Erdas里面利用NDVI提取植被指数的步骤
已有 9 次阅读2010-10-5 20:28|个人分类:技术文章|关键词:植被 Erdas NDVI 指数
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；
今天看到有人留言提问erdas里面利用NDVI提取植被指数的步骤，下面就将其写出来：
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。
鼎信诺前端数据提取步骤 1、将前端取数文件夹拷贝到U盘中 然后将U盘插在企业财务电脑上(数据库服务器),双击Sjinput51进入，打开dataget.exe文件 进入取数界面； 2、选择“财务数据提取”和“操作系统环境”（右键我的电脑，点击属性，可查看），点击确认； 3、在财务软件列表中选择相应财务软件接口，或者在右上角的“模糊查询”区域输入财务软件拼音首字母 例如用友u8 我们就可以输入“YY”进行过滤选择好财务软件后 我们点击右下角的“下一步”； 4、数据库类型选择,用友软件一般为“access” 进入单机版取数界面，点击下一步； 5、点击浏览选取企业的备份数据； 6、浏览找到企业的数据库备份 后缀为.mdb 然后点击“打开”按钮； 7、点击“连接”按钮后 左下角区域出现账套名称和会计年选择需要的账套名称和会计年以后点击“开始取数”按钮进行取数； 8、取数完毕以后会弹出保存文件的对话框选择文件路径、文件名称以后 点击“保存”按钮，保存为后缀为.sjc的文件单机版取数完成（一般默认会导入U盘）。 鼎信诺导出数据转换步骤 1、打开鼎信诺，选择创建项目，点击确定； 2、在创建新审计项目中填上新项目名称，然后点击下一步； 3、选择审计期间，比如：2015年1-12月，点击创建单一公司或创建集团公司； 4、选择会计制度，点击下一步； 5、输入被审计单位名称等信息； 6、设置权限，点击确认，开始导入数据； 7、登录先建项目，点击确认； 8、点击“财务数据”，点击“前端数据导入”，选择文件，即导出的数据，选中后点击打开； 9、选择期数，确认；
10、点击“开始导数”，导数完成口进入数据检查，1、9、10是必须检查项； 11、点击确定，完成数据转换。
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%
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：
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。
GSM BSS MR数据提取解决方案说明书V2.1 ――基于M2000集中采集方案 华为技术有限公司 版权所有侵权必究 All rights reserved
目录 1关于本文档 (3) 1.1目的 (3) 1.2范围 (3) 1.3文档管理 (3) 2BSC6000的MR数据采集方案（网管集中采集） (4) 2.1方案概述 (4) 2.1.1背景 (4) 2.1.2组网图 (5) 2.2网管集中采集MR数据方案 (5) 2.2.1M2000定制MR采集任务 (5) 2.2.2BSC侧对MR采集任务的处理 (6) 2.2.3M2000侧对MR数据的集中存储 (7) 2.2.4关键规格 (7) 2.2.5软件要求 (8) 2.2.6硬件要求 (8) 2.2.7组网要求 (8) 2.2.8数据接口 (8)
1 关于本文档 1.1 目的 《GSM BSS MR数据提取解决方案说明书V2.1》描述了华为GSM BSS系统从BSC获取MR测量数据的具体方案，实施措施和华为提供的相关服务策略，帮助和指导用户有效获取MR相关数据，实现对网络数据信心的良好监控和持续优化。 1.2 范围 本文是GSM BSS MR数据提取解决方案的总体介绍性文档，可在投标，技术交流，技术澄清等商务技术活动中被使用，也可作为项目相关客户或市场技术人员学习和了解相关特性的参考资料。 1.3 文档管理 本文档由华为公司无线产品线O&M开发部编写，修订和维护。并在“市场资料管理系统（3MS 平台）”上发布。 本文档可在“市场资料管理系统（3MS平台）”下载获得。
2 BSC6000的MR数据采集方案（网管集中采集） 2.1 方案概述 2.1.1 背景 基于MR包括，可实现利用现网手机用户的实时状态，基于快速收集真实的海量手机测量报告，直接采集手机用户上、下行链路数据，在实际话务模型下进行优化，能够及时发现覆盖问题、邻区多配漏配问题、直观全面地了解话务密度、上下行质量和干扰状况等。 本文档描述针对华为BSC6000产品如何实现对MR数据的集中采集。 传统的MR数据采集通常是通过在Abis口挂表方式采集，该方法的主要劣势是： （1）工程师必须在Abits口上挂接仪表，必须到各个端局操作，费时费力； （2）挂表方式要手工操作，需要不断检索传输线路，更替接口； （3）挂表方式一次只能对若干线路实现采集，难以实现全网信息的统一收集，除非对所有Abits口挂表，成本巨大； （4）挂表方式要经常倒换采集数据，易于出错； 华为针对客户上述困难，在BSC6000实现MR数据的软件采集，并通过M2000可实现对多BSC MR数据的集中采集。
XX系统数据提取管理办法 修订历史记录 编制部门/日期: 审核人/日期： 批准人/日期： XＸXＸXX集团发布 目录 1、目得3? 2、定义 (3) 3、适用范围 (3) 4、管理职责 ........................................................................................................................................................... ３５、XXＸ系统数据流程5? ６、附则 ................................................................................................................................................................. ７ 1、目得 为规范XXＸ系统数据管理工作,降低数据被非法使用、泄露、丢失及破坏得风险，特制定本管理规定. 2、定义 本管理办法中数据就是指XXX系统中各种业务与财务数据.数据管理包括涉及数据修改、提取,数据处理过程中对数据真实性得保证,数据内、外部传输得工作。 3、适用范围 3、1、总部用户
本规定适用于中国ＸＸＸ金融服务集团(以下简称“公司”）所有职能部门、业务单位及其业务部门(以下简称“各部门”）。 3、2、分支机构用户 中国XXX金融服务集团属下各分支机构。 4、管理职责 ４、2、１、公司各部门、各分支机构：填写《XXX系统数据提取申请表》描述提取数据得原因、数据范围、使用范围、知情人范围等内容，并签署《平台数据提取确认书》,由部门负责人审批后通过OA提交需求。申请人、申请人所在部门、申请人所在分支机构以及审批人员必须对所需提取得数据负全部责任,包括且不限于不外泄、不转发、不拷贝、用途不得违反公司各规章制度,如若违反需承担一切后果。 4、2、2、机构后援服务部:审核各分支机构提交得数据提取需求申请,包括但不限于审核该机构提取必要性、数据使用范围、知情人范围、数据内容就是否合理。 4、２、3、财务管理部:审核各部门、各分支机构提交得数据提取需求申请，包括但不限于审核该部门、机构提取必要性、使用范围、知情人范围、数据内容就是否合理。 4、2、4、风险控制部：审核公司各部门、各分支机构对内/外使用得数据提取需求申请得合法性、合理性、有效性、使用范围、知情人范围、数据范围。 4、2、５、总裁办公室:审核财务部、风险控制部对内/外使用得数据提取需求申请得合法性、合理性,使用范围、知情人范围、数据内容。 4、2、６、董事长办公室:审核财务部、风险控制部对内/外使用得数据提取需求申请得合法性、合理性,使用范围、知情人范围、数据内容。
[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。
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。
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
提取上年数据的完整操作说明 一、关联任务定义 首次启动报表软件，需要对关联任务路径、对应数据库进行设置。保证相关报表中的提取上年数据、不同任务间数据转换等能够顺利提取。 1、选择【高级/参数设置/关联任务定义】菜单，弹出关联任务定义窗口； 2、择关联任务：将光标定位于要定义关联任务的编号后： （1）若所选的关联任务是在任务管理列表中有的任务，可单击按钮，选择“2011年度部门决算”，单击“确定”按钮，系统将根据任务标识寻找此关联任务； （2）若选择的关联任务不在任务列表中，请单击按钮，弹出浏览文件夹窗口，选择关联任务存放路径，系统将根据任务存放路径寻找关联任务。 3、选择的关联任务的信息如任务标识、任务名称、年度、任务类别、任务路径将自动加入到关联任务列表中。 选择关联任务的对应数据库：单击“对应数据库”下拉列表框选择提取数据是所对应的数据库，默认为同名数据库； 设置提取数据时的单位对应关系，默认为单位主代码相互对应。 二、封面代码提取 1、单击“录入”主菜单下的“封面代码提取”子菜单，弹出代码提取窗口； 2、选择来源任务：单击按钮选择来源任务的存储路径，选择代码信息
的来源任务； 3、选择代码提取的来源数据库，单击“提取”按钮； 4、在弹出选择单位窗口中选择要提取封面代码的单位，单击“确定”按钮进行代码的提取； 5、代码提取完毕后，系统会显示代码提取的结果，可将代码提取信息导出或打印。 6、提取完毕后，单击“关闭”按钮。 三、提取上年数据 1、单击“录入”主菜单下的“上年数据提取”子菜单，弹出上年数据提取窗口； 2、单击“选择单位”按钮，可选择要进行数据提取的单位； 3、单击“提取”按钮，即可进行数据的提取，数据提取完成后系统会提示“上年数提取完成，请检查数据正确性！” 四、批量运算 提取上年数据后，相关合计行均无数据，需要执行批量运算。 1、单击“录入”主菜单，在弹出的下拉菜单中选择“批量运算”，弹出数据运算对话框； 2、单击“选择单位”按钮，可以选择要执行数据运算的单位； 3、单击“运算”按钮，进行数据运算，运算完成后会有“数据运算完成”的提示信息。 五、与上年数据核对 以上步骤执行完毕，需要通过“与上年数据核对”来检查提取的数据是否正确。
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
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、粗糙度等，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
NDVI指数与植被覆盖度的计算步骤 收集整理资料如下 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
植被指数提取与分析（3课时） 1、实验的目的 掌握应用遥感图像处理软件进行植被指数提取方法，了解植被指数在图像解译中的作用。 2、实验的要求 根据植被遥感的原理和方法，利用所提供的数据，在ENVI软件下完成植被指数提取与分析。了解植被的光谱特性和不同时相植被指数差异及在土地覆盖分类中的作用等。 提取的主要植被指数：NDVI, T-C变换，比值等 植被指数分析：1）不同土地覆盖植被指数差异，不同植被指数数值；2）植被指数提取后的波段合成应用、植被指数图像的假彩色密度分割等后处理；3）分析不同时相遥感图像植被指数的差异。 3、实验的材料准备 采用软件：ENVY3.5 采用的遥感数据：Landsat TM （120－38南京地区）。数据时相：2000年6月12号和2000年9月16日。 4、实验的方法与步骤 遥感图像上的植被信息，主要通过绿色植物叶子和植被冠层的光谱特性及其差异、变化而反映的，不同光谱通道所获得的植被信息可
与植被的不同要素或某种特征状态有各种不同的相关性，因此，我们往往选用多光谱遥感数据经分析运算（加、减、乘、除等线性或非线性组合方式），产生某些对植被长势、生物量等有一定指示意义的数值——即所谓的“植被指数”。用一种简单有效的形式来实现对植物状态信息的表达，以定性和定量地评价植被覆盖、生长活力及生物量等。 在植被指数中，通常选用对绿色植物（叶绿素引起的）强吸收的可见光红波段和对绿色植物（叶内组织引起的）高反射的近红外波段。这两个波段不仅是植物光谱中的最典型的波段，而且它们对同一生物物理现象的光谱响应截然相反，故它们的多种组合对增强或揭示隐含信息将是有利的。 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ENVY3.2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1：
实验七 植被指数提取与分析 1实训目的： 掌握应用遥感图像处理软件进行植被指数提取方法，了解植被指数在图像解译中的作用。 2实训内容： 提取主要指被指数：归一化植被指数NDVI 、比值植被指数RVI 。 植被指数分析：不同土地覆盖植被指数差异，不同植被指数数值。 3实训材料准备 采用软件：ERDAS 软件 遥感数据：SPOT5多光谱遥感影像图 4实训方法与步骤； 遥感图像上的植被信息，主要通过绿色植物叶子和植被冠层的光谱特性及其差异、变化而反映的，不同的光谱通道所获得的植被信息可与植被的不同要素或某种特征状态有各种不同的相关性，因此，我们往往选用多光谱遥感数据经分析运算（加、减、乘、除等线性或非线性组合方式）产生某些对植被长势、生物量等有一定指示意义的数值——即所谓的“植被指数”。用一种简单有效的形式来实现对植物状态信息的表达，以定性和定量地评价植被覆盖、生长活力及生物量等。 在植被指数中，通常选用对选用对绿色植物（叶绿素引起的）强吸收的可见光红波段和对绿色植物（叶内组织引起的）高反射的近红外波段。这两个波段不仅是植物光谱中的最典型的波段，而且它们对同一生物物理现象的光谱响应截然相反，故它们的多种组合对增强或揭示隐含信息将是有利的。 SPOT5多光谱影像数据特征 波段 波长/μm 分辨率/m Band1（近红外） 0.78～0.89 10 Band2（红色） 0.61～0.68 10 Band3（绿色） 0.49～0.61 10 Band4（中红外） 1.58～1.78 20 1）提取归一化植被指数： 2）提取比值植被指数： 3）植被指数土地覆盖植被指数差异： ) /()(R NIR R NIR spot spot spot spot NDVI +-=R NIR DN DN RVI /=
ＭＯＤＩＳ数据植被指数的提取方法研究 何红艳。张志浩 （内蒙古遥感中心，呼和浩特０１００１０） 摘要：植被指数已广泛应用于植被覆盖密度评价、植被长势、农作物估产模型等。本文以中国北方１２省为例，对ＭＯＤＩＳ数据，运用Ｅ№厂Ｉ４．２软件提取植被指数进行了应用研究。 关键词：ＮＤ、厂Ｉ植被指数北方１２省ＭＯＤＩＳ数据ＥＮｖＩ４．２ １引言 植被指数已广泛用来定性和定量评价植被覆盖及其生长活力，植被指数有助于增强遥感影像的解译力，并已作为一种遥感手段被广泛应用于土地利用覆盖探测、植被覆盖密度评价、作物识别和作物预报等方面。植被指数计算经过近２０年的发展，目前已经有几十种，最为广泛的是归—化差值植被指数（ｍ厂Ｉ），它是可见光（红光）和近红外两波段的归—化值，它—方面能够反映植被光合作用的有效辐射吸收隋况，另一方面能够反映作物长势、叶面积指数（Ｌｍ）等。 ＭＯＤＩＳ具有３６个光学通道，分布在０．４～１４／ｘｍ的电磁波谱范围内。３６个通道的ＭＯＤＩＳ数据有２５０ｍ、５００ｍ、１０００ｍ的地面空间分辨率。ＭＯＤＩＳ的前两个通道提供２５０ｍ分辨率的数据，这对植被指数的研究非常重要，它的第一通道是红光波段，第二通道是近红外波段，通过这两个波段的波段运算来得到ＮＤＶＩ值。ＭＯＤＩＳ可见光、近红外波段范围比较窄，描述植被信息的时候所受到的干扰很少，并且ＭＯＤＩＳ的近红外波段的水汽吸收区被剔除，而红色波段对叶绿素吸收更敏感，而且它时间分辨率高，通道多，数据接收免费等特点是ＮＱＡＡ—ＡＶＨＲＲ传感器或别的传感器不能比拟的。 提取植被指数是植被监测研究的基础，本文以中国北方１２省为例，在遥感处理软件采用ＥＮｖＩ４．２软件，利用ＭｏＤＩＳ数据提取植被指数的方法作了研究。 。２提取植被指数的方法 植被指数提取的方法很多，最为常用的一种方法是通过遥感影像处理软件对遥感影像的不同波段之间进行波段计算而得到的。 本研究中使用中分辨率成像光谱仪（Ｍ∞ＩＳ）数据的ＭＯＤＩＳＬＢ产品，ＭＯＤＩＳ数据有３６个波段，１～２波段是２５０ｍ空间分辨率的数据，３～７波段是５００ｍ空间分辨率的数据。７～３６是１０００ｍ空间分辨率。其中第一波段（波长０．６２～０．６７ｔａｎ）为红光波段，为叶绿素主要吸收波段；第二波段（波长０．８４１～０．８７６脚）为近窒ｒＪ，ｂ波段，对绿色植被的差异敏感， ?５８１?
ENVI-met 4 植被种类中英对照Conifers 针叶树 Abies Alba 欧洲冷杉；欧洲银冷杉；银枞 Cypress柏树 Larix Decidua 欧洲落叶松；落叶松属 Picea Abies 欧洲云杉；挪威云杉；云杉属 Pine 松木；菠萝；【植】松树 Pinus Pinea 意大利伞松；石松；松属 Tamarix Gallica 红花多枝柽柳 Deciduous trees 落叶树；落叶乔木；十边形落叶林 Acer Campestre 栓皮槭；田园槭；田野槭 Acer Negundo 栓皮槭；田园槭；田野槭 Acer Platanoides 挪威枫；挪威槭；桐状槭 Acer Pseudoplatanus 欧亚槭；枫；无花果树 Albizia Julibrissin合欢；豆科植物合欢；合欢叶 Betula Pendula垂枝桦；欧洲白桦；桦树 Carpinus Betulus欧洲鹅耳枥；欧洲角木；鹅目栖属 Cercis Siliquastrum南欧紫荆 Citrus x Aurantium 酸橙 Fagus Sylvatica欧洲山毛榉；欧洲水青冈；山毛榉萃取物 Fraxinus树属 Fraxinus Excelsior树属 Gleditsia Triacanthos美国皂角；皂荚树；美国皂荚 Jacaranda mimosifolia蓝花楹；蓝楹；紫葳科蓝花楹属
Koelreuteria paniculata栾树；无患子科栾树；栾树属栾树Olea Europaea橄榄；油橄榄；橄榄油 Palm Washingtonia棕榈丝葵属 Platanus Acerifolia悬铃木；二球悬铃木；梧桐树Populus Alba银白杨；白杨树；新疆杨 Populus Nigra黑杨；欧洲黑杨；黑白杨 Privet女贞（常绿灌木，常用作花园绿篱） Quercus Robur夏栎；欧洲橡木；欧洲柄栎 Robinia Pseudoacacia刺槐；洋槐；黑洋槐 Senegalia Greggii ？？（没搜到） Sophora Japonica槐树；国槐；槐花 Tilia 椴树；椴树属；椴属 Tilia Cordata小叶椴；欧洲椴；菩提花萃取液 Tilia Platyphyllos阔叶椴；宽叶椴树；银毛椴 Ulmus x Hollandica ??榆 Ulmus Minor榆树；小叶榆；金叶小叶榆
计算提取植被指数 for (i=0;i<256;i++) { if(i<50) { bicolor.rgbReserved=0; Bicolor.rgbBlue=(unsigned char)(i); Bicolor.rgbGreen=(unsigned char)(i); Bicolor.rgbRed=(unsigned char)(i); } else {bicolor.rgbReserved=0; Bicolor.rgbBlue=(unsigned char)(0); Bicolor.rgbGreen=(unsigned char)(255); Bicolor.rgbRed=(unsigned char)(0); } fwrite(&bicolor,sizeof(bicolor),1,fpOut); } iCount=0; iWidth=(iCol+3)/4*4;//必须为4的整数倍 cR=(char *)malloc(iWidth*sizeof(char)*iRow); lpsData0=(char *)malloc(600*sizeof(char)*600); lpsData1=(char *)malloc(600*sizeof(char)*600); fseek(fpIn,600*600*2,0); //读取第2个波段，其中600*600*2的"2"意味第一个波段"G", 之后依次类推(这里的程序是倒者读的，从脚到头BGR) fread(lpsData0,1,600*600,fpIn); fread(lpsData1,1,600*600,fpIn); for(i=0;i
相关主题
文本预览