遥感地学分析实验报 - 图文

实验一 植被覆盖度反演

一、实验目的

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。通常林冠称郁闭度，灌草等植被称覆盖度。它是衡量地表植被覆盖的一个最重要的指标，被覆盖度及其变化是区域生态系统环境变化的重要指示，对水文、生态、全球变化等都具有重要意义。目前已有许多利用遥感技术测量植被覆盖度的方法，其中应用最广泛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，本次实验完成植被覆盖度反演。

二、实验数据

实验选取两景覆盖北京市的Landsat8 OLI影像、土地覆盖类型图以及北京行政边界矢量数据为数据源。其中，土地覆盖类型图是作为掩膜文件使用，其目的是为了便于植被覆盖度的估算；北京行政边界矢量数据是裁剪出北京市行政区内的范围。Landsat8 OLI影像是从地理空间数据云网站上下载得到的，其成像时间为2013年10月份。与Landsat7的ETM+成像仪相比，OLI成像仪获取的遥感图像辐射分辨率达到12比特，图像的几何精度和数据的信噪比也更高。OLI成像仪包括9个短波谱段（波段1～波段9），幅宽185km，其中全色波段地面分辨率为15m，其他谱段地面分辨率为30m。

三、实验方法

本文反演植被覆盖度所采用的是像元二分模型方法，像元二分模型是一种简单实用的遥感估算模型，它假设一个像元的地表由有植被覆盖部分与无植被覆盖部分组成，而遥感传感器观测到的光谱信息(S)也由这2个组分因子线性加权合成，各因子的权重是各自的面积在像元中所占的比率，如其中植被覆盖度可以看作是植被的权重。因此，像元二分模型的原理如下：VFC = (S - Ssoil)/ ( Sveg - Ssoil) S为遥感信息，其中Ssoil 为纯土壤像元的信息, Sveg 为纯植被像元的信息。

改进的像元二分法——遥感信息选择为NDVI VFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil) 两个参数的求解公式

NDVIsoil=(VFCmax*NDVImin- VFCmin*NDVImax)/( VFCmax- VFCmin)

NDVIveg=((1-VFCmin)*NDVImax- (1-VFCmax)*NDVImin)/( VFCmax- VFCmin) 当区域内可以近似取VFCmax=100%，VFCmin=0% VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin)

当区域内不可以近似取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；当没有实测数据的情况下，植被覆盖度的最大值和最小值根据经验估算。 其中, NDVIsoil 为裸土或无植被覆盖区域的NDVI值, 即无植被像元的NDVI 值；而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。

四、实验处理步骤

1、实验处理流程如下图所示

2、数据预处理

本文使用的Landsat8 OLI为L1T级别数据，不需做几何校正处理。而北京市需要两景Landsat OLI数据覆盖，因此首先要进行图像镶嵌和裁剪，然后进行大气校正等预处理过程。

（1） 辐射定标

辐射定标是将传感器记录的电压或数字值转换成绝对辐射亮度的过程。实验报告中写出辐射定标的作用。该处理过程在Envi5.1中实现，具体操作：在ENVIToolbox中，选择Toolbox/Radiometric Correction/ Radiometric Calibration，选择*_MultiSpectral多光谱组（7个波段），打开辐射定标工具，对两景影像分别做辐射定标。

- 2 -

（2）影像镶嵌

因本文所使用的影像数据源是两景Landsat OLI影像，因此需进行影像镶嵌，镶嵌的目的是将不同的影像文件无缝地拼接成一幅完整的包含研究区域的影像。该处理过程在Envi5.1中实现，具体操作：在Toolbox中，选择/Mosaicking/Seamless Mosaic，打开无缝镶嵌工具，然后进行相关参数设置。

- 3 -

- 4 -

（3）影像裁剪

因本文所使用的影像数据包含了北京市行政区划以外的部分地区，因此需进行影像裁剪，以将研究区裁剪出来，并且减小了数据量，加快了数据处理速度，本文使用北京行政边界矢量裁剪图像。过程在Envi5.1中的具体操作如下：

在Toolbox中，选择/Regions of Interest/Subset Data from ROIs，打开裁剪工具：

- 5 -

（4）Flaash大气校正

ENVI中的FLAASH模型是基于MODTRAN4+辐射传输模型，通过参数查找表来进行大气校 正的商业化软件。实验报告中需写出为什么用进行大气校正。

在 Toolbox 中打开 FLAASH 工具/Radiometric Correction/Atmospheric Correction Module/FLAASH Atmospheric Correction

报告中需要对大气校正前后同一地物的光谱曲线进行对比。

- 6 -

3、植被覆盖度估算 （1）计算NDVI

本文选取NDVI值为参数，采用像元二分模型对植被覆盖度进行反演，根据植被覆盖度的计算公式可知，要求取植被覆盖度，首先需要计算NDVI。在Envi5.1中的具体操作如下：

在Toolbox中，选择Spectral/Vegetation/NDVI，NDVI Calculation Input File面板中，选择大气校正后的图像，求算NDVI，如下：

由于大气校正后的结果有部分像元为负值，主要集中在阴影地区，这部分区域计算得到的NDVI在[-1,1]之外，为了便于后面的分析，这里统一将这部分像元进行处理，即NDVI值大于1的变为1，小于-1的变成-1。使用Bandmath工具，（写出运算公式），得到去除异常值文件。

- 7 -

(b1 lt (-1))*(-1) + (b1 gt (1))*1 + (b1 le(1) and b1 ge(-1))*b1

（2） 生成掩膜文件

该过程主要是为了计算NDVI的最大值、最小值，根据土地利用分类图（共5类，林地、农业用地、城市用地、水体与其他）制作各种土地利用类型的掩膜文件，在Envi5.1中的具体操作如下：在Toolbox中选择/Raster Management/Masking/Apply Mask，打开制作掩膜工具：

- 8 -

得到林地、农业用地、城市用地、水体与其他的掩膜文件。

应用掩膜文件

- 9 -

（3）获取阈值

计算NDVImax和NDVImin值，使用获取的掩膜文件分别对NDVI图像文件进行统计，在一定置信度范围内获取每个掩膜文件（也就是土地覆盖类型）对应的最大和最小NDVI值。

在Toolbox中，选择/Statistics/Compute Statistics，进行统计，然后在统计结果中，取一定的置信度获取最大和最小的NDVI值。林地覆盖区域的统计结果（如下图），选择NDVImin=0.3804，NDVImax=0.8667。同样的方法得到其他地物覆盖类型的NDVI阈值，其中 ，水体没有植被（水藻不属于植被），认为这部分区域的植被覆盖度为0，如下表：

- 10 -

本文来源：https://www.bwwdw.com/article/kjf.html