下载文档原格式
ASTER 影像提取植被信息的NDVI 与SAVI 法比较——以广州花都区为例秦鹏，陈健飞﹡（广州大学地理科学学院，广州510006）摘要：基于ASTER 遥感影像，使用IDL 语言编写归一化差异植被指数（NDVI）和土壤调整植被指数（SAVI）的计算公式，对遥感影像进行处理，分别对两种方法处理后的遥感影像采用K-Means 分类，经过分类后处理，提取植被信息。
NDVI 整体上较好地反映了不同土地覆被信息；而SAVI 对于各种地类的值域较宽，反映绿色植被内部差异信息较明显，可为不同植被类型的信息提取提供方法参考。
关键词：遥感应用；NDVI；SAVI；ASTER 影像中图分类号：TP79；P237 文献标识码：A 文章编号：1001–5221（2008）05–0419–04植被调查是遥感应用的重要领域。
植被解译的目的是在遥感影像上有效地确定植被的分布、类型、长势等信息，以及对植被的生物量作出估算，因而可为环境监测、生物多样性保护和农业、林业等有关部门提供信息服务[1]。
植被指数是由可见光和红外波段建立起来的线性和非线性组合，大量研究结果表明，利用红光和红外波段的不同组合进行植被研究效果很好[2]。
植被指数作为一种遥感手段，有助于增强遥感影像的解译力，已广泛应用于土地利用、作物识别、产量估算等资源遥感领域。
利用植被指数定性和定量监测陆地植被的生长状况和区域分布的方法，已越来越受到人们的重视；植被指数近几十年来的迅速发展和应用，也有效地提高了植被解译的工作效率和成果。
当前，国内基于MODIS 遥感影像的植被指数研究相当广泛，对ASTER遥感影像的植被指数研究相对较少。
代晓能等研究了流沙河流域ASTER遥感影像不同植被指数对不同地表植被覆盖情况的反应效果及其影响因素[3]；李明诗等比较了TM和ASTER的植被指数的建模性能[4]；张云霞等使用地面实测数据以及ASTER遥感数据，建立植被盖度经验模型[5]。
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。
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NDVI2014.4.24NDVI2）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GVI2014.4.24GVI3）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2014.3.16的RVI2014.4.24RVI4）提取差值植被指数公式：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612chazhi的文件名保存在文件夹中。
ENVI中计算NDVI和植被覆盖度覆盖度, 植被, ENVI, NDVI1.直接用envi直接算的话，主菜单中transform－ndvi，算归一化植被指数。
Tasseled Cap (缨帽变换)，也可以用来算绿度植被指数gvi。
也可自己定义算法算植被指数。
如果要算植被覆盖度的话，可以先计算 NDVI，然后利用 NDVI 与植被覆盖度之间的关系计算。
计算公式可用：f=(NDVI-NDVI MIN)/(NDVI MAX-NDVI MIN)这里的NDVIMIN和NDVIMAX是代表研究区域的最好植被覆盖和最差植被覆盖的植被指数，即裸地和茂盛植被覆盖区的NDVI值具体可参照赵英时老师的《遥感应用分析原理与方法》/viewdiary.14418414.html2.最小值和最大值运算符的使用最小值和最大值运算符也是数组的基础运算符，但与关系运算符或Boolean运算符不同的是：它们不返还真值或假值，而返还实际的最小值和最大值。
在下面的示例中，对于图像中的每一个像元，0、b2或b3中的最大值将被加到b1中，该表达式确保加到b1中的值始终为正。
b1 +（0 > b2 > b3）在下面的示例中，最小值和最大值运算符的同时运用使b1中的值被限制在0和1之间——b1中的值不会大于1或小于0。
0 > b1 < 13. 运算符波段运算举例22.1 数据小于0的赋予0 b1>02.2 数据值小于０的赋予-999(b1 LT 0)*-999+(b1 GE 0)*b12.3 三个波段求平均值，如该波段小于0则不参加运算。
如某点b1:4;b2:6;b3:0；那平均值ave = (b1+b2+b3)/(1+1);b1>0+b2>0+b3>0)/( ((b1 ge 0) + (b2 ge 0)+(b3 ge 0)) >1)2.4两幅图像，图像1波段b1中的云部分（象元值大于200）用图像2的波段b2代替(b1 GT 200)*b2+(b1 LE 200)*b12.5波段分段赋值，如B1中小于0部分等于0，b1中值在[0,10]之间赋为原数值的100倍，如果b1值大于10则赋为原数值的10倍。
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。
芝罘区植被覆盖度的遥感估算研究目的：根据landsat5号行数据，计算出归一化植被指数NDVI来估算烟台芝罘区植被覆盖度，研究芝罘区地表植被覆盖状况。
原理与方法：➢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、雪、枯叶、粗糙度等，且与植被覆盖有关➢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%。
envi光谱指数
ENVI光谱指数是一种用于遥感影像处理和分析的技术，它利用了遥感影像的光谱信息来提取地物的特征和信息。
ENVI光谱指数可以用于监测和评估地物的光谱特征，如植被覆盖、土壤类型、水体分布等。
ENVI光谱指数的计算方法是将多个波段的遥感影像进行组合，通过一定的数学运算得到一个新的指数值。
这个指数值可以反映地物的光谱特征，从而帮助我们更好地理解和分析地物的分布和变化。
在ENVI中，有很多内置的光谱指数可供选择，如归一化水体指数（NDWI）、归一化泥指数（NDMI）、改进的归一化水体指数（MNDWI）等。
这些指数都可以帮助我们提取和分析地物的光谱特征。
例如，归一化水体指数（NDWI）可以用于提取水体信息，其值越大，说明地物的含水量越大。
改进的归一化水体指数（MNDWI）可以进一步提高水域特征的提取效果，抑制来自建筑物用地、植被和土壤的干扰。
envi 波段特征指数
ENVI（Environment for Visualizing Images）是一种用于处理和分析遥感图像的软件平台。
在ENVI中，波段特征指数是一种用于提取和分析遥感图像中特定地物或地貌特征的指数。
常见的波段特征指数包括：
1. NDVI（Normalized Difference Vegetation Index）：用于评估植被覆盖程度的指数，计算公式为（NIR - Red）/（NIR + Red），其中NIR代表近红外波段，Red代表红色波段。
2. NDWI（Normalized Difference Water Index）：用于检测水体的指数，计算公式为（Green - NIR）/（Green + NIR），其中Green代表绿色波段，NIR代表近红外波段。
3. NDBI（Normalized Difference Built-up Index）：用于检测建筑物和人造结构的指数，计算公式为（SWIR2 - NIR）/（SWIR2 + NIR），其中SWIR2代表短波红外2波段，NIR代表近红外波段。
4. EVI（Enhanced Vegetation Index）：用于评估植被生长活力的指数，计算公式为2.5 * (NIR - Red) / (NIR + 6 * Red - 7.5 * Blue + 1)。
这些波段特征指数可以通过ENVI软件进行计算和分析，从而帮助研究人员和专业人士提取和解释遥感图像中的地物特征和环境信息。
本科学生实验报告姓名宋国俊学号*********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 学年一学期云南师范大学旅游与地理科学学院编印一、实验准备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。
步骤：进入地理空间数据云平台下载相关的数据找到landsat 8 南京的相关数据;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NDVI 2014.4.24 NDVI2）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。
ENVI学习总结（十一）——NDVI的计算NDVI是一种常用的遥感指数，广泛应用于植被覆盖度的评估和植被生长的监测等领域。
在ENVIs中，可以通过一系列的计算步骤来获取NDVI。
首先，需要选取红光和近红外波段的数据。
红光波段通常在可见光区域，而近红外波段则位于红光和红外波段之间。
然后，将两个波段的数据输入到ENVI中。
在ENVI中，可以使用多种方式导入数据，例如读取文件、打开URL或连接到RServe服务器等。
选择合适的方法导入数据后，可以通过ENVI中的菜单栏或命令行输入相应的命令来打开数据。
接下来，需要进行辐射校正。
由于遥感数据受大气和地表因素的影响，需要对数据进行辐射校正，以减小这些误差。
在ENVI中，辐射校正可以通过大气校正模块来实现。
可以选择不同的大气校正算法，如DOS和MODTRAN等。
根据实际情况选择适合的算法，并设置相应的参数进行校正。
校正完成后，可以进行NDVI的计算。
NDVI的计算公式为：NDVI = (NIR - Red) / (NIR + Red)，其中NIR表示近红外波段的反射率，Red表示红光波段的反射率。
根据输入的数据，ENVI会自动计算NDVI，并生成一个新的NDVI图像。
在计算NDVI之后，可以对NDVI图像进行进一步的分析和处理。
例如，可以进行图像的增强和可视化，以更清晰地观察植被的分布情况。
此外，还可以进行植被指数的计算，如植被生长指数（VEI）和归一化差异植被指数（NDVI）。
这些指数可以用来评估植被的健康状况和生长状态。
总之，通过ENVI进行NDVI的计算和分析是一种常用的遥感应用方法。
通过合理选择输入数据、进行辐射校正和计算NDVI，可以得到植被覆盖度的评估结果，为环境研究和资源管理提供有价值的信息。
同时，ENVI还提供了丰富的功能和工具，可以对NDVI图像进行多种处理和分析，以进一步研究植被的生态特征和变化趋势。
