不透水地表提取操作-envi51,arcgis,TM5.docx

不透水地表线性光谱混合模型（Linear Spectral Mixture Analysis，LSMA）提取研究方法选择线性光谱混合分解模型（Linear Spectral Mixture Analysis，LSMA）是获取亚像元中等空间分辨率百分比不透水地表信息的一个最常用的方法。其原理是将像元在某一光谱波段的反射率假定为是由构成像元的基本组分的反射率占像元面积比例为权重系数的线性组合。影像选择由于本方法的线性光谱混合模型拟定地表覆盖为不透水层（高反射率地表、低反射率地表）、植被、土壤的混合像元，为了增加地物对比度，提高混合像元分解制图精度，因此影像选择在季节上应考虑地物（主要是植被）的季节特性。一般选择植被特征明显的6-10月份。3. 提取步骤1）打开并调整影像视觉选择头文件LT51230322009265IKR00_MTL，打开影像LT51230322009265IKR004。选择合适的RGB合成影像（B4，B3，B2假彩色合成；B5，B4，B3真彩色合成），并调整亮度与对比度。2）根据研究区范围选择兴趣区裁剪影像（可选）右键选择影像，选择勾画兴趣区；在toolbox中选择按兴趣区裁剪影像；选择待裁剪的影像；选择裁剪影像的兴趣区文件；裁剪后的影像；3）对裁剪后的影像进行辐射校正在toolbox中选择Radiometric Calibration，选择裁剪后的影像，进行辐射参数选择，并保存校正影像;辐射校正后的影像；4）对辐射校正后的影像进行主成分分析（MNF）在toolbox中选择Forward MNF Estimate Noise Statistics对辐射校正后的影像进行前置主成分分析；主成分信息分布波段图；MNF操作后的影像（前3波段RGB合成影像）；主成分信息主要集中于前3波段，后面3波段信息主要为噪声信息；可以考虑将前3波段单独组合成为一个新的文件，方便后续整体操作；在toolbox中选择Layer Stacking，进行波段整个，将有用信息的MNF前3波段组合成新文件；5）对主成分分析后的影像进行二维散点图（2D Scatter Plot）下的端元选取；对主成分分析后组合的3波段文件进行两两组合的散点图分析，依次选择高反射率端元、低反射率端元、土壤端元、植被端元，并保存端元兴趣区文件。6）端元选取后以此为兴趣区对主成分分析后影像进行线性光谱混合分解；在toolbox中选择Linear Spectral Unmixing进行线性光谱混合模型进行分解；生成高反照率百分比图像；地反照率百分比图像；植被占百分比图像；土壤占百分比图像。7）对进行线性光谱混合分解后的高反照率影像与地反照率影像进行相加运算，得到初步的不透水层；在toolbox中运行Band Math; 输入公式B1+B2; 对B1赋值为高反照率影像，B2赋值为低反照率影像；输出得到初步的不透水层。8）对高低反照率相加的初步不透水层进行植被和水体的掩膜处理得到最终的不透水层；植被掩膜采用归一化植被指数计算NDVI=(NIR-R)/(NIR+R，其中近红外为B4，红波段为B3。在toolbox中运行Band Math，输入公式(B4-B3)/(B4+B3)，其中，B3，B4波段选择裁剪后的影像活着辐射校正后的影像。在toolbox中运行Build Mask，新建掩膜文件，选择归一化植被指数文件，在Mask Definition 窗口中，option中选择import data range；再次选择植被归一化指数文件，在NDVI影像植被区确定合适的最小值与最大值，在此处选择0.32位最小值，最大值可填写1。再次在option中选择Selected Area “off”。输出植被掩膜文件。对初步得出的不透水层进行植被掩膜处理，在toolbox中运行Apply mask。选择高低反照率相加的影像，掩膜文件选择刚处理的掩膜文件。水体掩膜采用归一化水体指数计算NDWI =( Green- NIR)/( Green+ NIR)，其中绿波段为B2，近红外为B4。在toolbox中运行Band Math，输入公式(B2-B4)/(B2+B4)，其中，B2，B4波段选择裁剪后的影像活着辐射校正后的影像。在toolbox中运行Build Mask，新建掩膜文件，选择归一化水体指数文件，在Mask Definition 窗口中，option中选择import data range；选择植被掩膜后的影像文件，在NDWI影像水体区确定合适的最小值与最大值，在此处选择0.46位最小值，最大值可填写1。再次在option中选择Selected Area “off”。输出植被掩膜文件。9）保存最终的不透水层为TIF文件；10）在Arcgis中进行后处理；图像中存在奇异值，不透水层正常值值域