遥感地学分析实验

遥感地学分析实验报告二

中国·长春

2019年1月

实验二 基于植被指数(NDVI)——反照率(Albedo)特征空间

的土地荒漠化遥感分析

【实验原理】

土地荒漠化是指包括气候变异和人类活动在内的种种因素造成的干旱半干旱和亚湿润干地区的土地退化。及时准确地掌握土地荒漠化发生发展情况是有效防止和治理土地荒漠化的基本前提。使用遥感影像数据可以提取土地荒漠化信息，判断土地荒漠化的发生与发展程度。

沙漠化研究表明，随着沙漠化程度的加重，地表植被遭受严重破坏，地表植被盖度降低和生物量减少，在遥感图像上表现为植被指数相应减少。由此看来，植被指数（NDVI）可作为反映沙漠化程度的生物物理参数。

在沙漠化的研究实践中，通过定位观测发现，随着沙漠化程度的加重地表状况发生了明显的改变，伴随着地表植被覆盖度的下降，地表水分相应地减少，地表粗糙度下降，地表反照率得到相应的增加。因此，沙漠化过程导致的地表下垫面状况的变化，使地表反照率（Albedo）发生明显的变化，其可作为反映沙漠化程度的重要地表物理参数。

通过构造“植被指数(NDVI)——反照率(Albedo)特征空间”来进行荒漠化信息遥感提取。荒漠化过程及其地表特性的变化能在 Albedo-NDVI 特征空间中得到明显直观的反映。 在 Albedo-NDVI 特征空间中，利用植被指数和地表反照率的组合信息，通过选择反映荒漠化程度的合理指数，可以将不同荒漠化土地有效地加以区分，实现荒漠化时空分布与动态变化的定量监测与研究。

基于植被指数(NDVI)——反照率(Albedo)特征空间的土地荒漠化遥感分析

沙漠化遥感监测模型

在 Albedo—NDVI 特征空间，不同沙漠化土地对应的植被指数(NDVI)和地表反照率 (A1bedo)具有非常强的线性负相关性。根据 VerstraeteandPinty 的研究结论，如果在代表荒漠化变化趋势的垂直方向上划分 Albedo-NDVI 特征空间，可以将不同的荒漠化土地有效地区分开来。而垂线方向在 Albedo-NDVI 特征空间的位置可以用特征空间中简单的二元线性多项式加以表达，即

DDI=k*NDVI–Albedo

其中：DDI 可称为荒漠化分级指数，k 由特征空间中拟合的曲线斜率确定。 DDI 值可以反映区域土地沙漠化的过程，将其定义为沙漠化监测的差值指数。

DDI的意义反映了不同沙漠化土地在 Albedo—NDVI 空间的地表水热组合与变化的差异。

沙漠化遥感监测差值指数模型(DDI)充分利用了遥感信息，指标反映了沙漠化土地地表覆盖、水热组合及其变化，具有明确的生物物理意义。而且

3

基于植被指数(NDVI)——反照率(Albedo)特征空间的土地荒漠化遥感分析

指标简单、易于获取，有利于沙漠化的定量分析与监测。

【实验内容】

（1）下载数据

（2）数据预处理：数据定标处理、大气校正、几何配准、研究区域的裁剪。 （3）信息提取：计算 NDVI 和 Albedo，将结果进行归一化处理，保证数据的一致性。

（4）计算 NDVI 和 Albedo 的定量关系：利用 excel 工具找到 NDVI 和 Albedo 数据间的量化关系，得到表达式 Albedo=a*NDVI+b 中 a 的值。 （5）荒漠化差值指数的计算：利用 bandmath 工具实现表达式：DDI=(-1/a)*NDVI-Albedo， 得到荒漠化差值植被指数。

（6）荒漠化分级信息的提取：根据荒漠化差值植被指数进行荒漠化分级信息提取。可通过设置分级阈值进行分级。 （7）制图输出。

【实验步骤】

一、数据预处理

第一步：数据读取和定标

主菜单->File->Open External File->Landsat->Geo TIFF with Metadata，打开 ETM 数据 L71122030_03020000712_MTL.txt 第二步：数据定标

主菜单->Basic Tools->Preprocesssing->Calibration Utilities->Landsat Calibration，选择多波段文件，弹出 ENVI LandsatCalibration 对话框，自动读取元数据中的信息并加载，定标类型选择 Radiance，指定保存路径，点击 OK。

4

基于植被指数(NDVI)——反照率(Albedo)特征空间的土地荒漠化遥感分析

第三步：几何校正和裁剪

进行几何校正，使其具有精确的地理信息，本实验中用到的是已经过校正TM数据作为基准影像。整景数据范围非常大，在进行几何配准之前，可将研究区域裁剪出来。

裁剪：BasicTools->Resize Data(Spatial/Spectral)，弹出 Resize Data Input File 对话框，选中要裁剪的图像，然后点击 Spatial Subset,然后点击 Image 后，会显示选中的图像，此时拖动红色边框，拖动至想要的大小后，点击 OK。如图所示：

5

基于植被指数(NDVI)——反照率(Albedo)特征空间的土地荒漠化遥感分析

返回到上图所示的界面后，点击 OK，返回 ResizeData InputFile 对话框，点击 OK。此时选择裁剪后的图像保存的路径，点击OK,裁剪完成。

显示裁剪后的图像如图：

6

基于植被指数(NDVI)——反照率(Albedo)特征空间的土地荒漠化遥感分析

第四步：大气校正

（一）FLAASH 对图像文件有以下几个要求：

1) 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）。 2) 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（Edit Header）。 3) 数据类型

支持四种数据类型：浮点型（floating）、长整型(long integer )、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。

4) 波谱范围：0.4－2500μm。 本次用的 TM 数据经过以上处理，如已经定标为 W*m^(-2)*sr^(-1)*um^(-1)单位、浮点型的辐射率数据，有中心波长信息，下面将 BSQ 格式转成 BIL 格式。

7

基于植被指数(NDVI)——反照率(Albedo)特征空间的土地荒漠化遥感分析

选择主菜单 Basic Tools->Convert Data（BSQ、BIL、BIP），选择已经经过配准的Cut.img，双击，然后出现 Convert FileParameters 对话框，Output Interleave 选择 BIL，选 择 Convert InPlace：no，选择要输出的路径，单击 OK。

（二）设置参数进行 FLAASH 大气校正

（1）主菜单 Spectral->FLAASH 打开 FLAASH 大气校正模块；

（2）点击 InputRadianceImage，选择BIL格式的BIL.img，在 RadianceScale Factors 面板中选择 Use single scalefactorforall bands，由于定标的辐射量数据与FLAASH 的辐射亮度的单位相差10倍，所以在此 Singlescalefactor 选择默认：10，单击 OK；

（3）设置输出文件及路径设置。

（4）传感器基本信息设置：成像中心点经纬度、传感器高度、成像区域平均高度、成像时间等。

8

基于植被指数(NDVI)——反照率(Albedo)特征空间的土地荒漠化遥感分析

点击 OK，运行完后显示如下图：

查看校正后的图：在AvailableBandsList中右击FLAASH → LoadTrueColor to。并与校正之前的图像相比，如图：

9

基于植被指数(NDVI)——反照率(Albedo)特征空间的土地荒漠化遥感分析

(5)对校正前后的两幅影像进行Link以进行更好的波谱曲线对比，如图：

（校正前） （校正后）

二、信息提取

第一步：提取 NDVI 主菜单->Transform->NDVI，弹出 NDVI

CalculationParameters 对话框，自动标定波段，保存文件，输出，点击 OK。

10

基于植被指数(NDVI)——反照率(Albedo)特征空间的土地荒漠化遥感分析

第二步：提取 Albedo 地表反照率反演：利用 Lia ng 建立的Landsat — TM 数据的反演模型，估算研究区地表反照率。

（1）主 菜 单 ->Basic Tools->Bandmath-> 弹 出 Band Math 对 话 框 ， 键入表达式(0.356*b1+0.13*b3+0.373*b4+0.085*b5+0.072*b7-0.0018)/10000，点击 AddtoList，点击 OK。

（2）在弹出的Variablesto BandPairings 对话框中分别为 B1、B3…、B7 指定相应的波段（经过大气校正后的数据）。

11

基于植被指数(NDVI)——反照率(Albedo)特征空间的土地荒漠化遥感分析

三、计算 NDVI 与 albedo 的定量关系

NDVI与albedo之间存在着一种负相关的线性关系。

不同沙漠化土地类型对应的植被指数 ( N DV I ) 和地表反照率 (Al b e d o ) 具有显著的线性负相关性，类似于：Albedo=65.324-0.453*NDVI 这种形式，通用表达式 Albedo=a*NDVI+b。随着荒漠化程度的增加，植被指数 ( NDVI) 逐渐减少，而地表反照率则逐渐增加。在 Albedo—NDVI 特征空间中，荒漠化过程得到了明显的反映。 为了找到两者之间的定量关系，需要分别找出NDVI和 albedo对应的两组数据，利用这两组数据进行回归拟合出一个关系式。 第一步：选择相应点

12

基于植被指数(NDVI)——反照率(Albedo)特征空间的土地荒漠化遥感分析

（1）在 NDVI 或者 Albedo 的图像窗口中，右键->选择 ROITools，弹出 ROITools 对话框在 ROIType 中选择 Point。然后点击 Image，在 image 窗口中选点。

（2）选好点后，将点导出。 在 ROITOOL 中，选择 File->Output ROIs toASCII。选择NDVI的图像，在 Output ROIs toASCII Parameters 面板中，选择 ROI 点，单击 Edit OutputASCII Form，在输出内容设置面板中（如下图），选择 ID、经纬度（GeoLocation）、和波段像元值（BandValues）。点击 OK。 指定输出路径和名称，点击 OK，将对应的 NDVI 点值输出。同样的方法前面选择的 ROI 点对应的 Albedo 的点值输出为 Albedo.txt 文件。

13

基于植被指数(NDVI)——反照率(Albedo)特征空间的土地荒漠化遥感分析

第二步：计算定量关系

在EXCEL软件中进行线性拟合两者的定量关系。有了相同位置的NDVI 值和 Albedo值，在Excel中选中ndvi 值与albedo值，绘制散点图。

Albedo0.60.50.40.30.20.1000.2y = -0.238x + 0.420R² = 0.4170.40.60.81 得到的反演模型为y = -0.2386x + 0.4207 四、荒漠化差值指数的计算

通过上一步的处理得到了参数 a= -0.2386，根据公式 a*k=-1，可以计算出k将 k 值代入荒漠化差值指数表达式中可以计算 DDI。表达为： DDI=1/0.2386*NDVI-Albedo

使用 BasicTool->Bandmath，在 Enter anexpression 下面输入表 达式：

14

基于植被指数(NDVI)——反照率(Albedo)特征空间的土地荒漠化遥感分析

1/0.2386*b1 –b2，单击 Add to List，单击 OK，在 Variables to Bands Pairings 面板中， 选择 b1 为 NDVI 的图像，b2 为 Albedo 的图像，设置输出路径和文件名，单击 OK，计算得 到荒漠化差值指数的反演图。DDI 值越小，沙漠化程度越大。

五、荒漠化分级信息提取

实地考察，根据相关标准，将该区域的荒漠化程度分级，即非荒漠化、轻度荒漠化、中 度荒漠化、重度荒漠化和极重度荒漠化。找出不同荒漠化级别与对应的荒漠化差值指数图上的临界点。然后利用 DensitySlice 工具进行分级显示。 在 Display 中显示荒漠化差值指数，是一个灰度的单波段图像。 (1) 选择 Tools->ColorMapping->Density Slice。 (2) 单击 Apply。

15

基于植被指数(NDVI)——反照率(Albedo)特征空间的土地荒漠化遥感分析

(3) 选择 File->Output RangetoClass Image，可以将反演结果输出。

16

基于植被指数(NDVI)——反照率(Albedo)特征空间的土地荒漠化遥感分析

17