植被覆盖率
植被覆盖率估算模型
一：研究区域数据获取
本次实验主要是对植被覆盖率估算，因此实验区域的影像因尽量选择植被茂盛的季节。在数据源选取上，我在马里兰大学的网站下了Landsat 5 1T 级数据，包够了红，绿，蓝，近红外，热红外7个波段。下载的地区是覆盖了福建省中部地区2009年6月6日的影像。
下图（图1）为原始数据的假彩色合成
图一：原始数据假彩色合成
二：数据预处理
进行植被覆盖率估算，需要用到归一化植被指数（NDVI）。NDVI的物理依据是地物反射率的差异变化，所以用反射率来计算是比较客观准确的。
TM原始数据就是DN值，不能用来直接计算NDVI，必须通过辐射定标计算成反射率，才能用来计算NDVI。因此，要对对实验数据先进行辐射校正和大气校正。下载的L1T级数据，头文件（）有详细影像参数，控制点文件（）中有控制点高程信息用于大气校正的地形参数，可以利用这两个文件做辐射校正和大气校正。
（1）辐射定标
实验使用数据为L1T级数据，经过系统辐射校正的数据。由于1级产品的DN值是由辐射亮度线性变换得到的，因此从1级产品计算辐射亮度只需利用相关参数（Gain和Bias）进行线性反变换即可，计算过程比较简单。各参数可在影像头文件中找到，Calibration Type 注意
选择为Radiance。
图2：辐射定标参数设置
（2）大气校正
大气校正是采用ENVI的FLAASH模块，FLAASH模块要求输入辐亮度图像，输出反射率图像。之前对进行了辐射定标，得到辐亮度图像，在这里要把BSQ 格式的图像转换为BIL 或者BIP 格式的图像。FLAASH校正输入图像后，程序会让你选择Scale Factor，即原始辐亮度单位与ENVI 默认辐亮度单位之间的比例。ENVI 默认的辐亮度单位是μW/cm2 ?sr?nm，而之前我们做辐射定标时单位是W/m2 ?sr?μm，二者之间转换的比例是10，因此在下图中选择Single scale factor，填写10.000。其中参数中心坐标，影像获取时间，都可以在头文件中获取，大气参数可以查看ENVI help来确定，还有研究区域的平均高程，可以通过GCP文件大致估算。FLAASH的参数设置如下图（图3）。
图3：FLAASH参数设置
三：研究区域裁剪
本来想以福建省为研究区域，但是这景影像覆盖了福建省中部百分之90左右的距离，但并没有覆盖完整，所以无法用矢量边界裁剪，我就规则裁剪了一块区域做研究
图5：裁剪区域
四：分类
这里我选择了用最大似然法进行监督分类
（1）训练区选择
由于分辨率不太高，并且结合植被覆盖度估算中用到的三种模型，我将图像分为了5类，水体和裸地的fg=0，林地和城区用等密度模型估算，草地用非等密度模型估算。
图6：ROI选择
（2）采用最大似然分类
图7：最大似然分类参数设置
图8：最大似然分类结果
五：土壤线方程参数确定
土壤线：指土壤的光谱值在近红外波段和红波段的反射率或亮度值
所构成的二维平面上的线性关系，是对大量土壤光谱信息的综合描述。
土壤线方程为：NIR=aR+b
其中：NIR —近红外波段的反射率或DN值；R—红色波段的反射率或DN值；a和b—分别为土壤线的斜率和截距。TM影像的band 3是红色波段，band 4是近红外波段。
在ENVI中绘制散点图，然后选择散点图的土壤线部分，导出对应图像AOI区的ASCLL码文件，在EXCEL中进行曲线拟合。
拟合结果如下图（图9）所示
图9：土壤线方程拟合
得到参数a=1.366 b=389.45
由于我进行大气校正后，结果并没有/10000，所以土壤线截距为300+，但后面的计算同一用没有/10000的影像来做，并不会对最后的fg产生影响。
六： NDVI的确定
使用大气校正后得到的反射率数据，直接用ENVI的Band math计算NDVI。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。由于影像的背景值和无效值影响，导致计算的NDVI值范围超出了[-1,1]之间。因此，Band math下输入公式-1> b1 < 1（b1：NDVI波段），最小值和最大值运算符的同时运用使NDVI中的值被限制在[-1,1]之间。
NDVI的最后结果如下图所示（图10）
图10：NDVI图
图11：NDVI统计结果
七：植被的亚像元模型
（1）等密度模型：
假设像元中植被类型较为单一且植被垂直密度足够高，即: LAI→∞, 对应的NDVIg→NDVI∞，因此，在等密度模型假设下，植被覆盖率fg：（a）林地：
第一步：求NDVI最大值和最小值，用类别图像建立
掩膜文件，然后应用于NDVI图像，提取出林地部分，统计像元值。
第二步：求fg，利用提取得到的林地的ndvi影像做波段运算，输入公式：
(float(b1)-0.003625)/(0.977543-0.003625)。其中b1
是第一步求得的林地的NDVI波段。波段运算后得到如下结
果。
图12：林地的fg
（b）城镇用地：
第一步：求NDVI最大值和最小值，用类别图像建立
掩膜文件，然后应用于NDVI图像，提取出城区部分，统计像元值。
第二步：求fg，利用提取得到的林地的ndvi影像做波段运算，输入公式：
(float(b1)+ 0.001608)/( 0.654542+0.001608)。其中b1
是第一步求得的城区的NDVI波段。波段运算后得到如下结
果。
图13：城市的fg
（2）非等密度模型
非密度模型与等密度模型相似，该模型也假设像元中植被类型较为单一；但此时的植被垂直密度较小,即LAI<<∞。因而植被覆盖
部分的NDVI值(NDVIg) 需由Bear定律确定,k=1。
草地&农田：
第一步：求NDVI最大值和最小值用类别图像建立
掩膜文件，然后应用于NDVI图像，提取出草地&农田部分，统计
像元值。
第二步：估算LAI,插值法求得LAI与红波段和近红外波段的关系。令LAI=0、0.5、1，带入下式计算，能算出形如DN2=aDN1+b+c
的式子。参数值见表1.
表1：参数表
LAI=0, DN2=aDN1+b
LAI=0.5, DN2=aDN1+b+432.6
LAI=1， DN2= aDN1+b+1097.5
用二次多项式拟合LAI和c的关系：
LAI=-0.3*c^2+10*c
其中c=DN2-aDN1-b
用以上得出的LAI与DN1、DN2的关系求LAI后除以10000并做归一化，得到以下结果
图14：草地&农田LAI
第三步：根据Bear定理，用波段计算计算NDVIg
图15：NDVIg灰度图像
第四步：计算fg
fg
图16：草地&林地的
将以上求出来的林地fg，城区fg，草地和农田fg三个波段用波段运算做波段叠加，结果如下图
图：福建植被覆盖率灰度图
不同阶段fg值赋不同的颜色，具体赋颜色情况如下图。
图：不同fg赋色
最终成图：