ENVI下植被覆盖度的遥感估算

遥感ENVI实验报告一、实验目的本实验的目的是学习和掌握ENVI（Environment for Visualizing Images）软件在遥感图像处理方面的应用。

通过本次实验，我们将了解遥感图像的基本概念和原理，并学习使用ENVI软件进行图像预处理、分类和地物提取。

二、实验要求1.学习ENVI软件的基本操作和功能；2.能够对遥感图像进行预处理，如辐射校正和大气校正；3.能够对遥感图像进行分类，如最大似然分类和支持向量机分类；4.能够进行地物提取，如植被指数计算和特征提取。

三、实验步骤和结果1.图像预处理首先，我们导入了一幅Landsat 8卫星遥感图像，并进行了辐射校正和大气校正。

辐射校正是将图像中的DN（数字化值）转换为辐射度值，以便进行后续的大气校正和分类。

大气校正是根据大气传输模型对图像进行校正，以消除大气影响。

经过预处理后，我们得到了一幅处理后的图像。

2.图像分类接下来，我们使用ENVI软件进行了图像分类。

我们采用了最大似然分类和支持向量机分类两种方法进行分类。

最大似然分类是一种统计分类方法，通过最大化每类像素的似然度来划分不同类别，得到分类结果。

支持向量机分类是一种基于机器学习的分类方法，通过训练样本来构建分类模型，并用于对图像中的未分类像素进行分类。

3.地物提取最后，我们对图像进行了地物提取。

我们计算了该图像的植被指数，并使用阈值法将植被像素提取出来。

植被指数是通过计算不同波段之间的光谱差异来反映植被覆盖程度的指标。

我们还对植被像素进行了形状和纹理特征的提取，以获取更具有区分度的特征。

实验结果显示，经过图像预处理和分类，我们得到了一幅分类结果图。

通过该图像，我们可以清楚地看到不同地物类别的分布情况。

同时，通过地物提取，我们成功提取出了图像中的植被像素，并获得了植被的形状和纹理特征。

四、实验总结通过本次实验，我们学习和掌握了ENVI软件在遥感图像处理方面的应用。

我们了解了遥感图像的基本概念和原理，并学会了使用ENVI软件进行图像预处理、分类和地物提取。

热红外遥感热红外遥感是利用热红外波段研究地球物质特性的技术手段，可以获取地球表面温度，在城市热岛效应、林火监测、旱灾监测等领域有很好的应用价值。

由于热红外遥感涉及知识多而且深，特别是地表温度反演，需要大气传输、几个定律等方面的知识，本文用通俗语言总结了热红外遥感基本原理和方法，能知道热红外遥感怎么回事及简单的应用。

本文主要包括：●基本定义和原理●常见名词●简单应用与温度反演●ENVI下地表温度反演1、基本定义和原理热红外遥感（infrared remote sensing ）是指传感器工作波段限于红外波段范围之内的遥感。

这是一个狭义的定义，只是说明的数据的获取。

另外一个广义的定义是：利用星载或机载传感器收集、记录地物的热红外信息，并利用这种热红外信息来识别地物和反演地表参数如温度、湿度和热惯量等。

热红外遥感的信息源来自物体本身，其基础是：只要其温度超过绝对零度，就会不断发射红外能量，即地表热红外辐射特性。

如下图为黑体的辐射光谱曲线（不同温度下物体辐射能量随波长变化的曲线），常温的地表物体（300K左右）发射的红外能量主要在大于3μm的中远红外区，即地表热辐射。

热辐射不仅与物质温度的表面状态有关，物质内部组成和温度对热辐射也有影响。

在大气传输过程中，地表热辐射能通过3-5μm和8-14μm两个窗口，这也是大多数传感器的设计波段范围。

热红外遥感在地表温度反演、城市热岛效应、林火监测、旱灾监测、探矿、探地热，岩溶区探水等领域都有很广的应用前景。

2、常见名词热红外遥感涉及的知识多而且深，下面来了解热红外遥感中几个基本的名词。

● 辐射出射度单位时间内，从单位面积上辐射出的辐射能量称为辐射出射度，单位是 2-⋅m W● 辐射亮度辐射源在某一方向上单位投影表面、单位立体角内的辐射通量，称为辐射亮度 (Radiance)，单位是瓦/平方米*微米*球面度(1-12μm --⋅⋅⋅Sr m W )。

很多地方会将辐射亮度和辐射强度区分，我这里理解的是一个概念。

第三讲计算植被覆盖度1、数据准备：第3波段，第4波段地表反射率影像数据2、计算NDVI 归一化植被指数（-1~1）NDVI=（r4-r3）/(r4+r3)r4,r3分别为第4,第3波段的地表反射率（在输入公式时注意要用拼音输入法，不要用搜狗输入法，否则，波段计算器的公式计算会提示错误。

在波段计算器中，我们都是用B代表波段，r不能用，用不同的的数字来具体区分不同的波段。

）3、计算FVC(植被覆盖度)：FVC= [(NDVI-NDVI S) / (NDVI V-NDVI S)]2V,S分别是植被和裸土的NDVI值，由于缺乏详细的区域植被和土壤光谱图数据，取值NDVI V=0.70,NDVI s=0.05,FVC= [(b1-0.05)/(0.7-0.05)]*[(b1-0.05)/(0.7-0.05)]此处b1指NDVI影像，衡量植被生长的茂盛程度，取值（0—1）。

envi软件操作步骤：1、打开之前已经进行了地表反射率计算的TM3与TM4，（此处波段4虽然没有后缀名，但是也能打开。

）打开波段3后，可以选中波段4，右键选第一项新开窗口，如下图，左图为波段3地表反射率影像数据，右图为波段4地表反射率影像数据。

2、打开输入NDVI 归一化植被指数NDVI=(b4-b3）/(b4+b3) (b4-b3)/(b4+b3)（b4,b3分别为第4,第3波段的地表反射率。

点Add to List检测公式是否正确，也可以将公式保存下来。

当有许多公式都想保存时，我们可以给他们建个文件夹，都保存到公式计算文件夹里。

）保存为。

在接下来弹出的NDVI公式的对话框中：①、先选择B3，再选TM3的地表反射率影像，波段计算器：（在Variables中的影像是一个个波段加载的。

按下拉滚动条）②、B4，TM4的地表反射率，注意操作顺序，才能出现选项。

保存，重命名为，ok。

完成后的波段列表：打开NDVI图：（影像越亮的地方，NDVI值越大，说明植被越茂盛。

如何进行植被覆盖度的测量植被覆盖度是指某一地区被植物所覆盖的程度，它能够反映出对应地区的植被生长状况和植被类型的多样性。

植被覆盖度的测量对于环境保护、生态恢复以及土地管理具有重要意义。

本文将介绍如何进行植被覆盖度的测量，并探讨一些测量方法和技术。

植被覆盖度的测量可以通过不同的方法和技术实现。

其中，遥感技术是一种常用且有效的测量手段。

遥感技术利用卫星或无人机等远距离设备获取地球表面的图像信息，通过对植被指数的分析来评估植被覆盖度。

常用的植被指数包括归一化植被指数（NDVI）、峰值植被指数（PVI）以及土壤调整植被指数（SAVI）等。

归一化植被指数（NDVI）是最常用的植被指数之一。

它基于红光和近红外光的反射特性，通过计算两者的比值来反映植被覆盖度。

在计算NDVI时，像元的数值范围通常在-1到1之间，值越接近1则表示植被覆盖度越高。

通过对遥感图像进行像元级别的计算，可以得到植被覆盖度的分布图。

另一种常用的植被指数是峰值植被指数（PVI）。

PVI主要用于评估植被的生长状况和植被的长势，特别适用于农林业生产中的植被监测。

PVI通过测量植被在特定时间段内的叶绿素含量变化来评估植被的健康状态。

一般来说，PVI的取值范围在0到1之间，数值越大表示植被的健康状况越好。

除了遥感技术外，野外调查也是植被覆盖度测量的重要手段。

野外调查包括实地观察和取样分析等方法。

实地观察可以通过对植物的覆盖程度、株高和茂密度等进行测量来评估植被覆盖度。

取样分析则可以通过采集植物样本并进行实验室分析，获取更加准确的植被覆盖度数据。

在植被覆盖度测量中，需要注意一些测量误差的问题。

遥感技术对于地表植被的识别和测量具有一定的误差，主要来自于遥感数据的获取和处理。

因此，在使用遥感技术进行植被覆盖度测量时，应当对数据进行准确性校验和误差估计。

同时，在野外调查中也需要注意样本选择的随机性和代表性，以确保测量结果的可靠性。

除了测量植被覆盖度外，我们还可以借助植被指数测量来研究植被的类型和功能。

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。

1.绪论1.1 课题研究的‎目的与意义‎植被，包括森林、灌丛、草地和农作‎物，既是生态系‎统的主要组‎成部分，也是生态系‎统存在的基‎础，具有截流降‎雨、减缓径流、防沙治沙、保持水土等‎功能，联结着土壤‎、大气和水分‎等自然过程‎，在陆地表面‎的能量交换‎、生物地球化‎学循环和水‎文循环等过‎程中扮演着‎重要角色，是全球变化‎研究中的“指示器”[1]。

植被根据生‎态系统中水‎、气等的状况‎，调控其内部‎与外部的物‎质、能量交换。

植被覆盖与‎气候因子关‎系极为密切‎，研究植被覆‎盖变化对气候的影‎响是气候变‎化研究的主‎要内容之一‎，它影响着土‎壤湿度、地表温度和‎地表能量与‎水的循环(李苗苗，2004)。

植被覆盖度‎(v eget‎a tion‎fract‎i onal‎cover‎，简称FC)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‎[2]。

它是植被对‎地面的垂直‎投影比例，对于山坡进‎行植被覆盖‎度测量时，应该采用垂‎直于坡面的‎角度。

植被覆盖度‎具有强烈的‎尺度效应，同一片植被‎，因被纳入统‎计的范围不‎同而表现为‎不同的植被‎覆盖度。

如一个地区‎的植被覆盖‎度很高，但平均到全‎国水平就大‎大降低了[3]。

植被覆盖度‎在提示地表‎植被分布规‎律,探讨植被分‎布影响因子‎,分析评价区‎域生态环境‎,及时准确地‎掌握其动态‎变化, 分析其发展‎趋势对维护‎区域生态平‎衡等方面都‎具有重要意‎义。

[4]而城市植被‎则是城市生‎态系统重要‎的还原组织‎和最重要的‎元素,对于保护城‎市生态环境‎具有不可忽‎视的作用[5] ,如有效缓解‎城市“热岛效应”,改善城市区‎域小气候[5～7] 等。

城市化的迅‎速推进，带来了多样‎化的生态足‎迹，植被覆盖度‎，土壤污染率‎，地表侵蚀率‎，逐渐成为生‎态研究的热‎点，也成为环境‎保护的重点‎。

借助于高速‎发展的RS‎与GIS技‎术来进行植‎被覆盖度的‎估算，将是当前环‎境监测的必‎要步骤。

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。

下列图〔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〕。

NDVI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。

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μW/cm2 •sr•nm，而之前我们做辐射定标时单位是W/m2 •sr•μm，二者之间转换的比例是10，因此在下列图中选择Single scale factor，填写。

归一化植被覆盖度模型归一化植被覆盖度模型是一种用于评估和分析地表植被状况的重要工具。

通过计算植被覆盖度的数值，可以定量地衡量某一地区的植被状况，并为生态环境保护和土地利用规划提供科学依据。

植被覆盖度是指地表被植物覆盖的程度，一般使用百分比表示。

归一化植被覆盖度模型的基本原理是利用遥感技术获取的植被指数数据进行计算。

常用的植被指数有归一化差值植被指数（NDVI）和归一化植被指数（EVI）等。

这些指数通过计算植被的反射率与地表反射率的比值，反映了植被的状况。

归一化植被覆盖度模型的计算公式比较简单，一般为：植被覆盖度 = （植被指数值 - 植被指数最小值）/（植被指数最大值- 植被指数最小值）* 100%其中，植被指数最小值和最大值是根据研究区域和植被类型确定的。

归一化植被覆盖度模型可以应用于不同的领域。

在生态环境保护中，它可以用于监测和评估自然植被的恢复情况，以及人工植被的建设效果。

在土地利用规划中，它可以用于评估农田、林地和草地等不同土地类型的植被状况，并为农作物种植、林业经营和牧草养殖等活动提供科学指导。

归一化植被覆盖度模型还可以与其他地理信息数据进行集成分析，例如地形数据、土壤数据和气候数据等，从而更全面地了解植被与环境之间的关系。

通过分析不同地区的植被覆盖度变化，可以揭示植被演替过程、生态系统的健康状况以及气候变化的影响等重要信息。

归一化植被覆盖度模型是一种重要的工具，可以帮助我们更好地了解和评估地表植被状况。

通过科学的数据分析和应用，可以为环境保护和土地利用规划提供有效支持，促进可持续发展和生态文明建设。

希望未来能够进一步完善和应用这一模型，为我们的地球家园带来更美好的未来。

FVC计算基于6S和ENVI的黄⽯市遥感地表植被覆盖度计算数据：处理好的黄⽯市TM3、TM4影像实验步骤⼀、⽤6S软件计算出TM3和TM4的地表反射率⼆、计算地表覆盖度计算公式：y=xa*(measured radiance)-xb; acr=y/(1.+xc*y)(0.00470*b1-0.01979)/[1+0.04569*(0.00470*b1-0.01979)](0.00336*b1-0.4143)/[1+0.07179*(0.00336*b1-0.4143)]arc地标反射率三，计算植被覆盖度数据准备，TM3、TM4地标反射率计算NDVI（归⼀化植被指数）归⼀化植被指数（Normalized Difference Vegetation Index）是⼀个⽤來对遥感资料，通常为卫星遥感资料，进⾏分析，以确定被观测的⽬标区是否为绿⾊植物覆盖，以及植被覆盖程度的指标值。

NDVI=b4-b3/b4+b3其中r4/r3为相应波段的地标反射率计算FAC(植被覆盖度）如果有需要帮助，可在淘宝⽹上查询店铺天鸿数软，在线的地信企业如果有需要帮助，可在淘宝⽹上查询店铺天鸿数软，在线的地信企业FAC=（NDVI-NDVIs/NDVIv-NDVIs ）2 0.05 0.07-0.05FVC=[(b1-0.05)/(0.07-0.05)]2后续处理因为0≤0FVC ≤1右击主图像窗⼝，查看像元值得统计结果 DN 灰度值（0，1）（b1 lt 0)*0+(b1 gt 1)*1+(b1 le 1 and b1 ge 0)*b1掩膜如果有需要帮助，可在淘宝⽹上查询店铺天鸿数软，在线的地信企业五，植被覆盖度应⽤：植被覆盖度分级图b1:处理后的植被地表覆盖度影像b2:掩膜影像取值等级0-0.1且位于黄⽯市范围内⼀级，0.1-0.3⼆级0.3-0.5三级0.5-0.7四级0.7-1五级植被覆盖度取值为0且位于黄⽯市边界范围外的像元取值为0的为第0等级计算公式；(b1 ge 0 and b1 le 0.1 and b2 eq 1)*1+(b1 gt 0.1 and b1 le 0.3 )*2+(b1 gt 0.3 and b1 le 如果有需要帮助，可在淘宝⽹上查询店铺天鸿数软，在线的地信企业0.5 )*3+(b1 gt 0.5 and b1 le 0.7)*4+(b1 gt 0.7 and b1 le 1)*5+(b2 eq 0)*0统计等级⾯积六、计算出各等级的平均覆盖度计算出1等级范围内的像元平均植被覆盖度b1:处理后的植被地表覆盖度影像b2:植被覆盖度分级图(b2 eq 1)*b1+(b2 ne 1)*7结果：0—0.1（第⼀等级范围），7利⽤这个结果可以计算出第⼀分级范围内像元的平均植被覆盖度b2指的是黄⽯市范围以内的，可能会和以外的数值混合，所以不能为0，第⼆、三、四、五等级(b2 eq 2)*b1+(b2 ne 2)*7(b2 eq 3)*b1+(b2 ne 3)*7(b2 eq 4)*b1+(b2 ne 4)*7(b2 eq 5)*b1+(b2 ne 5)*7如果有需要帮助，可在淘宝⽹上查询店铺天鸿数软，在线的地信企业如果有需要帮助，可在淘宝⽹上查询店铺天鸿数软，在线的地信企业计算结果⼤于0.5的都为0分级后的平均FVC图00.20.40.60.810123456FVC分级平均F V C平均FVC第七讲GIS 制图添加黄⽯边界（.shp）打开这个数据盒⼦如果有需要帮助，可在淘宝⽹上查询店铺天鸿数软，在线的地信企业如果有需要帮助，可在淘宝⽹上查询店铺天鸿数软，在线的地信企业如果有需要帮助，可在淘宝⽹上查询店铺天鸿数软，在线的地信企业，布局视图、、图例：右击转化为图形，右键取消分组……尺插⼊指北针、⽐例如果有需要帮助，可在淘宝⽹上查询店铺天鸿数软，在线的地信企业如果有需要帮助，可在淘宝⽹上查询店铺天鸿数软，在线的地信企业。

envi波段运算计算ndvi实验原理以envi波段运算计算ndvi实验原理为标题NDVI（Normalized Difference Vegetation Index）是一种通过计算红外和可见光波段之间的差异来评估地表植被覆盖程度的指数。

这个指数被广泛应用于农业、林业、环境监测等领域，可以提供植被生长状况、土壤湿度、气候变化等有关地表植被的重要信息。

在ENVI（Environment for Visualizing Images）软件中，可以通过波段运算来计算NDVI指数，实现对地表植被的定量分析。

ENVI是一款专业的遥感图像处理软件，具备强大的图像处理和分析功能。

在ENVI中计算NDVI指数的方法主要是通过对多光谱遥感图像进行波段运算，利用可见光波段和红外波段之间的差异来估算出植被的绿度。

需要加载多光谱遥感图像到ENVI软件中。

这些图像通常包括红、绿、蓝和近红外等波段，其中近红外波段对于计算NDVI指数非常重要。

加载完成后，可以在ENVI软件中选择波段运算工具进行计算。

在波段运算工具中，需要选择红和近红外波段作为输入波段。

红波段通常对应可见光的红色波段，近红外波段通常对应可见光的红外波段。

选择好输入波段后，可以使用ENVI提供的公式进行波段运算。

波段运算的公式通常是NDVI=(NIR-Red)/(NIR+Red)，其中NIR表示近红外波段，Red表示红波段。

这个公式可以计算出每个像素点的NDVI值。

计算完成后，可以将NDVI图像显示出来。

在ENVI软件中，可以将NDVI值映射到不同的颜色，从而形成彩色图像。

一般来说，植被茂盛的地方会呈现绿色或青色，而无植被的地方则会呈现红色或黄色。

通过观察NDVI图像，可以直观地了解到地表植被的分布情况。

通过计算NDVI指数，可以对地表植被进行定量分析。

NDVI值的范围通常在-1到1之间，数值越高表示植被覆盖越密集。

在农业领域，可以利用NDVI指数来评估农作物的生长情况和健康状况，指导农业生产。

evi指数计算公式EVI指数是一种遥感分析技术，可以用于评估植被覆盖度和生长状态。

它不受云层和大气污染的影响，因此可以在不同季节和地点进行比较。

本文将介绍EVI指数的计算公式及其应用。

EVI指数全称为Enhanced Vegetation Index，即增强型植被指数。

它是基于NDVI（Normalized Difference Vegetation Index）指数扩展得到的，可以弥补NDVI在高植被覆盖度地区存在的饱和问题。

EVI指数的计算公式如下：EVI = 2.5 * (NIR – RED) / ((NIR + 6 * RED –7.5 * BLUE) + 1)其中，NIR、RED和BLUE分别代表近红外波段、红光波段和蓝光波段的反射率。

这些波段的选择是基于它们与植被生长状态之间的关系。

近红外波段反映植被的叶绿素含量和叶面积指数；红光波段反映植被的叶绿素含量和叶片的吸收作用；蓝光波段反映大气散射和植被表面的反射。

通过这些波段的组合，可以更准确地评估植被的生长状态。

EVI指数的取值范围为-1到1，其中正值表示高植被覆盖度，负值表示低植被覆盖度。

与NDVI指数相比，EVI 指数的饱和点更高，因此可以适用于更广泛的植被覆盖度范围。

此外，EVI指数对植被覆盖度的变化更加敏感，可以用于发现微小的植被变化。

例如，EVI指数可以用于监测农作物的生长状态、草原的植被恢复情况等。

为了计算EVI指数，需要获取卫星遥感图像数据。

常见的卫星包括LANDSAT、MODIS、SPOT等。

这些卫星可以提供多个波段的遥感数据，用于计算EVI指数的各个分量。

计算过程一般包括以下步骤：1. 对原始遥感图像进行预处理，包括大气校正、亮度和对比度调整等，以提高遥感数据的准确性和可比性。

2. 提取遥感图像中的NIR、RED和BLUE波段的反射率，并排除一些高亮度区域（如云层、雪地等）的影响。

3. 套用EVI指数的计算公式，计算每个像元的EVI指数。

envi中lst的计算方法
在ENVI中，LST（Land Surface Temperature）通常是通过一系列步骤来计算的，包括辐射定标、大气校正、计算NDVI、计算植被覆盖度等。

1. 打开数据，对第10波段进行辐射定标（Band10的后缀为Thermal），获得辐射亮度图像。

2. 在ENVI中打开原始数据_，选择Radiometric Calibration工具，选择_MTL_Thermal数据，并根据需要选择spatial subset。

3. 计算NDVI。

NDVI的计算公式是NDVI=(近红外-红)/(近红外+红)。

4. 计算植被覆盖度Fv。

这通常采用混合像元分解法，将整景影像的地类大致分为水体、植被和建筑。

具体的计算公式如下：Fv = (NDVI-NDVIS)／(NDVIV - NDVIS)。

其中，NDVI为归一化差异植被指数，取NDVIV = 和NDVIS = 。

以上步骤仅供参考，建议查阅ENVI软件使用说明或咨询专业人士获取更准确的信息。

本科学生综合性、设计性实验报告姓名宋国俊学号*********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：在ENVI主菜单 Basic Tools→Convert Data(BSQ、BIL、BIP)→convert File input File→convert File parameter(2)大气校正：Spectral→FLAASH其中进行大气校正所需要的参数包含在元数据中，元数据可以从“国际科学数据服务平台”上查找到，如下所示(3)归一化植被指数（NDVI）计算Transform → NDVI（4）以下是原始数据、辐射定标、大气校正的同一地点的光谱特征原始数据辐射定标大气校正3、实验结果：NDVI计算结果：NDVI的应用：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。

植被指数计算方法植被指数是用来衡量一个特定区域内植被覆盖状况的一个指标。

植被指数经常被应用于农业、林业、环境科学、地理信息系统以及监测全球气候变化等领域。

常见的植被指数包括归一化植被指数（NDVI）、归一化差异植被指数（NDWI）和总体植被指数（TVI）等。

归一化植被指数（NDVI）是最常见也是最常用的植被指数之一、它是通过计算可见光波段和红外波段反射率之差，然后除以两者之和得到的。

NDVI的值范围在-1到1之间，-1代表无植被，0代表有一般植被，而1代表有密集的绿色植被。

NDVI的计算公式为：NDVI = (NIR - Red) / (NIR + Red)其中NIR表示红外波段的反射率，Red表示可见光波段的反射率。

这两个波段可以从遥感影像中提取得到。

归一化差异植被指数（NDWI）是通过计算近红外和短波红外波段的反射率之差，然后除以两者之和得到的。

NDWI主要用于表征水体覆盖的程度，特别适用于监测湿地、河流、湖泊等水体变化的状况。

NDWI的计算公式为：NDWI=(NIR-SWIR)/(NIR+SWIR)其中NIR表示近红外波段的反射率，SWIR表示短波红外波段的反射率。

总体植被指数（TVI）是基于红外波段的植被指数，它是通过计算红外波段反射率与可见光波段反射率之差的平方根得到的。

TVI的计算公式为：TVI = √（NIR - (Red * (1 - NIR)））其中NIR表示红外波段的反射率，Red表示可见光波段的反射率。

除了以上的植被指数，还有其他一些植被指数也被广泛应用，例如比值植被指数（RVI）、改进型植被指数（EVI）等。

这些植被指数的计算方法各有不同，但基本原理都是通过不同波段的反射率之差或比值来反映植被的生长情况。

总之，植被指数的计算方法基于多光谱遥感数据，通过利用不同波段的反射特性来评估植被的覆盖程度。

这些植被指数的应用可以帮助我们更好地了解植被的分布、成长状况以及对环境的响应，从而为农业生产、自然资源管理和环境保护等提供科学依据。

植被覆盖度遥感监测研究一、绪论随着人类活动的不断扩张，自然环境遭到了越来越严重的破坏。

其中，植被覆盖度的变化直接反映了人类活动对自然环境的影响程度。

因此，对植被覆盖度进行遥感监测，对于掌握生态保护与可持续发展的相关信息具有重要的意义。

二、植被覆盖度的遥感监测1.植被覆盖度的概念植被覆盖度是指在某一土地面积上被植被所覆盖的面积与该土地面积之比，通常以百分数表示。

2.植被覆盖度的遥感监测方法（1）常规遥感监测方法常规的遥感监测方法主要是利用卫星遥感影像，对其进行数字处理、图像提取等技术，从而得到植被覆盖度等相关信息。

（2）高光谱遥感监测方法高光谱遥感技术可以获取更为详细的信息，因此在植被覆盖度监测中，也被广泛应用。

通过高光谱遥感图像的分析，可以得到植被覆盖度、类型、健康状况等信息。

（3）激光遥感监测方法激光遥感技术可以获取高精度的地形信息和植被高度信息，因此通过激光遥感数据可以得到植被覆盖度等更加详细的信息。

三、植被覆盖度遥感监测的应用实例1.生态环境监测植被覆盖度是生态环境质量的重要指标之一。

利用植被覆盖度的遥感监测方法，可以及时掌握地表植被的生长状况和变化情况，为生态环境保护提供科学依据。

2.农业生产监测农业生产对于植被的要求相对较高，因此植被覆盖度的监测对于农业生产的发展具有重要的作用。

利用植被覆盖度监测技术，可以实时掌握农田植被的生长状态，为农业生产提供精准的决策支持。

3.土地利用评价植被覆盖度是土地利用评价的重要指标之一。

利用植被覆盖度的遥感监测方法，可以准确地评价土地的利用状况和变化情况，为土地利用规划提供重要的参考。

4.自然灾害监测和预警植被覆盖度的变化可以反映自然灾害的发生和进展情况。

通过监测植被覆盖度的变化，可以及时发现自然灾害的迹象，提前预警和采取防范措施。

四、植被覆盖度遥感监测存在的问题和挑战1.地面不同类型植被的识别问题不同类型的植被在遥感图像中表现不同，因此需要针对不同类型的植被，对遥感图像进行不同的识别和处理。