全球植被覆盖水平的定量分析
全球植被覆盖水平的
定量分析
城市与环境科学学院
11级1班
王伟红
2011013108
全球植被覆盖水平的定量分析
王伟红
（城市与环境科学学院11级1班2011013108）
摘要：首先选取2003年全球19个国家的4个植被覆盖指标（森林面积、森林覆盖率、林木蓄积量和草地面积4个指标），应用SPSS统计软件对此进行了主成分分析；然后结合主成分分析结果，利用聚类分析方法得到了世界各国植被覆盖情况的区域谱系图；最后在此基础上，探讨了全球各国植被覆盖情况的区域相似性和差异性。研究结果表明：利用主成分分析和系统聚类方法分析全球各国植被覆盖情况，不仅可以克服传统的基于人工选用指标进行综合分析所存在的数据不易处理的缺陷，而且结果准确性高。
关键词：植被覆盖情况; 主成分分析; 系统聚类; 全球
1．引言
植被覆盖率通常是指森林面积占土地总面积之比，一般用百分数表示。但国家规定在计算森林覆盖率时，森林面积还包括灌木林面积、农田林网树占地面积以及四旁树木的覆盖面积。森林覆盖率，是反映森林资源和绿化水平的重要指标。影响植被覆盖情况的因素既包括区域自身的地理状况的原因，也包括经济发展状况和政治等各方面的原因[7-9]。
为了今后能更好地掌握全球植被资源和绿化水平，实现全国的植被高覆盖率，本研究选取了2003年全球19个国家的4个植被指标，应用SPSS统计软件对此进行了主成分分析；然后结合主成分分析结果，利用聚类分析方法得到了全球植被覆盖情况的谱系图；最后结合各地区自身的地理状况和社会经济发展水平，探讨了全球植被覆盖情况的区域相似性和差异性。
2．全球植被覆盖情况的“降维”分析[10]
2.1 指标选取[11]
植被覆盖包括森林覆盖、草地覆盖、灌丛覆盖、耕地覆盖等多种形式。由于陆地大部分地区处于温带地区，而灌丛在非洲地区是分布最多的，不具有广泛性和代表性；耕地覆盖是人为造成的，与人类活动十分密切。因此，本研究选取森林面积、森林覆盖率、林木蓄积量和草地面积4个指标作为分析全球各地域植被覆盖情况的评价指标，并对这些评价指标作主成分（降维）分析。
X1——森林面积（以公里为单位）。指由乔木树种构成，郁闭度0.3以上（含0.3）的林地或冠幅宽度10米以上的林带的面积，即有林地面积。森林面积包括天然起源和人工起源的针叶林面积、阔叶林面积、针阔混交林面积和竹林面积，不包括灌木林地面积和疏林地面积。森林面积是反映森林资源总面积的重要指标。
X2——森林覆盖率（%）。森林覆盖率通常是指森林面积占土地总面积之比，一般用百分数表示。但国家规定在计算森林覆盖率时，森林面积还包括灌木林面积、农田林网树占地面积以及四旁树木的覆盖面积。森林覆盖率，是反映森林资源和绿化水平的重要指标。
X3——林木蓄积量（以亿立方米为单位）。指森林面积上生长着的林木树干材积总量。它是反映森林资源总规模和水平的重要指标。
X4——草地面积（以平方公里为单位）。草地面积是指牧区和农区用于放牧牲畜或割草，植被盖度在5%以上的草原、草坡、草山等面积。包括天然的和人工种植或改良的草地面积。
2.2 指标间的相关性分析
利用SPSS软件对原始数据做标准化处理，然后计算得出各指标之间的相关系数矩阵，其结果见表1。
表1 相关系数矩阵
Table1 The correlated matrix of 4 Indices
X1 X2 X3 X4 X1 1.000 0.224 0.7840.349
X2 0.224 1.000 0.312 -0.195
X3 0.784 0.312 1.000 0.356
X4 0.349 -0.195 0.356 1.000
由表1不难得出，原始变量数据中，X1（森林面积）和X3（林木蓄积量）存在着较大的正相关。
2.3 主成分贡献率及其主成分载荷分析
通过SPSS软件计算得到主成分特征值、贡献率、累积贡献率（如表2所示）。由表2可知，前两个主成分的
累积贡献率为82.106%（理论上80%--85%），所以选取前两个主成分，就可以综合代表4个指标所反映的全球各国植被覆盖的特征和基本情况。主成分载荷矩阵（表3）表明：第一主成分（贡献率为52.259%）在森林面积和林木蓄积量上具有很大的正载荷（0.908,0.924），这2个指标反映了全球大部分地区以森林为主要覆盖植被这一事实，可以说明第一主成分在某种程度上代表着全球植被覆盖的整体状况。第二主成分（贡献率为29.846%）在森林覆盖率上具有较大的正载荷（0.822），在草地面积上具有较大的负载荷，这说明第二主成分在一定程度上代表着所覆盖植被的种类。
表2 主成分特征值、贡献率和累积贡献率Table2 The eigenvalue,contribution rate and accumulative contribution rate of PC
表3 主成分载荷矩阵
Table3 The load matrix of PCA
1 2
X1 0.9080.033
X2 0.330 0.846
X3 0.9240.104
X4 0.551 -0.683
2.4 全球各国主成分得分评价与分析
计算各国在第一和第二主成分上的得分，如果一个区域在某一主成分上的得分为正，则意味着这一区域的该主成分在平均发展水平之上；反之，得分为负则表明在平均水平以下。另外。也可以按照各个主成分的贡献率，定义综合主成分得分，它反映了各国植被覆盖的总体情况。全球第一和第二主成分得分前五位的国家及其得分情况，具体见表4。
表4 第一、第二主成分得分前五名的国家
Table 4 The five best countries with the high scores in PCA1，PCA2, respectively 第一主成分第二主成分
序号国家得分国家得分
1 巴西 2.70364 印度 2.07935
2 美国 1.66910 日本 1.53586
3 加拿大 1.28390 巴西 1.10723
4 墨西哥0.78721 加拿大0.42736
5 中国0.66929 捷克0.41713
从表4中可知，巴西，美国，加拿大，墨西哥，中国，印度，日本和捷克等国家的主成分得分均为正，说明这些国家植被覆盖情况均达到全国的平均水平之上。第一和第二主成分得分上的差异，综合反映了4个植被覆盖情况的评价指标在区域结合上的差异。巴西、美国、加拿大、墨西哥和中国等国家在森林面积和林木蓄积量等方面表现的有为突出。印度、日本、巴西、加拿大和捷克等国家在森林覆盖率和草地面积上表现明显。而巴西和加拿大在第一、第二主成分得分中均有明显表现。
综合得分（表略）排名在前的5个国家为巴西、印度尼西亚、加拿大、日本、美国，它们的植被覆盖的综合发展水平较高。具体讲这些国家：巴西地处南美洲，有世界上最大的亚马逊热带雨林，森林面积广；印度尼西亚是自然资源相当丰富的国家，树木种类繁多；加拿大位于北美洲北部，亚寒带针叶林分布广；日本境内多山，多丘陵，不适合人类活动，自然资源保存多，森林多；美国平原地区有充足的水源，更利于植被生长需要要说明的是：各国在地理位置和社会经济发展
特征值贡献率累计贡献率
1 2.09052.25952.259
2 1.19429.84682.106
水平上存在着差异性，它会对植被覆盖和绿化水平有明显的作用和影响。比如综合排名后四位的国家依次是：中国、尼日利亚、英国、澳大利亚，其得分分别为：-1.05846、-1.09855、-1.42076和-1.81891，说明这些国家的植被覆盖水平居世界平均水平之下。其中澳大利亚以畜牧业为主，草地覆盖面积较大，而森林覆盖面积较小。所以这四个国家是在植被覆盖方面均不够全面、不够发达的国家。
3. 全球植被覆盖情况的区域相似性和差异性分析
系统聚类分析方法是定量地研究地理事物分类问
题和地理分区问题的重要方法。因此我们采用系统聚类分析方法对全球各地植被覆盖情况的区域相似性和差异性作综合和系统的分析。 3.1 基于欧氏距离的聚类计算
首先采用标准差标准化方法对两个主成分得分的数据进行处理；然后采用欧氏距离测度样本间距离；最后计算出6种系统聚类分析方法的结果，通过比较选出以余弦作为区间的组间联接方法计算类间的距离并对样本进行分类，从而得到全球各区域植被覆盖情况的区域谱系图（见图1）
。
图1 全球植被覆盖情况的区域谱系图 Fig.1 The pedigree map of Global vegetation coverage
3.2全球植被覆盖情况的区域相似性和差异性分析 当类间距离取1.8（谱系图中第一条长竖线所示）和10.0（谱系图中第二条长竖线所示）时，可以将全球的19个国家划分为四个类和七个亚类。
第一类：匈牙利、印度、意大利、英国、尼日利亚、捷克、保加利亚、德国、波兰、法国和罗马尼亚11个国家，其中匈牙利、印度、意大利、英国、尼日利亚为一亚类，捷克、保加利亚为一亚类，德国、波兰、法国、罗马尼亚为一亚类。这11个国家都是国土面积相对较小
的国家，植被覆盖面积较小。其中匈牙利、印度、意大利、英国、尼日利亚为一亚类是因为国土面积较小；捷克、保加利亚为一亚类是因为这两个地区的气候条件很类似，因为两个国家都地处地中海附近，气候条件较差，不太利于植被生长；德国、波兰、法国、罗马尼亚为一亚类是因为这四个国家地处西欧，气候条件相对地中海附近地区要好，但高大植被不如草地更适合生长。 第二类：日本、印度尼西亚2个国家。这两个国家均为岛国，处在太平洋中，其特有的温带和亚热带海洋
性气候使植物具有了良好的生长条件，从而使得这两个国家在森林覆盖率上占有了极高的比例。
第三类：中国、澳大利亚。中国土地辽阔，森林面积广，但是人均占有量小；澳大利亚以畜牧业为主，草地面积大，相应的森林面积很小。二者虽然森林蓄积量有差别，但是在森林面积，林木蓄积量，草地面积上差别不大。从这方面看，这两个国家有一定的相似性以及差异性。
第四类：美国、墨西哥、加拿大、巴西4个国家，其中美国、墨西哥为一亚类，加拿大、巴西为一亚类。这4个国家都是国土面积相对较大的国家，其森林覆盖面积也特别大。它们的自然地理条件极为相似，由于国家经济的发展，对木材的需求量较大。
4．结论
通过主成分分析将选用的用于分析全球植被覆盖水平的4个指标，“降维”成2个综合的、独立的，且功
能明确的主成分，避免了4个斜交的、相关的指标在分析问题上造成的偏差。2个主成分累计贡献律达82.106%；由主成分载荷可知X1（森林面积)和X3(林木蓄积量)对全球植被覆盖水平的影响作用突出；各主成分得分和综合主成分得分，清楚地反映出了全球各国在植被覆盖水平上的差异和特点。
主成分得分基础上的系统聚类分析结果（谱系图），揭示出了全球植被覆盖在各国家的相似性、差异性特点和规律。此方法是对全球各区域植被覆盖水平进行定量分析的一种新的尝试。由于谱系图的结论（果）客观准确，因此也为各国和全球未来的植被覆盖情况的发展提供了客观指导依据。
参考文献:
[1] 杨令宾.计量地理学[M]，长春: 吉林人民出版社,2005.96-100，129-133
[2] 田静，阎雨，陈圣波。植被覆盖率的遥感研究进展[J]。国土资源遥感，2004.3.15
[3] 阎传海，植物地理学，科学出版社，2003-01-01
QUANTITA TIVE ANALYSIS OF THE LEVEL OF GOLBEL
VEGETA TION COVER
WANG Wei-hong
(City and Environment Science Institute 11 Grade 1 Class 2011013108)
Abstract: first select the 2003 global 19 countries 4 vegetation coverage index (forest area, forest coverage rate, forest volume and meadow area 4 index), using the SPSS statistical software to principal component analysis; and then combined with the results of principal component analysis, cluster analysis method using the world of vegetation cover the regional pedigree chart; finally on this basis, explores the global situation of vegetation covering regional similarities and differences.The results show that: the use of principal component analysis and cluster analysis of global vegetation coverage, not only can overcome the traditional artificial selection based on comprehensive analysis of existing data is difficult to deal with defects, and the result is of high
accuracy.
Keywords: vegetation coverage; principal component analysis; cluster; global
作者简介：王伟红（1992-），女，山东潍坊人，东北师范大学城市与环境科学学院学生，所学专业为地理
科学（免师）E-mail:1191397662@https://www.360docs.net/doc/5d10716984.html,
ENVI下植被覆盖度的遥感估算
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%
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(vegetation fractional cover，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。 徐州是由矿区发展起来的城市，由于长期开采矿产，导致了一系列严重的生态问题，如塌陷地广布，植被破坏率严重，土地侵蚀率增大，等。在此背景下，研究徐州市整体的土地覆盖情况，即是现实需要，也是未来生态城市规划的重要步骤。研究的最终结果也会给徐州市的城市规划提供信息支持与技术保障。 1.2 国内外植被覆盖度研究现状 由于植被覆盖度是许多学科的重要参数，为
植被覆盖度反演
题目：植被遥感监测具有很长的历史，植被遥感中植被覆盖反演是主要内容之一，线性分解模型是混合像元分解法的一种，根据混合像元分解及线性分解模型的原理，利用红碱淖2016年6月17日Landsat8 OLI数据，求取研究区植被覆盖度（写出详细计算过程和步骤）。 一、操作思路： 端元代表影像中的纯净像元，求取植被覆盖度即求取端元的丰度，因此采用混合像元分解及线性分解模型进行混合像元分解，得到端元以及相应的丰度影像，即为植被覆盖度影像。 二、操作步骤： 1.影像预处理 由于操作时间的限制和硬件设备的不允许，将影像选取一定的区域进行裁剪，感兴趣区域为roi1文件，得到裁剪后影像2016new文件，导入影像，进行影像的预处理，包括辐射定标和大气校正步骤，辐射定标采用Radiometric Calibration 工具，大气校正采用FLAASH工具，分别得到辐射定标结果2016_rad1和2016_ref 文件。 2.MNF变换 采用MNF变换工具，可将数据波段进行“降维”，提取出有用信息集中的波段，去除噪声信息集中的波段，利用Forward MNF Estimate Noise Statistic将数据进行MNF变换，得到MNF变换结果2016_MNF和噪声文件MNF_Noise和统计文件MNF_Statistic文件。 3.PPI变换 纯净像元指数法指像元被标记为纯净像元的次数，可以将混合像元进行分解，有效的提取出端元。 由于操作时间的限制和硬件设备的不允许，将MNF变换后影像与原影像选取一定的同样区域进行裁剪，感兴趣区域选择ROI2文件，得到裁剪结果为2016_MNF_sub和2016new_sub文件。 在MNF变换后发现有用信息集中在1、2、3波段，因此利用Pixel Purity Index 工具，将MNF变换后影像选择1、2、3波段进行端元提取，阈值设为3.00，操作的结果为2016_PPI文件。 4.N维可视化 利用N维可视化工具可以将端元更好的显示，有利于更加直观的确定端元，在N维可视化窗口中，选中1、2、3波段，在显示窗口中将较为集中的区域定为端元，进行类（class）的划定，一共确定三类，利用mean all工具将三类端元的波谱显示出来，并保存为波谱库2016_sli文件。 5.端元识别
ENVI下植被覆盖度的估算
ENVI下植被覆盖度的遥感估算 2013-05-30 | 阅：1 转：17 | 分享 修改 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。 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
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（）有详细影像参数，控制点文件（）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，因此在下图中选择Single scale factor，填写10.000。其中参数中心坐标，影像获取时间，都可以在头文件中获取，大气参数可以查看ENVI help来确定，还有研究区域的平均高程，可以通过GCP文件大致估算。FLAASH的参数设置如下图（图3）。 图3：FLAASH参数设置 三：研究区域裁剪 本来想以福建省为研究区域，但是这景影像覆盖了福建省中部百分之90左右的距离，但并没有覆盖完整，所以无法用矢量边界裁剪，我就规则裁剪了一块区域做研究 图5：裁剪区域 四：分类 这里我选择了用最大似然法进行监督分类 （1）训练区选择
植被覆盖度计算经验教程
ENVI5.1（5.0版本以上）计算植被覆盖度 1.加载用矢量边界裁剪过的ROI（经几何校正-辐射校正处理） 2.计算NDVI，利用ENVI5.1 Toolbox 提供的搜索功能查找NDVI模块，然 后进行NDVI计算。本例中影像数据为landsat8 影像，因此Input File Type 选项为Landsat OLI，红色波段为4，近红外为5（TM和ETM+影像的NDVI Band：Red 3 Near IR 4）
3.对计算的NDVI进行DN二值化处理，选择Toolbox 中的Band Ratio/Band Math模块，在band math 对话框中进行参数设置。首先，在Enter an expression 对话框下输入NDVI二值化公式： ((b1 lt -1)*0+((b1 ge -1) and (b1 le 1))*b1+(b1 gt 1)*1) （切记，括号为英文半角），然后单击Add to List，将波段运算表达式添加至Previous Band Math Expressions 对话框，然后OK。在新弹出的Variables to Bands Parings 对话框Avilable Bands List 对话框中选择上一步计算的NDVI，然后输出至特定位置（切记，如果电脑内存不足2G，请输出结果为File）。
4.对二值化的NDVI进行概率统计。选择Toolbox 中Statistics/Compute Statistics模块，选择二值化处理的结果（本例中，NDVI_20131119为计算得到的NDVI结果，NDVI为二值化后的结果），同时在Mask Options 下拉菜单中选择Build Mask..选项，在弹出的Mask Definition对话框中选择Import EVFs选项，创建一个mask。然后查看统计结果。详细理论请参考https://www.360docs.net/doc/5d10716984.html,/s/blog_764b1e9d0100u29i.html
植被覆盖度分布图制作
作业1： 用TM/ETM图像制作一个地区植被覆盖度分布图(要求如图所示)，描述该地区的 区域概况，并分析植被分布空间差异。所用公式如下： NDVI=(B4-B3)/(B4+B3) Vr=(NDVI-NDVIb)/(NDVIv-NDVIb) 式中：NDVI是归一化植被指数。B3和B4是TM第3和4波段的图像亮度值。 NDVIb和NDVIv是裸土和植被的NDVI值，可分别取0.15和0.75。Vr是植被覆盖度(0-1)。 要求：用WORD把制作过程和分析结果记录下来。>2000字 目的：学会图像处理软件，进行图像信息提取，用各种软件共同制作有实际意 义的图像 原理与方法： NDVI——归一化植被指数NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。 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。对于同一幅图像，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、雪、枯 叶、粗糙度等，且与植被覆盖有关。 操作步骤如下： 一．从地理空间数据云网站下载山西省吕梁地区文水县的ETM影像，对应地区的数据如下： 表：Landsat8数据波段参数 波段波长范围(μm)空间分辨率(m) 名称 1-海岸波段0.433–0.453 30 LC81260342015159LGN00_B1 2-蓝波段0.450–0.515 30 LC81260342015159LGN00_B2 3-绿波段0.525–0.600 30 LC81260342015159LGN00_B3
植被覆盖度计算
植被覆盖度计算 Document serial number【KK89K-LLS98YT-SS8CB-SSUT-SST108】
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。 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%
全球植被覆盖水平的定量分析
全球植被覆盖水平的 定量分析 城市与环境科学学院 11级1班 王伟红 2011013108
全球植被覆盖水平的定量分析 王伟红 （城市与环境科学学院11级1班2011013108） 摘要：首先选取2003年全球19个国家的4个植被覆盖指标（森林面积、森林覆盖率、林木蓄积量和草地面积4个指标），应用SPSS统计软件对此进行了主成分分析；然后结合主成分分析结果，利用聚类分析方法得到了世界各国植被覆盖情况的区域谱系图；最后在此基础上，探讨了全球各国植被覆盖情况的区域相似性和差异性。研究结果表明：利用主成分分析和系统聚类方法分析全球各国植被覆盖情况，不仅可以克服传统的基于人工选用指标进行综合分析所存在的数据不易处理的缺陷，而且结果准确性高。 关键词：植被覆盖情况; 主成分分析; 系统聚类; 全球 1．引言 植被覆盖率通常是指森林面积占土地总面积之比，一般用百分数表示。但国家规定在计算森林覆盖率时，森林面积还包括灌木林面积、农田林网树占地面积以及四旁树木的覆盖面积。森林覆盖率，是反映森林资源和绿化水平的重要指标。影响植被覆盖情况的因素既包括区域自身的地理状况的原因，也包括经济发展状况和政治等各方面的原因[7-9]。 为了今后能更好地掌握全球植被资源和绿化水平，实现全国的植被高覆盖率，本研究选取了2003年全球19个国家的4个植被指标，应用SPSS统计软件对此进行了主成分分析；然后结合主成分分析结果，利用聚类分析方法得到了全球植被覆盖情况的谱系图；最后结合各地区自身的地理状况和社会经济发展水平，探讨了全球植被覆盖情况的区域相似性和差异性。 2．全球植被覆盖情况的“降维”分析[10] 2.1 指标选取[11] 植被覆盖包括森林覆盖、草地覆盖、灌丛覆盖、耕地覆盖等多种形式。由于陆地大部分地区处于温带地区，而灌丛在非洲地区是分布最多的，不具有广泛性和代表性；耕地覆盖是人为造成的，与人类活动十分密切。因此，本研究选取森林面积、森林覆盖率、林木蓄积量和草地面积4个指标作为分析全球各地域植被覆盖情况的评价指标，并对这些评价指标作主成分（降维）分析。 X1——森林面积（以公里为单位）。指由乔木树种构成，郁闭度0.3以上（含0.3）的林地或冠幅宽度10米以上的林带的面积，即有林地面积。森林面积包括天然起源和人工起源的针叶林面积、阔叶林面积、针阔混交林面积和竹林面积，不包括灌木林地面积和疏林地面积。森林面积是反映森林资源总面积的重要指标。 X2——森林覆盖率（%）。森林覆盖率通常是指森林面积占土地总面积之比，一般用百分数表示。但国家规定在计算森林覆盖率时，森林面积还包括灌木林面积、农田林网树占地面积以及四旁树木的覆盖面积。森林覆盖率，是反映森林资源和绿化水平的重要指标。 X3——林木蓄积量（以亿立方米为单位）。指森林面积上生长着的林木树干材积总量。它是反映森林资源总规模和水平的重要指标。 X4——草地面积（以平方公里为单位）。草地面积是指牧区和农区用于放牧牲畜或割草，植被盖度在5%以上的草原、草坡、草山等面积。包括天然的和人工种植或改良的草地面积。 2.2 指标间的相关性分析 利用SPSS软件对原始数据做标准化处理，然后计算得出各指标之间的相关系数矩阵，其结果见表1。 表1 相关系数矩阵 Table1 The correlated matrix of 4 Indices X1 X2 X3 X4 X1 1.000 0.224 0.7840.349 X2 0.224 1.000 0.312 -0.195 X3 0.784 0.312 1.000 0.356 X4 0.349 -0.195 0.356 1.000
基于GIS的植被覆盖度估算
基于GIS的植被覆盖度估算 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(vegetation fractional cover，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。 徐州是由矿区发展起来的城市，由于长期开采矿产，导致了一系列严重的生态问题，如塌陷地广布，植被破坏率严重，土地侵蚀率增大，等。在此背景下，研究徐州市整体的土地覆盖情况，即是现实需要，也是未来生态城市规划的重要步骤。研究的最终结果也会给徐州市的城市规划提供信息支持与技术保障。 1.2 国内外植被覆盖度研究现状 由于植被覆盖度是许多学科的重要参数，为了得到准确的植被覆盖度信息，植被覆盖度监测技术的提高，就成了多个领域发展的需要。根据检测手段，测量植被覆盖度的方法可分为传统的地面测量和新兴的遥感测量两大类。其中，地面测量又可以根据测量原理，分为目估法、采样法、仪器法和模型法;遥感测量依据对植被光谱信息与植被覆盖度所建立的关系不同，可分为物理模型法和统计模型法。统计模型法中使用较多的有植被指数法、回归模型法、像元分解法、分类决策树和人工神经网络法;物理模型法中模型反演法使用最多。 地面测量曾经一度是植被覆盖度监测的最主要方法。主要包括目估法、采样法、仪器法和模型法。虽然遥感技术的发展使地面测量的主导性地位有所降低，但地面测量依然具有其重要性，它不仅是最精确的测量方法，也为遥感测量提供了基础标定数据，是无可替代的。 遥感技术的发展，为大范围植被覆盖信息的获取提供了一个新的发展方向。常用于植被覆盖信息提取的遥感数据有NOA内叭vHRR数据、MODIs数据、LandsatTM与 MSS数据、SPOT数据、ATSER数据、航片、IEOS一SAR雷达数据以及AVIRIS高光谱数据等。
植被覆盖度计算
EＮVＩ下植被覆盖度得遥感估算 (植被覆盖度就是指植被(包括叶、茎、枝)在地面得垂直投影面积占统计区总面积得百分比。容易与植被覆盖度混淆得概念就是植被盖度,植被盖度就是指植被冠层或叶面在地面得垂直投影面积占植被区总面积得比例。两个概念主要区别就就是分母不一样。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。 植被覆盖度得测量可分为地面测量与遥感估算两种方法。地面测量常用于田间尺度,遥感估算常用于区域尺度、 估算模型 目前已经发展了很多利用遥感测量植被覆盖度得方法,较为实用得方法就是利用植被指数近似估算植被覆盖度,常用得植被指数为NDVI、下面就是李苗苗等在像元二分模型得基础上研究得模型: VＦC =(ＮDVI －NＤＶIsoil)/ (NDVIｖeg — NDVIｓoil) (１) 其中,ＮＤVIsoｉl 为完全就是裸土或无植被覆盖区域得NDVI值,NDVIｖeｇ则代表完全被植被所覆盖得像元得NDVI值,即纯植被像元得NDVI值。两个值得计算公式为: 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得关键就是计算NＤVＩｓoiｌ与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)
ENVI下 地表植被覆盖度计算 ——以烟台芝罘区为例
芝罘区植被覆盖度的遥感估算 研究目的： 根据landsat5号行数据，计算出归一化植被指数NDVI来估算烟台芝罘区植被覆盖度，研究芝罘区地表植被覆盖状况。 原理与方法： NDVI——归一化植被指数 NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。 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、雪、枯叶、粗糙度等，且与植被覆盖有关 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。
ENVI下植被覆盖度的遥感估算(像元二分法)
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。 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。
植被覆盖度介绍(vegetation cover)
Measuring Plant Cover I.Definition = % of ground surface covered by vegetation or other coverages including rocks, litter, moss, or bareground Types of cover measurements? - Need to define A.Basal Cover = Measure only the proportion of the plant that extends into the soil. 1. Basal cover is generally more stable from year to year and less changes due to climatic fluctuation or utilization by grazing animals. 2.This measure is usually used from trend comparisons or for calculation of species composition. 3.Can be difficult to measure for forbs with a single, small stem. B.Foliar Cover = Measure a vertical projection of exposed leaf area. The cover would equal the shadow cast if the sun was directly overhead. 1.Small openings in the canopy or overlap within the plant are excluded. 2.Highly susceptible to yearly fluctuations due to climatic or biotic factors. 3.Can be difficult to measure except for some growth forms. Easiest to measure for forbs, shrubs or succulents with large leaves (i.e., cactus). 4.See figure 6, pg 23 in Interagency Handbook C.Canopy Cover = Estimate of the area of influence of the plant. 1.Including potential influence of the roots. 2.Ignores gaps in the canopy. 3.Vertical projection of the outermost perimeter of the natural spread of foliage of plants. 4.For any area, the total canopy cover can exceed 100% because plants can overlap. 5.See figure 7, pg 23 in Interagency Handbook D.Ground Cover = Cover of the soil surface with plants, litter, rocks or gravel. 1.Most often used to determine the watershed stability of the site. https://www.360docs.net/doc/5d10716984.html,monly included in measures of sparsely vegetated communities (i.e., deserts).
植被覆盖度
《环境遥感》课间实习报告书 植被覆盖度遥感反演 ----线性分解模型 姓名朱柯杰 学号1310060111 专业班级遥感1301班 学院测绘科学与技术学院 日期2016年5月7 日
1.初步确定端元 打开影像，初步分析解译出影像具有三种端元，分别是：裸地、水体和植被。 2. 最小噪声分离变换 特征值越高，波段包含的有效信息越多，特征值越低，波段包含的噪声越多。通过MNF变换可以实现数据的降维，达到保留更多的有用信息，剔除更多的噪声。在做MNF变换的时候保留特征值最高的3个波段进行端元提取（波段数至少与端元数相等）Spectral->MNF Rotation->Forward MNF->Estimate Noise Statistics from Data，如图1所示 图1. MNF变换 变换后特征值曲线如图2所示
图2.MNF变换后特征值曲线 3. PPI指数计算 PPI指数是一种常用于多光谱和高光谱遥感数据纯净像元搜索的方法，整个过程包含多次搜索，标记每次搜索到的纯净像元，最终PPI 图像中每个像元值就是该像元被标记为纯净像元的次数，则像元值越高说明该像元越纯净，打开Spectral-> Pixel Purity Index->[FAST] New Output Band，输入MNF变换结果选择信息量较多的三个波段（1、2、3波段，也可以选上第4波段），如图3所示 图3 .PPI指数计算
PPI计算结果如图4所示 图4.PPI计算结果曲线 波段阈值选取ROI，选择PPI > 10，如图5所示 图5.波段阈值选取ROI 4.采用N维可视化进行端元确定 选择Spectral->n_Dimentional Visualizer->Visualize with New Data，选择1、2、3、4波段后可视化窗口中显示纯净像元的分布，如图6
植被覆盖度计算
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。 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）
遥感信息工程作业—植被覆盖率计算
遥感应用模型作业一 ——植被覆盖率估算模型 姓名：张** 学号：120131*** 专业：测绘工程 利用遥感资料估算植被覆盖率的方法大致可归纳为2 种：1）经验模型法，通过建立实测植被覆盖率数据与植被指数的经验模型来求取大面积植被覆盖率。2）植被指数转换法：通过对各像元中植被类型及分布特征的分析，建立植被指数与植被覆盖率的转换关系来直接估算植被覆盖率。 本次实验使用植被指数转换法计算植被覆盖率。数据预处理和NDVI 计算使用ENVI 中操作，LAI 解算和覆盖率求取编程实现。 1、研究区域数据获取 本次实验主要是对植被覆盖率估算，因此在实验区域影像尽量选择植被茂盛的季节。在数据源选取上，选择易获取的免费Landsat 数据。下载的遥感影像是湖北省荆门市2001年9月15日的影像，研究区域无大块云层覆盖。数据下载自地理空间数据云网站，(https://www.360docs.net/doc/5d10716984.html,/)，该网站的数据均来自美国地质调查局（USGS ）官方网站（https://www.360docs.net/doc/5d10716984.html,/）。 Landsat 卫星采用的全球参考系为WRS2（World wide reference system ）。在ArcGIS 中显示的全球WRS2行带号。湖北省荆门市WRS2行带号为Path 123、Row38-39。 图1 Landsat 卫星全球参考系WRS2
2、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，元数据信文件（124028_MTL ）有详细影像参数，控制点文件（124028_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）辐射校正 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。在ENVI 中操作是：Basic Tools – Preprocessing –Calibration Utilities –Landsat TM 。需要注意的是：Calibration Type 注意选择为Radiance 。 2）大气校正 简单一点的大气校正可以采用ENVI 的FLAASH 模块，FLAASH 模块要求输入辐亮度图像，输出反射率图像。我们进行了辐射定标，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，ENVI 中操作步骤：Basic Tools –Convert Data(BSQ,BIL,BIP)。注意，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，因此在下图中选择Single scale factor ，填写10.000。FLAASH 操作的步骤：Basic Tools –Preprocessing –Calibration Utilities –FLAASH 。 （a)大气校正前（R:3 G:2 B:1） （b)大气校正后（R:3 G:2 B:1） 图2 FLAASH 校正