植被覆盖度分布图制作.doc

作业1：
用TM/ETM图像制作一个地区植被覆盖度分布图(要求如图所示)，描述该地区的区域概况，并分析植被分布空间差异。所用公式如下：
NDVI=(B4-B3)/(B4+B3)
Vr=(NDVI-NDVIb)/(NDVIv-NDVIb)
式中：NDVI是归一化植被指数。B3和B4是TM第3和4波段的图像亮度值。NDVIb和NDVIv是裸土和植被的NDVI值，可分别取0.15和0.75。Vr是植被覆盖度(0-1)。
要求：用WORD把制作过程和分析结果记录下来。>2000字
目的：学会图像处理软件，进行图像信息提取，用各种软件共同制作有实际意义的图像
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。对于同一幅图像，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。
操作步骤如下：
一．从地理空间数据云网站下载山西省吕梁地区文水县的ETM影像，对应地区的数据如下：
表： Landsat8数据波段参数
波段
波长范围(μm)
空间分辨率 (m)
名称
1-海岸波段
0.433–0.453
30
LC81260342015159LGN00_B1
2-蓝波段
0.450–0.515
30
LC81260342015159LGN00_B2
3-绿波段
0.525–0.600
30
LC81260342015159LGN00_B3
4-红波段
0.630–0.680
30
LC81260342015159LGN00_B4
5-近红外波段
0.845–0.885
30
LC81260342015159LGN00_B5
6-短波红外1
1.560–1.660
30
LC81260342015159LGN00_B6
7-短波红外2
2.100–2.300
30
LC81260342015159LGN00_B7
8-全色波段
0.500–0.680
15
LC81260342015159LGN00_B8
9-卷云波段
1.360–1.390
30
LC81260342015159LGN00_B9
10-热红外1
10.60 -11.19
100
LC81260342015159LGN00_B10
11-热红外2
11.50 -12.51
100
LC81260342015159LGN00_B11

以及还有相应影像的信息文件（LC81260342015159LGN00_MTL.txt）。

二．进入ENVI 4.8，点击File按钮，出现Open Image File，点击其出现一个Enter Data Filenames 窗口，选择下载好的数据，添加所有波段（其中红波段和近红外波段，即第4,5波段），执行Basic Tools--Layer Stacking，选中11个波段，点击OK，即可将TM影像的11个波段合成一个文件，输出名为AllFile.img ，然后再进行 7,5,3——假彩色合成，其具有良好的大气透射
以下图分别为波段合成窗口和假彩色合成后显示的影像

三.点击Basic Tools→Band Math,弹出窗口，进行归一化植被指数(NDVI)计算。 {归一化植被指数(NDVI)，又称标准化植被指数，是近几年来较为常用的一种监测植被的遥感指数，用于大区域的植被检测。绿色植被反射光谱的突出特点是对红光(b3)的高吸收率和对近红外光(b4)的高反射率，因此NDVI定义为近红外波段b4与可见光红波b3数值之差和这两个波段数值之和的比值，即公式：NDVI=(b4 – b3)／(b4 + b3)。为了使数据变成浮点型，所以要在公式中进行变形。即为NDVI=float((float(b4)-float(b3))/(float(b4)+float(b3)))。本文利用的模型是以NDVI值为参数，建立NDVI与植被覆盖度之间的关系来计算植被覆盖度的，因此计算NDVI值是一个必不可少的过程。}
而且考虑到原始的图像太大，处理起来会比较慢，故需对原数据进行截取，只研究其中的一小块子区数据。其操作步骤为：Spatial Subset→Image→对Samples，Lines数值进行改变从而进行裁剪→OK→选择保存路径。
下图为NDVI计算对话框和截取后得到的NDVI影像

四．在上图中右击，选择Quick Statistics Results进行观察，结果如下图。它的最小值Min= -0.061068，最大值=0.614166，而研究区内NDVI统计的点都在-1是归一化植被指数，为裸土或无植被覆盖区域的NDVI值，即无植被像元的NDVI值；而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。
为计算方便,本文做了如下假设：认为裸土的NDVI值为0.15，即上式中的值为0.15，而完全为植被覆盖的NDVI值为0.75，即的值为0.75。
植被覆盖指数图为
六．在上图中右击，选择Quick Statistics Results进行观察，结果如下图。它的最小值Min= -0.351779，最大值=0.773609
同时也可以在上图中右击，选择Cursor Location/Value进行观察每一点的值
七．为了更好，更为直观地显示各个区域植被覆盖度，需要对图像进行着色处理。 因ENVI提供的制图输出功能完善，颜色丰富，拥有强大而完善的制图输出功能，通过ENVI输出的图形美观，所以在制图输出时，继续选用ENVI软件。
利用ENVI软件提供的Color Mapping彩色显示功能，其操作步骤为：Tools→Color Mapping→ENVI Color Tables→GREEN/WHITE LINEAR。本文将植被覆盖度分为0—1共256个等级。并分别用10种不同的颜色表示，最后形成的植被覆盖度图像如下。

分析：本文以NDVI值为参数，运用基于像元线性分解模型设计的植被覆盖度遥感估算方法，技术路线简单、可操作性强，无需估算叶面积指数等需要复杂推导的参数就可以适用不同种植被类型，也适用于不同分辨率的遥感数据。
从上图以及第六步植被覆盖度指数可以看出，本地区的植被覆盖度较高，大部分在0.6以上。其中白色部分为植被覆盖度为0的区域，该区域为水系—水体；颜色越绿表示植被覆盖程度越大，这时的植被覆盖度与理论上该区植被覆盖度的值相近。