地表反射率温度植被指数教学教材.docx

地表反射率温度植被指数教学教材.docx

《地表反射率温度植被指数教学教材.docx》由会员分享，可在线阅读，更多相关《地表反射率温度植被指数教学教材.docx（28页珍藏版）》请在冰豆网上搜索。

地表反射率温度植被指数教学教材

地表反射率、温度、植被指数

地表反射率、温度、植被指数、几何精纠正和Landsat影像

初步学会和掌握ENVI空间建模的使用方法和5S大气辐射校正模型，进而根据Landsat7ETM+影像附带的元数据完成地表反射率和温度的反演，在此基础上完成植被指数的计算。

1、初步学会和掌握使用ENVI进行NDVI计算建模

2、学会使用5S大气辐射校正模型

3、Landsat7ETM+计算可见光、近红外各个波段上的反射率

4、植被指数的计算，计算NDVI，分析不同地表覆盖类型的植被指数，给出统计表

1、植被指数是指利用多光谱遥感数据中对绿色植物强吸收的红光波段（0.6~0.7µm）和对绿色植物高反射的近红外波段（0.7~1.1µm）两者之间反射率的比值、差分，或者线性组合等形式计算出来的无量纲参数，用以增强或提取遥感影像中隐含的植被信息，抑制或消除非植被信息。

其理论依据：

遥感影像上的植被信息，主要通过绿色植物叶子和植被冠层的光谱特征及其差异、变换而反映出来。

健康的绿色植被，在近红外波段（0.7~1.1µm）由于叶片海绵组织的活动通常可反射40~50%的太阳辐射能量，而在可见光范围内（0.4~0.7µm），由于叶绿素的光合作用只能反射10~20%的能量，因为植被中的叶绿素吸收大多数的可见光。

枯萎及干死植被中叶绿素含量大量减少，辐射吸收能力减弱，因此在可见光波段，其反射率比健康植被低。

而裸露土壤的反射率通常在可见光波段要高于健康植被，但低于干死及枯萎植被；在近红外波段，则明显低于健康植被。

2、归一化差值植被指数的数学公式是NDVI＝（DNNIR-DNR）/（DNNIR+DNR）取值范围是-1到1，对于陆地表面主要覆盖而言，如果根据地表实际的反射率来计算，则云、雪在可见光波段比近红外波段有较高的反射率，因而其NDVI值为负值；水体的NDVI接近0；岩石、裸土在两波段有相似的反射作用，因而其NDVI介于0与0.1之间；在有植被覆盖的情况下，NDVI介于0.1~1.0之间，且随植被覆盖度的增大而增加。

几种典型的地面覆盖类型在大尺度NDVI图像上区分鲜明，植被得到有效的突出。

因此，特别适用于全球或区域植被的宏观动态监测。

3、NDVI是植被生长状态及植被覆盖度的最佳指示因子。

NDVI与叶面积指数（LAI）、绿色植物净第一生产率（NPP）、植被覆盖度、光合作用等指标参数密切相关，并据以完成地表植被物理参数的反演。

NDVI与光合有效吸收辐射（FAPAR）近线性关系；NDVI与LAI呈非线性相关关系；NDVI的时间变化曲线可反映季节和人为活动的变化；NDVI在生长季节内的时间积分与净第一生产力（NPP）相关。

NDVI可以部分消除与太阳高度角、卫星观测角、地形、云/阴影和大气条件有关的辐照度条件变化（大气程辐射）等的影响。

4、地表反射率的计算：

根据遥感影像DN值计算到传感器的各波段辐射量度：

Lλ=“gain”*QCAL+“bias”；各波段表观反射率的计算：

ρ=Pi*L*d*d/（ESUNλ*cos（θs）），其中ρ=表观反射率或是行星反射率，            Lλ=传感器获得的光谱波段辐射量度，d=日地距离，ESUNλ=大气层顶平均入射太阳辐射，θs=太阳天顶角。

逐波段大气辐射校正并计算表观反射率与地表反射率的线性关系：

Y=aX+b。

5、地表温度的计算（反演）：

陆面温度（LST）：

根据辐射温度理论，利用热红外波段的遥感数据反演计算获得的地表亮度温度，又成表皮温度；基于landsat7ETM+数据的陆面温度反演算法T=k2/ln（k1/Lλ+1），其中：

T=卫星接收有效温度，K1,k2=定标系数，L=光谱辐射亮度。

数据准备

1、 用于NDVI计算模式的hrf的img多光谱影像

2、 用于地表温度反演的htm的img第6波段的影像

操作方法及过程

一、   DNVI建模

1、 辐射亮度计算。

根据hrf头文件中的数据，可得到辐射亮度计算亮度计算公式为0.94251966100978102*b+（-5.9425196610097810）。

具体步骤：

BasicTools|BandMath，在BandMath对话框中输入公式，分别计算第3和第4波段的辐射亮度，并分别导出数据b3_1和b4_1。

2、 行星反射率计算。

同样通过hrf头文件中的数据，可得到行星反射率计算公式为!

pi*（0.94251966100978102*b+（-5.9425196610097810））*1.0136^2/（1551*cos（64.799999999999997/180*!

pi））。

具体步骤：

BasicTools|BandMath，在BandMath对话框中输入公式，公式中的b分别选取第3和第4波段的辐射亮度，导出结果b3_2和b4_2。

3、 利用５Ｓ大气模型计算的地表反射率与行星发射率的拟合函数关系求解。

运行5S拟合模型程序，根据hrf影像的信息，设置拟合模型的各个参数如下，SiteElevation（平均高程）设为2300；SenorAltitude（传感器高度）设为705000；MonthandDate（年月）设为May30；SolarZenithAngle（太阳天顶角）设为25.2；SolarAzmethAngle<0-360>Degree（太阳方位角）：

122.2；standerdAtosphericModels设置为MidlatitudeSummer；AerosolModels设置为Continental；其他的默认。

然后在HomogenousReflectanceforband1中设置其参数值为0（该波段行星反射率的值），得出对应的地表反射率—将显示的结果并输入到excel中—每隔0.05显示一个结果—将得到的值统计出来，并将统计结果绘制成散点图—再将其拟合成对应的线性关系。

4、 地表反射率计算。

根据5S模型拟合出来的3、4波段的数学关系式，其关系式分别为y=0.9161x+0.0143和y=0.9401x+0.0065，然后计算出3、4波段的地表反射率。

步骤：

BasicTools|BandMath，在BandMath对话框中输入公式，公式中的x分别选取第3和第4波段的行星反射率，计算第3和第4波段的地表反射率，导出数据b3_3和b4_3。

5、 NDVI值的计算。

根据计算出来的3、4波段的地表反射率，以及DNVI的公式的到NDVI值。

步骤：

BasicTools|BandMath，在BandMath对话框中输入公式，公式中的ｂ３和ｂ４分别选取第3和第4波段的地表反射率。

然后导出结果。

二、   地表温度反演

1、计算辐射亮度。

加载htm影像，根据头文件中的数据，得到1、2波段的辐射亮度的计算公式0.067086617777667001*b1+（-0.067086617777667001）和0.037204722719868001*b2+（3.1627953249638470），步骤同上，得出辐射量度的计算结果。

2、辐射反演。

利用公式T=k2/ln（k1/Lλ+1）算地物的辐射反演，其中T为开尔温度；查找参数值：

k1=666.09;k2=1282.71;Lλ分别利用步骤1中的波段1和波段2的辐射量度。

3、统计反演后的地物的温度值，并比较其差异。

打开反演后的温度影像，右击影像选择ROITool，统计各种地物值的最大值，最小值，均值，标准差，将其统计到Excel中，比较其差异。

结果与分析

一、DNVI建模

【地表反射率】

               第3波段                                     第4波段

 【DNVI】

　【3、4波段表观反射率和地表反射率的线性关系】

　【表观反射率和地表反射率的线性关系数学表达式】

波段

关系式

波段

关系式

1波段

y=0.8933*x+0.0473

4波段

y=0.9401*x+0.0065

2波段

y=0.8801*x+0.0242

5波段

y=0.9399*x+0.001

3波段

y=0.9161*x+0.0143

7波段

y=0.9584*x+0.0004

 【部分地物的DNVI值】

地物　　DNVI值

min

max

mean

stdev

Reservior

0.057713

0.338587

0.145087

0.038598

Snow

-0.12395

0.152669

0.025088

0.031572

BareLand

0.105628

0.374843

0.192701

0.043621

Urban

-0.356923

0.038094

-0.273288

0.045284

Plant

0.333387

0.786695

0.656094

0.081619

Desert

0.071897

0.155663

0.100783

0.014291

River

0.043469

0.429917

0.127503

0.08131

【结果与分析】：

通过对提取地物的DNVI值的可以发现，绿色的DNVI值比较高，原因是绿色植物叶绿素引起的红光吸收和叶肉组织引起的近红外光反射使得植被在近红外波段和红光波段有很大的差异；水体和裸地在红光波段和近红外波段反射率相当，因此水库和裸地的NDVI值接近0；雪地NDVI最低值中出现负值，是由于在近红外波段比可见光波段有较低的反射率；沙漠中植被很少，因此其近红外波段和红光波段的反射情况和裸地类似，因此其NDVI值接近于0；河流的NDVI值稍大于由于河流中存在一定的含沙量，使得地物在近红外波段的反射率大于近红外波段。

二、温度反演

 【温度反演】

             低增益温度反演                              高增益温度反演

 【第1波段部分地物低增益温度反演数据】

开尔文温度

摄氏温度

 反演温度

地物

min

max

mean

stdev

min

max

mean

Reservior

287.47641

289.289886

288.13127

0.388036

14.32641

16.13989

14.98127

Snow

273.154785

293.990417

278.177771

3.788266

0.004785

20.84042

5.027771

BareLand

295.989319

310.676086

303.445647

2.819391

22.83932

37.52609

30.29565

Urban

300.165253

310.928528

307.469228

1.530421

27.01525

37.77853

34.31923

Plant

294.278015

305.525879

298.698402

2.333251

21.12802

32.37588

25.5484

Desert

302.605286

309.915955

306.491575

1.39902

29.45529

36.76596

33.34158

River

300.438721

313.922485

305.865796

4.320705

27.28872

40.77249

32.7158

【第1波段部分地物低增益温度反演数据】

开尔文温度

摄氏温度

 反演温度

地物

min

max

mean

stdev

min

max

mean

Reservior

287.4764

288.9897

288.0337

0.317235

14.32641

15.83966

14.88371

Snow

273.1548

291.3698

277.4025

3.244071

0.004785

18.21978

4.252505

BareLand

295.9893

310.9285

302.7902

3.228906

22.83932

37.77853

29.64017

Urban

303.941

310.9285

307.5554

1.283752

30.79098

37.77853

34.40542

Plant

294.8512

304.9997

298.2655

1.950213

21.70117

31.84973

25.11546

Desert

308.3829

312.9316

310.4661

0.76187

35.23287

39.78161

37.31608

River

297.6768

314.1691

305.64

4.728873

24.52676

41.0191

32.49

【结果与分析】：

通过对两个波段地物表面温度的反演，可以发现两者的差别不大，基本相等。

从得出的数据可知，居民地反演温度比较高，这是由其建筑材料在热红外波段有较高的反射率，加之居民地有比较多的供热源，使其周围有较高温度；反演温度最高，河流中有含有一定的沙粒，使其在热红外波段有较高的反射率，反演温度很高，相较之下，水库的温度就比较低，因为水库中含有的杂质比较小；反映的雪地温度高于0度，但根据常识知，雪地的温度低于0度，这是由于传感器接受到的温度受大气影响，加之模拟过程中有误差，使得反演温度存在一定的差别。

存在问题与解决办法

1、 操作过程中由于对操作的原理不是很理解，导致操作的过程中出现过错误，也影响到操作的速度。

2、 影像比较大，而地物在ENVI中的辨别不是很清楚，处理的过程中遇到过一困难。

总结

　　通过本次上机操作，基本上理解了NDVI的实现过程以及其原理，理解了地表反射率和温度的反演之间的关系。

利用遥感影像这样的处理技术，可以通过NDVI帮助我们实现对研究区域表面的植被覆盖量的相关研究，也有利于实际的应用。

影像几何精纠正

1.深入理解影像几何精纠正的原理2.学会使用影像对影像的几何精纠正方法和具体操作步骤

1.扫描地形图（宁夏中卫地区1:

25万104811.img）进行几何精纠正（包括投影参数、单位的调整将选定参考点保存）。

2.利用纠正好的全色波段高分辨率影像完成同景多光谱影像的几何精纠正。

1.扫描地形图（宁夏中卫地区1:

25万104811.img）进行几何精纠正（包括投影参数、单位的调整将选定参考点保存）。

2.利用纠正好的全色波段高分辨率影像完成同景多光谱影像的几何精纠正

数据准备

ERDASImagine教学数据：

1.   宁夏中卫地区1:

25万地形图一幅（扫描）

2.   已经纠正的ALOS全色波段影像：

panWuhai.img

3.   待纠正的ALOS多光谱影像：

MsWuhai.img

操作方法及过程

一、        扫描地形图的几何精纠正

⑴加载实习数据104811.tif。

在ENVI中自定义该坐标系统：

在主菜单里map列选项中选择CustomizeMapprojections，Scalefactor里参数值改为1。

打开工具Map->registration->selectGCPS：

imagetomap，在弹出的对话框中，设置地图投影等信息，之后，会出现GroundControlPointsSelection窗口。

⑵选择控制点

⑶纠正地形图

选择options->warpfile，选择待纠正的地形图文件，在弹出的窗口中将显示地形图的投影、分辨率等地理信息。

二、        影像对影像的几何精纠正

⑴由于影像panwuhai.img和mswuhai.img投影坐标系统不一致，在几何纠正前，对待纠正影像mswuhai.img进行投影转换。

⑵选择工具Map->registration->selectGCPS：

imagetoimage，在弹出的对话框中选择基准影像和待纠正影像之后，开始选择控制点。

把控制点保存为二进制文件。

⑶几何精纠正

选择options->warpfile，选择待纠正的影像文件，在弹出的窗口中将显示影像的投影、分辨率等地理信息。

⑷观测影像几何纠正的效果首先，打开全色波段影像和纠正后的影像，点击主图像窗口的Tools>Swipe对图像进行卷帘操作。

结果与分析

■扫描地形图的几何精纠正

▼地形图控制点分布

▼控制点坐标

分析：

总共采集控制点15个，总体误差0.3971单精度误差最大值0.8113，最小值0.0293控制点的采集符合处理要求，采集点较合适。

▼待正影像的控制点分布：

▼卷帘效果

分析：

进行卷帘操作的过程中，两个影像之间的连接处没有明显跳跃性，衔接比较自然，说明几何精纠正的过程没有出现明显差错，符合操作要求。

存在问题与解决办法

1、    控制点的选取点只有15个，分布也不是很均匀。

2、    控制点的选取过程中，特别是在超过9个点之后，总体误差和单点误差特别不好控制，花费时间比较长。

为控制总体误差和单点误差，适当减少了部分误差很大的点，将误差较小的但还不符合要求的点，通过update操作对点进行适当的调整，以符合数据点采集要求。

3、前期的卷帘操作，图像出现的跳动比较明显，原因在于之间几何纠正不是很好，通过重新对原影像进行几何纠正操作。

总结

1、           控制点选取时因操作不熟练，重复操作较多，费时很长，应进一步熟悉各基本操作。

2、           通过本次实习对几何精纠正的理解更透彻，有自己的思维过程。

学会了几何精纠正的基本操作。

3、 通过问老师和同学的帮助，在本次实习中，完成了基本操作，进一步明白部分理论知识，达到了预定的目标。

今后的学习中需要将理论知识同软件操作进一步熟悉和更好的结合。

Landsat影像数据下载、导入、目视解译与分析

1．学会在美国NASA/USGS网上进行Landsat卫星影像的检索和下载，认识影像名编号意义。

2．初步掌握ENVI/IDL影像处理软件的使用方法，熟悉软件的用户界面、功能模块，掌握基本功能的使用。

复习遥感导论课程中的遥感影像目视解译环节，选择自己熟悉的地区，进行LandsatTM/ETM+影像的目视解译。

 实习内容 1、课前准备：

根据自己感兴趣的地区，下载一景LandsatTM/ETM+影像。

2、将单波段分别添加在ENVI中（采用file|openimagefile工具，注意在添加波段数据时，热红外波段影像应另存为一个文件）

3、利用Basictools|layerstscking视窗选择多波段影像进行添加，在available中选择刚才添加的影像，选择RGBcolor分别选取4、3、2和7、4、2波段组合进行彩色合成，此时，可以再打开一个视窗（newdisplay）观察地物的色调变化。

列表说明上述地物分别在两种波段组合下的颜色特征。

4、查询并记录影像文件的基本信息、投影信息，以及各个波段直方图信息。

5、将影像缩小、放大、漫游工具识别影像中的土地利用/土地覆盖类型，可能的土地利用/土地覆盖类型包括：

（1）耕地farmland （8）公路/铁路roadorrailway 

（2）草地grassland （9）河流stream （3）裸地barrenland （10）水库reservoir （4）森林forest （11）冰雪iceandsnow （5）城镇居民地town （12）云cloud （6）农村居民地village （13）阴影shadow （7）沙漠desert  

6、利用loadRGB将图像显示，后用视窗中的光谱剖面工具，提取上述地物在不同波段的数值（DigitalNumber，DN）；要求针对影像中的6种地物至少各采集10个样本，取平均值，做光谱剖面图，分析不同地物的灰度值随波段变化的特点。

将光谱剖面数据保存为文本文件。

7、利用步骤6所得数据完成每种地物的样本特征光谱统计表（附后，采用Excel数据分析工具）

8、采用Excel打开步骤4生成的数据文件，从TM/ETM+1、2、3、4、5、7中任取两个波段的数据，做出散点图，分析上述不同地物在光谱空间中的分布特征（注意要在同一坐标系当中使用不同的符号表示不同的地表覆盖类型）。

9、从可见光/近红外的6个波段影像中选取512×512子区并保存，对影像进行分析，说明子区影像直方图与原影像直方图的差异，并分析子区影像的基本特征。

重新计算原影像统计特征值，注意观察记录结果的变化。

 基本原理  

  数据准备 一景Landsat4号星衡阳地区TM/ETM+影像LT41230411989042XXX02 

操作方法及过程

1、 TM影像的加载。

通过ENVI主菜单中file菜单中的openimagelife选项，将解压的衡阳地区TM/ETM+影像LT41230411989042XXX02的7个波段的影像一次加载在到AvailableBandsList中。

在通过basictool菜单中的layerstacking选项，依次加载1、2、3、4、5、7波段进行组合，生成一个多光谱文件，命名衡阳。

同上，热红外波段单独存为一个文件。

2、 加载视窗。

对生成的衡阳的文件，分别用4、3、2和7、4、2波段组合进行假彩色合成，加载到影像显示窗口。

3、 LinkDisplays命令的熟悉。

对打开的两个不同波段合成的影像的显示窗口，用LinkDisplays命令联系两个窗体，对比分析不同假彩色合成的效果。

【图一】

4、 查询并记录影像文件的基本信息、投影信息，以及各个波段直方图信息。

选择basictools|statistics|computerstatistics选项，可查看加载文件影像的详细信息。

同时，也可生成直方图。

【图二】

5、 绘制光谱剖面图。

通过Tools|Profiles|ZProfile（Spectrum）命令，在SpectralProfile窗口中，点击Option|CollectSpectra,分别选择样本居民区农田森林河流冰川山地，收集DN值，每种地物至少10个采样点。

6、 利用Excel分析光谱信息。

利用前面步骤中的光谱数据用Excel作出第二五波段散点图。

7、 选取512×512子区。

步骤Basictools|resizedata|Spatialsubset|image。

在sampleslines中分别输入512，获取影像，并且计算影像直方图信息。

结果与分析

1、   4、3、2和7、4、2波段组合进行彩色合成观察地物的色调变化。

如【图一】、【表一】

 【图一】   

【表一】

farmland

stream

town

reservoir

forest

432波段

红色

淡蓝色

淡蓝色

墨绿色

红色

742波段

绿色