基于遥感影像的不同植被指数比较研究

贺金兰+++张明月+++田尉霞

摘 要：以汶川地区的多光谱遥感影像Landsat 8 OLI为数据源，利用比值植被指数（RVI）、归一化植被指数（NDVI）、土壤调节植被指数（SAVI）、修正的土壤调节植被指数（MSAVI）4种植被指数和植被信号与土壤噪音之比（S/N）对研究区不同区域的植被进行比较研究，结果表明归一化植被指数与土壤调节植被指数适合该地区的实际情况。

关键词：遥感影像；植被指数；信噪比；比较研究

引言

现如今，遥感探测已成为植被研究的一个高效方法，植被指数是遥感领域中用来表征地表植被覆盖，生长状况的一个简单有效的度量参数。植被指数的定量测量可表明植被活力，它比单波段用来探测生物量有更好的灵敏性。随着遥感技术的发展，植被指数在环境、生态、农业等领域有了广泛的应用。目前为止，已经有许多植被指数被发现与研究，不同的植被指数有其不同的适用性，由于地理环境、植被覆盖度、植被生长状况等很多因素的影响，对于不同的地区，植被指数会有不同的敏感性。同理，在同一地区的不同区域植被指数也会有不同的体现。其次植被信号与土壤噪音之比是植被指数选择的一个重要因素，安培浚等从降低土壤背景的影响效果、探測植被覆盖度的能力、探测植被信息的能力三个方面，利用对比分析的方法做了西北干旱地区民勤绿洲的植被指数遥感定量研究；陈明华等利用同样的方法做了不同植被指数估算植被覆盖度的比较研究。基于此，在对研究区域了解有限的情况下，根据获取的遥感影像，观察植被的分布情况，把研究区分为5个感兴趣区域，然后再用植被指数与信噪比对植被指数的生长状况以及植被指数的选取进行对比研究。从而找出适合汶川地区植被研究的植被指数，为遥感监测该研究区的植被提供依据。

1 研究区概况

汶川县位于四川省西北部的阿坝州境东南部的岷江两岸，纬度坐标为北纬30°45′～31°43′与东经102°51′～103°44′之间。其总面积为408432.56公顷。汶川县气候随东南向西北地势上升，呈比较完整的垂直气候带。在2000米以下地区，年均气温13.5℃（北部）～14.1℃（南部），无霜期247～269天，雨量528.7～1332.2毫米，日照1693.9～1042.2小时，适宜各类动植物生长。

2 数据来源

本文研究区的数据来自2013年汶川县Landsat8OLI遥感影像图，利用ENVI5.1对遥感影像进行辐射定标、大气校正、拼接、裁剪，然后再色彩合成得到预处理之后的图像（图1）。

3 理论基础

3.1 比值植被指数

由于近红外波段与可见光红光波段对绿色植物的光谱响应有很大的不同，它们之间的比值可以反映出红光波段与近红外波段反射率之间的差异，其计算公式为：

RVI=Rn/Rr

Rn为近红外波段的反射率，Rr为红光波段的反射率，这里的近红外波段选取遥感影像的第5波段，红光波段选取遥感影像的第4波段。

3.2 归一化植被指数

归一化植被指数通过近红外波段与可见光红光波段数值之和除以这两个波段数值之差得到，计算公式为：

3.3 土壤调节植被指数

该植被指数是为了将土壤亮度对植被指数的影响减至最低，计算公式为：

3.4 修正的土壤调节植被指数

该植被指数将土壤背景影响进一步被减小，同时植被的敏感性得到增强，计算公式为：

3.5 植被信号-土壤噪音比

植被在未完全覆盖地表的状态下，部分红外光透过植被冠层时，经散射或透射到地表，发生复杂的土壤-植被相互作用，经反射到传感器中既有植被信息又有土壤背景信息，造成植被提取应用过程中形成误差。其计算公式为：

S/N=V/2？啄

4 实验分析

4.1 植被指数分析

该地区的研究图像收集于冬季，研究区里多高山，某些区域出现大量的雪，且植被分布不均，所以本文在整个研究区确定了5个感兴趣的区域（图2），然后在ENVI5.1中利用bandmath工具计算各个植被指数，统计出每个区域的植被指数值（表1）。

由于不同植被指数的取值范围不同，所以对表1的数据进行纵向比较，即对同一植被指数在不同区域的数值大小进行比较。比值植被指数的取值范围是：[0，30]，一般绿色植被区的范围是：[2，8]，从表1可以看出5个区域的比值植被指数都表现较好，每个区域都是由绿色健康植被覆盖，特别是区域2的比值植被指数表现最好；归一化植被指数的取值范围是[-1，1]，一般绿色植被区的范围是[0.2，0.8]，它是遥感估算值被覆盖度最常用的一个植被指数，从表1可以看出5个区域的植被覆盖度都较高；总的来说，区域4的各种植被指数都低于其余区域的植被指数值，这是由于该区域的植被分布不均且有较多的雪覆盖地面造成的。

4.2 信噪比分析

S/N表示在提取植被信息时，植被指数受土壤的影响程度。S/N越大，植被指数提取植被信息过程中受土壤影响的程度就越低。通过纵向比较，对于同一植被指数，区域1、区域3、区域5的信噪比较大，其受土壤影响程度较小，区域4的信噪比最小，则其受土壤的影响程度最大；通过横向比较，对于同一区域，SAVI与NDVI提取植被信息时受土壤影响程度较小，RVI提取植被信息时受土壤影响最大。

5 结论

由植被指数分析得出，该研究区的植被覆盖度较高，且该地区的植被都是绿色健康的；由信噪比分析得出，对于汶川地区的植被信息提取，归一化植被指数与土壤调节植被指数较其它的植被指数消除土壤影响的效果好；综合表1与表2的数据，在植被覆盖度较低的情况下，植被指数提取植被信息的效果较差，植被指数（NDVI）与土壤调节植被指数（SAVI）是较适合研究该区域的植被指数。在没有该研究区充分的实测数据的情况下，比较出适合该研究区的植被指数，这是一种高效简单的方法。

参考文献

[1]郭铌.植被指数及其研究进展[J].干旱气候，2003，21（4）：71-75.

[2]田庆久，闵祥军.植被指数研究进展[J].地球科学与进展，1998，13（4）：327-333.

[3]罗亚，徐建华，岳文泽.基于遥感影像的植被指数研究方法评述[J].生态科学，2005，24（1）：75-79.

[4]安培浚，刘树林，颉耀文，等.植被指数遥感定量研究-以民勤绿洲为例[J].遥感技术与应用，2005，20（6）：574-581.

[5]陈明华，柴鹏，陈文祥，等.不同植被指数估算植被覆盖度的比较研究[J].亚热带水土保持，2016，28（1）.

[6]赵英时.遥感应用分析原理与方法[M].北京：科学出版社，2003.

[7]邓书斌，陈秋锦，杜会建，等.ENVI遥感图像处理方法[M].北京：高等教育出版社，2014.

作者简介：贺金兰（1993-），女，汉族，四川广元人，硕士研究生在读，成都理工大学管理科学学院，研究方向：数学。