背景
城市綠地（Urban green space, UGS）是城市環(huán)境重要的組成部分之一,，可以顯著緩解許多城市問題,，如調(diào)節(jié)城市氣候，緩解城市熱島效應(yīng),，吸收顆?？諝馕廴疚铩Ｖ脖粩?shù)量和質(zhì)量是UGS的兩個(gè)重要屬性,。植被數(shù)量的提取可以采用多種方法,，如深度學(xué)習(xí)、特征提取,、波段選擇,、指數(shù)法等。植被數(shù)量和質(zhì)量的準(zhǔn)確估計(jì)至關(guān)重要,。植被指數(shù)（Vegetation indices,， VIs）可以為植被密度、葉面積指數(shù)和植被健康狀況的研究提供基礎(chǔ)支持,。
植被指數(shù)通過波段運(yùn)算增強(qiáng)植被信息,，抑制背景信息。多年來,，研究人員提出了幾種植被指數(shù),，如DVI、NDVI,。然而,，在高密度植被覆蓋區(qū)域，DVI、NDVI等常見VIs存在數(shù)值飽和問題,。Huete等人發(fā)現(xiàn)了植被與土壤之間的相互作用,，提出了表征植被密度的土壤調(diào)節(jié)植被指數(shù)（SAVI）。在SAVI的基礎(chǔ)上,，建立了優(yōu)化土壤調(diào)整植被指數(shù)（OSAVI）,。基于角度與基于比值的植被指數(shù)和基于正式統(tǒng)計(jì)框架的線性化植被指數(shù)也有助于減少飽和問題,。這些被廣泛使用的指標(biāo),，可以有效解決城市生態(tài)研究的傳統(tǒng)問題。
上述VIs主要適用于多光譜圖像,，提供的光譜信息不足,，無法用于精細(xì)尺度的城市生態(tài)研究。如今獲得的高光譜圖像（HSI）,，具有從可見光到紅外的數(shù)百個(gè)連續(xù)光譜帶,。每個(gè)像素點(diǎn)的光譜曲線可以作為指紋，用于識別和區(qū)分不同的材料,。在城市地區(qū),，高層建筑產(chǎn)生的陰影占據(jù)了遙感圖像的很大一部分。然而,，由于陰影中的光學(xué)信息非常少,，因此很難提取陰影植被。城市中新材料的出現(xiàn),，如體育場館的人造運(yùn)動表面和藍(lán)色屋頂,，也給植被提取技術(shù)帶來了重大障礙。由于大多數(shù)城市植被分布在密集的區(qū)域中,，這使得VIs往往是飽和的,，使植被密度評估進(jìn)一步復(fù)雜化。
為了解決上述問題,，我們設(shè)計(jì)了基于高光譜影像的植被指數(shù)（HSVI）,，從高光譜影像上對城市植被進(jìn)行簡單有效的監(jiān)測。為了利用HSI所包含的豐富的光譜信息,，我們將HSVI的構(gòu)建過程分為三個(gè)步驟：（1）構(gòu)建增強(qiáng)植被指數(shù)（EVI）;（2）構(gòu)建優(yōu)化增強(qiáng)植被指數(shù)（OEVI）;（3）確定HSVI,。然后評估了HSVI用于植被提取的準(zhǔn)確性。
試驗(yàn)設(shè)計(jì)
中國石油大學(xué)孫根云教授團(tuán)隊(duì)選擇了三個(gè)HSI數(shù)據(jù)集來檢驗(yàn)試驗(yàn)結(jié)果,。第一個(gè)HSI是休斯頓大學(xué)的數(shù)據(jù)集,，圖像尺寸為594 × 599像素，覆蓋380 - 1050 nm光譜范圍,，共48個(gè)波段,。另外兩個(gè)HSI數(shù)據(jù)集均由搭載有GaiaSky-mini2-VN高光譜相機(jī)（江蘇雙利合譜公司）的無人機(jī)平臺捕獲，波長范圍覆蓋393 - 1012 nm光譜范圍，數(shù)據(jù)集有360個(gè)波段,。
為了構(gòu)建EVI,，首先需要從HSI中選擇具有代表性的光譜波段。我們選擇了許多來自土地覆蓋類型的純樣本,，包括陰影植被,、稀疏植被、陰影不透水表面,、藍(lán)色屋頂,、綠色合成庭院。每種地物都選取了2000多個(gè)純樣本,。
從760 nm處的綠色箭頭可以看出（圖1）,，760 nm和689 nm兩個(gè)波段的植被光譜值變化明顯。相比之下,，非植被地物的光譜值變化較小,。植被在陰影下的光譜值在889 - 861 nm波段呈上升趨勢（861 nm處綠色箭頭）。然而,，非植被地物有相反的趨勢,。因此,，通過四波段組合構(gòu)建EVI來增強(qiáng)陰影下的植被信息,。由于861 nm和889 nm兩個(gè)波段的差值太小，我們設(shè)置增強(qiáng)系數(shù)α。公式如下所示,。
| EVI = （ρ760−ρ689）+a×（ρ861−ρ889） | （1） |
圖1 地物光譜曲線
為了找出VIs飽和的原因，我們分析了不同密度植被覆蓋區(qū)域的光譜特征（圖2）,。紅邊（760 nm）在高植被覆蓋區(qū)域容易飽和,。公式2是0-1范圍內(nèi)的單調(diào)函數(shù)，不通過非線性變換改變原值范圍,。這些優(yōu)點(diǎn)保持了各種物體經(jīng)過非線性變換后的光譜曲線的原始順序和數(shù)值范圍,。因此，采用指數(shù)函數(shù)對易飽和波段（760 nm）進(jìn)行非線性變換,。將公式2加入公式1之后,，優(yōu)化增強(qiáng)植被指數(shù)（OEVI）如公式3所示。
| xx−1 | （2） |
| OEVI =（2ρ760−1）−ρ689+a×（ρ861−ρ889） | （3） |
當(dāng)植被密度過高時(shí),，歸一化差值植被指數(shù)（NDVI）容易飽和,。因此我們將指數(shù)的分母替換為與植被密度呈強(qiáng)線性相關(guān)的紅邊（ρ689）和綠邊（ρ520）之和，對歸一化差進(jìn)行了修正（公式4）,。
| HSVI = [（2ρ760−1）−ρ689＋a×（ρ861−ρ889）]/（ρ520＋ρ689） | （4） |
為了證明所提出方法的有效性,，我們在三個(gè)數(shù)據(jù)集上進(jìn)行了三組試驗(yàn)。第一組確定a參數(shù)。第二組是研究算法在真實(shí)圖像上的可行性,。第三組比較不同VIs的可靠性,。在第二組和第三組的試驗(yàn)中，我們選擇了DVI,、NDVI,、SR、OSAVI,、MTVI2,、WDRVI等六種指數(shù)作為比較。
從前兩個(gè)數(shù)據(jù)集中確定參數(shù)a,。參數(shù)a從0開始遞增,，步長為2。隨著參數(shù)a從0增大到4,，植被提取結(jié)果的OA和Kappa不斷增大,。參數(shù)a達(dá)到4后，植被提取的OA和Kappa趨于穩(wěn)定,。因此,，將HSVI的參數(shù)a設(shè)為4。
圖2 不同相對植被覆蓋密度的光譜曲線
結(jié)論
對于表1中的上海戲劇學(xué)院數(shù)據(jù)集,，DVI,、MTVI2和OSAVI的OA和Kappa最低。它們的EO值非常高,，說明遺漏了一些植被,。NDVI、SR和WDRVI精度最高,。他們的EC和EO更高,。這表明他們將非植被表面錯誤地標(biāo)記為植被。相比之下,，HSVI的植被提取精度最高,。HSVI具有最低的EC和EO，顯示了其在減少陰影和新材料對分類結(jié)果干擾方面的優(yōu)勢,。對于休斯頓大學(xué)數(shù)據(jù)集,，只有HSVI獲得了最好的植被提取精度。相反,，其余6種VIs獲得了較高的EO值,，表明它們在陰影條件下的性能較差。因此,，我們可以得出結(jié)論,，HSVI改善了復(fù)雜條件下的植被提取,。
表1 指數(shù)的最優(yōu)閾值及植被提取精度
圖3a表明，橢圓區(qū)域有大量的陰影植被,。然而,，在圖3b、e,、f中,，該區(qū)域DVI、MTVI2和OSAVI的植被提取結(jié)果是不完整的,。如圖3c,、d、g所示,，利用NDVI,、SR、WDRVI進(jìn)行植被提取效果更好,，植被提取更完整,。在圖3h中，HSVI的植被提取最為完整,。
圖4進(jìn)一步驗(yàn)證了HSVI在復(fù)雜環(huán)境下提取植被的優(yōu)勢,。橢圓區(qū)域表示植被被遮蔽的地方，矩形區(qū)域包含容易被誤分類為植被的合成表面,。從圖4c,、f和g可以看出，由于陰影的干擾,，NDVI,、SR和WDRVI的植被提取結(jié)果較差。在圖4d,、e和h中,，NDVI、SR和WDRVI能夠從陰影中提取植被,。然而，他們很容易將其他特征誤認(rèn)為植被,。相比之下,，HSVI的植被提取效果最好。結(jié)果表明,，HSVI中的EVI有效增強(qiáng)了陰影植被,，避免了與合成材料的光譜混淆。
圖5c - i為7個(gè)VIs的植被提取結(jié)果,。從圖5a和b中可以看出,，在橢圓虛線框中,，大面積植被被陰影覆蓋。從圖5c - h可以看出,，其他方法提取橢圓區(qū)域的植被效果較差,。然而，HSVI大程度地提取了陰影下的植被（圖5i）,。這說明HSVI中的EVI能有效增強(qiáng)陰影植被信息,，有利于植被提取。與其他指數(shù)相比,，HSVI在航空HSI數(shù)據(jù)上表現(xiàn)良好,。
圖3 上海戲劇學(xué)院植被提取結(jié)果：（a）偽彩色圖像，（b）DVI,，（c）NDVI,，（d）SR，（e）MTVI2,，（f）OSAVI,，（g）WDRVI，（h）HSVI
圖4 上海戲劇學(xué)院植被提取結(jié)果：（a）偽彩色圖像,，（b）真實(shí)值,，（c）DVI，（d）NDVI,，（e）SR,，（f）MTVI2，（g）OSAVI,，（h）WDRVI,，（i）HSVI
圖5 休斯頓大學(xué)的植被提取結(jié)果：（a）RGB圖像，（b）真實(shí)值,，（c）DVI,，（d）NDVI，（e）SR,，（f）MTVI2,，（g）OSAVI，（h）WDRVI,，（i）HSVI
為了驗(yàn)證HSVI的不敏感性,，我們比較了其他VIs與NDVI的相關(guān)性。從圖6a,、c,、d的散點(diǎn)圖分布可以看出，DVI,、MTVI2,、OSAVI與NDVI的相關(guān)性非常低,，分布不均勻。結(jié)果表明,，它們的不敏感性弱于NDVI,。由圖6b、e,、f可知,，SR、WDRVI,、HSVI與NDVI具有較高的相關(guān)性,，擬合函數(shù)為曲線分布。結(jié)果表明,，它們的不敏感性大于NDVI,。同時(shí)，從圖6g可以看出,，HSVI可以達(dá)到與當(dāng)前最佳指數(shù)相同的水平,。
圖6 大珠山不同指數(shù)與NDVI的回歸分析
為了更直觀地比較各VI的不敏感性，我們在大珠山數(shù)據(jù)集上獲得了不敏感性結(jié)果（圖7）,。從圖7a可以看出,，橢圓區(qū)多為裸巖，稀疏植被,。但NDVI,、MTVI2、OSAVI值均在0.5以上,，如圖7c,、e、f所示,，屬于高估,。從圖7b中的矩形區(qū)域可以看出，DVI中的紋理特征是由陰影引起的,。從圖7d可以看出,，SR低估了整體植被分布。相比之下,，圖7g和h中的WDRVI和HSVI效果更好,，可以在植被覆蓋飽和的矩形區(qū)域有較好區(qū)分結(jié)果。因此,，在無人機(jī)HSI上，HSVI對植被的表征不敏感性較高,。
圖7 大珠山指數(shù)不敏感性結(jié)果
綜上所述,，本研究提出了一種新的植被指數(shù)HSVI,，可以用于城市植被覆蓋度計(jì)算。該方法重新定義了VI的結(jié)構(gòu),，充分利用了四個(gè)波段的高光譜信息,，從而可以用于陰影條件下復(fù)雜環(huán)境中的植被提取，克服了高密度植被覆蓋地區(qū)的飽和問題,。不同研究點(diǎn)的HSVI圖像分析表明,，它明顯優(yōu)于其他VIs。HSVI的局限性主要在于其組成波段相對特殊,。這些波段很難在多光譜圖像中找到,，通常只能在高光譜圖像中找到。
作者信息
孫根云,，博士,，中國石油大學(xué)海洋與空間信息學(xué)院教授，博士生導(dǎo)師,。
主要研究方向：遙感大數(shù)據(jù)智能處理及應(yīng)用,、深度學(xué)習(xí)模型設(shè)計(jì)、熱帶亞熱帶遙感,、多源遙感資源環(huán)境監(jiān)測,。
參考文獻(xiàn)：
Sun, G., Jiao, Z., Zhang, A., Li, F., Fu, H., & Li, Z. (2021). Hyperspectral image-based vegetation index (HSVI): A new vegetation index for urban ecological research. International Journal of Applied Earth Observation and Geoinformation, 103.
(空格分隔,最多3個(gè),單個(gè)標(biāo)簽最多10個(gè)字符)
8
立即詢價(jià)
您提交后,，專屬客服將第一時(shí)間為您服務(wù)