CN102928847A - 一种从遥感影像中提取橡胶林对应像元像素值的方法 - Google Patents

Abstract

本发明涉及一种从遥感影像中提取像元像素值的方法，其步骤如下：1、橡胶林边界像元过滤；2、林段内异常像元剔除；3、橡胶林像元平均值计算并导出。本发明采用对橡胶林的像元进行选择性剔除的方式，有效地解决橡胶林边界防风林、道路、中老龄橡胶林因台风引起的连续断株、缺株而导致像元不纯、甚至为异常值的问题，提高橡胶林的像元像素值的准确性，有利于建立地面观测数据与遥感影像之间的数学模型，是一种适合从中分辨率遥感影像中提取橡胶林对应像元的数据处理方法。

Description

一种从遥感影像中提取橡胶林对应像元像素值的方法

技术领域

本发明属于遥感影像处理技术领域，涉及一种从遥感影像中提取某地物对应像元像素值的方法，具体是一种从遥感影像中提取橡胶林对应像元像素值的方法，可用于基于中分辨率遥感影像的橡胶林冠层生物物理参数的反演。

背景技术

植物明显吸收可见光的红色和蓝色波段，相对反射绿光，强烈反射近红外波段，由于物理参数如叶片形状大小、冠层特征、水分含量以及地面背景等存在差异，植物的光谱特征也不尽相同，因此能够应用遥感技术反演植被冠层的生物物理参数

橡胶树(Hevea brasiliensis)是一种多年生的高大乔木，自1906年首次从马来西亚引进海南以来，已经对海南岛、云南和广东等地的土地利用和森林覆盖产生了重大影响。最新的统计数据表明，我国橡胶种植面积达97.5万顷。因此，利用遥感技术对橡胶林的生理生态参数进行反演研究，是一项非常重要的工作，同时也是从区域尺度研究橡胶林的唯一手段。

利用中分辨率遥感影像进行植被冠层参数反演时，典型的流程是先在野外实验样地采集地面数据，并记录样地的GPS地理位置信息，再根据GPS信息从相应的遥感影像中提取样地所对应的像元像素值，然后建立影像数据与地面观测数据之间的数学模型。在提取实验样地对应的像元像素值时，通常以取样点为中心，以3×3像元窗口的平均值为对应地物的光谱信息。这样处理的优点是能够避免使用单一像元因影像几何校正或GPS仪器误差导致像元错位的问题。利用该方法需要满足两个条件：①样地面积足够大，保证长和宽分别大于3个影像像元所对应的长度；②该样地的植被均一性较好，使用3×3像元窗口平均值能够代表样地植被的平均水平。由于橡胶林的特殊性，应用该方法进行冠层参数遥感反演时，尤其是研究对象是中老龄橡胶林时，因影像处理的带来的误差较大。

橡胶林是高度人工化管理的经济林，通常采用3×7米或4×5米的株行距模式进行统一定植，由于定植后的数十年内采用统一的管理措施，整个橡胶林在前期都具有较好的均一性。但是，由于我国橡胶种植在非传统植胶区，橡胶林逐年受台风、寒害、病害等破坏严重，随着树龄的增加，橡胶林的均一性逐渐下降。老龄橡胶林几乎都存在连续断株、缺株的情况。断株或缺株后，对应影像中像元的光谱信息主要来自林下植被而非橡胶树本身，因此，采用3×3的像元窗口，可能会存在因部分像元位于连续断株、缺株的位置而导致的像元不纯。此外，以30米空间分辨率的影像为例，若采用3×3的像元窗口过滤，则要求橡胶林面积在1公顷以上，且必须拥有一个90 x 90米的完整区域。事实上，橡胶林的面积因地理环境而异，面积大小和形状并无固定要求，采用3×3的像元窗口（中分辨率遥感影像）会过滤很多面积较小的橡胶林，不能满足实际研究的需求。

发明内容

本发明的目的是提供一种从遥感影像中提取橡胶林对应像元像素值的方法，采用对橡胶林的像元进行选择性剔除的方式，有效地解决中老龄橡胶林因连续断株、缺株而导致遥感影像像元不纯、甚至为异常值的问题，提高橡胶林的像元像素值的准确性，有利于建立影像数据与地面观测数据之间的数学模型，是一种适合从中分辨率遥感影像中提取橡胶林对应像元像素值的数据处理方法。

本发明所采用的技术方案：

一种从遥感影像中提取橡胶林对应像元像素值的方法，其步骤如下：

1、橡胶林边界像元过滤

由于橡胶林的边界像元可能遭受防风林、道路等非橡胶地物的污染，导致像元的光谱信息不纯，影像模型反演精度，本发明的第一步就是对每个橡胶林样地的边界进行过滤。流程是分别读取每个橡胶林的所有像元像素值和坐标信息，先剔除橡胶林对应首行像元，再逐行剔除每行的第一个和最后一个像元，最后剔除末行的全部像元。

当橡胶林面积较小时，为了避免剔除全部像元，可根据橡胶林面积大小设置门槛值，若边界过滤后剩余的像元数低于门槛值，则不进行边界过滤。

2、林段内异常像元剔除

分别读取每个原始波段中进行边界过滤后的每个橡胶林的全部像元像素值和标识（Identification, ID）号，对每个橡胶林的像元像素值进行升序排列，然后利用百分位数的方法剔除异常像元：设置一个阈值α，将像元像素值分位数处在（α，1-α）之外的像元标记为异常像元，并记录异常像元的ID号。标记完所有原始波段的异常像元ID号后，对ID号进行合并，去掉重复ID，然后求异常像元ID的补集，得到该橡胶林的正常像元ID集。

为了防止面积较小的橡胶林的像元被全部剔除，可设置门槛值，当剔除异常像元后剩余的像元个数低于门槛值，不再进行异常像元剔除。

3、橡胶林像元平均值计算并导出

执行完边界和异常值过滤后，根据每个橡胶林中被标记的正常像元的ID号，分别读取各波段的像元像素值，计算并导出平均像元值，构建具体的数学模型。

所述平均值导出的可采用逗号分隔(Comma Separated Value, CSV)通用格式，也可以采用其它数据格式导出。

由于橡胶树是统一定植和管理的，剔除部分因严重自然灾害破坏的区域后，橡胶林的均一性很好，剩余像元的平均像素值相对于整个橡胶林的平均像素值或以橡胶林为中心的3×3像元窗口来说，更能代表橡胶林的真实光谱信息

本发明中的边界过滤、林段内异常值剔除、平均值计算以及数据导出都可以采用交互式数据语言(Interactive Data Language, IDL)编程来实现。

本发明采用对橡胶林的像元进行选择性剔除的方式，有效地解决橡胶林边界受防风林、道路等污染，中老龄橡胶林因连续断株、缺株而导致影像像元不纯、甚至为异常值的问题，提高了橡胶林的像元像素值的准确性，有利于建立地面观测数据与影像数据之间的数学模型，是一种适合从中分辨率遥感影像中提取橡胶林对应像元的数据处理方法。

附图说明

图1 是中龄橡胶林连续断株示意图。

图2 是老龄橡胶林连续缺株示意图。

图3是ENVI软件感兴区域裁剪示意图。

其中：图3线型方框为橡胶林矢量边界，黑色像元为橡胶林边界像元，它们极可能受橡胶林的防护林和边界道路的污染；灰色像元代表边界过滤后应保留的像元。

图4是橡胶林边界过滤及异常值剔除流程示意图。

具体实施方式

下面结合实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。下列实施例中未注明具体条件的实验方法,通常按照常规条件。

实施例

以下以ENVI遥感分析软件平台为例，实现本发明的详细流程。

1、利用ENVI打开一幅经几何校正后的中分辨率影像，进行影像增强。

2、打开橡胶林样地矢量地图（shapefile或evf格式）。矢量地图可以从高分辨率遥感影像中手动勾勒得到，要确保每个橡胶林拥有唯一的ID号。

3、根据橡胶林样地矢量地图创建感兴区域ROI（Region of Interest）。创建ROI时以橡胶林ID号为标识，确保每个橡胶林为一个独立的ROI。

4、利用ROI文件对遥感影像进行裁剪，获得橡胶林样地区域的遥感影像。由于利用ENVI裁剪的影像有部分像元处在橡胶林矢量边界上（图3），它们可能受道路、橡胶林周边的防护林污染，需要进行过滤。

5、橡胶林边界像元过滤：利用ENVI_GET_ROI()函数读取每个橡胶林ROI中像元的坐标信息，并创建一个与ROI像元个数相同大小的标识数组来标记边界像元，初始化标识数组的全部数值为1。根据ROI像元的行列坐标号，将空间位置处于最顶端（首行）、最底端（末行）和中间所有行第一和最后一个像元都标记为边界像元，修改对应标识数组中的元素值为0。边界像元标识完毕后，标识数组中数值为1的元素对应的像元即为边界内像元，记录边界内像元的ID号准备异常值过滤。边界过滤时可根据橡胶林面积大小设置过滤门槛值，若边界过滤后剩余像元数低于这个门槛值，则不进行边界过滤，将标识数组中的所有元素再次设置为1，即将所有像元视为边界内像元。

6、林段内异常像元剔除：根据每个橡胶林ROI中的边界内像元的ID号，分别读取所有原始波段中对应的像元像素值，并创建一个动态数组记录异常像元的ID号。读取完各原始波段像的元像素值后，对每个波段的像素值进行升序排列，设置阈值α（如α=5%），把像素值分位数处在（α，1-α）之外的像元标记为异常像元，将其ID号动态添加至异常像元ID数组。标记完所有原始波段的异常像元ID号后，对异常像元ID数组中的ID号进行合并，去掉重复ID，再将该数组与该橡胶林的全部ID号求补集，得到正常像元ID号。执行异常值剔除算法时可根据橡胶林面积大小设置剔除门槛值，防止面积较小的橡胶林的像元被全部剔除，当过滤剩余的像元个数低于门槛值，不进行异常值剔除。

7、橡胶林像元平均值计算并导出：执行完异常值剔除后，根据每个橡胶林ROI中的正常像元的ID号，应用ENVI_GET_ROI_DATA()函数读取各波段的像元像素值，采用Mean方法计算平均值，再调用PRINTF()函数将橡胶林的ID号，过滤后各波段的像素平均值以CSV通用格式输出。输出完毕后应用Excel软件直接打开CSV文件，进行数据统计分析处理。

一、实验条件与内容

1、实验数据

1）、海南省儋州市中国热带农业科学院试验农场共25个橡胶林2012年3月和4月末的叶面积指数（Leaf Area Index，LAI）数据。

2）、两景环境卫星CCD2影像数据，获取时间分别为2012年3月23号、2012年7月11号；中外一景Landsat ETM+影像，获取时间为2012年7月11号，该影像未做条带修复，直接去掉处于条带上的像元。所有影像数据都经过几何校正和FLAASH大气校正。

3）、橡胶林边界矢量在2012年3月23号5.8米的ZY3中手工勾画完成，与地面观测数据时间一致。

2、实验内容

以橡胶林LAI与环境卫星遥感影像红光（B3）、近红外波段（B4）、归一化植被指数（NDVI）、比值植被指数（SR）和土壤调节植被指数（SAVI）之间的关系为例，对比分析未采用和采用本发明方法之间的差异。之前国内外的研究结果表明，植被LAI与遥感影像的红光波段、近红外波段、NDVI、SR和SAVI植被指数之间存在明显的相关关系。本实验的结果（见表1）也表明，橡胶林叶面积指数与环境卫星红波段（B3）、近红外波段（B4）、以及NDVI、SR、SAVI之间存在稳定的线性相关关系。

表1海南儋州两院地区橡胶林叶面积指数与环境卫星影像之间的皮尔逊相关系数

说明：方法列中的“未处理”表明分析时使用橡胶林的平均像元值，“处理”表明采用本发明方法对橡胶林的像元进行处理。*表明达到显著水平，**表明达到极显著水平。

二、实验结果

采用本发明方法对每个橡胶林对应像元进行处理后，提取的像元像素值与地面采集的叶面积指数实验数据之间的相关性明显有所提高（3%-32%），总体提升幅度在10%左右。其中7月11号Landsat ETM+各波段之间的相关性提升最明显，如NDVI由原来的0.51提升到0.75，提升幅度为24%。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (4)

1.一种从遥感影像中提取橡胶林对应像元像素值的方法，其特征在于，其步骤如下：

1）、橡胶林边界像元过滤

分别读取每个橡胶林的所有像元像素值和坐标信息，先剔除橡胶林对应首行像元，再逐行剔除每行的第一个和最后一个像元，最后剔除末行的全部像元；

2）、林段内异常像元剔除

分别读取每个原始波段中进行边界过滤后的每个橡胶林的全部像元像素值和标识号，对每个橡胶林的像元像素值进行升序排列，然后利用百分位数的方法剔除异常像元：设置一个阈值α，将像元像素值分位数处在（α，1-α）之外的像元标记为异常像元，并记录异常像元的ID号；标记完所有原始波段的异常像元ID号后，对ID号进行合并，去掉重复ID，然后求异常像元ID的补集，得到该橡胶林的正常像元ID集；

3）、橡胶林像元平均值计算并导出

执行完边界和异常值过滤后，根据每个橡胶林中被标记的正常像元的ID号，分别读取各波段的像元像素值，计算并导出平均像元值，构建具体的数学模型。

2.根据权利要求1所述的从遥感影像中提取像元像素值的方法，其特征在于：在步骤1）中设置过滤门槛值。

3.根据权利要求1所述的从遥感影像中提取像元像素值的方法，其特征在于：在步骤2）中设置剔除门槛值。

4.根据权利要求1所述的从遥感影像中提取像元像素值的方法，其特征在于：所述橡胶林平均像元值的导出采用以逗号分隔CSV通用格式导出。

Images