ENVI实战—一文搞定NDVI计算和MNDWI计算

Promising_GEO

已于 2024-04-11 21:03:11 修改

阅读量3k

点赞数 42

文章标签：深度学习人工智能地理遥感

于 2024-04-11 21:02:32 首次发布

本文链接：https://blog.csdn.net/Promising_GEO/article/details/137652766

版权

实验1：使用波段计算器计算波段值

目的：熟练掌握ENVI中波段计算器的使用方法，学会波段之间的运算。

过程：

①数据导入：打开ENVI5.6，在“文件”选项卡中选择“打开”，打开此前裁剪好的Sentinel-2的10m分辨率的波段数据。

②波段和计算：在工具箱上找到“波段代数”工具文件夹，选择“波段运算”，在“Enter an expression”中输入“b1+b2+b3”计算公式，点击“Add to List”添加到计算公式栏，选择后点击确定。在弹出的窗口中，找到上方的变量定义，根据源图像定义好计算的三个波段，选择B2、B3、B4，设置好文件保存格式，得到波段和结果。

③波段均值合成：与波段和计算的方法类似，同样在“波段运算”中输入相应的计算公式“（float(b1)+float(b2)+float(b3)）/3.0)”，此处在波段前加上float，是为了使波段数据格式保留浮点类型，统一数据格式后避免计算出错。将波段按照b1-B2，b2-B3，b3-B4定义好，设置文件输出路径，得到最终结果。

结果：

①图1（左）展示了蓝光波段、绿光波段、红光波段和的计算结果，整体影像为黑白色，原因是计算结果在像素上将三个波段信息进行合成，映射成一个存储计算结果的仅包含0-255的灰度值的颜色通道，因此整体表现为黑白影像。

②图1（右）为RGB波段均值合成的结果，右击对应图层，可修改颜色表。对照原图像，发现水体经三个波段合成后表现出较高的值（红色），而陆地则较低（蓝绿色）。

实验2：计算NDVI

目的：承接实验1，学会基于波段运算工具根据计算公式计算NDVI值

过程：

①明确计算公式：归一化植被指数（NDVI）的计算公式，需要用到两个波段，一个是近红外波段，一个是红光波段，具体公式为“NDVI = （NIR-RED）/（NIR+RED）”。本次实验所用的数据为Sentinel-2数据，通过查阅其卫星参数，明确近红外波段（NIR）为B8，红光波段为B4。

②计算过程：打开ENVI的波段代数工具，在波段运算中输入“(float(b1)-float(b2))/ (float(b1)+float(b2))”，按照“b1-B8，b2-B4”的定义规则，设置好相关参数，输出计算结果。

③查看像素点的NDVI值：为更好与原图进行对比，将计算结果加载到新视图，利用“鼠标取值”工具点击特定地点查看对应的像素值。

结果：

上图为NDVI值计算之后的结果，选择陆地上某处取值后，显示NDVI值为0.28左右，多次尝试水体取值，值的结果都在负数靠近0，基本符合水体的NDVI值特征。

实验3：使用波谱运算工具

目的：学会使用波谱运算工具，对比波谱计算前后曲线的差异

过程：

①选择波谱曲线：打开显示窗口的“波谱库浏览器”，在植被库中选择干燥子植被库，随机选择三种植物，查看其波谱曲线状况。

②波谱运算：打开工具箱中的“波谱处理”工具包，选择“波谱运算”，打开后，输入计算公式“S1+S2+S3”，对变量S1、S2、S3进行波谱赋值，点击确定，可以对三条波谱曲线进行相加，最终结果将得到合成波谱。

结果：

图1展示了波谱运算前后曲线发生的变化，左侧是三条曲线反射率随着波长的发生的变化，右侧是经过相加后合成的曲线。从结果可以看出，合成曲线的反射率数值是三条曲线叠加的结果，其反射率的值域范围明显提升，曲线的整体波动情况与原三条曲线相似。

实验4：对比NDVI的地物差异

目的：强化NDVI的计算方法，理解NDVI在植被提取上的作用。

过程：

①裁剪空间区域：导入Sentinel-2影像，分别选择水体、植被和城市密集分布区域，在文件选项卡中点击“另存为ENVI文件”，利用“空间裁剪”方法，裁剪好上述区域。

②计算NDVI值：在波段运算工具中输入NDVI的计算公式，将NIR波段和RED波段分别代入，分别计算上述影像的NDVI值。

③对比地物NDVI值的差异：选择计算好的结果图层，鼠标右击，点击“快速统计”，在弹出的窗口中，可以“选择绘图中”点击绘制波段直方图，此时可以查看该图层像素的波段直方图，纵坐标是像元数，横坐标是数值，下方的表格中分别计算了均值、最大值、最小值等等。利用该方法可以对比不同地物的差异。此外，利用鼠标取值工具，同样可以进行数值查看，对比不同地物的差异。

结果：

图1展示了植被主导（左上）、建筑物主导（右上）和水体主导（下方）的NDVI的计算结果，图像经过了颜色的重新渲染，颜色越绿处代表该地的NDVI值更高，而颜色越红反之，三张结果基本符合NDVI的计算预期。

图2与图3展示了三张区域的像元值统计直方图与相关的统计结果，尽管未严格对植被、建筑、水体进行提取，但三张统计图仍然显示了其大面积叠加某一类地物后产生的影响。以植被覆盖为主的区域，NDVI峰值整体在0.2以后的像元占据大部分，均值较高；以建筑物为主体覆盖的区域，NDVI值整体在0-0.2的像元占据大部分，均值中间；以水体的区域，使得NDVI出现在负数部分出现统计峰值，说明水体的NDVI值较低。这与对三类地物进行鼠标取值后得到的结果一致。因此，水体的NDVI值较低，植被的NDVI值较高，NDVI能够较好地表征植被的覆盖程度。

图植被主导、建筑主导、水体主导波段统计结果

实验5：获取水体指数

目的：模仿NDVI的计算方法，学会利用水体提取的波段公式，获取水体指数。

过程：

①波段裁剪与融合：通过“感兴趣的ROI”框选具有大面积水体分布的地区，将10m、20m分辨率的Sentinel-2数据裁剪为同一区域。选择图像融合工具，利用“Gram-Schmidt图像融合”方法，重采样方法为“双线性内插”，将两张影像融合成同一分辨率的数据，设置好文件路径输出。此时，数据已准备好。

②计算修正归一化差异水体指数（MNDWI）：改进的水体指数采用绿光波段和短波红外进行计算得到，该指数能够较好地区分水体、陆地和植被。具体的计算公式为MNDWI = (Green-SWIR)/(Green-SWIR）。同样打开“波段代数”工具箱，在波段运算中输入计算公式，Sentinel-2中绿光波段为B3波段，SWIR波段为B11波段，定义后计算即可。