北京揽宇方圆信息技术有限公司
遥感卫星影像绿地面积解译方法
遥感技术测定的工作流程与技术路线
根据《湖南省城市园林绿化遥感测定要求（试行）》以及《湖南省园林县城标准》，利用高空间分辨率的遥感影像进行城市绿地调查中具有的覆盖广、客观、快速的优势，采用遥感解译、内业综合分析与实地调查相结合的技术流程完成城市绿地调查的工作任务。过程中，根据城市园林绿化遥感调查的目的，获取合适的遥感数据以及收集相关的辅助资料，选择面向对象遥感数据处理方法提取工作区（宁乡县建成区）的各类绿地覆盖范围，辅以适量的外业实地调查验证，综合内业分析后，得到宁乡县建成区园林绿化现状遥感调查图。基于得到的现状数据，开展各类型绿地面积量算及相关图件的制作，并测定城市园林绿化的各项指标。
遥感影像的处理包括数据源的选择、预处理、影像分割、图像分类、专题制图与统计等过程，处理过程具有较强的逻辑性和复杂性。高空间分辨率遥感影像数据的处理过程基本相同，本项目主要以项目区的Pléiades-1影像的主要处理过程进行说明。遥感绿地解译流程见下图：
图1遥感绿地解译流程图
4园林绿化的遥感测定
4.1
4.1.1遥感数据准备建成区范围确定
本次宁乡县园林绿化现状遥感测定的范围为宁乡县建成区的范围，建成区总面积为3363hm 2，本次测定的范围为3363hm 2。
4.1.2卫星影像数据的采集
根据绿地遥感调查规程，遥感影像数据的选择购买调查年份（2014年）最新的无云或少云的历史存档数据。
宁乡县建成区园林绿化现状遥感调查利用的是2014年9月26日的Pléiades-1遥感数
据（两景），以确保影像质量更好和与外业时间保持同步。
图4.1.2-1研究区Pléiades-1遥感影像与订购参数
Pléiades-1作为主要遥感数据, 卫星的基本参数见下表：
表4.1.2-3
Pléiades卫星的基本参数
4.2
4.2.1遥感影像数据处理正射校正
购买的Pléiades-1遥感影像数据需要进行正射校正。正射校正处理能纠正一般系统因素产生的几何畸变外，还可以消除地形引起的几何畸变。获取的原始遥感影像会因传感器和地球地形的变形而像点位移，故而产生影像畸变。即使在小范围的高空间分辨率遥感影像在忽略地球曲面变化的情况下，根据中心投影的基本成像原理，相对地形高差的存在会导致同一经纬度坐标点会成像在影像上的不同位置。正射校正就是利用模型对遥感影像进行非线性拉伸处理，消除由于相对位置、高程和传感器参数的影响。一般情况下，由于能获取的全球数字高程模型（DEM ）的精度限制，正射校正属于影像粗校正。Pléiades-1等数据提供影像的同时还提供的有理多项式系数（RPC ）参数，可用于几何校正影像。处理
过程可通过DEM 对这些影像进行正射校正。由于核心城区内无明显山地地形，DEM 采用该区域的平均高程。
本项目采用卫星数据所提供的参数利用ENVI 软件的相关处理模块进行RPC
正射校正。
根据绿地遥感调查规程，遥感影像数据选择调查年份（
2014年）最新的无云或少云的历史存档数据。图4.2.1-2RPC 正射校正前后影像对比
4.2.2卫星影像纠正
遥感数据的预处理是遥感技术应用的第一步，预处理过程中的校正处理更是重中之重，主要包括辐射校正、几何校正。项目所用的数据是2014年9月26日获取的研究区域
Pléiades-1四波段捆绑遥感数据两景（全色分辨率为0.5
米，多光谱分辨率为2.0米），面积为117平方公里。
（1）辐射校正
在遥感成像时，由于存在大气对电磁波辐射的散射和吸收、太阳高度与传感器观察角的变化、地形起伏引起的辐射强度变化及传感器探测系统性能差异等影响因素，使得遥感影像产生辐射误差，即灰度失真。为了使影像能如实的反应地物的辐射能量分布，提高研究结果的准确性，需要对由辐射误差引起的灰度失真现象进行纠正，这个过程叫辐射校正。由于宁乡县的核心城区地势较平坦，由地形引起的图像灰度失真很小，这里主要校正由传感器系统、大气散射和吸收等因素引起的辐射误差。
辐射校正是将传感器记录的原始灰度（DN ）值转换为大气外层表面反射率的过程，目的在于消除传感器本身产生的误差。该过程的实现一般先通过公式0.1将图像的DN 值转化成辐射亮度值，然后通过公式0.2完成辐射亮度值到大气表观反射率的转化。
L =Gain ⨯DN +Bias \*MERGEFORMAT (0.1)
式中L 为辐射亮度值，Gain 和Bias 是增益值和偏移值，三者的单位都为W/(m2sr μm)。
ρ=π⨯L ⨯d 2/(ESUN ⨯cos θ)\*MERGEFORMAT (0.2)
式中ρ为大气表观反射率，L 为辐射亮度值，d 为天文单位的日地距离，ESUN 为太阳表观辐射率均值, 以度为单位的太阳天顶角。
辐射校正相关参数可以从遥感影像元文件中获取。
本操作采用遥感图像处理软件ENVI4.8的辐射定标模块对遥感影像影像进行辐射定标，参数的设置如下图：
4.2.2-1
辐射校正设置界面，校正类型选择反射率
4.2.2-2辐射校正前后影像对比图
（2）影像融合影像融合是将低空间分辨率的多光谱影像或高光谱数据与高空间分辨率的单波段影像重采样生成一副高分辨率多光谱影像遥感的图像处理技术，使得处理后的影像既有较高的空间分辨率，又具有多光谱特征。图像融合的关键是融合前两幅图像的精确配准以及处理过程中融合方法的选择。只有将两幅融合图像进行精确配准，才可能得到满意的结果。对于融合方法的选择，取决于被融合图像的特征以及融合目的。本项目的多光谱影像和全色波段影像获取于同一个卫星平台在相同的时间获取，经过验证具有非常高的空间匹配精度，因此可以直接用于影像融合。
图4.2.2-3
影像融合（左上为多光谱影像，右上为全色波段影像，左下为假彩色合成影像，右下为真彩
色合成影像）
图4.2.2-4左图为多光谱假彩色合成影像，右图为融合后的假彩色合成影像
图4.2.2-5影像融合（左图为真彩色Band 321合成，右图为假彩色Band 432合成）
（3）几何校正
遥感成像的时候，由于传感器平台的姿态、高度、速度以及地球曲率或空气折射等因素的影响，导致图像像元在图像中的坐标与其实际坐标等参考系坐标之间存在差异，这种差异表现为像元相对于地面目标的实际位置发生挤压、扭曲、拉伸和偏移等，针对这种由系统或非系统因素引起的图像几何变形进行误差纠正的过程就叫几何校正。
几何校正包括几何粗校正和几何精校正，前者是根据卫星轨道公式将卫星的位置、姿态、轨道及扫描特征作为时间函数加以计算，以确定每条扫描线上像元坐标，消除图像上的小部分畸变；后者是指借助地面控制点（GCP ）用一种数学模型定量地建立原始影像与标准空间之间的对应关系，根据这种对应关系对原始影像进行重采样，从而实现几何精校正，以消除图像畸变。本调查重点对原始影像进行几何精校正。本操作利用ENVI4.8软件的几何校正模块进行原始影像的几何精校正，具体的实现步骤包括：
①投影参数的设置
在进行几何精校正前，需要对待校正影像的投影参数重新设置。本调查利用1:1万地形图作为校正的标准空间，将已经过RPC 正射校正和辐射校正的Pléiades-1影像的投影参数设置为与地形图相同的Xian_1980坐标系。
WGS_1984_UTM_zone_49N
WKID:32649Authority:EPSG
Projection:Transverse_Mercator
false_easting:500000.0
false_northing:0.0
central_meridian:111.0
scale_factor:0.9996
latitude_of_origin:0.0
Linear Unit:Meter (1.0)
Geographic Coordinate System:GCS_WGS_1984
Angular Unit:Degree (0.[**************]3)
Prime Meridian:Greenwich (0.0)
Datum:D_WGS_1984
Spheroid:WGS_1984
Semimajor Axis:6378137.0
Semiminor Axis:6356752.314245179
Inverse Flattening:298.257223563
Xian_1980_3_Degree_GK_CM_112E
Authority:Custom
Projection:Gauss_Kruger
False_Easting:500000.0
False_Northing:0.0
Central_Meridian:112.0
Scale_Factor:1.0
Latitude_Of_Origin:0.0
Linear Unit:Meter (1.0)
Geographic Coordinate System:GCS_Xian_1980
Angular Unit:Degree (0.[**************]3)
Prime Meridian:Greenwich (0.0)
Datum:D_Xian_1980
Spheroid:Xian_1980
Semimajor Axis:6378140.0
Semiminor Axis:6356755.288157528
Inverse Flattening:298.257
②地面控制点（GCP ）的选取
图4.2.2-6几何校正地面控制点
图4.2.2-7几何校正后与地形图叠加图
4.2.3影像镶嵌
影像镶嵌是将两幅或多幅遥感影像拼在一起，构成一幅整影像的技术过程。本项目中，需要将两景Pléiades-1影像镶嵌，以便后续统一处理与分析，又因为影像成像条件相差不大，因此图像的辐射亮度值差异较小，不需要进行云色处理以及直方图均值化。
采用遥感图像处理软件ENVI4.8的基于地理坐标镶嵌模块对遥感影像影像进行影像镶嵌，设置如下图：
图4.2.3-1图像镶嵌示意图4.2.4输出图像像元灰度值的重采样
由于几何畸变，像素空间位置呈现非均衡偏移，从而导致有些像素点挤压在一起，有些像素点则较分散。因此，需要采用重采样的方法来确定校正后图像灰度值。灰度值的重采样是根据周围规则网格上像素灰度值按照一定的权重函数内插出来的。重采样方法主要有三种：最近邻插值法、双线性插值法和三次卷积插值法。
（1）最近邻插值法
最近邻插值法是将与待求像元的四个邻近像元中最近的像元灰度值赋给待求像元。该方法简单，计算效率高，因为在重采样中没有改变像元的灰度值，在区分不同类型植被、地址边界或湖水中不同浊度、叶绿素浓度或温度时，通常利用灰度值的这种细微变化，而其他方法利用均值法往往丢失很有价值的光谱信息（John R. Jensen ，2005）。但该方法校正后的图像有明显的锯齿状，存在灰度的不连续性。
（2）双线性插值法
双线性插值法是将与待求像元的四个邻近像元的灰度值在行和列两个方向上作线性内插。通常根据待求像元与邻近的四个像元的距离权重计算出亮度值，并赋给待求像元。双线性插值法计算量较大，损失部分高频信息，使图像略微模糊，存在分辨率降低的问题。但与最近邻插值法相比，其灰度值较为连续。
（3）三次卷积插值法
三次卷积插值法是将与待求像元的16个邻近像元的灰度值进行加权来确定待求像元灰度值。该方法计算量大，但对图像的细微结构保持较好，内插效果最好，精度最高。
权衡三种方法的优缺点调查区的具体情况，选取邻近点内插法作为重采样方法，尽量避免地表实物反射率值的失真，提高校正结果的精度。
备注：几何精校正我们同时对多光谱影像和融合后的影像进行，前者较好保持了地物的光谱特征利于识别地类和制作植被指数图，后者可以作为遥感底图进行图像分割和交互式解译等后续处理过程。4.2.5假彩色、真彩色合成
由于我们对彩色图像中地类的区分能力远远高于对灰度图像中的识别。因此有必要将多光谱图像进行彩色合成。在高空间分辨率遥感影像的植被图制作过程中，国际比较通用的波段组合方式有两种：Band 432合成的假彩色图像和Band 321合成的真彩色图像。影像融合部分已经图示了相关的效果，在假彩色图像中植被呈现粉红色或暗红色，在真彩色中绿色植被呈现绿色。根据植物种类和物候条件下有不同的颜色特征，因此外业踏查掌握主要植被与遥感的光谱特征的对应关系就显得非常重要。
4.2.6图像增强处理
图像增强主要目标是通过辐射增强、空间增强、光谱增强等方法突出感兴趣信息的影像处理过程。理论上图像增强不能应用于定量遥感分析，因为该处理过程改变原始的光谱物理数值（如直方图拉升处理）和空间分布（如边缘增强）。有些研究人员也将彩色合成与假彩色合成也作为图像增强的内容。本项目主要采用对波段进行直方图拉升的图像增强处理方法。该方法能增强土地类型之间在视觉上对比度，同时能去除图像噪声和薄雾。该处理过程在波段组合与影像融合等过程中都已经应用到，这里不在列图赘述。
4.3
4.3.1信息提取与解译城市绿地的分类
通过对建成区的现场调研发现宁乡县建成区范围内具有五大类绿地即：公园绿地、生产绿地、防护绿地、附属绿地、其他绿地，本次遥感绿地测定严格按照《城市绿地分类标准》（CJJ/T85-2002）进行分类。
4.3.2城市绿地遥感绿化信息解译
根据场地的实际情况，我们根据建成区土地利用现状图，依据用地属性划定绿地类型。用地属性不明的，通过绿地解译标志建立，人工判读确定。影像解译是查明城市绿地现状的关键环节。根据遥感解译的发展趋势和本次采用的遥感信息源，选择“人机交互解译”作为遥感图像解译的技术方法。
（1）遥感图像解译（人工判读）
①公园绿地：建成区内的公园形态规整，公园绿地植物相对集中，道路铺装和雕塑、构筑物等结构清晰，易于区分。
②防护绿地：包括河流防护绿地、道路防护绿地、铁路防护绿地、变电站及高压走廊
防护绿地，以林带的形式出现，形态规整，易于识别。
河流防护绿地
变电站防护绿地
铁路防护绿地道路防护绿地
③附属绿地：道路绿地形态规整，成线性分布于道路两侧，易于识别。居住区绿地集中于居住区内栋与栋建筑之间；教育科研附属绿地多有大型运动场地，易于辨别；除此之外的附属绿地结合土地利用现状图来辨别。
道路绿地
居住区绿地
行政办公附属绿地教育科研附属绿地
④其他绿地：多为林地，成片分布，易于识别。
（2）软件分类解译
本项目解译过程中以遥感影像为底图，叠加宁乡县的地理底图、土地利用现状图等矢量数据。解译遥感影像的步骤如下：
①在“遥感影像分析系统”中导入宁乡县的遥感影像，系统自动圈定图斑并划分类别，导出为SHP 矢量文件。图斑的类别有建筑、植被、水体、裸地、道路，绿地在植被类中。
图4.3.2-1自动分类后矢量叠加图
②在ArcGIS 中导入遥感影像、SHP 矢量文件、外业实际调查点、土地属性用地界
线，进行植物、水体图斑分类。
图4.3.2-2导入土地属性后的绿地分类总图
在用地属性不清的情况下，或部分影像的图斑比较小且模糊，难以识别，可根据周边图斑
的特征人工判读，解译后做特殊标注，在外业调查中做进一步验证
北京揽宇方圆信息技术有限公司