本文继续介绍使用QGIS基于多期哨兵2影像遥感指数阈值法提取冬小麦分布，本文为教程的第三部分：NDVI阈值选择和冬小麦种植面积提取。所使用的示范数据下载地址为：

链接: https://pan.baidu.com/s/1GI32ipvabbgu0Ic2Q-dhdg
提取码: 1nqx

01 NDVI阈值提取2019年裸地

查找阈值的过程需要将原始影像进行RGB波段合成。

点击按钮打开SCP窗口，切换到，点击2019年10月影像所在的Bandset，如“Band set 1”，激活Band set。

返回QGIS主窗口，在工具栏，输入波段组合，格式为：“R-G-B”，例如，输入“4-3-2”（红-绿-蓝）的波段组合，按回车后，将会显示如下的效果：

图层面板点击选中2019年10月NDVI对应的图层，如“NDVI2019”，右侧图层样式面板中，设置如下参数：

渲染方式：“单波段伪彩色”；

插值：离散；

颜色渐变：从下拉框选择任意色带；

标注精度：2；

模式：等间距；

类：3。

设置完成后点击下方的【分类】按钮，将NDVI数值等间距分为三个等级，如下图：

接下来我们开始观察和调整NDVI的阈值。根据NDVI指数的特点及经验，取初始裸地阈值为0<NDVI<=0.3（为演示精细提取裸地的功能，设定一定上下限范围，在实际业务测量中，也可以不设置下限范围，即提取出非植被区域也是可行的）。双击分类列表中的值，可以调整阈值；双击分类列表中的颜色块，修改类别对应的颜色。由于只需要提取裸地像元，可以设置NDVI小于0和NDVI大于0.3这两个类别为透明色，便于与多波段RGB影像叠加判别，如下图所示：

NDVI指数阈值的选取受到主、客观因素的影响，如研究区域作物光谱特征、影像质量等，阈值会有所不相同。以本例提取裸地来说，下限分离裸地与水体，上限分离裸地与植被，在本次操作中，采取将NDVI区间在0-0.4按照0.1间距递增，在第一个类别分界点下限分别输入0,0.1,0.2，观察水体与裸地是否正确归类。在第二个类别分界点分别输入0.2,0.3,0.4,0.5，观察裸地与植被是否归类正确。在敏感阈值内，也可以将NDVI递增步长减小，例如NDVI在0.3-0.35区间是裸地与植被的敏感分界点，可以按照0.01递增去试验分类阈值，即在第二类分界点依次输入0.35,0.36,0.37,0.38,0.39,0.4，观察分类结果。

备注：关于阈值划分有众多的研究优化阈值，读者根据需要选择不同的确定方法。

使用以上方法得到分类阈值以后，使用QGIS的栅格计算器提取裸地的二值化图像，即裸地像元取值=1，非裸地像元取值=0。

点击菜单【栅格】->【栅格计算器】，打开栅格计算器对话框。

假设上一步骤实验得到的裸地NDVI阈值为0.1-0.35，在栅格计算器公式输入区域编制表达式：

"NDVI2019@1" > 0.1 AND "NDVI2019@1" <= 0.35

指定输出路径和格式，点击【OK】，即可得到裸地区域。

02 NDVI阈值提取2020年植被

接下来从2020年4月NDVI中提取植被区域。

点击按钮打开SCP窗口，切换到，点击2020年4月影像所在的Bandset，如“Band set 2”，激活Band set。

NDVI指数越大，表示植被生长状况越好。因此，对于2020年4月的NDVI指数，只需要确定一个下限阈值即可，调整方式与裸地相同，例如假设NDVI>0.35表示植被，可以将NDVI>0.35用比较醒目的颜色表示，与RGB假彩色影像叠加，观察是否将所有植被正确归类。

本文中最终确定NDVI大于0.45为植被，点击菜单【栅格】->【栅格计算器】，打开栅格计算器对话框，在表达式输入区域输入如下：

"NDVI2020@1" > 0.45

指定结果输出路径，点击【OK】得到2020年4月份的植被分布。

03 提取冬小麦种植区域

根据之前所述，2019年10月裸地和2020年4月植被求交集运算（两个图层相乘），即可得到冬小麦的种植区域。

点击菜单【栅格】->【栅格计算器】，打开栅格计算器对话框，输入下列表达式：

"extract2019@1" * "extract2020@1"

得到如下结果：

观察分类结果，发现有很多独立像元被分为小麦（椒盐现象），需要进行细碎像元点的去除。点击->，设置参数：

Select the classification（选择分类图层）：原阳县2020年冬小麦；

Size threshold（独立像元尺寸）：4（表示小于2像元的区域将被抹去，这个尺寸根据实际情况自行设定）；

点击按钮，设置计算结果的存储路径，生成去除细碎冬小麦像元的数据。

与原分类结果叠加，可以看到因面积太小而被过滤的像元，如下图：

至此，基于遥感指数阈值法提取冬小麦种植面积结束，下一节将演示如何对提取结果进行精度评价。

讲解视频：【请关注B站账号：QGIS课堂】

-----------本节到此结束，未完待续-------------

QGIS基于多期哨兵2影像遥感指数阈值法提取冬小麦分布（3）-NDVI阈值相关推荐

QGIS基于多期哨兵2影像遥感指数阈值法提取冬小麦分布（4）-分类精度评价
本文继续介绍使用QGIS基于多期哨兵2影像遥感指数阈值法提取冬小麦分布,本文为教程的第四部分:分类结果精度评价.所使用的示范数据下载地址为: 链接: https://pan.baidu.com/s/1 ...
QGIS基于多期哨兵2影像遥感指数阈值法提取冬小麦分布（1）-数据预处理
本文演示使用QGIS基于NDVI遥感指数阈值法结合决策树提取冬小麦种植面积的过程,总体思路为:根据研究区域冬小麦生长周期特点,选择关键生长期多期遥感影像,计算NDVI指数,并根据NDVI提取关键地类, ...
基于Python Unet的医学影像分割系统源码，含皮肤病的数据及皮肤病分割的模型，用户输入图像，模型可以自动分割去皮肤病的区域
手把手教你用Unet做医学图像分割我们用Unet来做医学图像分割.我们将会以皮肤病的数据作为示范,训练一个皮肤病分割的模型出来,用户输入图像,模型可以自动分割去皮肤病的区域和正常的区域.废话不多说, ...
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 ...
部分常见遥感指数(RSEI)原理与计算方法，以及效果比较
目录前言指数使用前需知遥感指数植被指数归一化植被指数NDVI 归一化差值山地植被指数NDMVI 增强型植被指数EVI 比值植被指数SR/植被指数RVI 差值植被指数DVI 调节土壤的植被指数 ...
基于深度学习的遥感影像语义分割数据预处理
基于深度学习的遥感影像语义分割数据预处理第一次处理数据,不熟练,仅供参考数据预处理工具:Arcgis 第一步:下载遥感影像tif数据根据实际需求选择感兴趣的遥感影像区域数据来源:Google卫 ...
毕业设计-基于BIT的双时相遥感影像变化检测（附下载链接-Python源码+毕业论文+答辩PPT+相关资料等等）
毕业设计-基于BIT的双时相遥感影像变化检测(Python开发) 点我下载文件论文目录压缩包目录毕业设计内容摘要(主要应解决的问题.难点): 掌握国土资源利用率和土地覆盖类型,是地理国情普查与 ...
QGIS基于快鸟（QuickBird）影像统计小麦种植面积
01 数据情况本次选用某地4月份快鸟(QuickBird)影像为例,使用QGIS演示提取小麦播种情况,并按照200米*200米分区计算种植面积的过程. 注:本文对应的操作视频作为今天第二篇推送同 ...
哨兵2a 波段组合_一种针对哨兵2A影像的建筑物阴影提取处理方法与流程
本发明涉及建筑物阴影提取技术领域,尤其涉及一种针对哨兵2A影像的建筑物阴影提取处理方法. 背景技术: 阴影在遥感影像中是一种广泛分布,不可忽视的地物.在高分影像中,城市的建筑物阴影通常由于高大的建筑物 ...

QGIS基于多期哨兵2影像遥感指数阈值法提取冬小麦分布（3）-NDVI阈值

01 NDVI阈值提取2019年裸地

02 NDVI阈值提取2020年植被

03 提取冬小麦种植区域

QGIS基于多期哨兵2影像遥感指数阈值法提取冬小麦分布（3）-NDVI阈值相关推荐

最新文章

热门文章