基于Albedo-NDVI特征空间遥感荒漠化信息提取

1. 背景

土地荒漠化是指包括气候变异和人类活动在内的种种因素造成的干旱半干旱和亚湿润干地区的土地退化。及时准确地掌握土地荒漠化发生发展情况是有效防止和治理土地荒漠化的基本前提。目前遥感技术在土地荒漠化监测中起到了不可替代的作用。使用遥感影像数据可以提取土地荒漠化信息，通过遥感影像所表现的不同信息，可以判断土地荒漠化的发生与否以及发展程度等。在进行土地荒漠化信息提取时，常用的方法有人工目视解译方法、监督分类方法、非监督分类方法、决策树分层分类方法、神经网络自动提取方法等。在实际应用中，通常选择其中的一种或结合几种方法进行分类提取。

目前，一种比较新的方法是通过构造“植被指数(NDVI)——反照率(Albedo)特征空间”来进行荒漠化信息遥感提取。荒漠化过程及其地表特性的变化能在 Albedo-NDVI特征空间中得到明显直观的反映。在Albedo-NDVI特征空间中，可以利用植被指数和地表反照率的组合信息，通过选择反映荒漠化程度的合理指数，就可以将不同荒漠化土地有效地加以区分，从而实现荒漠化时空分布与动态变化的定量监测与研究。而这个问题的合理解决，实际上就是如何根据需要采用一定的综合指标来划分Albedo-NDVI特征空间。

根据Verstraete and Pinty的研究结论，如果在代表荒漠化变化趋势的垂直方向上划分Albedo-NDVI特征空间，可以将不同的荒漠化土地有效地区分开来。而垂线方向在 Albedo-NDVI特征空间的位置可以用特征空间中简单的二元线性多项式加以表达，即DDI=k*NDVI - Albedo，其中: DDI可称为荒漠化分级指数，k由特征空间中拟合的曲线斜率确定。

本文主要介绍Albedo-NDVI特征空间遥感荒漠化信息提取的技术流程。

2．处理流程介绍

 

（1）数据获取

   不同数据地表反照率反演模型不一样，根据反演模型来选择数据。

（2）数据预处理

包括数据几何校正、大气校正、研究区域的裁剪等预处理步骤，根据选择的数据源情况确定，比如L1T级的Landsat已经做过精确几何校正不需要做几何校正处理。

（3）信息提取

计算NDVI和Albedo。

如地表反照率反演，利用 L i a n g 建立的 L a n d s a t — T M数据的反演模型，估算了研究区地表反照率。

然后将结果进行归一化处理，保证数据的一致性。用归一化公式进行NDVI和albedo数据的归一化处理。归一化公式如下。

（4）计算NDVI和Albedo的定量关系

经专家学者研究NDVI与albedo之间存在着一种负相关的线性关系。不同沙漠化土地类型对应的植被指数 ( N D V I ) 和地表反照率 ( A l b e d o ) 具有显著的线性负相关性，类似于：Albedo=a*NDVI+b这种线性关系。说明随着荒漠化程度的增加，植被指数 ( N D V I ) 逐渐减少，而地表反照率则逐渐增加。在 A l b e d o—NDVI 特征空间中，荒漠化过程得到了明显的反映。

为了找到两者之间的定量关系，需要分别找出NDVI和albedo对应的两组数据，利用这两组数据进行回归拟合出一个关系式。

获取若干组相同像素对应的NDVI和albedo值，可以在如excel工具中找到NDVI和Albedo数据间的量化关系。得到表达式Albedo=a*NDVI+b中a的值。

图：excel工具中NDVI和Albedo数据

图：构建NDVI和Albedo数据线性关系图

图：NDVI和Albedo数据线性表达式

（5）荒漠化差值指数的计算

荒漠化差值指数：DDI=(-1/a)*NDVI-Albedo，得到荒漠化差值植被指数。

（6）荒漠化分级信息的提取

根据荒漠化差值植被指数就能进行荒漠化分级信息提取。有两种方法：一是通过设置分级阈值进行分级；另一是通过利用“自然间断点分级法”将DDI值进行分级。

（7）制图输出

将结果图输出。