文档介绍：植被覆盖率估算植被覆盖率估算模型一:研究区域数据获取本次实验主要是对植被覆盖率估算, 因此实验区域的影像因尽量选择植被茂盛的季节。在数据源选取上, 我在马里兰大学的网站下了 Landsat 5 1T 级数据, 包够了红,绿,蓝, 近红外, 热红外 7 个波段。下载的地区是覆盖了福建省中部地区 2009 年6月6 日的影像。下图(图 1 )为原始数据的假彩色合成图一:原始数据假彩色合成二:数据预处理进行植被覆盖率估算, 需要用到归一化植被指数( NDVI )。 NDV I 植被覆盖率估算的物理依据是地物反射率的差异变化,所以用反射率来计算是比较客观准确的。 TM 原始数据就是 DN值, 不能用来直接计算 NDVI , 必须通过辐射定标计算成反射率,才能用来计算 NDVI 。因此,要对对实验数据先进行辐射校正和大气校正。下载的 L1T 级数据, 头文件( L5119042_04220090606_MTL )有详细影像参数,控制点文件( L5119042_04220090606_GCP )中有控制点高程信息用于大气校正的地形参数, 可以利用这两个文件做辐射校正和大气校正。(1 )辐射定标实验使用数据为 L1T 级数据,经过系统辐射校正的数据。由于1 级产品的 DN 值是由辐射亮度线性变换得到的, 因此从 1 级产品计算辐射亮度只需利用相关参数( Gain 和 Bias ) 进行线性反变换即可,计算过程比较简单。各参数可在影像头文件中找到, Calibration Type 注意选择为 Radiance 。植被覆盖率估算图2 :辐射定标参数设置(2 )大气校正大气校正是采用 ENVI 的 FLAASH 模块, FLAASH 模块要求输入辐亮度图像,输出反射率图像。之前对进行了辐射定标,得到辐亮度图像, 在这里要把 BSQ 格式的图像转换为 BIL 或者 BIP 格式的图像。 FLAASH 校正输入图像后, 程序会让你选择 Scale Factor , 即原始辐亮度单位与 ENVI 默认辐亮度单位之间的比例。 ENVI 默认的辐亮度单位是μ W/cm2 ? sr? nm ,而之前我们做辐射定标时单位是 W/m2 ? sr ?μ m ,二者之间转换的比例是 10 ,因此在下图中选择 Single scale factor ,填写 。其中参数中心坐标,影像获取时间, 都可以在头文件中获取, 大气参数可以查看 ENVI hel p 来确定, 还有研究区域的平均高程, 可以通过 GCP 文件大致估算。 FLAASH 的参数设置如下图(图 3)。图3: FLAASH 参数设置植被覆盖率估算三:研究区域裁剪本来想以福建省为研究区域,但是这景影像覆盖了福建省中部百分之 90 左右的距离, 但并没有覆盖完整, 所以无法用矢量边界裁剪,我就规则裁剪了一块区域做研究图5 :裁剪区域植被覆盖率估算四:分类这里我选择了用最大似然法进行监督分类(1) 训练区选择由于分辨率不太高, 并且结合植被覆盖度估算中用到的三种模型,我将图像分为了 5 类,水体和裸地的 fg=0 ,林地和城区用等密度模型估算,草地用非等密度模型估算。图6: ROI 选择(2 )采用最大似然分类植被覆盖率估算图7 :最大似然分类参数设置图8 :最大似然分类结果五:土壤线方程参数确定植被覆盖率估算土壤线: 指土壤的光谱值在近红外波段和红波段的反射率或亮度值所构成的二维平面上的线性关系, 是对大量土壤光谱信息的综合描述。土壤线方程为: NIR=aR+b 其中: NIR —近红外波段的反射率或 DN 值; R—红色波段的反射率或 DN 值; a和b—分别为土壤线的斜率和截距。 TM 影像的 band 3 是红色波段, band 4 是近红外波段。在 ENVI 中绘制散点图, 然后选择散点图的土壤线部分, 导出对应图像 AOI 区的 ASCLL 码文件,在 EXCEL 中进行曲线拟合。拟合结果如下图(图 9 )所示图9 :土壤线方程拟合得到参数 a= b= 由于我进行大气校正后,结果并没有/10000 ,所以土壤线截距为 300+ , 但后面的计算同一用没有/10000 的影像来做, 并不会对最后的 fg 产生影响。六: NDVI 的确定植被覆盖率估算使用大气校正后得到的反射率数据, 直接用 ENV I的 Band mat h 计算 NDVI 。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。由于影像的背景值和无效值影响, 导致计算的 NDVI 值范围超出了[-1,1] 之间。因此, Band math 下输入公式-1> b1<1( b1: NDVI 波段) ,最小值