ENVI下植被覆盖度的遥感估算
遥感ENVI实验报告
遥感ENVI实验报告一、实验目的本实验的目的是学习和掌握ENVI（Environment for Visualizing Images）软件在遥感图像处理方面的应用。
通过本次实验，我们将了解遥感图像的基本概念和原理，并学习使用ENVI软件进行图像预处理、分类和地物提取。
二、实验要求1.学习ENVI软件的基本操作和功能；2.能够对遥感图像进行预处理，如辐射校正和大气校正；3.能够对遥感图像进行分类，如最大似然分类和支持向量机分类；4.能够进行地物提取，如植被指数计算和特征提取。
三、实验步骤和结果1.图像预处理首先，我们导入了一幅Landsat 8卫星遥感图像，并进行了辐射校正和大气校正。
辐射校正是将图像中的DN（数字化值）转换为辐射度值，以便进行后续的大气校正和分类。
大气校正是根据大气传输模型对图像进行校正，以消除大气影响。
经过预处理后，我们得到了一幅处理后的图像。
2.图像分类接下来，我们使用ENVI软件进行了图像分类。
我们采用了最大似然分类和支持向量机分类两种方法进行分类。
最大似然分类是一种统计分类方法，通过最大化每类像素的似然度来划分不同类别，得到分类结果。
支持向量机分类是一种基于机器学习的分类方法，通过训练样本来构建分类模型，并用于对图像中的未分类像素进行分类。
3.地物提取最后，我们对图像进行了地物提取。
我们计算了该图像的植被指数，并使用阈值法将植被像素提取出来。
植被指数是通过计算不同波段之间的光谱差异来反映植被覆盖程度的指标。
我们还对植被像素进行了形状和纹理特征的提取，以获取更具有区分度的特征。
实验结果显示，经过图像预处理和分类，我们得到了一幅分类结果图。
通过该图像，我们可以清楚地看到不同地物类别的分布情况。
同时，通过地物提取，我们成功提取出了图像中的植被像素，并获得了植被的形状和纹理特征。
四、实验总结通过本次实验，我们学习和掌握了ENVI软件在遥感图像处理方面的应用。
我们了解了遥感图像的基本概念和原理，并学会了使用ENVI软件进行图像预处理、分类和地物提取。
遥感专题讲座——热红外遥感
热红外遥感热红外遥感是利用热红外波段研究地球物质特性的技术手段，可以获取地球表面温度，在城市热岛效应、林火监测、旱灾监测等领域有很好的应用价值。
由于热红外遥感涉及知识多而且深，特别是地表温度反演，需要大气传输、几个定律等方面的知识，本文用通俗语言总结了热红外遥感基本原理和方法，能知道热红外遥感怎么回事及简单的应用。
本文主要包括：●基本定义和原理●常见名词●简单应用与温度反演●ENVI下地表温度反演1、基本定义和原理热红外遥感（infrared remote sensing ）是指传感器工作波段限于红外波段范围之内的遥感。
这是一个狭义的定义，只是说明的数据的获取。
另外一个广义的定义是：利用星载或机载传感器收集、记录地物的热红外信息，并利用这种热红外信息来识别地物和反演地表参数如温度、湿度和热惯量等。
热红外遥感的信息源来自物体本身，其基础是：只要其温度超过绝对零度，就会不断发射红外能量，即地表热红外辐射特性。
如下图为黑体的辐射光谱曲线（不同温度下物体辐射能量随波长变化的曲线），常温的地表物体（300K左右）发射的红外能量主要在大于3μm的中远红外区，即地表热辐射。
热辐射不仅与物质温度的表面状态有关，物质内部组成和温度对热辐射也有影响。
在大气传输过程中，地表热辐射能通过3-5μm和8-14μm两个窗口，这也是大多数传感器的设计波段范围。
热红外遥感在地表温度反演、城市热岛效应、林火监测、旱灾监测、探矿、探地热，岩溶区探水等领域都有很广的应用前景。
2、常见名词热红外遥感涉及的知识多而且深，下面来了解热红外遥感中几个基本的名词。
● 辐射出射度单位时间内，从单位面积上辐射出的辐射能量称为辐射出射度，单位是 2-⋅m W● 辐射亮度辐射源在某一方向上单位投影表面、单位立体角内的辐射通量，称为辐射亮度 (Radiance)，单位是瓦/平方米*微米*球面度(1-12μm --⋅⋅⋅Sr m W )。
很多地方会将辐射亮度和辐射强度区分，我这里理解的是一个概念。
9.30 第三讲 计算植被覆盖度
第三讲计算植被覆盖度1、数据准备：第3波段，第4波段地表反射率影像数据2、计算NDVI 归一化植被指数（-1~1）NDVI=（r4-r3）/(r4+r3)r4,r3分别为第4,第3波段的地表反射率（在输入公式时注意要用拼音输入法，不要用搜狗输入法，否则，波段计算器的公式计算会提示错误。
在波段计算器中，我们都是用B代表波段，r不能用，用不同的的数字来具体区分不同的波段。
）3、计算FVC(植被覆盖度)：FVC= [(NDVI-NDVI S) / (NDVI V-NDVI S)]2V,S分别是植被和裸土的NDVI值，由于缺乏详细的区域植被和土壤光谱图数据，取值NDVI V=0.70,NDVI s=0.05,FVC= [(b1-0.05)/(0.7-0.05)]*[(b1-0.05)/(0.7-0.05)]此处b1指NDVI影像，衡量植被生长的茂盛程度，取值（0—1）。
envi软件操作步骤：1、打开之前已经进行了地表反射率计算的TM3与TM4，（此处波段4虽然没有后缀名，但是也能打开。
）打开波段3后，可以选中波段4，右键选第一项新开窗口，如下图，左图为波段3地表反射率影像数据，右图为波段4地表反射率影像数据。
2、打开输入NDVI 归一化植被指数NDVI=(b4-b3）/(b4+b3) (b4-b3)/(b4+b3)（b4,b3分别为第4,第3波段的地表反射率。
点Add to List检测公式是否正确，也可以将公式保存下来。
当有许多公式都想保存时，我们可以给他们建个文件夹，都保存到公式计算文件夹里。
）保存为。
在接下来弹出的NDVI公式的对话框中：①、先选择B3，再选TM3的地表反射率影像，波段计算器：（在Variables中的影像是一个个波段加载的。
按下拉滚动条）②、B4，TM4的地表反射率，注意操作顺序，才能出现选项。
保存，重命名为，ok。
完成后的波段列表：打开NDVI图：（影像越亮的地方，NDVI值越大，说明植被越茂盛。
如何进行植被覆盖度的测量
如何进行植被覆盖度的测量植被覆盖度是指某一地区被植物所覆盖的程度，它能够反映出对应地区的植被生长状况和植被类型的多样性。
植被覆盖度的测量对于环境保护、生态恢复以及土地管理具有重要意义。
本文将介绍如何进行植被覆盖度的测量，并探讨一些测量方法和技术。
植被覆盖度的测量可以通过不同的方法和技术实现。
其中，遥感技术是一种常用且有效的测量手段。
遥感技术利用卫星或无人机等远距离设备获取地球表面的图像信息，通过对植被指数的分析来评估植被覆盖度。
常用的植被指数包括归一化植被指数（NDVI）、峰值植被指数（PVI）以及土壤调整植被指数（SAVI）等。
归一化植被指数（NDVI）是最常用的植被指数之一。
它基于红光和近红外光的反射特性，通过计算两者的比值来反映植被覆盖度。
在计算NDVI时，像元的数值范围通常在-1到1之间，值越接近1则表示植被覆盖度越高。
通过对遥感图像进行像元级别的计算，可以得到植被覆盖度的分布图。
另一种常用的植被指数是峰值植被指数（PVI）。
PVI主要用于评估植被的生长状况和植被的长势，特别适用于农林业生产中的植被监测。
PVI通过测量植被在特定时间段内的叶绿素含量变化来评估植被的健康状态。
一般来说，PVI的取值范围在0到1之间，数值越大表示植被的健康状况越好。
除了遥感技术外，野外调查也是植被覆盖度测量的重要手段。
野外调查包括实地观察和取样分析等方法。
实地观察可以通过对植物的覆盖程度、株高和茂密度等进行测量来评估植被覆盖度。
取样分析则可以通过采集植物样本并进行实验室分析，获取更加准确的植被覆盖度数据。
在植被覆盖度测量中，需要注意一些测量误差的问题。
遥感技术对于地表植被的识别和测量具有一定的误差，主要来自于遥感数据的获取和处理。
因此，在使用遥感技术进行植被覆盖度测量时，应当对数据进行准确性校验和误差估计。
同时，在野外调查中也需要注意样本选择的随机性和代表性，以确保测量结果的可靠性。
除了测量植被覆盖度外，我们还可以借助植被指数测量来研究植被的类型和功能。
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
ENVI中常见植被指数介绍
作业9 植被指数植被指数概念：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。
不同的植被覆盖类型可以通过其特有的光谱特征进行区分，这是由于叶绿素在红波段内对太阳辐射的吸收以及叶片细胞结构对红外波段内太阳辐射的强反射。
Broadband Greenness(5 indices)（宽带绿色指标(5)）宽带绿度指数可以简单度量绿色植被的数量和生长状况，它对植物的叶绿素含量、叶子表面冠层、冠层结构比较敏感，这些都是植被光合作用的主要物质，与光合有效辐射（fAPAR）也有关系。
宽带绿度指数常用于植被物候发育的研究，土地利用和气候影响评估，植被生产力建模等。
宽带绿度指数选择的波段范围在可见光和近红外，一般的多光谱都包含这些波段。
下面的公式中规定波段的中心波长：ρNIR=800nm，ρRED=680nm，ρBLUE=450nm。
1. Normalized Difference Vegetation Index归一化植被指数增强在近红外波段范围绿叶的散射与红波段范围叶绿素的吸收差异。
简称NDVI： NDVI=(NIR-R)/(NIR+R)（1）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；2.Simple Ratio Index比值植被指数在近红外波段范围绿叶的散射与红波段范围叶绿素吸收的比值。
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(v egeta tionfracti onalcover，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。
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。
下列图〔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〔L5119042_04220090606_MTL〕有详细影像参数，控制点文件〔L5119042_04220090606_GCP〕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，因此在下列图中选择Single scale factor，填写。
- 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)。
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%
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。
选择统计
文件及掩膜文件
计算统计参数
(3) 得到研究区的统计结果。在统计结果中，最后一列表示对应NDVI值的累积概率分布。我
们分别取累积概率为5%和90%的NDVI值作为NDVImin和NDVImax。这里得到：
NDVImax=
NDVImin=
统计结果
(4) 根据公式（4），我们可以将整个地区分为三个部分：当NDVI小于，VFC取值为0；NDVI
大于，VFC取值为1；介于两者之间的像元使用公式（4）计算。利用ENVI主菜单->Basic
Tools->Band Math，在公式输入栏中输入：
(b1 lt *0+(b1 gt *1+(b1 ge and b1 le * (/ ：选择NDVI图像
(5) 得到一个单波段的植被覆盖度图像文件，像元值表示这个像元内的平均植被覆盖度。在
Display显示。
(6) 选择Tools->Color Mapping->Density Slice，单击Clear Range按钮清除默认区间。
(7) 选择Opions->Add New Ranges，根据上面的对照表依次添加10个区间，分别为每个区
间设置一定的颜色，单击Apply得到如下的植被覆盖图。
植被覆盖度遥感估算结果
其他情况下的操作流程基本类似。
精心搜集整理，只为
你的需要
精心搜集整理，只为你的需要