基于HJ-1A/B的咸宁市NDVI时序数据半自动化制作研究

摘要：本文以咸宁市为例，利用Python脚本语言的优秀特性，及ArcGIS中模型构造器中的迭代工具和工具箱中自带的空间数据处理工具，实现对影像的批量化处理。通过上述方法，分析得出归一化植被指数在一年间的变化趋势与该区域植被的生长特性有关，同时，根据统计遥感影像批处理与手动处理所需的时间，显示半自动化处理提高了计算NDVI时序数据的速率。

关键词：Python;ArcGIS;模型构造器 ;批量处理

引言

植被是生态系统的重要组成部分[1]，也是自然环境的主要因子。其分布状况影响着该区域的气候调节、水土保持以及生物的多样性[2]。对归一化植被指数时序数据的研究有益于了解区域变化趋势，及时了解土地利用随时间变化的规律，以及在该研究时间段所发现的问题，并采取相应的措施来解决计算在植被指数所存在的问题[3]。

但是，现今不同系列的遥感卫星影像不断的增长，为了减少单一步骤的重复，避免有人工操作引起的错误，所以需要实现半自动化。国内运用ERDAS Image中的空间模型生成器，提取水体植被指数[4];也可以基于CUDA算法实现对植被指数的提取[5]。国外主要利用半自动化技术，结合线跟踪实现，基于高分辨率的遥感影像，根据河流特征组合实现对河流的提取[6];也可结合图像分割和随机森林以及航空判读技术，来提高自动化的能力[7]。半自动化制作的研究可以提高处理时序数据的效率，使批量化操作更加灵活，以便适应于当下数据海量增长的大数据时代的步伐。

1.研究区概况及数据来源

1.1 研究区概况

咸宁市位于湖北省东南部，是长江中游地区，同时是湖北省八加一城市圈之一，地势南高北低，拥有充足的自然资源，气候温和，降水充沛，植被占地面积约61.98%。

1.2 数据源

遥感影像来源中国资源卫星应用中心（http：//www.cresda.com/n16/index.html）。基于2011年1月-2011年12月环境系列卫星影像进行操作，对遥感影像的质量要求：分辨率为30m，影像的云量需小于10%。

2.研究法

不同时段的遥感影像经过辐射校正，需提取研究区域的数据进行分析。基于GIS与python语言的集成，以及软件自带的站点包。其中，arcpy是Python的站点包，主要通过Python高效地执行地理数据自动化、数据转换、数据管理和地图自动化;glob模块主要用于查找符合特定规则的文件路径名，glob.glob函数是返回匹配文件路径列表;os模块是运维工作中常见的模块，通过os模块调用系统命令，并且可以跨平台使用。通过IDLE实现编写的python脚本，批量化裁剪研究区遥感影像。通过编写Python脚本，CompositeBands_management（）函数，实现波段融合的半自动化。利用ArcGIS中模型构造器，建立模型实现对环境归一化植被指数的计算。归一化植被指数为近红外波段与红光波段的反射率之差与两者之和的比值，为了避免计算时数据的溢出，通常使用浮点型数据类型来计算NDVI。

3. 结果分析

半自动化处理中，ArcGIS+Python脚本语言与MoldeBuilder对遥感影像进行批量化处理，在很大程度上提高了数据的处理效率。从批量和手动处理两方面，统计裁剪、融合、计算NDVI值所需时间，结果显示相较于手动处理，批量化处影像的效率分别提高了88.6%、89.5%和84%，直接说明半自动化处理的优越性。

4.结论

地理数据的处理是GIS工作中的核心部分，简单的数据处理可以通过GIS软件工具进行处理，但是复杂且海量的数据很难通过简单的GIS工具高效的处理对应的地理数据。所以按照本文的技术路线，结合强大的ArcGIS平台的处理能力，以及其脚本语言的可编程性和强大的类库资源，进行一系列的操作，得出的NDVI变化曲线图基本符合该区域植被生长特性。用Python脚本语言以及模型构造器实现批处理过程，通过调用命令语句以及类库，减少了统一操作步骤的轮回，简单方便;大量使用Python可灵活处理所遇到的问题;应用编写好的脚本语言，实现其自动化，省时省力。

参考文献：

[1] 庄雨适，林晓晟，李景新.基于NDVI变化的吉林省辽河流域生态环境保护对策研究[J].绿色科技，2018（14）：74-77+80.

[2] 钟红平，王宏志.2007年～2016年湖北省归一化植被指数时空变化特征分析[J].华中师范大学学报（自然科学版），2018，52（04）：582-588.

[3] 石悦樾，银正彤，郑文锋.基于MODIS数据乌江流域植被覆盖变化与气候变化关系研究[J].林业资源管理，2017（01）：127-134.

[4] 郭利川. 基于遥感影像和地形图的水体提取及其半自动化变化检测[D].武汉大学，2005.

[5] 于延，王建华，段喜萍.遥感数字影像中提取植被指数并行算法的研究与实现[J].科技通报，2013，29（02）：100-102.

[6] Craig R. Dillabaugh， K.Olaf Niemann， Dianne E. Richardson . Semi-Automated Extraction of Rivers from Digital Imagery[J]. GeoInformatica， 2002， 6（3）：263-284.

[7]Steven M.Kloiber，Robb D.Macleod，Aaron J.Smith. A Semi-Automated， Multi-Source Data Fusion Update of a Wetland Inventory for East-Central Minnesota， USA[J]. Wetlands， 2015， 35（2）：335-348.