遥感植被指数NDVI计算
植被光谱分析与植被指数计算解读
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 indices ——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 to 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。
4 遥感数据处理及分析----NDVI植被指数计算
IDL基本语法知识-注意事项
4）运算符操作顺序
在波段运算过程中，是根据数序。
5）注意使用调用整个图像的IDL函数
如同其他所有ENVI程序一样，波段运算处理也是分块进行的。 如果被处理的图像大于在参数设置中被指定的碎片尺寸，图像将 被分解为更小的部分，系统对每一部分进行单独处理，然后再重 新组合起来。
知识介绍--NDVI
常用的植被指数有： 3）差值植被指数
（difference vegetation index, DVI）
公式：DVI = DNNIR-DNR
对土壤背景的变化极为敏感，有利于植被生态 环境的监测。
当植被浓密，如覆盖度大于等于80%时，它对 植被的灵敏度下降，适用于植被发育早、中期 或低、中覆盖度的植被监测。
3）应用函数 如：ratio_rvi函数是对b1和b2进行操作，则在波段运算的表达式输入时， 应该为： ratio_rvi(b1,b2)。如设有关键字check的话，则在表达式输入时， 应输入：bm_ratio(b1,b2,/check)
作业
计算can_tmr.img数据的NDVI：
要求：1）编写计算NDVI的IDL函数（附在报告内） 2）保存函数，并描述编译函数、 波段运算中调用函数的过程。 3）记录(200,150)像素位置的NDVI值。
b1(ptr) = 1.0 rvi = float(b2)/b1 rvi(ptr) = 0.0 endif else begin rvi = float(b2)/b1 endelse end
IDL函数编写和函数在波段运算中的使用
遥感常用ndvimndwi、ndbi等三个指数的计算及landsat应用
N D V INDVI,植被覆盖指数。
应用于检测植被生长状态、植被覆盖度和消除部分辐射误差等。
中文名归一化差分植被指数外文名Normalized Difference Vegetation Index简????称NDVI影响因素植物的蒸腾作用、太阳光的截取简介NDVI（Normalized Difference Vegetation Index,归一化差分植被指数,标准差异植被指数)，也称为生物量指标变化，可使植被从水和土中分离出来。
表达式：，NIR 和R分别为近红外波段和红波段处的反射率值。
[1]和植物的蒸腾作用、太阳光的截取、光合作用以及地表等密切相关。
特点1、NDVI 能够部分消除与太阳高度角、卫星观测角、地形、云影等与大气条件有关的辐射变化的影响；[1]2、NDVI 结果被限定在[-1，1]之间，避免了数据过大或过小给使用带来的不便；[1]3、NDVI 是植被生长状态及植被覆盖度的最佳指示因子；[1]4、非线性变换，增强了NDVI 低值部分，抑制了高值部分，导致NDVI数值容易饱和，对高植被密度区敏感性降低：表1Landsat7 Landsat8卫星对比NDWINDWI(Normalized Difference Water Index,水指数)，用的特定波段进行归一化差值处理，以凸显影像中的水体信息。
目前对于NDWI有S. K. McFEETERS和Bo-cai Gao的两种不同做法，且都于1996年发表在权威国际遥感学术杂志上。
对于NDWI的命名尚有争议。
在1996年提出的差分水体指数（NDWI）[1]其表达式为：NDWI =(p(Green)-p())/(p(Green)+p(NIR))是基于绿波段与波段的归一化比值指数。
该NDWI一般用来提取影像中的水体信息，效果较好。
局限性：用NDWI来提取有较多建筑物背景的水体，如城市中的水体，其效果会较差。
2. Gao于1996年也命名了一个NDWI[2]?，用于研究植被的含水量。
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 indices——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 to 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。
计算植被覆盖度
b1：处理后的植被覆盖度影像，b2：掩膜影像
0-0.1：第一等级
0.1-0.3：第二等级
0.3-0.5：第三等级
0.5-0.7：第四等级
0.7-1：第五等级
植被覆盖率取值为0且位于黄石市边界范围内的像元取值为0。
(b1 ge 0 and b1 le 0.1 and b2 eq 1)*1+(b1 gt 0.1 and b1 le 0.3)*2+(b1 gt 0.3 and b1 le 0.5)*3+(b1 gt 0.5 and b1 le 0.7)*4+(b1 gt 0.7 and b1 le 1)*5+(b2 eq 0)*0
用6S模型来计算植被覆盖度和地表反射率。
计算植被覆盖度
1、数据准备：第3波段和第4波段地表发射率的遥感影像
2、计算NDVI（归一化植被指数）
NDVI=（R4-R3)/(r4+r3) 在ENVI中r为b
3、计算FVC(植物覆盖度）
其中，FVC是植被覆盖度：
FVC=[(NDVI-NDVIs)/(NDVIv-NDVIs)]2
1，数据准备：TM3、TM4地表反射率。
2、计算NDVI(归一化植被指数)
公式：NDVI=(R4-R3)/（r4+r3）
其中r4与r3 是相应波段的地表反射率。
在envi r为b
3、计算植被覆盖度(FVC)。
FVC=[(NDVI-NDVIs)/(NDVIv-NDVIs)]2
NDVIs=0.05 NDVIv=0.07 (注意：在ENVI中NDVI用b1表示）
FVC=[(b1-0.05)/(0.7-0.05)]*[(b1-0.05)/(0.7-0.05)]
arcgis植被覆盖度计算
arcgis植被覆盖度计算
在ArcGIS中，可以使用NDVI指数来计算植被覆盖度。
首先，需要获取红外波段和可见光波段的遥感影像数据。
红外波段通常对应于近红外波段（NIR），可见光波段通常对应于红、绿或蓝波段。
1. 打开ArcGIS软件，导入红外波段和可见光波段的遥感影像数据。
确保两个波段的投影系数一致。
2. 在图像解释器中，右键点击图像，选择"Band Arithmetic"选项，进入波段算术工具的对话框。
3. 在波段算术对话框中，输入以下公式来计算归一化植被指数(NDVI)：(NIR - Visible) / (NIR + Visible)
其中，NIR表示红外波段，Visible表示可见光波段。
4. 设置输出栅格数据的文件名和路径，然后点击"OK"按钮开始计算。
5. 完成计算后，可以通过计算得到的NDVI图像来计算植被覆盖度。
可以使用栅格计算器工具，设置阈值来确定植被覆盖度的范围。
例如，可以通过设置NDVI值大于0.5的像素作为植被覆盖度的范围。
这样，就可以得到植被覆盖度的计算结果。
请注意，植被覆盖度的计算可以根据具体需求进行调整和改进，上述步骤仅为简单示例。
几种常用植被指数介绍
几种常用植被指数介绍植被指数是通过遥感技术获取的植被信息量化指标，包括植被覆盖度、生长状态、植被类型等信息，广泛应用于土地利用、资源管理、环境监测等领域。
在本文中，将介绍几种常用的植被指数，包括归一化植被指数（NDVI）、广域植被指数（EVI）、归一化差值水体指数（NDWI）、颜色指数（CI）、土地覆盖指数（LCI）等。
1. 归一化植被指数（NDVI）归一化植被指数（Normalized Difference Vegetation Index，NDVI）是最早被广泛应用的植被指数，由罗浮（Rouse）等人于1974年提出。
它以红光波段和近红外波段的反射率之差的比值来度量植被状况，公式为：NDVI = (NIR - RED) / (NIR + RED)其中，NIR为近红外波段的反射率，RED为红光波段的反射率。
NDVI取值范围为-1到1之间，数值越大代表植被覆盖度越高，生长状况越好。
广域植被指数（Enhanced Vegetation Index，EVI）是对NDVI的一种改进，由胡侃（Huete）等人于1994年提出。
EVI在NDVI的基础上增加了大气校正、背景亮度校正等，公式为：其中，NIR、RED和BLUE分别为近红外波段、红光波段和蓝光波段的反射率。
EVI相比NDVI具有更好的大气校正能力和对土壤、雪等因素的较好抵抗能力，能够更准确地反映植被状况。
其中，Green为绿光波段的反射率。
NDWI值越低代表水体覆盖度越高，可以用于监测水体的位置和面积变化，以及水资源的管理和保护。
4. 颜色指数（CI）颜色指数（Color Index，CI）是一种基于色彩特征的植被指数，由Stiles于1954年提出。
它使用波段之间的差值来计算颜色特征，公式为：其中，GREEN、RED和BLUE分别为绿光波段、红光波段和蓝光波段的反射率。
CI能够反映植被的颜色特征，可以用于识别植被类型、估算植被生物量等。
土地覆盖指数（Land Cover Index，LCI）是一种基于土地覆盖类型的指数，由Gao和Ji于2008年提出。
遥感常用ndvimndwindbi等三个指数的计算及landsat8应用
NDVINDVI,植被覆盖指数。
应用于检测植被生长状态、植被覆盖度和消除部分辐射误差等。
中文名归一化差分植被指数外文名Normalized Difference Vegetation Index简称NDVI影响因素植物的蒸腾作用、太阳光的截取简介NDVI（Normalized Difference Vegetation Index,归一化差分植被指数,标准差异植被指数)，也称为生物量指标变化，可使植被从水和土中分离出来。
表达式：，NIR 和R分别为近红外波段和红波段处的反射率值。
[1]和植物的蒸腾作用、太阳光的截取、光合作用以及地表净初级生产力等密切相关。
特点1、NDVI 能够部分消除与太阳高度角、卫星观测角、地形、云影等与大气条件有关的辐射变化的影响；[1]2、NDVI 结果被限定在[-1，1]之间，避免了数据过大或过小给使用带来的不便；[1]3、NDVI 是植被生长状态及植被覆盖度的最佳指示因子；[1]4、非线性变换，增强了NDVI 低值部分，抑制了高值部分，导致NDVI数值容易饱和，对高植被密度区敏感性降低：表1Landsat7 Landsat8卫星对比NDWINDWI(Normalized Difference Water Index,归一化水指数)，用遥感影像的特定波段进行归一化差值处理，以凸显影像中的水体信息。
目前对于NDWI有S. K. McFEETERS和Bo-cai Gao的两种不同做法，且都于1996年发表在权威国际遥感学术杂志上。
对于NDWI 的命名尚有争议。
1.Mcfeeters在1996年提出的归一化差分水体指数（NDWI）[1]其表达式为：NDWI =(p(Green)-p(NIR))/(p(Green)+p(NIR))是基于绿波段与近红外波段的归一化比值指数。
该NDWI一般用来提取影像中的水体信息，效果较好。
局限性：用NDWI来提取有较多建筑物背景的水体，如城市中的水体，其效果会较差。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
本科学生综合性、设计性
实验报告
姓名宋国俊学号*********
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：
在ENVI主菜单 Basic Tools→Convert Data(BSQ、BIL、BIP)→convert File input File→convert File parameter
(2)大气校正：Spectral→FLAASH
其中进行大气校正所需要的参数包含在元数据中，元数据可以从“国际
科学数据服务平台”上查找到，如下所示
(3)归一化植被指数（NDVI）计算Transform → NDVI
（4）以下是原始数据、辐射定标、大气校正的同一地点的光谱特征原始数据
辐射定标
大气校正
3、实验结果：
NDVI计算结果：
NDVI的应用：
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、实验小结
在NDVI计算的时候，要对数据进行预处理，通过辐射定标消除传感器本身产生的误差、大气校正将辐射亮度或者表观反射率转换为地表实际反射率，消除大气散射、吸收、反射引起的误差。
在此当中，大气校正的过程中要注意各种参数的设定。
在做了NDVI计算之后，可以让我们对实验区进行植被覆盖度、植被生长状态等的分析。