基于無人機成像高光譜的作物覆蓋度提取研究（二）

二、數(shù)據(jù)預處理分析：

本文利用四川雙利合譜科技有限公司的GaiaSky-mini高光譜成像系統(tǒng)（光譜范圍400 nm - 1000 nm）采集野外作物的的高光譜數(shù)據(jù)，以分析作物的覆蓋度分布情況。圖5為采集現(xiàn)場。

圖5 數(shù)據(jù)采集現(xiàn)場

對Gaiask-mini拍攝的原始影像數(shù)據(jù)進行數(shù)據(jù)的預處理，預處理過程主要包括兩部分。**部分是輻射定標；**部分為噪聲去除。

首先進行輻射定標。輻射定標的計算公式如1所示。

其中，Ref_target為目標物的反射率，Ref_panel為標準參考板的反射率，DN_target為原始影像中目標物的的數(shù)值，DN_panel為原始影像中標準參考板的數(shù)值，DN_dark為成像光譜儀系統(tǒng)誤差。

其次是噪聲去除，本文運用國外較為常用的*小噪聲分離方法(Minimum Noise Fraction Rotation， MNF)進行噪聲去除。*小噪聲分離工具用于判定圖像數(shù)據(jù)內(nèi)在的維數(shù)（即波段數(shù)），分離數(shù)據(jù)中的噪聲，減少隨后處理中的計算需求量。MNF本質(zhì)上是兩次層疊的主成分變換。**次變換（基于估計的噪聲協(xié)方差矩陣）用于分離和重新調(diào)節(jié)數(shù)據(jù)中的噪聲，這步操作使變換后的噪聲數(shù)據(jù)只有*小的方差且沒有波段間的相關。**步是對噪聲白化數(shù)據(jù)（Noise-whitened）的標準主成分變換。為了進一步進行波譜處理，通過檢查*終特征值和相關圖像來判定數(shù)據(jù)的內(nèi)在維數(shù)。數(shù)據(jù)空間可被分為兩部分：一部分與較大特征值和相對應的特征圖像相關，其余部分與近似相同的特征值以及噪聲占主導地位的圖像相關。由于此次采集的高光譜影像沒有白板校正，因此數(shù)據(jù)預處理的**步輻射定標沒有進行分析處理，直接作MNF降噪分析。圖6為MNF降噪前后的成像高光譜數(shù)據(jù)中DN值的變化。

圖6  MNF變換前(左)后(右)高光譜影像DN值的變化

下圖分別為不同作物及土壤的光譜反射率值。從圖7可知，不同作物在綠光區(qū)域均有明顯的反射峰，在紅光區(qū)域有明顯的吸收谷，在可見光波段與近紅外波段之間，即大約0.73um附近，反射率急劇上升，形成“紅邊”現(xiàn)象，“綠峰”、“紅谷”、“紅邊”均是綠色植物曲線的*為明顯的三個特征；但不同作物“綠峰”、“紅谷”高低不一樣，紅邊位置也不相同。土壤的光譜反射率值在可見光和近紅外區(qū)域緩慢上升，其反射率光譜曲線與作物的光譜反射率曲線差別較大。

圖7  不同作物、土壤的光譜反射率值

三、基于無人機影像數(shù)據(jù)的作物覆蓋度提取

植被覆蓋度是指植被（包括葉、莖、枝）在地面的垂直投影面積占統(tǒng)計區(qū)總面積的百分比。容易與植被覆蓋度混淆的概念是植被蓋度，植被蓋度是指植被冠層或葉面在地面的垂直投影面積占植被區(qū)總面積的比例。兩個概念主要區(qū)別就是分母不一樣。植被覆蓋度常用于植被變化、生態(tài)環(huán)境研究、水土保持、氣候等方面。

植被覆蓋度的測量可分為地面測量和遙感估算兩種方法。地面測量常用于田間尺度，遙感估算常用于區(qū)域尺度。

1. 估算模型

目前已經(jīng)發(fā)展了很多利用遙感測量植被覆蓋度的方法，較為實用的方法是利用植被指數(shù)近似估算植被覆蓋度，常用的植被指數(shù)為NDVI。下面是李苗苗等在像元二分模型的基礎上研究的模型：

VFC = (NDVI - NDVI_soil)/ ( NDVI_veg - NDVI_soil)  （2）

其中，NDVI_soil為完全是裸土或無植被覆蓋區(qū)域的NDVI值，NDVI_veg則代表完全被植被所覆蓋的像元的NDVI值，即純植被像元的NDVI值。兩個值的計算公式為：

NDVI_soil=（VFC_max*NDVI_min- VFC_min*NDVI_max）/( VFC_max- VFC_min)  （3）

NDVI_veg=（(1-VFC_min)*NDVI_max- (1-VFC_max)*NDVI_min）/( VFC_max- VFC_min)  （4）

利用這個模型計算植被覆蓋度的關鍵是計算NDVI_soil和NDVI_veg。這里有兩種假設：

基于無人機成像高光譜的作物覆蓋度提取研究（二）

1） 當區(qū)域內(nèi)可以近似取VFC_max=100%，VFC_min=0%。

公式（1）可變?yōu)椋?/span>

VFC = (NDVI - NDVI_min)/ ( NDVI_max - NDVI_min)   （5）

NDVI_max 和NDVI_min分別為區(qū)域內(nèi)*大和*小的NDVI值。由于不可避免存在噪聲，NDVI_max 和NDVI_min一般取一定置信度范圍內(nèi)的*大值與*小值，置信度的取值主要根據(jù)圖像實際情況來定。

2） 當區(qū)域內(nèi)不能近似取VFC_max=100%，VFC_min=0%

當有實測數(shù)據(jù)的情況下，取實測數(shù)據(jù)中的植被覆蓋度的*大值和*小值作為VFC_max和 VFC_min，這兩個實測數(shù)據(jù)對應圖像的NDVI作為NDVI_max和NDVI_min。

當沒有實測數(shù)據(jù)的情況下，取一定置信度范圍內(nèi)的NDVI_max和NDVI_min。VFC_max和VFC_min根據(jù)經(jīng)驗估算。

基于無人機成像高光譜的作物覆蓋度提取研究（二）

2. 實現(xiàn)流程

我們下面我們以“當區(qū)域內(nèi)可以近似取VFCmax=100%，VFCmin=0%”情況下

整個影像中NDVI_soil 和NDVI_veg 取固定值，介紹在ENVI中實現(xiàn)植被覆蓋度的計算方法。

使用的數(shù)據(jù)是經(jīng)過輻射校準、噪聲去除的高光譜影像。

(1)  選擇Basic Tools-> Band Math，利用高光譜影像計算NDVI，輸入的公式為(float(b1)-float(b2)/ float(b1)-float(b2))，圖8為NDVI的密度分割圖。

圖8  無人機高光譜影像的NDVI密度分割圖

(2)   選擇Basic Tools->Statistics ->Compute Statistics，在文件選擇對話框中，選擇統(tǒng)計文件并計算統(tǒng)計參數(shù)，如圖9所示。

圖9選擇統(tǒng)計文件及統(tǒng)計參數(shù)

基于無人機成像高光譜的作物覆蓋度提取研究（二）

(3)  得到研究區(qū)的統(tǒng)計結果。在統(tǒng)計結果中，*后一列表示對應NDVI值的累積概率分布。我們分別取累積概率為5%和95%的NDVI值作為NDVI_min和NDVI_max，如圖10所示。這里得到：

NDVImax=0.875057，NDVImin=0.077420

圖10統(tǒng)計結果

(4)    根據(jù)公式（4），我們可以將整個地區(qū)分為三個部分：當NDVI小于0.077420，VFC取值為0；NDVI大于0.875057，VFC取值為1；介于兩者之間的像元使用公式（4）計算。利用ENVI主菜單->Basic Tools->Band Math，在公式輸入欄中輸入：

(b1 lt 0.077420)*0+(b1 gt 0.875057)*1+(b1 ge 0.077420 and b1 le 0.875057)* ((b1-0.077420)/ (0.875057-0.077420))

b1：選擇NDVI圖像

基于無人機成像高光譜的作物覆蓋度提取研究（二）

(5)    得到一個單波段的植被覆蓋度圖像文件，像元值表示這個像元內(nèi)的平均植被覆蓋度。在Display顯示。

(6)    選擇Tools->Color Mapping->Density Slice，單擊Clear Range按鈕**默認區(qū)間。

(7)    選擇Options->Add New Ranges，根據(jù)上面的對照表依次添加8個區(qū)間，分別為每個區(qū)間設置一定的顏色，單擊Apply得到如下的植被覆蓋圖（圖11）。

  圖11植被覆蓋度遙感估算結果