维普资讯 https://www.doczj.com/doc/5f17870336.html,
维普资讯 https://www.doczj.com/doc/5f17870336.html,
维普资讯 https://www.doczj.com/doc/5f17870336.html,
维普资讯 https://www.doczj.com/doc/5f17870336.html,
EOS-MODIS 1B数据格式与应用 王正兴，陈文波，邓芳萍，曹云刚 中国科学院地理科学与资源研究所 全球变化信息研究中心 2004年11月2日， 中国科学院资源环境科学信息中心，兰州 报告提纲 1、什么是MODIS 1B数据，已经作了那些校正？ 2、MODIS 1B 数据结构：HDF 与HDF-EOS 简介 3、MODIS 1B 数据结构示例 4、MODIS 1B 数据内容：正常数值与异常数值。 5、MODIS 1B 数据：与时间有关的因素。
1、什么是 MODIS 1B 数据？ 是MODIS 44种系列数据产品中的一种，产品编号为 MOD02 ( Terra-MODIS)/ MYD02(Aqua-MODIS); 是经过仪器标定的数据产品，但是没有经过大气校正； 是包含有地理坐标产品的数据，但是“科学数据”和“地理数据”还没有连接，直接 显示时，边缘存在“蝴蝶结”（Bow-tie）现象； MODIS 1B 数据采用层次数据模型（HDF）或其对地观测扩展（HDF-EOS），这些模 型有不同版本，受不同软件支持。本培训使用软件为ENVI3.X软件。 具体讲，L1B 程序校正了反射波段探测器中未加工的数字信号（DN）中所有已知仪器误差，输出经过校正的（dn。）。这些校正包括： 电子偏移 在“模拟-数字”转换器里的非线性问题 扫描镜反射的角度变异 由于仪器和焦平面变异引起的增益的变化 在短波红外波段外的光谱响应，如波段5，6，7和波段26。 dn*之后，L1B根据每个波段内不同探测器之间变异参数，把dn*教正为dn**。由于dn**的数据量很大（小数，需要用浮点储存），为了节省空间,在反射太阳波段的科学数据中进行尺度转换，用 16-bit 整数表示法。实际上，16-bit中的15-bit用于储存有效数据；第16-bit 储存几类无效数据。 2、MODIS 1B 数据结构：HDF 与HDF-EOS 简介 HDF：分等级的数据格式（层次结构，树结构） HDF-EOS：是对地观测系统（EOS）对HDF的扩展。 重要性：HDF-EOS 已经被美国对地观测系统的数据与信息系统（EOSDIS）选定为 数据标准，许多由美国政府合同支持的产品和免费软件等都以此为基础。如Terra, Aqua, Landsat ETM。 开发和维护：伊利诺斯州大学的美国国家超级计算应用中心（NCSA） （https://www.doczj.com/doc/5f17870336.html,）。 说明：我们可能已经使用过许多数据而不一定知道该数据的结构，如GeoTiff。重要 的是，需要了解那些软件能够识别这些数据结构。具体到HDF,它的结构可能很简单，也可能很复杂。我们的目的是使用MODIS 数据，并不意味着先要了解所有的结构。
2.1 归一化植被指数（NDVI ） 归一化植被指数（Normalized Difference Vegetation Index ，即N D V I ）的计算公式为： NIR RED NIR RED NDVI ρρρρ-=+ 其中：NIR ρ和RED ρ分别代表近红外波段和红光波段的反射率NDVI 的值介于-1和1之间。 2.2 增强型植被指数（EVI ） 增强型植被指数（Enhanced Vegetation Index ，即EVI ）计算公式为： 2.5 6.07.51 NIR RED NIR RED BLUE EVI ρρρρρ-=?+-+ NIR ρ、RED ρ和BLUE ρ分别代表近红外波段、红光波段和蓝光波段的反射率。 2.3 高光谱归一化植被指数（Hyp_NDVI ） 对于环境与灾害监测预报小卫星高光谱载荷，选取中心波长分别位于近红外和红光的谱段进行归一化植被指数计算： _____Hyp NIR Hyp RED Hyp NDVI Hyp NIR Hyp RED -=+ 2.4 其他植被指数 （1） 比值植被指数（Ratio Vegetation Index ——RVI ） NIR RED RVI ρρ= 该植被指数能够充分表现植被在红光和近红外波段反射率的差异，能增强植被与土壤背景之间的辐射差异。但是RVI 对大气状况很敏感，而且当植被覆盖小于50%时，它的分辨能力显著下降。 （2） 差值植被指数（Difference Vegetation Index ——DVI ） NIR RED DVI ρρ=- 该植被指数对土壤背景的变化极为敏感，有利于对植被生态环境的监测，因此又被称为环境植被指数（EVI ）。 （3） 土壤调整植被指数（Soil-Adjusted Vegetation Index ——SA VI ）
GIS技术支持下的水土保持遥感监测浅析 GIS技术支持下的水土保持遥感监测，是实现水土流失及水土保持现状高精度动态监测和预报的重要手段。同时，其监测结果为决策部门提供监测区内水土流失分布、面积与流失量的逐年变化情况、林分变化情况等资料，以及水土保持植物、工程措施总体效益的演变情况。通过监测掌握监测区水土流失面积、分布状况和流失强度，水土流失造成危害及发展趋势。我国已在许多区域开展了水土保持工作，“3Ｓ”技术的应用，使水土流失快速调查与动态监测成为可能。 1 基本原理和方法 由于土壤侵蚀是发生在地表的过程，一些典型的侵蚀标志（如地表裸露程度、植被覆盖度和土地利用类型变化等）易于被遥感影像所记录，因此，RS 技术成为对土壤侵蚀进行动态监测的一种有效的技术手段。而GIS 具有强大的空间数据处理和分析能力，可以快速处理大量的遥感数据和非遥感数据，适合应用于诸如土壤侵蚀定量评价之类需要对多因子进行综合分析处理的过程。 水土保持遥感监测中应用多源信息（主要是GIS数据）来增加遥感信息量，一方面把利用遥感手段未能获取的信息补上去，另一方面根据影像提取的信息进行分析，来推断出影像上未反映的信息。 2 监测技术流程 水土保持遥感监测目标是通过遥感信息和其他相关信息，准确地得到监测区监测年的土地利用、植被、土壤侵蚀现状、水土保持措施数量和质量等情况。为数据库及应用系统建设提供数据支持，为水土保持监测和管理提供可靠依据。 2.1 监测工作流程 GIS技术支持下的水土保持遥感监测主要是运用GIS工具对遥感信息和非遥感信息进行综合分析，得到土壤侵蚀现状图及各种形式的统计数据。首先确定监测任务和目标，针对工作内容要求编制监测计划，通过对监测区遥感影像、地形图、专题图件等资料的搜集，以及野外实际勘查，了解监测区域实际情况、水土保持和水土流失实际状况，以及结合原始调查资料等辅助信息，从色调、形状、纹理、分布及水土保持专家经验等方面进行综合分析建立专题信息解译标志。采用人机交互解译或者计算机自动识别技术，进行遥感影像解译，并通过野外校核校正专题信息解译结果。 2.2 土地利用情况遥感监测
植被光谱分析与植被指数计算 在遥感中，常常结合不同波长范围的反射率来增强植被特征，如植被指数（vegetation i ndices ——VI）的计算，植被指数（VI）是两个或多个波长范围内的地物反射率组合运算，以增强植被某一特性或者细节。目前，在科学文献中发布了超过150种植被指数模型，这些植被指数中只有极少数是经过系统的实践检验。本文总结现有植被指数，根据对植被波谱特征产生重要影响的主要化学成份：色素（Pigments）、水分（Water）、碳（Carbon）、氮（Nitrogen），总结了7大类实用性较强的植被指数，即：宽带绿度、窄带绿度、光利用率、冠层氮、干旱或碳衰减、叶色素、冠层水分含量。这些植被指数可以简单度量绿色植被的数量和生长状况、叶绿素含量、叶子表面冠层、叶聚丛、冠层结构、植被在光合作用中对入射光的利用效率、测量植被冠层中氮的相对含量、估算纤维素和木质素干燥状态的碳含量、度量植被中与胁 迫性相关的色素、植被冠层中水分含量等。 包括以下内容： ? ?●植被光谱特征 ? ?●植被指数 ? ?●HJ-1-HSI植被指数计算 1.植被光谱特征 植被跟太阳辐射的相互关系有别于其他物质，如裸土、水体等，比如植被的“红边”现象，即在<700nm附近强吸收，>700nm高反射。很多因素影响植被对太阳辐射的吸收和反射，包括波长、水分含量、色素、养分、碳等。 研究植被的波长范围一般为400 nm t o 2500 nm，这也是传感器设计选择的波长范围。这个波长范围可范围以下四个部分： ??●可见光（Visible）：400 nm to 700 nm ??●近红外（Near-infrared——NIR）：700 nm to 1300 nm ??●短波红外1（Shortwave infrared 1—— SWIR-1）：1300 nm to 1900 nm ??●短波红外2（Shortwave infrared 2——SWIR-2）：1900 nm to 2500 nm 其中NIR和SWIR-1的过渡区（1400nm附近）是大气水的强吸收范围，卫星或者航空传感器一般不获取这范围的反射值。 SWIR-1 和SWIR-2的过渡区（1900nm附近）也是大气水的强吸收范围。 植被可分为三个部分组成： ??●植物叶片（Plant Foliage） ??●植被冠层（Plant Canopies） ??●非光合作用植被(Non-Photosynthetic Vegetation) 这三个部分是植被分析的基础，下面对他们详细介绍。 1.1植物叶片（Plant Foliage） 植物叶片包括叶、叶柄以及其他绿色物质，不同种类的叶片具有不同的形状和化学成份。对波谱特征产生重要影响
1.用ETM+图像计算植被指数并分析。 数据来源：地理空间数据云平台 Landsat 7 ETM SLC-on 卫星数字产品(1999-2003) 数据标识LE71190432002338EDC01卫星名称LANDSAT7 数据类型L7slc-on传感器ETM+ 接收站EDC白天/晚上DAY 条带号119 行编号43 太阳高度角37.8951 太阳方位角151.8815 获取时间2002-12-04 平均云量 1.0 开始时间2002-12-04 02:21:12.0 结束时间2002-12-04 02:21:12.0 中心经度118.4915 中心纬度24.5531 Landsat 7 ETM SLC-on 卫星数字产品(1999-2003) 数据标识LE71190432002066SGS00卫星名称LANDSAT7 数据类型L7slc-on传感器ETM+ 接收站SGS白天/晚上DAY 条带号119 行编号43 太阳高度角49.0019 太阳方位角133.0889 获取时间2002-03-07 平均云量0.0 开始时间2002-03-07 02:21:52.0 结束时间2002-03-07 02:21:52.0 中心经度118.4993 中心纬度24.5482 (1)由于这两个数据的空间投影与厦门市矢量图层的投影都是GCS_WGS_1984,所以不用进行重投影。 (2)利用厦门市矢量图层对这两个卫星数字产品中的B30、B40波段进行剪裁。如图1. L71119043_0432*******_B30 L71119043_0432*******_B40 L71119043_0432*******B-30 L71119043_0432*******B-40 （3）利用ARCGIS中Spatial Anaiyst---Raster Calculator进行植被指数的计算。计算公式为NDVI=(band4-band3)/(band4+band3)。得到图2.
浅谈无人机遥感技术在农业中的应用 1 监测病虫害 病虫害是影响作物产量的直接因素，是世界各国的主要农业灾害之一。大规模的病虫害会给农业生产和国民经济造成巨大损失。据联合国粮农组织统计，世界粮食产量因病虫害造成的损失占粮食总产量的20%以上。 利用遥感监测技术跟追病虫害进展情况，有利于展开精准治理工作，做到及时发现、及时处理，也有利于早期防治。其原理是，病虫害会造成作物叶片细胞结构色素、水分、氮元素等性质发生变化，从而引起反射光谱的变化，所以病虫害作物的反射光谱和正常作物可见光到热红外波段的反射光谱有明显差异。 在美国、澳大利亚等地，用无人机遥感监测并不罕见。比如，美国有种植户用无人机监测的麦田锈病情况，从中可以明显看出哪里是重灾区。也有人用无人机查看苜蓿地里的菟丝子（一种恶性寄生性杂草，主要寄生于苜蓿等豆科作物，苜蓿生长易受到恶性杂草菟丝子的严重危害，常造成苜蓿植株成片死亡），从而能在灾害大规模爆发前做到提早预防。
2 土壤属性分析 当今，世界农业现代化大国都在提倡精准农业，要求根据土壤性状，在作物生长过程中调节对作物的要素投入，以最低的投入达到最高的产出，并高效利用各类农业资源，改善环境，取得较好的经济效益和环境效益。 作为空中监测技术，农业遥感是推动农业走向精准化的有利手段。农业遥感监测主要以作物、土壤为对象。作物在可见光-近红外光谱波段中，反射率主要受到作物色素、细胞结构和含水率的影响，特别是在可见光红光波段有很强吸收波段，在近红外波段有很强的反射特性，可以被用来进行作物长势、作物品质、作物病虫害等方面的监测。土壤可见-近红外光谱总体反射率相对较低，在可见光谱波段主要受到土壤有机质、氧化铁等赋色成分的影响。因此，土壤、作物等地物固有的反射光谱特性是农业遥感的基础。 在精准农业中，有一个重要的概念叫做归一化植被指数。根据专业解释，归一化植被指数是反映农作物长势和营养信息的重要参数之一，计算方式是近红外波段的反射值与红光波段的反射值之差比上两者之和。归一化植被指数可以为改善作物健康提供参考依据，比如告诉你农田是否需要额外施肥。
几种常见植被指数精编 W O R D版 IBM system office room 【A0816H-A0912AAAHH-GX8Q8-GNTHHJ8】
植被指数主要反映植被在可见光、近红外波段反射与土壤背景之间差异的指标，各个植被指数在一定条件下能用来定量说明植被的生长状况。在学习和使用植被指数时必须由一些基本的认识： 1、健康的绿色植被在NIR和R的反射差异比较大，原因在于R对于绿色植物来说是强吸收的，NIR则是高反射高透射的； 2、建立植被指数的目的是有效地综合各有关的光谱信号，增强植被信息，减少非植被信息 3、植被指数有明显的地域性和时效性，受植被本身、环境、大气等条件的影响 一、RVI——比值植被指数：RVI=NIR/R，或两个波段反射率的比值。 1、绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。植被的RVI通常大于2； 2、RVI是绿色植物的灵敏指示参数，与LAI、叶干生物量(DM)、叶绿素含量相关性高，可用于检测和估算植物生物量； 3、植被覆盖度影响RVI，当植被覆盖度较高时，RVI对植被十分敏感；当植被覆盖度<50%时，这种敏感性显着降低； 4、RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。 二、NDVI——归一化植被指数：NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。 1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等；
2、-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大； 3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度； 4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关； 三、DVI\EVI——差值\环境植被指数：DVI=NIR-R，或两个波段反射率的计算。 1、对土壤背景的变化极为敏感；? 四、SAVI\TSAVI\MSAVI——调整土壤亮度的植被指数：SAVI=((NIR- R)/(NIR+R+L))(1+L)，或两个波段反射率的计算。 1、目的是解释背景的光学特征变化并修正NDVI对土壤背景的敏感。与NDVI相比，增加了根据实际情况确定的土壤调节系数L，取值范围0~1。 L=0 时，表示植被覆盖度为零；L=1时，表示土壤背景的影响为零，即植被覆盖度非常高，土壤背景的影响为零，这种情况只有在被树冠浓密的高大树木覆盖的地方才会出现。 2、SAVI仅在土壤线参数a=1,b=0（即非常理想的状态下）时才适用。因此有了TSAVI、ATSAVI、MSAVI、SAVI2、SAVI 3、SAVI4等改进模型。 五、GVI——绿度植被指数，k-t变换后表示绿度的分量。
MODIS数据介绍 数据概况 1999年2月18日，美国成功地发射了地球观测系统（EOS）的第一颗先进的极地轨道环境遥感卫星Terra。它的主要目标是实现从单系列极轨空间平台上对太阳辐射、大气、海洋和陆地进行综合观测，获取有关海洋、陆地、冰雪圈和太阳动力系统等信息，进行土地利用和土地覆盖研究、气候季节和年际变化研究、自然灾害监测和分析研究、长期气候变率的变化以及大气臭氧变化研究等，进而实现对大气和地球环境变化的长期观测和研究的总体（战略）目标。2002年5月4日成功发射Aqua星后，每天可以接收两颗星的资料。 搭载在Terra和Aqua两颗卫星上的中分辨率成像光谱仪（MODIS）是美国地球观测系统（EOS）计划中用于观测全球生物和物理过程的重要仪器。它具有36个中等分辨率水平（0.25um~1um）的光谱波段，每1-2天对地球表面观测一次。获取陆地和海洋温度、初级生产率、陆地表面覆盖、云、汽溶胶、水汽和火情等目标的图像。 本网站提供的MODIS陆地标准产品来自NASA的陆地过程分布式数据档案中心（The Land Processes Distributed Active Archive Center,LP DAAC/NASA）。包括：基于Terra星和Aqua星数据的地表反射率（250m,daily;500m,daily;250m,8days;500m,8day）、地表温度（1000m,daily;1000m,8days;5600m,daily）、地表覆盖（500m,96days;1000m,yearly）、植被指数NDVI&EVI（250m,16daily;500m,16days;1000m,16days;1000m,monthly;、温度异常/火产品（1000m,daily;1000m,8days）、叶面积指数LAI/光合有效辐射分量FPAR（1000m,8days）、总初级生产力GPP（1000m,8days）。 本网站提供的所有MODIS陆地标准产品的格式为HDF-EOS，数据组织方式为10°经度*10°纬度的分片（TILE）方式。 MODIS数据特点及技术指标 1999年2月18日，美国成功地发射了地球观测系统（EOS）的第一颗先进的极地轨道环境遥感卫星Terra。它的主要目标是实现从单系列极轨空间平台上对太阳辐射、大气、海洋和陆地进行综合观测，获取有关海洋、陆地、冰雪圈和太阳动力系统等信息，进行土地利用和土地覆盖研究、气候季节和年际变化研究、自然灾害监测和分析研究、长期气候变率的变化以及大气臭氧变化研究等，进而实现对大气和地球环境变化的长期观测和研究的总体
归一化植被指数（NDVI ） 归一化植被指数（Normalized Difference Vegetation Index ，即NDVI ）的计算公式为： NIR RED NIR RED NDVI ρρρρ-=+ 其中：NIR ρ和RED ρ分别代表近红外波段和红光波段的反射率NDVI 的值介于-1和1之间。 增强型植被指数（EVI ） 增强型植被指数（Enhanced Vegetation Index ，即EVI ）计算公式为： 2.5 6.07.51 NIR RED NIR RED BLUE EVI ρρρρρ-=?+-+ NIR ρ、RED ρ和BLUE ρ分别代表近红外波段、红光波段和蓝光波段的反射率。 高光谱归一化植被指数（Hyp_NDVI ） 对于环境与灾害监测预报小卫星高光谱载荷，选取中心波长分别位于近红外 和红光的谱段进行归一化植被指数计算： _____Hyp NIR Hyp RED Hyp NDVI Hyp NIR Hyp RED -=+ 其他植被指数 （1） 比值植被指数（Ratio Vegetation Index ——RVI ） NIR RED RVI ρρ= 该植被指数能够充分表现植被在红光和近红外波段反射率的差异，能增强植被与土壤背景之间的辐射差异。但是RVI 对大气状况很敏感，而且当植被覆盖小于50%时，它的分辨能力显著下降。 （2） 差值植被指数（Difference Vegetation Index ——DVI ） NIR RED DVI ρρ=- 该植被指数对土壤背景的变化极为敏感，有利于对植被生态环境的监测，因此又被称为环境植被指数（EVI ）。
摘要:信息技术和生物技术可以说是当今21世纪的两大前沿科学技术。遥感技 术作为现代信息技术的前沿技术，在农业生产中发挥着不可估量的作用,而且其在农业上的应用日益广泛、深入。该文介绍了我国遥感技术的基本内涵,阐述了遥感技术在我国农业生产上的应用概况，论述了遥感技术在农业资源调查、灾情监测与预报、农业环境保护以及农作物 估产等方面的应用, 提出了在农业生产上的应用实例,讨论了遥感技术的缺陷，并展望了遥感技术在农业上应用的美好前景。 Abstract: The information and biological technology are the two frontier science- technology in 21st century. As the frontier modern information technology，the remote sensing technology plays an invaluable role in agricultural production. And Its application in agriculture is increasingly extensive and in-depth. This paper introduces the basic connotation of remote sensing technology in China, describes the overview of the application of it in China's agricultural production, discusses the application of it in agricultural resources survey, disaster monitoring and forecasting, agricultural environmental protection and estimating crop yield and other aspect, proposes application examples in agricultural production, discuss defects of remote sensing technology，and finally looking good prospects for the application of remote sensing technology in agriculture 关键词: 遥感技术；农业；应用；缺陷；展望 Keyword：remote sensing technology; agriculture; application; defects;prospects. 一、遥感技术概述 1.基本概念 遥感技术是20世纪60年代蓬勃发展起来的一种探测技术,是根据电磁波的理论，应用各种传感仪器对远距离目标所辐射和反射的电磁波信息，进行收集、处理，并最后成像，从而对地面各种景物进行探测和识别的一种综合技术。 随着空间技术、信息技术、电子计算机技术和环境科学的发展,遥感技术逐步发展为一门新兴交叉学科技术。 遥感技术(Remote sensing，RS)与地理信息系统(Geography information systems，GIS)、全球定位系统(Global positioning systems，GPS)合称为3S技术，在现阶段各行业发展中拥有广泛的应用和广阔的发展前景。 现代遥感技术, 已构成地面、空中、太空三个立体层面。国外的遥感技术大多首先应用于农业, 美国利用陆地卫星和气象卫星等数据,预测全世界的小麦产量, 准确度大于90%; 英国利用遥感技术, 4个人工作9个月,就把全国的土地划分为5大类、31个亚类, 并测出了面积,绘制成地图。近30多年来,遥感技术在大面积作物长势监测与估产、农情宏观预报、农业资源调查等方面做出了重要贡献。 2.优越性 1)可获取大范围数据资料 遥感用航摄飞机飞行高度为10km左右,陆地卫星的卫星轨道高度达910km左右,从而, 可及时获取大范围的信息。
常用的植被指数，土壤指数，水体指数有哪些？ 植被指数与土壤指数 一、RVI——比值植被指数：RVI=NIR/R，或两个波段反射率的比值。 1、绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。植被的RVI通常大于2； 2、RVI是绿色植物的灵敏指示参数，与LAI、叶干生物量(DM)、叶绿素含量相关性高，可用于检测和估算植物生物量； 3、植被覆盖度影响RVI，当植被覆盖度较高时，RVI对植被十分敏感；当植被覆盖度<50%时，这种敏感性显著降低； 4、RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。 二、NDVI——归一化植被指数：NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。 1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等； 2、-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大；
3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度； 4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关； 三、DVI\EVI——差值\环境植被指数：DVI=NIR-R，或两个波段反射率的计算。 1、对土壤背景的变化极为敏感； 四、SAVI\TSAVI\MSAVI——调整土壤亮度的植被指数： SAVI=((NIR-R)/(NIR+R+L))(1+L)，或两个波段反射率的计算。 1、目的是解释背景的光学特征变化并修正NDVI对土壤背景的敏感。与NDVI相比，增加了根据实际情况确定的土壤调节系数L，取值范围0~1。L=0 时，表示植被覆盖度为零；L=1时，表示土壤背景的影响为零，即植被覆盖度非常高，土壤背景的影响为零，这种情况只有在被树冠浓密的高大树木覆盖的地方才会出现。 2、SAVI仅在土壤线参数a=1,b=0（即非常理想的状态下）时才适用。因此有了TSAVI、ATSAVI、MSAVI、SAVI2、SAVI 3、SAVI4等改进模型。 五、GVI——绿度植被指数，k-t变换后表示绿度的分量。
MODIS数据下载说明 李英杰 中国科学院遥感应用研究所远程通讯与地学处理课题组 2007年8月 第一部分提交MODIS数据订单 这里我们以订购2007年6月20日覆盖中国大陆的MODIS数据为例，说明订单提交步骤。 首先请确保您有一台能够连接到Internet的计算机并正常运行。接着请在地址栏键入：https://www.doczj.com/doc/5f17870336.html,/。该网站首页如图1所示。 图1 然后点击网页中的“Data”，在新出现的页面（图2）中点击“Search”。这时将出现一个名为“Search for Level 1 and Atmosphere Products”的页面，如图3，在里面可根据需要设置所需数据的类型、时间、空间范围等。
图2 图3
这里我们将Product Selection中的Satellite/Instrument设置为Terra MODIS，Group设置为Terra Level 1 Products，在Products中选择MOD021KM-Level 1B Calibrated Radiances-1km。注意：每设置一个参数，页面都会刷新一次。在Temporal Selection中，将Temporal Type设置为Individual Dates and Times，并将Dates(one per line)设置为06/20/2007，表示2007年6月20日。Collection Selection中采用默认设置。Spatial Selection中Coordinate System选择Latitude/Longitude以设置经纬度。在图4中经纬度示意图的右侧，将North、South、West、East四个方向的经纬度分别设置为：54、18、73、136，以覆盖中国大陆。其他设置均采用默认，最后点击页面左下角的Search按钮。 图4 此时将出现查询结果列表，如图5。由于文件较多，这里分为2页显示，为了查看所有文件，可点击文件列表右上方的View All。 在新弹出的页面中，请注意文件列表最左边一列的时间，这里的时间是卫星成像时的格林尼治时间，加上8小时后转换为北京时间。注意到MODIS可见光波段在夜间不能成像，所以这里要根据时间将夜间数据剔除掉（图6），最后点击页面左下角的Add Files To Shopping Cart按钮。
2.1归一化植被指数（NDVI ） 归一化植被指数（Normalized Differenee Vegetation Index 即 NDVI ）的计算 公式为： 其中：NIR 和RED 分别代表近红外波段和红光波段的反射率 NDVI 的值介于-1和 1之间。 2.2增强型植被指数（EVI ） 增强型植被指数（En ha need Vegetation In dex 即EVI ）计算公式为: NIR 、 RED 和BLUE 分别代表近红外波段、红光波段和蓝光波段的反射率。 2.3高光谱归一化植被指数（Hyp_NDVI ） 对于环境与灾害监测预报小卫星高光谱载荷，选取中心波长分别位于近红外 和红光的谱段进行归一化植被指数计算： .. Hyp NIR Hyp RED Hyp NDVI ----------- ------------ 一 Hyp _ NIR Hyp _ RED 2.4其他植被指数 （1） 比值植被指数（Ratio Vegetation Index ------ RVI ） RVI 3 RED 该植被指数能够充分表现植被在红光和近红外波段反射率的差异，能增强植 被与土壤背景之间的辐射差异。但是 RVI 对大气状况很敏感，而且当植被覆盖 小于50%时，它的分辨能力显著下降。 (2) 差值植被指数(Differenee Vegetation Index -------- DVI ) DVI NIR RED 该植被指数对土壤背景的变化极为敏感，有利于对植被生态环境的监测，因 此又被称为环境植被指数（EVI ）。 (3) 土壤调整植被指数(Soil-Adjusted Vegetation Index --------- S AVI ) NDVI NIR RED NIR RED EVI 2.5 NIR RED NIR 6.° RED 7.5 BLUE
本科学生综合性、设计性 实验报告 姓名宋国俊学号114130168 专业地理信息系统班级 实验课程名称遥感地学分析 实验名称NDVI计算 开课学期2011 至2012 学年下学期 云南师范大学旅游与地理科学学院编印 一、实验准备
1、实验目的和要求： 利用TM卫星数据，应用ENVI软件进行归一化植被指数的计算，及在此基础对研究 区进行植被覆盖率的提取，根据植被覆盖率进行一些应用分析。 2、实验材料及相关设备： 昆明影像数据(path/row:129/43（2002.02.09）)ENVI及ArcGIS软件。 3、实验方法步骤及注意事项： 实验方法：利用ENVI及ArcGIS图像处理软件，参考软件的处理操作步骤，对图像进行处理。 注意事项：下载数据时应该严格遵照行列号来下载，下载的数据要包括完整的影像数据信息以便数据的预处理。 二、实验内容、步骤和结果（详细写清楚本次实验的完成的主要内容、具体 实施步骤和实验结果。） 1、实验内容 利用下载的昆明影像数据用ENVI进行NDVI计算，计算公式如下： NDVI=(NIR-R)/(NIR+R)(NIR为近红外波段，R为红光波段) 2、实验步骤 (1)对昆明影像数据进行辐射定标： Ⅰ、启动ENVI File→Open External File→Landsat→Geo TIFF with metadata→Enter Landsat MetaData Filenames（输入元数据） Ⅱ、Spectral→Preprocessing→Calibration utilities→Landsatcalibration→Landsat calibration input file→输 入第一步的元数据 Ⅲ、将辐射定标后的数据转化为BIL格式：
本文档共三大部分,分别为: 一、modis数据和产品说明 二、风云卫星FY-3数据说明 三、FY-3A MERSI L1数据产品使用指南 一、modis数据和产品说明 1.MODIS数据的技术指标 2.MODIS数据的波段分布特征
3.Modis 命名规则 MODIS 文件名的命名遵循一定的规则，通过文件名，可以获得很多关于此文件的详细信息，比如：文件名MOD09A1.A2006001.h08v05.005.2006012234657.hdf
MOD09A1 –产品缩写 A2006001 –数据获得时间(A-YYYYDDD) h08v05 –分片标示( 水平XX ，垂直YY) 005 –数据集版本号 2006012234567 –产品生产时间(YYYYDDDHHMMSS) hdf –数据格式(HDF-EOS) Terra卫星数据产品
MODIS土地覆盖类型产品包括从每年Terra星数据中提取的土地覆盖特征不同分类方案的数据分类产品。基本的土地覆盖分为有IGBP（国际地圈生物圈计划）定义的17类，包括11类自然植被分类，3类土地利用和土地镶嵌，3类无植生土地分类。 Modis Terra数据lKM土地覆盖类型年合成栅格数据产品包含5中不同的土地覆盖分类体系。数据分类来自监督决策树分类方法。 第一类土地覆盖：国际地圈生物圈计划（IGBP）全球植被分类方案； 第二类土地覆盖：马里兰大学（UMD）植被分类方案； 第三类土地覆盖：MODIS提取叶面积指数/光合有效辐射分量（LAI/fPAR）方案； 第四类土地覆盖：MODIS提取净第一生产力（NPP）方案； 第五类土地覆盖：植被功能型（PFT）分类方案； 本网站提供的为MYD12Q1 V4（第四版本）的分片数据（tile），除提供五类全球土地覆盖分类体系外还提供了陆地覆盖分类评估和质量控制信息。
作业9 植被指数 植被指数 概念：利用卫星不同波段探测数据组合而成的，能反映植物生长状况的指数。 植物叶面在可见光红光波段有很强的吸收特性，在近红外波段有很强的反射特性，这是植被遥感监测的物理基础，通过这两个波段测值的不同组合可得到不同的植被指数。 不同的植被覆盖类型可以通过其特有的光谱特征进行区分，这是由于叶绿素在红波段内对太阳辐射的吸收以及叶片细胞结构对红外波段内太阳辐射的强反射。 Broadband Greenness(5 indices)（宽带绿色指标(5)） 宽带绿度指数可以简单度量绿色植被的数量和生长状况，它对植物的叶绿素含量、叶子表面冠层、冠层结构比较敏感，这些都是植被光合作用的主要物质，与光合有效辐射（fAPAR）也有关系。宽带绿度指数常用于植被物候发育的研究，土地利用和气候影响评估，植被生产力建模等。宽带绿度指数选择的波段范围在可见光和近红外，一般的多光谱都包含这些 波段。下面的公式中规定波段的中心波长：ρNIR=800nm，ρRED=680nm，ρBLUE=450nm。 1. Normalized Difference Vegetation Index归一化植被指数 增强在近红外波段范围绿叶的散射与红波段范围叶绿素的吸收差异。 简称NDVI： NDVI=(NIR-R)/(NIR+R) （1）应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等； （2）-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大； （3）NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI 对高植被区具有较低的灵敏度； （4）NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关； 2.Simple Ratio Index比值植被指数 在近红外波段范围绿叶的散射与红波段范围叶绿素吸收的比值。 简称SR：SR=ρNIR/ρRED 在LAI 值很高，即植被茂密时其灵敏度会降低.SR值的范围是0~30，一般绿色植被区的范围是2~8 3.Enhanced Vegetation Index 增强植被指数 增强NDVI,解决土壤背景和大气气溶胶对茂密植被的影响。 简称：EVI
介绍一下利用ENVI去除MODIS数据条带的方法与步骤。 MODIS数据应用日益广泛，但是由于波谱的相互干涉作用导致MODIS的5通道和26通道的反射率中“条带”现象非常严重，这严重影响了MODIS数据的应用。5通道分辨率5OOM，对云、气溶胶特性敏感。26通道分辨率1000M在薄云、卷云识别方面具有优越特性。 本文主要利用ENVI的ReplacingBadLines功能进行条带去除说明。这主要是利用条带出现的行两边对称的临近行数值进行平均，利用这个平均值来替代条带的数值。手工输入条带的行数超级慢，可以利用条带的周期性特点通过编制一个小程序来快速确定行数，然后通过ReplacingBadLines 的Restore功能载入行数即可。 对MODIS的500M分辨率的数据中5通道进行条带去除：因为5通道的条带只有一条，去除条带后效果很明显。而26通道的条带去除较为困难，因为该通道的条带特征是以中心为主向两侧羽化扩展，而且羽化的程度不一样，所以去条带效果不好。 下面以500M分辨率的5通道为例利用ENVI的ReplacingBadLines功能进行条带的去处，其中条带的行数利用自定义的一个过程： MakeBadLineList,first,interval,lines,filename=filename，得到并生成一个BLL文件存贮条带行的信息用于ReplacingBadLines的Restore。first为出现第一个条带的行数，interval是条带的间隔，lines是数据的总行数，filename是输出文件名存贮行信息。 1、去除条带前，横向条纹十分明显 2、去除条带后，数据平滑，
遥感植被指数的种类、适用性和优缺点分析 摘要：遥感是现代科学技术中的一种远距离观测、分析目标地物的理论和方法，它在现代环境监测中具有广泛的应用。遥感植被指数是指利用遥感图像进行植被长势、生物量生产潜能等监测的重要指标。本文将在对植物的光谱特征分析的基础上，总结相关研究，对植被指数的种类以及它们的适用性和优缺点进行分析。 1、引言 遥感是指利用不同地物波谱特征不同这一特性，通过传感器这类对电磁波敏感的仪器，在远离目标和非接触目标物体条件下探测目标地物，获取其反射、辐射或散射的电磁波信息，进行处理、分析与应用的一门科学和技术。而植被指数则是利用遥感图像获取多光谱遥感数据，经过分析得到植被分布、种类等数值，对某些植被的长势、生物量等有一定应用价值。 目前，国内外学者已研究发展了几十种不同的植被指数模型，常用的有以下几类： 1、比值植被指数（RVI）； 2、归一化植被指数（NDVI）； 3、差值植被指数（DVI）； 4、缨帽变换中的绿度植被指数（GVI）； 5、垂直植被指数（PVI）； 6、土壤调整植被指数（SAVI）等， 这几类植被指数对植被的敏感性、抗土壤和大气的干扰性等不尽相同。一般情况下由于归一化植被指数（NDVI）与一些重要的生物物理参数如生物量、叶面积指数和光有效辐射等有密切的联系[1]，所以NDVI被广泛用于植被研究。 遥感植被指数是预测生物量、作物生产潜能以及评价一个生态系统结构与功能特征的重要指标[2]，然而遥感的植被指数不仅取决于植被的种类，还要受到其他环境条件的干扰，如土壤湿度、土壤的物理化学属性、大气条件以及季节等的影响。于是如何在不同的条件下选择不同的植被指数对更好的进行植被监测、农作物估产等有着较大的影响。本文正是通过对植被遥感的原理、植物光谱特征分析研究等的基础上，总结有关资料数据，对各类遥感植被指数的适用性和优缺点进行了分析，作为今后相关研究的参考。 2、植被遥感的原理 植物遥感依赖于植物本身的特征，主要是叶片结构特点和植被冠层光谱特性。我们都知道，植物叶片能进行光合作用，但所利用的仅是太阳光的可见光部分（0.4~0.76μm），即称之为光合有效辐射（PAR），约占太阳辐射的47%~50%，其强度随着时间、地点、大气条件等变化。 植物的光谱特征可使其在遥感影像上有效地与其他地物相区别。同时，不同
MODIS数据的处理方法(ENVI) 美国RSI公司（Research Systems Inc.）的产品ENVI能很好地支持HDF数据格式。ENVI（The Environment for Visualizing Images）遥感影像处理软件，是分析、处理并显示多光谱数据、高光谱数据和雷达数据的高级工具。ENVI能接受大量的传感器数据，是世界目前唯一 美国RSI公司（Research Systems Inc.）的产品ENVI能很好地支持HDF 数据格式。ENVI（The Environment for Visualizing Images）遥感影像处理软件，是分析、处理并显示多光谱数据、高光谱数据和雷达数据的高级工具。ENVI 能接受大量的传感器数据，是世界目前唯一能较好全面支持HDF科学数据格式的遥感影像软件。ENVI可以直接读取HDF格式（如图2所示），并能识别HDF格式中所包含的所有文件信息（如图3所示）。ENVI 打开HDF格式文件后，会自动将该数据文件所包含的所有图像信息、属性信息、文本信息作为波段列于一个波段列表中，用户可以清晰地浏览每一波段的详细信息，包括波段名称、图像波段波长、波段大小、数据类型及文件内插方式等多种信息。方便用户显示图像，并对各种属性及文本文件作各种分析。 本文选取2001年5月20日中国北部及蒙古地区（经纬度范围：°- °,°- °）的一景MODIS数据进行分析，主要从读取数据、分析经纬度波段信息、第一、四、三波段融合显示、影像地理校正几方面对该景数据进行了分析，具体步骤如下： （1）数据读取：打开ENVI，在主菜单中选择File\Open External File\Generic Formats\HDF，选择文件“”,表示是该景MODIS数据的250米数据文件，从下图中可以看到，该文件中除两个影像波段外，还包含经度波段、纬度波段、热红外探测器的噪声信息、反射率变化参数等信息。