植被覆盖度反演
题目：植被遥感监测具有很长的历史，植被遥感中植被覆盖反演是主要内容之一，线性分解模型是混合像元分解法的一种，根据混合像元分解及线性分解模型的原理，利用红碱淖2016年6月17日Landsat8 OLI数据，求取研究区植被覆盖度（写出详细计算过程和步骤）。
一、操作思路：
端元代表影像中的纯净像元，求取植被覆盖度即求取端元的丰度，因此采用混合像元分解及线性分解模型进行混合像元分解，得到端元以及相应的丰度影像，即为植被覆盖度影像。
二、操作步骤：
1.影像预处理
由于操作时间的限制和硬件设备的不允许，将影像选取一定的区域进行裁剪，感兴趣区域为roi1文件，得到裁剪后影像2016new文件，导入影像，进行影像的预处理，包括辐射定标和大气校正步骤，辐射定标采用Radiometric Calibration 工具，大气校正采用FLAASH工具，分别得到辐射定标结果2016_rad1和2016_ref 文件。
2.MNF变换
采用MNF变换工具，可将数据波段进行“降维”，提取出有用信息集中的波段，去除噪声信息集中的波段，利用Forward MNF Estimate Noise Statistic将数据进行MNF变换，得到MNF变换结果2016_MNF和噪声文件MNF_Noise和统计文件MNF_Statistic文件。
3.PPI变换
纯净像元指数法指像元被标记为纯净像元的次数，可以将混合像元进行分解，有效的提取出端元。
由于操作时间的限制和硬件设备的不允许，将MNF变换后影像与原影像选取一定的同样区域进行裁剪，感兴趣区域选择ROI2文件，得到裁剪结果为2016_MNF_sub和2016new_sub文件。
在MNF变换后发现有用信息集中在1、2、3波段，因此利用Pixel Purity Index 工具，将MNF变换后影像选择1、2、3波段进行端元提取，阈值设为3.00，操作的结果为2016_PPI文件。
4.N维可视化
利用N维可视化工具可以将端元更好的显示，有利于更加直观的确定端元，在N维可视化窗口中，选中1、2、3波段，在显示窗口中将较为集中的区域定为端元，进行类（class）的划定，一共确定三类，利用mean all工具将三类端元的波谱显示出来，并保存为波谱库2016_sli文件。
5.端元识别
利用Endmember Collection工具将波谱库2016_sli与已知波谱库USGS_min.sli进行端元识别，得到每一种端元最匹配的地物类型，将端元进行重新命名，再保存为波谱库2016_new_sli文件。
6.波谱库重采样
利用Forward MNF convert 工具将端元识别后的波谱库进行重采样，使其能够完美匹配，操作的结果为2016_new_sli_resize文件。
7.线性分解
利用线性分解工具将数据进行线性分解，输入MNF变换后的统计文件，得出混合像元线性分解结果2016_Mix文件，即植被覆盖度影像。
基于像元二分模型的植被覆盖度反演-以北京市为例
基于像元二分模型的植被覆盖度反演-以北京市为例 王玲 （西北大学城市与环境学院，陕西西安 710127） 摘要：采用遥感技术监测植被覆盖度具有重要意义。本文以北京市为例，基于2013年的Landsat8 OLI影像，选取NDVI值为参数，采用像元二分模型对植被覆盖度进行反演，最终反演的结果与实际情况符合，说明采用该方法反演植被覆盖度可行。 关键词：植被覆盖度、像元二分模型、NDVI、植被指数 引言 植被覆盖度（Vegetation fractional cover，简称fc）是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比，即植土比。通常林冠称郁闭度，灌草等植被称覆盖度[1]。它是衡量地表植被覆盖的一个最重要的指标，被覆盖度及其变化是区域生态系统环境变化的重要指示，对水文、生态、全球变化等都具有重要意义[2]。根据监测手段, 测量植被覆盖度的方法可分为地面测量和遥感测量两大类，测量常用于田间尺度，遥感估算常用于区域尺度。目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的地面测量单的方法就是目估法，缺点主要是主观性太强。客观的测量方法有样点法、样方法、样带法等，借助于采样仪器的测量方法，空间定量计、移动光量计等。这些方法虽然提高了测量精度，但野外操作不便，并且成本较高, 难以在大范围内快速提取植被覆盖度。而采用遥感技术为监测大面积区域的植被覆盖度，甚至全球的植被覆盖度监测提供了可能[3]。目前已有许多利用遥感技术测量植被覆盖度的方法，其中应用最广泛的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。 一、数据源 本文选取两景覆盖北京市的Landsat8 OLI影像、土地覆盖类型图以及北京行政边界矢量数据为数据源。其中，土地覆盖类型图是作为掩膜文件使用，其目的是为了便于植被覆盖度的估算；北京行政边界矢量数据是为了将两景镶嵌好的影像数据进行裁剪使用的，其目的是裁剪出北京市行政区内的范围。另外，Landsat8 OLI影像是从地理空间数据云网站上下载得到的，其成像时间为2013年10月份。与Landsat7的ETM+成像仪相比，OLI成像仪获取的遥感图像辐射分辨率达到12比特，图像的几何精度和数据的信噪比也更高。OLI成像仪包括9个短波谱段（波段1～波段9），幅宽185km，其中全色波段地面分辨率为15m，其他谱段地面分辨率为30m[4]。
ENVI下植被覆盖度的遥感估算
ENVI下植被覆盖度的遥感估算 植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。容易与植被覆盖度混淆的概念是植被盖度，植被盖度是指植被冠层或叶面在地面的垂直投影面积占植被区总面积的比例。两个概念主要区别就是分母不一样。植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。 植被覆盖度的测量可分为地面测量和遥感估算两种方法。地面测量常用于田间尺度，遥感估算常用于区域尺度。目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。 估算模型 目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。下面是李苗苗等在 像元二分模型的基础上研究的模型： VFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil) （1） 其中, NDVIsoil 为完全是裸土或无植被覆盖区域的NDVI值，NDVIveg 则代表完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。两个值的计算公式为： NDVIsoil=（VFCmax*NDVImin- VFCmin*NDVImax）/( VFCmax- VFCmin) （2） NDVIveg=（(1-VFCmin)*NDVImax- (1-VFCmax)*NDVImin）/( VFCmax- VFCmin) （3） 利用这个模型计算植被覆盖度的关键是计算NDVIsoil和NDVIveg。这里有两种假设： 1）当区域内可以近似取VFCmax=100%，VFCmin=0%。 公式（1）可变为： VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin) （4） NDVImax 和NDVImin分别为区域内最大和最小的NDVI值。由于不可避免存在噪声，NDVImax 和NDVImin一般取一定置信度范围内的最大值与最小值，置信度的取值主要根据图像实际情况来定。 2）当区域内不能近似取VFCmax=100%，VFCmin=0%
基于GIS的ndvi植被覆盖度的估算
1.绪论 1.1 课题研究的目的与意义 植被，包括森林、灌丛、草地和农作物，既是生态系统的主要组成部分，也是生态系统存在的基础，具有截流降雨、减缓径流、防沙治沙、保持水土等功能，联结着土壤、大气和水分等自然过程，在陆地表面的能量交换、生物地球化学循环和水文循环等过程中扮演着重要角色，是全球变化研究中的“指示器”[1]。植被根据生态系统中水、气等的状况，调控其内部与外部的物质、能量交换。植被覆盖与气候因子关系极为密切，研究植被覆盖变化 对气候的影响是气候变化研究的主要内容之一，它影响着土壤湿度、地表温度和地表能量与水的循环(李苗苗，2004)。
植被覆盖度(vegetation fractional cover，简称FC)是指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比[2]。它是植被对地面的垂直投影比例， 对于山坡进行植被覆盖度测量时，应该采用垂直于坡面的角度。植被覆盖度具有强烈的尺度效应，同一片植被，因被纳入统计的范围不同而表现为不同的植被覆盖度。如一个地区的植被覆盖度很高，但平均到全国水平就大大降低了[3]。植被覆盖度在提示地表植被分布规律, 探讨植被分布影响因子, 分析评价区域生态环境, 及时准确地掌握其动态变化, 分析其发展趋势对维护区域生态平衡等方面都具有重要意义。[4]而城市植被则是城市生态系统重要的还原组织和最重要的元素,对于保护城市生态环境具有不可忽视的作用[5] ,如有效缓解城市
“热岛效应”,改善城市区域小气候[5～7] 等。 城市化的迅速推进，带来了多样化的生态足迹，植被覆盖度，土壤污染率，地表侵蚀率，逐渐成为生态研究的热点，也成为环境保护的重点。借助于高速发展的RS与GIS技术来进行植被覆盖度的估算，将是当前环境监测的必要步骤。 徐州是由矿区发展起来的城市，由于长期开采矿产，导致了一系列严重的生态问题，如塌陷地广布，植被破坏率严重，土地侵蚀率增大，等。在此背景下，研究徐州市整体的土地覆盖情况，即是现实需要，也是未来生态城市规划的重要步骤。研究的最终结果也会给徐州市的城市规划提供信息支持与技术保障。 1.2 国内外植被覆盖度研究现状 由于植被覆盖度是许多学科的重要参数，为
植被覆盖度反演
题目：植被遥感监测具有很长的历史，植被遥感中植被覆盖反演是主要内容之一，线性分解模型是混合像元分解法的一种，根据混合像元分解及线性分解模型的原理，利用红碱淖2016年6月17日Landsat8 OLI数据，求取研究区植被覆盖度（写出详细计算过程和步骤）。 一、操作思路： 端元代表影像中的纯净像元，求取植被覆盖度即求取端元的丰度，因此采用混合像元分解及线性分解模型进行混合像元分解，得到端元以及相应的丰度影像，即为植被覆盖度影像。 二、操作步骤： 1.影像预处理 由于操作时间的限制和硬件设备的不允许，将影像选取一定的区域进行裁剪，感兴趣区域为roi1文件，得到裁剪后影像2016new文件，导入影像，进行影像的预处理，包括辐射定标和大气校正步骤，辐射定标采用Radiometric Calibration 工具，大气校正采用FLAASH工具，分别得到辐射定标结果2016_rad1和2016_ref 文件。 2.MNF变换 采用MNF变换工具，可将数据波段进行“降维”，提取出有用信息集中的波段，去除噪声信息集中的波段，利用Forward MNF Estimate Noise Statistic将数据进行MNF变换，得到MNF变换结果2016_MNF和噪声文件MNF_Noise和统计文件MNF_Statistic文件。 3.PPI变换 纯净像元指数法指像元被标记为纯净像元的次数，可以将混合像元进行分解，有效的提取出端元。 由于操作时间的限制和硬件设备的不允许，将MNF变换后影像与原影像选取一定的同样区域进行裁剪，感兴趣区域选择ROI2文件，得到裁剪结果为2016_MNF_sub和2016new_sub文件。 在MNF变换后发现有用信息集中在1、2、3波段，因此利用Pixel Purity Index 工具，将MNF变换后影像选择1、2、3波段进行端元提取，阈值设为3.00，操作的结果为2016_PPI文件。 4.N维可视化 利用N维可视化工具可以将端元更好的显示，有利于更加直观的确定端元，在N维可视化窗口中，选中1、2、3波段，在显示窗口中将较为集中的区域定为端元，进行类（class）的划定，一共确定三类，利用mean all工具将三类端元的波谱显示出来，并保存为波谱库2016_sli文件。 5.端元识别
成都市植被覆盖度遥感动态监测分析
遥感地学分析课程设计实验报告成都市植被覆盖度遥感动态监测分析 团队人员胡禹贤2008043013遥感081班杨维2008043035 遥感081班胡晓2008043010 遥感081班卿晓琼2008043009 遥感081班郝争2008043007 遥感081班
摘要 本次研究以四川省成都市为研究区，选择2000年Landsat ETM数据、2007年Landsat TM 数据、成都1:50万地形图以及全国县界1：400万的矢量图作为基本信息源，对遥感数据进行波段合成、大气校正、几何校正、图像裁剪处理后，计算出两期图像的归一化植被指数（NDVI），对植被覆盖度进行估算。结果表明：成都市在七年间植被覆盖度总体上呈增高趋势，尤其是市区二环路以内，植被覆盖度有了明显的增加。但是，在成都的一些郊区，比如龙泉、郫县、以及金堂等地的植被覆盖度已经出现下降的迹象；另外，与2000年相比，成都市到2007年低植被覆盖度区域面积有了明显的减少，中低植被覆盖到中高植被覆盖度区域面积增加明显，高植被覆盖度区域面积变化不大。从研究结果上看，我们总体上认为研究区植被覆盖度变化和人类活动有不可分割的密切关系。 【关键词】：归一化植被指数；遥感；植被覆盖度；成都市。 summary The study, Chengdu, Sichuan Province as the study area, select the Landsat ETM data in 2000, Landsat TM data in 2007, Chengdu, 1:50 million, and topographic maps 1:400 million the county boundary vector as a basic source of information on remote sensingband synthetic data, atmospheric correction, geometric correction, image cropping treatment, two images to calculate the normalized difference vegetation index (NDVI), vegetation coverage estimate. The results showed that: Chengdu, vegetation coverage in the seven years, showing a rising trend in general, especially in the urban area within the Second Ring Road, the vegetation coverage has been an obvious increase.However, in some suburbs of Chengdu, such as Longquan, Pixian, and Jintang, the vegetation coverage has been signs of decline; In addition, compared with 2000, Chengdu, in 2007 ,had a significant size of the area decrease in the low vegetation cover in areas of high vegetation coverage area increased significantly and the regional area of high vegetation coverage changed little. The results from the research point of view, is generally thought that the vegetation cover change and human activities are inextricably close relationship. 【Key words】: normalized difference vegetation index; remote sensing; vegetation coverage; Chengdu.
《遥感图像处理》：曲靖市Landsat8遥感影像植被覆盖度反演
《遥感图像处理》实验报告 实验题目：曲靖市Landsat8遥感影像 植被覆盖度反演 姓名：___ ____ 学号： 专业：___地理科学_ __ 教师： 日期：___2017年3月15日__
曲靖师范学院城市学院
一、实验目的 太阳辐射通过大气以某种方式入射到物体表面然后再反射回传感器，由于大气气溶胶、地形和邻近地物等影像，使得原始影像包含物体表面，大气，以及太阳的信息等信息的综合。如果我们想要了解某一物体表面的光谱属性，我们必须将它的反射信息从大气和太阳的信息中分离出来，这就需要进行大气校正过程。本实验以曲靖市的一景Landsat 8遥感影像为数据源，利用ENVI大气校正扩展模块（FLAASH）进行大气校正，并对比分析大气校正前后植被、水体、土壤、裸岩等典型底物的光谱特征差异，为后续定量遥感的应用奠定一定的基础。 二、实验准备 1.软件准备：ENVI 5.3.1 2.数据准备：LC81290422015324LGN00遥感数据、地形数据 三、实验过程 （一）遥感影像数据的辐射定标 Landsat8数据和其他TM 数据类似，发布的数据标示L1T，做过地形参与的几何校正，一般情况下可以直接使用而不需要做几何校正。为了利用其丰富的波段光谱信息，我们需要进行辐射定标处理，将原始图像上的DN值转为反射率。 1.使用ENVI5.1下的通用定标工具Radiometric Calibration进行Landsat8的辐射定标。打开LO81290422015148BJC00_MTL全波段文件，选择MultiSpectral多光谱数据进行定标，定标的范围可缩小为ROI区域。
植被覆盖度分布图制作
作业1： 用TM/ETM图像制作一个地区植被覆盖度分布图(要求如图所示)，描述该地区的 区域概况，并分析植被分布空间差异。所用公式如下： NDVI=(B4-B3)/(B4+B3) Vr=(NDVI-NDVIb)/(NDVIv-NDVIb) 式中：NDVI是归一化植被指数。B3和B4是TM第3和4波段的图像亮度值。 NDVIb和NDVIv是裸土和植被的NDVI值，可分别取0.15和0.75。Vr是植被覆盖度(0-1)。 要求：用WORD把制作过程和分析结果记录下来。>2000字 目的：学会图像处理软件，进行图像信息提取，用各种软件共同制作有实际意 义的图像 原理与方法： NDVI——归一化植被指数NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。 1．NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等； 2．-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示 有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大 而增大 3．NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比 度。对于同一幅图像，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI 增加速度，即NDVI对高植被区具有较低的灵敏度； 4．NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、雪、枯 叶、粗糙度等，且与植被覆盖有关。 操作步骤如下： 一．从地理空间数据云网站下载山西省吕梁地区文水县的ETM影像，对应地区的数据如下： 表：Landsat8数据波段参数 波段波长范围(μm)空间分辨率(m) 名称 1-海岸波段0.433–0.453 30 LC81260342015159LGN00_B1 2-蓝波段0.450–0.515 30 LC81260342015159LGN00_B2 3-绿波段0.525–0.600 30 LC81260342015159LGN00_B3
ENVI下植被覆盖度的估算
ENVI下植被覆盖度的遥感估算 2013-05-30 | 阅：1 转：17 | 分享 修改 植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。容易与植被覆盖度混淆的概念是植被盖度，植被盖度是指植被冠层或叶面在地面的垂直投影面积占植被区总面积的比例。两个概念主要区别就是分母不一样。植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。 植被覆盖度的测量可分为地面测量和遥感估算两种方法。地面测量常用于田间尺度，遥感估算常用于区域尺度。 估算模型 目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。下面是李苗苗等在像元二分模型的基础上研究 的模型： VFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil) （1） 其中, NDVIsoil 为完全是裸土或无植被覆盖区域的NDVI值，NDVIveg 则代表完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。两个值的计算公式为： NDVIsoil=（VFCmax*NDVImin- VFCmin*NDVImax）/( VFCmax- VFCmin) （2） NDVIveg=（(1-VFCmin)*NDVImax- (1-VFCmax)*NDVImin）/( VFCmax- VFCmin) （3） 利用这个模型计算植被覆盖度的关键是计算NDVIsoil和NDVIveg。这里有两种假设： 1）当区域内可以近似取VFCmax=100%，VFCmin=0%。 公式（1）可变为： VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin) （4） NDVImax 和NDVImin分别为区域内最大和最小的NDVI值。由于不可避免存在噪声，NDVImax 和NDVImin一般取一定置信度范围内的最大值与最小值，置信度的取值主要根据图 像实际情况来定。 2）当区域内不能近似取VFCmax=100%，VFCmin=0% 当有实测数据的情况下，取实测数据中的植被覆盖度的最大值和最小值作为VFCmax和VFCmin，这两个实测数据对应图像的NDVI作为NDVImax 和NDVImin。 当没有实测数据的情况下，取一定置信度范围内的NDVImax 和NDVImin。VFCmax和
基于像元二分模型的植被覆盖度反演以市为例
基于像元二分模型的植被覆盖度反演以市为例 文件排版存档编号：[UYTR-OUPT28-KBNTL98-UYNN208]
基于像元二分模型的植被覆盖度反演-以北京市为例 王玲 （西北大学城市与环境学院，陕西西安 710127） 摘要：采用遥感技术监测植被覆盖度具有重要意义。本文以北京市为例，基于2013年的Landsat8 OLI影像，选取NDVI值为参数，采用像元二分模型对植被覆盖度进行反演，最终反演的结果与实际情况符合，说明采用该方法反演植被覆盖度可行。 关键词：植被覆盖度、像元二分模型、NDVI、植被指数 引言 植被覆盖度（Vegetation fractional cover，简称fc）是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比，即植土比。通常林冠称郁闭度，灌草等植被称覆盖度[1]。它是衡量地表植被覆盖的一个最重要的指标，被覆盖度及其变化是区域生态系统环境变化的重要指示，对水文、生态、全球变化等都具有重要意义[2]。根据监测手段, 测量植被覆盖度的方法可分为地面测量和遥感测量两大类，测量常用于田间尺度，遥感估算常用于区域尺度。目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的地面测量单的方法就是目估法，缺点主要是主观性太强。客观的测量方法有样点法、样方法、样带法等，借助于采样仪器的测量方法，空间定量计、移动光量计等。这些方法虽然提高了测量精度，但野外操作不便，并且成本较高, 难以在大范围内快速提取植被覆盖度。而采用遥感技术为监测大面积区域的植被覆盖度，甚至全球的植被覆盖度监测提供了可能[3]。目前已有许多利用遥感技术测量植被覆盖度的方法，其中应用最广泛的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。
植被覆盖度计算
植被覆盖度计算 Document serial number【KK89K-LLS98YT-SS8CB-SSUT-SST108】
ENVI下植被覆盖度的遥感估算 (植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。容易与植被覆盖度混淆的概念是植被盖度，植被盖度是指植被冠层或叶面在地面的垂直投影面积占植被区总面积的比例。两个概念主要区别就是分母不一样。植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。 植被覆盖度的测量可分为地面测量和遥感估算两种方法。地面测量常用于田间尺度，遥感估算常用于区域尺度。 估算模型 目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。下面是李苗苗等在像元二分模型的基础上研究的模型： VFC=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)（1） 其中,NDVIsoil为完全是裸土或无植被覆盖区域的NDVI值，NDVIveg则代表完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。两个值的计算公式为： NDVIsoil=（VFCmax*NDVImin-VFCmin*NDVImax）/(VFCmax-VFCmin)（2） NDVIveg=（(1-VFCmin)*NDVImax-(1-VFCmax)*NDVImin）/(VFCmax-VFCmin)（3） 利用这个模型计算植被覆盖度的关键是计算NDVIsoil和NDVIveg。这里有两种假设： 1）当区域内可以近似取VFCmax=100%，VFCmin=0%。 公式（1）可变为： VFC=(NDVI-NDVImin)/(NDVImax-NDVImin)（4） NDVImax和NDVImin分别为区域内最大和最小的NDVI值。由于不可避免存在噪声，NDVImax和NDVImin一般取一定置信度范围内的最大值与最小值，置信度的取值主要根据图像实际情况来定。 2）当区域内不能近似取VFCmax=100%，VFCmin=0%
植被覆盖度计算经验教程
ENVI5.1（5.0版本以上）计算植被覆盖度 1.加载用矢量边界裁剪过的ROI（经几何校正-辐射校正处理） 2.计算NDVI，利用ENVI5.1 Toolbox 提供的搜索功能查找NDVI模块，然 后进行NDVI计算。本例中影像数据为landsat8 影像，因此Input File Type 选项为Landsat OLI，红色波段为4，近红外为5（TM和ETM+影像的NDVI Band：Red 3 Near IR 4）
3.对计算的NDVI进行DN二值化处理，选择Toolbox 中的Band Ratio/Band Math模块，在band math 对话框中进行参数设置。首先，在Enter an expression 对话框下输入NDVI二值化公式： ((b1 lt -1)*0+((b1 ge -1) and (b1 le 1))*b1+(b1 gt 1)*1) （切记，括号为英文半角），然后单击Add to List，将波段运算表达式添加至Previous Band Math Expressions 对话框，然后OK。在新弹出的Variables to Bands Parings 对话框Avilable Bands List 对话框中选择上一步计算的NDVI，然后输出至特定位置（切记，如果电脑内存不足2G，请输出结果为File）。
4.对二值化的NDVI进行概率统计。选择Toolbox 中Statistics/Compute Statistics模块，选择二值化处理的结果（本例中，NDVI_20131119为计算得到的NDVI结果，NDVI为二值化后的结果），同时在Mask Options 下拉菜单中选择Build Mask..选项，在弹出的Mask Definition对话框中选择Import EVFs选项，创建一个mask。然后查看统计结果。详细理论请参考https://www.360docs.net/doc/1416968340.html,/s/blog_764b1e9d0100u29i.html
植被覆盖度计算机模拟模型与参数敏感性分析
作物学报 ACTA AGRONOMICA SINICA 2008, 34(11): 1964?1969 https://www.360docs.net/doc/1416968340.html,/zwxb/ ISSN 0496-3490; CODEN TSHPA9 E-mail: xbzw@https://www.360docs.net/doc/1416968340.html, 基金项目: 国家重点基础研究发展计划(973计划)项目(2007CB407203); 国家自然科学基金项目(40771150); 国家基础科学人才培养基金 (NFFTBS-J0630532) 作者简介: 瞿瑛(1985–), 男, 在读硕士研究生。E-mail: quying@https://www.360docs.net/doc/1416968340.html, * 通讯作者(Corresponding author): 谢云。E-mail: xieyun@https://www.360docs.net/doc/1416968340.html, Received(收稿日期): 2008-02-26; Accepted(接受日期): 2008-06-08. DOI: 10.3724/SP.J.1006.2008.01964 植被覆盖度计算机模拟模型与参数敏感性分析 瞿 瑛1,2 刘素红1,2,3 谢 云1,2,* (1 北京师范大学地理学与遥感科学学院, 北京100875; 2 北京师范大学遥感国家重点实验室, 北京100875; 3 北京师范大学环境遥感与数字城市北京市重点实验室, 北京100875) 摘 要: 植被覆盖度是重要的生态学参数, 对水文、生态、全球变化等研究具有重大意义。目前使用的目测估算法和数码照相法都具有一定的主观性, 另外通过自然界中相似样方的大量测量获得稳定的统计规律具有很大的难度, 因此建立叶面积指数和植被覆盖度之间的统计模型是估算植被覆盖度的有效方法。本文以大豆为例,利用椭圆来模拟大豆的叶片, 选取大豆植株结构的关键参数, 通过随机分布函数来模拟植株叶片位置、倾角和大小的分布, 获得不同植被结构参数下单位面积上的植被覆盖度, 建立植被覆盖度计算机模拟模型。通过实测数据和理论研究结论来验证模拟结果。对模型的参数敏感性进行分析结果表明, 叶半短轴是比叶半长轴更为敏感的植被结构参数。该模型为植被覆盖度的研究提供了一种新的思路和方法。 关键词: 植被覆盖度; 计算机模拟模型; 参数敏感性; 大豆 Computer Simulation Model of Fractional Vegetation Cover and Its Pa-rameters Sensitivity QU Ying 1,2, LIU Su-Hong 1,2,3, and XIE Yun 1,2,* (1 School of Geography, Beijing Normal University, Beijing 100875; 2 State Key Laboratory of Remote Sensing Science, Beijing Normal University, Beijing 100875; 3 Beijing Key Laboratory for Remote Sensing of Environment and Digital Cities, Beijing 100875, China) Abstract : Fractional Vegetation Cover (FVC) is an important ecology parameter, which is essential in the studies of hydrology, ecology, and global variation. Currently, the estimation methods used for FVC, including eyeballing method and digital camera imagery interpretation method, are obviously subjective and uncertain. Furthermore, it is rather difficult for the statistical rela-tionship between FVC and leaf area index (LAI) to establish by measurement of millions of samples that have similar vegetation structure parameters. Thus, it is an effective way for the estimation of FVC to develop a statistical model between FVC and LAI . In the paper, we simulated the soybean leaves using ellipses, and determined the position, orientation and size with random distri-bution function by choosing the key parameters in the soybean structure to obtain the FVC per area under different vegetation structure parameters. The model was validated with data measured in situ and the theoretical conclusion. The analysis of parame-ter sensitivity of the simulation model showed that the length of stem is not a sensitive parameter when it was longer than foliage interval; wheresa the angle of stem is not a sensitive parameter until it reache a threshold. The leaf tilt angle and foliage interval were in inverse portion to the fractional vegetation cover, while the semimajor and semiminor axis of leaf were in direct portion to the fractional vegetation cover. The semiminor axis of leaf was a much more sensitive parameter than semimajor axis of leaf. It suggested that it was a novel and feasible way for FVC. Keywords: Fractional vegetation cover; Computer simulation model; Parameters sensitivity; Soybean 植物是沟通有机界和无机界, 完成自然界水循环、碳循环、生物圈物质和能量交换过程的重要一环。植被覆盖度是指植被(包括叶、茎、枝)在单位面 积内的垂直投影面积所占百分比[1-2], 是衡量陆地植被覆盖和生长状况的重要生态学参数和量化指标, 同时也是水文、气象、生态等区域或全球问题的定
基于GIS的植被覆盖度估算
基于GIS的植被覆盖度估算 1.绪论 1.1 课题研究的目的与意义 植被，包括森林、灌丛、草地和农作物，既是生态系统的主要组成部分，也是生态系统存在的基础，具有截流降雨、减缓径流、防沙治沙、保持水土等功能，联结着土壤、大气和水分等自然过程，在陆地表面的能量交换、生物地球化学循环和水文循环等过程中扮演着重要角色，是全球变化研究中的“指示器”[1]。植被根据生态系统中水、气等的状况，调控其内部与外部的物质、能量交换。植被覆盖与气候因子关系极为密切，研究植被覆盖变化 对气候的影响是气候变化研究的主要内容之一，它影响着土壤湿度、地表温度和地表能量与水的循环(李苗苗，2004)。 植被覆盖度(vegetation fractional cover，简称FC)是指植被(包括叶、茎、枝)在 地面的垂直投影面积占统计区总面积的百分比[2]。它是植被对地面的垂直投影比例，对于山坡进行植被覆盖度测量时，应该采用垂直于坡面的角度。植被覆盖度具有强烈的尺度效应，同一片植被，因被纳入统计的范围不同而表现为不同的植被覆盖度。如一个地区的植被覆盖度很高，但平均到全国水平就大大降低了[3]。植被覆盖度在提示地表植被分布规律, 探讨植被分布影响因子, 分析评价区域生态环境, 及时准确地掌握其动态变化, 分析其发展趋势对维护区域生态平衡等方面都具有重要意义。[4]而城市植被则是城市生态系统重要的还原组织和最重要的元素,对于保护城市生态环境具有不可忽视的作用[5] ,如有效缓解城市“热岛效应”,改善城市区域小气候[5,7] 等。
城市化的迅速推进，带来了多样化的生态足迹，植被覆盖度，土壤污染率，地表侵蚀率，逐渐成为生态研究的热点，也成为环境保护的重点。借助于高速发展的RS与GIS技术来进行植被覆盖度的估算，将是当前环境监测的必要步骤。 徐州是由矿区发展起来的城市，由于长期开采矿产，导致了一系列严重的生态问题，如塌陷地广布，植被破坏率严重，土地侵蚀率增大，等。在此背景下，研究徐州市整体的土地覆盖情况，即是现实需要，也是未来生态城市规划的重要步骤。研究的最终结果也会给徐州市的城市规划提供信息支持与技术保障。 1.2 国内外植被覆盖度研究现状 由于植被覆盖度是许多学科的重要参数，为了得到准确的植被覆盖度信息，植被覆盖度监测技术的提高，就成了多个领域发展的需要。根据检测手段，测量植被覆盖度的方法可分为传统的地面测量和新兴的遥感测量两大类。其中，地面测量又可以根据测量原理，分为目估法、采样法、仪器法和模型法;遥感测量依据对植被光谱信息与植被覆盖度所建立的关系不同，可分为物理模型法和统计模型法。统计模型法中使用较多的有植被指数法、回归模型法、像元分解法、分类决策树和人工神经网络法;物理模型法中模型反演法使用最多。 地面测量曾经一度是植被覆盖度监测的最主要方法。主要包括目估法、采样法、仪器法和模型法。虽然遥感技术的发展使地面测量的主导性地位有所降低，但地面测量依然具有其重要性，它不仅是最精确的测量方法，也为遥感测量提供了基础标定数据，是无可替代的。 遥感技术的发展，为大范围植被覆盖信息的获取提供了一个新的发展方向。常用于植被覆盖信息提取的遥感数据有NOA内叭vHRR数据、MODIs数据、LandsatTM与 MSS数据、SPOT数据、ATSER数据、航片、IEOS一SAR雷达数据以及AVIRIS高光谱数据等。
植被覆盖度计算
EＮVＩ下植被覆盖度得遥感估算 (植被覆盖度就是指植被(包括叶、茎、枝)在地面得垂直投影面积占统计区总面积得百分比。容易与植被覆盖度混淆得概念就是植被盖度,植被盖度就是指植被冠层或叶面在地面得垂直投影面积占植被区总面积得比例。两个概念主要区别就就是分母不一样。植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。 植被覆盖度得测量可分为地面测量与遥感估算两种方法。地面测量常用于田间尺度,遥感估算常用于区域尺度、 估算模型 目前已经发展了很多利用遥感测量植被覆盖度得方法,较为实用得方法就是利用植被指数近似估算植被覆盖度,常用得植被指数为NDVI、下面就是李苗苗等在像元二分模型得基础上研究得模型: VＦC =(ＮDVI －NＤＶIsoil)/ (NDVIｖeg — NDVIｓoil) (１) 其中,ＮＤVIsoｉl 为完全就是裸土或无植被覆盖区域得NDVI值,NDVIｖeｇ则代表完全被植被所覆盖得像元得NDVI值,即纯植被像元得NDVI值。两个值得计算公式为: ＮDVIsｏｉｌ=(ＶFCmax*ＮＤＶImin－VFCｍiｎ*ＮDVImaｘ)/( VFCｍａx— VＦCmin)(2) ＮDVIveg=((1－VＦCｍin)*NDVＩmａx- (１-VFCｍａｘ)＊NＤＶＩmin)／(VFCmａx—ＶFＣmin) (3) 利用这个模型计算植被覆盖度得关键就是计算NＤVＩｓoiｌ与NDＶＩvｅｇ。这里有两种假设: 1)当区域内可以近似取VFCmａｘ=100％,VFCmin=0％、 公式(１)可变为: VFＣ= (NDVI — NDVImin)/( NDVＩmax — NDVImｉｎ) (4)
遥感估算植被覆盖度的角度效应分析
20070643(3) 北京师范大学学报(自然科学版) Journal of Beijing Normal University (Natural Science ) 343 遥感估算植被覆盖度的角度效应分析3 郭占军1,2) 阎广建1) 冯 雪1) 王远征1) 张霄羽3) (1)北京师范大学地理学与遥感科学学院遥感与GIS 中心,遥感科学国家重点实验室, 环境遥感与数字城市北京市重点实验室,100875,北京; 2)宁夏大学资源环境学院,750021,银川;3)中国科学院地理科学与资源研究所,100101,北京) 摘要 植被覆盖度是植被在地面的垂直投影面积占统计区总面积的百分比.由于植被反射的二向性特性,不同角度估算的植被覆盖度原则上不可比,另外,不同观测角度对应像元不同的采样面积,对于非均一地表这种面积差异引起的角度效应也非常显著.本文除了考虑植被的二向性反射,还重点模拟分析了由于像元的采样面积差异引起的角度效应及其带来的植被覆盖度估算误差.模拟结果表明:相比天顶观测,在倾斜40°观测时,对于作物和裸土混合,由于面积误差带来的红光波段反射率差异已高达56%,同时引起的植被覆盖度估算误差达到23%,因此研究植被覆盖度的角度效应问题很有必要. 关键词 植被覆盖度;角度效应;二向性反射分布函数(BRDF );模拟 3国家自然科学基金资助项目(40471095);新世纪优秀人才支持计划资助项目收稿日期:2007202217 植被覆盖度是描述生态系统的基本参数,同时是数字天气预报、区域和全球气候模型以及全球变化监测必需的参数之一[122].获取地表植被覆盖及其变化信息,对于揭示地表空间变化规律,探讨变化的驱动因子,分析评价区域生态环境都具有重要现实意义[3]. 目前被广泛接受的植被覆盖度定义为:植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比[4].该定义中很重要的一点是用于计算植被覆盖度的数据应保证观测与地表垂直.通常情况下,获得植被覆盖度的方法主要有地表实测和遥感监测2类.地表实测费时费力,而且植被覆盖度具有典型的时空分异特性,利用遥感手段获取植被覆盖度显示出了强大的优势,因此已成为目前的主要手段.对于现有的遥感手段而言,要保证对整幅图像中每一个像元(尤其在大幅面影像边缘)均垂直观测是几乎不可能的.而且现有的遥感植被覆盖度产品通常是基于一周甚至一月的观测数据计算合成得到,往往利用宽视场的遥感数据.因此,在使用遥感反演植被覆盖度时,就必须考虑观测角度效应问题.引起角度效应的因素除了植被的二向性反射特性之外,不同观测角度对应像元不同的采样面积,对于非均一地表这种面积引起的角度效应也非常显著,而面积误差在现有的植被覆盖度产品中很少被考虑. 对于地物的二向性反射问题,很多学者都曾深入研究过,发展了许多描述地物二向性反射和目标特征参数之间关系的模型,大致可分为物理模型(包括几何 光学模型、辐射传输模型、混合模型、计算机模拟模型)和经验模型.不同的模型适用于不同的地物类型.黄健熙[5]等使用Monte Carlo 方法模拟了作物冠层的辐射传输,结果表明,蒙特卡罗模型与实测二向性反射率分布函数(BRDF )较为吻合,蒙特卡罗模型可以作为其他作物冠层BRDF 前向模拟的有效验证工具. 面积误差问题目前鲜有文献提及.事实上,对于固定瞬时视场角(IFOV )的传感器来说,不同观测角度对应像元不同的采样面积,对于均一地表,这种面积差异引起的误差可以忽略,但是对于非均一地表,即使不考虑地物的二向性反射,这种面积差异也必然导致地表反射率的差异.因此,利用不同角度的观测估算的植被覆盖度必然存在差异. 在本文中,通过模拟考虑了植被冠层的二向性反射特性和由于像元的采样面积差异引起的角度效应及其引起的植被覆盖度估算误差.最后使用MODIS 地表反射率产品统计比较分析了均一像元和非均一像元的面积误差的表现以及引起的植被覆盖度估算误差. 1 作物冠层二向性反射对估算植被覆 盖度的影响 随着遥感技术应用的日益广泛,多角度传感器已非常普遍,多角度观测数据的优点是为反演地表生物物理参数提供了更多约束条件,但是由于地表的二向性反射特性,要定量地比较不同时间、不同观测角度获取的数据很困难,因此要有效利用多角度观测数据,必
ENVI下植被覆盖度的遥感估算(像元二分法)
植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。容易与植被覆盖度混淆的概念是植被盖度，植被盖度是指植被冠层或叶面在地面的垂直投影面积占植被区总面积的比例。两个概念主要区别就是分母不一样。植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。 植被覆盖度的测量可分为地面测量和遥感估算两种方法。地面测量常用于田间尺度，遥感估算常用于区域尺度。 估算模型 目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。下面是李苗苗等在像元二分模型的基础上研究的模型： VFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil) （1） 其中, NDVIsoil 为完全是裸土或无植被覆盖区域的NDVI值，NDVIveg 则代表完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。两个值的计算公式为：NDVIsoil=（VFCmax*NDVImin- VFCmin*NDVImax）/( VFCmax- VFCmin) （2） NDVIveg=（(1-VFCmin)*NDVImax- (1-VFCmax)*NDVImin）/( VFCmax- VFCmin) （3）利用这个模型计算植被覆盖度的关键是计算NDVIsoil和NDVIveg。这里有两种假设：1）当区域内可以近似取VFCmax=100%，VFCmin=0%。 公式（1）可变为： VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin) （4） NDVImax 和NDVImin分别为区域内最大和最小的NDVI值。由于不可避免存在噪声，NDVImax 和NDVImin一般取一定置信度范围内的最大值与最小值，置信度的取值主要根据图像实际情况来定。 2）当区域内不能近似取VFCmax=100%，VFCmin=0% 当有实测数据的情况下，取实测数据中的植被覆盖度的最大值和最小值作为VFCmax 和 VFCmin，这两个实测数据对应图像的NDVI作为NDVImax 和NDVImin。 当没有实测数据的情况下，取一定置信度范围内的NDVImax 和NDVImin。VFCmax 和 VFCmin根据经验估算。 实现流程 下面我们以“当区域内可以近似取VFCmax=100%，VFCmin=0%”情况下，整个影像中NDVIsoil和NDVIveg取固定值，介绍在ENVI中实现植被覆盖度的计算方法。 使用的数据是经过几何校正、大气校正的TM影像。 (1)选择Transform->NDVI，利用TM影像计算NDVI。 (2)选择Basic Tools->Statistics ->Compute Statistics，在文件选择对话框中，利用研究 区地区的矢量数据生成的ROI建立一个掩膜文件。