遥感图像分析应用实验植被指数运算及遥感图像变化监测.docVIP

实验三、植被指数运算及变化监测 班级：地信071 姓名：朱良君 学号一、实验目的与要求 1、计算各种植被指数并进行地物提取，包括植被指数、绿度指数、建筑指数等。 2、对同一地区不同时期的遥感影像进行几何配准、灰度一致化、多时相图像叠合、图像代数运算、分析变化规律。 二、实验内容及过程 1、数据源 杨凌02-0830、杨凌03-0614（由于没有完全一致时期的影像，所以用这两个最接近的影像进行实验） 2、各种植被指数运算及其地物提取 2.1 植被指数(IR、R) 打开ERDAS的Interpeter模块，利用spectral enhancement下的indices工具进行植被指数的计算，这里应用了NDVI（(band4-band3)/(band4+band3)）、IR/R(band4/band3)、Veg.Index(band4-band3)、TNDVI(Sqrt((band4-band3)/(band4+band3)+0.5).得到效果如下图： NDVIIR/RVeg.IndexTNDVI2.2 绿度指数（G、R） GVI——绿度植被指数，k-t（穗帽）变换后表示绿度的分量。k-t变换后得到的第一个分量表示土壤亮度，第二个分量表示绿度，第三个分量随传感器不同而表达不同的含义。GVI是各波段辐射亮度值的加权和，而辐射亮度是大气辐射、太阳辐射、环境辐射的综合结果，所以GVI受外界条件影响大。 在ERDAS里，Interpeter模块，利用spectral enhancement下的Tasseled Cap工具，选择Landsat 5 TM传感器，然后修改变换矩阵，仅保留第二个分量。 得到结果如下图： 2.3 建筑指数（TM5、TM4） 根据查阅相关资料，发现南京师范大学的查勇老师根据，在TM4与TM5两波段之间，除了城镇灰度值走高外，其他地类值都变小的原理，建立了NDBI（城镇用地专题信息提取）指数，即NDBI=(TM5-TM4)/(TM5+TM4),图像上0的灰度值应为城镇。 在ERDAS中用建模工具进行运算： （为了显示效果，这里裁剪我们学校所在地的部分影像以说明问题） 3、变化监测 3.1 几何配准 主要运用ERDAS软件的几何配准模块“Image Geometric Correction”以杨凌03-0614对杨凌02-0830影像进行配准。结果如下： 校正后的02-0830影像 杨凌03-0614影像 3.2 灰度一致化处理 以03-0614遥感影像的直方图为基础，使校正后的02-0830年图的直方图与之匹配。主要运用ERDAS图标面板菜单条：Main—Image Interpreter—Radiometric Enhancement—Histogram Match—Histogram Matching对话框。 在对话框中选择全部波段进行直方图匹配。 直方图匹配后的02-0830影像 03-0614图像 3.3 多时相影像叠合 将02-0830图像用红色表示，03-0614年的用绿色和蓝色表示，都选择4波段，利用Main—Image Interpreter—Utilities—Layer Stack合成图像如图所示： Red：02年图的4波段 Green：03年图的4波段 Blue：03年图的4波段 由低反射率到高反射率的地表变化表示为青色；由高反射率到低反射率的地表变化表示为红色；反射率变化越大，对应的色调变化越大，指示该地区对应的土地利用方式发生了变化；而没有变化的地表显示为灰色调。 理论上的结果和我们实际看到的并不一致，不过仍能从反射率基本不变的水体、道路呈现黑色，秦岭地区呈现青色（6月份植被的反射率大于8月份的）反应出我们理论的正确性。 3.4 图像代数运算（差值） 运用ERDAS图表面板菜单条：Main—Image Interpreter—Utilities—Operator—Two Input Operator对话框；进行图像差值运算。 三、实验总结 在这次实习中，我比较全面的了解了植被指数等图像计算过程以及变化检测的过程，对变化检测的方法做了加深了解。从书本上的知识到利用ERDAS软件进行处理，我得到了具体的锻炼。 同时回顾了几何校正、灰度一致化、多时相图像叠合、图像代数运算、分析变化规律的过程，加深了对遥感的认识。 除了上面提及的操作外，我们还可以利用Main—Image Interpreter—Utilities—Change Detection来进行分析变化规律操作。因为这里使用的并非相同月份的影像，故继续做下去没有太大意义。主要是体会了这个过程。 遥感能够做的事情还有很多需要我们不断去尝试不断去体会。