下载文档原格式
一、实验目的1. 理解植被指数的概念及其在遥感监测中的应用；2. 掌握植被指数的计算方法；3. 分析不同植被指数对植被覆盖度的反映程度。
二、实验原理植被指数是遥感技术中用于监测植被覆盖度和生长状况的重要指标。
它是通过分析遥感图像中红光和近红外波段的反射率差异来计算的。
常见的植被指数有归一化植被指数（NDVI）、增强型植被指数（EVI）等。
三、实验材料1. 遥感影像：选取不同植被覆盖度的遥感影像；2. 软件工具：ENVI、ArcGIS等遥感数据处理软件；3. 计算器。
四、实验步骤1. 遥感影像预处理（1）读取遥感影像，包括红光波段和近红外波段数据；（2）进行几何校正，使影像具有相同的地理坐标；（3）进行辐射校正，消除大气和传感器等因素的影响；（4）进行大气校正，消除大气对遥感影像的影响。
2. 计算植被指数（1）计算归一化植被指数（NDVI）NDVI = (NIR - Red) / (NIR + Red)（2）计算增强型植被指数（EVI）EVI = 2.5 (NIR - Red) / (NIR + 6 Red - 7.5 Red^2)3. 分析植被指数（1）绘制NDVI和EVI分布图，观察不同植被覆盖度的变化；（2）分析不同植被指数对植被覆盖度的反映程度，比较NDVI和EVI的差异。
五、实验结果与分析1. 实验结果（1）通过遥感影像预处理，得到了具有相同地理坐标和辐射校正后的遥感影像；（2）根据遥感影像计算得到NDVI和EVI分布图，可以看出不同植被覆盖度的变化；（3）通过比较NDVI和EVI分布图，可以发现EVI对植被覆盖度的反映程度更好。
2. 实验分析（1）NDVI和EVI是两种常用的植被指数，它们都能反映植被覆盖度的变化；（2）EVI相较于NDVI，对植被覆盖度的反映程度更好，尤其是在植被覆盖度较低的情况下；（3）通过遥感影像预处理和植被指数计算，可以实现对植被覆盖度的有效监测。
六、实验结论1. 通过本次实验，掌握了植被指数的概念及其在遥感监测中的应用；2. 掌握了植被指数的计算方法，包括NDVI和EVI；3. 分析了不同植被指数对植被覆盖度的反映程度，发现EVI在植被覆盖度较低的情况下具有更好的反映效果。
基于遥感的土壤侵蚀监测土壤侵蚀是一个全球性的环境问题，它不仅导致土地生产力下降、生态系统破坏，还可能引发一系列的自然灾害，如泥石流、滑坡等。
因此，准确、及时地监测土壤侵蚀状况对于土地资源的合理利用、生态环境保护以及可持续发展具有重要意义。
遥感技术作为一种高效、大面积、多时相的观测手段，为土壤侵蚀监测提供了新的思路和方法。
一、遥感技术在土壤侵蚀监测中的优势遥感技术能够快速获取大面积的地表信息，相比传统的地面监测方法，大大提高了监测效率。
通过不同波段的电磁波反射和辐射特性，遥感可以获取土壤、植被、地形等与土壤侵蚀密切相关的要素信息。
多光谱遥感数据可以反映植被的生长状况和覆盖度，植被是防止土壤侵蚀的重要因素，其覆盖度的高低直接影响着土壤侵蚀的程度。
高分辨率遥感影像能够清晰地展现地形地貌特征，如坡度、坡长等，这些地形参数是评估土壤侵蚀风险的关键指标。
此外，遥感技术还具有重复观测的能力，可以对同一地区进行周期性监测，及时发现土壤侵蚀的动态变化，为制定相应的防治措施提供依据。
二、基于遥感的土壤侵蚀监测方法1、植被指数法植被在土壤侵蚀过程中起着重要的作用，通过遥感计算植被指数，如归一化植被指数（NDVI）、比值植被指数（RVI）等，可以定量评估植被的覆盖度和生长状况。
植被覆盖度低的区域往往更容易发生土壤侵蚀。
2、地形因子分析法利用数字高程模型（DEM）提取地形因子，如坡度、坡向、坡长等。
陡坡和长坡通常更容易产生土壤侵蚀，通过分析这些地形因子，可以评估土壤侵蚀的潜在风险。
3、土壤光谱特征法不同类型和侵蚀程度的土壤具有不同的光谱特征。
通过遥感光谱分析，可以识别土壤类型、质地以及土壤侵蚀导致的土壤理化性质变化。
4、多时相遥感监测法对同一地区不同时间的遥感影像进行对比分析，观察土地利用变化、植被覆盖变化以及地貌的动态演变，从而判断土壤侵蚀的发展趋势。
三、遥感数据的选择与处理在进行土壤侵蚀监测时，需要根据研究目的和区域特点选择合适的遥感数据。
总第84期第3期基于遥感影像的归一化植被指数算法研究符思涛周云（遥感信息工程学院07023信箱湖北武汉430079）摘要植被归一化指数研究是遥感应用的主要领域，同时也是遥感学科的重要的研究问题。
基于遥感影像的归一化植被指数研究方法和理论随着计算机算法的发展有了很大的进步，在介绍了植被指数概念的基础上阐述了NDVI的特征及其优势,同时也通过编写程序实现了对遥感影像的归一化植被指数的提取。
此外，通过利用遥感软件ERDAS IMAGINE9.1对遥感影像进行植被指数的提取,对提取结果进行了对比分析，从而优化了自编程序算法。
关键词遥感归一化植被指数（NDVI）ERDAS IMAGINE1概述1.1植被指数广义上的植被指数是指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。
植被指数是对地表植被活动的简单、有效和经验的度量,这一指数在一定程度上反映着植被的演化信息。
通过大量地物光谱波段测量研究分析发现,植被红光波段0.55-0.68μm有一个强烈的吸收带,它与叶绿素密度成反比;而近红外波段0.725-1.1μm有一个较高的反射峰,它与叶绿素密度成正比。
因此,通常使用红色可见光通道(0.6-0.7μm)和近红外光谱通道(0.7-1.1μm)的组合来设计植被指数。
这两个波段归一化组合与植被的叶绿素含量、叶面积及生物量密切相关,所以植被指数便成为植被生态研究领域的基础。
1.2归一化植被指数NDVI(Normalized Difference Vegetation In-dex)归一化植被指数,又称标准化植被指数,在使用遥感图像进行植被研究以及植物物候研究中得到广泛应用,它是植物生长状态以及植被空间分布密度的最佳指示因子,与植被分布密度呈线性相关。
实验表明,NDVI对土壤背景的变化较为敏感;它是单位像元内的植被类型、覆盖形态、生长状况等的综合反映,其大小取决于植被覆盖度和叶面积指数等要素;NDVI对植被盖度的检测幅度较宽,有较好的时相和空间适应性,因此应用较广。
基于遥感影像的植被指数研究方法述评罗 亚，徐建华，岳文泽 （华东师范大学地理系，地理信息科学教育部重点实验室，上海 200062）【摘要】随着遥感技术的发展，植被指数作为用来表征地表植被覆盖和生长状况的度量参数，已经在环境、生态、农业等领域有了广泛的应用。
本文在分析植被指数形成机制及影响因子的基础上，对其具有一定技术突破的典型植被指数进行了归纳分类与比较分析，并评价了各自的优势和局限性。
植被指数按遥感数据采集的平台可以分为航空植被指数和航天植被指数两大类，其中航天植被指数又可以分为基于波段简单线性组合的植被指数、消除影响因子的植被指数和针对高光谱遥感及热红外遥感的植被指数三类。
最后就植被指数应用中存在的问题以及发展前景谈了一些看法：植被指数数目繁琐重复，急待规范条理化；植被指数应用领域不同，使用者时要慎重；植被指数影响因子很多，具体使用时应适时修正；植被指数公式繁琐阻碍其应用，应开发植被指数产品；遥感技术日新月异，积极研发新的植被指数。
关键词：遥感；植被指数；航空；航天中图分类号：Q147 文献标识码：A 文章编号：1008-8873(2005)01-075-05 Research on vegetation indices based on the remote sensing imagesLUO Ya, XU Jian-Hua, YUE Wen-Ze (Geography Information Science Open Lab of Education，Geography Department of East China Normal University，Shanghai 200062 China )Abstract With the development of remote sensing technology, vegetation indices(VI), which is a quantitative indicator for ivegetation canopy and growth conditions, has been widely applied in the fields such as environmental, ecological and agricultural studies. Different types of VI have been developed during last thirty years to enhance vegetation and minimize the effects of the factors. This paper reviews the formation mechanism and the factors of VI such as vegetation conditions, atmosphere, soil, sensor calibration, sensor viewing conditions. The VI with technical innovation are discussed and analyzed for the advantages and limitations. In general, the vegetation indices are classified into airborne and satelliate VI according to the sensor platform. The satelliate vegettion indices consist of three sorts of VI: simple linear combination of the spectral bands, eliminating the effects of the factors and aiming at hyperspectral remote sensing technology and thermal infrared multi-spectral remote sensing technology. Several issues in VI future development are also addressed: Firstly, Standardization and classification of different types of VI are necessary. Secondly, the applied fields of various VI are different so that the choice of VI should be careful. Thirdly, Because of many factors of affecting VI, modification should be made before application in practice. Also, the complex formula of VI prevent its application. Finally, new VI should be developed based on the advance of remote sensing technology.Key words: Remote sensing；Vegetation index；Airborne；Spaceflight植被指数是遥感领域中用来表征地表植被覆盖，生长状况的一个简单，有效的度量参数[1]。
基于遥感的农业产量预测研究农业作为国民经济的基础，其产量的准确预测对于保障粮食安全、优化农业资源配置以及制定相关政策具有重要意义。
随着科技的不断进步，遥感技术因其能够快速、大面积获取地表信息的优势，在农业产量预测中发挥着越来越重要的作用。
遥感技术是一种通过非接触式的传感器获取远距离目标物的信息，并对其进行分析和处理的技术。
在农业领域，常用的遥感数据包括卫星影像、航空摄影以及无人机拍摄等。
这些数据包含了丰富的地表特征信息，如作物的生长状况、土壤湿度、植被覆盖度等。
通过对遥感数据的分析，可以获取与农业产量密切相关的参数。
例如，利用植被指数可以反映作物的生长活力和健康状况。
归一化植被指数（NDVI）是常用的植被指数之一，它通过计算近红外波段和红光波段的反射率差异来评估植被的生长状况。
当作物生长良好时，NDVI 值较高；反之，NDVI 值较低。
此外，叶面积指数也是一个重要的参数，它反映了作物叶片的覆盖程度，与光合作用和干物质积累密切相关。
遥感数据的获取具有时效性强的特点。
不同生长阶段的作物，其遥感特征存在差异。
在播种期，可以通过遥感监测土地的利用情况和种植面积；在生长期，可以定期获取作物的生长信息，及时发现病虫害、干旱等灾害的影响；在收获期，能够对作物的成熟度进行评估，为收获决策提供依据。
然而，要将遥感数据有效地应用于农业产量预测，并非一帆风顺，还面临着一些挑战。
首先，遥感数据的质量和分辨率可能会受到天气条件、传感器精度等因素的影响。
例如，云层遮挡可能导致部分区域的数据缺失，影响对作物生长状况的全面评估。
其次，遥感数据的解译和分析需要专业的知识和技术，如何准确地从复杂的数据中提取有用的信息，并建立与产量之间的可靠关系，是一个关键问题。
此外，农业生产受到多种因素的综合影响，除了遥感监测到的因素外，还包括品种特性、田间管理措施、病虫害防治水平等，如何将这些因素综合考虑到产量预测模型中，也是需要解决的难题。
为了应对这些挑战，研究人员采取了一系列的方法和技术。
植被指数的计算方法与遥感图像处理步骤植被指数是研究地表植被覆盖状况的重要指标，可以通过遥感技术获取高空间分辨率的植被信息。
植被指数的计算方法与遥感图像处理步骤是确定植被指数数值的关键环节。
一、什么是植被指数？植被指数是通过遥感技术获取的图像数据来计算植被覆盖状况的指标。
常见的植被指数有归一化植被指数（Normalized Difference Vegetation Index, NDVI）、植被指数（Vegetation Index, VI）等。
这些指标利用遥感图像中红、近红外波段的反射光谱信息来反映植被生长情况，指数数值越高，代表植被覆盖程度越高。
二、植被指数的计算方法1. 归一化植被指数（NDVI）NDVI是最常用的植被指数之一，计算公式为（NIR-RED）/（NIR+RED），其中NIR是近红外波段的反射值，RED是红波段的反射值。
NDVI范围在-1到1之间，数值越接近1代表植被覆盖越高，数值越接近-1代表植被覆盖越低，数值接近0则代表无植被。
2. 植被指数（VI）植被指数是根据遥感图像中的红、蓝、绿波段的反射值计算得到的，常见的植被指数有绿光波段（Green）、蓝光波段（Blue）和红边波段（Red-edge）等。
植被指数的计算公式根据研究的需要而定，比如Normalized Green-Blue Vegetation Index（NGB）、Green-Blue Vegetation Index（GBVI）等。
三、遥感图像处理步骤1. 遥感图像获取遥感图像可以通过卫星、飞机等载体获取，一般包括多个波段的光谱信息。
从遥感图像中选取合适的波段进行植被指数的计算。
2. 数据预处理遥感图像预处理包括大气校正、几何纠正和辐射辐射校正等步骤，以消除由于大气、地表地貌等因素引起的图像噪声。
3. 波段选择根据研究需要和相关指数的计算公式选择合适的波段进行植被指数的计算。
常用的波段有红、近红外、绿、蓝等。
基于遥感影像的不同植被指数比较研究以汶川地区的多光谱遥感影像Landsat 8 OLI为数据源，利用比值植被指数（RVI）、归一化植被指数（NDVI）、土壤调节植被指数（SA VI）、修正的土壤调节植被指数（MSA VI）4种植被指数和植被信号与土壤噪音之比（S/N）对研究区不同区域的植被进行比较研究，结果表明归一化植被指数与土壤调节植被指数适合该地区的实际情况。
标签：遥感影像；植被指数；信噪比；比较研究引言现如今，遥感探测已成为植被研究的一个高效方法，植被指数是遥感领域中用来表征地表植被覆盖，生长状况的一个简单有效的度量参数。
植被指数的定量测量可表明植被活力，它比单波段用来探测生物量有更好的灵敏性。
随着遥感技术的发展，植被指数在环境、生态、农业等领域有了广泛的应用。
目前为止，已经有许多植被指数被发现与研究，不同的植被指数有其不同的适用性，由于地理环境、植被覆盖度、植被生长状况等很多因素的影响，对于不同的地区，植被指数会有不同的敏感性。
同理，在同一地区的不同区域植被指数也会有不同的体现。
其次植被信号与土壤噪音之比是植被指数选择的一个重要因素，安培浚等从降低土壤背景的影响效果、探測植被覆盖度的能力、探测植被信息的能力三个方面，利用对比分析的方法做了西北干旱地区民勤绿洲的植被指数遥感定量研究；陈明华等利用同样的方法做了不同植被指数估算植被覆盖度的比较研究。
基于此，在对研究区域了解有限的情况下，根据获取的遥感影像，观察植被的分布情况，把研究区分为5个感兴趣区域，然后再用植被指数与信噪比对植被指数的生长状况以及植被指数的选取进行对比研究。
从而找出适合汶川地区植被研究的植被指数，为遥感监测该研究区的植被提供依据。
1 研究区概况汶川县位于四川省西北部的阿坝州境东南部的岷江两岸，纬度坐标为北纬30°45′～31°43′与东经102°51′～103°44′之间。
其总面积为408432.56公顷。
归一化差异植被指数数值归一化差异植被指数（Normalized Difference Vegetation Index，NDVI）被广泛应用于遥感技术的植被监测领域。
NDVI可以用于评估植被的生长状态和空间分布，并可用于估算植被物质和叶面积指数。
对于遥感技术卫星传感器获取图像数据进行相关测量和分析处理方面具有重要意义。
本文将深入探讨归一化差异植被指数数值的相关话题，包括其定义、计算方法及应用等方面。
一、NDVI的定义NDVI是一种逐像元计算的植被指数，它通过遥感技术将反射波段红色和近红外波段的能量进行比较，以反映植被的生长状态。
其数学表达式为：NDVI = (NIR – Red) / (NIR + Red)其中，NIR (Near Infrared) 表示近红外波段的反射率，Red表示红光波段的反射率。
由于植被在近红外波段有较高的反射率，在红光波段有较低的反射率，在NDVI计算中使用比值法可以消除不同亮度的干扰之后，NDVI的值范围在-1到1之间。
当NDVI接近于1时，表明该区域植被覆盖较好；当NDVI接近于0时，表明该区域的植被覆盖率较低；当NDVI为负数时，表明该区域是水体、建筑物或石块等非植被覆盖面。
NDVI数值越高，表明该区域植被密度越大，植被生长状况越好。
二、NDVI的计算方法计算NDVI需要获取遥感图像中的红光和近红外反射率数据。
这需要使用卫星或无人机等平台获取的遥感图像数据和数字图像处理技术进行相关处理。
常用的遥感图像处理软件包括ENVI、ERDAS等。
计算NDVI的具体步骤如下：1. 读取遥感图像数据并进行预处理。
2. 提取遥感图像中的红光与近红外反射波段数据。
3. 对红光与近红外反射波段进行数学运算得出NDVI数值。
4. 将NDVI数值进行归一化处理（即将NDVI数值映射到0到1之间）。
归一化差异植被指数在环境控制、土地利用和植被监测等领域中都有着重要的应用价值。
1. 环境控制在环境控制方面，NDVI可用于监测陆地、农田、森林和荒漠等区域的植被覆盖状态和生长情况。
基金项目:本研究由国家重点基础研究发展规划项目(G 1999043503)和重大基础研究前期研究专项(2002CC A04600)资助收稿日期:2004-12-20利用遥感影像软件ENVI 提取植被指数郭 凯1,孙培新2,张 锐3,刘卫国1(11新疆大学资源与环境科学学院,乌鲁木齐 830046;21新疆生产建设兵团勘测设计院二分院,乌鲁木齐 830002;31重庆邮电学院通信与信息工程学院,重庆 400065)摘要:在遥感影像处理中,植被指数提取广泛应用于定性和定量评价植被覆盖及其生长活力。
主要介绍了在E NVI 遥感图像处理软件对遥感影像进行植被指数。
对植被指数提取的关键部分进行分析,并给出植被指数提取的技术关键。
关键词:植被指数;E NVI ;遥感;NDVI中图分类号:X 87 文献标识码:A 文章编号:1008-2301(2005)01-0010-03Abstracting V egetation I ndex from R emote Sensing Im ages U sing ENVI Softw are.G UO K ai 1,S UN Pei -xin 2,ZH ANG Rui 3,LI U Wei -guo 1(11C ollege of Res ources and Environment Sciences ,X injiang University ,Urumqi 830046;21Survey and Design Institute of X injiang Reclamation C orps ,Urumqi 830002;3.C ommunication &Information Engineering C ollege ,Chongqing University of P osts and T elecommunications ,Chongqing 400065,China ).Environmental Protection of X injiang 2005,27(1):10～12Abstract :Vegetation Index (VI )is widely used in ecosystem and rem ote sensing.This paper presents a practical method in abstracting Vegetation Index from rem ote sensing images using the E NVI S oftware .What ’s m ore ,it als o points out how to correct the false result with which many dissertations confront but ignored in com puting a variety of VI abstracting.K ey w ords :vegetation index ;E NVI ;rem ote sensing ;NDVI 植被指数是遥感监测地面植物生长和分布的一种方法。
总第84期第3期基于遥感影像的归一化植被指数算法研究符思涛周云（遥感信息工程学院07023信箱湖北武汉430079）摘要植被归一化指数研究是遥感应用的主要领域，同时也是遥感学科的重要的研究问题。
基于遥感影像的归一化植被指数研究方法和理论随着计算机算法的发展有了很大的进步，在介绍了植被指数概念的基础上阐述了NDVI的特征及其优势,同时也通过编写程序实现了对遥感影像的归一化植被指数的提取。
此外，通过利用遥感软件ERDAS IMAGINE9.1对遥感影像进行植被指数的提取,对提取结果进行了对比分析，从而优化了自编程序算法。
关键词遥感归一化植被指数（NDVI）ERDAS IMAGINE1概述1.1植被指数广义上的植被指数是指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。
植被指数是对地表植被活动的简单、有效和经验的度量,这一指数在一定程度上反映着植被的演化信息。
通过大量地物光谱波段测量研究分析发现,植被红光波段0.55-0.68μm有一个强烈的吸收带,它与叶绿素密度成反比;而近红外波段0.725-1.1μm有一个较高的反射峰,它与叶绿素密度成正比。
因此,通常使用红色可见光通道(0.6-0.7μm)和近红外光谱通道(0.7-1.1μm)的组合来设计植被指数。
这两个波段归一化组合与植被的叶绿素含量、叶面积及生物量密切相关,所以植被指数便成为植被生态研究领域的基础。
1.2归一化植被指数NDVI(Normalized Difference Vegetation In-dex)归一化植被指数,又称标准化植被指数,在使用遥感图像进行植被研究以及植物物候研究中得到广泛应用,它是植物生长状态以及植被空间分布密度的最佳指示因子,与植被分布密度呈线性相关。
实验表明,NDVI对土壤背景的变化较为敏感;它是单位像元内的植被类型、覆盖形态、生长状况等的综合反映,其大小取决于植被覆盖度和叶面积指数等要素;NDVI对植被盖度的检测幅度较宽,有较好的时相和空间适应性,因此应用较广。
NDVI=(NIR-R)/(NIR+R)(其中NIR代表近红外波段,R代表红波段)。
NDVI在植被指数中占据着非常重要的位置,它主要具有以下几方面的优势:1)植被检测灵敏度较高;2)植被覆盖度的检测范围较宽;3)能消除地形和群落结构的阴影和辐射干扰;4)削弱太阳高度角和大气所带来的噪音。
2算法设计（1）计算框图图1基于遥感影像的归一化植被指数算法研究31··2010年江西测绘（2）主程序代码如下for(i=0;i<nHeight1;i++)//利用循环进行数据处理{for(j=0;j<nWidth1;j++){//iWidthBytes为行宽，lpDIBBits1为数据区头指针int a,b;BYTE d;double c;//c为NDVI值a=*((unsigned char*)lpDIBBits1+i*(iWidth-Bytes)+j)-*((unsigned char*)lpDIBBits2+i*(i-WidthBytes)+j);//a是两个波段影像灰度之差b=*((unsigned char*)lpDIBBits1+i*(iWidth-Bytes)+j)+*((unsigned char*)lpDIBBits2+i*(i-WidthBytes)+j);//b是两个波段影像灰度之和if(b==0)//防止分母为零，使数据溢出{d=0；}else{c=(double)a/(double)b;}if(c>0)d=(BYTE)((c+1.0)/2.0*255.0);//非线性拉伸else d=0；3实现方法及过程（1）本文采用的图像格式都是BMP格式。
利用VC++6.0创建工程后，利用BMP文件打开函数获取TM3,TM4两个波段的影像的句柄，然后利用相关函数获取两个影像的数据区的指针，从而循环获取指针对应的数据区的灰度值，将灰度进行归一化运算。
（2）在写入新的BMP函数中，先开辟一个内存空间，然后利用文件写入函数得出新的函数。
在运算过程中，由于指数运算涉及到除法，为了防止数据溢出，笔者使用了判断语句，一旦分母为零，则令这个指数值为0。
此外，为了让最后的结果图中显示植被信息，笔者对指数进行了灰度拉伸，使得结果在视觉上易于辨别。
（3）在写入文件时，使用了文件写入函数，利用指针不断循环写入像素值，对于最后某行如果不是4的整数倍时，便进行补零处理，防止数据出现错误。
4实验与分析4.1程序结果与ERDAS IMAGING处理结果比较与分析利用ERDAS软件对植被进行NDVI提取时，将TM影像的7个波段都叠加后获取叠加影像，然后打开ERDAS软件下的Interpreter模块，选择Spectral Enhacement下的Indices，在输入叠加影像后选择函数NDVI即可得到处理结果。
处理结果显示，自编程序的处理结果和ERDAS软件的处理结果基本一致。
在自编程序中，本人将结果进行了二值化，所以视觉上更加有利于用户进行判读。
结果比较如下所示：图2ERDAS NDVI图3自编程序NDVI 4.2对于进行植被指数运算时数据溢出的处理在计算归一化植被指数NDVI时,此时若采用NDVI公式直接进行波段计算,如果NIR+ RED(近红外波段+红波段)的值为零时,对这些点的计算就会产生结果溢出的现象。
不仅在计算NDVI时需要注意其运算结果溢出情况,在计算其它诸如RVI、SAVI等植被指数时,同样也存在上述问题。
由于植被指数类型多样性,根据不同的表达式其遥感提取方法也不尽相同,但是运用不同的遥感数据源进行计算时,如不妥善处理都会出现结果溢出的现象。
此类情况在干旱区植被覆盖度较低的遥感影像处理中较为常见。
在解决此问题时，可以利用判断语句，如果NIR+RED=0，则令NDVI=0，所以消除了数据溢出对结果的影响。
4.3植被NDVI指数与其他植被指数比较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。
对于同一幅图像，分别求NDVI和其他植被指数时会发现，NDVI值的增加速度低于其他植被指数值的增加速度，即NDVI对高植被区具有较低的灵敏度。
在利用程序处理时，发现在高植被区NDVI的处理效果一般。
(下转第15页)32··总第84期第3期(上接第32页)5结束语植被指数虽然算法简单,却具有空间覆盖范围广、时间序列长、数据容易获取、植物检测灵敏度高等优点,目前已经作为一种遥感手段广泛应用于植被监测、土地覆盖变化、荒漠化研究、净第一性植被生产力等。
但在应用研究植被指数计算时,要注意避免运算结果的溢出情况,还要考虑到植被指数会因为饱和而放大或缩小其真实值以及来自大气、土壤各方面的干扰。
相信通过对植被指数的研究，遥感应用会有更好的发展和前景。
参考文献[1]梅安新,彭望琭,等.遥感导论[M].北京:高等教育出版社,2002[2]郭凯,孙培新,李卫国.利用ERDAS IMAGINE 从遥感影像中提取植被指数[J].西部探矿工程.2005.6.[3]党安荣等.ERDAS IMAGINE 遥感图像处理方法[M].北京:清华大学出版社,2002.[4]秦伟,朱清科,张学霞,等.植被覆盖度及其测算方法研究进展[J].西北农林科技大学学报,2006,34(9):33-40[5]冯露,岳德鹏,郭祥.植物指数的应用研究综述[J].林业调查规划.2009.34(2)[6]马春林.基于植被指数NDVI 的遥感信息提取.中国高新技术企业[J].2008（10）[7]李德仁.论21世纪遥感与GIS 的发展.武汉大学学报·信息科学版,2003,28(2):127～131[8]孙家抦.遥感原理与应用[M].武汉大学出版社，2009[9]贾永红.数字图像处理.武汉大学出版社，2003!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!文字语言简短，着重表现排名情况与数据的变化。
4.6整饰设计地图集的整饰设计包括：制定统一的线符粗细和颜色；统一确定各类注记的字体及大小；统一用色原则并对各图幅的色彩设计进行协调；进行图集的封面设计、内封设计；确定图集封面、封套的材料；确定装帧方法一级其他诸如图组扉页、封底设计等。
《地图见证湖南发展》封面设计紧扣主题，版式设计较好的体现了内容主题，全书整洁大方、新颖大气、清晰易读。
需要注意的是，对地图的表示方法和整饰进行统一，使各地图间便于比较和使用。
5结论编制《地图见证湖南发展》地图集是在庆祝中华人民共和国60周年的背景下进行的，他的编制出版在大型纪念地图集编制的关键技术、符合合同书提出的主要技术指标等方面积累了宝贵的经验。
5.1解决了课题提出的关键技术①在符合部颁布规定的前提下，主要研究命题的科学性，以地图、航空摄影和卫星遥感影像地图为主，采用与统计图表、照片和文字相结合的表现形式，力图专题内容与地理信息有机融合，注重科学性和艺术性，直观通俗地表达主题。
图集以测绘部门的地理信息数据为编制基础，利用《湖南省统计年鉴》资料和收集的各行业、部门的专业资料，以及图片、文字资料进行编制，内容涉及全省的自然、地理、社会、经济和人文信息。
在计算机技术、遥感技术、地理信息系统技术的支持下，采用数字地图制图技术编制而成。
②用计算机制作技术的优势，研究出更加直观、形象的表现方法；③利用四色印刷的特性，在地图整饰、颜色叠压方面有所创新。
5.2存在的不足1）2008年和1978年以前的统计数据资料不够全面，2008年的数据基本上要在9月份以后才能出来，新老数据统计方法上也有所不同，这增加了地图集编制的难度。
2）在新技术表现方面，除了利用最新的航拍图片外，最新的卫星影像图很少应用，卫星影像图在小比例尺地图中效果会更好一些。
参考文献［1］祝国瑞，郭礼珍，尹贡白，徐永利.地图设计与编绘.武汉大学出版社，2004［2］祝国瑞.地图学.武汉大学出版社，2004.［3］黄仁涛，庞小平，马晨燕.专题地图编制.武汉大学出版社，2003.《地图见证湖南发展》编制研究15··。
