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

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=*x+4波段y=*x+ 2波段y=*x+5波段y=*x+ 3波段y=*x+7波段y=*x+

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

Snow

Bare Land

Urban

Plant

Desert

River

【第1波段部分地物低增益温度反演数据】

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）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）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

▼控制点坐标

分析：总共采集控制点15个，总体误差单精度误差最大值，最小值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

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Landsat TM/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Landsat TM/ETM+影像。

2、将单波段分别添加在ENVI中（采用file| open image file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Basic tools | layer stscking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RGB color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（new display）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road or railway

(2) 草地grassland

(9) 河流stream

(3) 裸地barren land

(10) 水库reservoir

(4) 森林forest

(11) 冰雪ice and snow

(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load RGB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（Digital Number，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Landsat 4号星衡阳地区TM/ETM+影像LT4XXX02

【表一】

farmland stream town reservoir forest 432波段红色淡蓝色淡蓝色墨绿色红色742波段绿色深蓝色紫红色深蓝色绿色2、【直方图】

3、

【地物光谱剖面图】

地物类型：城镇

表观反射率(反射率反照率)的计算

表观反射率（反射率、反照率）的计算 第一步、分别计算各个波段每个像元的辐射亮度L 值： L=Gain*DN+Bias 或者 min min min max min max )(*L QCAL QCAL QCAL QCAL L L L +---= 式中，QcaL 为某一像元的DN 值，即QCAL=DN 。 QCALmax 为像元可以取的最大值255。QCALmin 为像元可以取的最小值。如果卫星数据来自LPGS(The level 1 product generation system)，则QCAL=1(Landsat-7数据属于此类型)。如果卫星数据来自美国的NLAPS ( National Landsat Archive Production System )，则QCALmin=0 (Ldsat-5的TM 数据属于此类型)。 根据以上情况，对于Landsat-7来说，可以改写为(QCALmin=1)： min min max )1(*254L DN L L L +--= 对于Landsat-5来说，可以改写为(QCALmin=0)： min min max *255L DN L L L +-= 表1 Iandsa-7 ETM+各个反射波段的Lmax 和Lmin 值 Table1The values of Lmmax and Lmin for reflecting bands of Landsat-7 表2 Landsat-5 TM 各反射波段的Lmax 和Lmin 值

的陆地、沙漠、冰与雪、水体、海冰、火山等6大类型)和太阳高度角状况来确定采用高增益参数或是低增益参数。一般低增益的动态范围比高增益大1.5倍，因此当地表亮度较大时，用低增益参数;其它情况用高增益参数。在非沙漠和冰面的陆地地表类型中，ETM+的1一3和5,7波段采用高增益参数，4波段在太阳高度角低于45度（天顶角>45度）时也用高增益参数，反之则用低增益参数。详见文献(NASA Landsat Project ScienceOffice , 1998b )。 第二步、计算各波段反射率（反照率、反射率）ρ： 波段） 为第i i Cos ESUN D L i () (2 θπρ???= 式中，p 为人气层顶(TOA)表观反射率(无量纲)，π为常量(球面度str)，L 为大气层顶进人卫星传感器的光谱辐射亮度(W ˙m-2-sr-1˙μm-1)，D 为日地之间距离(天文单位),ESUN 为大气层顶的平均太阳光谱辐照度(W ˙m-2-sr-1˙μm-1),θ为太阳的天顶角(θ=90?-β，β为太阳高度角， Cos(θ)也可以这样计算：Cos(θ)=Sin φ*Sin δ+Cos φ*Cos δ*Cosh,式中φ甲为地理纬度，φ为太阳赤纬，h 为太阳的时角。太阳赤纬是太阳光与地球赤道平面的夹角)。 也可以是： 2 )365)5.93(2sin 0167.01(cos )()(??????-+?= D E L s sun T πθλλπρ 其中,θs 为太阳天顶角, D 为儒略历(Julian) 日期,这两个参数可由数据头文件读 出。L (λ) 为入瞳辐亮度, Esun 为外大气层太阳辐照度。 上式成立的条件是假设在大气层顶，有一个朗勃特(Laribcitian)反射面。太阳光以天顶角θ人射到该面，该表面的辐照度为E = ESUN*Cos(θ)/D 2(吕斯哗，1981)。该表面的辐射出射度M=πL(吕斯骤，1981)。根据Lanbertian 反射率定义，大气层顶的表观反射率P 等于M 和E 的比值，即 波段） 为第i i Cos ESUN D L E M i () (2 θπρ???= = 表 3 随时间变化的日地距离（天文单位） 表 4 Landsat-7 和Landsat-5的大气层顶平均太阳光谱辐照度ESUN(W ˙m-2-sr-1˙μm-1)

表观反射率

表观反射率 遥感反射率的定义:地物表面反射能量与到达地物表面的入射能量的比值。遥感表观反射率的定义:地物表面反射能量与近地表太阳入射能量的比值。大气校正就是将辐射亮度或者表观反射率转换为地表实际反射率，目的是消除大气散射、吸收、反射引起的误差。 1、反射率:是指任何物体表面反射阳光的能力。这种反射能力通常用百分数来表示。比如说某物体的反射率是45%，这意思是说，此物体表面所接受到的太阳辐射中，有45%被反射了出去.英文表示:Reflectance 2、地表反射率:地面反射辐射量与入射辐射量之比，表征地面对太阳辐射的吸收和反射能力。反射率越大，地面吸收太阳辐射越少;反射率越小，地面吸收太阳辐射越多，表示:surface albedo 3、表观反射率:表观反射率就是指大气层顶的反射率,辐射定标的结果之一，大气层顶表观反射率，简称表观反射率，又称视反射率。英文表示为:apparent reflectance (=地表反射率+大气反射率。所以需要大气校正为地表反射率)。 “6S”模型输入的是表观反射率而MODTRAN模型要求输入的是辐射亮“5S”和度。 4、行星反射率:从文献“一种实用大气校正方法及其在,,影像中的应用”中看到“卫星所观测的行星反射率(未经大气校正的反射率)”;在“基于地面耦合的TM 影像的大气校正-以珠江口为例”一文有“该文应用1998年的LANDSAT5 TM影像,对原始数据进行定标、辐射校正,求得地物的行星反射率”。因此行星反射率就是表观反射率。英文表示:planetary albedo

5、反照率:反照率是指地表在太阳辐射的影响下，反射辐射通量与入射辐射通量的比值。它是反演很多地表参数的重要变量，反映了地表对太阳辐射的吸收能力。英文表示:albedo 它与反射率的概念是有区别的:反射率(reflectance)是指某一波段向一定方向的反射，因而反照率是反射率在所有方向上的积分;反射率是波长的函数，不同波长反射率不一样，反照率是对全波长而言的。反照率的定义是地物全波段的反射比,反射率为各个波段的反射系数。因此,反照率为地物波长从0 到?的反射比。 6. 地表比辐射率(Surface Emissivity)，又称发射率，指在同一温度下地表 发射的辐射量与一黑体发射的辐射量的比值，与地表组成成分，地表粗糙度，波长等因素有关。比辐射率的直接测量。理论上,比辐射率的测定有两种途径,一种是比色法,这种方法目前只能使用在被测物的温度大于50 ?的场合。因为信噪比太小, 不适合常温地球表面的测量。然而,随着传感器技术的发展,如果能测量零度以下物体的话,这种比色法似可取得突破性的发展; 另一种是亮度法。也是目前人们所采用的办法。在实验室里,利用封闭式黑体筒可以成功地测量地物的比辐射率。也可以利用主动和被动相结合的方法测量比辐射率,这种方法已在实验室里取得成功。利用二 氧化碳激光,可以远距离测量地物的比辐射率,目前,已经开始把这一技术向航 空和航天遥感扩展,它的可行性已经得到证实,其目标是对区 域范围的地物比辐射率进行直接测定。我们深信这种高技术的实现已为期不远了。这种比辐射率的直接测定,不仅可以直接获得比辐射率 区域分布,而且可以获得比辐射率的多角度以及地物性质的有关信息。这种研 究思路的实现,对定量热红外遥感的推动作用是巨大的。

玻璃的反射率和透光率计算

玻璃的反射率和透光率计算 设r 为每个界面反射率 r=((n-1)/(n+1))2 ，n 是玻璃的折射率，等于1.5，则r=4% 单片玻璃有两个界面，设其反射率为R ，PVB 的透过率为0.92 则 R=r e r r t ??-+-β22)1( 式中β 为吸收率系数,等于1M -1，t 为厚度。 （1）采光顶8+12A+6+1.52PVB+6mm 中空钢化夹胶玻璃 R= %00.792.004.0)04.01(04.02020.022=???-+-x e 单片玻璃的透过率为T ，t e r T β-?-=2)1( %1.8392.0)04.01(020.012=??-=-x e T （2）幕墙10+12A+10mm 中空钢化玻璃 R= %00.792.004.0)04.01(04.02020.022=???-+-x e %1.8392.0)04.01(020.012=??-=-x e T 综合以上计算，采光顶8+12A+6+1.52PVB+6mm 中空钢化夹胶玻璃,幕墙10+12A+10mm 中空钢化玻璃的反射率为7.00%，透光率为83.1%。 玻璃的热传导系数 66333.43.2111d G ++=εδ 66352.1733.452.13.2111+?+=εG 1111-+=i o εεε 式中: G 中空夹胶玻璃的导热系数，c h m kcal o 2/ δ 夹层的厚度（mm ） ε 有效放射率

i o εε 外、内側玻璃的放射率，0.896 d 原板玻璃公称厚度之和，( mm ) （1）采光顶8+12A+6+1.52PVB+6mm 中空钢化夹胶玻璃 23956.066352.33812.033.412 3.2111=+?+=G 中空夹胶玻璃的热传导系数 o i h h G K 1111++= 式中: o h 外侧空气对流系数，17.5 c h m k c a l o 2/ i h 内侧空气对流系数，7.4 c h m k c a l o 2/ 31568.25 .1714.7123956.01=++=K c h m k c a l o 2/ K m W K 2/702..23600 420031568.2=?= （2）幕墙10+12A+10mm 中空钢化玻璃 228..066332812.033.412 3.2111=+?+=G 夹胶玻璃的热传导系数 o i h h G K 1111++= 式中: o h 外侧空气对流系数，17.5 c h m k c a l o 2/ i h 内侧空气对流系数，7.4 c h m k c a l o 2/ 37938.25 .1714.71228.01=++=K c h m k c a l o 2/ K m W K 2/776..23600 420037938.2=?=

几种常见植被指数精编WORD版

几种常见植被指数精编 W O R D版 IBM system office room 【A0816H-A0912AAAHH-GX8Q8-GNTHHJ8】

植被指数主要反映植被在可见光、近红外波段反射与土壤背景之间差异的指标，各个植被指数在一定条件下能用来定量说明植被的生长状况。在学习和使用植被指数时必须由一些基本的认识： 1、健康的绿色植被在NIR和R的反射差异比较大，原因在于R对于绿色植物来说是强吸收的，NIR则是高反射高透射的； 2、建立植被指数的目的是有效地综合各有关的光谱信号，增强植被信息，减少非植被信息 3、植被指数有明显的地域性和时效性，受植被本身、环境、大气等条件的影响 一、RVI——比值植被指数：RVI=NIR/R，或两个波段反射率的比值。 1、绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。植被的RVI通常大于2； 2、RVI是绿色植物的灵敏指示参数，与LAI、叶干生物量(DM)、叶绿素含量相关性高，可用于检测和估算植物生物量； 3、植被覆盖度影响RVI，当植被覆盖度较高时，RVI对植被十分敏感；当植被覆盖度<50%时，这种敏感性显着降低； 4、RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。 二、NDVI——归一化植被指数：NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。 1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等；

2、-1<=NDVI<=1，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； 3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度； 4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关； 三、DVI\EVI——差值\环境植被指数：DVI=NIR-R，或两个波段反射率的计算。 1、对土壤背景的变化极为敏感；? 四、SAVI\TSAVI\MSAVI——调整土壤亮度的植被指数：SAVI=((NIR- R)/(NIR+R+L))(1+L)，或两个波段反射率的计算。 1、目的是解释背景的光学特征变化并修正NDVI对土壤背景的敏感。与NDVI相比，增加了根据实际情况确定的土壤调节系数L，取值范围0~1。 L=0 时，表示植被覆盖度为零；L=1时，表示土壤背景的影响为零，即植被覆盖度非常高，土壤背景的影响为零，这种情况只有在被树冠浓密的高大树木覆盖的地方才会出现。 2、SAVI仅在土壤线参数a=1,b=0（即非常理想的状态下）时才适用。因此有了TSAVI、ATSAVI、MSAVI、SAVI2、SAVI 3、SAVI4等改进模型。 五、GVI——绿度植被指数，k-t变换后表示绿度的分量。

几种常见植被指数

常用的植被指数，土壤指数，水体指数有哪些？ 植被指数与土壤指数 一、RVI——比值植被指数：RVI=NIR/R，或两个波段反射率的比值。 1、绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。植被的RVI通常大于2； 2、RVI是绿色植物的灵敏指示参数，与LAI、叶干生物量(DM)、叶绿素含量相关性高，可用于检测和估算植物生物量； 3、植被覆盖度影响RVI，当植被覆盖度较高时，RVI对植被十分敏感；当植被覆盖度<50%时，这种敏感性显著降低； 4、RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。 二、NDVI——归一化植被指数：NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。 1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等； 2、-1<=NDVI<=1，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；

3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度； 4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关； 三、DVI\EVI——差值\环境植被指数：DVI=NIR-R，或两个波段反射率的计算。 1、对土壤背景的变化极为敏感； 四、SAVI\TSAVI\MSAVI——调整土壤亮度的植被指数： SAVI=((NIR-R)/(NIR+R+L))(1+L)，或两个波段反射率的计算。 1、目的是解释背景的光学特征变化并修正NDVI对土壤背景的敏感。与NDVI相比，增加了根据实际情况确定的土壤调节系数L，取值范围0~1。L=0 时，表示植被覆盖度为零；L=1时，表示土壤背景的影响为零，即植被覆盖度非常高，土壤背景的影响为零，这种情况只有在被树冠浓密的高大树木覆盖的地方才会出现。 2、SAVI仅在土壤线参数a=1,b=0（即非常理想的状态下）时才适用。因此有了TSAVI、ATSAVI、MSAVI、SAVI2、SAVI 3、SAVI4等改进模型。 五、GVI——绿度植被指数，k-t变换后表示绿度的分量。

行星反射率的计算

行星反射率的计算 1.打开ENVI软件→File→Open External File→Landsat→Geo TIFF→文件夹里 的图像 2.选择742波段为RGB值打开图像 3.将六个波段的DN值转化为亮度值：Basic Tools→Band Math→在Enter an expression的框里输入(b1-1)*(193.0+1.52)/254-1.52→Add to list→Ok→选定第一波段→Choose建立一个文件夹保存 4.重复步骤2，将第1至第7（第6除外）波段的DN值全部转化为亮度值，每 次代入相应波段对应的公式（见最后） 5.将六个波段的亮度值转化为反射率：Basic Tools→Band Math→在在Enter an expression的框里输入!pi*b1*1^2/(1957*cos(!pi*(90-65.3691418)/180))→Add to list→Ok →选定第一波段的亮度值（带公式的那个）→Choose建立一个文件夹保存6.重复步骤4，将第1至第7（第6除外）波段的亮度值全部转化为反射率， 每次代入相应波段对应的公式（见最后） 7.打包：File→Save as→ENVI standard→选择六个波段的反射率→Reorder 重排一下 8.打开保存好的反射率的文件选择742波段为RGB值打开图像 New Display 9.连接俩图像：在图像窗口Tools→Link→Link Displays→Dynamic选择Off 10.在图像上双击左键查看RGB的值 用ENVI的band math功能，将DN值向亮度值转换部分。 (b1-1)*(193.0+1.52)/254-1.52 (b1-1)*(365.0+2.84)/254-2.84 (b1-1)*(264.0+1.17)/254-1.17 (b1-1)*(221.0+1.51)/254-1.51 (b1-1)*(30.2+0.37)/254-0.37 (b1-1)*(16.5+0.15)/254-0.15 亮度值向反射率转换部分 !pi*b1*1^2/(1957*cos(!pi*(90-65.3691418)/180)) !pi*b1*1^2/(1829*cos(!pi*(90-65.3691418)/180)) !pi*b1*1^2/(1557*cos(!pi*(90-65.3691418)/180)) !pi*b1*1^2/(1047*cos(!pi*(90-65.3691418)/180)) !pi*b1*1^2/(219.3*cos(!pi*(90-65.3691418)/180)) !pi*b1*1^2/(74.52*cos(!pi*(90-65.3691418)/180))

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

Basic Tools|Band Math，在Band Math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ROI Tool，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 Bare Land 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

ENVI中常见植被指数介绍

作业9 植被指数 植被指数 概念：利用卫星不同波段探测数据组合而成的，能反映植物生长状况的指数。 植物叶面在可见光红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。 不同的植被覆盖类型可以通过其特有的光谱特征进行区分，这是由于叶绿素在红波段内对太阳辐射的吸收以及叶片细胞结构对红外波段内太阳辐射的强反射。 Broadband Greenness(5 indices)（宽带绿色指标(5)） 宽带绿度指数可以简单度量绿色植被的数量和生长状况，它对植物的叶绿素含量、叶子表面冠层、冠层结构比较敏感，这些都是植被光合作用的主要物质，与光合有效辐射（fAPAR）也有关系。宽带绿度指数常用于植被物候发育的研究，土地利用和气候影响评估，植被生产力建模等。宽带绿度指数选择的波段范围在可见光和近红外，一般的多光谱都包含这些 波段。下面的公式中规定波段的中心波长：ρNIR=800nm，ρRED=680nm，ρBLUE=450nm。 1. Normalized Difference Vegetation Index归一化植被指数 增强在近红外波段范围绿叶的散射与红波段范围叶绿素的吸收差异。 简称NDVI： NDVI=(NIR-R)/(NIR+R) （1）应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等； （2）-1<=NDVI<=1，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； （3）NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI 对高植被区具有较低的灵敏度； （4）NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关； 2.Simple Ratio Index比值植被指数 在近红外波段范围绿叶的散射与红波段范围叶绿素吸收的比值。 简称SR：SR=ρNIR/ρRED 在LAI 值很高，即植被茂密时其灵敏度会降低.SR值的范围是0~30，一般绿色植被区的范围是2~8 3.Enhanced Vegetation Index 增强植被指数 增强NDVI,解决土壤背景和大气气溶胶对茂密植被的影响。 简称：EVI

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

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 Bare Land 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 Bare Land 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

地表反射率的计算

地表覆盖反射率的计算(6s软件的应用) 9月23日首先在envi软件中打开已经处理好的真彩色影像（TM543波段），我的影像因为没有居中，所以首先进行了裁剪，让影像满幅居中再操作。 1、打开遥感影像，并裁减居中： 先打开7个波段影像，， 选中543，。合成，，，在弹出的对话框中点，按住ctrl再选中这3项 ，点ok，命名为。 打开矢量边界，，，选中。建立掩膜， ，，，，，重命名为，点，形成掩膜文件。再应用掩膜，选文件，点 ，选，，，重命名为，形成影像

。所以接下来对背景进行裁剪，，，选，，，选，，，，， 重命名为，形成影像。 2、让#1和Scroll中的红方框大致居中，在#1中任意位置双击弹出“光标位置评估”，或者右键找出也可。

（可是我不太清楚调出这个的目的？） 3、寻找我们应用的黄石市遥感影像中头文件为MTL.txt的文件，以写字板的形式打开，方便查看遥感影像的具体信息。 找到影像获取的时间即“DATE _ACQUIRED”，这个原始的影像获取时间才是我们需要的，不要被其他的信息误导。 因为6s识别不了具体的时分秒，所以我们需要将具体时间换算成小时，即此处的02:26:32应转换成2.43小时。 4、打开中的,

我们在运行6s的一切操作，都是按着这个步骤来的，但是期间会出现一些专业术语的特定要求，所以我们需要打开另外的文件，书名如下： 打开到35页，IGEOM，从对应上我们找到TM影像，即Landset对应的数字为7， 接下来，我们运行6s软件。打开中的，

Geometrical conditions (几何条件) igeom [0-7]:7(因为IGEOM，从对应上我们找到TM影像，即Landset对应的数字为7); 输好后只按一次enter键； 4、接下来输入时间：

多光谱遥感卫星影像植被指数种类

遥感植被指数的种类、适用性和优缺点分析 摘要：遥感是现代科学技术中的一种远距离观测、分析目标地物的理论和方法，它在现代环境监测中具有广泛的应用。遥感植被指数是指利用遥感图像进行植被长势、生物量生产潜能等监测的重要指标。本文将在对植物的光谱特征分析的基础上，总结相关研究，对植被指数的种类以及它们的适用性和优缺点进行分析。 1、引言 遥感是指利用不同地物波谱特征不同这一特性，通过传感器这类对电磁波敏感的仪器，在远离目标和非接触目标物体条件下探测目标地物，获取其反射、辐射或散射的电磁波信息，进行处理、分析与应用的一门科学和技术。而植被指数则是利用遥感图像获取多光谱遥感数据，经过分析得到植被分布、种类等数值，对某些植被的长势、生物量等有一定应用价值。 目前，国内外学者已研究发展了几十种不同的植被指数模型，常用的有以下几类： 1、比值植被指数（RVI）； 2、归一化植被指数（NDVI）； 3、差值植被指数（DVI）； 4、缨帽变换中的绿度植被指数（GVI）； 5、垂直植被指数（PVI）； 6、土壤调整植被指数（SAVI）等， 这几类植被指数对植被的敏感性、抗土壤和大气的干扰性等不尽相同。一般情况下由于归一化植被指数（NDVI）与一些重要的生物物理参数如生物量、叶面积指数和光有效辐射等有密切的联系[1]，所以NDVI被广泛用于植被研究。 遥感植被指数是预测生物量、作物生产潜能以及评价一个生态系统结构与功能特征的重要指标[2]，然而遥感的植被指数不仅取决于植被的种类，还要受到其他环境条件的干扰，如土壤湿度、土壤的物理化学属性、大气条件以及季节等的影响。于是如何在不同的条件下选择不同的植被指数对更好的进行植被监测、农作物估产等有着较大的影响。本文正是通过对植被遥感的原理、植物光谱特征分析研究等的基础上，总结有关资料数据，对各类遥感植被指数的适用性和优缺点进行了分析，作为今后相关研究的参考。 2、植被遥感的原理 植物遥感依赖于植物本身的特征，主要是叶片结构特点和植被冠层光谱特性。我们都知道，植物叶片能进行光合作用，但所利用的仅是太阳光的可见光部分（0.4~0.76μm），即称之为光合有效辐射（PAR），约占太阳辐射的47%~50%，其强度随着时间、地点、大气条件等变化。 植物的光谱特征可使其在遥感影像上有效地与其他地物相区别。同时，不同

基于垂直观测的植被冠层高光谱偏振反射特性研究_吕云峰

第３　３卷，第４期 光谱学与光谱分析Ｖｏｌ．３３，Ｎｏ．４，ｐｐ １０２８－１０３１２　０　１　３年４月 Ｓｐｅｃｔｒｏｓｃｏｐｙ　ａｎｄ　Ｓｐｅｃｔｒａｌ　Ａｎａｌｙｓｉｓ　Ａｐ ｒｉｌ，２０１３　基于垂直观测的植被冠层高光谱偏振反射特性研究 吕云峰 长春师范学院城市与环境科学学院，吉林长春　１３００３２ 摘　要　以玉米冠层为研究对象，首先利用偏振反射机理分析了玉米冠层的反射信息中存在偏振现象；随后在抽穗前不同生长时期垂直观测方向对其高光谱偏振信息进行了测量，证明了理论推导，而且发现偏振光在总的反射光中所占的比例可达１０％。这即表明了偏振测量可以为对地遥感提供辅助信息，同时也说明利用偏振信息反演大气参数时应该考虑地表偏振对它的影响。关键词　遥感；高光谱；偏振；植被冠层 中图分类号：ＴＰ７２ 文献标识码：Ａ ＤＯＩ：１０．３９６４／ｊ ．ｉｓｓｎ．１０００－０５９３（２０１３）０４－１０２８－０４　收稿日期： ２０１２－０８－２４，修订日期：２０１２－１０－２５　基金项目：国家自然科学基金项目（ ４１２０１３４３），吉林省科技厅青年科研基金项目（２０１１０１１０５），吉林省教育厅“十二五”项目（２０１２２２０）和长春师范学院自然科学基金项目（２０１００２４ ）资助　作者简介：吕云峰，１９７７年生，长春师范学院城市与环境科学学院博士研究生 ｅ－ｍａｉｌ：ｑｉｎｇｓｏｎｇ ｗｅｂ＠１６３．ｃｏｍ引　言 对地遥感技术中偏振测量已经可以反演地表参数提供额 外且有效的辅助信息，同时也会对探测器获得的大气偏振特 性有所影响［ １］ 。早期的研究已经表明，可见光波段范围内的偏振测量可 以用来估计植被冠层的粗糙度［ ２］ 。植被冠层的粗糙度可以从冠层延伸到叶片，因为冠层的粗糙度可以确定植物的生长方向，叶片粗糙度决定了植被冠层对光的偏振能力，同时，叶片越多产生偏振光机会就越大。所以，植被量的多少就可以通过偏振来反映出来 ［３］ 。镜面反射是在植被冠层较常见的一 种现象，也是产生偏振的主要原因。Ｖａｎｄｅｒｂｉｌｔ［４］ 等推导出可以反映植被冠层镜面反射与偏振反射光的模型，该模型基于冠层的形态、物候特征与菲涅尔公式。可以将生长阶段、叶片含水量、某些植被疾病与偏振测量之间建立起关系。 像玉米、高粱和小麦这样的植被冠层，通常会产生大量的镜面反射光，从而在朝向太阳方向倾斜观测时这些植物会出现白光而不是绿光。植物闪光叶片的镜面反射主要是源于 叶片表皮的蜡质层，而这部分光是偏振光［５］ 。Ｖａｎｄｅｒｂｉｌｔ［５］等 对作物冠层的偏振特性做了研究，这对植被冠层对光的散射与偏振作用的理解提供了基本的解释。与此同时，利用偏振测量可以将小麦冠层的反射信息分成镜面反射部分和漫反射 部分，这将有助于发展更完善的植被冠层辐射传输模型［ ６］ 。为了更好的理解植被散射光中偏振特性，Ｗｏｅｓｓｎｅｒ与Ｈａｐ ｋｅ［７］ 研究了三叶草的偏振特性，在与前面研究结果相同的基础上，他们发现投射光会产生负偏振显现，而这会影响 呈聚集状态叶片对光的偏振能力。在对小麦冠层进行偏振测 量时，Ｇｈｏｓｈ等［８］ 在相对太阳入射方位１８０° ，探测天顶角度为６０°，７０°和８０°前向散射方向对小麦冠层进行了偏振测量，并以偏振度为指标说明了偏振测量可以更好的描述小麦抽穗期的开始时间。 在植被偏振测量过程中，研究者们都将注意力集中在了冠层对光的偏振能力及单个叶片的偏振反射特性，Ｇｒａｎｔ 等［９］ 在布儒斯特角处对大量不同种类的植物叶片进行了偏振 测量，发现所有叶片对光都具有偏振作用，镜面反射与表面颗粒的散射都会引起偏振光，而且偏振光只在叶片表面产生，叶片内部结构对偏振没有任何影响。 随着对地偏振测量的发展，也由实验测量转变到模型的 建立，Ｂｒｅｏｎ等［１ ０］ 建立了基于物理理论的分析模型，其中包括植被的偏振反射模型，他们的结果表明，在星载遥感背景下，利用偏振反射监测植被的信息将会非常的弱，但是却对气溶胶遥感有很大帮助。虽然如此，如果气溶胶的偏振反射小于地表的偏振反射，则相对误差就会变的非差大。Ｂｒｅｏｎ 等［１０］ 的模型同时也指出最适合气溶胶遥感的情况是地表偏 振反射非常小的探测角度方向。也就是在垂直向下方向进行大气偏振信息的获取，因为这个角度可以认为相对大气偏振 而言地物偏振可以忽略［ １１］ 。但是，实际当中由于地面粗糙不平的表面会引起很多的镜面反射，使垂直探测时地表的偏振 作用会很大［ １２］ ，出现地面偏振大于大气偏振的机会就会增加。 所以针对以上在对植被冠层的偏振测量过程中大部分研

地表反照率

收稿日期:2004207225;修订日期:2004208228 基金项目:国家重点基础研究发展规划项目(“973”项目)(G 2000077908)资助。 作者简介:王介民(1937-),男,研究员,博士生导师,主要从事大气科学与遥感应用研究。 关于地表反照率遥感反演的几个问题 王介民1,高　峰1,2 (11中国科学院寒区旱区环境与工程研究所,甘肃兰州　730000;21中国科学院资源环境科学信息中心,甘肃兰州　730000)) 摘要:分析了地表反照率对陆面辐射能收支以及区域和全球气候的影响,强调了地表反照率是遥感反演陆面参数时的第一重要参数,地表反照率或多波段遥感中不同谱段的地表反射率的准确反演常常是准确估算其它陆面参数如植被和土地利用 土地覆盖等状况的先决条件。在对当前关于反照率的概念及容易混淆的术语进行阐述和说明的基础上,简述了遥感反演地表反照率的步骤和主要难点的解决方法,进而对常用陆面过程模式计算地表反照率的过程作了分析,并将其结果与M OD IS 有关产品进行了比较,强调了遥感与陆面过程模式和气候模式的结合。关　键　词:地表反照率;二向反射分布函数;地面能量收支;陆面过程模式;遥感中图分类号:T P 79 文献标识码:A 文章编号:100420323(2004)0520295206 1　引　言 反照率似乎是一个教科书上早已讲述过的基本概念,然而在卫星遥感日新月异地发展和广泛应用的今天,却时时出现许多混淆和困惑。地表反照率的遥感反演,经过多年的实验研究已经有了一些成熟的算法,但其精确估算依然存在诸多困难。 概念上,反照率(albedo )是对某表面而言的总的反射辐射通量与入射辐射通量之比。一般应用中,指的是一个宽带,如太阳光谱段(～013-410Λm )。对多波段遥感的某个谱段而言,称为谱反照率(sp ectral albedo )。这都是指向整个半球的反射。对某波段向一定方向的反射,则称为反射率(reflectance )。 以下是关于地表反照率(反射率)的几个问题的讨论。 2　为什么把地表反照率称为遥感反演 中的第一重要参数? 狭义上说,地表反照率或多波段遥感中不同谱段的地表反射率的准确反演,常常是准确估算其它陆面参数如植被和土地利用 土地覆盖等状况的先决条件。以下关于地表反照率反演方法的介绍中对 此还会有进一步说明。 其实,地表反照率的重要性远不止此。从影响局地乃至全球气候的陆面过程分析,地表反照率是对陆面辐射能收支影响最大的一个参数。地面吸收的净辐射能(R n )可以表示为:　 R n =R S ↓(1-Α)+(R L ↓-ΕΡT 4 s ) (1) 其中:R S ↓为太阳总辐射,与当地的经纬度、时间以及天空云状况等有关。Α为地表反射率,是太阳谱段的地表反射率的积分。R L ↓为大气向下的长波辐射,是大气温湿廓线和云状况的函数。ΡT 4s 为地面向上的长波辐射,其中Ε为地表比辐射率,Ρ为斯忒藩-波尔兹曼常数,T s 为地表温度。 (1)式右边第一项是短波净辐射(R nS ),第二项是长波净辐射(R nL )。为了解各有关量的大小,图1给出一个有代表性的实例。这是高原地区短草地上夏季一个晴天(下午略有云)的日变化观测。由图1可见,由于大气和地表的温度差异相对较小,大气向 下的长波辐射和地面向上的长波辐射(R L ↓=ΕΡT 4 s )量值接近。长波净辐射总的来说是一个小量(绝对值不大于短波净辐射的1 5)。地面所吸收的净辐射主 要由短波净辐射R S ↓?(1-Α )提供。很明显,地表反照率的影响是第一重要的。对这 块草地,白天的绝大多数时段,Α≈0115,即净辐射大 第19卷　第5期2004年10月 遥　感　技　术　与　应　用 REMO TE SEN SI N G TECHNOLO GY AND A PPL ICA T I O N V ol .19　N o .5O ct .2004

几种常用植被指数介绍

对几种常用植被指数的认识 植被指数主要反映植被在可见光、近红外波段反射与土壤背景之间差异的指标，各个植被指数在一定条件下能用来定量说明植被的生长状况。在学习和使用植被指数时必须由一些基本的认识： 1、健康的绿色植被在NIR和R的反射差异比较大，原因在于R对于绿色植物来说是强吸收的，NIR则是高反射高透射的； 2、建立植被指数的目的是有效地综合各有关的光谱信号，增强植被信息，减少非植被信息 3、植被指数有明显的地域性和时效性，受植被本身、环境、大气等条件的影响 一、RVI——比值植被指数：RVI=NIR/R，或两个波段反射率的比值。 1、绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。植被的RVI通常大于2； 2、RVI是绿色植物的灵敏指示参数，与LAI、叶干生物量(DM)、叶绿素含量相关性高，可用于检测和估算植物生物量； 3、植被覆盖度影响RVI，当植被覆盖度较高时，RVI对植被十分敏感；当植被覆盖度<50%时，这种敏感性显著降低； 4、RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。 二、NDVI——归一化植被指数：NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。 1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等； 2、-1<=NDVI<=1，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； 3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度； 4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关； 三、DVI\EVI——差值\环境植被指数：DVI=NIR-R，或两个波段反射率的计算。 1、对土壤背景的变化极为敏感； 四、SAVI\TSAVI\MSAVI——调整土壤亮度的植被指数：SAVI=((NIR-R)/(NIR+R+L))(1+L)，或两个波段反射率的计算。 1、目的是解释背景的光学特征变化并修正NDVI对土壤背景的敏感。与NDVI相比，增加了根据实际情况确定的土壤调节系数L，取值范围0~1。L=0 时，表示植被覆盖度为零；L=1时，表示土壤背景的影响为零，即植被覆盖度非常高，土壤背景的影响为零，这种情况只有在被树冠浓密的高大树木覆盖的地方才会出现。 2、SAVI仅在土壤线参数a=1,b=0（即非常理想的状态下）时才适用。因此有了TSAVI、ATSAVI、MSAVI、SAVI2、SAVI 3、SAVI4等改进模型。 小结：上述几种VI均受土壤背景的影响大。植被非完全覆盖时，土壤背景影响较大 五、GVI——绿度植被指数，k-t变换后表示绿度的分量。

地表反射率计算

黄石市地表反射率计算 一、数据预处理 1、打开：用ENVI5.1将黄石市2000年遥感影像数据的3,、4、5波段打开（1）用鼠标左键双击ENVI5.1图标，打开ENVI5.1程序； （2）打开黄石市2000年遥感影像数据的3,、4、5波段。 File→Open Image File→选择黄石市2000年遥感影像数据的3、4、5波段→打开。 2、合成：对黄石市2000年遥感影像数据的 3、 4、5波段进行合成。 Basic Tools→Layer Stacking→Import File→选择黄石市2000年遥感影像数据的3、4、5波段→Ok→Choose→命名（2000_band543_hecheng）→

打开→Ok 3、裁剪：用黄石市边界矢量数据裁剪合成后的2000黄石市遥感影像。（1）打开合成后的黄石市2000年遥感影像数据的3、 4、5波段； File→Open Image File→选图（2000_band543_hecheng）→打开→Ok （2）打开黄石市边界矢量数据； Vector→Open Vector File→选图（黄石市边界范围.evf)→打开

备注：建立掩膜时一定要将2000_band543_hecheng和黄石市矢量边界的影像打开。 （3）以黄石市边界矢量数据建立掩膜； Basic Tools→Masking→Bulid Mask→Display #1→Options →Import EVFS→选图（111）→Ok→Choose→命名（2000_band543_hecheng_yanmo)→打开→Apply （4）应用掩膜； Basic Tools→Masking→Apply Mask→2000_band543_hecheng→ Select Mask Bang→2000_band543_hecheng_yanmo→Ok→Ok→Choose→命名（2000_band543_hecheng_clip)→打开→Ok