植被指数计算方法
归一化植被指数（NDVI ）
归一化植被指数（Normalized Difference Vegetation Index ，即NDVI ）的计算公式为：
NIR RED NIR RED
NDVI ρρρρ-=+ 其中：NIR ρ和RED ρ分别代表近红外波段和红光波段的反射率NDVI 的值介于-1和1之间。
增强型植被指数（EVI ）
增强型植被指数（Enhanced Vegetation Index ，即EVI ）计算公式为：
2.5 6.07.51
NIR RED NIR RED BLUE EVI ρρρρρ-=?+-+ NIR ρ、RED ρ和BLUE ρ分别代表近红外波段、红光波段和蓝光波段的反射率。
高光谱归一化植被指数（Hyp_NDVI ）
对于环境与灾害监测预报小卫星高光谱载荷，选取中心波长分别位于近红外
和红光的谱段进行归一化植被指数计算：
_____Hyp NIR Hyp RED Hyp NDVI Hyp NIR Hyp RED
-=+ 其他植被指数
（1） 比值植被指数（Ratio Vegetation Index ——RVI ）
NIR RED
RVI ρρ= 该植被指数能够充分表现植被在红光和近红外波段反射率的差异，能增强植被与土壤背景之间的辐射差异。但是RVI 对大气状况很敏感，而且当植被覆盖小于50%时，它的分辨能力显著下降。
（2） 差值植被指数（Difference Vegetation Index ——DVI ）
NIR RED DVI ρρ=-
该植被指数对土壤背景的变化极为敏感，有利于对植被生态环境的监测，因此又被称为环境植被指数（EVI ）。
（3） 土壤调整植被指数（Soil-Adjusted Vegetation Index ——SAVI ）
(1)NIR RED NIR RED SAVI L L
ρρρρ-=+++ 其中，L 是一个土壤调节系数，该系数与植被浓度有关，由实际区域条件确定，用来减小植被指数对不同土壤反射变化的敏感性。当L=0是，SAVI 就是NDVI ；对于中等植被覆盖区，L 的值一般接近于。乘法因子（1+L ）主要是用来保证最后的SAVI 值介于-1和1之间。该指数能够降低土壤背景的影响，但可能丢失部分植被信号，使植被指数偏低。
（4） 修正土壤调整植被指数（Modified Soil-Adjusted Vegetation
Index ——MSAVI ）
MSAVI =关于植被指数更详细的介绍，可参见田庆久（1998）[1]。
植被指数研究进展从AVHRR_NDVI到MODIS_EVI
第23卷第5期2003年5月生 态 学 报ACT A ECOLO GICA SINICA V o l.23,N o.5M ay ,2003植被指数研究进展:从AVHRR -NDVI 到MODIS -EVI 王正兴1,刘 闯1,HU ET E Alfredo 2 (1.中国科学院地理科学与资源研究所全球变化信息研究中心,北京 100101; 2.Departmen t Soil,W ater and Environ-men tal Science ,University of Arizona ,Tucson ,Arizona 85721US A ) 基金项目:中国科学院知识创新工程资助项目(CX10G-E01-07-01) 收稿日期:2002-08-03;修订日期:2003-03-20 作者简介:王正兴(1963～),男,山西省新绛县人,副研究员,主要从事资源环境遥感应用研究。E-mail :wang z x@igsn rr.ac .cn Foundation item :th e Knowledge In novation Pro ject of Chines e Academ y of Sciences (Contract No .CX 10G -E 01-07-01)Received date :2002-08-03;Accepted date :2003-03-20 Biography :W AN G Zh eng-Xing,As sociate profess or,main res earch field:th e application of remo te s ensing for natu ral re-sources and environm ent. 摘要:目前应用广泛的植被指数AV HR R -N DV I 仍有一些缺陷,主要表现在:(1)在植被高覆盖区容易饱和,这除了红光通道就容易饱和外,主要是基于N I R /Red 比值的N DV I 算式本身存在容易饱和的缺陷; (2)没有考虑树冠背景对植被指数的影响;(3)N DV I 的比值算式和最大值合成算法(M V C )确实消除了某些内部和外部噪音,但最终的合成产品仍然有较多噪音;(4)M V C 不能确保选择最小视角内的最佳像元。所有这些AV HR R -N DV I 的局限性,在基于“中分辨率成像光谱仪(M O DIS )”的“增强型植被指数(EV I )”产品中,都有不同程度改善。M O D IS-EV I 改善表现在:(1)大气校正包括大气分子、气溶胶、薄云、水汽和臭氧,而AV HRR-N DV I 仅对瑞利散射和臭氧吸收做了校正;这样M OD IS-EV I 可以不采用基于比值的方法,因为比值算式是以植被指数饱和为代价来减少大气影响;(2)根据蓝光和红光对气溶胶散射存在差异的原理,采用“抗大气植被指数(ARV I)对残留气溶胶做进一步的处理;(3)采用“土壤调节植被指数(SAV I )”减弱了树冠背景土壤变化对植被指数的影响;(4)综合ARV I 和SAV I 的理论基础,形成“增强型植被指数(EV I)”,它可以同时减少来自大气和土壤噪音的影响;(5)采用“限定视角内最大值合成法(CV -M V C )”,选择最小视角内的最佳像元,此外,目前正在试验的“双向反射分布函数(BRD F )合成法”,首先把不同视角换算为星下点像元反射值,然后采用CV -M V C 合成,目的是进一步提高EV I 对植被季节性变化的敏感性。总之,M O D IS-EV I 使植被指数与不同覆盖程度植被的线性关系得到明显改善,尤其在高覆盖区表现良好。 关键词:AV HRR-N DV I;中分辨率成像光谱仪;M O D IS;增强型植被指数;EV I From AVHRR -N DVI to MODIS -EVI :Advances in vegetation index research W ANG Zheng-Xing 1,LIU Chuang 1,HUET E Alfredo 2 (1.Global Chan ge Information and Resear ch Center ,Institute of G eog raphic Scien c e and N atu ral Resou rces Res earch ,Ch inese Acad emy of Sciences ,B eijin g 100101,China ;2.Department Soil ,Water and Envir onmental Science ,University of A riz ona ,Tucson ,Ar izona 85721US A ).Ac -ta Ecolog ica Si nica ,2003,23(5):979～987. Abstract :Global AV HRR-N DV I data sets hav e been widely a pplied to many fields fro m land cov er cha ng e to the ex t ractio n o f v a rio us biophysical v egeta tio n pa ramete rs .Yet there still remain som e limita tio ns in
植被指数计算方法
2.1 归一化植被指数（NDVI ） 归一化植被指数（Normalized Difference Vegetation Index ，即N D V I ）的计算公式为： NIR RED NIR RED NDVI ρρρρ-=+ 其中：NIR ρ和RED ρ分别代表近红外波段和红光波段的反射率NDVI 的值介于-1和1之间。 2.2 增强型植被指数（EVI ） 增强型植被指数（Enhanced Vegetation Index ，即EVI ）计算公式为： 2.5 6.07.51 NIR RED NIR RED BLUE EVI ρρρρρ-=?+-+ NIR ρ、RED ρ和BLUE ρ分别代表近红外波段、红光波段和蓝光波段的反射率。 2.3 高光谱归一化植被指数（Hyp_NDVI ） 对于环境与灾害监测预报小卫星高光谱载荷，选取中心波长分别位于近红外和红光的谱段进行归一化植被指数计算： _____Hyp NIR Hyp RED Hyp NDVI Hyp NIR Hyp RED -=+ 2.4 其他植被指数 （1） 比值植被指数（Ratio Vegetation Index ——RVI ） NIR RED RVI ρρ= 该植被指数能够充分表现植被在红光和近红外波段反射率的差异，能增强植被与土壤背景之间的辐射差异。但是RVI 对大气状况很敏感，而且当植被覆盖小于50%时，它的分辨能力显著下降。 （2） 差值植被指数（Difference Vegetation Index ——DVI ） NIR RED DVI ρρ=- 该植被指数对土壤背景的变化极为敏感，有利于对植被生态环境的监测，因此又被称为环境植被指数（EVI ）。 （3） 土壤调整植被指数（Soil-Adjusted Vegetation Index ——SA VI ）
几种常见植被指数
常用的植被指数，土壤指数，水体指数有哪些？ 植被指数与土壤指数 一、RVI——比值植被指数：RVI=NIR/R，或两个波段反射率的比值。 1、绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。植被的RVI通常大于2； 2、RVI是绿色植物的灵敏指示参数，与LAI、叶干生物量(DM)、叶绿素含量相关性高，可用于检测和估算植物生物量； 3、植被覆盖度影响RVI，当植被覆盖度较高时，RVI对植被十分敏感；当植被覆盖度<50%时，这种敏感性显著降低； 4、RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。 二、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。对于同一幅图象，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、学、枯叶、粗超度等，且与植被覆盖有关； 三、DVI\EVI——差值\环境植被指数：DVI=NIR-R，或两个波段反射率的计算。 1、对土壤背景的变化极为敏感； 四、SAVI\TSAVI\MSAVI——调整土壤亮度的植被指数： SAVI=((NIR-R)/(NIR+R+L))(1+L)，或两个波段反射率的计算。 1、目的是解释背景的光学特征变化并修正NDVI对土壤背景的敏感。与NDVI相比，增加了根据实际情况确定的土壤调节系数L，取值范围0~1。L=0 时，表示植被覆盖度为零；L=1时，表示土壤背景的影响为零，即植被覆盖度非常高，土壤背景的影响为零，这种情况只有在被树冠浓密的高大树木覆盖的地方才会出现。 2、SAVI仅在土壤线参数a=1,b=0（即非常理想的状态下）时才适用。因此有了TSAVI、ATSAVI、MSAVI、SAVI2、SAVI 3、SAVI4等改进模型。 五、GVI——绿度植被指数，k-t变换后表示绿度的分量。
基于遥感影像的归一化植被指数算法研究
总第84期第3期 基于遥感影像的归一化植被指数算法研究 符思涛周云 （遥感信息工程学院07023信箱湖北武汉430079） 摘要植被归一化指数研究是遥感应用的主要领域，同时也是遥感学科的重要的研究问题。基于遥感影像的归一化植被指数研究方法和理论随着计算机算法的发展有了很大的进步，在介绍了植被指数概念的基础上阐述了NDVI的特征及其优势,同时也通过编写程序实现了对遥感影像的归一化植被指数的提取。此外，通过利用遥感软件ERDAS IMAGINE9.1对遥感影像进行植被指数的提取,对提取结果进行了对比分析，从而优化了自编程序算法。 关键词遥感归一化植被指数（NDVI）ERDAS IMAGINE 1概述 1.1植被指数 广义上的植被指数是指利用卫星不同波段探测数据组合而成的，能反映植物生长状况的指数。植物叶面在可见光红光波段有很强的吸收特性，在近红外波段有很强的反射特性，这是植被遥感监测的物理基础，通过这两个波段测值的不同组合可得到不同的植被指数。植被指数是对地表植被活动的简单、有效和经验的度量,这一指数在一定程度上反映着植被的演化信息。通过大量地物光谱波段测量研究分析发现,植被红光波段0.55-0.68μm有一个强烈的吸收带,它与叶绿素密度成反比;而近红外波段0.725-1.1μm有一个较高的反射峰,它与叶绿素密度成正比。因此,通常使用红色可见光通道(0.6-0.7μm)和近红外光谱通道(0.7-1.1μm)的组合来设计植被指数。这两个波段归一化组合与植被的叶绿素含量、叶面积及生物量密切相关,所以植被指数便成为植被生态研究领域的基础。 1.2归一化植被指数 NDVI(Normalized Difference Vegetation In-dex)归一化植被指数,又称标准化植被指数,在使用遥感图像进行植被研究以及植物物候研究中得到广泛应用,它是植物生长状态以及植被空间分布密度的最佳指示因子,与植被分布密度呈线性相关。实验表明,NDVI对土壤背景的变化较为敏感;它是单位像元内的植被类型、覆盖形态、生长状况等的综合反映,其大小取决于植被覆盖度和叶面积指数等要素;NDVI对植被盖度的检测幅度较宽,有较好的时相和空间适应性,因此应用较广。 NDVI=(NIR-R)/(NIR+R)(其中NIR代表近红外波段,R代表红波段)。NDVI在植被指数中占据着非常重要的位置,它主要具有以下几方面的优势: 1)植被检测灵敏度较高; 2)植被覆盖度的检测范围较宽; 3)能消除地形和群落结构的阴影和辐射干扰; 4)削弱太阳高度角和大气所带来的噪音。 2算法设计 （1）计算框图 图1 基于遥感影像的归一化植被指数算法研究31 ··
主要统计指标解释及计算方法
主要统计指标解释及计算方法 １、国民生产总值（GNP） 指一个国家或地区在一定时期（一年）内本国居民在国内或在国外从事物质生产和劳务活动所提供的社会最终产品和提供劳务价值的总和。是按国民原则计算的各经济活动部门增加值的总和。 ２、国内生产总值（GDP） 指在一个国家或地区的领土范围内，本国居民和外国居民在一定时期（一年）内所生产的最终产品和提供的劳务价值总和。它是按国土原则计算的各经济部门增加值的总和。 ３、增加值 是企业进行生产经营活动所获得的总产出扣除原材料、能源、辅助材料及其他物质消耗（包括外购劳务）之后的价值。 增加值的计算方法有两种： ——收入法或成本法 增加值=劳动者报酬+生产税净额+固定资产折旧+营业盈余 ——生产法 增加值=总产出-中间投入 ４、三次产业划分: 第一产业——农业（包括种植业、林业、畜牧业、渔业、农林牧渔服务业）。 第二产业——工业（包括采矿业、制造业和电力、燃气及水的生产和供应业）和建筑业。 第三产业——除上述各业以外的其他产业（包括运输业、通讯业、商业、饮食业、服务业、旅游业、金融业、保险业、房地产业、科学、文化、教育、卫生、保健、社会福利、公共行政和国防等）。 ５、人口自然增长率指在一定时期内（通常为一年）人口自然增加数（出生人数减死亡人数）与该时期内平均人数（或期中人数）之比，该指标与人口增长率的区别是未包含人口迁移因素，人口自然增长率一般用千分率表示。计算公式：
实际上，人口自然增长率就是人口出生率减去人口死亡率，当死亡率大于出生率时，人口自然增长为负增长。 ６、就业人员 指从事一定社会劳动并取得劳动报酬或经营收入的全部劳动力，该指标反映了一定时期内全部劳动力资源的实际利用情况。它包括：（1）全部职工；（2）私营企业从业人员；（3）个体劳动者；（4）乡镇企业从业人员；（5）农村劳动力。 ７、失业人员及失业率 是指在劳动年龄内有劳动能力，在调查期间无工作并以某种方式正在寻找工作的人员。城镇失业率是城镇失业人数同城镇从业人数加城镇失业人数之比。这一指标反映了一定时期内城镇可能参加社会劳动的人数中实际失业的人数比重，也是分析就业水平的主要指标。 ８、下岗职工 指由于用人单位的生产和经营状况等原因，单位未安排任何一种劳动岗位，等待重新安排工作，但仍与用人单位保留劳动关系的人员。包括单位“内退”人员、“轮岗及歇岗”期间的人员，由于单位原因“放长假”人员、“待岗”人员和单位停工、停产下岗、企业裁员下岗的人员。不包括下岗后仍在原单位参加转岗培训的人员。 ９、下岗职工生活费 指符合“下岗人员”定义的下岗职工在原单位领取的无论以何种渠道和各种名义发放的基本工资、比例工资、生活费、补助费、救济金、困难职工补贴等现金和实物折款额。 １０、下岗再就业职工指符合“下岗人员”定义的下岗职工，在城镇劳动力抽样时点前一周内以各种形式为取得收入而劳动1小时以上的人。这里所说的“劳动”是指为获取工资、实物报酬或经营收入而从事的国家法律所不禁止的、对社会有益的各种生产、经营和服务性活动。 １１、平均工资及工资指数平均工资指企业、事业、机关等单位的职工在一定时期内平均每人所得的工资额。它表明一定时期职工工资收入的高低程度，是反映职工工资水平的主要指标。 计算公式为：
植被指数
1.用ETM+图像计算植被指数并分析。 数据来源：地理空间数据云平台 Landsat 7 ETM SLC-on 卫星数字产品(1999-2003) 数据标识LE71190432002338EDC01卫星名称LANDSAT7 数据类型L7slc-on传感器ETM+ 接收站EDC白天/晚上DAY 条带号119 行编号43 太阳高度角37.8951 太阳方位角151.8815 获取时间2002-12-04 平均云量 1.0 开始时间2002-12-04 02:21:12.0 结束时间2002-12-04 02:21:12.0 中心经度118.4915 中心纬度24.5531 Landsat 7 ETM SLC-on 卫星数字产品(1999-2003) 数据标识LE71190432002066SGS00卫星名称LANDSAT7 数据类型L7slc-on传感器ETM+ 接收站SGS白天/晚上DAY 条带号119 行编号43 太阳高度角49.0019 太阳方位角133.0889 获取时间2002-03-07 平均云量0.0 开始时间2002-03-07 02:21:52.0 结束时间2002-03-07 02:21:52.0 中心经度118.4993 中心纬度24.5482 (1)由于这两个数据的空间投影与厦门市矢量图层的投影都是GCS_WGS_1984,所以不用进行重投影。 (2)利用厦门市矢量图层对这两个卫星数字产品中的B30、B40波段进行剪裁。如图1. L71119043_0432*******_B30 L71119043_0432*******_B40 L71119043_0432*******B-30 L71119043_0432*******B-40 （3）利用ARCGIS中Spatial Anaiyst---Raster Calculator进行植被指数的计算。计算公式为NDVI=(band4-band3)/(band4+band3)。得到图2.
植被光谱分析与植被指数计算
植被光谱分析与植被指数计算 在遥感中，常常结合不同波长范围的反射率来增强植被特征，如植被指数（vegetation i ndices ——VI）的计算，植被指数（VI）是两个或多个波长范围内的地物反射率组合运算，以增强植被某一特性或者细节。目前，在科学文献中发布了超过150种植被指数模型，这些植被指数中只有极少数是经过系统的实践检验。本文总结现有植被指数，根据对植被波谱特征产生重要影响的主要化学成份：色素（Pigments）、水分（Water）、碳（Carbon）、氮（Nitrogen），总结了7大类实用性较强的植被指数，即：宽带绿度、窄带绿度、光利用率、冠层氮、干旱或碳衰减、叶色素、冠层水分含量。这些植被指数可以简单度量绿色植被的数量和生长状况、叶绿素含量、叶子表面冠层、叶聚丛、冠层结构、植被在光合作用中对入射光的利用效率、测量植被冠层中氮的相对含量、估算纤维素和木质素干燥状态的碳含量、度量植被中与胁 迫性相关的色素、植被冠层中水分含量等。 包括以下内容： ? ?●植被光谱特征 ? ?●植被指数 ? ?●HJ-1-HSI植被指数计算 1.植被光谱特征 植被跟太阳辐射的相互关系有别于其他物质，如裸土、水体等，比如植被的“红边”现象，即在<700nm附近强吸收，>700nm高反射。很多因素影响植被对太阳辐射的吸收和反射，包括波长、水分含量、色素、养分、碳等。 研究植被的波长范围一般为400 nm t o 2500 nm，这也是传感器设计选择的波长范围。这个波长范围可范围以下四个部分： ??●可见光（Visible）：400 nm to 700 nm ??●近红外（Near-infrared——NIR）：700 nm to 1300 nm ??●短波红外1（Shortwave infrared 1—— SWIR-1）：1300 nm to 1900 nm ??●短波红外2（Shortwave infrared 2——SWIR-2）：1900 nm to 2500 nm 其中NIR和SWIR-1的过渡区（1400nm附近）是大气水的强吸收范围，卫星或者航空传感器一般不获取这范围的反射值。 SWIR-1 和SWIR-2的过渡区（1900nm附近）也是大气水的强吸收范围。 植被可分为三个部分组成： ??●植物叶片（Plant Foliage） ??●植被冠层（Plant Canopies） ??●非光合作用植被(Non-Photosynthetic Vegetation) 这三个部分是植被分析的基础，下面对他们详细介绍。 1.1植物叶片（Plant Foliage） 植物叶片包括叶、叶柄以及其他绿色物质，不同种类的叶片具有不同的形状和化学成份。对波谱特征产生重要影响
X射线机暴光参数计算法
X射线机曝光参数计算法 基本参数确定 一、以透照厚度为准：单壁单影=T；双壁单影或双壁双影=2T 1、≤10mm时，1mm相当于5KV； 2、10~20mm时，1mm相当于6.2KV； 3、21~30 mm时，1mm相当于9KV； 4、31~40 mm时，1mm相当于12KV； 二、焦距 焦距每增加或者减少100mm，电压增大或者减少10KV。 三、时间 1分钟=25KV 三、X射线机曝光参数为（基数）： 透照厚度T=8mm时，电压170KV，时间为1分钟。 四、X射线机焦点到窗口的距离 XXQ 2005 120 mm XXQ 2505 150 mm XXQ 3005 170 mm 五、计算方法 1、当透照厚度增加或者减少1 mm时，电压变化按（一）中各变化范围执行； 2、当焦距每增加或者减少100mm时，压变化按（二）中执行； 3、时间每增加或者减少1分钟，电压增加或者减少25KV； 例：计算φ219*14管焊口的曝光 第一步：确定所用X射线机型号，XXQ 2505或者XXQ 3005型； 第二步：计算焦距-----219+150=369 mm或者219+170=389 mm 第三步：确定焦距和电压变化量，我们一般以X射线机曝光正常基数为准，即600 mm；这里φ219*14的焦距为219+150=369 mm或者219+170=389 mm，比基数600 mm缩短231 mm或者211 mm，那么电压就应该减去23.1KV或者21.1KV。 第四步：计算透照厚度变化时，电压变化量，我们基本厚度是8 mm，现在透照厚度是 14×2=28 mm。这样比基本厚度8 mm增加20mm，根据（一）中4参照，电压补偿量为： 20 mm×8KV=160KV。因为基数是170KV，故正常曝光参数为：170KV+160KV－23.1KV=306.9KV 或者170KV+160KV－21.1KV=308.9KV，时间1分钟。 第五步：因为1分钟=25KV，在此基础上计算XXQ 2505或者XXQ 3005型的曝光参数： 1、XXQ 2505：用240KV拍片，其时间为（306.9 KV－240 KV）÷25KV/分钟=2.68 分钟；这里2.68分钟是在原来1分钟基础需要补偿的2.68分钟，故还应加上基础1分钟， 即正常曝光时间为2.68分钟+1分钟≈4分钟
MODIS数据植被指数的提取方法研究
ＭＯＤＩＳ数据植被指数的提取方法研究 何红艳。张志浩 （内蒙古遥感中心，呼和浩特０１００１０） 摘要：植被指数已广泛应用于植被覆盖密度评价、植被长势、农作物估产模型等。本文以中国北方１２省为例，对ＭＯＤＩＳ数据，运用Ｅ№厂Ｉ４．２软件提取植被指数进行了应用研究。 关键词：ＮＤ、厂Ｉ植被指数北方１２省ＭＯＤＩＳ数据ＥＮｖＩ４．２ １引言 植被指数已广泛用来定性和定量评价植被覆盖及其生长活力，植被指数有助于增强遥感影像的解译力，并已作为一种遥感手段被广泛应用于土地利用覆盖探测、植被覆盖密度评价、作物识别和作物预报等方面。植被指数计算经过近２０年的发展，目前已经有几十种，最为广泛的是归—化差值植被指数（ｍ厂Ｉ），它是可见光（红光）和近红外两波段的归—化值，它—方面能够反映植被光合作用的有效辐射吸收隋况，另一方面能够反映作物长势、叶面积指数（Ｌｍ）等。 ＭＯＤＩＳ具有３６个光学通道，分布在０．４～１４／ｘｍ的电磁波谱范围内。３６个通道的ＭＯＤＩＳ数据有２５０ｍ、５００ｍ、１０００ｍ的地面空间分辨率。ＭＯＤＩＳ的前两个通道提供２５０ｍ分辨率的数据，这对植被指数的研究非常重要，它的第一通道是红光波段，第二通道是近红外波段，通过这两个波段的波段运算来得到ＮＤＶＩ值。ＭＯＤＩＳ可见光、近红外波段范围比较窄，描述植被信息的时候所受到的干扰很少，并且ＭＯＤＩＳ的近红外波段的水汽吸收区被剔除，而红色波段对叶绿素吸收更敏感，而且它时间分辨率高，通道多，数据接收免费等特点是ＮＱＡＡ—ＡＶＨＲＲ传感器或别的传感器不能比拟的。 提取植被指数是植被监测研究的基础，本文以中国北方１２省为例，在遥感处理软件采用ＥＮｖＩ４．２软件，利用ＭｏＤＩＳ数据提取植被指数的方法作了研究。 。２提取植被指数的方法 植被指数提取的方法很多，最为常用的一种方法是通过遥感影像处理软件对遥感影像的不同波段之间进行波段计算而得到的。 本研究中使用中分辨率成像光谱仪（Ｍ∞ＩＳ）数据的ＭＯＤＩＳＬＢ产品，ＭＯＤＩＳ数据有３６个波段，１～２波段是２５０ｍ空间分辨率的数据，３～７波段是５００ｍ空间分辨率的数据。７～３６是１０００ｍ空间分辨率。其中第一波段（波长０．６２～０．６７ｔａｎ）为红光波段，为叶绿素主要吸收波段；第二波段（波长０．８４１～０．８７６脚）为近窒ｒＪ，ｂ波段，对绿色植被的差异敏感， ?５８１?
遥感植被指数NDVI计算
本科学生综合性、设计性 实验报告 姓名宋国俊学号114130168 专业地理信息系统班级 实验课程名称遥感地学分析 实验名称NDVI计算 开课学期2011 至2012 学年下学期 云南师范大学旅游与地理科学学院编印 一、实验准备
1、实验目的和要求： 利用TM卫星数据，应用ENVI软件进行归一化植被指数的计算，及在此基础对研究 区进行植被覆盖率的提取，根据植被覆盖率进行一些应用分析。 2、实验材料及相关设备： 昆明影像数据(path/row:129/43（2002.02.09）)ENVI及ArcGIS软件。 3、实验方法步骤及注意事项： 实验方法：利用ENVI及ArcGIS图像处理软件，参考软件的处理操作步骤，对图像进行处理。 注意事项：下载数据时应该严格遵照行列号来下载，下载的数据要包括完整的影像数据信息以便数据的预处理。 二、实验内容、步骤和结果（详细写清楚本次实验的完成的主要内容、具体 实施步骤和实验结果。） 1、实验内容 利用下载的昆明影像数据用ENVI进行NDVI计算，计算公式如下： NDVI=(NIR-R)/(NIR+R)(NIR为近红外波段，R为红光波段) 2、实验步骤 (1)对昆明影像数据进行辐射定标： Ⅰ、启动ENVI File→Open External File→Landsat→Geo TIFF with metadata→Enter Landsat MetaData Filenames（输入元数据） Ⅱ、Spectral→Preprocessing→Calibration utilities→Landsatcalibration→Landsat calibration input file→输 入第一步的元数据 Ⅲ、将辐射定标后的数据转化为BIL格式：
基于遥感影像的不同植被指数比较研究
基于遥感影像的不同植被指数比较研究 以汶川地区的多光谱遥感影像Landsat 8 OLI为数据源，利用比值植被指数（RVI）、归一化植被指数（NDVI）、土壤调节植被指数（SA VI）、修正的土壤调节植被指数（MSA VI）4种植被指数和植被信号与土壤噪音之比（S/N）对研究区不同区域的植被进行比较研究，结果表明归一化植被指数与土壤调节植被指数适合该地区的实际情况。 标签：遥感影像；植被指数；信噪比；比较研究 引言 现如今，遥感探测已成为植被研究的一个高效方法，植被指数是遥感领域中用来表征地表植被覆盖，生长状况的一个简单有效的度量参数。植被指数的定量测量可表明植被活力，它比单波段用来探测生物量有更好的灵敏性。随着遥感技术的发展，植被指数在环境、生态、农业等领域有了广泛的应用。目前为止，已经有许多植被指数被发现与研究，不同的植被指数有其不同的适用性，由于地理环境、植被覆盖度、植被生长状况等很多因素的影响，对于不同的地区，植被指数会有不同的敏感性。同理，在同一地区的不同区域植被指数也会有不同的体现。其次植被信号与土壤噪音之比是植被指数选择的一个重要因素，安培浚等从降低土壤背景的影响效果、探測植被覆盖度的能力、探测植被信息的能力三个方面，利用对比分析的方法做了西北干旱地区民勤绿洲的植被指数遥感定量研究；陈明华等利用同样的方法做了不同植被指数估算植被覆盖度的比较研究。基于此，在对研究区域了解有限的情况下，根据获取的遥感影像，观察植被的分布情况，把研究区分为5个感兴趣区域，然后再用植被指数与信噪比对植被指数的生长状况以及植被指数的选取进行对比研究。从而找出适合汶川地区植被研究的植被指数，为遥感监测该研究区的植被提供依据。 1 研究区概况 汶川县位于四川省西北部的阿坝州境东南部的岷江两岸，纬度坐标为北纬30°45′～31°43′与东经102°51′～103°44′之间。其总面积为408432.56公顷。汶川县气候随东南向西北地势上升，呈比较完整的垂直气候带。在2000米以下地区，年均气温13.5℃（北部）～14.1℃（南部），无霜期247～269天，雨量528.7～1332.2毫米，日照1693.9～1042.2小时，适宜各类动植物生长。 2 数据来源 本文研究区的数据来自2013年汶川县Landsat8OLI遥感影像图，利用ENVI5.1对遥感影像进行辐射定标、大气校正、拼接、裁剪，然后再色彩合成得到预处理之后的图像（图1）。 3 理论基础
瓦斯抽采指标计算方法
l 一评价单元抽采钻孔控制范围内煤层平均倾向长度, m ； 附录瓦斯抽采指标计算方法 A1预抽时间差异系数计算方法: 预抽时间差异系数为预抽时间最长的钻孔抽采天数减去预 抽时间最短的钻孔抽采天数的差值与预抽时间最长的钻孔抽采 天数之比。预抽时间差异系数按式（1）计算: max 式中：一预抽时间差异系数，％ T max —预抽时间最长的钻孔抽采天数， d ； T min —预抽时间最短的钻孔抽采天数， do A2瓦斯抽采后煤的残余瓦斯含量计算 按公式（2）计算： W )G Q (2) 式中： W 一煤的残余瓦斯含量，m 3/t ； （7.9594） W ）—煤的原始瓦斯含量，m/t ； Q 一评价单元钻孔抽排瓦斯总量，m 3; G 一评价单元参与计算煤炭储量，to 评价单元参与计算煤炭储量 G 按公式（3）计算： G L H 1 H 2 2R l n 技 R m （3） 式中：L 一评价单元煤层走向长度，m ； max T min 100% (1)
H i、H2 一分另U为评价单元走向方向两端巷道瓦斯预排等值宽度，m如果无巷道则为0; h i、h2 一分别为评价单元倾向方向两侧巷道瓦斯预排等值宽度，m如果无巷道则为0; R 一抽采钻孔的有效影响半径， m； m一评价单元平均煤层厚度，mi 3 —评价单兀煤的皆度，t/m。 H i、H2、h i、h2应根据矿井实测资料确定，如果无实测数据，可参照附表1中的数据或计算式确定。 附表1巷道预排瓦斯等值宽度
A3抽采后煤的残余瓦斯压力计算方法: 煤的残余相对瓦斯压力(表压)按下式计算: ab P CY 0.1 100 A d M ad 1 P CY 0.1 W CY ■- ■- 1 b(P CY 0.1) 100 1 0.31 M ad P a (4) 式中：W L残余瓦斯含量，”/t ; (7.9594) a，b一吸附常数；a=20.7739,b=1.6280 P CY一煤层残余相对瓦斯压力，MPa ，(0.101325 MPa) p a 一标准大气压力 A d 一煤的灰分，% (1.04) M ad 一煤的水分，% (11.09) 一煤的孔隙率，m3/ m3; (4.23) 一煤的容重(假密度)，t/ m 3。(1.45) A4可解吸瓦斯量计算方法： 按公式(5)计算： W W CY W CC j (5) 式中：W j 一煤的可解吸瓦斯量，mvt ； 3 一 W CY一抽米瓦斯后煤层的残余瓦斯含也，m/t； W Cc 一煤在标准大气压力下的残存瓦斯含量，按公式 (6)计算。 …0.1ab 100 A d M ad 1 兀 W Cc ------------------------ ------------------------------------- ------------------------------- -------- 1 0.1b 100 1 0.31M ad (6)
植被指数计算方法
归一化植被指数（NDVI ） 归一化植被指数（Normalized Difference Vegetation Index ，即NDVI ）的计算公式为： NIR RED NIR RED NDVI ρρρρ-=+ 其中：NIR ρ和RED ρ分别代表近红外波段和红光波段的反射率NDVI 的值介于-1和1之间。 增强型植被指数（EVI ） 增强型植被指数（Enhanced Vegetation Index ，即EVI ）计算公式为： 2.5 6.07.51 NIR RED NIR RED BLUE EVI ρρρρρ-=?+-+ NIR ρ、RED ρ和BLUE ρ分别代表近红外波段、红光波段和蓝光波段的反射率。 高光谱归一化植被指数（Hyp_NDVI ） 对于环境与灾害监测预报小卫星高光谱载荷，选取中心波长分别位于近红外 和红光的谱段进行归一化植被指数计算： _____Hyp NIR Hyp RED Hyp NDVI Hyp NIR Hyp RED -=+ 其他植被指数 （1） 比值植被指数（Ratio Vegetation Index ——RVI ） NIR RED RVI ρρ= 该植被指数能够充分表现植被在红光和近红外波段反射率的差异，能增强植被与土壤背景之间的辐射差异。但是RVI 对大气状况很敏感，而且当植被覆盖小于50%时，它的分辨能力显著下降。 （2） 差值植被指数（Difference Vegetation Index ——DVI ） NIR RED DVI ρρ=- 该植被指数对土壤背景的变化极为敏感，有利于对植被生态环境的监测，因此又被称为环境植被指数（EVI ）。
齿轮各参数计算方法
齿轮各参数计算方法 1、齿数Z 闭式齿轮传动一般转速较高，为了提高传动的平稳性，减小冲击振动，以齿数多一些为好，小一些为好，小齿轮的齿数可取为z1=20~40。开式（半开式）齿轮传动，由于轮齿主要为磨损失效，为使齿轮不致过小，故小齿轮不亦选用过多的齿数，一般可取z1=17~20。为使齿轮免于根切，对于α=20度的标准支持圆柱齿轮，应取z1≥17 2、模数m 齿距与齿数的乘积等于分度圆的周长，即pz=πd。为使d为有理数的条件是 p/π为有理数，称之为模数。即：m=p/π 模数m是决定齿轮尺寸的一个基本参数。齿数相同的齿轮模数大，则其尺寸也大。
3、分度圆直径d 齿轮的轮齿尺寸均以此圆为基准而加以确定，d=mz 4、齿顶圆直径da和齿根圆直径df 由齿顶高、齿根高计算公式可以推出齿顶圆直径和齿根圆直径的计算公式： da=d+2ha df=d-2hf =mz+2m=mz-2×1.25m =m(z+2)=m(z-2.5) 5、分度圆直径d 在齿轮计算中必须规定一个圆作为尺寸计算的基准圆，定义：直径为模数乘以齿数的乘积的圆。实际在齿轮中并不存在，只是一个定义上的圆。其直径和半径分别用d和r表示，值只和模数和齿数的乘积有关，模数为端面模数。与变位系数无关。标准齿轮中为槽宽和齿厚相等的那个圆（不考虑齿侧间隙）就为分度圆。标准齿轮传动中和节圆重合。但若是变位齿轮中，分度圆上齿槽和齿厚将不再相等。若为变位齿轮传动中高变位齿轮传动分度圆仍和节圆重合。但角变位的齿轮传动将分度圆和节圆分离。 6、压力角αrb=rcosα=1/2mzcosα 在两齿轮节圆相切点P处，两齿廓曲线的公法线（即齿廓的受力方向）与两节圆的公切线（即P点处的瞬时运动方向）所夹的锐角称为压力角，也称啮合角。对单个齿轮即为齿形角。标准齿轮的压力角一般为20”。在某些场合也有采用α＝14.5°、15°、22.50°及25°等情况。
基于MODIS数据的植被指数与植被覆盖度关系研究
基于MODIS数据的植被指数与植被覆盖度关系研究 在植被遥感监测领域，植被指数被普遍运用于植物生长状况及植被覆盖的研究，其与植被覆盖度有着密切的联系。文章选取攀枝花地区MODIS遥感影像作为信息源，对归一化植被指数、比值植被指数与植被覆盖度间的关系进行研究。结果表明：基于MODIS数据提取的植被指数与植被覆盖度之间存在较强的相关性，且相关系数大小与植被指数类型和选取的拟合函数类型有关。各植被指数同植被覆盖度间相关性最高的是归一化植被指数，选用相同植被指数情况下，指数曲线拟合的相关系数最大。 标签：MODIS图像；植被指数；植被覆盖度；植被指数与植被覆盖度相关系数 植被覆盖度是一个重要的生态气候参数，能为环境和气候变化研究提供重要的基础数据，对它的研究具有十分重要的意义[1]。利用遥感图像提取植被指数进而估算出植被覆盖度信息是较为简便有效的做法。目前大多数学者都致力于研究植被指数的提取方法以及植被覆盖度的提取算法，少数研究者对植被覆盖度与植被指数的相关性进行研究[2]。文章选取MODIS图像作为研究数据，采用不同的植被指数，结合不同的曲线模型对植被覆盖度与植被指数的相关性进行探讨，从而为植被覆盖度的估算选择最佳植被指数，也为准确估算植被覆盖度供理论依据。 1 研究区概况 研究区位于四川省西南部，行政区划隶属于攀枝花市，范围为102°20′E-102°45′E、26°30′N-26°45′N。研究区位于金沙江和雅砻江的交汇地带，属南亚热带亚湿润气候类型，降雨量少，生物种类繁多。区域内植被主要以热带及亚热带落叶大乔木，常绿针叶林为主。 2 数据源简介 本次研究使用的数据是由美国国家宇航局（NASA）EOS数据中心提供的MODIS数据，数据获取时间为2005年7月23日。该数据是由搭载于EOS/Terra 卫星上的中分辨率成像光谱仪（MODIS）获取的，其分辨率为250m。包括Blue、Red、NIR、MIR四个波段和经过后期处理的分辨率为250m的归一化植被指数数据、增强型植被指数。适合应用于植被指数的提取以及植被覆盖度的研究。 3 研究方法 3.1 数据预处理 根据实验要求对研究区域的MODIS数据进行预处理，主要有数据格式转换、设置投影参数、几何校正及辐射校正等。该处理利用USGS EROS数据中心开发
价格指数的计算方法
（四）价格指数计算方法 1．价格指数的概念 居民消费价格指数是度量消费商品及服务项目的价格水平随时间而变动的相对数，反映居民家庭购买的消费品及服务价格水平的变动情况。它是宏观经济分析和调控、价格总水平监测以及国民经济核算的重要指标。其变动率在一定程度上反映了通货膨胀(或紧缩)的程度。根据建立大都市统计指标体系的要求，北京市增加了高、中、低收入层居民消费价格指数分组指标。 商品零售价格指数是反映工业、商业、餐饮业和其他零售企业向居民、机关团体出售生活消费品和办公用品价格水平变动情况的相对数，以此反映市场商品零售价格的变动趋势和变动程度。其目的在于掌握商品价格的变动趋势，为国家宏观调控和国民经济核算提供参考依据。 居民基本生活费用价格指数是反映城镇居民家庭维持基本生活水准所需消费项目的价格变动趋势和变动程度的相对数。它从家庭支出角度出发，反映了生活必需消费项目价格变动对特定消费阶层居民生活的影响程度，为制定最低工资标准及最低社会保障线提供重要依据。 2．价格指数的编制单位 市局、总队负责编制全市居民消费价格指数、商品零售价格指数、居民基本生活费用价格指数，并对区县价格调查实行统一的组织管理。 3. 权数资料来源与计算 计算居民消费价格指数所用的权数，根据城市居民家庭住户调查资料整理得出，必要时辅以典型调查数据或专家评估补充和完善。 计算商品零售价格指数所用的大类权数，根据商业统计资料整理得出，小类及基本分类的权数参考居民消费价格指数中的相关权数进行调整，并辅之以典型调查资料。 计算居民基本生活费用价格指数所用的权数，根据城市居民家庭支出调查资料中20%的低收入户居民的消费结构来确定，必要时辅以典型调查数据或专家评估补充和完善。 4．价格指数的计算方法 (1)代表规格品平均价格的计算 代表规格品的月度平均价采用简单算术平均方法计算，首先计算规格品在一个调查点的平均价格，再根据各个调查点的价格算出月度平均价。 ∑∑∑=====m j m j n k ijk i Pij m P n m P 1 111)1(1 其中： P ijk 为第i 个规格品在第j 个价格调查点的第k 次调查的价格； P ij 为第i 个规格品第j 个调查点的月度平均价格； m 为调查点的个数，n 为调查次数。 (2)基本分类指数的计算
植被指数计算方法
2.1归一化植被指数（NDVI ） 归一化植被指数（Normalized Differenee Vegetation Index 即 NDVI ）的计算 公式为： 其中：NIR 和RED 分别代表近红外波段和红光波段的反射率 NDVI 的值介于-1和 1之间。 2.2增强型植被指数（EVI ） 增强型植被指数（En ha need Vegetation In dex 即EVI ）计算公式为: NIR 、 RED 和BLUE 分别代表近红外波段、红光波段和蓝光波段的反射率。 2.3高光谱归一化植被指数（Hyp_NDVI ） 对于环境与灾害监测预报小卫星高光谱载荷，选取中心波长分别位于近红外 和红光的谱段进行归一化植被指数计算： .. Hyp NIR Hyp RED Hyp NDVI ----------- ------------ 一 Hyp _ NIR Hyp _ RED 2.4其他植被指数 （1） 比值植被指数（Ratio Vegetation Index ------ RVI ） RVI 3 RED 该植被指数能够充分表现植被在红光和近红外波段反射率的差异，能增强植 被与土壤背景之间的辐射差异。但是 RVI 对大气状况很敏感，而且当植被覆盖 小于50%时，它的分辨能力显著下降。 (2) 差值植被指数(Differenee Vegetation Index -------- DVI ) DVI NIR RED 该植被指数对土壤背景的变化极为敏感，有利于对植被生态环境的监测，因 此又被称为环境植被指数（EVI ）。 (3) 土壤调整植被指数(Soil-Adjusted Vegetation Index --------- S AVI ) NDVI NIR RED NIR RED EVI 2.5 NIR RED NIR 6.° RED 7.5 BLUE
各项绩效考核指标及计算方法
各项绩效考核指标及计算方法 1、人事单位： 薪资计算准确率 = 计算准备人数/公司管理员工总数 人力稼动率 =（实际作业时间÷实际出勤时间）×100% 劳动分配率 = 人事费用（一定时期内人工成本总额）/附加价值（同期增加值总额）×100% = 人工费用/增加值（纯收入） 招聘到岗率 = 实际到岗人数/录用人数 人力消耗指数—年离职率 = 在同一年内离职的人数/在某一年内的平均员工人数×100% 人力损耗指数—月离职率 = （某一期间内离职人数／该期间平均人数）＊100% 人力稳定指数—稳定率＝（目前服务满一年的人数／一年前总人数）＊100％ 人力留任率 = 定期间仍在职人员/原在职人员×100% 试用期离职率 = 期间试用期离职总人数/期间平均人数， 人事流动新进率=新进人数/（正式职工期初数+期末数）÷2×100% 勤缺分析=因各类勤缺原因而损失的工作日数/损失工作日数（同上）+工作日数×100% 人力流动率 =（某一期间内离职人数＋新进人数）／该期间平均人数＊100% 淨人事流动率=补充人数/（正式职工期初数+期末数）÷2×100% 人力替换率＝（某一期间内新进人数－离职人数）／该期间平均人数＊100% 人工成本占总成本的比重＝（人工成本总额／总成本）×100% 人工成本效益指标 = 劳动分配率、人事费用率、人工成本利润率、人工成本/总成本 * 100% 人事费用率 =人工成本总量 / 销售（营业）收入*100% ＝（人工费用/员工总数）÷{销售收入（营业收入）/员工总数} ＝薪酬水平/单位员工销售收入（营业收入） 人工费用比率＝人工费用/销售收入（营业收入） ＝增加值（纯收入）/销售收入（营业收入）×人工费用/销售收入（营业收入） ＝增加值率×劳动分配率 人工成本利润率＝（利润总额/人工成本总额）×100％ 企业人工成本 = 职工工资总额+社会保险费用+职工福利费用+职工教育经费+劳动保护费用+职工住房费用+其他人工成本支出。 人力资源成本 = 取得成本(招募成本+选拔成本+录用成本 +安置成本 )+ 开发成本 (岗前培训成本+在职培训成本+脱产培训成本)+ 使用成本（维持成本+奖励成本+调剂成本+ 替代成本（补偿成本+遣散前业绩差别成本+空职成本））* 职工工资总额指各单位在一定时期内，以货币或实物形式直接支付给本单位全部职工的劳动报酬总额。包括记时工资、计件工资、奖金、津贴和补贴、加班加点工资、特殊情况下支付的工资。 人事诊断常用指标分析表? 指标计算公式意义及公能判定标准 员工比率非生产人员÷员工总数×100%测验员工结构状况定通常非生产人员越小越好，视企业而 员工增加率（本年度员工数－上年度员工数）÷上年度员工数×100%测验每年员工增加比率视发展规模而定 工资增加率（本年平均工资－上年平均工资）÷上年度平均工资×100%测验每年工资增加率略低于劳动生产率增加率 加班工资率加班工资额÷工资总额×100%测定加班工资占工资总额比率视实际状况而定 离职率每年离职人数÷员工总数×100%测定每年离职人员比率不宜超过10% 离职增加率（本年度离职人数－上年度离职人数）÷上年度离职人数×100%测定每年离职人员