毕业论文网
这篇影像论文范文为免费优秀学术论文范文,可用于相关写作参考。
利用国产开源卫星影像分析广州市天河区植被现状
摘 要：利用国产高分一号卫星的16 m/pix 分辨率开源影像数据对广州市天河区的植被情况进行分析.结果表明,2016 年12 月,天河区的植被覆盖率为30.273%；植被分布呈现明显的北密南疏,由北向南逐渐减少的趋势；以林地为主的密集植被占植被总量的93.54%.这类国产中等分辨率卫星影像数据可适用于较大范围的植被监测,且其开源性能降低获取数据的成本,提高数据的时效性.
关键词：卫星影像；广州市天河区；植被；“高分一号”卫星；归一化植被指数
中图分类号：TU986
文献标志码：A
文章编号：1671-2641(2017)04-0085-04
收稿日期：2017-05-02
修回日期：2017-07-10
Abstract: The analysis of vegetation of Tianhe district in Guangzhou city is based on open source GF-1 satellite image, whose resolutionis16m/pix. The results show that in December 2016, the vegetation coverage of Tianhe district was 30.273% and the vegetation was densein the northern part while sparse in the southern part. The proportion of dense vegetation,which mainly consists of forest land, was 93.54% intotal vegetation. This kind of middle resolution domestic satellite image was applicable to large-scale vegetation detection. Moreover, its opensource nature reduced costs and improve timeliness of the data.
Key words: Satellite image; Tianhe district in Guangzhou city; Vegetation; GF-1; NDVI
引言
城市植被是城市生态系统的重要组成部分.特别是经济发展水平较高的一线中心城市,由于人们生活水平的不断提高,对生活环境质量的要求也不断提升.因此城市植被一直是公众关注和科学研究的热点.
广州是我国南方的一线中心城市,辖区总面积7 434 km2,地理环境复杂多样.对于这样的情况,利用卫星遥感监测植被便凸显出技术上的优势.在以往对广州植被的研究中,卫星影像数据的来源主要是美国的陆地资源卫星(Landsat 系列) [1~4],少量使用了其他卫星数据,如法国的地球观测实验卫星（SPOT）[5] 等.
2013 年以来,我国具有自主知识产权的高分系列卫星的陆续发射,极大提高了我国的对地观测能力,而遥感的应用价值也开始加速向更多的领域渗透.李淑圆等[6] 使用高分一号卫星2 m 分辨率的全色和多光谱融合影像数据对广州城市土地覆被进行分类研究,取得了较好的效果.但这类高分辨率影像为收费数据,昂贵,通常单景即需要数千至近万元.本研究尝试使用高分一号卫星拍摄的免费影像数据,对广州市天河区的植被进行分析,以探索利用国产卫星影像替代国外卫星影像的可能性,并降低研究成本,同时可为进一步使用国产高分辨率卫星影像开展研究提供前期基础数据.
1 材料与方法
1.1 研究区域
广州市天河区位于广州中部（113°15′55″E ～ 113°26′30″E,23°6′0″N ～ 23°14′45″N）,东到吉山狮山、前进深涌一带,与黄埔区相连；南到珠江,与海珠区隔江相望；西到广州大道与越秀区相接；北到筲箕窝,与白云区相邻.总面积147.77 km2,是建设中的广州新城市中心区.
1.2 卫星影像参数
卫星影像数据来自国产的高分一号卫星—中国高分辨率对地观测系统的第一颗卫星,于2013 年4 月26日12 时由长征二号丁运载火箭成功发射,搭载了两台2 m 分辨率全色/8m 分辨率多光谱相机,四台16 m 分辨率多光谱相机.其中2 m 分辨率全色/8 m 分辨率多光谱相机拍摄的影像目前为收费的标准数据,16 m 分辨率多光谱相机拍摄的影像为免费的开源数据.
影像采集时间为2016 年12 月31日,分辨率为16 m,云量3%,含红（Red）、绿（Green）、蓝(Blue)、近红外（Nir）四个波段.处理级别为LEVEL1A 级,已经过一系列的基础校正.
1.3 软件
遥感图像处理软件为eCognitionDeveloper（V9.02）,是目前所有商用遥感软件中第一个基于目标信息的遥感信息提取软件.它突破了传统商业遥感软件单纯基于光谱信息进行影像分类的局限性,提出了面向对象的分类方法,大大提高了高空间分辨率数据的自动识别精度,有效地满足了科研和工程应用的需求.
1.4 技术路线
获取广州市天河区行政区划边界的矢量图形,与卫星影像一同导入eCognition 软件.并直接利用矢量图形将天河区划为一个单独区域,后续分析只以天河区为对象进行,天河区以外的区域不做分析.
1.4.1 分割
首先对天河区的影像进行分割.关键参数为分割尺度（ScaleParameter）大小和分割时形状（Shape）因素所占比例.根据对高分辨率影像使用大尺度分割,低分辨率影像使用小尺度分割的原则,本研究使用影像的分辨率16 m/pix 为中等偏低分辨率,因此使用较小的分割尺度,尝试使用的尺度为30、20 和10.确定分割尺度大小后,再尝试不同的形状因素比例,尝试参数选择为0.1 和0.5.
1.4.2 提取植被
在分割完成的基础上,利用NDVI（归一化植被指数）将天河区的植被提取出来.NDVI 是植被生长状态及植被覆盖度的最佳指示因子,计算公式为：NDVI等于(Nir-Red)/(Nir+Red) [2].
1.4.3 不同区域植被分析
从卫星影像（图1）上直接观察,即可发现天河区的植被分布极不均匀,有明显的南北差异.因此将天河区划分为不同的区域,比较分析不同区域的植被.
1.4.4 植被细分类
由于植被的类型多样,且不同植被差异较大,可根据NDVI 值的大小对其进一步细化分类.但由于本研究使用的是中等分辨率的卫星影像,因此只将其分为两类：密集植被和稀疏植被.根据天河区的实际情况,密集植被指树木（乔木和灌木）密集的植被,例如林地和城市公园等；稀疏植被指树木较少的植被,如疏林地、草地和天河区中北部的少量农田等.
2 结果与分析
得到广州市天河区行政区域的卫星影像后,按其行政管辖范围将天河区划为一个独立区域（图1）.同时,因为本研究分析的目标为植被,所以使用影像的近红外波段对绿光波段进行了加强,使植被突出显示.
2.1 分割
对天河区影像进行分割,为了观察分割结果的细节,截取了图像的一部分,以位于五山街道的华南农业大学、广东省农业科学院和汇景新城为中心.
当分割尺度为30 和20 时,部分绿色的植被和其他颜色的非植被被分割为同一个对象；而分割尺度为10 时,植被和非植被得到了较好分离.当形状参数为0.5 时,分割得到的对象较为方正,这正是由于分割时考虑了较多形状因素的原因,但也导致了少部分绿色的植被和其他颜色的非植被被分割为同一个对象；而形状参数为0.1时,虽然分割得到的对象形状不规则,但较好地分离植被和非植被.因此,最终选择的参数为分割尺度10、形状因素0.1 进行分割.
2.2 提取植被
应用eCognition 的特征视图（Feature View）功能,显示整个天河区的NDVI 值范围为-0.568 245 116至0.169 021 484.将最小值-0.568 245116 逐渐提升,并将得到的植被区域与google 卫星地图比对.当最小值为0.01 时,提取出的植被与google 卫星地图显示的植被情况较好吻合,因此将NDVI 值大于0.01 的对象分类为植被,在天河区范围内用绿色表示植被覆盖区域（图2）.
天河区的像素总量为408 674,而植被像素总量为123 718,因此其植被覆盖率为30.273%,植被斑块共有412块.从图3 可以看出,天河区的植被分布,无论是面积还是斑块数量都极不均匀,总体呈现出东北植被分布密集,西南植被分布稀疏的特征.主要原因是天河区西南部靠近越秀区、海珠区等老城区,为建成区；东北部靠近郊区,为新开发区域,植被分布较多.
2.3 不同区域植被分析
为了从细节上分析天河区的植被分布,利用在卫星影像上具有明显特征的沈海高速广州支线和广园快速路将天河区分为北部、中部、南部三个区域进行具体分析（图3）.天河区上方深红色表示北部区域植被,中间粉红色表示中部区域植被,下方鲜红色表示南部区域植被.天河区北部区域像素总量为178 567,植被像素总量为94 199,植被覆盖率为52.753%,植被斑块共有172 块.北部区域植被分布最为密集且相对均匀,主要原因为林地面积较大,林地主要分布在火炉山、凤凰山和筲箕窝等低山丘陵区域.中部区域像素总量为105 472,植被像素总量为24 436,植被覆盖率为23.168%,植被斑块共有149 块.中部区域植被分布主要集中在居中的华南农业大学、广东省农业科学院、广州世界大观和东向的大田山、田螺山和官路山一带,西向植被分布较少.南部区域像素总量为124 695,植被像素总量为5 083,植被覆盖率为4.076%,植被斑块共有91 块.南部区域植被分布较少,几个明显的支撑点分别是位于南部的天河公园,中偏西的珠江公园和东边的杨桃公园.
2.4 植被细分类
应用eCognitiion 的特征视图（Feature View）功能,将NDVI 的最大值逐渐降低,并将得到的植被区域与google 卫星地图比对.当最大值为0.05 时,植被细化分类与google 卫星地图显示的植被情况较好的吻合,因此将0.01 ＜ NDVI ≤ 0.05 的对象分类为稀疏植被,NDVI>0.05 的对象分类为密集植被,在天河区范围内用深绿色表示密集植被,浅绿色表示稀疏植被（图4）.
密集植被像素总量115 724,占植被总量的93.54%,斑块总数195；稀疏植被像素总量7 994,占植被总量的6.46%,斑块总数217.密集植被的数量远大于稀疏植被,主要原因是天河区林地面积较大,且分布集中,而稀疏植被多数为人工植被,面积相对较小,且分散.密集植被的分布与植被总体分布的规律一致,都是从北到南逐渐减小,这与密集植被在植被中占绝对优势是分不开的；稀疏植被总体也有北多南少的趋势,但分布相对均匀,即使是植被较少的南部区域也有较多稀疏植被斑块分布.大量稀疏植被分布在密集植被的边缘,体现了从大面积密集植被斑块中心到边缘,树木由多到少的变化趋势,独立的稀疏植被主要是人工绿地、草地、农田等人工植被.
3 结论与讨论
本研究使用了广州市天河区2016年12 月末的卫星影像图对天河区的植被情况进行分析,卫星影像的来源是国产高分一号卫星.相对于同类研究通常使用国外的卫星影像,其优势在于数据完全免费,且获取容易.同时数据更新速度快,对于研究植被及其他变化监测用途具有较好的时效价值,这也是今后的一个研究方向.
李淑圆等[6] 使用高分一号卫星2m/pix 分辨率影像数据对广州城市土地覆被进行分类研究,结果表明,天河区的植被覆盖率为22.4%.这与本研究得出的30.273% 有较大差异.同时,由于本研究使用的是16 m/pix 的中等分辨率数据,相比2 m/pix 的高分辨率数据,必然会损失一些面积小且分散的植被,如行道树、孤植树等,但所得植被比例仍然比22.4% 高出近8 个百分点.为探寻差异产生的原因,再次获取了李淑园等[6] 研究时段的高分一号卫星16 m/pix 分辨率的影像.影像采集时间为2013 年12 月25日,云量0%,其他参数同1.2.按照1.4 的技术路线分析天河区植被覆盖率,结果为28.647%,仍然比李淑圆等[6] 的结果高出6 个百分点.综合3个植被覆盖率的数值及拍摄时间,推测差异的主要来源是试验的数据和方法.两个实验使用了分辨率不同的数据,又进一步导致实验中选择的分割和分类的参数差异较大,最终导致结果相差6~8 个百分点.另一方面,从2016 年12 月末的实验结果数据高于2013~2014 年的两个实验结果数据可以推测这期间天河区的绿化工作使植被覆盖有所提升,但提升的具体数值有待进一步研究.
我国航天技术特别是卫星遥感技术的不断飞跃,一定会扩大其在园林和城市林业领域的应用,给相关领域的工作带来极大的便利.
注：本文图片均为作者自绘.
影像论文范文结:
关于本文可作为影像方面的大学硕士与本科毕业论文影像论文开题报告范文和职称论文论文写作参考文献下载。
1、医学影像毕业论文
2、医学影像学论文
3、实用医学影像杂志
4、影像技术杂志
5、影像论文
6、医学影像技术论文