估算森林蓄积量哨兵2号变量计算详情

变量概括

需要计算的变量参数有:

  1. 生物物理变量
    采用SNAP软件的工具生成5个生物物理变量。
  2. 植被指数
    采用gdal库计算,共17个植被指数变量。
  3. 纹理特征
    采用ENVI计算,取前10个波段,共80个纹理特征波段变量。

哨兵2号变量计算详情

从这一篇文章中我们可以得到研究区的哨兵2号去云之后的影像,如下图所示。

1. 生物物理变量计算

2. 植被指数

1.点击开始界面,打开anaconda promopt
在这里插入图片描述
进入S2.tiff所在的文件夹路径

E:
cd E:\2023wanzhou

在这里插入图片描述
在这里插入图片描述
运行run.bat
在这里插入图片描述
运行之后会在文件夹内生成植被指数。

run.bat的内容如下:S2.tif代表我们要计算植被指数的影像,band=4代表S.tif的B4波段,rvi.tif表示输出影像的文件名,执行的波段运算是B/A也就是B8/B4也就是NIR/RED=RVI

#1.RVI:
python gdal_calc.py -A S2.tif --A_band=4 -B S2.tif --B_band=8 --outfile=rvi.tif --calc="(B/A)" --NoDataValue=0

#2.IPVI:
python gdal_calc.py -A S2.tif --A_band=4 -B S2.tif --B_band=8 --outfile=ipvi.tif --calc="(B/(A+B))" --NoDataValue=0

#3.PVI:
python gdal_calc.py -A S2.tif --A_band=4 -B S2.tif --B_band=8 --outfile=pvi.tif --calc="(sin(pi/4)*B)-(cos(pi/4)*A)" --NoDataValue=0

#4.IRECI:
python gdal_calc.py -A S2.tif --A_band=4 -B S2.tif --B_band=8 --outfile=ireci.tif --calc="((B-A)/(B+A))" --NoDataValue=0

#5.S2AVI:
python gdal_calc.py -A S2.tif --A_band=4 -B S2.tif --B_band=8 --outfile=savi.tif --calc="((B-A)/(B+A+0.5))*(1+0.5)" --NoDataValue=0

#6.ARVI:
python gdal_calc.py -A S2.tif -B S2.tif -C S2.tif --A_band=4 --B_band=8 --C_band=2 --outfile=arvi_wanzhou.tif --calc="((B-(2*A-C))/(B+(2*A-C)))" --NoDataValue=0

#7.PS2S2Ra:
python gdal_calc.py -A S2.tif --A_band=4 -B S2.tif --B_band=7 --outfile=pS2S2ra.tif --calc="(B/A)" --NoDataValue=0

#8.MTCI:
python gdal_calc.py -A S2.tif --A_band=4 -B S2.tif --B_band=5 -C S2.tif --C_band=6 --outfile=mtci.tif --calc="((B-C)/(C-A-0.01))" --NoDataValue=0

#9.MCARI:
python gdal_calc.py -A S2.tif --A_band=4 -B S2.tif --B_band=5 -C S2.tif --C_band=3 --outfile=mcari.tif --calc="((B-A)-(0.2*(B-C)))*(B-A)" --NoDataValue=0

#10.REIP:
python gdal_calc.py -A S2.tif --A_band=4 -B S2.tif --B_band=5 -C S2.tif --C_band=6 -D S2.tif --D_band=7 --outfile=reip.tif --calc="(700)+(40*((B+D)/2-A)/(C-A))" --NoDataValue=0

#11.NDVI78a (NIR2 – RE3)/ (NIR2 + RE3)
python gdal_calc.py -A S2.tif --A_band=8 -B S2.tif --B_band=7 --outfile=ndvi78a.tif --calc="(A-B)/(A+B)" --NoDataValue=0

#12.NDVI67 (RE3- RE2)/ (RE3+ RE2)
python gdal_calc.py -A S2.tif --A_band=7 -B S2.tif --B_band=6 --outfile=ndvi67.tif --calc="(A-B)/(A+B)" --NoDataValue=0

#13.NDVI58a (NIR2- RE1)/ (NIR2 + RE1)
python gdal_calc.py -A S2.tif --A_band=8 -B S2.tif --B_band=5 --outfile=ndvi58a.tif --calc="(A-B)/(A+B)" --NoDataValue=0

#14.NDVI56 (RE2- RE1)/ (RE2+ RE1)
python gdal_calc.py -A S2.tif --A_band=6 -B S2.tif --B_band=5 --outfile=ndvi56.tif --calc="(A-B)/(A+B)" --NoDataValue=0

#15.NDVI57 (RE3- RE1)/ (RE3+ RE1)
python gdal_calc.py -A S2.tif --A_band=7 -B S2.tif --B_band=5 --outfile=ndvi57.tif --calc="(A-B)/(A+B)" --NoDataValue=0

#16.NDVI68a (NIR2 - RE2)/ (NIR2 + RE2)
python gdal_calc.py -A S2.tif --A_band=8 -B S2.tif --B_band=6 --outfile=ndvi68a.tif --calc="(A-B)/(A+B)" --NoDataValue=0

#17.NDVI48 (NIR - R)/ (NIR + R)
python gdal_calc.py -A S2.tif --A_band=8 -B S2.tif --B_band=4 --outfile=ndvi48.tif --calc="(A-B)/(A+B)" --NoDataValue=0

3. 纹理特征

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
森林蓄积量是衡量森林生态系统的重要指标,对于森林管理和保护具有重要意义。传统的森林蓄积量估算方法需要进行大量的人工测量和统计,耗时耗力且难以覆盖大面积的森林。而遥感技术的应用可以大大提高估算效率和精度,成为目前森林蓄积量估算的主要方法之一。本文将综述多方位遥感技术在森林蓄积量估算中的应用现状及发展趋势。 1. 激光雷达技术 激光雷达技术是目前最为广泛应用的遥感技术之一,其精度高、分辨率高、无需光学透过度等优点使其成为了进行森林蓄积量估算的重要手段。激光雷达技术可以获取森林结构信息,如树高、冠幅、树干直径等,通过对这些信息的分析计算可以得到森林蓄积量。 2. 高分辨率卫星影像技术 高分辨率卫星影像技术可以提供高质量的空间信息,从而实现对森林类型、植被覆盖率、森林面积等信息的提取。通过相应的遥感影像处理方法,可以得到森林蓄积量估算结果。 3. 微波遥感技术 微波遥感技术可以穿透云层和树冠,获取到地表的微波信,从而实现对地表物理性质的探测。微波遥感技术可以获取到地表覆盖物的高度、密度和湿度等信息,从而实现对森林蓄积量估算。 4. 光学遥感技术 光学遥感技术可以获取到地表的可见光和红外辐射信息,从而实现对地表植被和地貌的探测。通过对森林植被的反射率和吸收率等信息的分析,可以得到森林蓄积量估算结果。 总体来说,多方位遥感技术在森林蓄积量估算中具有广泛的应用前景。未来的发展趋势将是更加细粒度、高分辨率、高精度的遥感数据的获取和处理方法的不断优化,以及多元数据的融合和交叉验证。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Python与遥感

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值