Erdas和ENVI中利用NDVI提取植被指数的步骤
NDVI：归一化植被指数
和植物的蒸腾作用、太阳光的截取、光合作用以及地表净初级生产力等密切相关。
1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等；
2、-1<=NDVI<=1，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；
3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI 对高植被区具有较低的灵敏度；
4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关；
erdas里面利用NDVI提取植被指数的步骤：
1、在Erdas的主工具中选择Interpreter模块，出现Image Interpreter对话框
2、然后选择Spectral Enhancement，会弹出Spectral Enhancement对话框
3、再选择Indices选项出现Indices对话框
以TM数据为例进行说明，选择InputFile，选择Output File，在OutputOptions的Sensor中选择Landst TM，在SelectFunction里面选择NDVI，DataType默认为Float不用改变，可以发现最下面的Function显示band 4 - band 3 / band 4 +band 3，这个就是NDVI的计算公式。最后选择OK即可完成，这里要注意的是没有OutputFile的话Ok按钮时不能使用的。如果NDVI计算的话在ENVI是最方便的在Transform菜单下就有，同时ENVI的波段计算功能也很方便完成NDVI 计算。
另外，ERDAS MODEL做NDVI分类
首先说如何做NDVI，虽然ERDAS里有个现成专门可以做NDVI的的地方，但是我们注意到TM4+TM3可能为0，当除数为0时系统会报错，所以应该在分母上加0.001或0.0001都可以。这样分母就不会为0了，同时注意输出图象类型要是float single，否则做出来的结果可能是空白图象。
给NDVI图象进行再分类:注意输出图象类型为thematic。
其中中间一步要这样设置：注意先选中左框里的原始NDVI波段，然后点ADD CLUMMN 按钮，并定义你的范围。
ENVI中提取NDVI值
1、打开图像
2、主菜单中，Transforms---NDVI,显示如下窗口，
选择影像---OK
3、在以下窗口中输入相应的参数
点击OK，即可。
说明：选择浮点型，ENVI数值范围保持为-1~1;
选择字节型，键入最小NDVI值，该值将被拉伸为0；键入最大NDVI值，该值将被拉伸为255，获得的ENVI将被拉伸为0~255 的范围。
这样得到的ndvi图式HDR格式的，要想在ERDAS中打开需要转换成IMG格式的：
打开ERDAS软件，点击import，显示如下窗口：
ENVI下植被覆盖度的遥感估算 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。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。 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%
AVHRR图像上的水体提取 ●AVHRR图像上水体表现及特征分析 ●AVHRR图像上的水体识别提取模型 AVHRR图像上水体表现及特征分析 ●AVHRR数据拥有5个通道（CH），CH1（0.58-0.68微米）属橙色可见光范围，对水体中的泥沙 含量十分敏感；CH2（0.725-1.1微米）为近红外通道，为水的强吸收带，水体的反射率很低，水体的边界轮廓十分清晰。 ●为了整体上了解水体空间、时间、水质上的多变性在AVHRR影像上的反映，以及水体与其他易 混地物的区别，采用分地物类别按时间、空间变化的规律对AVHRR数据进行采样分析，分别在2月、5-8月AVHRR图像上对湖泊（太湖、鄱阳湖、洞庭湖、青海湖）、河流（长江、辽河）、海洋（黄海、东海、渤海）、云、云影、城市（上海、无锡、苏州、杭州）的光谱值进行采样分析。 ●该图幅内以平均值的光谱曲线为分界，厚云、薄云五个波段都相对为高值，光谱曲线明显高出 平均曲线；而其它地物明显低于或围绕平均曲线有小的起伏，其中云影在CH3、CH4、CH5又稍高于平均水平。从曲线的走向看，云、云影与河流、积水区一致，因此，要进一步区分水体与云及云影，在原有CH1>CH2的规律下，须加入CH2、CH3的判断条件，利用CH2、CH3的均值分别排除云及云影。 ●图内的河流、湖泊、海洋的3、4、5波段则相对洪水期有增高，表现出高于图幅均值的规律； 而云影在曲线走向和数据大小都与各种水体的规律极为相似，无法再加以区分；反而该时期的城市曲线依然全低于图幅均值，落在平均曲线的下方，虽然在CH1、CH2也满足水的规律，但完全可以利用CH3波段把它剔除掉。 ●上面的采样分析可知，在AVHRR这一特定的传感器上，水体的遥感特性与地面实测相比呈现出 一定程度的变化，表现为：正常情况下水体随空间的变化幅度较小，而随时间的变化幅度较大，而在洪水期间，水体表现大幅度的变化，由平常时期的相对稳定到起伏较大，呈现出特殊的规律。其中由于降水的增加引起水中泥沙含量，水温等异常变化也起到了相当大的作用，而由于时间变化引起水体的变化反映则相当的微弱。但无论水体随时间，空间怎么变化，则其在近红外吸收的特性则始终不变，且表现为CH1>>CH2，CH2<图像的均值；CH3有规律的上升或下降，在正常时期，水体CH3大于整幅图像的平均值，而洪水期间CH3小于整幅图像的均值，这就是水体在光谱多变性条件下，呈现出的统一规律，即光谱特征。 AVHRR图像上的水体提取模型 根据大量的水体光谱样本分析，得出AVHRR数据的水体信息摄取的基本光谱模型： ●CH1》CH2，且CH2<图像平均值； 洪灾期：CH3<图像平均值；非洪水期，且CH3>图像均值； ●随着水面积减小，混浊度增加，水深变浅，水体特征有所改变。CH1相对减小，CH2相对增加， 有向陆地逐渐过渡的趋势，且往往该部分水体是陆地包围的水体或覆盖在陆地上的浅水体。 ●在分析了水体在图像上的空间特征后，在光谱模型上又给出水体的空间模型： –水体相对于陆地或云层等呈现出较为均一的图斑，无明显的纹理特征 –水体图斑的边界相对于云层较稳定，河流的线状特征，湖泊、海洋等的面状特征较明显。 以上的光谱模型和空间模型采用面向对象的思想完成模型建立，可以实现水体的智能化信息提取。 TM图像上的水体提取 ●由于时间分辨率的限制，在洪水期难以获得无云雾的TM图像，因此TM主要用于洪水灾害损失 评估和本底水体的提取。 ●从TM数据中提取水体信息的关键是区分水体与其他地物的阴影，这同样需要进行不同地物各 波段的光谱值分析。 ●水体、阴影的第5波段明显小于第2波段。而其它地物则刚好相反。在第2、3波段上，水体的
利用ArcGIS水文分析工具提取河网水系的方法 DEM包含有多种信息，ArcToolBox提供了利用DEM提取河网的方法，但是操作比较烦琐（帮助可参看Hydrologic analysis sample applications），今天结合我自己的使用将心得写出来与大家分享。提取河网首先要有栅格DEM，可以利用等高线数据转换获得。在此基础上，要经过洼地填平、水流方向计算、水流积聚计算和河网矢量转化这几个大步骤。 1．洼地填平 DEM洼地（水流积聚地）有真是洼地和数据精度不够高所造成的洼地。洼地填平的主要作用是避免DEM的精度不够高所产生的（假的）水流积聚地。洼地填平使用ArctoolBox->Spatial Analysis Tools->Hydrology -> Fill工具。 2．水流方向计算 水流方向计算就可以使用上一步所生成的DEM为源数据了（如果使用未经洼地填平处理的数据，可能会造成精度下降）。这里主要使用ArctoolBox->Spatial Analysis Tools->Flow Direction 工具。输入的DEM 采用第一步的Fill1_exam1
3．水流积聚计算 这里主要使用ArctoolBox->Spatial Analysis Tools->Flow Accumulation 工具流向。栅格数据就是第二步所获得的数据（FlowDir_fill1）。可以看到，生成的水流积聚栅格已经可以看到所产生的河网了。现在所需要做的就是把这些河网栅格提取出来。可以把产生的河网的支流的象素值作为阀值来提取河网栅格。 4．提取河网栅格 使用spatial analyst中的栅格计算器，将所有大于河网栅格阀值的象素全部提取出来。至于这个阀值是多少因具体情况而定。通常是要大于积聚计算后得到栅格的最低河流象素值。这里采用的是500这个值。最后生成只有0、1值的栅格数据。其中1表示是河网，0是非河网。 5．生成河网矢量 这里主要使用ArctoolBox->Spatial Analysis Tools->Stream to Feature工具.Input Stream raster 为第四步只有0、1值的河网栅格。流向栅格使用第二步所生成的栅格数据。 6．矢量河网处理 由于Stream to Feature工具.将所有栅格象素均转为矢量线段。所以要进行处理，方法是利用属性查询的方法把所有GRID_CODE为1的全部选择出来。
本科学生综合性、设计性 实验报告 姓名宋国俊学号114130168 专业地理信息系统班级 实验课程名称遥感地学分析 实验名称NDVI计算 开课学期2011 至2012 学年下学期 云南师范大学旅游与地理科学学院编印 一、实验准备
1、实验目的和要求： 利用TM卫星数据，应用ENVI软件进行归一化植被指数的计算，及在此基础对研究 区进行植被覆盖率的提取，根据植被覆盖率进行一些应用分析。 2、实验材料及相关设备： 昆明影像数据(path/row:129/43（2002.02.09）)ENVI及ArcGIS软件。 3、实验方法步骤及注意事项： 实验方法：利用ENVI及ArcGIS图像处理软件，参考软件的处理操作步骤，对图像进行处理。 注意事项：下载数据时应该严格遵照行列号来下载，下载的数据要包括完整的影像数据信息以便数据的预处理。 二、实验内容、步骤和结果（详细写清楚本次实验的完成的主要内容、具体 实施步骤和实验结果。） 1、实验内容 利用下载的昆明影像数据用ENVI进行NDVI计算，计算公式如下： NDVI=(NIR-R)/(NIR+R)(NIR为近红外波段，R为红光波段) 2、实验步骤 (1)对昆明影像数据进行辐射定标： Ⅰ、启动ENVI File→Open External File→Landsat→Geo TIFF with metadata→Enter Landsat MetaData Filenames（输入元数据） Ⅱ、Spectral→Preprocessing→Calibration utilities→Landsatcalibration→Landsat calibration input file→输 入第一步的元数据 Ⅲ、将辐射定标后的数据转化为BIL格式：
论文题目ArcGIS环境下基于DEM的水文特征提取研究姓名 所在学院 专业班级 学号109042010006 指导老师 二○一三年一月四日
数字高程模型10GIS姜婷109042010006 ArcGIS环境下基于DEM的水文特征提取研究 ——以闽江流域建溪水系为例 姜婷 （福建师范大学地理科学学院，福建省福州市350108） 摘要：选择闽江流域建溪水系为研究对象,以数字高程模型DEM(Digit Elevation Models)为基础,利用ArcGIS软件的水文分析工具从DEM数据中提取研究区域的流域水文特征的详细过程。主要包括:DEM的生成和预处理、水流方向的确定、水流累积量提取、河网的提取和子流域的划分。结果表明，利用该方法提取的河网与利用手工方法提取的河网基本一致，从而证明该方法具有较高的精度。 关键词：数字高程模型；水文特征；ArcGIS；提取；建溪水系 21世纪以来水资源危机日益突出，水文模型已经成为目前国内外水文学研究的热门课题。随着“3S”技术的发展，为水文科学注入了新的血液。目前水文模拟技术趋向于将水文模型同GIS 与RS集成，以便充分利用GIS在数据管理、空间分析及可视性方面的功能。数字高程模型DEM (Digital ElevationModel)是用一组有序数值阵列形式表示地面点的平面坐标(x,y)和高程z的一种实体地面模型。它包含了大量的地理信息,是构成GIS的基础数据，其用途十分广泛,利用DEM可以提取流域的许多重要水文特征参数，如坡度、坡向、水沙运移方向、汇流网络、流域界线等。目前,利用DEM进行流域分析的工具很多,ArcGIS的水文分析模块(Hydro logymodel)是美国环境系统研究所公司(ESRI)为ArcGIS推出的一个水文分析模块,主要用于地形和河流网系的提取和分析,实现地形模型可视化,其强大的流域特征分析功能可以满足各种流域DEM处理的需要。 1流域概况 建溪是闽江上游三大溪中最大的溪流，是一个树枝状水系。水系源头在武夷山脉和仙霞岭余脉，南平以上流域面积16396平方公里，占闽江流域的27%。河系贯通崇安、建阳、浦城、松溪、政和、建瓯、南平七个县市。河流总长635.6公里，流域内有大小溪流120多条。流域内气候温和湿润，处于高雨区，年平均降雨量1800～2200毫米。建溪的年均流量每秒521立方米，年径流量164亿立方米，约占闽江总流量的1/3。流域内山区海拔差异明显,因而该水系具有河流比降大、源短流急、易发洪水等特点。本文基于该流域的数字高程提取流域水文信息为不同尺度的水文模型提供参数,并可满足各种水文模拟的应用需求。 2基于DEM的流域水文信息提取 流域水文信息是进行水文模拟的必要信息，提取流域信息也是构建现代化水文模型、进行水文模拟以及其他相关研究的前提。作为研究水文模型和水文状态变量空间分布的基础数据,DEM 的一个重要用途就是提取地貌指数。本文采用ArcGIS中的水文分析模块进行流域水文信息的提取。流域水文特征提取的主要过程包括：DEM 的生成和预处理、水流方向的确定、汇流累积量的计算、河网的提取和子流域的划分。 2.1DEM数据的来源和预处理 本文的栅格DEM数据采用国际科学数据服务平台（https://www.doczj.com/doc/9b12967758.html,/index.jsp）提供的SRTM90米空间分辨率基础高程的数据。根据闽江流域建溪水系的经纬度坐标,确定出该数据的列号为60行号为7。 首先利用ArcGIS软件切出建溪流域所在区域的DEM，其中包括崇安、建阳、浦城、松溪、政和、建瓯、南平七个县市，从而生成本实验所需的DEM数据，见图1。
Erdas里面利用NDVI提取植被指数的步骤 NDVI：归一化植被指数和植物的蒸腾作用、太阳光的截取、光合作用以及地表净初级生产力等密切相关。 1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等； 2、-1<=NDVI<=1，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； 3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度； 4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关； 在erdas里面利用NDVI提取植被指数的步骤如下： 1、在Erdas的主工具中选择Interpreter模块，出现Image Interpreter 对话框 2、然后选择Spectral Enhancement，会弹出Spectral Enhancement对话框 3、再选择Indices选项出现Indices对话框
以SPOT 数据为例进行说明，选择InputFile ，选择Output File ，在OutputOptions 的Sensor 中选择SPOT XS/XI ，在SelectFunction 里面选择NDVI ，DataType 默认为Float 不用改变，可以发现最下面的Function 显示band 3 - band 2 / band 2 +band 3，这个就是NDVI 的计算公式。最后选择OK 即可完成，这里要注意的是没有OutputFile 的话Ok 按钮时不能使用的。如果NDVI 计算的话在ENVI 是最方便的在Transform 菜单下就有，同时ENVI 的波段计算功能也很方便完成NDVI 计算。
遥感影像中水面及水体信息提取方法的研究 胡启中1，祁建勇2 （1.上海佳文比特信息科技有限公司，上海，200135；2.河北建设勘察研究院有限公司，石家庄，050031） 摘要：根据遥感影像中不同光谱波段对不同地物的反射率特征，以西洋河流域2000年春秋两期Landsat7 ETM＋遥感数据为研究对象，结合实地调查数据，利用地理信息系统及遥感数据处理系统软件平台，建立植被覆盖度对不同季节、不同程度的植被覆盖、岩土裸露及水面水体相关的特征关系、对该流域内分布的各类中小型水库塘坝的水面和水体信息的分析和提取方法进行系统的研究和验证。通过结果分析表明：根据不同时相遥感影像的光谱波段组合建立不同的处理方法可以提高季节性变化的水面及水体信息识别和提取的精度和效率。 关键词 ：遥感影像；光谱分析；水体信息；提取方法 水面及水体信息的分析和提取，一直是遥感影像分析处理及解译分类的基础性工作，在水资源调查、水环境监测、水灾害评估等许多方面得到了广泛应用。国内外很多专家学者在大规模区域尺度、高精度空间分辨率及多时相时间分辨率的遥感数据基础上对水体的提取方法做了深入研究，并提出了许多行之有效的方法。 在中小流域尺度范围上，基于中低空间分辨率的卫星遥感影像，对各类中小型水库塘坝的水面及水体信息的分析和提取是困难的，即使单一的借助专业的遥感数据处理系统软件平台进行分类解译，不仅技术性强，步骤繁多，模型构造复杂，也是费工费时费力的。水域范围精度控制和水面水体提取效率的提高一直是遥感解译水面及水体信息方法改进的驱动力。 1 Landsat7 ETM＋遥感波段光谱特征及归一化植被指数应用 遥感数据是在预定的光谱波段（波长）上获得的。美国陆地卫星7号（Landsat-7）携带的增强型专题制图仪（ETM+），包含三个可见光波段兰绿红、一个近红外波段、二个中红外波段，空间分辨率为30米；一个热红外波段，空间分辨率为60米；另加一个空间分辨率为15米的全色波段。尽管空间分辨率不是较高，重采样覆盖周期16天，但其波段设置比较合理，并采集传输回大量的遥感数据，成为陆地资源调查及生态环境监测等诸多领域应用重要的遥感数据源之一。各种地物，尤其是岩石土壤、绿色植被和水面水体在可见光和红外波段附近具有明显的反射率特征。在光谱中，波段3可见光红光主要被植物吸收，同土壤和岩石相比，绿色植物的反射系数相当弱；而在波段4近红外线部分的反射却比多数其它地表覆盖物的反射要强得多[ 1 ]。水面或水体几乎吸收了近红外波段4和中红外波段5或7的全部能量使之反射率很低，同时土壤和植被在这三个波段内的吸收能量较小，而有较高的反射率，这就使得水体在这三个波段上与植被和土壤具有明显的光谱特征差异。因此在假自然色彩波段合成影像（RGB543波段组合）中，水体呈现出深蓝色及蓝色的暗色调，而土壤因其岩类基质特征呈不同浅色调，植被则呈现出相对较亮的深绿色、绿色或浅绿色色调。但由于不规则山体阴影的影响，使得近红外、中红外在阴坡面的反射能量特别低，它们在影像上也呈现出明显的暗色调；规则的铁路线、公路线等基础设施在遥感影像上也同时呈现出明显的暗色调。水面水体与山体阴影、铁路线、公路线等基础设施的光谱特征混淆使得遥感解译的普通分类方法难以准确提取水面水体信息。 归一化植被指数（NDVI），是植被指数的一种通用化指标形式，正是利用了遥感数据中近红外线和红光之间植被、水体及岩石土壤等其它地物的光谱特征，计算两波段之间的差异或比值，使之反映植被覆盖状况。因此，通过遥感数据直接计算的植被指数近一步估算植被覆盖度，在全球植被变化、作物生长状况、
ArcGIS Hydrology水文分析功能介绍(1)-基本原理 1.基本原理 DEM是数字高程模型的英文简称(Digital Elevation Mode)，是流域地形、地物识别的重要原始资料。自20世纪60年代以来,在利用数字高程模型DEM提取流域水文特征,模拟地表水文过程方面,国内外都开展了大量的研究。 1.1基于DEM进行流域分析的原理 从DEM提取流域特征，一个良好的流域结构模式是确定算法的前提和关键。1967年ShreveL¨描述的流域结构模式一直被后来的水文学者所引用．并设计了一些成熟的算法。 Shreve使用一个具有一个根的树状图来描述流域结构(如图 1 流域结构模式图所示)。在这个结构中，主要包括两个部分，一部分是结点集，一部分是界线集。沟谷结合点和沟谷源点共同组成一个沟谷结点集。所有的沟谷段组成沟谷段集，形成一个沟谷网络；所有的分水线段组成分水线段集，形成一个分水线网络；沟谷段集和分水线段集共同组成界线集。 沟谷网络中的每一段沟谷都有一个汇流区域，这些区域由流域分水线集来控制。外部沟谷段有一个外部汇流区．而内部沟谷段有两个内部汇水区，分布在内部沟谷段的两侧。整个流域被分割成一个个子流域．每个子流域好象是树状图上的一片“叶子”。 Shreve的树状图流域结构模型是简单明确的．虽然沟谷网络的结点模型和线模型与在栅格DEM中用于表示沟谷结点和沟谷线的栅格点和栅格链之间存在着拓扑不一致性。但它给出了沟谷网络、分水线网络和子汇流区的定义，明确表达了它们之间的相关关系，成为设计流域特征提取技术的基础。
1.2 常用算法 流向判定建立在3×3 的DEM 栅格网的基础上，其方法有单流向法和多流向法之分，但单流向法因其确定简单、应用方便而应用广泛。 1.2.1 单流向法 单流向法假定一个栅格中的水流只从一个方向流出栅格，然后根据栅格高程判断水流方向。目前应用的单流向法是D8法。此外，还有Rho8 方法、DEMON 法、Lea 法和D∞ 法等。最常用的是D8 法：假设单个栅格中的水流只能流入与之相邻的8 个栅格中。它用最陡坡度法来确定水流的方向，即在3×3 的DEM 栅格上，计算中心栅格与各相邻栅格间的距离权落差（即栅格中心点落差除以栅格中心点之间的距离），取距离权落差最大的栅格为中心栅格的流出栅格。 所谓最陡坡度法的原理是假设地表不透水，降雨均匀．那么流域单元上的水流总是流向最低的地方“窗口滑动指以计算单元为中心，组合其相邻的若干个单元形成一个窗口”，以“窗口”为计算基本元素，推及整个DEM，求取最终结果。目前应用最广泛的是基于流向分析和汇流分析的流域特征提取技术。Jenson and Domingue (1988)设计了应用该技术的典型算法，该算法包括3个过程：流向分析，汇流分析和流域特征提取。 1) 流向分析：以数值表示每个单元的流向。数字变化范围是1～255。其中1：东；2：东南；4南；8：西南；16：西；32：西北；64：北；128：东北。除上述数值之外的其它值代表流向不确定，这是由DEM中洼地”和“平地”现象所造成的。所谓“洼地”即某个单元的高程值小于任何其所有相邻单元的高程。这种现象是由于当河谷的宽度小于单元的宽度时，由于单元的高程值是其所覆盖地区的平均高程，较低的河谷高度拉低了该单元的高程。这种现象往往出现在流域的上游。“平地指相邻的8个单元具有相同的高程，与测量精度、DEM单元尺寸或该地区地形有关。这两种现象在DEM 中相当普遍，Jenson and Domingue 在流向分析之前，将DEM进行填充；将“洼地”变成“平地”，再通过一套复杂的迭代算法确定“平地”流向。流向分析过程如图所示。 2) 汇流分析：汇流分析的主要目的是确定流路。在流向栅格图的基础上生成汇流栅格图．汇流栅格上每个单元的值代表上游汇流区内流入该单元的栅格点的总数，既汇入该单元的流入路径数(NIP)，NIP较大者，可视为河谷，NlP等于0，则是较高的地方，可能为流域的分水岭。
[基础科学]Erdas和ENVI利用NDVI提取植被指数的步骤Erdas和ENVI中利用NDVI提取植被指数的步骤 NDVI:归一化植被指数 和植物的蒸腾作用、太阳光的截取、光合作用以及地表净初级生产力等密切相关。 1、NDVI的应用:检测植被生长状态、植被覆盖度和消除部分辐射误差等; 2、-1<=NDVI<=1，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; 3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度; 4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关; erdas里面利用NDVI提取植被指数的步骤:
1、在Erdas的主工具中选择Interpreter模块，出现Image Interpreter对话框 2、然后选择Spectral Enhancement，会弹出Spectral Enhancement对话框 3、再选择Indices选项出现Indices对话框 以TM数据为例进行说明，选择InputFile，选择Output File，在OutputOptions的Sensor中选择Landst TM，在SelectFunction里面选择NDVI，DataType默认为Float不用改变，可以发现最下面的Function显示band 4 - band 3 / band 4 +band 3，这个就是NDVI的计算公式。最后选择OK即可完成，这里要注意的是没有OutputFile的话Ok按钮时不能使用的。如果NDVI计算的话在ENVI是最方便的在Transform菜单下就有，同时ENVI的波段计算功能也很方便完成NDVI计算。 另外，ERDAS MODEL做NDVI分类 首先说如何做NDVI，虽然ERDAS里有个现成专门可以做NDVI的的地方，但是我们注意到TM4+TM3可能为0，当除数为0时系统会报错，所以应该在分母上加0.001或0.0001都可以。这样分母就不会为0了，同时注意输出图象类型要是float single，否则做出来的结果可能是空白图象。 给NDVI图象进行再分类:注意输出图象类型为thematic。
水体提取方法简单归纳总结 一、基于MODIS影像的几种提取方法。 最常用的水体提取方法： 波段阈值法、谱间关系法（波段组合法）和多光谱混合分析法 单波段阈值法是提取水体的最简单易行的方法。 基本原理：是利用水体在近红外波段上反射率较低,易与其它地物区分的特点,选取单一的红外波段, 通过反复试验, 确定一个灰度值,作为区分水体与其它地物的阈值即可。 缺点：是无法将水体与山区阴影区分开来,提取的水体往往比实际要多。 有些文献中叙述由于阀值随时间、地点变化的不确定性使得该方法具有局限性,但对于非山区的特定时相和区域里,尤其像MODIS 这样高光谱的遥感数据, 首先应选用阈值法进行试验,因为光谱的细分已经将上述问题大大减弱。若能获得较满意的提取效果,则很容易实现水体的自动提取。 对于用阈值法确实得不到理想效果的,则可以考虑谱间关系法和多光谱混合分析法。 利用谱间关系可建立的模型很多,如对波段进行如下组合运算CH7/CH6 ,CH7/CH5, CH6/CH5, 从而找出组合图像上水陆分界非常明显的影像。以CH7/CH6为例,可以采用如下方法剔除非水体: 在ENVI 软件下输入CH7 及CH6 波段, 运用波段计算功能,将公式CH7/CH6 输入,载入影像, 在放大窗口中,手工裁取明水水域范围, 生成多边形,对各多边形赋予一个感兴趣区( AOI) 文件, 并将其输出为EN-VI 等矢量文件即可。 对波段进行组合运算的目的,是为了增强水陆反差。MODIS 数据的波段1 是红光区( 0. 62 ～0.67um) ,水体的反射率高于植被, 波段2 是近红外区( 0. 841 ～0. 876um) ,植被
常用的植被指数，土壤指数，水体指数有哪些？ 植被指数与土壤指数 一、RVI——比值植被指数：RVI=NIR/R，或两个波段反射率的比值。 1、绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。植被的RVI通常大于2； 2、RVI是绿色植物的灵敏指示参数，与LAI、叶干生物量(DM)、叶绿素含量相关性高，可用于检测和估算植物生物量； 3、植被覆盖度影响RVI，当植被覆盖度较高时，RVI对植被十分敏感；当植被覆盖度<50%时，这种敏感性显著降低； 4、RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。 二、NDVI——归一化植被指数：NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。 1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等； 2、-1<=NDVI<=1，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；
3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度； 4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关； 三、DVI\EVI——差值\环境植被指数：DVI=NIR-R，或两个波段反射率的计算。 1、对土壤背景的变化极为敏感； 四、SAVI\TSAVI\MSAVI——调整土壤亮度的植被指数： SAVI=((NIR-R)/(NIR+R+L))(1+L)，或两个波段反射率的计算。 1、目的是解释背景的光学特征变化并修正NDVI对土壤背景的敏感。与NDVI相比，增加了根据实际情况确定的土壤调节系数L，取值范围0~1。L=0 时，表示植被覆盖度为零；L=1时，表示土壤背景的影响为零，即植被覆盖度非常高，土壤背景的影响为零，这种情况只有在被树冠浓密的高大树木覆盖的地方才会出现。 2、SAVI仅在土壤线参数a=1,b=0（即非常理想的状态下）时才适用。因此有了TSAVI、ATSAVI、MSAVI、SAVI2、SAVI 3、SAVI4等改进模型。 五、GVI——绿度植被指数，k-t变换后表示绿度的分量。
水体样本提取的方法 手提 （细菌细胞直径约0.5um，长度约0.5~5um） 将300-500ml水样通过0.45um或者0.22um的滤膜 如果水样中不可溶解的颗粒较多，需要使用2-5um孔径的滤膜将不可溶解的颗粒杂质滤去，滤膜孔径大于水体微生物细胞直径。 用于水体微生物富集的滤膜的选择： 常用的滤膜孔径大小有45mm和22mm两种，孔径太小滤膜容易阻塞，45mm的孔径大小透水性较好，提样的时候可根据客户的需要，选择45mm或22mm孔径的滤膜。 滤膜材质有很多种，常用的三种为聚苯醚砜滤膜、混合纤维素酯薄膜、氧化铝薄膜。 聚苯醚砜滤膜（Polyethersulfone）：最结实的滤膜之一，可以过滤比其它滤膜更多的水样。使用真空泵可快速抽干，易于折叠不易撕破。能抵受真空泵长时间高压力的滤过。若需要过滤大量低微生物含量的清亮水样，0.22mm滤膜的更合适。在提取核酸时，得率可与PowerWater? DNA 和RNA Isolation Kits中自带的混合纤维素酯滤膜相媲美。 混合纤维素酯滤膜（膜醋酸纤维素、硝酸纤维素）: 0.45μm孔径最合适材质。如果水样浑浊，使用0.22μm滤膜过滤缓慢容易堵塞时，建议使用0.45μm孔径的滤膜。纤维素滤膜吸水性强，不好处理。有文献显示杀虫剂和除草剂很容易吸附到纤维素滤膜上。若样品含有杀虫剂和除草剂，最好避免使用这类滤膜。 聚碳酸酯滤膜（Polycarbonate）: 这种滤膜很薄且容易起褶皱，所以不太好用。通常用0.45μm孔径的滤膜来预防过滤时发生阻塞。不像聚醚砜膜（PES）和混纤膜（MCE），水样中微生物会停留在滤膜表面。使得滤膜很容易阻塞，本该滤过的小颗粒也会截留下来。实验证明，珠磨研磨破碎强度越小，获得DNA分子量越大。如果样品只是用来做PCR，可以采用强力的研磨方法提高得率，暂时忽略片段破碎。 样品富集之后按照以下方法进行提取： 1. 滤膜剪碎，溶于500ul水中，液氮反复冻融（或用超低温冰箱）（从-70℃拿出来后在65℃水中冻融，小心操作，防止管子炸裂）【裂解细胞】 2. 将水样于13000rpm下离心，10min，收集沉淀 3. 沉淀溶于100ul 1×TE，重悬
作业9 植被指数 植被指数 概念：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。 不同的植被覆盖类型可以通过其特有的光谱特征进行区分，这是由于叶绿素在红波段内对太阳辐射的吸收以及叶片细胞结构对红外波段内太阳辐射的强反射。 Broadband Greenness(5 indices)（宽带绿色指标(5)） 宽带绿度指数可以简单度量绿色植被的数量和生长状况，它对植物的叶绿素含量、叶子表面冠层、冠层结构比较敏感，这些都是植被光合作用的主要物质，与光合有效辐射（fAPAR）也有关系。宽带绿度指数常用于植被物候发育的研究，土地利用和气候影响评估，植被生产力建模等。宽带绿度指数选择的波段范围在可见光和近红外，一般的多光谱都包含这些 波段。下面的公式中规定波段的中心波长：ρNIR=800nm，ρRED=680nm，ρBLUE=450nm。 1. Normalized Difference Vegetation Index归一化植被指数 增强在近红外波段范围绿叶的散射与红波段范围叶绿素的吸收差异。 简称NDVI： NDVI=(NIR-R)/(NIR+R) （1）应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等； （2）-1<=NDVI<=1，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； （3）NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI 对高植被区具有较低的灵敏度； （4）NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关； 2.Simple Ratio Index比值植被指数 在近红外波段范围绿叶的散射与红波段范围叶绿素吸收的比值。 简称SR：SR=ρNIR/ρRED 在LAI 值很高，即植被茂密时其灵敏度会降低.SR值的范围是0~30，一般绿色植被区的范围是2~8 3.Enhanced Vegetation Index 增强植被指数 增强NDVI,解决土壤背景和大气气溶胶对茂密植被的影响。 简称：EVI
ENVI下植被覆盖度的遥感估算 2013-05-30 | 阅：1 转：17 | 分享 修改 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。 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
本科学生实验报告 宋国俊学号114130168 专业＿＿地理信息系统班级11地信 验课程名称遥感运用 实验名称植被指数的提取额 指导教师及职称洪亮 开课学期2014 至2015 学年一学期
师大学旅游与地理科学学院编印
二、实验容、步骤和结果
找到landsat 8 的相关数据; 再找另外一个时间段的数据; 1）提取行归一化植被指数 归一化指数（NDVI）被定义为近红外波段与可见光红波段数值之差和这两个波段数值之和的比值。 公式：NDVI=（TM4-TM3）/（TM4+TM3） 在ENVI 的主菜单transforms下，运行NDVI子菜单，将得到的图像以612ndvi的文件名保存在文件夹中。得到的图像以灰阶显示如图 2014.3.16的NDVI2014.4.24NDVI 2）提取绿度植被指数GVI 公式： GVI=-0.2848*TM1-0.2435*TM2-0.5436*TM3+0.7243*TM4+0.084*TM5-0.1800*TM7
在ENVY3.2的主菜单basic tools下，运行band math子菜单，键入上述公式，将得到的图像以612GVI的文件名保存在文件夹中。得到的图像以灰阶显示如图 2014.3.16的GVI2014.4.24GVI 3）提取比值植被指数RVI 比值值被指数（RVI）由于可见光红波段（R）与近红外波段（NIR）对绿色植物的光谱响应十分不同，且具倒转关系。两者简单的数值比能充分表达两反射率之间的差异。 公式：RVI= TM4/TM3 在ENVI的主菜单basic tools下，运行band math子菜单，键入上述公式，将得到的图像以612GVI的文件名保存在文件夹中。得到的图像以灰阶显示如图
斜坡单元 地质灾害危险性区划中常用的单元类型有网格单元、地域单元、均一条件单元、子流域单元、斜坡单元等。其中: 网格单元形状较规则，便于实现快速剖分，离散后得到的矩阵形式的数据有利于进一步运算，但是不能完全反映地势起伏，与地质环境条件联系不够紧密; 均一条件单元没有考虑不同区域的地质环境条件差异; 子流域单元适用于泥石流灾害危险性区划，对滑坡、崩塌等则不适用。斜坡单元是滑坡、崩塌等地质灾害发育的基本单元，并且在各类控制或影响因素中，河流和沟谷的发育阶段对滑坡、崩塌的形成具有明显的控制作用，因此采用基于幼年期沟谷划分的斜坡单元作为评价单元，可以与地质环境条件紧密联系，综合体现各类控制或影响因素的作用，使评价结果更贴近于实际。因此，在满足DEM 精度要求的前提下，斜坡单元划分较适用于地质灾害危险性区划【1】。 斜坡单元划分原理 斜坡单元划分的实质是基于DEM 的地表水文分析，包括正反地形无洼地DEM 的生成、水流方向的提取、汇流累积量的计算、河网的生成、集水流域的生成等关键步骤，其基本原理是利用正反地形分别提取山谷线和山脊线( 分别对应于汇水线和分水线)，把生成的集水流域与反向集水流域融合，再经后期处理人工修改不合理的单元，最终得到的由汇水线与分水线所组成的区域即为斜坡单元。斜坡单元划分流程见图【1】。
ArcGIS划分斜坡单元操作步骤 1、生成无洼地DEM ——原理：DEM 是一种比较光滑的地形表面模型，由于DEM 误差以及一些真实地形的存在，使DEM表面存在一些凹陷的区域，在进行水流方向计算时往往会导致不合理的甚至错误的水流方向，因此计算前应先对原始DEM数据进行洼地填充，得到无洼地的DEM。基本过程是: 首先，利用水流方向数据计算出DEM 数据中的洼地区域和洼地深度;其次，依据洼地深度并参考真实地形，确定填充阈值对洼地进行填充; 再次，一次洼地填充完毕后又会产生新的洼地，因此需要重复上述过程，反复填充【1】。 ——操作：填洼
收稿日期:2008206204;修订日期:2008208225 基金项目:安徽省教育厅自然科学基金资助项目(K J 2007B219);安徽省教育厅教学研究项目(2007J YXM208)。 作者简介:黄海波(1982-)男,硕士研究生,主要从事遥感图像处理、土地利用/覆盖变化研究。E 2mail :hhb1001@https://www.doczj.com/doc/9b12967758.html, 。 ASTER 遥感影像水体信息提取方法研究 黄海波1,2,赵 萍1,2,陈志英1,郭 伟1,2 (1.安徽师范大学国土资源与旅游学院,安徽芜湖 241000; 2.安徽师范大学GIS 重点实验室,安徽芜湖 241000) 摘要:以安徽省芜湖市为试验区,首先对试验区水体和其它各类地物的光谱特征进行分析,探讨水体在ASTER 遥感影像各个波段与其它地物之间的可分性,然后经过反复实验和分析,构建了基于波段阈值和谱间关系的水体提取模型:B2>B3,B1+B6<127,B3+B4<54和B3<24,最后将该方法提取结果与非监督分类、监督分类和植被指数法提取结果进行评价和比较。实验结果表明该方法可较好地提取研究区各类水体,分类精度明显优于传统提取方法,且简单实用,但在对光谱特征分析过程中样本点选取要求较高。 关 键 词:ASTER ;水体信息提取;谱间关系 中图分类号:TP 79 文献标志码:A 文章编号:100420323(2008)0520525204 1 引 言 水资源分布的调查与监测是控制水污染和生态 保护的前提,而卫星数据具有监测范围广、获取周期 短、地物信息丰富的特点,对调查与监测水资源分布 起着重要的作用。国内外众多学者对水体遥感专题 信息的提取进行了研究,如Bartolucci [1]等通过对 Landsat MSS 数据的研究,指出MSS 波段中近红外 波段为提取水体的最佳波段;秦其明[2]等通过像素 的重组,在区域分割和边界跟踪的基础上,对卫星图 像进行水体形状特征的抽取与描述,实现不同水体 类型的识别;陈华芳[3]等对Landsat ETM +影像,分 别采用了阈值法、差值法和阈值法的结合运用、多 波段谱间关系法和阈值法的结合这3种方法对湿 地进行识别;王志辉,易善祯[4]通过对5种不同水体提取模型(RV I ,NDV I ,NDWI ,MNDWI ,NDSI )原理分析,结合具体实例(洞庭湖水域)进行水体遥感提取来说明5种方法提取水体的差异,从而确定在不同时期和不同用途时所采用最佳的水体提取模型。本文从水体的遥感信息光谱特征入手,分析各地物类型在ASTER 数据各个波段所记录的波谱信息情况差异,探讨水体与其它地物的区分方法。ASTER 是搭载在Terra 卫星上的星载热量散发和反辐射仪,于1999年12月18日发射升空,由日本国际贸易和工业部制造。ASTER 通过从可见光到热红外14个频道获取整个地表的高分辨解析图像数据-黑白立体照片,为多个相关的地球环境资源研究领域提供科学、实用的卫星数据。其主要参数如表1[5]。 表1 ASTER 卫星主要参数表 T able 1 Main parameters table of ASTER satellite 波段 B1B2B3N B4B5B6B7B8B9B10B11B12B13B14波长(um )0.52 0.630.76 1.6 2.145 2.185 2.235 2.295 2.368.1258.4758.92510.2510.950.630.69 0.86 1.7 2.185 2.225 2.285 2.365 2.438.4758.8259.27510.9511.65分辨率(m )15 15153030303030309090909090第23卷 第5期2008年10月遥 感 技 术 与 应 用REMOTE SENSIN G TECHNOLOGY AND APPLICATION V ol.23 N o.5 Oct.2008