写在前面:
基于ENVI 5.6对 Landsat 8 OLI_TIRS卫星数据进行NDVI提取与FVC计算。NDVI即归一化植被指数,FVC是在NDVI基础上所计算出的植被覆盖度。开展这一研究的原因,在于考虑生物破坏是西北地区露天夯土遗址保护中不可忽视的一部分,而植物病害又是其中的关键所在。
植物病害主要是由于根系的生长、发育、固化对夯土遗址内部结构造成的生物性破坏,会直接导致土体裂隙发育、增宽,从而直接增强风雨蚕食与雨水渗入对遗址本体的损害。应用ENVI所进行的NDVI提取与FVC计算,是从宏观层面上以片区或面域的形式,来评估与判断遗址范围内的植被覆盖情况与空间自相关,如要细致到植株种类、分布态势、具体病害、预防措施等相关问题,还需要结合其它相应的数据采集方法与软件来进行评估与计算。
Table 1.Description of data sources and software | |
Project Title | Project Content |
Digital | Landsat8 OLI_TIRS |
Hardware | ENVI 5.6、ArcGIS10.8、QGIS 3.36 |
Research area | 20230829,Shaanxi Xi'an |
Landsat8 OLI_TIRS卫星数据下载
Landsat 8 是 NASA 于2013年2月11日发射的卫星,携带有两个主要载荷:OLI和TRIS。其中,做ENVI提取所用的即 OLI(Operational Land Imager ,陆地成像仪)数据,共包含11个波段,空间分辨率为30m的影像文件和多光谱数据,成像宽幅为185×185Km。目前,有关 Landsat 8 OLI_TIRS 遥感数据产品的获取方法有很多。主流有地理空间数据云、USGS、中国科学院资源环境科学与数据中心等。
本文将部分下载链接放在下方。因NDVI是一个标准化指数,用于生成显示绿量(相对生物量)影像。该指数是对多光谱栅格数据集中两个波段的特征进行对比,即红波段中叶绿素的色素吸收率和近红外 (NIR) 波段中植物体的高反射率。所以,在选择时数据源时应尽量选取高分辨率、云量较低(云量5%最好,8-10月为最佳)、时序较新的数据。
Landsat 8 OLI_TRIS 数据下载:地理空间数据云
ENVI 5.6 操作全流程
Landsat 8 数据预处理
首先,在ENVI中导入Landsat 8 OLI_TRIS文件中的多光谱数据,即_MTL.txt文件。其次,导入研究区范围的.shp文件,使用Subset Data from ROIs对原始数据进行裁剪,便于后期运行与计算。本文以西安市行政区为裁剪范围,以西安市隋大兴唐长安城遗址保护范围为核心研究范围。
这里推荐大家下载行政区化的平台还是上期的DataV.GeoAtlas。新增内容是.json格式文件的转换。本文推荐大家使用Mapshaper,直接将下载好的.json格式文件拖入,选择转换后的格式为.shp,即可完成转换并下载导出。这里两个平台的操作方法都比较简单,在此本文不做赘述,仅将链接放在下方,如有需要请自行搜索相关使用教程。
辐射定标
辐射定标是将DN值转换为辐射亮度值、反射率值、温度值等物理量,而DN值本身就是一些无量纲的数字,没有什么物理层面的意义,单纯只是数字而已,而遥感影像通常是用DN值记录信息的,当进行遥感的定量分析时就需要对其进行转换,即为辐射定标。
在ENVI 5.6中的工具路径为:Radiometric Calibration。选择MultiSpectral多光谱数据。定标类型选择辐射亮度值(Radiance),输出格式为BIL,因为后续FLAASH大气校正的输入数据类型为BIL。输出数据类型为Float,系数为0.1,选择好制定输出路径点击执行即可。
大气校正
大气校正的目的,是消除大气和光照等因素对地物反射的影响,从而获得地物反射率、辐射率、地表温度等真实物理模型的参数。这一步主要是消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等对地物反射的影响,同时消除大气分子和气溶胶散射的影响。大多数情况下,大气校正的同时也是反演地物真实反射率情况的重要过程。
目前,有关大气校正的方法有两种。一是,绝对大气校正法。二是,相对大气校正法。
工具路径:/Radiometric Correction/Atmospheric Correction Module/FLAASH Atmospheric Correction。在这一环节,有几个值得关注与需要设置参数的地方。一是,文件输入与输出的。二是传感器与影像信息的选择。
a.文件输入与输出
【Input Radiance Image】文件输入裁剪后的辐射定标文件,弹出的面板中选择参照上图。
【Output Reflectance File 】最好与输入文件保持一致。
b.传感器与影像信息选择
Lat和Lon都是自动获取的不用管,Flight Date与Flight Time GMT (HH:MM:SS)有时需要手动设置,如果不知道具体数值可以在头文件进行查看。
针对研究区平均海拔(Ground Elevation)数据的提取流程如下,Aerosol Model选择Urban。
NDVI 数据提取
目前,在ENVI中计算NDVI的方法有两种。一是,通过自带的NDVI工具进行计算;二是,通过Band Math波段计算器来手动计算。无论使用哪种方法进行计算,的近红外波段和红波段处的反射率值。
Table 1.Landsat 8 OLI_TRIS | ||
Band Name | Bandwidth (μm) | Resolution (m) |
Band 1 Coastal | 0.43-0.45 | 30 |
Band 2 Blue | 0.45-0.51 | 30 |
Band 3 Green | 0.52-0.60 | 30 |
Band 4 Red | 0.64-0.67 | 30 |
Band 5 NIR | 0.85-0.88 | 30 |
Band 6 SWIR 1 | 1.57-1.65 | 30 |
Band 7 SWIR 2 | 2.09-2.35 | 30 |
Band 8 Pan | 0.50-0.68 | 15 |
Band 9 Cirrus | 1.36-1.38 | 30 |
Band 10 TIRS 1 | 10.60-11.19 | 100 |
Band 11 TIRS 2 | 11.50-12.51 | 100 |
本文不使用自带的NDVI工具,在这里演示的是通过Band Math(波段计算器)进行提取的工作流程。在这里值得注意的是,对照上表内容,在B1选择近红外波段,B2选择红外波段,所以B1定义Band5,B2定义Band4。
NDVI计算公式:NDVI=(float(b1)-float(b2))/(float(b1)+float(b2))
经过计算后得到的NDVI(归一化植被指数),和粗暴的直接计算基本没有什么区别。唯一区别是直接用工具计算的结果在研究区周围矩形框用Date0自动填充了,而通过Band Math公式输入则没有。
FVC数据提取
FVC即在NDVI(归一化植被指数)的基础上提取植被覆盖度数据。在提取FVC(植被覆盖度)时与NDVI(归一化植被指数)还有所不同,常规上是将植被覆盖度分为5级,具体分级如下表。
Table 2.Vegetation Cover Rating Scale | ||
Grade | Vegetation Cover | Coverage levels |
1级 | 0~10% | 极低覆盖度 |
2级 | 10~30% | 低覆盖度 |
3级 | 30~50% | 中覆盖度 |
4级 | 50~70% | 中高覆盖度 |
5级 | 70~100% | 高覆盖度 |
目前,已经发展了很多利用遥感计算测量植被覆盖度的方法,较为实用的是利用植被指数近似估算FVC(植被覆盖度)。常用的植被指数为NDVI(归一化植被指数),在这个基础上运用像元二分法来计算研究模型。
根据相关研究可知,计算FVC(植被覆盖度)的关键是获取NDVI(归一化植被指数)置信度范围内的最大值和最小值。这里利用Compute statistics工具统计NDVI(归一化植被指数)的数值分布;打开 Histogram 检验NDVI数值,即Min、Max是否在-1至1之间。本研究的数值正常,但考虑到有很多同仁在这一步出现了异常值,所以在这里将去除异常值的公式放在下方。
去除NDVI异常值:(b1 lt -1)*0+(b1 gt 1)*0+(b1 ge -1 and b1 le 1)*b1。这里b1为之前计算出的NDVI。
根据统计可以看到数据分布,选择5%~95%为NDVI的置信区间,在Acc Pct中寻找出最接近5与95的两组数据。获得NDVImin=-0.027451,NDVImax=0.725490。(需要说明的是该步骤严格来说需要提前去除水体部分)
接下来在Band Math(波段计算器)中输入FVC(植被覆盖度)计算公式,并将NDVImin与NDVImax的值带入公式中。FVC=(b1 lt NDVImin)*0+(b1 gt NDVImax)*1+(b1 ge NDVImin and b1 le NDVImax)*((b1-NDVImin)/(NDVImax-NDVImin))。即可生成FVC(植被覆盖度)计算结果。
本文所用公式示例:(b1 lt -0.027451)*0+(b1 gt 0.725490)*1+(b1 ge -0.027451 and b1 le 0.725490)*((b1+0.027451)/(0.725490+0.027451))
植被覆盖度分等级面积统计
这里的FVC(植被覆盖度)分等级面积统计,主要是通过决策树对西安市隋大兴唐长安城遗址保护范围内所进行的分等级面积统计。在已经生成的FVC(植被覆盖度)结果上,结合遥感数据的特征,参考相关文献中有关植被指数范围的分级方法即上文的Table2,对成果进行5级分类。计算出隋大兴唐长安城遗址范围内的植被覆盖面积如下所示。
Table 3.Vegetation cover class statistics | ||||
Grade | Vegetation Cover | Coverage levels | Area | percentage |
1级 | 0~10% | 极低覆盖度 | 61.08Km² | 70% |
2级 | 10~30% | 低覆盖度 | 16.34Km² | 18.7% |
3级 | 30~50% | 中覆盖度 | 7.98Km² | 9.14% |
4级 | 50~70% | 中高覆盖度 | 3.40Km² | 3.9% |
5级 | 70~100% | 高覆盖度 | 0.15Km² | 0.17% |
按照隋大兴唐长安城遗址总面积87.27Km²,分别计算1~5级植被覆盖度的总占比。可知植被覆盖度极低占70%,而植被覆盖度极高占0.17%,说明遗址范围内几乎完全与城市建设用地贴合,除国家考古公园、遗址公园、公园外的植被覆盖应该都是市政绿化。
总结评述
NDVI(归一化植被指数)与FVC(植被覆盖度)是基于像元二分法所反演的计算模型,用于描述地表被植物遮盖的程度指标,通常表示为一个百分比,它用来表述在一个特定地表区域内植被所占的比例。本文用以逆向评估植被在隋大兴唐长安城遗址范围内的分布情况,监测土体、植被阶段性健康状况,判断、预估其可能对保护范围内对现存露天夯土遗址本体的生物性危害。
目前,该技术的应用,在宏观层面上具有决策价值,但在植株种类、分布态势、具体病害、预防性保护措施等相关方面尚且还有所欠缺。只能说此研究是在遗址本体调查阶段与文物保护工程开展前期的一部分分析、评估工作;如需深入探求与掌握遗址本体植物病害的发育规律,采取科学、严谨的措施降低风险,单依靠这一门技术显然是不够的,需要在结合精细化作业技术的基础上开展周期性监测,从而推进与提高西安市隋大兴唐长安城遗址数字化保护的综合应用水平。