遥感地学分析实验 - 图文

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)充分利用了多维遥感信息，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