遥感NDVI估算植被覆盖度
遥感NDVI估算植被覆盖度
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。
1、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。
2、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BasicTools->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。
图1 选择统计文件及掩膜文件
图2 计算统计参数
(3) 得到研究区的统计结果。在统计结果中,最后一列表示对应NDVI值的累积概率分布。我们分别取累积概率为5%和90%的NDVI值作为NDVImin和NDVImax。这里得到:
(1975年最大-最小值分别为0.631373,0.164706)
(1982年最大-最小是分别为0.433304,0.033548)
(1994年最大-最小值分别为 0.193801, -0.136407)
(2003年最大-最小值分别为0.695966,0.359034)
(2014年最大-最小值分别为0.542876 , 0.195782)
NDVImax=0.522991
NDVImin=0.031766
图3 统计结果
(4) 根据公式(4),我们可以将整个地区分为三个部分:当NDVI小于0.031766,VFC取值为0;NDVI大于0.522991,VFC取值为1;介于两者之间的像元使用公式(4)计算。利用ENVI主菜单->Basic Tools->Band Math,在公式输入栏中输入:
(b1 lt 0.031766)*0+(b1 gt0.522991)*1+(b1 ge 0.031766 and b1 le 0.522991)* ((b1-0.031766)/(0.522991-0.031766))
1975年图像:(b1 lt 0.164706)*0+(b1gt 0.631373)*1+(b1 ge 0.164706 and b1 le 0.631373)* ((b1-0.164706)/ (0.631373-0.164706))
1982年图像:(b1 lt 0.192913)*0+(b1 gt 0.433304)*1+(b1ge 0.192913 and b1 le 0.433304)* ((b1-0.192913)/ (0.433304-0.192913))
1994年图像:(b1 lt -0.136407)*0+(b1 gt 0.193801)*1+(b1 ge-0.136407 and b1 le 0.193801)* ((b1+0.136407)/ (0.193801+0.136407))
2003年图像:(b1 lt 0.359034)*0+(b1 gt 0.695966)*1+(b1ge 0.359034 and b1 le 0.695966)* ((b1-0.359034)/ (0.695966-0.359034))
2014年图像:(b1 lt 0.195782)*0+(b1 gt 0.542876)*1+(b1ge 0.195782 and b1 le 0.542876)* ((b1-0.195782)/ (0.542876-0.195782))
b1:选择NDVI图像
(5) 得到一个单波段的植被覆盖度图像文件,像元值表示这个像元内的平均植被覆盖度。在Display显示。
(6) 选择Tools->Color Mapping->DensitySlice,单击Clear Range按钮清除默认区间。
(7) 选择Opions->Add New Ranges,根据上面的对照表依次添加10个区间,分别为每个区间设置一定的颜色,单击Apply得到如下的植被覆盖图。
图4 植被覆盖度遥感估算结果
遥感NDVI估算植被覆盖度相关推荐
- ENVI软件对Landsat-8数据进行辐射定标、大气校正、提取NDVI、估算植被覆盖度等操作【图说GIS】
目录 一.前言 二.数据下载 第一步 访问网站 第二步 登录账户 第三步 点击高级检索, 下载数据 三.软件下载及安装 四.辐射定标 第一步 打开数据 第二步 辐射定标 五.计算区域平均高程 第一步 ...
- ENVI提取NDVI与植被覆盖度估算
公众号原文链接,欢迎关注 gENVI提取NDVI与植被覆盖度估算ENVI中NDVI计算与植被覆盖度提取https://mp.weixin.qq.com/s/Uc_14ObiYKKafQrtKqFjvg ...
- 基于NDVI的植被覆盖度计算--Arcgis
植被覆盖度的估算利用像元二分模型进行,基本原理就是假定一个像元的信息只由植被和土壤两部分贡献.根据影像上的NDVI灰度分布,以0.5%置信度截取NDVI上下阈值分别代表植被和土壤,并在Arcgis中利 ...
- 哨兵2a 波段组合_基于Sentinel-2(哨兵2)遥感卫星的植被覆盖度提取
1 Sentinel-2简单介绍 哨兵-2系列卫星的主要载荷多光谱成像仪拥有13个谱段,从可见光到近红外再到短波红外,空间分辨率从10m到60m,能实现全所未有的陆地海洋监测水平.其幅宽高达290KM ...
- ENVI下植被覆盖度的遥感估算
原文地址:ENVI下植被覆盖度的遥感估算作者:ENVI-IDL中国 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 ...
- ENVI不规则裁剪和植被覆盖度估算
ENVI实现不规则裁剪 **方法:**将不规则的Shp面状数据在ENVI中打开,然后转成ENVI自己的格式,然后转成ROI最后执行裁剪. 步骤: 1.打开栅格数据:通过File--OPEN IMAGE ...
- 基于Python根据置信度区间计算植被覆盖度
"把别人的经验变成自己的,他的本事就大了" 1 简述 大概九天前,我发了篇记录,大致是讲用Python计算Landsat8遥感生态指数RSEI,也就是下篇 "基于Pyth ...
- 植被覆盖度(FVC)计算
引言:植被作为生态大循环的重要参与者,在全球能量流动和物质循环中起着重要作用.通常植被覆盖度(Fractional vegetation cover, FVC)表征地表植被覆盖情况,一般将植被覆盖度定 ...
- 利用IDL计算植被覆盖度(VFC)
0. 前言 正巧IDL实验课考核的作业是利用4个Function和主Pro过程写一个遥感图像处理的代码,要求是前一个方法的输出是另一个方法的输入.以前一直想着能不能计算NDVI和植被覆盖度(VFC ...
- Python遥感图像处理应用篇(九):使用NDVI指数数据批量计算植被覆盖度FVC
1.植被覆盖度相关概念 植被覆盖度( Fractional Vegetation Cover,FVC)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.通常采用像元二分模型计算: 计 ...
最新文章
- hibernate中的hql查询语句list查询所有与iterate查询所有的区别
- [POJ1741]Tree
- vector机器人 WHAT DO I USE THE VECTOR APP FOR? 我使用 VECTOR 应用程序做什么?
- 信息系统项目管理师案例分析
- 求无序数组的第二小的元素
- Android 第十八课 强大的滚动控件 RecyclerView
- mysql 备份如何使用_如何使用命令来备份和还原MySQL数据库
- APP设计灵感|仪表盘这样设计,所有信息一目了然!
- sqlmap指定cookie_sqlmap处理cookie数据
- 为什么说强化学习是针对优化数据的监督学习?
- 手机游戏行业洗牌在即 成本增长小团队出局
- linux操作系统漏洞,常见的操作系统漏洞有哪些
- Opencv 图像融合/泊松融合/seamlessClone
- Visual Studio2012 安装教程
- Linux命令 - vi命令
- php时间戳转UTC时间
- java继承动物类_Java之继承
- 视频直播涉及的上行带宽问题~~
- 固态硬盘安装Win7双系统
- lzg_ad:XPE镜像文件部署详解
热门文章
- 怎么压缩PPT大小?
- deepfacelab SAE 模型训练参数详解
- H5表单中时间日期控件
- 插件效果【网站开发必备】——12款响应式 Lightbox(灯箱)效果插件
- 如何看懂财务报表|介绍
- 【运筹学】线性规划 单纯形法原理 ( 构造初始可行基 | 基变换 | 最优性检验 | 解的判别 | 检验数 | ( 唯一 / 无穷多 ) 最优解判别定理 | 无界解判别定理 )
- 项目启动大会和项目开工会议的区别
- python 中in
- 穿越沙漠问题c语言算法,沙漠穿越问题_c语言课程设计(9页)-原创力文档
- SpringBoot整合Thymeleaf(十三)