Erdas里面利用NDVI提取植被指数的步骤
Erdas里面利用NDVI提取植被指数的步骤
已有 9 次阅读 2010-10-5 20:28 |个人分类:技术文章|关键词:植被 Erdas
NDVI 指数
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；
今天看到有人留言提问erdas里面利用NDVI提取植被指数的步骤，下面就
将其写出来：
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。
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
归一化植被指数计算公式
归一化植被指数计算公式
归一化植被指数（Normalized Difference Vegetation Index，NDVI）是一种用于评估植被生长情况的指数。
其计算公式如下：
NDVI = (NIR - RED) / (NIR + RED)
其中NIR代表近红外波段的反射率值，RED代表红色波段的反射率值。
该公式的计算结果将在-1到1之间，通常采用0到1之间的范围表示。
当NDVI值越高时，表明植被覆盖度越高，植被生长情况也越好。
需要注意的是，NDVI的计算需要使用遥感影像数据，因此在实际操作过程中需要进行预处理，包括大气校正、辐射校正等等。
此外，不同的遥感数据来源可能存在波段波长或者分辨率等方面的差异，这也会对NDVI计算结果产生影响。
landsat8植被提取步骤
landsat8植被提取步骤
Landsat8植被提取步骤如下：
打开Landsat8影像。
进行辐射定标，将影像的DN值转换为辐射亮度值。
进行大气校正，消除大气对影像的影响。
进行几何校正，将影像校正到统一的地理坐标系中。
进行投影转换，将影像转换为所需的投影方式。
进行图像裁剪与镶嵌，将感兴趣区域裁剪出来并进行拼接。
提取NDVI，利用NDVI公式计算每个像素的NDVI值。
估算植被覆盖度，根据NDVI值和阈值进行分类，提取出植被覆盖区域。
进行精度验证，评估提取结果的精度和可靠性。
以上步骤仅供参考，具体操作可能因软件和需求而有所不同。
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。
垂直植被指数及其解算方法
垂直植被指数及其解算方法
垂直植被指数（VerticalVegetationIndex，VVI）是用来描述植被垂直结构的指标，通常用于遥感数据的分析和解释。
它是由植被高度和覆盖度所组成的，可以用来区分不同类型的植被，如森林、草地、农田等。
VVI的计算方法有多种，其中比较常用的是植被高度模型和NDVI （Normalized Difference Vegetation Index）的组合计算方法。
具体步骤如下：
1.先使用激光雷达或雷达干涉测量等方法获取植被高度数据，得到高度模型。
2.根据高度模型计算每个像元的植被高度。
3.利用遥感影像数据计算NDVI值，如采用Landsat影像，则采用公式：NDVI=(Band4-Band3)/(Band4+Band3)。
4.将NDVI值和植被高度值进行组合计算，得到VVI值，如采用公式：VVI=NDVI*(1+0.1*H)，其中H为植被高度值。
VVI的值通常在0到1之间，数值越高表示植被垂直结构越复杂，覆盖度越高。
VVI可以用于研究植被生长情况、土地利用类型、生态环境等方面，对于农业、林业、环境保护等领域具有重要意义。
- 1 -。
归一化差异植被指数数值
归一化差异植被指数数值归一化差异植被指数（Normalized Difference Vegetation Index，NDVI）被广泛应用于遥感技术的植被监测领域。
NDVI可以用于评估植被的生长状态和空间分布，并可用于估算植被物质和叶面积指数。
对于遥感技术卫星传感器获取图像数据进行相关测量和分析处理方面具有重要意义。
本文将深入探讨归一化差异植被指数数值的相关话题，包括其定义、计算方法及应用等方面。
一、NDVI的定义NDVI是一种逐像元计算的植被指数，它通过遥感技术将反射波段红色和近红外波段的能量进行比较，以反映植被的生长状态。
其数学表达式为：NDVI = (NIR – Red) / (NIR + Red)其中，NIR (Near Infrared) 表示近红外波段的反射率，Red表示红光波段的反射率。
由于植被在近红外波段有较高的反射率，在红光波段有较低的反射率，在NDVI计算中使用比值法可以消除不同亮度的干扰之后，NDVI的值范围在-1到1之间。
当NDVI接近于1时，表明该区域植被覆盖较好；当NDVI接近于0时，表明该区域的植被覆盖率较低；当NDVI为负数时，表明该区域是水体、建筑物或石块等非植被覆盖面。
NDVI数值越高，表明该区域植被密度越大，植被生长状况越好。
二、NDVI的计算方法计算NDVI需要获取遥感图像中的红光和近红外反射率数据。
这需要使用卫星或无人机等平台获取的遥感图像数据和数字图像处理技术进行相关处理。
常用的遥感图像处理软件包括ENVI、ERDAS等。
计算NDVI的具体步骤如下：1. 读取遥感图像数据并进行预处理。
2. 提取遥感图像中的红光与近红外反射波段数据。
3. 对红光与近红外反射波段进行数学运算得出NDVI数值。
4. 将NDVI数值进行归一化处理（即将NDVI数值映射到0到1之间）。
归一化差异植被指数在环境控制、土地利用和植被监测等领域中都有着重要的应用价值。
1. 环境控制在环境控制方面，NDVI可用于监测陆地、农田、森林和荒漠等区域的植被覆盖状态和生长情况。
实用的植被指数提取方法
实用的植被指数提取方法说实话实用的植被指数提取方法这事，我一开始也是瞎摸索。
我就知道植被指数能从遥感影像啥的里头提取出来，能反映植被的生长情况之类的，可具体咋做呢，两眼一抹黑啊。
我最早的时候，就直接按照网上找的一些指南，下了一些软件，那些软件的界面一打开，我的天，全是密密麻麻的功能键和参数，当时就有点懵。
然后我就试着调整那些看起来跟植被相关的参数，心里想的是估计这样就能算出植被指数了。
可是弄了半天，出来的数据一看就不对劲儿，那结果乱七八糟的。
这才意识到盲目的调参数根本不靠谱。
后来我就上各种专业论坛去看，发现很多人推荐先对遥感影像进行预处理。
这就好比你要炒菜前先得把菜洗干净切好了一样重要。
预处理包含辐射定标，这个我可以简单给你比喻下，就好像调整相机参数一样，让影像里的亮度值啥的变得可靠准确。
还有大气校正，如果不做这个，影像就像是隔着一层雾在看植被，数据不准。
这个大气校正我可是费了好大劲才弄明白点儿，不同的校正方法就像不同的擦窗户工具，有些适合这个情况，有些适合那个情况。
接着就是重头戏，提取植被指数。
我试过像归一化植被指数（NDVI）的提取，这个就涉及到用影像里特定波段的数值进行计算。
我一开始计算老是出错，后来发现是波段选择错了，不同的传感器收集到的影像波段顺序不太一样，就像不同型号的相机拍照模式有点差别一样，你必须对得上号才能算出正确的植被指数值。
再就是比值植被指数（RVI），这个在计算的时候我发现数据的准确性很关键，如果之前预处理没做好，这个比值算出来就会偏差很大。
我还试过一些复杂的植被指数的提取，有些方法需要建立复杂的模型，那就不仅仅是简单计算比值或者做减法了。
但是这个时候我会特别小心，每一步操作都记录下来，如果结果不对，我就能回溯看看是在哪一步出了岔子。
就像是走迷宫，你得记着自己走的每一步路，如果走不通了才能找到错的地方回头重新走。
提取植被指数不是个简单事儿，得一步一个脚印来，特别是不能忽略预处理这个环节对最后结果的重要性。
arcgis植被覆盖度计算
arcgis植被覆盖度计算
在ArcGIS中，可以使用NDVI指数来计算植被覆盖度。
首先，需要获取红外波段和可见光波段的遥感影像数据。
红外波段通常对应于近红外波段（NIR），可见光波段通常对应于红、绿或蓝波段。
1. 打开ArcGIS软件，导入红外波段和可见光波段的遥感影像数据。
确保两个波段的投影系数一致。
2. 在图像解释器中，右键点击图像，选择"Band Arithmetic"选项，进入波段算术工具的对话框。
3. 在波段算术对话框中，输入以下公式来计算归一化植被指数(NDVI)：(NIR - Visible) / (NIR + Visible)
其中，NIR表示红外波段，Visible表示可见光波段。
4. 设置输出栅格数据的文件名和路径，然后点击"OK"按钮开始计算。
5. 完成计算后，可以通过计算得到的NDVI图像来计算植被覆盖度。
可以使用栅格计算器工具，设置阈值来确定植被覆盖度的范围。
例如，可以通过设置NDVI值大于0.5的像素作为植被覆盖度的范围。
这样，就可以得到植被覆盖度的计算结果。
请注意，植被覆盖度的计算可以根据具体需求进行调整和改进，上述步骤仅为简单示例。
NDVI算法描述
NDVI算法描述NDVI（Normalized Difference Vegetation Index）是一种用来评估植被覆盖程度的指数，可以根据遥感数据来推测植被状况。
它是由陆地卫星测量的不同波段的光谱反射率计算得出的。
NDVI的计算公式是：NDVI=(NIR-RED)/(NIR+RED)其中，NIR表示近红外波段的反射率，RED表示红外波段的反射率。
NDVI的值范围通常在-1到1之间，数值越大，代表植被覆盖越好。
具体来说，根据NDVI的数值可以分为以下几种情况：-1到0：表示没有植被覆盖，通常对应岩石、水体、裸地等非植被区域。
0到0.1：表示非常低的植被覆盖，通常对应沙漠、城市等植被稀疏区域。
0.1到0.2：表示低的植被覆盖，通常对应草地、灌木丛等植被较少的区域。
0.2到0.3：表示中等的植被覆盖，通常对应矮树林、农田等植被密度适中的区域。
0.3到0.7：表示高的植被覆盖，通常对应繁茂的森林、丛林等植被密度较高的区域。
0.7到1：表示极高的植被覆盖，通常对应稠密的雨林等植被非常密集的区域。
利用NDVI指数可以进行很多应用，包括监测植被健康状态、估计作物生长状况、分析土地利用变化等。
下面以NDVI的计算过程为例，详细描述NDVI算法。
首先，从卫星或无人机获取的遥感图像中提取所需的红外波段（NIR）和红色波段（RED）的光谱反射率数据。
这些数据通常以数字格式存储。
接着，根据上述公式计算每个像素点的NDVI值。
计算的过程如下：1.从遥感图像中获取NIR波段和RED波段的反射率数据。
2.对NIR和RED进行预处理，通常包括辐射校正、大气校正和噪声降低等步骤。
3.对预处理后的NIR和RED数据进行归一化，将反射率值限制在0到1之间。
4.将归一化后的NIR和RED数据代入NDVI公式中进行计算，得到每个像素点的NDVI值。
5.对NDVI值进行可视化，常用的方式是将NDVI值映射到颜色空间中，如将低值映射到红色，高值映射到绿色。
绿色植被的归一化差值植被指数
绿色植被的归一化差值植被指数
绿色植被的归一化差值植被指数（Normalized Difference Vegetation Index, NDVI）是一种用于评估植被覆盖率和生长状况的指数。
它是通过测量植被吸收和反射红外光和可见光波段中的能量来计算的。
在计算过程中，NDVI 会将红外波段和可见光波段的光谱信息进行归一化，然后用红外波段的反射率减去可见光波段的反射率，再除以两者的反射率和得到的商。
这个值范围从-1 到+1，其中负值表示非植被区域，0 表示无植被覆盖，而正值则越高表示植被覆盖率越高。
NDVI 在农业、林业、生态和气象等领域中被广泛应用。
通过对NDVI 值进行分析，可以识别植被覆盖率和类型，监测植被生长状态和变化，评估土地利用和土地覆盖等信息。
此外，NDVI 还可用于估算植被生产力和碳储量等指标。
总之，NDVI 是一种重要的植被指数，它可以为我们提供有关植被覆盖、生长状态和生产力等方面的重要信息。