基于像元二分模型的植被覆盖度反演(课堂PPT).ppt

专题：基于像元二分模型的植被覆盖度反演植被覆盖度是指植被（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。植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。像元二分模型是一种简单实用的遥感估算模型，它假设一个像元的地表由有植被覆盖部分地表与无植被覆盖部分地表组成，而遥感传感器观测到的光谱信息也由这2个组分因子线性加权合成，各因子的权重是各自的面积在像元中所占的比率，如其中植被覆盖度可以看作是植被的权重。改进的像元二分法——遥感信息选择为NDVI两个参数的求解公式当区域内可以近似取VFCmax=100%，VFCmin=0%当区域内不可以近似取VFCmax=100%，VFCmin=0%当有实测数据的情况下，取实测数据中的植被覆盖度的最大值和最小值；当没有实测数据的情况下，植被覆盖度的最大值和最小值根据经验估算。处理流程图数据：“203-专题：基于像元二分模型的植被覆盖度反演”图像预处理File->OpenAs->Landsat->GeoTIFFwithMetadata，打开_MTL.txt。Toolbox/RadiometricCorrection/RadiometricCalibration，选择可见光-红外组（7个波段），打开Landsat定标工具当研究区超出单幅遥感图像所覆盖的范围时，通常需要将两幅或多幅图像拼接起来形成一幅或一系列覆盖全区的较大的图像。ENVI的镶嵌功能基于像素镶嵌和无缝镶嵌工具自动颜色平衡，边缘直方图匹配自动生成接边线、接边羽化提供结果预览功能运算速度快占用非常少的虚拟内存空间两景相邻的OLI数据，镶嵌得到包含北京市区的完整范围/Mosaicking/SeamlessMosaic图像裁剪的目的是将研究之外的区域去除，常用的裁剪是按照行政区划边界或自然区划边界进行图像的分幅裁剪。根据结果可分为规则裁剪不规则裁剪利用北京市行政区划矢量边界对上一练习中镶嵌的结果进行矢量裁剪，得到北京市区的数据获得地物真实的光谱信息是遥感反演的前提，大气校正可消除大气影响，还原地物的真实信息，是定量遥感数据预处理中必不可少的环节。数据准备FLAASH对图像文件有以下几个要求：数据是经过定标后的辐射亮度（辐射率）数据，单位是：（μW）/（cm2*nm*sr）。数据带有中心波长（wavelenth）值，如果是高光谱还必须有波段宽度（FWHM）,这两个参数都可以通过编辑头文件信息输入（EditHeader）。数据类型支持四种数据类型：浮点型（floating）、长整型(longinteger)、整型（integer）和无符号整型(unsignedint)。数据存储类型：ENVI标准栅格格式文件，且是BIP或者BIL。波谱范围：400－2500nm/RadiometricCorrection/FLAASHAtmosphericCorrection植被覆盖度反演Spectral/Vegetation/NDVI既使同一景影像,对于NDVIsoil和NDVIveg不能取固定值，两个值会随土壤类型和土地利用类型的变化而变化。利用土地利用类型生成不同土地覆盖类型对应的最大值和最小值根据上一步得到的NDVI阈值分别生成NDVIsoil和NDVIveg参数文件b1：林地掩膜文件b2：农业用地掩膜文件b3：城市用地掩膜文件b4：水体掩膜文件b5：其他用地掩膜文件波段运算的过程表达式为：(b1-b2)/(b3-b2)b1-NDVI(去除异常值)b2-NDVIsoilb3-NDVIveg2.5植被覆盖度的验证和分类在ENVI下及灵活应用Bandmath工具，以NDVI值为参数，运用基于像元二分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，也适用于不同分辨率的遥感数据，如环境小卫星等。