江麗莎，何朝霞

(長江大學(xué) 工程技術(shù)學(xué)院，湖北 荊州 434020)

基于纓帽變換分析地表溫度變化*

江麗莎，何朝霞

(長江大學(xué) 工程技術(shù)學(xué)院，湖北 荊州 434020)

利用纓帽變換提取土壤亮度指數(shù)、綠度植被指數(shù)、濕度指數(shù)等地表參數(shù)，利用模型提取歸一化植被指數(shù)NDVI、比值植被指數(shù)RVI、修改型土壤調(diào)整指數(shù)MSAVI等植被指數(shù)和水體指數(shù)MNDWI，利用Artis單窗算法估算熱紅外波段像元尺度地表溫度，將地表溫度的影響因素作為BP神經(jīng)網(wǎng)絡(luò)輸入估算30 m空間分辨率的亞像元地表溫度，分析1989～2006年桂林城區(qū)土地利用變化、纓帽變換特征分量變化、植被參數(shù)變化、水體指數(shù)變化對(duì)地表溫度的影響機(jī)理。

纓帽變換；亮度指數(shù)；綠度指數(shù)；濕度指數(shù)

1 K-T變換概述

K-T變換稱之為纓帽變換。K-T變換是由多光譜的遙感土壤、綠色植被等數(shù)據(jù)信息，在多位光譜空間中信息分布結(jié)構(gòu)對(duì)圖像做的經(jīng)驗(yàn)性線性正交變換。K-T變換是Kauth和Thomas利用MSS圖像來反應(yīng)植物的生長狀態(tài)提出的變換。其本質(zhì)是一種線性變換。通過結(jié)果分析，意外地發(fā)現(xiàn)在MSS的特征空間中，植被光譜信息點(diǎn)是纓帽形狀的，所以稱為纓帽變換。

1.1 轉(zhuǎn)換系數(shù)

K-T變換本質(zhì)為一種特殊的PCA變換，其轉(zhuǎn)換系數(shù)是固定的。K-T變換MSS的轉(zhuǎn)換系數(shù)：

Y=[Y1，Y2，Y3，Y4]T

其中，Y1：亮度分量，主要反映土壤反射率變化的信息；Y2：綠度分量，反映地面植被的綠度；Y3：黃度分量，反映植被的枯萎程度；Y4：噪聲，無實(shí)際意義。

K-T變換TM的轉(zhuǎn)換系數(shù)：

其中，Y1：亮度分量；Y2：綠度分量；Y3：濕度分量。

Y=[Y1，Y2，Y3，Y4，Y5，Y7]T

1.2K-T變換的基本思想

K-T變換的本質(zhì)思想是：多波段圖像是N維空間特征。其中，每一個(gè)像元都是N維特征空間中的一個(gè)數(shù)據(jù)點(diǎn)。觀察前期的成果可以知道，植被特征主要由三個(gè)數(shù)據(jù)軸來反映，分別為亮度軸、綠度軸及濕度軸，確定相關(guān)的轉(zhuǎn)換系數(shù)，如上所說的三個(gè)軸的數(shù)據(jù)特征由不太復(fù)雜的線性計(jì)算或者特征空間旋轉(zhuǎn)來得到，同時(shí)，這種旋轉(zhuǎn)與傳感器的性能有關(guān)，因而還需要確定傳感器的類型[1]。

1.3 變換的基本原理

U=RTx+r

(1)

R代表纓帽變換系數(shù)，x代表不同波段的灰度值，r表征常數(shù)的偏移量，它的存在是為了避免在變換過程中出現(xiàn)負(fù)值的情況發(fā)生[2]。U表示纓帽變換后不同的波段灰度值。K-T變換后所得到的特征數(shù)據(jù)中，前三個(gè)特征數(shù)據(jù)和地物類型有著密不可分的關(guān)系。第一個(gè)分量為亮度指數(shù)，反映了地物總體反射率的綜合效果；第二個(gè)分量為綠度指數(shù)，它的特征量受綠色植被種類、植被數(shù)量、植被葉面積指數(shù)的影響非常大；第三個(gè)分量為濕度指數(shù)，它反映了地面水分的條件，特別是土壤的濕度狀態(tài)，其余分量為黃度指數(shù)及噪聲[3-6]。

2 仿真實(shí)驗(yàn)

K-T變換完成配準(zhǔn)、變換、直方圖匹配、替代和還原五個(gè)步驟。

(1)配準(zhǔn)：配準(zhǔn)多光譜和高分辨率全色圖像。

(2)變換：根據(jù)確定的變換系數(shù)R變換得到U所包含的 “亮度分量”、“綠度分量、“濕度分量”、“黃度分量及噪聲”四個(gè)特征分量。

(3)直方圖匹配：直方圖匹配高分辨率下的全色圖像和K-T變換后多光譜圖像所獲得的亮度分量，要求達(dá)到均值和方差一致。

(4)替代：用經(jīng)過匹配的高分辨率全色圖像替代多光譜圖像經(jīng)K-T變換后的亮度分量。

(5)還原：利用代替過的亮度分量與其他分量進(jìn)行纓帽逆變換，還原到RGB空間，得到高空間分辨率的多光譜融合圖像。

在TM遙感數(shù)據(jù)圖像里包含著大量的遙感波段數(shù)據(jù)信息。在經(jīng)過K-T變換后，可以從中得到土壤亮度(BI)、綠度(GVI)、濕度(WI)和黃度四個(gè)主要的分量特征。

BI= 0.290 9TM1+0.249 3TM2+0.480 6TM3+

0.556 8TM4+0.443 8TM5+0.170 6TM7

GVI= -0.272 8TM1-0.217 4TM2-0.550 8TM3+

0.772 1TM4+0.073 3TM5-0.164 8TM7

WI= 0.144 6TM1+0.176 1TM2+0.332 2TM3+

0.339 6TM4-0.621 0TM5-0.418 6TM7

經(jīng)過K-T變換后所得到的土壤亮度(BI)、綠度(GVI)和濕度(WI)三個(gè)參量因子的效果圖，如圖1，三個(gè)參量與地表溫度的相關(guān)性如圖2。

圖1 變換后的分量圖

圖2 三個(gè)參量與地表溫度相關(guān)性

3 結(jié)論

從圖中看出，纓帽變換特征分量變化是影響地表溫度的一個(gè)關(guān)鍵因素，其中，亮度分量與地表溫度呈正相關(guān)關(guān)系，相關(guān)系數(shù)為0.717 7；綠度分量、濕度分量分別與地表溫度呈顯著的負(fù)相關(guān)關(guān)系，相關(guān)系數(shù)分別為0.943 8、0.829 0。

[1] 陳超,江濤,劉祥磊.基于纓帽變換的遙感圖像融合方法研究[J].測(cè)繪科學(xué),2009,34(3):105-108.

[2] 周家香,朱建軍,左延英.IKONOS圖像的纓帽變換方法[J].礦山測(cè)量,2006,3(1):12-14.

[3] 費(fèi)鮮蕓,張志國,高祥偉.基于纓帽變換的IKONOS數(shù)據(jù)融合[J].計(jì)算機(jī)工程與應(yīng)用,2008,44(2):233-235.

[4] 張連華,龐勇,岳彩榮，等.基于纓帽變換的景洪市時(shí)間序列Landsat影像森林?jǐn)_動(dòng)自動(dòng)識(shí)別方法研究[J].林業(yè)調(diào)查規(guī)劃,2013,38(2):6-12.

[5] 王啟亮,田啟川.基于多尺度分塊的指紋圖像二值化算法[J].微型機(jī)與應(yīng)用,2013,32(4):33-36.

[6] 王惠,汪金波,彭良玉，等.神經(jīng)網(wǎng)絡(luò)在GRAPPA算法中的應(yīng)用[J].微型機(jī)與應(yīng)用,2013,32(4):45-47.

[7] MUNOZ-MARI J, BOVOLO F, GOMEZ-CHOVA L, et al. Semisupervised one-class support vector machines for classification of remote sensing data[J]. IEEE Trans Geosci Remote Sens,2010,48(8):3188-3197.

[8] Xiao Rongbo,Ouyang Zhiyun,Zheng Hua, et al.Spatial pattern of impervious surfaces and their impacts on land surface temperature in Beijing,China[J]. Journal of Environmental Sciences,2007(19):250-256.

Analysis of surface temperature changes based on Tasseled Cap transform

Jiang Lisha，He Zhaoxia

(College of Technology & Engineering, Yangtze University, Jingzhou 434020, China)

This paper uses Tasseled Cap transform to extract soil brightness index, vegetation greenness index, humidity index and surface parameters, uses the model to extract the normalized difference vegetation index NDVI, ratio vegetation index RVI, amend the soil adjusted vegetation index and other indices MSAVI and Water Index MNDWI,uses Artis single window algorithm to estimate the thermal infrared pixel scale surface temperature, takes surface temperature factors as BP neural network input to estimate 30 m spatial resolution of sub-pixel surface temperature. It analizes 1989-2006 Guilin city land usage change, tasseled cap transformation characteristic component change, vegetation parameters, water index change on the mechanism of surface temperature.

Tasseled Cap transform; brightness index ; vegetation greenness index; humidity index

長江大學(xué)工程技術(shù)學(xué)院科學(xué)研究發(fā)展基金資助(15j0401)

TP79

A

1674-7720(2016)01-0036-02

江麗莎，何朝霞.基于纓帽變換分析地表溫度變化[J].微型機(jī)與應(yīng)用，2016，35(1)：36-37，41.

2015-09-08)

江麗莎(1987-)，女，碩士，助教，主要研究方向：數(shù)字圖像處理。

何朝霞(1984-)，通信作者，女，碩士，講師，主要研究方向：數(shù)字圖像處理。E-mail：hzx1105@qq.com。