• 【ENVI精讲】处理专题五:基于像元二分模型的植被覆盖度反演


     一、专题概述

    • 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。
    • 植被覆盖度数据来源于地理遥感生态网平台。

    二、像元二分法模型

    • 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。

    VFC = (S - Ssoil)/ ( Sveg - Ssoil) S为遥感信息

    改进的像元二分法模型(2004)


    三、处理流程图


    四、图像预处理

    1.1 数据读取与定标

    • File-> Open As-> Landsat-> GeoTIFF with Metadata,打开_MTL.txt。(数据读取)

    • 查看影像数据集(五个等级)

    打开矢量数据(北京)

    查看源信息(已经做过地理坐标)

    • 辐射定标:Toolbox/Radiometric Correction/ Radiometric Calibration,选择可见光-红外组(7个波段),打开Landsat定标工具

    选择多光谱数据

    • 裁剪研究区区域

    打开空间裁剪(Spatial Subset),利用所示工具2(Subset by Vector)选择研究区(北京市区Shp)

    如下图,自动用矢量边框确定范围(可减少数据量)——对于小部分区域不要先裁剪再定标(导致定标参数缺失),在定标时可用空间子集方法

    Apply FLAASH Settings,保存路径即可

    定标完成

    • 同样方式对另一个幅影像数据进行定标操作

    两幅影像数据完成定标(北京区域)

    1.2 图像镶嵌

    • 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/Seamless Mosaic

    选择数据(完成裁剪的北京区域影像)

    Mosaic拓展工具介绍

    • Order工具栏中可以调整图像上下顺序(图层粉色区域为当前选中区域)

    • 颜色平衡工具(直方图匹配——会修改DN值)

    基于重叠区域基于完整区域)不同工具产生效果不一,应当选项产生较好质量

    • 接边线设置(如果不选择会根据图像外边框自然接边),可手动自行绘制

    如下图自动生成了接边线(绿色)

    可编辑接边线

    如下图,编辑的接边线(红色)需要把绿色线包含起来,然后应用

    如下图,可查看前后对比

    在这里不应用,只是示例

    输出Mosaic(镶嵌)文件


    注:扩展工具(可进行大量数据的快速镶嵌


    1.3 图像裁剪

    打开图像裁剪工具,如下图

    选择镶嵌好的栅格影像

    进行设置,如下图

    北京市影像裁剪完成

    1.4 大气校正——概述

    • 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。

    • /Radiometric Correction/FLAASH Atmospheric Correction(选择大气校正工具)

    • 设置存储面板

    • 选好的默认设置

    • 查看影像源信息,对大气校正剩余面板进行设置补充

    • 多光谱工具栏设置

    • 应用,完成大气校正


    五、植被覆盖度反演

    2.1 NDVI计算

    • Spectral/Vegetation/NDVI(打开NDVI工具栏)

    选择L8北京大气校正数据

    • 设置NDVI波段(查看源数据选择)

    如下图,完成NDVI计算

    • 快速统计(查看影像NDVI信息)

    NDVI应该在-1—1之间(如下图,存在异常值)

    • 处理异常值(打开波段计算工具栏)

    • 如下图,NDVI异常值已经消除

    2.2 掩膜文件制作——模型参数求解

    • 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
    • 打开数据(土地利用覆盖影像)

    土地分类图像

    • 制作掩膜文件

    选择处理过异常值的NDVI文件

    选择Mask

    以范围做掩膜

    选择土地分类文件

    • 林地掩膜

    • 田地掩膜

    • 城市掩膜

    • 水域掩膜

    • 其它类型掩膜

    • 统计掩膜的各类型NDVI的最大小值

    • 以像元个数达到五位数为界限

    0.38(最小值)

    0.86(最大值)

    同样方法,

    农用地 0.16(最小值) 0.77(最大值)

    城市 0.04(最小值) 0.47(最大值)

    水域 -0.33(最小值) 0.71(最大值)

    其它 0

    • 设置参数文件

    b1*0.3804+b2*0.1638+b3*0.0405+b4*0+b5*0.098

    • 在波段计算中设置(最小值)

    选择波段对应掩膜文件

    • 最大值,如下

    六、植被覆盖度估算

    • 波段运算的过程 表达式为:(b1-b2)/(b3-b2)
    1. b1—NDVI(去除异常值)
    2. b2—NDVIsoil
    3. b3—NDVIveg
    • 植被覆盖度常用于植被变化、生态环境研究、水土保持、沙漠化、气候变化等方面。
    • 进行波段运算,如下

    选择对应波段

    • 快速统计(如下图,存在异常值)

    • 处理异常值

    统计(0—1正常)

    • 最终影像色带调整

    分类(为使影像变得美观清晰)——添加色带

    添加色带成功

    分割(也可对影像进行分割——条带数目与范围可自行设置)

       赶紧三连关注下, 植被覆盖度指数获取途径如下:

  • 相关阅读:
    【kali-权限提升】(4.2.4)社会工程学工具包:远控木马使用、设置、利用
    AD2021软件原理图方面介绍,一些参数设置和使用
    【元宇宙欧米说】一个科幻 NFT,一场关于创作者经济的探索
    SAP PO精炼图
    Pytorch Advanced(三) Neural Style Transfer
    linux espidf vscode
    FPGA笔试
    深度学习的进展
    Flutter和Android中覆盖gradle中的repositories仓库地址
    冰河十年前的预测如今被阿里实现了,非常震撼
  • 原文地址:https://blog.csdn.net/m0_66892427/article/details/127454975