城市植被覆蓋度遙感信息提取

1、精選優(yōu)質(zhì)文檔-傾情為你奉上精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)專心-專注-專業(yè)精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)城市植被覆蓋度遙感信息提取 摘 要：本文基于SPOT5影像，以連云港市為實(shí)驗(yàn)區(qū)，研究了城市植被信息遙感提取的方法和技術(shù)。通過對研究區(qū)SPOT5影像的近紅外波段、紅光波段和綠光波段典型地物光譜信息的統(tǒng)計(jì)分析和對比研究，發(fā)現(xiàn)NDVI植被指數(shù)法用于增強(qiáng)綠色植被的效果最好。研究成果對于連云港地區(qū)綠化結(jié)構(gòu)，優(yōu)化植被空間結(jié)構(gòu)，使城市植被充分、高效地發(fā)揮其生態(tài)效益和使用功能具有重要的理論意義和實(shí)踐價(jià)值。 關(guān)鍵詞：遙感；城市植被；SPOT5；植被指數(shù)；信息提取 1 概述 城市植被作為城

2、市生態(tài)系統(tǒng)的重要組成部分，對于改善城市環(huán)境質(zhì)量，提高居民生活水平具有重要作用。因此，城市植被的研究是人們對城市發(fā)展預(yù)測至關(guān)重要的任務(wù)。隨著遙感技術(shù)的不斷發(fā)展，遙感技術(shù)已經(jīng)廣泛運(yùn)用于各個(gè)領(lǐng)域。在城市規(guī)劃方面，遙感技術(shù)可以實(shí)現(xiàn)土地動態(tài)監(jiān)測，空氣質(zhì)量的監(jiān)督控制和城市環(huán)境的規(guī)劃建設(shè)等。近幾年國內(nèi)許多城市將遙感技術(shù)應(yīng)用于植被覆蓋度信息提取中，動態(tài)掌握植被覆蓋的區(qū)域，優(yōu)化植被空間結(jié)構(gòu)，提高城市可持續(xù)發(fā)展?jié)撃?，?shí)現(xiàn)植被的整體規(guī)劃。利用遙感影像進(jìn)行城市植被覆蓋度信息提取，比傳統(tǒng)方式更加優(yōu)越。它具有視域范圍廣、信息量多、重復(fù)周期短、圖像清晰、資料收集方便等優(yōu)點(diǎn)。城市植被遙感主要研究城市綠化系統(tǒng)分析及規(guī)劃，是遙感

3、技術(shù)應(yīng)用的重要領(lǐng)域之一， 利用遙感技術(shù)不僅能夠準(zhǔn)確判定和量測綠化覆蓋面積， 且對于判別植被的類型、結(jié)構(gòu)乃至識別植物種類等都顯得十分有效。隨著遙感影像分辨率的不斷提高， 國內(nèi)大部分城市己經(jīng)采用如TM、SPOT、ETM+等影像數(shù)據(jù)來進(jìn)行城市植被的調(diào)查及生態(tài)規(guī)劃，從而為城市生態(tài)規(guī)劃及城市建設(shè)提供方案及依據(jù)。 因此， 本文基于SPOT5遙感影像對連云港某地區(qū)的城市植被進(jìn)行提取。首先，對原始遙感影像進(jìn)行裁剪得到連云港地區(qū)的影像圖。其次，運(yùn)用多種植被指數(shù)法對研究區(qū)圖像進(jìn)行增強(qiáng)處理，并通過比較得出NDVI（歸一化植被指數(shù)）對植被的增強(qiáng)效果最好。最后，在NDVI指數(shù)圖像上通過統(tǒng)計(jì)閾值，提取研究區(qū)的植被信息。

4、2 城市植被在SPOT5影像中的特征 2.1 城市植被及其地理特征 2.1.1 城市植被 城市植被指城市范圍內(nèi)的全部植被，包括自然生長的和人工栽培的各種植被類型。城市植被的定義分為廣義城市植被和狹義城市植被。廣義城市植被指城市規(guī)劃區(qū)范圍內(nèi)的各種植被。包括六大類型：公共植被，即各種公園、休憩林蔭帶；居住區(qū)植被；交通植被；附屬植被；生產(chǎn)防護(hù)植被；位于市內(nèi)或城郊的風(fēng)景區(qū)植被，即風(fēng)景游覽區(qū)、休養(yǎng)區(qū)、療養(yǎng)區(qū)等。狹義城市植被指面積較小、設(shè)施較少或沒有設(shè)施的綠化地段，區(qū)別于面積較大、設(shè)施較為完善的“公園”，主要包括公共植被、生產(chǎn)和防護(hù)植被兩類。 本文中所說的城市植被指廣義城市植被。城市植被不僅為城市環(huán)境增添

5、了色彩，改善了城市氣候，也是一個(gè)區(qū)域發(fā)展的重要影響因素。 2.1.2 研究區(qū)植被的地理特征 連云港全區(qū)位于東經(jīng)1182411948和北緯343507之間，東西長129公里，南北寬約132公里，水域面積1759.4平方公里。東臨黃海，與朝鮮、韓國、日本隔海相望；西與徐州新沂市、宿遷市沭陽縣毗鄰；南與淮安市漣水、鹽城市響水2縣相連；北與山東郯城、臨沭、莒南、日照等縣市接壤。連云港市位于魯中南丘陵與淮北平原的結(jié)合處，地勢由西北向東南傾斜，形如一只飛向海洋的彩蝶。境內(nèi)以平原為主，兼有丘陵、山地、湖泊、灘涂等。有大小山峰214座，云臺山主峰玉女峰海拔624.4米，為江蘇省的最高峰。境內(nèi)河網(wǎng)稠密，連云港市

6、有標(biāo)準(zhǔn)海岸線162公里，21個(gè)島嶼，其中東西連島為江蘇第一大島，面積7.57平方公里，基巖海岸是江蘇省獨(dú)有。 2.2 城市植被的遙感影像特征 遙感影像特征主要有光譜特征和空間特征，我們了解遙感影像特征的目的是為了更好的解譯遙感影像中的各類地物，為軍事、農(nóng)業(yè)、環(huán)境、地學(xué)和各類決策提供有效的技術(shù)支撐。因此研究遙感影像的特征就是一項(xiàng)非常重要而且困難的工作1。 2.2.1 光譜特征 圖像上的波譜信息表現(xiàn)為已經(jīng)量化的輻射值，即圖像的亮度/灰度值/像元值，它是一種相對的量度。像元值間接反映了地物的波譜特征，不同的地物有著不同的像元值，當(dāng)然把同譜異物排除。遙感圖像解譯中識別不同地物的一個(gè)重要標(biāo)志就是圖像的像

7、元值差異。光譜特征可具體為提取目標(biāo)物的顏色、灰度或波譜間的亮度比等。 SPOT5影像是由SPOT5衛(wèi)星搭載3種傳感器除了前幾顆衛(wèi)星上的高分辨率幾何裝置（HRVIR）和植被探測器（VEGETATION）外，還有一個(gè)高分辨率立體成像（HRS）裝置獲取的遙感影像，包括以下5個(gè)波段2。 PA：0.510.73um，全色波段。地面分辨率較高，為2.5m，可用于農(nóng)林調(diào)查和規(guī)劃，城市規(guī)劃和較大比例尺專題制圖。 B1：0.500.59um，為綠波段。波段中心位于葉綠素反射曲線最大值，即0.55um處，處于水蒸氣衰減最小值的長波端，對于水體混濁度評價(jià)以及水深1020m以內(nèi)的干凈水體的調(diào)查是十分有用的。 B2：0

8、.610.68um，為紅波段。位于葉綠素吸收帶，受大氣散射的影響較小，為可見光最佳波段，用于識別裸露的地表、植被、土壤、巖性地層、地貌現(xiàn)象等。 B3：0.780.89um，為近紅外波段。能夠很好地穿透大氣層。在該波段，植被表現(xiàn)的特別明亮，水體表現(xiàn)的特別黑。 B4：1.581.75um，為短紅外波段。用于探測植物含水量及土壤濕度，區(qū)別云與雪。 由于城市植被信息在B1、B2和B3波段的光譜特征明顯，所以本文選擇這三個(gè)波段的數(shù)據(jù)進(jìn)行城市植被信息的提取研究。 在不同植物的光譜曲線中， 反射率漲落最大的是近紅外區(qū)。不同的植物種類，如闊葉喬、灌木和草地在該波段具有較高的反射率，而針葉樹的反射率也會有10%

9、20%的漲落，一般春末夏初反射較高，而秋季較低。此外植物的健康程度也會在近紅外波段有所顯示，對于同一種植物而言，受環(huán)境污染及病蟲害影響的反射率較低，健康植物的反射率較高。植被指數(shù)有助于增強(qiáng)遙感影像的解譯能力，并已作為一種遙感手段廣泛應(yīng)用于土地利用覆蓋探測、植被覆蓋密度評價(jià)、作物識別和作物預(yù)報(bào)等方面，并在專題制圖方面增強(qiáng)了分類能力。 費(fèi)鮮蕓3在研究山東省泰安市城區(qū)60km2范圍內(nèi)的城市植被時(shí)，運(yùn)用SPOT5 2.5m全色波段和10米多光譜波段，對該城區(qū)的各種城市植被、耕地、居民區(qū)和水域等地物進(jìn)行光譜特征分析，對各波段的灰度值范圍及灰度平均值進(jìn)行統(tǒng)計(jì)，統(tǒng)計(jì)結(jié)果如圖1所示。 圖1 幾種典型地物的光譜

10、曲線 各種植被、耕地和水域在紅色（red）波段（第二波段），近紅外（near infrared）波段（第三波段）與道路和居民區(qū)能較好區(qū)分，同時(shí)裸地與不同植被類型在各波段有不同程度的光譜重疊，利用單一波段難以區(qū)分。水域在第一波段和第四波段反射率都較低，可以與其他各類別較好地區(qū)分，個(gè)別水域在水泥筑底的淺水區(qū)域存在少量的與道路有較少的重疊現(xiàn)象，會影響分類精度。 本文通過對連云港某地區(qū)遙感圖像的亮度值進(jìn)行統(tǒng)計(jì)，得到幾類典型地物的光譜信息，如圖2所示。 圖2 典型地物的光譜曲線 從圖中可以看出四類地物的光譜曲線變化相似，縱向比較時(shí)發(fā)現(xiàn)，植被的亮度值與其他類別有較多的交集，與河流也存在部分交集。故在信息提

11、取時(shí)會導(dǎo)致信息的誤提。 2.2.2 空間特征 空間特征是通過圖像的像元值在空間上的變化反映出來的，包括圖像上有實(shí)際意義的點(diǎn)、線、面或區(qū)域的空間位置、紋理、形狀、大小、邊緣和線性構(gòu)造等，這些都屬于空間特征。 紋理特征 紋理又稱質(zhì)地，是遙感影像上重要的信息，是由于像片比例尺的限制，物體的形狀不能以個(gè)體的形式明顯的在影像上表現(xiàn)出來，而是以群體的色調(diào)、形狀重復(fù)所構(gòu)成的、個(gè)體無法辨認(rèn)的影像特征。不同物體的表面結(jié)構(gòu)特點(diǎn)和光滑程度是不一致的，在遙感影像上形成不同的紋理質(zhì)地。紋理具有如下特征： a紋理具有局部的隨機(jī)性和整體上的統(tǒng)計(jì)規(guī)律性； b復(fù)雜紋理是簡單紋理的組合； c紋理是圖像中某個(gè)區(qū)域共同的特征，對于單

12、一的像元沒有紋理可言； d不同的分辨率下紋理也是不同的。 城市植被的紋理特征提取主要運(yùn)用灰度共生矩陣、自相關(guān)法和小波變換等方法，常用的紋理特征值是熵。申廣榮2等利用SPOT影像，以福建省泉州市鯉城區(qū)為例，在詳細(xì)分析研究區(qū)植被不同類別紋理差異的基礎(chǔ)上，利用統(tǒng)計(jì)和小波分析方法提取紋理信息，并將其引入基于光譜分類的最大似然法進(jìn)行植被信息的提取分類，結(jié)果分類精度比監(jiān)督分類提高了4個(gè)百分點(diǎn)。 邊緣特征 邊緣是指周圍像素灰度有階躍變化或屋頂變化的那些像素的集合，存在于對象和背景、對象和對象、區(qū)域和區(qū)域之間。邊緣總是存在于兩個(gè)有不同灰度的區(qū)域之間，這是由于兩個(gè)區(qū)域之間的灰度是不連續(xù)的。地物的輪廓又叫地物的邊

13、緣列表，或一條邊緣列表的曲線模型。邊緣特征可以分割圖像，不同的圖像對象灰度不同，邊界處一般有明顯的邊緣特征。邊緣特征也是紋理分析等其他圖像分析的重要信息源和形狀特征基礎(chǔ)。 城市植被的邊緣特征是指圖像上植被周圍與其他地物灰度變化的分界，基本上體現(xiàn)了城市植被的輪廓。 形狀特征 形狀是地物外貌輪廓在影像上的相似記錄，任何物體都具有一定的外貌輪廓，在遙感影像上表現(xiàn)出不同的形狀，如：游泳池是長方形，足球場則是兩端為弧形的長方形，水渠為長條形，公路為蜿蜒的曲線型等。物體在影像上的形狀細(xì)節(jié)顯示能力與比例尺有很大關(guān)系，比例尺愈大，其細(xì)節(jié)顯示愈清楚；比例尺愈小，其細(xì)節(jié)就愈不清楚，即地物形狀根據(jù)比例尺在影像上的表

14、現(xiàn)不同。但應(yīng)當(dāng)注意，遙感影像上所表現(xiàn)的形狀與我們平常在地面所見的地物形狀有所差異：a遙感影像所顯示的主要是地物頂部或平面形狀，是俯視圖；b遙感影像是中心投影，物體形狀在影像邊緣會發(fā)生變形。城市植被在形態(tài)上比較規(guī)則，有矩形、環(huán)形、帶狀和零星點(diǎn)狀等特點(diǎn)，如街道綠化帶呈矩形或帶狀分布。 3 基于SPOT5影像的城市植被信息遙感提取 3.1 遙感圖像的預(yù)處理 本文研究的是城市植被覆蓋度信息提取的方法，由于原始圖像范圍過大，包含的其他信息較多，故需要對原始圖像進(jìn)行裁剪，確定研究區(qū)范圍。原始圖像如圖3所示，裁剪后圖像如圖4所示。 圖3 原始圖像 圖4 裁剪圖像 裁剪后的圖像是連云港城區(qū)的某一區(qū)域，從圖中可

15、以看出城市植被、道路、河流、建筑物和其他地類。其中，城市植被的分布較規(guī)則，多在建筑物周圍、廣場和道路兩旁等地。 3.2 傳統(tǒng)的植被覆蓋度信息提取方法 傳統(tǒng)的植被覆蓋度信息提取方法包括監(jiān)督分類、非監(jiān)督分類法、計(jì)算機(jī)分類新算法和目視解譯等方法。目視解譯法要求解譯者運(yùn)用遙感影像上不同地物所表現(xiàn)出的顏色、色調(diào)、形狀、大小及紋理特征來判讀影像，費(fèi)時(shí)費(fèi)力且精度不高。下面就只介紹監(jiān)督分類、非監(jiān)督分類和計(jì)算機(jī)分類新算法。 3.2.1 監(jiān)督分類與非監(jiān)督分類 監(jiān)督分類需要從研究區(qū)域選取有代表性的訓(xùn)練場地作為樣本。根據(jù)已知訓(xùn)練區(qū)提供的樣本，通過選取特征參數(shù)（如像元亮度均值、方差等），建立判別函數(shù)，據(jù)此對樣本像元進(jìn)行

16、分類，依據(jù)樣本類別的特征來識別非樣本像元的歸屬類別。通過對監(jiān)督分類的結(jié)果圖與原圖像的對比，可以看出植被信息誤提嚴(yán)重，對河流的分類較好，道路提取有一定的信息缺失。 非監(jiān)督分類指在沒有先驗(yàn)類別（訓(xùn)練場地）作為樣本的條件下，即事先不知道類別特征，主要根據(jù)像元間相似度的大小進(jìn)行歸類合并（將相似度大的歸為一類）的方法。常用方法有K-均值聚類法（K-mean）和動態(tài)聚類法（ISODATA）。 通過非監(jiān)督分類結(jié)果圖與原圖像的對比，可以看出植被、建筑物等信息提取的精度都不高，比監(jiān)督分類的結(jié)果還要差一些。由于遙感圖像普遍存在的“同物異譜”及“異物同譜”現(xiàn)象，使得非監(jiān)督分類的精度很有限，而監(jiān)督分類對訓(xùn)練場的選擇存

17、在很大主觀 因素，對于訓(xùn)練者不知或因數(shù)量太少未被定義的類別，監(jiān)督分類也不能識別。所以無論監(jiān)督分類還是非監(jiān)督分類都存在很大的局限性。 3.2.2 植被指數(shù)法 植被指數(shù)提取是遙感監(jiān)測地面植物生長和分布的一種方法。它通過植被的光譜特征來說明植被的生長狀況和覆蓋范圍。由于不同綠色植物對不同波長光的吸收率不同，光線照射在植物上時(shí)，近紅外波段的光大部分被植物反射，而可見光波段的光大部分被植物吸收。通過對近紅外和紅光波段反射率進(jìn)行線性或非線性組合，可以消除地物光譜產(chǎn)生的影響，得到的特征指數(shù)就是植被指數(shù)。目前，在科學(xué)文獻(xiàn)中發(fā)布了超過150種植被指數(shù)模型，在這些植被指數(shù)中只有極少數(shù)經(jīng)過系統(tǒng)的實(shí)驗(yàn)檢驗(yàn)。 植被指數(shù)

18、雖然有好多種，但常用的植被指數(shù)有：歸一化植被指數(shù)（NDVI）、比值植被指數(shù)（RVI）、差值植被指數(shù)（DVI）、正交植被指數(shù)（PVI）和土壤調(diào)節(jié)植被指數(shù)（SAVI）等。 歸一化植被指數(shù) 歸一化植被指數(shù)（NDVI）增加在近紅外波段范圍內(nèi)綠葉的散射與紅色波段范圍內(nèi)葉綠素吸收的差異，增強(qiáng)了植被信息。它是檢測植被生長狀態(tài)、植被覆蓋度、消除部分輻射誤差等的一種重要指標(biāo)。 針對SPOT5影像，NDVI的計(jì)算公式為： NDVI=（NIR-Red）/（NIR+Red） （1） 式中，NIR代表近紅外波段，Red代表紅光波段。通過計(jì)算得到NDVI植被指數(shù)圖像，在圖像中白色、灰白色圖斑代表植被覆蓋率高或比較高。 比

19、值植被指數(shù) 比值植被指數(shù)（RVI）是指在近紅外波段范圍綠葉的散射與紅色波段范圍葉綠素吸收的比值。比值植被指數(shù)主要用于研究植物的長勢和作物估產(chǎn)。 針對SPOT5影像， RVI的計(jì)算公式為： RVI=NIR/Red （2） 通過計(jì)算得到圖像，在圖像中白色、灰白色圖斑代表植被覆蓋率高或比較高。 差值植被指數(shù) 差值植被指數(shù)是近紅外波段和紅色波段的差值，對土壤背景的變化極為敏感，有利于對植被生態(tài)環(huán)境的監(jiān)測。 針對SPOT5影像， DVI的計(jì)算公式為： DVI=NIR-Red （3） 通過計(jì)算得到圖像，在圖中白色、灰白色圖斑代表植被覆蓋率高或比較高。但對于建筑物周圍，花園中的零星植被增強(qiáng)較差。 正交植被指

20、數(shù) 正交植被指數(shù)（PVI）是指在R-NIR的二維坐標(biāo)系內(nèi)，植被像元到土壤亮度線的垂直距離。PVI能較好地消除了土壤背景的影響，多用于農(nóng)作物的估產(chǎn)。 針對SPOT5影像， PVI的計(jì)算公式為： PVI=1.6225（NIR）-2.2978（R）+11.0656 （4） 通過計(jì)算得到，在圖中白色、灰白色圖斑代表植被覆蓋率高或比較高。但河流的亮度值與建筑物等其他地物接近，不好區(qū)分。 總之，植被指數(shù)的類型多、影響因子多、應(yīng)用領(lǐng)域也很廣，那么使用者需要根據(jù)國內(nèi)實(shí)際情況，選擇合適的模型達(dá)到增強(qiáng)的效果最優(yōu)。 3.2.3 城市植被覆蓋度信息提取實(shí)驗(yàn)與分析 城市植被覆蓋度信息提取 經(jīng)過上述各種植被指數(shù)法的增強(qiáng)處

21、理圖像與原圖像的對比研究，得出NDVI植被指數(shù)法增強(qiáng)效果最好。為更好的提取植被信息，必須對研究區(qū)分類畫出感興趣區(qū)域，統(tǒng)計(jì)研究區(qū)內(nèi)各地類的光譜特征，分析各地物在每個(gè)波段的相關(guān)性。通過對研究區(qū)亮度值的統(tǒng)計(jì)，確定植被覆蓋度信息提取的閾值。 首先，運(yùn)用ENVI4.7圖像處理軟件分類畫出感興趣區(qū)域，并統(tǒng)計(jì)出各類地物的光譜值，如表1所示。 表1 典型地物樣區(qū)亮度值統(tǒng)計(jì)表 波段&統(tǒng)計(jì)值&植被&河流&道路&其他&B1&最小值 最大值 均值 方差&63 130 108. 14.&55 76 64. 5.&193 233 215. 11.&112 255 160. 33.&B2&最小值 最大值 均值 方差&73

22、148 119. 17.&63 88 75. 6.&179 215 199. 9.&100 233 138. 30.&B3&最小值 最大值 均值 方差&63 123 99. 13.&72 99 87. 7.&173 217 201. 11.&93 233 130. 29.& 從表1不難看出植被在B2波段亮度值最高，說明植被在該波段的反射率最高，而在B3波段亮度最低，說明植被在該波段的吸收最強(qiáng)。 其次，將通過NDVI植被指數(shù)法增強(qiáng)的研究區(qū)圖像打開，右擊圖像附加剛繪制的感興趣區(qū)域，統(tǒng)計(jì)各地物的灰度值，如圖5所示。其他各類地物也如法炮制，經(jīng)過匯總得到NDVI圖上的各地物亮度值，如表2所示。 圖5 R

23、OI在NDVI圖上的統(tǒng)計(jì)結(jié)果 表2 各類地物樣區(qū)特征波段值統(tǒng)計(jì)表 波段&統(tǒng)計(jì)值&植被&河流&道路&其他&NDVI&最小值 最大值 均值 方差&0. 0. 0. 0.&-0. -0. -0. 0.&-0. 0. -0. 0.&0. 0. 0. 0.& 再次，結(jié)合上表中各地物在NDVI圖像上的灰度值，可以看出植被在NDVI波段的亮度值與河流、道路差異顯著，與其他地類會有一定的混淆，經(jīng)過多次實(shí)驗(yàn)得到統(tǒng)計(jì)閾值為（0.03-0.），提取的植被信息結(jié)果圖如圖6所示。其中白色為植被信息，黑色是除植被以外的河流、道路等其他信息。將提取圖像與原圖像疊加對比，可以看出圖中箭頭所指地方信息非植被覆蓋度信息提取過多、

24、存在誤提現(xiàn)象。 圖6 第一次設(shè)定閾值提取的結(jié)果 最后，優(yōu)化結(jié)果。經(jīng)過多次模型改進(jìn)試驗(yàn)，得出將NDVI圖與NDVI下提取的結(jié)果（閾值為0.030.）進(jìn)行減運(yùn)算，然后在此圖的基礎(chǔ)上進(jìn)一步提取植被信息得到的結(jié)果較前面提取的結(jié)果更好。兩幅圖像做減法運(yùn)算的結(jié)果圖如圖7所示，統(tǒng)計(jì)亮度值如表3所示。 圖7 NDVI波段與在NDVI上提取的結(jié)果做減運(yùn)算的結(jié)果 表3 各地物的亮度值統(tǒng)計(jì)表 波段&統(tǒng)計(jì)值&植被&河流&道路&其他&Band&最小值 最大值 均值 方差&-0. 0. -0. 0.&-0. -0. -0. 0.&-0. 0. -0. 0.&-0. 0. -0. 0.& 通過對上表各地物亮度值的統(tǒng)計(jì)，經(jīng)過

25、多次實(shí)驗(yàn)的到提取效果最好的閾值范圍（-0.96-0.085），提取的最終結(jié)果如圖8所示。 圖8 第二次統(tǒng)計(jì)閾值（-0.96-0.085）提取的結(jié)果 結(jié)果分析 通過以上植被覆蓋度信息提取的比較，可以看出，單純從NDVI圖像上通過統(tǒng)計(jì)閾值提取的植被信息要么將非植被提取出來，要么就將建筑區(qū)周圍的綠化帶提取不全，存在很大的缺陷。 比如，在ENVI4.7遙感處理軟件下的Basic Tool菜單下選擇Band Manth工具，輸入波段計(jì)算的公式：b1 gt X and b1 lt Y 其中，X、Y就是閾值。當(dāng)閾值分別設(shè)置為（0.050.）和（0.030.）時(shí)，得到提取結(jié)果分別如圖9、10所示。 圖9 閾值為0.050. 圖10 閾值為0.0