遥感数据预处理和基于遥感的自然生态环境监测
遥感技术在生态环境评价中的研究进展
遥感技术在生态环境评价中的研究进展随着人类活动对地球生态环境的影响日益加剧，生态环境评价成为了保护和管理生态系统的重要手段。
遥感技术作为一种能够快速、大面积获取地表信息的工具，在生态环境评价中发挥着越来越重要的作用。
本文将对遥感技术在生态环境评价中的研究进展进行探讨。
一、遥感技术概述遥感技术是指从远距离、高空以至外层空间的平台上，利用可见光、红外、微波等探测器，通过摄影或扫描、信息感应、传输和处理，从而识别地面物质的性质和运动状态的现代化技术。
它具有大面积同步观测、时效性强、数据综合性和可比性等优势，能够为生态环境评价提供丰富、准确的信息。
二、遥感技术在生态环境评价中的应用领域（一）土地利用与土地覆盖变化监测土地利用与土地覆盖变化是生态环境变化的重要指标。
通过遥感影像，可以清晰地识别不同土地利用类型的分布和变化情况，如森林砍伐、城市扩张、农田开垦等。
这有助于分析人类活动对土地资源的影响，为土地规划和管理提供依据。
（二）植被监测遥感技术可以获取植被的光谱信息，从而反演植被的生长状况、覆盖度、生物量等参数。
这对于评估生态系统的生产力、碳储量以及生态服务功能具有重要意义。
例如，通过高分辨率遥感影像可以监测森林病虫害的发生范围和严重程度，及时采取防治措施。
（三）水资源监测遥感技术在水资源监测方面也发挥着重要作用。
可以监测河流、湖泊、水库的水位、面积和水质等信息。
此外，还能够评估地下水的储量和变化情况，为水资源的合理开发和利用提供支持。
（四）大气环境监测利用遥感技术可以监测大气中的污染物浓度、气溶胶分布、温室气体含量等。
例如，通过卫星遥感可以获取大范围的二氧化硫、氮氧化物等污染物的分布情况，为大气污染防治提供决策依据。
（五）生态系统健康评价综合运用遥感数据和生态模型，可以对生态系统的健康状况进行评价。
包括评估生态系统的结构完整性、功能稳定性和恢复能力等，为生态保护和修复提供科学指导。
三、遥感技术在生态环境评价中的数据处理方法（一）影像预处理在进行遥感数据分析之前，需要对影像进行预处理，包括几何校正、辐射校正、大气校正等。
基于遥感的生态环境保护研究
基于遥感的生态环境保护研究在当今时代，生态环境保护已经成为全球关注的焦点议题。
随着科技的飞速发展，遥感技术作为一种强大的工具，为生态环境保护研究提供了全新的视角和方法。
遥感技术能够在不直接接触目标物体的情况下，远距离获取大量的信息，这使得我们能够更全面、更深入地了解生态环境的现状和变化趋势。
遥感技术的原理其实并不复杂。
它主要通过传感器接收来自地球表面物体反射或发射的电磁波信号，然后对这些信号进行处理和分析，从而获取有关物体的特征和信息。
不同的物体在电磁波谱上具有不同的反射和发射特性，这就为我们区分和识别各种地物提供了依据。
例如，植被在可见光和近红外波段的反射特性与土壤、水体等有明显差异，通过对这些差异的分析，我们可以准确地识别出植被的分布范围和生长状况。
在生态环境保护中，遥感技术有着广泛的应用。
首先，它可以用于监测土地利用和土地覆盖的变化。
通过对不同时期的遥感影像进行对比分析，我们能够清晰地看到城市扩张、森林砍伐、农田开垦等土地利用方式的转变，这对于评估人类活动对生态环境的影响至关重要。
例如，在一些发展迅速的地区，城市的不断扩张导致大量的耕地和林地被占用，这不仅破坏了生态平衡，还可能引发一系列的环境问题，如水土流失、生物多样性减少等。
遥感技术能够及时发现这些变化，为制定合理的土地利用规划和生态保护政策提供科学依据。
其次，遥感技术在水资源监测方面也发挥着重要作用。
它可以帮助我们了解水体的分布、水质状况以及水资源的变化趋势。
例如，通过遥感影像中的光谱信息，我们可以判断水体的浑浊度、叶绿素含量等指标，从而评估水质的好坏。
此外，遥感技术还能够监测河流、湖泊的水位变化，以及地下水的储量和动态，这对于水资源的合理开发和管理具有重要意义。
在一些干旱地区，水资源的短缺是制约经济发展和生态环境改善的关键因素。
通过遥感技术的监测和分析，我们可以更好地掌握水资源的分布和变化规律，制定科学的水资源调配方案，提高水资源的利用效率，保障生态用水和居民生活用水的需求。
基于遥感的生态环境变化监测研究
基于遥感的生态环境变化监测研究在当今时代，随着人类活动的不断加剧和全球气候变化的影响，生态环境面临着前所未有的挑战。
为了更好地了解生态环境的变化趋势，采取有效的保护和修复措施，基于遥感的生态环境变化监测技术应运而生。
遥感技术作为一种非接触式、大面积、快速获取地表信息的手段，为生态环境监测提供了强大的支持。
遥感技术的原理其实并不复杂，它就像是我们从高空用一双特殊的“眼睛”来观察地球。
通过传感器接收来自地表物体反射或发射的电磁波信号，然后将这些信号转化为图像或数据，从而让我们能够了解到地表的各种信息，比如土地利用类型、植被覆盖度、水体状况等等。
在生态环境变化监测中，遥感技术有着广泛的应用。
首先，它可以用于监测土地利用和土地覆盖的变化。
比如说，我们可以通过不同时期的遥感影像，清晰地看到城市的扩张是如何占用农田和绿地的，或者森林是如何被砍伐变成了荒地。
这对于研究城市化进程对生态环境的影响以及制定合理的土地利用规划具有重要意义。
其次，遥感技术在植被监测方面也发挥着关键作用。
植被是生态系统的重要组成部分，它的生长状况和分布情况直接反映了生态环境的质量。
通过遥感数据，我们能够计算出植被覆盖度、植被指数等参数，从而了解植被的健康状况和生长趋势。
而且，还可以监测植被的季节性变化，以及在遭受自然灾害（如火灾、干旱等）后的恢复情况。
对于水体的监测，遥感同样表现出色。
它可以帮助我们监测水体的面积、水质、水深等信息。
例如，通过对遥感影像的分析，可以判断出湖泊、河流的水位变化，发现水体的污染区域，为水资源的管理和保护提供科学依据。
另外，遥感技术还能够用于监测大气环境。
虽然直接监测大气成分相对较难，但可以通过间接的方法，如监测气溶胶的分布、云的类型和特征等，来了解大气的污染状况和气候变化的影响。
然而，基于遥感的生态环境变化监测也并非一帆风顺，存在着一些挑战和限制。
首先，遥感数据的质量和分辨率会对监测结果产生影响。
有时候，较低分辨率的影像可能无法准确识别出细小的地物变化，或者受到云层、阴影等因素的干扰，导致数据不准确。
综合应用一基于遥感的自然生态环境监测分析
综合应用一基于遥感的自然生态环境监测分析中文摘要
遥感技术在自然生态环境监测方面发挥着重要作用，例如，通过遥感
图像把握地表植被变化，揭示城市扩展等现象。
本文深入分析了基于遥感
技术的自然生态环境监测系统，得出了关于自然生态环境变化的有效结论。
研究显示，遥感技术能够有效收集、处理和检测自然生态环境中大量的空
间数据，并生成多种空间地理信息，为自然生态环境监测和管理提供有力
支持。
为进一步提高遥感技术在自然生态环境监测分析方面的应用效果，
还需加强软件工具的开发，建立多种完备的数据处理、信息检索和分析分
析处理方法等。
1引言
自然生态环境监测分析是评估生态环境变化和发展的重要环节，对生
态环境质量的评估和提升具有重要意义。
随着社会经济的发展，人类活动
对自然生态环境的影响越来越大，自然生态环境变化及时准确地监测变匘
越发重要。
遥感技术将实现信息化的空间数据收集和处理，从而实现多源
数据融合，有效检测和描绘自然生态环境变化，为自然生态环境开发和管
理提供重要支撑。
2应用研究
2.1遥感数据的收集
从遥感学科的角度来看。
基于遥感的生态恢复效果监测
基于遥感的生态恢复效果监测在当今社会，生态环境的保护和恢复成为了全球关注的焦点。
随着人类活动的不断扩张和对自然资源的过度开发，许多生态系统遭受了严重的破坏。
为了实现可持续发展，采取有效的生态恢复措施至关重要。
而如何准确、全面地监测这些生态恢复措施的效果，则是评估恢复工作成功与否的关键。
遥感技术的出现和不断发展，为生态恢复效果的监测提供了强大的工具和手段。
遥感技术是什么呢？简单来说，遥感就是不直接接触目标物体，通过传感器来获取其信息的一种技术。
它就像是我们从远处用特殊的“眼睛”去观察和了解地球上的各种现象。
这些“眼睛”可以是卫星搭载的传感器，也可以是飞机上安装的设备。
通过接收和分析目标物体反射或发射的电磁波信号，我们能够获取关于其特征和状态的大量信息。
在生态恢复效果监测中，遥感技术具有许多独特的优势。
首先，它能够实现大面积的同步观测。
想象一下，要靠人工去测量和评估一个广阔区域的生态变化，那得耗费多少时间和人力啊！但遥感技术可以在短时间内获取大面积的信息，让我们对整个区域的生态状况有一个整体的了解。
其次，遥感具有多波段、多时相的观测能力。
不同的波段可以反映出物体的不同特征，比如植被的生长状况、土壤的水分含量等。
而多时相的观测则能够让我们看到生态系统随时间的变化趋势，及时发现问题和评估恢复效果。
那么，具体是如何利用遥感技术来监测生态恢复效果的呢？首先，我们可以通过遥感影像来监测植被的覆盖度和生长状况。
植被是生态系统的重要组成部分，它的变化能够很好地反映生态恢复的效果。
通过分析遥感影像中植被的光谱特征，我们可以计算出植被的覆盖度，了解植被的生长密度和分布情况。
同时，还可以监测植被的叶面积指数、叶绿素含量等生理参数，评估植被的健康状况和生产力。
除了植被，土壤也是生态恢复中需要关注的重要因素。
遥感技术可以帮助我们监测土壤的水分含量、质地和侵蚀状况。
例如，利用微波遥感可以穿透土壤表面，获取土壤水分的信息。
而通过高分辨率的遥感影像，我们能够观察到土壤的纹理和结构，判断土壤的质地和侵蚀程度。
生态环境遥感监测方法
生态环境遥感监测方案资料，实现矿产资源的可持精心整理续发展，是生态环境领域研究的重要课题。
题，噪声和振动污染，热污精心整理染等。
目前，国内外已有许多科学工作者利用遥感技术的矿区，对于大范围分布零精心整理散的矿区研究甚少；另一方面，是将遥感信息与其他调遥感集市高分数据，在不同精心整理波段组合和各种指数运算应用的基础上，分析各类地表精心整理冶矿区生态环境监测的研究。
的相对高峰期，并且由此引起的生态环境问题有一定滞精心整理后效应，同时为了减少季节上产生的误差，而夏季植被较）。
精心整理由于地面站在接收信号时根据遥感平台、地球、传别、目标清晰、特征突出精心整理的 )-个点作为控制点，如道路交叉口、桥梁端点、坝谱信息分类； 2.利用变换后的影像特征进行分类，主精心整理要的变换方法有主成分变换、缨帽变换、比值法、生段和变换处理波段的信息，精心整理把复杂的问题划分为一个个相对简单的问题，针对不同精心整理精心整理各类地物提取水体的提取在遥感影像上，就每一TM3的值比较大，而居民点精心整理从 TM5 最容易与其他类别区分，根据这个特点，用三类：重污染TM精心整理（40~60）、轻污染TM3（30~40）、清洁水 TM3一化差异植被指数和高程的关系，在水体进行掩膜处理精心整理的基础上，建立研究区植被分布的决策提取：林地信息易与居民点、道路、裸地等相混淆，误提率很高。
精心整理铁矿指数（即 iron oxide指数，实质为红光波段特点，同时为了减少干扰，精心整理先将水体进行掩膜，然后根据铁矿指数大于0.4和通过层层分析，将已经掩膜水体、植被和矿区的遥感图精心整理用（TM4（40~80），TM5（70~100），TM4~TM3<15）精心整理变化检测通过上述的具体分析，成 300个随机点（点数与精心整理类别涉及的象元数成正比），与实际类别作比较90%之间，比监督分类结果精心整理的精度高出了10%~20%，具有很高的分类精度，有利于精心整理精心整理精心整理湖北大冶矿区生态环境动态遥感监测精心整理。
5专题：基于遥感的自然生态环境监测
2、生态因子生成
2.1 植被盖度生成
• 植被覆盖度是根据前人研究的NDVI估算模型： - FC=(NDVI-NDVImin)/(NDVImax-NDVImin)
- 其中NDVI是归一化指标指数，NDVImax表示区域最大NDVI值，NDVImin表 示区域最小的NDVI值。
- 由于图像中不可避免的存在着噪声，NDVImax和NDVImin并不一定是最大 NDVI值和最小的NDVI值，可以根据直方图分别取两头“拐点处”的值。
TM-SPOT融 合影像
大气校正
DEM数据
坡度计算
植被盖度计算 土壤指数计算
自然生态因子归一化
生态环境评价
指数评价法 自然生态环境评价图
归一化模型 确定评价方法
流程说明
• 专题数据 - 已经过基本预处理的TM-SPOT融合影像和DEM数据
• 生态因子选取 - 对经过基本预处理的数据进行快速大气校正 - 本专题选取植被、土壤、地形三个最基本的要素作为评价区 域自然生态环境的生态因子 - 以“植被盖度”和“土壤指数”作为植被和土壤的生态因子 ，“坡度”作为地形因子。统一将这些生态因子进行归一化 处理
分割区间文件存放在：15-自然生态环境监测\中间结果\*.dsr 结果文件存放在：15-自然生态环境监测\*-10.img
3、生态环境评价
3 生态环境评价
• 本专题选择的评价模型是指数法与综合指数法：
- E=W1 *Sv+W2 *Ss +W3 *St
- W1=0.7，W2=0.2，W3=0.1
评价等级
• 了解了生态环境评价的流程 • 学会用ENVI进行生态环境评价的数据处理工具：
- 快速大气校正 - 缨帽变换 - DEM坡度计算 - 波段运算 - 密度分割 - 图像统计
201-应用专题：基于遥感的自然生态环境监测
3.3 生态指数RSEI背景处理
• File->Save As ENVI，选择RSEI.dat，Mask选择研究区shapefile文件或掩膜文 件，点击OK，在输出面板上，点击Find Suitable Data Ignore value自动设置忽 略背景值
应用专题一：基于遥感的自然生态环境监测
专题背景
• 随着社会的不断发展，人们对自然生态环境质量的重视程度逐渐提高。本专题介 绍应用遥感技术进行自然生态环境的评价。
专题概述
• 本专题主要利用10米的哨兵2A数据源，提取相关生态因子，应用较成熟的遥感生 态指数（RSEI），评价与监测区域生态质量，完成整个自然生态环境评价流程。
2.4 生态因子计算 — 热度指标
• /Extensions/Landsat 8 LST工具，查询得到大气条件参数，包括大气透过率、大 气上行辐射、大气下行辐射，工具直接计算出地表温度的结果。
2.4 生态因子计算 — 热度指标
• 将30米的温度结果重采样到10米，并裁剪出研究区 • 重采样工具：/Raster Management/Resize Data
• Regions of Interest > Subset Data from ROIs工具
研究区裁剪的结果存放路径为：“……\4-生态因子计算\”
生态因子计算
生态因子计算步骤
流程说明
• 结合参考资料，计算植被指数、湿度分量、地表温度和土壤指数，作为绿度、湿 度、温度和干度指标
• 其中，植被指数、湿度分量、干度指标使用预处理得到的10米哨兵-2A多光谱数 据表观反射率计算得到，温度使用Landsat8热红外数据计算得到。
波段名称
2 3 4 8 5 6 7 8a 11 12 1 9 10
- 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)。
操作：进行SPOT2全色图像的正射校正
• 内容：
- 以DRG作为控制点参考源，完成SPOT2全色图像的正
射纠正
• 数据：
02：基于遥感的自然生态环境监测\1-SPOT PAN正射 纠正 F:\ENVI培训\素材包\02基于遥感的自然生态环境监 测\1-SPOT PAN正射纠正\SPOT PAN\SCENE01
法的选择也非常重要，同样的融合方法在用在不 同影像中，得到的结果往往会不一样。
ENVI/IDL
1.5 图像融合——ENVI中的融合方法
融合方法
IHS变换 Brovey变换
适用范围
纹理改善，空间保持较好。光谱信息损失较大大， 受波段限制。 光谱信息保持较好，受波段限制。
乘 积 运 算 （ CN ） 对大的地貌类型效果好，同时可用于多光谱与高光 谱的融合。 PCA变换 无波段限制，光谱保持好。第一主成分信息高度集 中，色调发生较大变化， Gram-schmidt 改进了 PCA 中信息过分集中的问题，不受波段限制， （GS） 较好的保持空间纹理信息，尤其能高保真保持光谱 特征。 专为最新高空间分辨率影像设计，能较好保持影像 的纹理和光谱信息。
（传感器的系统误差）
• 数据是沿扫描线获取的，每条扫描线都有自己的
透视中心
• 每条扫描线的传感器位置和方向都不同 • 多项式的纠正只能针对分辨率比较低的卫星影像，
而对于高分辨率的卫星影像我们需要严格的物理 模型（如，dim原数据）或者是有理函数多项式进 行模拟卫星参数（如RPC参数）。
ENVI/IDL
• 在影像的铅直方向也有同样的影响
房子的宽度是恒定的 (8m), 而在影像上的体现却各有 不同, 这说明各处的比例尺是变化的
ENVI/IDL
1.3 SPOTPAN正射纠正——传感器姿态/方位
1 2 3
要进行三角测量，就要给定软件 计算或估计出的空间传感器的位 置和方位
ENVI/IDL
1.3 SPOTPAN正射纠正——推帚扫描透视中心
• 生态因子选取
- 对经过基本预处理的数据进行快速大气校正 - 本专题选取植被、土壤、地形三个最基本的要素作
为评价区域自然生态环境的生态因子 - 以“植被盖度”和“土壤指数”作为植被和土壤的 生态因子，“坡度”作为地形因子。统一将这些生 态因子进行归一化处理
• 自然生态环境评价方法
- 本专题选择的是指数法与综合指数法
• 地形模型计算
ENVI/IDL
ENVI/IDL
ENVI/IDL
基于遥感的 自然生态环境监测
-自定义投影
ENVI/IDL
专题概述
• 专题中应用10米的spot和TM融合影像，提取相关
生态因子，应用较成熟的自然生态环境评价模型 完成整个自然生态环境评价流程。
• 专题涉及植被覆盖度计算、地形因子提取等内容 • 所用功能模块
- 除了使用ENVI主模块功能外 - 还需要用到大气校正扩展模块中的快速大气校正工
- 比例尺变化 - 传感器的姿态/方位 - 传感器的系统误差
• 正射纠正可以消除这些误差
ENVI/IDL
1.3 SPOTPAN正射纠正——比例尺变化
• 在所有的摄影影像中都会发生
房子的宽度 = 8m
2 cm
比例尺为 1:400
6 cm
比例尺为 1:133
影像的各处比例尺是不相同的
ENVI/IDL
1.3 SPOTPAN正射纠正——比例尺变化
图像配准 第二步： 多光谱与全色 影像配准并融 合，得到较高 分辨率的多光 谱影像
TM影像
工程区粗 裁剪
TM/SPOT影像 裁剪
工程区矢 量数据
图像融合
ENVI/IDL
1.1 图像预处理流程
• 第一步：对高分辨率的全色影像进行正射纠正
- 全色影像是10米的SPOT
PAN数据
• 第二步：高分辨率影像和多光谱影像的配准、融合
- 以SPOT
PAN正射纠正结果作为基准影像，对TM影像进 行图像配准；用工程区矢量数据（河北襄樊市部分区 域）分别裁剪SPOT和TM影像，对裁剪结果进行图像融 合，得到工程区域10米的多光谱影像。
ENVI/IDL
1.2 自定义坐标系——地理坐标系
• 常用到的地图坐标系有2种，即地理坐标
系和投影坐标系。
ENVI/IDL
2.1 处理流程
数据获取与处理
TM-SPOT融 合影像 DEM数据
生态因子生成
大气校正
植被盖度计算 土壤指数计算
坡度计算
自然生态因子归一化 指数评价法
生态环境评价
归一化模型
确定评价方法
自然生态环境评价图
ENVI/IDL
流程说明
• 数据
- 已经过基本预处理的TM-SPOT融合影像和DEM数据
- FC=(NDVI-NDVImin)/(NDVImax-NDVImin)
- 其中NDVI是归一化指标指数，NDVImax表示区域最大
NDVI值，NDVImin表示区域最小的NDVI值。 - 由于图像中不可避免的存在着噪声，NDVImax和NDVImin 并不一定是最大NDVI值和最小的NDVI值，可以根据直 方图分别取两头“拐点处”的值。
•
高斯—克吕格投影示意
ENVI/IDL
1.2 自定义坐标系——大地坐标
•
在地面上建立一系列相连接的三角形，量取一段 精确的距离作为起算边，在这个边的两端点，采 用天文观测的方法确定其点位（经度、纬度和方 位角），用精密测角仪器测定各三角形的角值， 根据起算边的边长和点位，就可以推算出其他各 点的坐标。这样推算出的坐标，称为大地坐标。
- ：基于遥感的自然生态环境监测\2-Landsat图像配
准
ENVI/IDL
ENVI/IDL
ENVI/IDL
1.5 图像融合
• 将低分辨率的多光谱影像与高分辨率的单波段影
像重采样生成成一副高分辨率多光谱影像遥感的 图像处理技术，使得处理后的影像既有较高的空 间分辨率，又具有多光谱特征。
• 图像融合除了要求融合图像精确配准外，融合方
1.3 SPOT2/4 PAN正射纠正——常见正射纠正参数文件
传感器 ALOS/PRISM ASTER CARTOSAT-1(P5) FORMOSAT-2 IKONOS OrbView-3 RPC RPC RPC Pushbroom Sensor RPC RPC 模型 文件 RPC文件(. rpc) RPC文件(.met) RPC 文 PRODUCT_RPC.TXT 星 历 参 数 文 (METADATA.DIM) RPC文件（_rpc.txt） RPC文件(_metadata.pvl) 件 件
ENVI/IDL
1.2 自定义坐标系——北京54和西安80坐标系
•
北京54或者西安80坐标系是投影直角坐标系
坐标名称 北京54 西安80
投影类型
Gauss Kruger（Transverse Gauss Kruger（Transverse
椭球体
基准面
北京54 西安80
Mercator） Mercator）
QuickBird
WorldView-1/2 GeoEye-1 KOMPSAT-2 SPOT5 Level 1A and 1B RapidEye
RPC
RPC RPC RPC Pushbroom Sensor RPC
RPC文件(.rpb)
RPC文件(.rpb) RPC文件(.pvl/.rpc) RPC文件(. rpc) 星历参数文件 (METADATA.DIM) 存在metadata文件中ENVI/IDL
ENVI/IDL
操作：SPOT2和TM数据的图像融合
• 内容：
- 进行 TM30米多光 谱的融合操作，学习ENVI的融合操作流程
• 数据：
- 基于遥感的自然生态环境监测\3-TM-SPOT影像融合
ENVI/IDL
ENVI/IDL
ENVI/IDL
生态环境评价
Krasovsky IAG75
•
北京54坐标系、西安80坐标系实际上指的是我国 的两个大地基准面
椭球体名称
WGS84
年代
1984
长半轴（米） 短半轴（米）
6378137.0 6378245.0 6378140.0 6356752.3 6356863.0 6356755.3
扁率
1：298.257 1：298.3 1：298.257
1940 克拉索夫斯基（ Krasovsky ） IAG75 1975
ENVI/IDL
操作：自定义本专题研究区坐标系
• 坐标定义文件：
- HOME\Program
Files\Exelis\ENVI50\classic\map_proj文件夹下 ，三个文件记录了坐标信息：
- ellipse.txt - datum.txt - map_proj.txt
BI和VI指数可分别用来评价裸土和植被的行为，VI指 数与不同植被覆盖有较大的相关性，土壤亮度对植被 指数有相当大的影响，裸土信息变化的主要部分是由 它们的亮度造成的，故由 BI和 VI线性组合形成的裸 土植被指数能很好地反映土壤的裸露情况
ENVI/IDL
ENVI/IDL
ENVI/IDL
2.3 生态因子生成——坡度
ENVI/IDL
ENVI/IDL
ENVI/IDL
ENVI/IDL
ENVI/IDL
ENVI/IDL
2.3 生态因子生成——土壤指数
• 土壤指数同样采用前人研究的模型裸土植被指数
（GRABS）（杨存建，刘纪远，2002）：
- GRABS
= VI-0. 09178 BI+ 5. 58959。