基于Landsat影像的NDVI与RVI反演结果实验与分析

李海峰

（1.四川建筑职业技术学院,四川 德阳 618000）

城市是经济发展、社会进步的必然产物,也是一个国家经济发展水平高低的重要体现。根据《中国统计年鉴—2019》的相关数据显示,截至2018年底,我国共有地级城市293个,县级城市375个[1]。目前,我国仍处于快速城市化的发展阶段,城市化必然会导致地表植被覆盖类型发生改变,大量不透水面替代地表植被；而植被是陆地生态系统的重要组成部分[2-3],良好的植被覆盖在固碳供氧、杀菌滞尘、减少噪音、调节城市微气候、改善人居环境等方面都具有积极效果[4-5]。

植被指数已被普遍应用于植被生长状况和植被覆盖状况的研究中。遥感影像因其探测范围广、容易获取、良好的时间序列、影像周期短等优势,而被大多数学者采纳,应用于植被指数的相关研究中[6-7]。利用Landsat影像数据进行植被指数反演的模型主要包括归一化植被指数（NDVI）、比值植被指数（RVI）等40余种。本文以德阳市旌阳区为实验区,以Landsat遥感影像为数据源,对NDVI和RVI估算的植被覆盖状况进行了比对分析。

1 研究区概况与研究方法

1.1 研究区概况

四川省德阳市旌阳区为德阳市主城区,地处成都平原东北边缘,位于31°05＇～31°20＇N、104°15＇～104°33＇E之间；东邻中江县,西连绵竹市和什邡市,北接绵阳市安州区,南靠广汉市,是德阳市的政治、经济、文化中心。全区地势西北高、东南低；地貌上可明显分为平原、丘陵两大类型,西部为绵远河、石亭江扇形平原,海拔高程为468～561 m。旌阳区属常绿阔叶林植被带,植被多为天然次生林和人工林,森林覆盖率约为20%。研究区地理位置如图1所示,遥感影像来源于德阳市2018年OLI影像的432波段合成。

图1 研究区地理位置图

1.2 数据来源与预处理

本文采用的遥感数据来源于中国科学院计算机网络信息中心地理空间数据云平台（http://www.gscloud.cn）。Landsat5和Landsat8的轨道号为129/38,成像时间分别为2007-05-06、2014-08-13和2018-04-02。利用影像数据计算植被指数前,需先完成辐射定标,再进行大气校正以提高反演精度。2007年的TM数据利用COST模型进行辐射定标；2014年、2018年OLI影像的辐射定标方法参见参考文献[6]～[8],辐射定标后利用FLASSH模型完成大气校正。

1.3 研究方法

1.3.1 NDVI

NDVI因其可消除大部分由太阳天顶角、仪器定标和大气引起的与辐照度有关的变化,是遥感估算植被覆盖度状况以及空间分布的最佳指示因子[9],长期以来被应用于植被和植被物候研究。算法模型公式为:

式中,NIR为近红外波段（TM为Band4,OLI为Band5）；R为红光波段（TM为Band3,OLI为Band4）。

反演完成后NDVI的值域范围为-1～1,正值表示有植被覆盖,值越大表明植被覆盖程度越好；负值表示为水、雪等；0则表示无植被覆盖。

1.3.2 RVI

RVI能充分刻画植被在近红外波段和红光波段反射率的差异,还可增强植被与土壤背景之间的辐射差异,是植被长势和丰度估算的主要手段之一；但其对大气状况反应很敏感,当植被覆盖度小于50%时分辨能力下降显著。算法模型公式为:

式中,NIR为近红外波段（TM为Band4,OLI为Band5）；R为红光波段（TM为Band3,OLI为Band4）。

若RVI值大于1,则为绿色健康植被覆盖区；若RVI值在1附近,则为无植被覆盖的地表；若RVI值大于2,则表示植被覆盖度高。

2 实验与结果分析

2.1 植被指数反演结果分析

按照上述方法,本文分别对2007年、2014年和2018年的影像数据进行辐射定标和大气校正,再根据NDVI和RVI模型计算各自的植被指数,反演结果如图2所示,可以看出,由于研究区范围内有绵远河和大量零散水体,反演结果中存在NDVI小于0 的情况,因此在ArcGIS软件中对DN值小于0的情况进行统一处理,2007年NDVI值域为0～0.59,2014年NDVI值域为0～0.72,2018年NDVI值域为0～0.68；2007年RVI值域为0.89～2.86,2014年RVI值域为0.97～6.12,2018年RVI值域为0.93～5.22。

图2 植被指数反演结果

整体而言,两种植被指数在3个年份均能直观反映旌阳区的植被覆盖状况,二者所刻画出来的趋势基本一致。3个年份中一环路以内的植被覆盖状况均最差。2007年两种植被指数均反映旌阳区的整体植被覆盖状况较差,以宝成铁路为分界线,宝成铁路东南侧植被覆盖状况优于西北侧。一环路以内的植被覆盖状况与一环路以外差异不明显。2014年NDVI刻画出来的宝成铁路西北侧与东南侧植被覆盖状况很接近,较难区分哪个区域的覆盖状况更好,只是一环路以内等少数区域出现大面积的低植被覆盖；而RVI反映出宝成铁路东南侧的植被覆盖状况优于西北侧,同样显示一环路以内等少数区域出现大面积的低植被覆盖。2018年两种植被指数均反映宝成铁路西北侧的植被覆盖状况明显优于东南侧,NDVI反映出宝成铁路西北侧的植被覆盖状况均较好,只有零星的低植被覆盖地块存在,而RVI反映出该区域有显著的面状低植被覆盖区域,这是二者在这个年份的显著区别。

2.2 内部结构差异性分析

考虑到德阳市一环路以内的建成区和旌阳区南面、北面植被覆盖状况差异显著,本文从北向南设计剖面线PM,具体位置见图1。利用ArcGIS软件的空间分析功能,以剖面线为参照作掩膜处理,提取2007年、2014年、2018年两种植被指数剖面线经过区域的植被指数值；然后在Matlab中绘制两种植被指数与像元DN值的曲线图（图3）。

图3 RVI、NDVI与DN值曲线图

通过剖面线,在两个模型中分别提取1 074个像元对应的植被指数,可以看出,一环路以内植被指数均较小,表明该区域植被覆盖度低；当NDVI值较大（约0.5）时,RVI值更大,且曲线的波动变化非常显著,这在2014年和2018年剖面数据前600个像元中得到了很好的体现；当NDVI值较小（约0.2）时,RVI值波动变化不明显或没有波动变化,甚至很多情况RVI值在1附近,表明这些区域无植被覆盖,与NDVI反演结果不一致,这种现象在2007年表现最为突出。

3 结 语

本文以德阳市旌阳区为研究对象,以2007年、2014年和2018年的Landsat遥感影像为数据源,首先对3个时期的数据进行辐射定标和大气校正,然后反演得到NDVI和RVI。

1）对比分析同时期的NDVI和RVI发现,二者能较客观地反映地表植被覆盖的整体情况,且反映的规律趋于一致。

2）通过剖面分析法进行内部差异性分析发现,在植被覆盖状况较好的区域（NDVI值在0.5左右）,RVI反映的地表植被覆盖状况非常显著；在植被覆盖状况较差的区域（NDVI值在0.2左右）,RVI反映的地表植被覆盖状况存在一定误差,部分低植被覆盖区域RVI值在1附近,表明无植被覆盖。