[基础科学]Erdas和ENVI利用NDVI提取植被指数的步骤
基于ndv指数的绿地信息提取
基于ndv指数的绿地信息提取1.引言1.1 概述概述随着城市化进程的加速，对城市绿地的重视程度也在逐渐增加。
绿地作为城市的重要组成部分，不仅美化了城市环境，还对气候调节、生态保护以及人们的身心健康起着重要作用。
因此，对城市绿地进行科学有效的管理和监测成为当下的重要课题。
绿地信息提取是对城市绿地进行定量化描述的过程，可以帮助我们了解绿地的分布、面积、状况等关键信息。
在过去的研究中，NDV （Normalized Difference Vegetation Index，归一化差异植被指数）被广泛应用于遥感图像的绿地信息提取中，具有较高的精度和稳定性。
本文将介绍基于NDV指数的绿地信息提取方法，通过分析和运用NDV指数，可以有效地提取城市绿地以及绿地覆盖度的相关信息。
首先，将详细阐述NDV指数的定义和作用，通过解析NDV指数的原理，我们可以更好地理解其在绿地信息提取中的重要性。
接着，将详细介绍基于NDV指数的绿地信息提取方法，包括图像预处理、NDV计算和绿地提取等步骤，希望能为研究者们提供一个基于NDV指数进行绿地信息提取的技术框架。
本文旨在为城市规划、环境保护以及绿地管理等领域的专业人士提供参考，希望能为促进城市绿地建设和可持续发展做出一定的贡献。
通过基于NDV指数的绿地信息提取方法，我们可以更好地了解城市绿地的分布情况，为相关决策提供科学依据，进一步推动城市绿化事业的发展。
1.2 文章结构本文主要包括引言、正文和结论三个部分。
在引言部分，我们将概述本文的主要内容和目的。
在正文部分，将介绍NDV指数的定义和作用，并详细讨论基于NDV指数的绿地信息提取方法。
最后，在结论部分，我们将对所得结果进行总结，并探讨本研究的意义和未来的展望。
通过这样的结构安排，读者可以清楚地了解文章的框架和内容，从而更好地理解和阅读本文。
1.3 目的本文的目的是研究基于NDV指数的绿地信息提取方法，通过对NDV 指数的定义和作用进行探讨，以及对基于NDV指数的绿地信息提取方法进行研究，旨在提供一种精确、高效的绿地信息提取方法，并为城市规划、土地利用管理等相关领域提供科学依据。
envi植被指数的提取
本科学生实验报告宋国俊学号114130168专业＿＿地理信息系统班级11地信验课程名称遥感运用实验名称植被指数的提取额指导教师及职称洪亮开课学期2014 至2015 学年一学期师大学旅游与地理科学学院编印二、实验容、步骤和结果找到landsat 8 的相关数据;再找另外一个时间段的数据;1）提取行归一化植被指数归一化指数（NDVI）被定义为近红外波段与可见光红波段数值之差和这两个波段数值之和的比值。
公式：NDVI=（TM4-TM3）/（TM4+TM3）在ENVI 的主菜单transforms下，运行NDVI子菜单，将得到的图像以612ndvi的文件名保存在文件夹中。
得到的图像以灰阶显示如图2014.3.16的NDVI2014.4.24NDVI2）提取绿度植被指数GVI公式：GVI=-0.2848*TM1-0.2435*TM2-0.5436*TM3+0.7243*TM4+0.084*TM5-0.1800*TM7在ENVY3.2的主菜单basic tools下，运行band math子菜单，键入上述公式，将得到的图像以612GVI的文件名保存在文件夹中。
得到的图像以灰阶显示如图2014.3.16的GVI2014.4.24GVI3）提取比值植被指数RVI比值值被指数（RVI）由于可见光红波段（R）与近红外波段（NIR）对绿色植物的光谱响应十分不同，且具倒转关系。
两者简单的数值比能充分表达两反射率之间的差异。
公式：RVI= TM4/TM3在ENVI的主菜单basic tools下，运行band math子菜单，键入上述公式，将得到的图像以612GVI的文件名保存在文件夹中。
得到的图像以灰阶显示如图2014.3.16的RVI2014.4.24RVI4）提取差值植被指数公式：RVI= TM4-TM3在ENVI的主菜单basic tools下，运行band math子菜单，键入上述公式，将得到的图像以612chazhi的文件名保存在文件夹中。
植被指数的计算方法与遥感图像处理步骤
植被指数的计算方法与遥感图像处理步骤植被指数是研究地表植被覆盖状况的重要指标，可以通过遥感技术获取高空间分辨率的植被信息。
植被指数的计算方法与遥感图像处理步骤是确定植被指数数值的关键环节。
一、什么是植被指数？植被指数是通过遥感技术获取的图像数据来计算植被覆盖状况的指标。
常见的植被指数有归一化植被指数（Normalized Difference Vegetation Index, NDVI）、植被指数（Vegetation Index, VI）等。
这些指标利用遥感图像中红、近红外波段的反射光谱信息来反映植被生长情况，指数数值越高，代表植被覆盖程度越高。
二、植被指数的计算方法1. 归一化植被指数（NDVI）NDVI是最常用的植被指数之一，计算公式为（NIR-RED）/（NIR+RED），其中NIR是近红外波段的反射值，RED是红波段的反射值。
NDVI范围在-1到1之间，数值越接近1代表植被覆盖越高，数值越接近-1代表植被覆盖越低，数值接近0则代表无植被。
2. 植被指数（VI）植被指数是根据遥感图像中的红、蓝、绿波段的反射值计算得到的，常见的植被指数有绿光波段（Green）、蓝光波段（Blue）和红边波段（Red-edge）等。
植被指数的计算公式根据研究的需要而定，比如Normalized Green-Blue Vegetation Index（NGB）、Green-Blue Vegetation Index（GBVI）等。
三、遥感图像处理步骤1. 遥感图像获取遥感图像可以通过卫星、飞机等载体获取，一般包括多个波段的光谱信息。
从遥感图像中选取合适的波段进行植被指数的计算。
2. 数据预处理遥感图像预处理包括大气校正、几何纠正和辐射辐射校正等步骤，以消除由于大气、地表地貌等因素引起的图像噪声。
3. 波段选择根据研究需要和相关指数的计算公式选择合适的波段进行植被指数的计算。
常用的波段有红、近红外、绿、蓝等。
植被指数提取与分析
植被指数提取与分析（3课时）1、实验的目的掌握应用遥感图像处理软件进行植被指数提取方法，了解植被指数在图像解译中的作用。
2、实验的要求根据植被遥感的原理和方法，利用所提供的数据，在ENVI软件下完成植被指数提取与分析。
了解植被的光谱特性和不同时相植被指数差异及在土地覆盖分类中的作用等。
提取的主要植被指数：NDVI, T-C变换，比值等植被指数分析：1）不同土地覆盖植被指数差异，不同植被指数数值；2）植被指数提取后的波段合成应用、植被指数图像的假彩色密度分割等后处理；3）分析不同时相遥感图像植被指数的差异。
3、实验的材料准备采用软件：ENVY3.5采用的遥感数据：Landsat TM （120－38南京地区）。
数据时相：2000年6月12号和2000年9月16日。
4、实验的方法与步骤遥感图像上的植被信息，主要通过绿色植物叶子和植被冠层的光谱特性及其差异、变化而反映的，不同光谱通道所获得的植被信息可与植被的不同要素或某种特征状态有各种不同的相关性，因此，我们往往选用多光谱遥感数据经分析运算（加、减、乘、除等线性或非线性组合方式），产生某些对植被长势、生物量等有一定指示意义的数值——即所谓的“植被指数”。
用一种简单有效的形式来实现对植物状态信息的表达，以定性和定量地评价植被覆盖、生长活力及生物量等。
在植被指数中，通常选用对绿色植物（叶绿素引起的）强吸收的可见光红波段和对绿色植物（叶内组织引起的）高反射的近红外波段。
这两个波段不仅是植物光谱中的最典型的波段，而且它们对同一生物物理现象的光谱响应截然相反，故它们的多种组合对增强或揭示隐含信息将是有利的。
1）提取行归一化植被指数归一化指数（NDVI）被定义为近红外波段与可见光红波段数值之差和这两个波段数值之和的比值。
公式：NDVI=（TM4-TM3）/（TM4+TM3）在ENVY3.2的主菜单transforms下，运行NDVI子菜单，将得到的图像以612ndvi的文件名保存在文件夹中。
利用ERDASIMAGINE从遥感影像中提取植被指数
Abstracting Vegetati on Index From Remote Sensing Images Using ERDAS IMEGINE
总第 109 期 2005 年第 6 期
西部探 矿工程 W EST - CH IN A EXPL OR AT ION EN GIN EERIN G
ser ies No . 109 Jun. 2005
文章编号 : 1004
5716( 2005) 06
0210
03
中图分类号 : P237 文献标识码 : A
IM A GIN E 遥感图像处理软件对遥感影像进行植被指数提取 。 对植被 指数提取 的关键 部分进 行分析 , 并给 出植被 指数 提取的技术关键 。 关键词 : 植被指数 ; ERDA S; 遥感 ; ND VI 1 概述 植被指数是遥感监测地面 植物生 长和分布 的一种 方法。由 于不同绿色植被对不 同波 长光 的吸 收率 不同 , 光 线照 射在 植物 上时 , 近红外波段的光大部分 被植物 反射 , 而可见 光波段 的光则 大部分被植物吸收 , 通过 对近 红外 和红 波段 反射 率的 线性 或非 线性组合 , 可以消除地物光谱 产生的 影响 , 得到的 特征指 数称为 植被指数。 植被指数经过近 20 年的发展 , 目前有几十种 , 但常用的植被 指数有 : 归一化植 被指数 N DV I( N or malized Differ ence Veg eta t ion Index) 、 比值 植被指数 RV I( R atio Veg etation Index ) 、 差值植 被指数 DV I ( Differ ence V eg etatio n I ndex ) 、 土壤 调 节 植 被指 数 SAV I( the Soil Adjusted V egetation Index) 、 修正型土壤植被指数 M SAV I( M odified Soil A djusted V eg etatio n I ndex) [ 1] 等。 在遥感应用领域 , 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 [ 2] 。 2 植被指数提取 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 像不 同波 段进 行处 理 , 从而 得到 各类 植被指数。 目前常见的 Landsat T M 遥感影像 , 共有 7 个波段 , 其中 T M 3 ( 波长 0. 63~ 0. 69 m) 为红 外波 谱段 , 为 叶绿 素主 要吸 收 波段 ; T M4( 波长 0. 76~ 0. 90 m) 为近红外波谱段 , 对绿色植被的差异敏 感, 为植被通用波 段。 M odis 遥感 影像共 有 36 个 光谱通 道, 其第 一波段 ( 0. 62~ 0. 67 m) 、 第二波段 ( 0. 841~ 0. 876 m) 分别是红色 和近红外波段 , 可以用第一和第二波段计算植被指数。 例如归一化植被指数 N DV I 的定义是 : ND VI= N IR- Red ( 其 中 N IR 代表近 红外波 段 , R ed 代表红 N IR+ Red 波段 ) 要计 算 NDV I, 就是 在遥感 处理软 件中 , 计算近 红外波 段与 红波段之差 , 再除以两个波段之和。 利用遥感影像处理 软件提取植 被指数流 程一般 为 : ( 1) 使用 遥感处理软件 打开遥感图像。 ( 2) 依据 植被指 数公式 , 对图 像不 同波段进行波 段计算。( 3) 生成植被指数影像文件。 3 植被指数提取中存在的问题 在计算归 一化植被指数 ND VI 时 , 此时若采用 N DV I 公式直 接进行波段计 算 , 如果 N IR+ R ED ( 近红外 波段 + 红波段 ) 的值 为零时 ( 见图 2) , 对这些点的计算就会产生 结果溢出的 现象。此 类情况在干旱 区植被覆盖度较低的遥感影像处理中较为常见。 生成 ND VI 植被指数影像图时 , 如 果不进 行适当 处理 , 在对 生成的植被指 数影像 文件分 析判 读时 , 就 会 与实 测数 据产 生很 大的误差。特别要注意 的是 , 在计算植被覆盖面积、 生物量估算、 图像分类等过 程中 , 卫星影像中 的这些 点就有 可能被 忽略 , 计算 结果的精度就 无法保证。 图 1 是 新疆 天山北 坡 M odis 2003 年 10 月 15 日影 像 , 图 2 是图 1 经过分析处理后 N ir+ R ed 值为零的像元图像。从图 2 中 可以看到 , 在影像的下方有一条明显的轮廓 , 在实测中发现 , 此轮 廓正是位于 新 疆古 尔班 通 古特 沙漠 与 新疆 阜 康 绿洲 之 间的 绿 洲 4 荒漠交 错带。 在 ERDAS 中提取植被指数 ERD AS IM AG IN E 中的 M odeler 是一个面向 目标的图 形模 型语言 , 用户可据此设计出高级 的空间 分析模 型 , 实现复杂 的分 析和处理功能 , 整个 过程 只需用 其提 供的 工 具栏 在窗 口中 绘出 模型的流程图 、 指定流程图的意义、 所用参数等 , 即可完成模型的 设计 , 无需进行 具体 而复杂 的编 程过 程。 ERDA S IM AG IN E 为 用户提供了高 层次的 设计工 具和 手段 , 同 时 可使 用户 将更 多的 精力集中在专 业领域的研究 [ 3] ( 图 3 就是利用 ERDA S 的 M o del
基于ERDAS的植被信息提取的方法研究
基于ERDAS的植被信息提取的方法研究摘要：在遥感影像处理中，植被指数提取广泛应用于评价植被覆盖，长势，面积等植被信息。
本文主要利用ERDAS IMAGINE遥感图像处理软件对遥感影像进行归一化植被指数NDVI的提取，对植被指数图像进行非监督分类处理，结合目视解译等方法，对信阳地区的植被信息进行提取。
关键词：植被指数；ERDSA；遥感；NDVI引言植被主要包括林地（有林地、灌木地和疏林地）、草地（高覆盖度草地、中覆盖地草地和低覆盖度草地）和农作物[1]。
植被在维护生态平衡中起着重要的作用，用一种切实有效地技术和方法对植被的情况进行掌控又成为时代所需。
随着遥感技术的应用和发展，它为植被指数的提取和植被覆盖度的测算提供了一种新的方法。
相较于传统的地面测算，遥感方法在很大程度上减少了外业测算工作，同时解决了时效性和测算范围等方面的问题。
1 研究区植被概况信阳位于河南省南部，东经114°01′-114。
06′，北纬31°46′-31°52′。
信阳地势南高北低，是岗川相间、形态多样的阶梯地貌。
西部和南部是由桐柏山、大别山构成的豫南山地。
中部是丘陵岗，北部是平原和洼地，信阳地跨淮河，位于秦淮分界上，属亚热带向暖温带过渡区。
信阳市一座绿色茶城，城区主要植物种类是茶树及绿化植物。
2 数据来源及数据预处理2.1 数据来源实验数据采用的是2002年7月9日的LANDSAT7 ETM+影像数据。
ETM+影像有8个光谱波段，空间分辨率是30m（1、2、3、4、5、7波段）、60m（6波段）和15m（全色波段）。
2.2 植被指数及数据预处理2.2.1 植被指数植被指数（vegetation index）是遥感监测地面植物生长和分布的一种方法，是不同遥感光谱波段间的线性或非线性组合，是植被长势的一种指示，通常可反映90%以上的植被信息，并能消除外在因素的影响，从而较好地反映绿色植物的空间分布和生长状况，并能宏观地反映绿色植物的生物量和盖度等生物的物理特征，所以被广泛应用于土地利用覆盖探测、植被覆盖密度评价和作物识别等方面[3]。
ERDAS下植被覆盖度的计算
ERDAS下植被覆盖度的计算
在ERDAS中，植被覆盖度的计算通常包括以下几个步骤：
1.遥感图像的获取与预处理：
2.图像分割与分类：
植被覆盖度是通过对图像中植被和非植被区域进行分类来计算得到的。
在ERDAS中，可以选择适当的图像分割方法，并根据像素的光谱信息和纹
理信息将图像分为不同的类别，例如植被和非植被。
3.特征提取：
对分类后的图像进行特征提取是计算植被覆盖度的关键步骤。
常见的
特征包括NDVI（Normalized Difference Vegetation Index，归一化植
被指数）、EVI（Enhanced Vegetation Index，增强植被指数）等。
这些
指标可以通过计算不同波段的差值或比值来获取，从而反映出植被的生长
状况和覆盖度。
4.植被覆盖度的计算与分析：
基于提取的特征，可以使用ERDAS提供的工具进行植被覆盖度的计算
和分析。
根据不同的算法和模型，可以计算出植被覆盖度的数值或生成相
应的植被覆盖度图。
常见的植被覆盖度计算方法包括阈值法、最大似然法、机器学习等。
此外，在ERDAS中还可以进行植被覆盖度的可视化和空间分析。
通过
将计算得到的植被覆盖度图与其他空间数据进行叠加和分析，可以进一步
探索植被覆盖度与地理环境、土地利用等之间的关系。
总之，ERDAS作为一款专业的遥感图像处理软件，提供了完善的工具和功能，可以进行植被覆盖度的计算和分析。
通过合理选择图像预处理方法、分类算法和特征提取指标，结合其他空间数据进行分析，可以更好地了解植被覆盖度的空间分布和变化趋势，为环境保护、生态研究等领域提供支持。
Erdas和ENVI利用NDVI提取植被指数的步骤
Erdas和ENVI中利用NDVI提取植被指数的步骤NDVI：归一化植被指数和植物的蒸腾作用、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。
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、粗糙度等，且与植被覆盖有关；ERDAS里面利用NDVI提取植被指数的步骤：1、在Erdas的主工具中选择Interpreter模块，出现Image Interpreter对话框2、然后选择Spectral Enhancement，会弹出Spectral Enhancement对话框3、再选择Indices选项出现Indices对话框以TM数据为例进行说明，选择InputFile，选择Output File，在OutputOptions的Sensor中选择Landst TM，在SelectFunction里面选择NDVI，DataType默认为Float不用改变，可以发现最下面的Function显示band 4 - band 3 / band 4 +band 3，这个就是NDVI的计算公式。
最后选择OK即可完成，这里要注意的是没有OutputFile的话Ok按钮时不能使用的。
如果NDVI计算的话在ENVI是最方便的在Transform菜单下就有，同时ENVI的波段计算功能也很方便完成NDVI计算。
另外，ERDAS MODEL做NDVI分类首先说如何做NDVI，虽然ERDAS里有个现成专门可以做NDVI的的地方，但是我们注意到TM4+TM3可能为0，当除数为0时系统会报错，所以应该在分母上加0.001或0.0001都可以。
- 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)。
[基础科学]Erdas和ENVI利用NDVI提取植被指数的步骤Erdas和ENVI中利用NDVI提取植被指数的步骤 NDVI:归一化植被指数
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。
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;
erdas里面利用NDVI提取植被指数的步骤:
1、在Erdas的主工具中选择Interpreter模块，出现Image Interpreter对话框
2、然后选择Spectral Enhancement，会弹出Spectral Enhancement对话框
3、再选择Indices选项出现Indices对话框
以TM数据为例进行说明，选择InputFile，选择Output File，在OutputOptions的Sensor中选择Landst TM，在SelectFunction里面选择NDVI，DataType默认为Float不用改变，可以发现最下面的Function显示band 4 - band 3 / band 4 +band 3，这个就是NDVI的计算公式。
最后选择OK即可完成，这里要注意的是没有OutputFile的话Ok按钮时不能使用的。
如果NDVI计算的话在ENVI是最方便的在Transform菜单下就有，同时ENVI的波段计算功能也很方便完成NDVI计算。
另外，ERDAS MODEL做NDVI分类
首先说如何做NDVI，虽然ERDAS里有个现成专门可以做NDVI的的地方，但是我们注意到TM4+TM3可能为0，当除数为0时系统会报错，所以应该在分母上加0.001或0.0001都可以。
这样分母就不会为0了，同时注意输出图象类型要是float single，否则做出来的结果可能是空白图象。
给NDVI图象进行再分类:注意输出图象类型为thematic。
其中中间一步要这样设置:注意先选中左框里的原始NDVI波段，然后点ADD CLUMMN按钮，并定义你的范围。
ENVI中提取NDVI值
1、打开图像
2、主菜单中，Transforms---NDVI,显示如下窗口，
选择影像---OK
3、在以下窗口中输入相应的参数
点击OK，即可。
说明:选择浮点型，ENVI数值范围保持为-1~1;
选择字节型，键入最小NDVI值，该值将被拉伸为0;键入最大NDVI值，该值将被拉伸为255，获得的ENVI将被拉伸为0~255 的范围。
这样得到的ndvi图式HDR格式的，要想在ERDAS中打开需要转换成IMG格式的:
打开ERDAS软件，点击import，显示如下窗口:。