论文部分内容阅读
摘要 近年来，我国遥感卫星技术发展迅速，新一代极轨气象卫星风云三号（FY3）上携带的分辨率光谱成像仪（MERSI）已获取大量对地观测资料，在大尺度遥感监测等方面显示出较高的实用价值。为了实现自动批量处理FY-3A/ MERSI影像数据，提取新疆范围植被指数特征，为今后新疆植被类型制图方法研究做准备，对MERSI数据经过预处理、投影变换等处理，提取植被指数特征数据，按旬生成最大植被指数时间序列影像；并对生成的归一化植被指数（NDVI）结果进行分析，其结果可为今后按MERSI NDVI时间序列影像进行新疆植被类型分布研究、监测植被长势的应用等后续工作做准备。
关键词 FY-3A/MERSI；NDVI；提取；分析
中图分类号 S73 文献标识码 A 文章编号 1007-5739（2016）08-0199-02
Abstract In recent years，China’s development of satellite remote sensing technology rapidly，a new generation of Polar Orbiting Meteorological Satellite FY-3 carrying resolution spectral imager （MERSI） has acquired a lot of observation data，shows a high practical value in the large scale remote sensing monitoring.In order to realize the automatic batch processing of domestic FY-3A/ MERSI image data，extracting vegetation index in Xinjiang range，in preparation for the study of Xinjiang vegetation mapping method in the future，the MERSI data after preprocessing，projection transform processing，extraction of vegetation index data，generated by ten days maximum vegetation index time series image；automatic batch processing of Xinjiang the range of MERSI data using the IDL programming language，the vegetation index data generated by ten days time series of 250 m spatial resolution algorithm；and the normalized difference vegetation index （NDVI） were analyzed，and the results could be to prepare for the future according to the MERSI NDVI time series images of Xinjiang vegetation research，monitoring vegetation growth application subsequent work.
Key words FY-3A/ MERSI；NDVI；extraction ；analysis
作為陆地生态系统和景观的重要组成部分，植被也是科研的重要对象之一[1]。植被指数（vegetation index）是对地表植被活动的简单有效度量，可反映植被的变化信息，同时也可作为植被生物物理学参数的“中间变量”[2]。植被指数的计算可通过将2个或多个对植被敏感的光谱观测通道进行组合，其中林业领域常将时间序列植被指数用于林业灾害预警、灾后评估等实践活动[3]。
风云三号（FY-3）气象卫星是中国第2 代极轨气象卫星，其中，FY-3A卫星、FY-3B卫星分别为上午星、下午星，两者分别于2008 年5 月27 日、2010 年11 月5 日发射成功[4-5]，标称轨道回归周期为6d。
风云三号气象卫星搭载了分辨率光谱成像仪（MERSI），其250m分辨率的通道数为5个，光谱信息更为丰富，是目前国际上最有效的监测地球环境动态变化的空间遥感仪器[6]。MERSI可以实现连续监测，且风云系列卫星仍在持续发射中，应用前景十分广阔[7]。张茂鑫等[8]对HDF 文件格式的MERSI 影像数据的读取、图像合成方法进行了研究；冯 锐等[9]对MERSI和MODIS数据的归一化植被指数进行差异分析，结果表明：2种数据的NDVI有着共同的直方图走势，动态范围基本一致，各类地物的反演结果均表现出很好的线性一致性；该文通过对2012年1—12月批量处理国产FY-3A/MERSI影像数据，并对生成的归一化植被指数（NDVI）结果进行分析，其结果可为今后按MERSI NDVI时间序列影像进行新疆植被类型分布研究、监测植被长势的应用等后续工作提供一定的理论依据。
1 材料与方法
1.1 数据来源
FY-3A/ MERSI 来源于新疆气象局遥感中心。本文选择2012年全年FY-3A的卫星轨道资料，卫星过境时间均为12：00和13：00左右。利用国家卫星中心研制的Fy-3资料处理系统软件，将接收的Fy-3A卫星资料原始MERSI资料进行定标、几何校正、生成HDF标准科学数据集，利用SMART处理软件，批量投影，跟EOS/MODIS相匹配的新疆区域的LDF1B数据，中心经纬度：85°，42°，大小范围为10400，6400，分辨率250 m，选取通道为MERSI的1、2、3、4、5通道，可以用ENVI软件直接读取。MERSI有光谱通道20个，该文主要选取1～5通道进行研究，其用途见表1。 1.2 研究方法
1.2.1 植被指数的提取。首先，利用预处理完成MERSI数据HDF数据，用SMART处理软件几何校正、投影转换和SI的反射率/亮温转换，用ENVI软件直接读取；投影后的图像可运用ENVI软件进行地理信息叠加，然后转换成目前大多数遥感和地理信息系统软件通用的文件格式。
在ENVI软件中打开新疆行政矢量地图，将其转换成感兴趣区域，然后在MERSI影像中提取新疆边界，计算归一化植被指数（NDVI），计算公式如下：
NDVI=（b2-b1）/（b2 b1）
式中，b1和b2分别对应红光和近红外波段。NDVI植被指数值被定义在-1～1之间，负值表示地面覆盖为云、水雪、建筑物或对可见光有高反射率的岩石或裸土等。
1.2.2 旬最大植被指数合成。地表植被覆盖如果采用光学卫星进行监测，云常常成为干扰因素，人们常采用多天的光学卫星数据进行合成处理，目的是消除影像中的云体[4]。采用最大植被指数合成法合成旬最大NDVI晴空数据集，结果见图1，供植被指数分析处理；并对植被指数图进行分级处理，得到2012年1—12月各旬的NDVI分级图。具体实施步骤见图2。
2 结果与分析
利用IDL 编程语言，完成了上述算法方法程序并进行运行，完成了2012年1—12 月各旬的NDVI合成处理工作。在ENVI处理软件中，利用密度分割对植被指数图进行分级处理，将各旬植被指数合成图中0～1.0的植被指数分为10个等级，部分结果见图3。
2.1 NDVI旬植被指数图各级分布
由表2可以看出，4 月中旬全疆NDVI分布范围为0～0.8，其中0～0.1级分布的像元最多，达到20.63%；7 月中旬全疆NDVI分布范围为0～0.9，其中0～0.1级分布的像元达到18.6%，其中0.2～0.9级分布的像元均比4月中旬多；10月中旬全疆NDVI分布范围为0～0.9，其中0～0.1级分布的像元最多，达到15.54%；其中0.2～0.4级分布的像元均比7月中旬多，而0.4～0.9级分布的像元比7月中旬少。
2.2 NDVI 旬植被指数影像体现了植被覆盖的季节变化
当植被指数在0～1之间时，随着植被指数的增大，植被覆盖度越大。4月、7月分别处于生长期和植被生长旺盛期，植被覆盖度逐渐增大，10月中旬植被覆盖度表现逐渐下降趋势。对比图1中4月中旬和7月中旬2副图，并结合表2中统计数据，可见7月中旬的图中NDVI 在0～0.1级像元比图4月中旬中的少，而0.2～0.9 各级别7月中旬比4月中旬对应的各级像元多，7月中旬相比4 月中旬植被覆盖度明显增大；10月中旬在0～0.1级像元比7月中旬少，0.1～0.4级中的像元比7月中旬略多，而在0.4～0.9级像元中明显少于7月中旬。由此表明，NDVI旬影像可以更好地體现植被覆盖的季节变化。
3 结论与讨论
（1）FY-3A/MERSI卫星数据可以实现连续监测，而且风云系列卫星仍然在持续发射中，应用前景较广阔。本文采用批量处理FY3A MERSI数据和植被指数合成等方法，能够生成全疆植被指数图，可以节省数据处理任务的时间。
（2）利用MERSI-NDVI数据按时间序列生成新疆植被指数图，可以很好地表现各旬新疆植被覆盖总体分布趋势和植被的全年物候变化的优势。这对今后研究植被类型分布及变化监测方法等后续工作具有指导意义。
（3）某一年的植被生长过程可能受外界因素的影响而表现出某些异常，因此，仅仅利用1年的数据不能准确反映植被实际的生理生长状况，在今后的工作中，应将不同年份的植被指数进行时间序列分析，可以监测不同年份间的植被动态变化情况。
（4）由于时间因素，本项目也只针对一种植被指数NDVI进行了分析，今后工作中应进行其他类植被指数如（EVI）的计算，将NDVI与EVI进行对比分析，这样能更全面了解MERSI数据应用情况。
4 参考文献
[1] 张翠萍，牛建明，董建军，等.植被制图的发展与现状[J].中山大学学报，2005，44（2）：245-249.
[2] 刘玉洁，杨忠东.MODIS 遥感信息处理原理与算法[M].北京：科学出版社，2001：232-260.
[3] 杨存建.卫星遥感技术在林业中的应用[J].遥感技术与应用，1994，9（2）：54-56.
[4] 胡博，覃先林，杨飞，等.基于MERSI数据的处理及旬植被指数生成方法[J].中国农学通报，2012，28（10）：63-68.
[5] 董瑶海，孙允珠，王金华，等.FY-3A极轨气象卫星[J].上海航天，2008（5）：1-11.
[6] 雷松涛，张宝龙.FY-3 气象卫星中分辨率光谱成像仪结构仿真分析[J].上海航天，2009（4）：55-60.
[7] 武鹏飞，胡列群，李贵才，等.基于棉田光谱的FY-3A/MERSI与MODIS植被指数关系研究[J].沙漠与绿洲气象.2011，5（4）：49-52.
[8] 张茂鑫，李国春.基于HDF5 文件格式的MERSI影像数据提取的研究与实现[J].现代农业学，2009，16（3）：189-191，222.
[9] 冯锐，纪瑞鹏，武晋雯，等.FY3/MERSI和EOS/MODIS归一化植被指数差异分析 [J]中国农学通报，2010，26（19）：359-362.
关键词 FY-3A/MERSI；NDVI；提取；分析
中图分类号 S73 文献标识码 A 文章编号 1007-5739（2016）08-0199-02
Abstract In recent years，China’s development of satellite remote sensing technology rapidly，a new generation of Polar Orbiting Meteorological Satellite FY-3 carrying resolution spectral imager （MERSI） has acquired a lot of observation data，shows a high practical value in the large scale remote sensing monitoring.In order to realize the automatic batch processing of domestic FY-3A/ MERSI image data，extracting vegetation index in Xinjiang range，in preparation for the study of Xinjiang vegetation mapping method in the future，the MERSI data after preprocessing，projection transform processing，extraction of vegetation index data，generated by ten days maximum vegetation index time series image；automatic batch processing of Xinjiang the range of MERSI data using the IDL programming language，the vegetation index data generated by ten days time series of 250 m spatial resolution algorithm；and the normalized difference vegetation index （NDVI） were analyzed，and the results could be to prepare for the future according to the MERSI NDVI time series images of Xinjiang vegetation research，monitoring vegetation growth application subsequent work.
Key words FY-3A/ MERSI；NDVI；extraction ；analysis
作為陆地生态系统和景观的重要组成部分，植被也是科研的重要对象之一[1]。植被指数（vegetation index）是对地表植被活动的简单有效度量，可反映植被的变化信息，同时也可作为植被生物物理学参数的“中间变量”[2]。植被指数的计算可通过将2个或多个对植被敏感的光谱观测通道进行组合，其中林业领域常将时间序列植被指数用于林业灾害预警、灾后评估等实践活动[3]。
风云三号（FY-3）气象卫星是中国第2 代极轨气象卫星，其中，FY-3A卫星、FY-3B卫星分别为上午星、下午星，两者分别于2008 年5 月27 日、2010 年11 月5 日发射成功[4-5]，标称轨道回归周期为6d。
风云三号气象卫星搭载了分辨率光谱成像仪（MERSI），其250m分辨率的通道数为5个，光谱信息更为丰富，是目前国际上最有效的监测地球环境动态变化的空间遥感仪器[6]。MERSI可以实现连续监测，且风云系列卫星仍在持续发射中，应用前景十分广阔[7]。张茂鑫等[8]对HDF 文件格式的MERSI 影像数据的读取、图像合成方法进行了研究；冯 锐等[9]对MERSI和MODIS数据的归一化植被指数进行差异分析，结果表明：2种数据的NDVI有着共同的直方图走势，动态范围基本一致，各类地物的反演结果均表现出很好的线性一致性；该文通过对2012年1—12月批量处理国产FY-3A/MERSI影像数据，并对生成的归一化植被指数（NDVI）结果进行分析，其结果可为今后按MERSI NDVI时间序列影像进行新疆植被类型分布研究、监测植被长势的应用等后续工作提供一定的理论依据。
1 材料与方法
1.1 数据来源
FY-3A/ MERSI 来源于新疆气象局遥感中心。本文选择2012年全年FY-3A的卫星轨道资料，卫星过境时间均为12：00和13：00左右。利用国家卫星中心研制的Fy-3资料处理系统软件，将接收的Fy-3A卫星资料原始MERSI资料进行定标、几何校正、生成HDF标准科学数据集，利用SMART处理软件，批量投影，跟EOS/MODIS相匹配的新疆区域的LDF1B数据，中心经纬度：85°，42°，大小范围为10400，6400，分辨率250 m，选取通道为MERSI的1、2、3、4、5通道，可以用ENVI软件直接读取。MERSI有光谱通道20个，该文主要选取1～5通道进行研究，其用途见表1。 1.2 研究方法
1.2.1 植被指数的提取。首先，利用预处理完成MERSI数据HDF数据，用SMART处理软件几何校正、投影转换和SI的反射率/亮温转换，用ENVI软件直接读取；投影后的图像可运用ENVI软件进行地理信息叠加，然后转换成目前大多数遥感和地理信息系统软件通用的文件格式。
在ENVI软件中打开新疆行政矢量地图，将其转换成感兴趣区域，然后在MERSI影像中提取新疆边界，计算归一化植被指数（NDVI），计算公式如下：
NDVI=（b2-b1）/（b2 b1）
式中，b1和b2分别对应红光和近红外波段。NDVI植被指数值被定义在-1～1之间，负值表示地面覆盖为云、水雪、建筑物或对可见光有高反射率的岩石或裸土等。
1.2.2 旬最大植被指数合成。地表植被覆盖如果采用光学卫星进行监测，云常常成为干扰因素，人们常采用多天的光学卫星数据进行合成处理，目的是消除影像中的云体[4]。采用最大植被指数合成法合成旬最大NDVI晴空数据集，结果见图1，供植被指数分析处理；并对植被指数图进行分级处理，得到2012年1—12月各旬的NDVI分级图。具体实施步骤见图2。
2 结果与分析
利用IDL 编程语言，完成了上述算法方法程序并进行运行，完成了2012年1—12 月各旬的NDVI合成处理工作。在ENVI处理软件中，利用密度分割对植被指数图进行分级处理，将各旬植被指数合成图中0～1.0的植被指数分为10个等级，部分结果见图3。
2.1 NDVI旬植被指数图各级分布
由表2可以看出，4 月中旬全疆NDVI分布范围为0～0.8，其中0～0.1级分布的像元最多，达到20.63%；7 月中旬全疆NDVI分布范围为0～0.9，其中0～0.1级分布的像元达到18.6%，其中0.2～0.9级分布的像元均比4月中旬多；10月中旬全疆NDVI分布范围为0～0.9，其中0～0.1级分布的像元最多，达到15.54%；其中0.2～0.4级分布的像元均比7月中旬多，而0.4～0.9级分布的像元比7月中旬少。
2.2 NDVI 旬植被指数影像体现了植被覆盖的季节变化
当植被指数在0～1之间时，随着植被指数的增大，植被覆盖度越大。4月、7月分别处于生长期和植被生长旺盛期，植被覆盖度逐渐增大，10月中旬植被覆盖度表现逐渐下降趋势。对比图1中4月中旬和7月中旬2副图，并结合表2中统计数据，可见7月中旬的图中NDVI 在0～0.1级像元比图4月中旬中的少，而0.2～0.9 各级别7月中旬比4月中旬对应的各级像元多，7月中旬相比4 月中旬植被覆盖度明显增大；10月中旬在0～0.1级像元比7月中旬少，0.1～0.4级中的像元比7月中旬略多，而在0.4～0.9级像元中明显少于7月中旬。由此表明，NDVI旬影像可以更好地體现植被覆盖的季节变化。
3 结论与讨论
（1）FY-3A/MERSI卫星数据可以实现连续监测，而且风云系列卫星仍然在持续发射中，应用前景较广阔。本文采用批量处理FY3A MERSI数据和植被指数合成等方法，能够生成全疆植被指数图，可以节省数据处理任务的时间。
（2）利用MERSI-NDVI数据按时间序列生成新疆植被指数图，可以很好地表现各旬新疆植被覆盖总体分布趋势和植被的全年物候变化的优势。这对今后研究植被类型分布及变化监测方法等后续工作具有指导意义。
（3）某一年的植被生长过程可能受外界因素的影响而表现出某些异常，因此，仅仅利用1年的数据不能准确反映植被实际的生理生长状况，在今后的工作中，应将不同年份的植被指数进行时间序列分析，可以监测不同年份间的植被动态变化情况。
（4）由于时间因素，本项目也只针对一种植被指数NDVI进行了分析，今后工作中应进行其他类植被指数如（EVI）的计算，将NDVI与EVI进行对比分析，这样能更全面了解MERSI数据应用情况。
4 参考文献
[1] 张翠萍，牛建明，董建军，等.植被制图的发展与现状[J].中山大学学报，2005，44（2）：245-249.
[2] 刘玉洁，杨忠东.MODIS 遥感信息处理原理与算法[M].北京：科学出版社，2001：232-260.
[3] 杨存建.卫星遥感技术在林业中的应用[J].遥感技术与应用，1994，9（2）：54-56.
[4] 胡博，覃先林，杨飞，等.基于MERSI数据的处理及旬植被指数生成方法[J].中国农学通报，2012，28（10）：63-68.
[5] 董瑶海，孙允珠，王金华，等.FY-3A极轨气象卫星[J].上海航天，2008（5）：1-11.
[6] 雷松涛，张宝龙.FY-3 气象卫星中分辨率光谱成像仪结构仿真分析[J].上海航天，2009（4）：55-60.
[7] 武鹏飞，胡列群，李贵才，等.基于棉田光谱的FY-3A/MERSI与MODIS植被指数关系研究[J].沙漠与绿洲气象.2011，5（4）：49-52.
[8] 张茂鑫，李国春.基于HDF5 文件格式的MERSI影像数据提取的研究与实现[J].现代农业学，2009，16（3）：189-191，222.
[9] 冯锐，纪瑞鹏，武晋雯，等.FY3/MERSI和EOS/MODIS归一化植被指数差异分析 [J]中国农学通报，2010，26（19）：359-362.