Landsat-7 ETM+归一化差分植被指数影像真实性检验
植被指数遥感产品真实性检验-编制说明
《植被指数遥感产品真实性检验》编制说明一、工作简况（一）任务来源2016年国家标准化管理委员会批准了《植被指数遥感产品真实性检验》国家标准制定项目（国标委综合[2016]39号），标准计划项目编号为20160471-T-491，正式委托中国科学院遥感与数字地球研究所牵头完成本标准的制定任务。
（二）起草单位与起草人本标准的起草单位是中国科学院遥感与数字地球研究所、北京师范大学、中国科学院寒区旱区环境与工程研究所、北京大学、中国科学院地理科学与资源研究所、中国科学院光电研究院。
本标准的主要起草人有：闻建光、彭菁菁、游冬琴、刘强、唐勇、肖青、柳钦火、李新、范闻捷、葛勇、吴骅、贾媛媛、王新鸿、刘照言。
起草人员负责标准制定工作的组织、协调，相关资料的查阅、收集，标准文本及编制说明的起草、撰写，组织召开研讨会，通过电子邮件、传真、电话等方式，征集、整理和归纳相关的意见和建议以及行业内征求意见和标准送审等。
（三）主要工作过程2012年1月，在国家高技术研究发展计划（863计划）项目支持下，启动了《植被指数遥感产品真实性检验》标准规范研究工作，成立了编制小组，明确相关研究内容范围、关键节点、时间计划及任务分工。
2012年2月—5月，文献调研与资料收集，主要包括国际上与植被指数遥感产品有关的标准规范、遥感产品真实性检验工作组及有关计划工作报告、以及业务化运行的植被指数遥感产品验证和分析的文献。
整理总结植被指数遥感产品验证和分析资料，针对植被指数遥感产品验证中的一些重要问题进行协商和讨论，形成基础内容框架。
这些关键问题包括：1、植被指数地面采样代表性；2、植被指数的尺度效应和尺度转换；3、反射率波谱特征差异导致的不确定性；4、反射率观测角度差异导致的不确定性。
2012年5月—8月，参加黑河流域生态水文遥感综合试验，以张掖黑河流域为试验区，测试植被指数地面采样与观测方法，分析总结经验。
2012年9月—2012年12月，编写规范初稿。
ASTER和Landsat-7ETM+两种多光谱传感器影像的交互对比
Ａ Ｔ Ｒ和 Ｌ ｎ ｓｔ Ｔ ＋两种 多光 谱传 感器 影像 的 交互 对 比 ＳＥ ａ ｄａ一 Ｅ Ｍ ７
李春 华 ， 涵秋Ｈ ，陈荔聪。 。徐
１ ．福州大学环境与资源学院，福建 福州 ３ ０ ０ ５１８ ２ ．福建师范大学地理科学学 院湿润亚热带生态地理过程教育部重点实验室 ，福建 福州 ３ ０ ０ ５０７ ３ ．福建师范大学数学与计算机科学学院 ， 福建 福 州 ３ ０ ０ ５０ ７
（ ０８ ０ ２ ７ 和福建省教育厅课题 （ Ｏ Ｏ ３ 资助 ２ ０ １０ ０ ） Ｊ ９４） Ｂ 作者简介 ： 春华 ， ， ９ ５ 李 女 １７ 年生 ， 福建师范大学地理科学学 院副教授
波红外各对应光谱 波段之 问的关 系，提出了各对 应波段相互 转换 的关 系方程式 ，验证 了所求 的关系方程 的 有效性 。 最后对两种传感器影像对应光谱波段 的差异进行 了分析 。 验证结果表明 ， 所求 的关 系转换方程具有
较高的精度 。
关键词
ＡＳ Ｒ； ＴＭ＋ ； ＴＥ Ｅ 传感器 ； 光谱 响应特征 ；表观反射率 ； 交互 比较
文 献 标识 码 ：Ａ Ｄ Ｉ ０ ３６ ／．ｓｎ １０ —５ ３ ２ １ ）９２ １ —７ Ｏ ：１． ９ ４ｊｉ ． ０００ ９ （ ００ ０ —５ ８０ ｓ
中图 分 类 号 ： Ｐ ３ Ｔ ７２
许 多成熟 的算法和模型 ， Ａ ＴＥ 对 Ｓ Ｒ与 Ｅ ＴＭ＋进行准确交互
引 言
近年来许多新型卫星传感器相继升空 ， 些新型卫 星传 这 感 器的影像不仅可 以单独使用 ，而且可 以互为补充 ，大大拓 宽了遥感对地观测 的时空范围和能力 ，同时也 给遥感领域带 来 了一个新 的热 门课题 ，即多种新型传感器遥感 影像之 间的 交互比较 （ｒｓ ｍｐ ｒ ｏ ） ｃｏｓｃ ａｉ ｎ 研究 ｌ 从 这些研 究 中不难发 ｏ ｓ 】 。 。 现 ， 两 种重 要 的 多光 谱 传感 器——Ａｓ Ｅ 与 Ｌ ｎ ｓｔ 有 ＴＲ ａｄ ａ ７ －
Landsat陆地卫星TM遥感影像数据介绍
Landsat陆地卫星遥感影像数据简介“地球资源技术卫星”计划最早始于1967年，美国国家航空与航天局（NASA）受早期气象卫星和载人宇宙飞船所提供的地球资源观测的鼓舞，开始在理论上进行地球资源技术卫星系列的可行性研究。
1972年7月23日，第一颗陆地卫星（Landsat_1）成功发射，后来发射的这一系列卫星都带有陆地卫星（Landsat）的名称。
到1999年，共成功发射了六颗陆地卫星，它们分别命名为陆地卫星1到陆地卫星5以及陆地卫星7，其中陆地卫星6的发射失败了。
Landsat陆地卫星系列遥感影像数据覆盖范围为北纬83o到南纬83o之间的所有陆地区域，数据更新周期为16天（Landsat 1~3的周期为18天），空间分辨率为30米（RBV和MSS传感器的空间分辨率为80米）。
目前，中国区域内的Landsat陆地卫星系列遥感影像数据（见图1）可以通过中国科学院计算机网络信息中心国际科学数据服务平台 QQ电子网免费获得（）。
Landsat 陆地卫星在波段的设计上，充分考虑了水、植物、土壤、岩石等不同地物在波段反射率敏感度上的差异，从而有效地扩充了遥感影像数据的应用范围。
在基于Landsat遥感影像数据的一系列应用中，计算植被指数和针对Landsat ETM off影像的条带修复为最常用同时也是最为基础的两个应用。
因此，中国科学院计算机网络信息中心基于国际科学数据服务平台，提供了1）基于Landsat 数据的多种植被指数提取。
2）对Landsat ETM SLC-off影像数据的条带修复。
图1 Landsat 遥感影像中国区示意图数据特征（1）数据基本特征Landsat陆地卫星包含了五种类型的传感器，分别是反束光摄像机（RBV），多光谱扫描仪（MSS），专题成像仪（TM），增强专题成像仪（ETM）以及增强专题成像仪+（ETM+），各传感器拍摄影像的基本特征如下：（2）数据主要参数Landsat陆地卫星携带的传感器，在南北向的扫描范围大约为179km，东西向的扫描范围大约为183km，数据输出格式是GeoTIFF，采取三次卷积的取样方式，地图投影为UTM-WGS84南极洲极地投影。
基于遥感影像的归一化植被指数算法研究
总第84期第3期基于遥感影像的归一化植被指数算法研究符思涛周云（遥感信息工程学院07023信箱湖北武汉430079）摘要植被归一化指数研究是遥感应用的主要领域，同时也是遥感学科的重要的研究问题。
基于遥感影像的归一化植被指数研究方法和理论随着计算机算法的发展有了很大的进步，在介绍了植被指数概念的基础上阐述了NDVI的特征及其优势,同时也通过编写程序实现了对遥感影像的归一化植被指数的提取。
此外，通过利用遥感软件ERDAS IMAGINE9.1对遥感影像进行植被指数的提取,对提取结果进行了对比分析，从而优化了自编程序算法。
关键词遥感归一化植被指数（NDVI）ERDAS IMAGINE1概述1.1植被指数广义上的植被指数是指利用卫星不同波段探测数据组合而成的，能反映植物生长状况的指数。
植物叶面在可见光红光波段有很强的吸收特性，在近红外波段有很强的反射特性，这是植被遥感监测的物理基础，通过这两个波段测值的不同组合可得到不同的植被指数。
植被指数是对地表植被活动的简单、有效和经验的度量,这一指数在一定程度上反映着植被的演化信息。
通过大量地物光谱波段测量研究分析发现,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,它与叶绿素密度成正比。
因此,通常使用红色可见光通道(0.6-0.7μm)和近红外光谱通道(0.7-1.1μm)的组合来设计植被指数。
这两个波段归一化组合与植被的叶绿素含量、叶面积及生物量密切相关,所以植被指数便成为植被生态研究领域的基础。
1.2归一化植被指数NDVI(Normalized Difference Vegetation In-dex)归一化植被指数,又称标准化植被指数,在使用遥感图像进行植被研究以及植物物候研究中得到广泛应用,它是植物生长状态以及植被空间分布密度的最佳指示因子,与植被分布密度呈线性相关。
实验表明,NDVI对土壤背景的变化较为敏感;它是单位像元内的植被类型、覆盖形态、生长状况等的综合反映,其大小取决于植被覆盖度和叶面积指数等要素;NDVI对植被盖度的检测幅度较宽,有较好的时相和空间适应性,因此应用较广。
基于LandsatTM-ETM+的城市热岛效应分析与研究
基于LandsatTM/ETM+的城市热岛效应分析与研究摘要：本文以天津市滨海新区为研究区域，利用landsat数据，通过单窗法反演出地表温度，进而对滨海新区温度分布以及对城市热岛分布变化进行分析。
运用归一化植被指数（ndvi）与地表温度的相关性，对滨海新区自1992-2009年年间该研究区域温度差异进行定量分析。
结果表明，17年间，滨海新区的城市热岛效应明显，城市热环境恶化，城市地表温度的差异与下垫面类型有关。
关键词：城市热岛；地表温度反演；ladsat tm/etm+；单窗法由于城市地表地物覆盖的多样性，以及地形的不同，需要考虑的因素较多，准确的反演地表温度成为研究城市热岛的关键。
一、研究区域概况与研究数据来源1、区域概况天津滨海新区地处华北平原北部，位于中纬度欧亚大陆东岸，滨海新区属于大陆性季风气候，并具有海洋性气候特点。
全年平均气温13.0℃。
年平均降水量566.0毫米，降水随季节变化显著，冬、春季少，夏季集中。
2、数据来源本研究遥感数据来源为美国地质调查局所提供的天津市滨海新区1992年7月30日landsat tm及2009年8月30日的landsat etm+两个时相的数据，其他辅助数据：天津市从1951-2012年有关气象数据及滨海新区1∶5万地形图等。
二、地表温度的反演本文通过运用artist & camahan单窗算法对研究区域陆面温度进行反演。
通过图像的灰度值（dn）先转化成相应的热辐射强度值，进一步推算出相应的亮温值[1]，根据康秀丽等人提出的，星上辐射强度值经过大气校正后，可以得出亮温和地表温度关于比辐射率的函数关系式，进而得到陆面温度[2]。
三、结果与分析通过对天津市滨海新区1992年及2009年遥感影像进行计算和处理，最终反演出天津市滨海新区的地表温度，热岛现象比较明显，与天津市气象局所提供的气象数据基本上一致，因此可以根据反演的地表温度进行进一步的研究和分析。
植被指数遥感产品真实性检验-编制说明
《植被指数遥感产品真实性检验》编制说明一、工作简况（一）任务来源2016年国家标准化管理委员会批准了《植被指数遥感产品真实性检验》国家标准制定项目（国标委综合[2016]39号），标准计划项目编号为20160471-T-491，正式委托中国科学院遥感与数字地球研究所牵头完成本标准的制定任务。
（二）起草单位与起草人本标准的起草单位是中国科学院遥感与数字地球研究所、北京师范大学、中国科学院寒区旱区环境与工程研究所、北京大学、中国科学院地理科学与资源研究所、中国科学院光电研究院。
本标准的主要起草人有：闻建光、彭菁菁、游冬琴、刘强、唐勇、肖青、柳钦火、李新、范闻捷、葛勇、吴骅、贾媛媛、王新鸿、刘照言。
起草人员负责标准制定工作的组织、协调，相关资料的查阅、收集，标准文本及编制说明的起草、撰写，组织召开研讨会，通过电子邮件、传真、电话等方式，征集、整理和归纳相关的意见和建议以及行业内征求意见和标准送审等。
（三）主要工作过程2012年1月，在国家高技术研究发展计划（863计划）项目支持下，启动了《植被指数遥感产品真实性检验》标准规范研究工作，成立了编制小组，明确相关研究内容范围、关键节点、时间计划及任务分工。
2012年2月—5月，文献调研与资料收集，主要包括国际上与植被指数遥感产品有关的标准规范、遥感产品真实性检验工作组及有关计划工作报告、以及业务化运行的植被指数遥感产品验证和分析的文献。
整理总结植被指数遥感产品验证和分析资料，针对植被指数遥感产品验证中的一些重要问题进行协商和讨论，形成基础内容框架。
这些关键问题包括：1、植被指数地面采样代表性；2、植被指数的尺度效应和尺度转换；3、反射率波谱特征差异导致的不确定性；4、反射率观测角度差异导致的不确定性。
2012年5月—8月，参加黑河流域生态水文遥感综合试验，以张掖黑河流域为试验区，测试植被指数地面采样与观测方法，分析总结经验。
2012年9月—2012年12月，编写规范初稿。
多光谱遥感卫星影像植被指数种类
多光谱遥感卫星影像植被指数种类1. 归一化植被指数（Normalized Difference Vegetation Index，NDVI）：归一化植被指数是最常见且最广泛应用的植被指数之一、它利用红光和近红外波段的反射率差异来评估植被的健康和生长状况。
NDVI值的范围从-1到1，数值越高表示植被覆盖越好。
2. 增强型植被指数（Enhanced Vegetation Index，EVI）：增强型植被指数是对NDVI的改进，它通过加入大气校正和土地表面背景修正，可以提高植被指数的特征表达能力。
相比于NDVI，EVI在地表背景光照条件变化大的情况下表现更好。
3. 土壤调整植被指数（Soil-Adjusted Vegetation Index，SAVI）：土壤调整植被指数是在NDVI的基础上引入土壤亮度校正因子，用于纠正影响NDVI计算的土壤亮度对植被指数的影响。
SAVI对土壤覆盖比较重的地区提供了更准确的植被信息。
4. 归一化水体指数（Normalized Difference Water Index，NDWI）：归一化水体指数利用短波红外波段和近红波段的反射率差异来区分水体和其他地表信息。
NDWI值的范围从-1到1，数值越高表示水体覆盖越多。
除了以上提到的常见植被指数，还有其他一些衍生出来的指数用于特定的研究和应用，如大气校正后的植被指数（AtmosphericallyResistant Vegetation Index，ARVI）、非线性植被指数（Non-linear Vegetation Index，NVI）等。
多光谱遥感卫星影像植被指数种类的选择取决于研究目的和具体的科学问题。
不同的指数在对植被响应的灵敏度、对土壤背景和大气影响的抑制能力等方面有所差异。
因此，在具体应用中，需根据研究区域的自然环境特点，综合考虑各种植被指数的适用性，选择合适的指数进行分析和研究。
大区域 TM 影像归一化植被指数季相归一化处理方法
大区域 TM 影像归一化植被指数季相归一化处理方法陈贤干;汪小钦;陈芸芝【摘要】针对高分辨率遥感监测植被时大范围获取影像的季相往往不一致，影响了归一化植被指数的连续性与可比性问题，借助 MODIS 归一化植被指数产品，开展 TM 归一化植被指数季相归一化方法研究。
以福建省为例，分析不同季相MODIS 归一化植被指数之间的一次项、二次项最小二乘关系及差值关系，对比分析转换结果。
结果表明，二次项关系优于其他两种效果，较好地消除归一化植被指数时相不一致问题，获得了较为满意的效果。
利用 MODIS 归一化植被指数构建二次项，完成福建省 TM 归一化植被指数季相归一化，消除了不同景影像间的季相不一致，使在大区域范围内归一化植被指数具有空间上的可比性和一致性。
%Moderate resolution remote sensing data is widely used in vegetation monitoring.However,seasonal aspects of large areas is easily inconsistent in acquired images,which impair the continuity and comparability of normalized difference of vegetation index.MODIS data has the characteristics of high temporal resolution and wide coverage.The correlation analysis of TM NDVI and MODIS NDVI in different seasons shows that the variation of TM NDVI is quite similar to that of MODIS NDVI in the vegetation covered area.Therefore,with the MODIS NDVI products data,this paper studies TM NDVI on the seasonal normalization methods.By making a demonstration based on Fujian province,we analyze the relationship of quadratic least squares,the relationship of linear least squares and differential relationship between MODIS NDVI in different season phases.Subsequently,we analysis the converted results.The resultsshow that the relationship of quadratic least squares method is superior to the other two methods,which can better eliminate the inconsistency of NDVI seasonal aspects and obtain satisfactory results.By using MODIS NDVI products,we build a quadratic term least squares relationship and fulfill the seasonal normalized of TM NDVI in Fujian province and eliminate the inconsistency of NDVI seasonal aspects at the same time,making the NDVI data in large areas has comparability and consistency on the space.【期刊名称】《遥感信息》【年(卷),期】2015(000)006【总页数】8页(P81-88)【关键词】MODIS NDVI;归一化方法;TM NDVI;季相差异;最小二乘关系【作者】陈贤干;汪小钦;陈芸芝【作者单位】福州大学空间数据挖掘与信息共享教育部重点实验室，福州350002; 福州大学空间信息工程研究中心，福州 350002;福州大学空间数据挖掘与信息共享教育部重点实验室，福州 350002; 福州大学空间信息工程研究中心，福州 350002;福州大学空间数据挖掘与信息共享教育部重点实验室，福州350002; 福州大学空间信息工程研究中心，福州 350002【正文语种】中文【中图分类】TP751植被指数主要通过红光波段和近红外波段反射率的组合计算来设计并反映植被状态，常被用来表征地表植被覆盖、评价植被的生长及分布特征，并作为一种有效的遥感指标应用于植被监测、农情监测、土地覆盖变化等领域。
- 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)。
Landsat-7 ETM+归一化差分植被指数影像真实性检验栾海军;章欣欣;田庆久;朱晓玲;聂芹【摘要】作为一种常用的地表参数产品,ETM+NDVI的真实性检验具有重要意义,但是目前对其研究较少.本文提出结合GeoEye-1高分辨率遥感影像及其NDVI尺度转换模型的方法进行该产品的真实性检验.基于分形理论及5指标评价体系(r＞=0.8、p＜0.05、rlo＞=r＜=rup及Max_of_abs(Error) ＜=0.05)构建GeoEye-1影像的NDVI连续空间尺度转换模型,同时结合GeoEye-1、ETM+光谱参数归一化技术,实现ETM+NDVI影像的真实性检验.通过多个样区影像的真实性检验表明,由于ETM+影像条带缺失及补偿处理的有限作用,致使ETM+样区影像的NDVI结果普遍存在较大误差,其中整幅影像的NDVI相对于“真值”存在约25％的误差,故该产品不适宜直接应用于实际中.同时,这证明了基于分形理论的NDVI尺度转换方法在真实性检验中的应用潜力.【期刊名称】《遥感信息》【年(卷),期】2016(031)006【总页数】9页(P138-146)【关键词】NDVI;真实性检验;ETM+;空间尺度转换;分形理论;GeoEye-1【作者】栾海军;章欣欣;田庆久;朱晓玲;聂芹【作者单位】厦门理工学院计算机与信息工程学院,厦门361024;南京大学国际地球系统科学研究所,南京210093;厦门理工学院计算机与信息工程学院,厦门361024;南京大学国际地球系统科学研究所,南京210093;江苏省地理信息技术重点实验室,南京210093;厦门理工学院计算机与信息工程学院,厦门361024;厦门理工学院计算机与信息工程学院,厦门361024【正文语种】中文【中图分类】TP701尺度问题是遥感科学的核心问题[1]。
尺度转换即是研究不同分辨率尺度上地表参数之间的联系与规律。
其中，空间升尺度转换研究因可用于解决如反演产品真实性检验[2]等重要的问题，受到广泛关注。
然而，目前的升尺度转换研究尚存在如下的问题：1)基于统计方法获取的反演量空间升尺度转换关系[3-5]，无明确的物理意义，在研究区、传感器类型等变化时不再适用；2)基于反演量物理模型进行的空间升尺度转换[6-8]，囿于物理模型数量及精度发展的限制，其研究无法满足需求。
分形作为一种经典的尺度转换研究方法，可以对研究对象连续尺度上的演化规律予以定量描述。
然而，该方法在定量遥感空间升尺度转换领域应用不充分。
Kim等[9]曾基于分形理论建立土壤水分降尺度转换模型。
国内亦有学者[10]利用直方变量图分形计算方法建立遥感土地利用地类面积的降尺度转换关系。
继而，Zhang等[11]首次基于分形理论构建了叶面积指数(Leaf Area Index，LAI)的空间升尺度转换模型，具有重要意义，这是分形方法在升尺度转换研究中的重要尝试。
进一步，栾海军等[12-14]基于分形理论进行归一化差分植被指数(Normalized Difference Vegetation Index，NDVI)连续空间尺度转换模型(Continuous Spatial Scaling Model，CSSM)构建的系列研究，对方法适用的地表参数类型、模型的构建策略、模型构建时最合理尺度层级的确定等问题进行了探讨，获得了一些有价值的结果。
上述CSSM模型在地表参数真实性检验中的适应性虽已得到理论论证[12]，却尚未得到实际应用验证。
Landsat-7增强型专题制图仪(Enhanced Thematic Mapper Plus，ETM+)影像得到广泛应用，但是影像的条带缺失对于产品的应用制约很大，对其常用产品(如NDVI)的真实性进行检验与定量评价具有重要意义。
故本文将在已有研究的基础上，基于高空间分辨率GeoEye-1影像，利用NDVI连续空间尺度转换模型进行ETM+NDVI影像的真实性检验。
实验区位于广西北海市合浦县东部的沙田半岛。
实验区所处的地理范围为109°42′3″E～109°45′36″E，21°29′0″N～21°33′25″N，其中的地物类型主要包括桉树、陆生天然林、红树林、木薯、水稻、宜林地、人工设施以及水体等。
研究区内地类丰富、下垫面空间异质性强，具备研究NDVI尺度转换分形特性的基础，利于彰显分形方法在定量遥感尺度转换模型构建方面的优势。
所选用的实验影像为沙田半岛GeoEye-1与Landsat-7 ETM+影像。
其中，GeoEye-1影像于2009年10月16日获取，大小为4 112像元×3 036像元，空间分辨率为2 m，如图1(a)所示。
Landsat-7 ETM+影像为2009年10月23日对研究区成像所得，如图1(b)所示。
根据研究需要对原始影像进行预处理，处理过程如下。
利用ENVI快视线大气超立方体分析模块(Fast Line-of-sight Atmospheric Analysis of Hypercubes，FLAASH)对GeoEye-1原始影像进行大气校正，得到地表反射率影像。
进一步利用6S软件提取对应于影像的地表入射辐照度，并根据地表辐亮度与地表反射率关系模型(地表辐亮度=地表入射辐照度 * 地表半球-方向反射率)[15]计算得到预处理后的影像地表辐亮度数据。
考虑到GeoEye-1传感器自身定位精度较高，实验区内地势起伏相对较小；同时影像不用于地类识别、专题信息提取等方面，而是侧重于本文方法适用性的研究上，故在未获取足量的地面控制点及高空间分辨率数字高程模型(Digital Elevation Model，DEM)的条件下，未对实验影像进行几何校正与正射校正。
预处理后的实验影像如图2(a)所示。
利用ENVI软件对原始ETM+影像进行坏条带去除。
由于GeoEye-1影像与ETM+影像皆为1984世界大地坐标系(world geodetic system 1984，WGS-84)、通用横轴墨卡托投影(Universal Transverse Mercator，UTM)，且通过地理链接观测得知，两幅影像特征点几何位置对应精确，故未参考GeoEye-1影像对ETM+影像进行相对校正。
在修复后的ETM+影像中截取出与GeoEye-1影像相同的子区作为实验影像。
利用ENVI FLAASH模块对子区影像进行大气校正，得到地表反射率影像。
结合6S软件、地表辐亮度与地表反射率关系模型[15]，可进一步计算得到GeoEye-1地表辐亮度影像(图2(b))。
ETM+NDVI影像的真实性检验及模型验证的具体流程如图3所示。
首先，结合成像参数归一化技术，以GeoEye-1传感器为基准对ETM+传感器进行光谱参数归一化；然后，选取两幅影像上相对应的多个样区，计算GeoEye-1影像上各样区的NDVI连续尺度转换模型；最后，比较GeoEye-1影像上各样区的30 m NDVI 升尺度转换影像与ETM+影像上对应样区的NDVI真实值，获得真实性检验结果，并得到模型的应用验证结论。
栾海军等[12-13]选取相似维分形度量模型(式(1))，实现模型中尺度、研究对象等参数的移植，最终设计出NDVI连续空间尺度转换模型构建的流程(图4)：由最小尺度(这里是GeoEye-1的尺度)的地表辐亮度(如r_11、r_12、r_21、r_22)通过面积加和的方法得到大尺度下的地表辐亮度rad，进而计算相应尺度下的NDVI影像均值，最终可以得到各大尺度下的NDVI数组；以GeoEye-1影像尺度scale_2为基数，上推尺度为scale_up，将它对尺度基数的比值scale_up/scale_2定义为分形计算所需的尺度因子scale；对尺度的倒数(1/scale)与NDVI数组分别取以2为底的对数，并对处理结果进行直线拟合(式(2))，可得NDVI空间尺度转换模型(式(3))及其相似维分维数D(式(4))。
式中，d为拟合直线的斜率，b为拟合直线的截距，b是常量。
由于地表辐亮度具备面积加和的尺度上推规律[8，11]，为确保模型具备一定的物理基础，研究中选用了NDVI的地表辐亮度计算公式。
构建所得NDVI升尺度转换模型尺度适用范围更广，且具有一定的物理意义。
获取模型后，首先在统计学意义上对其初步评价，选择相对独立、但又相互制约的4个常用统计学指标r、p、rlo、rup进行。
其中，r表示式(2)所示拟合直线与真实曲线的相关系数，当p较小(小于0.05)时说明计算的r值是有意义的，rlo、rup为相关系数95%置信区间的下界与上界值，即r的真实值不足rlo的概率小于5%。
进一步，引用文献[12]中所推演出的反映分形模型计算值与各上推尺度影像的“近真值”两者差异的公式：式中，NDVI1为利用分形模型计算得到的某尺度下影像NDVI均值，NDVI2为各上推尺度NDVI影像的均值(该值可认为是“近真值”)，Diff代表NDVI1与NDVI2的差值、即模型值NDVI1的误差，Error代表差值Diff在NDVI2中所占的比重、即模型值NDVI1相对于“近真值”NDVI2的误差百分比。
进一步，定义Max_of_abs (Error)为上述Error绝对值的最大值，即利用此模型进行大尺度NDVI影像验证时的最大误差，它代表模型在真实性检验中的实际应用效能，故将其选定为判断模型应用能力的重要指标：真实性检验应用效能评价指标。
结合上述模型构建的统计学指标r、p、rlo、rup及真实性检验应用效能评价指标(Max_of_abs (Error)，可从统计学意义、实际应用能力两方面对模型做较为全面的评价。
两类指标相互独立、同时相辅相成，协同构成NDVI空间尺度转换模型的5指标评价体系。
参考模型构建流程(图4)，依据基础影像(如GeoEye-1)成像范围，基础影像尺度(如GeoEye-1的2 m)可上推至不同的大尺度，上推的最大尺度对应于模型构建的尺度层级。
对于本文所利用的GeoEye-1影像，可设定不同的尺度层级(即上推至若干不同的最大尺度)，进而可构建不同尺度层级下的转换模型，而基于前述模型评价体系可确定模型构建的最合理尺度层级，最终获得最合理的NDVI尺度转换模型[14]。
3.1 传感器成像参数归一化由于GeoEye-1与ETM+影像的成像特性参数(如光谱、时相及成像几何等)并不一致，为使得其NDVI具有可比性，进行真实性检验时，首先需要对两种影像进行成像参数归一化，通常包含光谱归一化、时相归一化及成像几何归一化。
1)光谱归一化式中，L表示传感器某波段的等效大气上层太阳辐照度，E(λ)表示大气上层太阳辐照度分布函数(利用ModTran模型采用的2002年大气上层太阳辐照度数据)，RES(λ)表示波段的光谱响应函数，λ1和λ2分别表示波段波长的下界和上界。