ZKX's LAB

归一化植被指数的产品算法 植被指数法

2020-07-20知识7

请问植被指数的含义是什么?分哪几类? 利用2113卫星不同波段探测数据组合而成5261的,能反映植物生长状况的指数。4102植物叶面在可见光红1653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。差值植被指数又称农业植被指数,为二通道反射率之差,它对土壤背景变化敏感,能较好地识别植被和水体。该指数陌生物量的增加而迅速增大。比值植被指数又称为绿度,为二通道反射率之比,能较好地反映植被覆盖度和生长状况的差异,特别适用于植被生长旺盛、具有高覆盖度的植被监测。归一化植被指数为两个通道反射率之差除以它们的和。在植被处于中、低覆盖度时,该指数随覆盖度的增加而迅速增大,当达到一定覆盖度后增长缓慢,所以适用于植被早、中期生长阶段的动态监测。蓝光、红光和近红外通道的组合可大大消除大气中气溶胶对植被指数的干扰,所组成的抗大气植被指数可大大提高植被长势监测和作物估产精度。植被指数是由多光谱数据,经线性和非线性组合构成的对植被有一定指示意义的各种数值。在植被指数中,通常利用植物光谱中的近红外与可见光红波段两个最典型的波段值。根据这两个波段计算产生的各种参数都对植被生长状况、生产力敏感。因此,常被用作描述植被生理状况,估测现存绿色生物量、植被生产力等等。归一化差值植被指数NDVI即是普遍利用的刻画植被的指数。植被归一化差值植被指数NDVI(Normalization Difference Vegetation Index)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。即生态水文地质学式中:IR为近红外波段地表反射率;R为可见光红光波段地表反射率。NDVI可以用于季节性植被变化的研究,也可用于年际间植被变化的分析,如沙漠边缘的变化(C.J.Tucker等,1991)、气候变化(Los等,2001)、干旱地区植被变化规律等等。我国利用卫星数据进行区域范围的植被分类及变化的研究时间较短,李晓兵等(1999)利用NOAA/AVHRR数据对中国主要植被类型NDVI指数10年的变化规律进行了研究;王心源等(2001)在3景TM卫星数据的基础上对额济纳旗地区近15年绿洲变化进行了分析;罗格平等(2003)用气象卫星数据和TM数据分析了天山北坡近10。arcgis10.2如何计算归一化植被指数ndvi,在利用arcgi计算归一化植被指数或者其他参数时存在问题呢,计算结果应该为栅格数据,且值为区间范围的,结果计算后栅格值只有两种了。如何使用ENVI计算各种植被指数,ENVI软件是一款强大的遥感影像处理软件。在计算植被指数方面,它简单快捷,并且可以根据自己的需要“量身打造”。这里以NDVI为例,简单介绍。envi软件水体信息提取具体过程 勿抄袭单波2113段法:水体在近红外5261和中红外的反射很少,而4102其他地物较之水体1653在近红外和中红外波段反射很大,如果遥感影像带有这两个波段的影像,就以对这两个波段的任一波段设置设置阈值提取水体。多波段法:a、谱间关系法:TM2+TM3>;TM4+TM5,谱间关系法易操作,稳定性好。b、改进归一化差异水体指数法:NDWI=(Green-NIR)/(Green+NIR)分类提取法:对影像先分类,然后再提取,分类之前可以对多波段经行相关性分析,提出相关性的波段。同时也可以加入NDWI组合成波段组进行分类,分类完成后提取水体。不要用植被指数,用改进归一化差异水体指数法NDWI,更有针对性。提取出来之后,就不用再分类了。我教了你三种方法了,我不知道还要怎么具体。是不是不会用ERDAS?可以把问题说的更具体些如何使用ENVI计算各种植被指数 有自带的计算NDVI的工具,不过所有的植被指数都是不同波段之间的运算,可以通过Bandmath进行运算植被指数是怎么算的? 通过ENVI软件,加载你的原始数据,打开数据后选择Open旁边的data manager,点击方框里的原始数据,选择假彩色(load CIR),接着打开toolbox,选择Spectral—Vegetation—Vegetation Index Calculator,选择加载,最后找到结果关于植被指数研究一般用什么类型的遥感数据? 一、资料的收集与分析 遥感制图所需的资料范围较广,一般需要收集如下资料 1、编制地区的普通地图、(1)比例尺最好与成图比例尺一致或稍大于成图比例尺(2)选用面积变形。归一化植被指数的产品算法 目前已有产品介绍目前已有产品包括中国2000~2009年以及内蒙古自治区、青海省、西藏自治区2010年8天、逐月、年均产品,分辨率为1km、0.01度,精度良好。模型算法NDVI的估算上采用通用的估算方法,并已通过中国科学院地理科学与资源所相关专家的判读与野外实测数据验证,空间一致性良好。TM/ETM算法如公式(1):NDVI=(Band4-Band3)/(Band4+Band3)Modis算法如公式(2):NDVI=(Band2-Band1)/(Band2+Band1)AVHRR算法如公式(3):NDVI=(CH2-CH1)/(CH2+CH1)

#ndvi#植被指数#归一化

随机阅读

qrcode
访问手机版