点评:选择的是GF4数据,数据已做过大气校正、几何校正等预处理,基于像元二分模型的植被覆盖度反演是目前遥感领域应用较为广泛的一种方法,是研究区域植被覆盖变化、水土保持、森林监测等的常用手段!
**理论介绍:**
植被覆盖度是指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。
像元二分模型是一种简单实用的遥感估算模型,它假设一个像元的地表由有植被覆盖部分地表与无植被覆盖部分地表组成,而遥感传感器观测到的光谱信息也由这2个组分因子线性加权合成,各因子的权重是各自的面积在像元中所占的比率,如其中植被覆盖度可以看作是植被的权重。
公式为:
VFC = (S - Ssoil)/ ( Sveg - Ssoil) S为遥感信息
改进后的模型:
VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin)
当区域内不可以近似取VFCmax=100%,VFCmin=0%
当有实测数据的情况下,取实测数据中的植被覆盖度的最大值和最小值;
当没有实测数据的情况下,植被覆盖度的最大值和最小值根据经验估算。
**实验操作:**
数据选择是GF4数据,已经做过预处理。
1、打开预处理后的数据,选择的区域是福建的武夷山地区,将数据通过ROI裁剪即可,这里不多做阐释。
2、裁剪之后,通过在搜索窗口中搜NDVI,然后找到红光波段和近红外波段,设置参数,其他要求不变,输出武夷山NDVI。
3、输出研究区的NDVI图像。
4、对图像进行简单统计,发现NDVI存在异常值。
异常值就是不在-1~1之间的值,把这些异常值去掉。
5、公式如下:-1>B1表示小于-1的值都赋给-1,B1<1表示大于1的值都赋给1,这个算法的程序就是这样执行的,理解起来有点难,但是计算的效果跟采用 gt lt 这种的结果是一样的。
去除异常值之后的图像输出:
6、选择最大值和最小值,选择2%~98%为置信区间,因为武夷山研究区基本上都是森林,其他的地物较少,所以就选择统计的最大和最小值使用。
简单统计中,找到最小值:0.4070
找到最大值:0.6049
7、带入公式,计算植被覆盖度:
仍然使用band math工具
选择数据和设置参数,输出结果,数据选择去除异常值之后的,千万别选择错了。
8、输出植被覆盖度结果,并除去异常值,对其做归一化处理:
处理前:
处理后:
9、对植被覆盖度结果进行密度分割。
这是自动生成的,全部删除,自己重新添加。
先全部删除,然后点击加号添加。
设置间隔,分为五个等级:0-0.2 0.2-0.4 0.4-0.6 0.6-0.8 0.8-1.0
根据值得大小选择颜色,颜色从浅到深
但是,0会带入背景值,所以选择0.001开始。
输出结果:
出图: