《遥感实验课程设计-植被覆盖率-长沙市》由会员分享，可在线阅读，更多相关《遥感实验课程设计-植被覆盖率-长沙市（21页珍藏版）》请在金锄头文库上搜索。
1、 长沙市植被覆盖率变化 长沙市植被覆盖率变化 学生姓名： 李胜 学号： 201242979 题 目： 长沙市植被覆盖率变化 指导教师： 刘峰 评阅教师： 刘峰 2015 年5月9日一：研究区域数据获取 本次实验主要是对植被覆盖率估算，因此实验区域的影像因尽量选择植被茂盛的季节。在数据源选取上，我在马里兰大学的网站下了Landsat 5 1T级数据，包够了红，绿，蓝，近红外，热红外7个波段。下载的地区是覆盖了长沙市中部地区2009年6月6日的影像。下图（图1）为原始数据的假彩色合成图一：原始数据假彩色合成二：数据预处理进行植被覆盖率估算，需要用到归一化植被指数（NDVI）。NDVI的物理依据是地
2、物反射率的差异变化，所以用反射率来计算是比较客观准确的。TM原始数据就是DN值，不能用来直接计算NDVI，必须通过辐射定标计算成反射率，才能用来计算NDVI。因此，要对对实验数据先进行辐射校正和大气校正。下载的L1T级数据，头文件（L5119042_04220090606_MTL）有详细影像参数，控制点文件（L5119042_04220090606_GCP）中有控制点高程信息用于大气校正的地形参数，可以利用这两个文件做辐射校正和大气校正。（1）辐射定标实验使用数据为L1T级数据，经过系统辐射校正的数据。由于1级产品的DN值是由辐射亮度线性变换得到的，因此从1级产品计算辐射亮度只需利用相关参数（
3、Gain和Bias）进行线性反变换即可，计算过程比较简单。各参数可在影像头文件中找到，Calibration Type 注意选择为Radiance。图2：辐射定标参数设置（2）大气校正 大气校正是采用ENVI的FLAASH模块，FLAASH模块要求输入辐亮度图像，输出反射率图像。之前对进行了辐射定标，得到辐亮度图像，在这里要把BSQ 格式的图像转换为BIL 或者BIP 格式的图像。FLAASH校正输入图像后，程序会让你选择Scale Factor，即原始辐亮度单位与ENVI 默认辐亮度单位之间的比例。ENVI 默认的辐亮度单位是W/cm2 srnm，而之前我们做辐射定标时单位是W/m2 srm
4、，二者之间转换的比例是10，因此在下图中选择Single scale factor，填写10.000。其中参数中心坐标，影像获取时间，都可以在头文件中获取，大气参数可以查看ENVI help来确定，还有研究区域的平均高程，可以通过GCP文件大致估算。FLAASH的参数设置如下图（图3）。图3：FLAASH参数设置三：研究区域裁剪 本来想以长沙市为研究区域，但是这景影像覆盖了长沙市中部百分之90左右的距离，但并没有覆盖完整，所以无法用矢量边界裁剪，我就规则裁剪了一块区域做研究图5：裁剪区域四：分类这里我选择了用最大似然法进行监督分类（1） 训练区选择由于分辨率不太高，并且结合植被覆盖度估算中用到
5、的三种模型，我将图像分为了5类，水体和裸地的fg=0，林地和城区用等密度模型估算，草地用非等密度模型估算。图6：ROI选择（2）采用最大似然分类图7：最大似然分类参数设置图8：最大似然分类结果五：土壤线方程参数确定土壤线：指土壤的光谱值在近红外波段和红波段的反射率或亮度值所构成的二维平面上的线性关系，是对大量土壤光谱信息的综合描述。土壤线方程为：NIR=aR+b其中：NIR 近红外波段的反射率或DN值；R红色波段的反射率或DN值；a和b分别为土壤线的斜率和截距。TM影像的band 3是红色波段，band 4是近红外波段。在ENVI中绘制散点图，然后选择散点图的土壤线部分，导出对应图像AOI区的
6、ASCLL码文件，在EXCEL中进行曲线拟合。拟合结果如下图（图9）所示图9：土壤线方程拟合得到参数a=1.366 b=389.45 由于我进行大气校正后，结果并没有/10000，所以土壤线截距为300+，但后面的计算同一用没有/10000的影像来做，并不会对最后的fg产生影响。六： NDVI的确定使用大气校正后得到的反射率数据，直接用ENVI的Band math计算NDVI。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。由于影像的背景值和无效值影响，导致计算的NDVI值范围超出了-1,1之间。因此，Band
7、 math下输入公式-1 b1 1（b1：NDVI波段），最小值和最大值运算符的同时运用使NDVI中的值被限制在-1,1之间。NDVI的最后结果如下图所示（图10）图10：NDVI图图11：NDVI统计结果七：植被的亚像元模型（1）等密度模型：假设像元中植被类型较为单一且植被垂直密度足够高，即: LAI, 对应的NDVIgNDVI，因此，在等密度模型假设下，植被覆盖率fg：（a） 林地：第一步：求NDVI最大值和最小值，用类别图像建立掩膜文件，然后应用于NDVI图像，提取出林地部分，统计像元值。NDVI最小值NDVI最大值林地0.0036250.977543 第二步： 求fg，利用提取得到的林
8、地的ndvi影像做波段运算，输入公式：(float(b1)-0.003625)/(0.977543-0.003625)。其中b1是第一步求得的林地的NDVI波段。波段运算后得到如下结果。图12：林地的fgFg最小值Fg最大值林地0.7294120.925490（b） 城镇用地：第一步：求NDVI最大值和最小值，用类别图像建立掩膜文件，然后应用于NDVI图像，提取出城区部分，统计像元值。NDVI最小值NDVI最大值城区-0.0016080.654542第二步：求fg，利用提取得到的林地的ndvi影像做波段运算，输入公式：(float(b1)+ 0.001608)/( 0.654542+0.001
9、608)。其中b1是第一步求得的城区的NDVI波段。波段运算后得到如下结果。图13：城市的fgNDVI最小值NDVI最大值城区0.0039220.898039 （2） 非等密度模型非密度模型与等密度模型相似，该模型也假设像元中植被类型较为单一；但此时的植被垂直密度较小,即LAI。因而植被覆盖部分的NDVI值(NDVIg) 需由Bear定律确定,k=1。草地&农田：第一步：求NDVI最大值和最小值用类别图像建立掩膜文件，然后应用于NDVI图像，提取出草地&农田部分，统计像元值。NDVI最小值NDVI最大值草地&农田0.0031090.995320 第二步：估算LAI,插值法求得LAI与红波段和近
10、红外波段的关系。令LAI=0、0.5、1，带入下式计算，能算出形如DN2=aDN1+b+c 的式子。参数值见表1.参数参数值参数参数值DN11602DN14098r10.05r20.7c10.6c20.21a1.366b389.47表1：参数表 LAI=0, DN2=aDN1+b LAI=0.5, DN2=aDN1+b+432.6 LAI=1， DN2= aDN1+b+1097.5 用二次多项式拟合LAI和c的关系： LAI=-0.3*c2+10*c 其中c=DN2-aDN1-b 用以上得出的LAI与DN1、DN2的关系求LAI后除以10000并做归一化，得到以下结果图14：草地&农田LAILAI最小值LAI最大值草地&农田0.667105.66978第三步：根据Bear定理，用波段计算计算NDVIg图15：NDVIg灰度图像第四步：计算fg图16：草地&林地的fgfg最小值fg最大值草地&农田0.578200.99324八：植被覆盖率成图将以上求出来的林地fg，城区fg，草地和农田fg三个波段用波段运算做波段叠加，结果如下图图：长沙市植被覆盖率灰度图不同阶段fg值赋不同的颜色，具体赋颜色情况如下图。图：不同fg赋色最终成图：
