面板并添加点。添加点完成之后可查询控制点的误差，若太大可进行删点重选。因图像融合时丢失了RPC信息，进行正射校正时需要选择相应RPC文件，可以使用全色影像的PRC信息进行补充。

2.4　快速大气校正

因提取绿地信息所需精度不用太高，故本文使用大气校正扩展模块中的快速大气校正工具(QUick Atmospheric Correction)，可以提高NDVI和光谱属性值的精度，还可以消除部分大气影响。完成大气校正后定位到绿地并分别打开大气校正前后的光谱曲线，发现校正后的光谱曲线更为真实，如图3所示。

图3　快速大气校正前后绿地波谱曲线对比

3面向对象绿地信息提取

绿地信息提取使用到特征提取(Feature Extraction，FX)这个扩展模块,ENVI5.1中该模块含有3个工具：基于样本选择的特征提取、基于规则的特征提取与分割式特征提取。提取植被选用基于规则的特征提取(Rule Based Feature Extraction)。

归一化植被指数(Normalized Difference Vegetation Index，NDVI)计算可以将多光谱数据变换成一个单独的图像波段，用于显示植被分布。较高的NDVI值预示着包含较多的绿色植被。ENVI中的NDVI使用标准算法

NDVI值的范围为-1～1[11]。

3.1　调整分割尺度与合并尺度

创建发现对象时，分割尺度越大则分割的块越大，值越小则分割的块越多，勾选预览可实时预览分割效果图，根据提取地物的大小选择适合的分割尺度。分割时，发现分割的对象相对零碎，使用合并尺度对其进行合并，合并的值越大被合并的块越多。通过预览和经验调整分割尺度值为35，合并尺度值为60时效果较为理想。

3.2　建立规则

建立规则时需建立两种规则，一种是把需要的地物提取出来，一种是把不需要的地物去掉。新打开一个ENVI工程文件并打开经过处理过的研究区图像，以RGB标准假彩色显示波段使绿地植被显示为红色，利于目视解译找绿地植被。使用ROI(感兴趣区域)选择感兴趣区域时，可在研究区域各个地方，选择一些长势不太好的植被进行标注，注意在建筑物阴影中的植被(在图像上显示为近黑色但确定为植被)不要标注，若选择会使结果数值很小，失去研究意义，统计可得绿地对应的NDVI的最小值为0.149 510。

回到FX模块预览窗口设置该值发现有部分显示为紫色屋顶的地物被划分进绿地里面，故再次建立一个AND的规则以去除紫色屋顶。新建感兴趣类型，放大窗口可参考之前预览时被错分的地物目视选择出一些覆盖人造涂料的地物作为样本，统计得出在绿地区域Band1的最大值与紫色屋顶的最小值基本接近，为1 281～1 381，如图4所示。故使用<1 381作为剔除紫色屋顶的阈值。再次预览发现紫色屋顶被剔除。由此获得比较理想的面向对象分类规则[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

图4　绿地样本与非绿地样本的统计结果

4结束语

本文介绍了一个完整的遥感工程在ENVI下的实现过程，包含高分辨率数据的处理、高分辨率信息提取流程的合理安排、ENVIFX模块面向对象信息提取等内容。提取出绿地信息后，能以Shapefile格式输出至ArcMAP中进行矢量结果检查与编辑、矢量数据拼接与裁剪及属性赋值等操作，从而全面快速地掌握城市绿地总量与分布现状，为绿地系统规划与日常管理决策提供参考，对生态城市建设具有重要意义。

参考文献：

[1]郑光,田庆久,李明诗.基于ETM+遥感影像的南京市城市绿地的动态监测[J].遥感信息，2005(5):22-24.

[2]车生泉,王洪轮.城市绿地研究综述[J].上海交通大学学报,2001,49(3):230-234.

[3]杨莎莎，李永强，李框宇，等.基于车载LiDAR数据的单株树提取[J].测绘工程，2014,23(8)：23-27.

[4]向晶，周绍光，陈超.基于改进高斯混合模型的遥感影像道路提取[J].测绘工程，2014,23(3)：42-45.

[5]陈利,林辉,孙华.基于WorldView-2影像城市绿地信息提取研究[J].西北林学院学报，2014,29(1)：155-160.

[6]宋仁波，李文慧，王细元，等.基于双张影像的城市建筑物高度提取方法[J].测绘工程，2014,23(9)：66-69.

[7]黄颖.基于遥感的城市绿地提取研究[J].西部探矿工程，2008(3)：64-66.

[8]王野.基于资源三号卫星影像的城市绿地信息提取方法探讨[J].测绘工程，2014,23(7)：65-67.

[9]赖志斌,夏曙东,承继成.高分辨率遥感卫星数据在城市生态环境评价中的应用模型研究[J].地理科学进展,2000,19(4)：359-365.

[10]杨宝龙,夏斌,冯里涛,等.QUICKBIRD影像在城市绿地提取中的应用：以石家庄市为例[J].安徽农业科学,2009(3)：1220-1222.

[11]邓书斌.ENVI遥感图像处理方法[M].北京:科学出版社,2010：118-119.

[12]ENVI-IDL中国.专题：利用高分辨率图像提取城市绿地信息[EB/OL].http://blog.sina.com.cn/s/blog_764b1e9d010105ny.html,2012-05-31.

[责任编辑：刘文霞]