遥感植被指数NDVI计算
计算植被指数实验报告
一、实验目的1. 理解植被指数的概念及其在遥感监测中的应用；2. 掌握植被指数的计算方法；3. 分析不同植被指数对植被覆盖度的反映程度。
二、实验原理植被指数是遥感技术中用于监测植被覆盖度和生长状况的重要指标。
它是通过分析遥感图像中红光和近红外波段的反射率差异来计算的。
常见的植被指数有归一化植被指数（NDVI）、增强型植被指数（EVI）等。
三、实验材料1. 遥感影像：选取不同植被覆盖度的遥感影像；2. 软件工具：ENVI、ArcGIS等遥感数据处理软件；3. 计算器。
四、实验步骤1. 遥感影像预处理（1）读取遥感影像，包括红光波段和近红外波段数据；（2）进行几何校正，使影像具有相同的地理坐标；（3）进行辐射校正，消除大气和传感器等因素的影响；（4）进行大气校正，消除大气对遥感影像的影响。
2. 计算植被指数（1）计算归一化植被指数（NDVI）NDVI = (NIR - Red) / (NIR + Red)（2）计算增强型植被指数（EVI）EVI = 2.5 (NIR - Red) / (NIR + 6 Red - 7.5 Red^2)3. 分析植被指数（1）绘制NDVI和EVI分布图，观察不同植被覆盖度的变化；（2）分析不同植被指数对植被覆盖度的反映程度，比较NDVI和EVI的差异。
五、实验结果与分析1. 实验结果（1）通过遥感影像预处理，得到了具有相同地理坐标和辐射校正后的遥感影像；（2）根据遥感影像计算得到NDVI和EVI分布图，可以看出不同植被覆盖度的变化；（3）通过比较NDVI和EVI分布图，可以发现EVI对植被覆盖度的反映程度更好。
2. 实验分析（1）NDVI和EVI是两种常用的植被指数，它们都能反映植被覆盖度的变化；（2）EVI相较于NDVI，对植被覆盖度的反映程度更好，尤其是在植被覆盖度较低的情况下；（3）通过遥感影像预处理和植被指数计算，可以实现对植被覆盖度的有效监测。
六、实验结论1. 通过本次实验，掌握了植被指数的概念及其在遥感监测中的应用；2. 掌握了植被指数的计算方法，包括NDVI和EVI；3. 分析了不同植被指数对植被覆盖度的反映程度，发现EVI在植被覆盖度较低的情况下具有更好的反映效果。
ndyi植被指数的计算公式
ndyi植被指数的计算公式
NDVI（Normalized Difference Vegetation Index，归一化植被指数）的计算公式如下：
NDVI = (NIR - Red) / (NIR + Red)
其中，NIR代表近红外波段的反射值，Red代表红色波段的反射值。
在计算NDVI时，需要获取遥感影像中的近红外波段和红色波段的反射值。
通常情况下，这些反射值可以通过遥感传感器（如MODIS、Landsat等）获取。
计算得到的NDVI值范围为-1到1之间，数值越高表示植被覆盖越多，数值越低表示植被覆盖越少。
一般来说，NDVI值大于0.3可以表示有较为密集的植被覆盖，而小于0.1则表示有较少的植被覆盖。
通过计算NDVI可以评估地表植被的状况，对于农业、林业、环境监测等领域具有重要的应用价值。
nduwi阈值法
nduwi阈值法
NDUWI（Normalized Difference Urban Index）阈值法是一种用于城市区域提取的遥感图像处理方法。
它基于植被指数和城市指数的差异来识别城市区域。
NDUWI 阈值法的基本步骤如下：
1. 计算NDVI（Normalized Difference Vegetation Index）和NDBI （Normalized Difference Built-up Index）两个指数。
NDVI 用于衡量植被的生长状况，而NDBI 用于衡量城市建成区的特征。
2. 计算NDUWI 指数，它是NDVI 和NDBI 的差值：NDUWI = NDVI - NDBI。
3. 根据研究区域的特点，选择一个合适的NDUWI 阈值。
通常，这个阈值是根据经验或实地调查数据确定的。
4. 将遥感图像中的每个像素的NDUWI 值与阈值进行比较。
如果NDUWI 值大于阈值，则该像素被认为是城市区域；如果NDUWI 值小于或等于阈值，则该像素被认为是非城市区域。
NDUWI 阈值法的优点是简单易行，适用于多种遥感数据源。
然而，它的准确性受到阈值选择的影响，并且对于复杂的城市环境可能不够敏感。
在实际应用中，可能需要结合其他辅助数据或方法来提高城市区域提取的准确性。
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
植被指数（NDVI）理论知识
植被指数（NDVI）理论知识
<基于植被指数NDVI 的遥感信息提取>----------------马春林
植被红光波段0.55- 0.68µm 有⼀个强烈的吸收带,它与叶绿素密度成反⽐; ⽽近红外波段0.725- 1.1µm 有⼀个较⾼的反射峰
绿⾊植物在红光波段强吸收，⽽在近红外⾼反射和⾼透射特性
1 植被指数提取⽅法
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。
本⽂研究选取的Landsat/TM 遥感影像, 共有7个波段, 其中TM3(波长0.63～0.69gm)为红外波谱段, 为叶绿素主要吸收波段; TM4(波长0.76～O.90gm)为近红外波谱段, 对绿⾊植被的差异敏感,为植被通⽤波段。
归⼀化植被指数NDVI 的定义是:
NDVI=(NIR- R)/(NIR+R) (其中NIR 代表近红外波段, R 代表红波段)要计算NDVI, 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。
MODIS数据介绍及植被指数算法
MODIS数据介绍及植被指数算法MODIS（Moderate Resolution Imaging Spectroradiometer）是一种搭载在Terra和Aqua卫星上的遥感仪器，由美国宇航局（NASA）和美国地球观测系统（EOS）使用。
它于1999年发射，用于全球地表的监测和观测。
MODIS数据提供了涵盖地球表面全部区域的高质量、中等空间分辨率的图像，提供了多种环境参数的监测和观测，包括云雾、海洋、气溶胶、火灾、水文过程和陆地表面特征等。
常用的植被指数包括归一化差异植被指数（Normalized Difference Vegetation Index，NDVI），以及改进的归一化植被指数（Enhanced Vegetation Index，EVI）。
NDVI是使用可见光（VIS）波段和近红外（NIR）波段的差异来估计植被覆盖程度的指标。
其计算公式为：NDVI=(NIR-VIS)/(NIR+VIS)。
NDVI 的取值范围为-1到1，数值越高表示植被覆盖越好。
EVI是在NDVI的基础上进行改进的指数，它修正了可见光波段对大气散射的影响，并且引入了一个土壤校正因子。
EVI的计算公式为：EVI=G*(NIR-VIS)/(NIR+C1*VIS-C2*BLUE+L)。
其中，G、C1、C2和L是一组常数，需要根据具体情况进行调整。
除了NDVI和EVI，还有其他一些植被指数的方法，如基于土壤调整的植被指数（Soil Adjusted Vegetation Index，SAVI），以及基于差分植被指数（Differential Vegetation Index，DVI）等。
植被指数算法的原理基于植被在可见光和近红外波段上的吸收和反射特性。
植被具有较高的反射率和较低的吸收率，在近红外波段具有较高的反射率，在可见光波段具有较低的反射率。
这种差异性可以通过遥感数据来测量和评估，从而得出植被指数，以揭示植被的生长情况和植被覆盖度。
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。
植被指数计算公式
植被指数计算公式
1. 什么是植被指数？
植被指数（vegetation index）是用来描述植被覆盖程度的指数，通常是由植被反射和吸收辐射的比值，比如最常用的归一化植被指数NDVI（Normalized Difference Vegetation Index）。
2. 植被指数的作用和意义
植被指数是研究植被动态、生长状态和生产力的重要工具，广泛
应用于农业、林业、生态环境等领域。
它可以反映出植被覆盖程度、
叶面积指数、光合活动强度等信息。
3. 归一化植被指数NDVI的计算公式
归一化植被指数NDVI的计算公式如下：
NDVI=(NIR-RED)/(NIR+RED)
其中，NIR代表近红外波段反射率，RED代表红光波段反射率。
4. 归一化植被指数NDVI的解释
归一化植被指数NDVI的取值范围为-1到1之间，数值越接近1表明植被覆盖度越高，而数值越接近-1表明植被稀疏程度越高。
如果NDVI等于0，则表示没有植被覆盖。
5. 归一化植被指数NDVI的优势
归一化植被指数NDVI是反映植被变化最敏感、最广泛应用的指数之一。
它具有以下几个优势：
（1）NDVI可以从遥感图像中提取植被信息，避免了根据人工采样数据进行测量的不足。
（2）NDVI可以利用遥感数据中不可见的红外波段反射信息，使得植被覆盖率的测量更加准确。
（3）NDVI对于绿色和枯黄色的植被具有较强的差异性，可以很好的反映植被的生长状况。
总之，归一化植被指数NDVI是目前研究植被覆盖和生长状况的重要工具之一，可以应用于数个领域，例如生态环境监测、气象预测、农业生产等。
- 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114130168
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 External →Geo TIFF with metadata→Enter Landsat MetaData （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
(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。