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；SolarAzmethAngle0-360Degree(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+0.04734波段y=0.9401*x+0.00652波段y=0.8801*x+0.02425波段y=0.9399*x+0.0013波段y=0.9161*x+0.01437波段y=0.9584*x+0.0004【部分地物的DNVI值】地物DNVI值minmaxmeanstdevReservior0.0577130.3385870.1450870.038598Snow-0.123950.1526690.0250880.031572BareLand0.1056280.3748430.1927010.043621Urban-0.3569230.038094-0.2732880.045284Plant0.3333870.7866950.6560940.081619Desert0.0718970.1556630.1007830.014291River0.0434690.4299170.1275030.08131【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minmaxmeanstdevminmaxmeanReservior287.47641289.289886288.131270.38803614.3264116.1398914.98127Snow273.154785293.990417278.1777713.7882660.00478520.840425.027771BareLand295.989319310.676086303.4456472.81939122.8393237.5260930.29565Urban300.165253310.928528307.4692281.53042127.0152537.7785334.31923Plant294.278015305.525879298.6984022.33325121.1280232.3758825.5484Desert302.605286309.915955306.4915751.3990229.4552936.7659633.34158River300.438721313.922485305.8657964.32070527.2887240.7724932.7158【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minmaxmeanstdevminmaxmeanReservior287.4764288.9897288.03370.31723514.3264115.8396614.88371Snow273.1548291.3698277.40253.2440710.00478518.219784.252505BareLand295.9893310.9285302.79023.22890622.8393237.7785329.64017Urban303.941310.9285307.55541.28375230.7909837.7785334.40542Plant294.8512304.9997298.26551.95021321.7011731.8497325.11546Desert308.3829312.9316310.46610.7618735.2328739.7816137.31608River297.6768314.1691305.644.72887324.5267641.019132.49【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