基于NDVI图像K均值分类.doc

基于NDVI图像K均值分类 【摘要】全球变化与陆地生态系统研究是当前遥感领域研究的主要方向，而土地利用和土地植被覆盖率变化对全球与区域生态环境的影响是当前研究的热点问题。为了能更好的进行地面植被覆盖率的研究，基于NDVI图像进行K均值分类，这样能够将植被与土壤和水系等地物更加清晰的区分开来，从而提高分类的精度。 【关键词】植被覆盖率，NDVI，K均值分类 【 abstract 】 the global change and the land ecological system study is the current remote sensing the main direction of research, and the land use and land vegetation coverage change on the global and regional ecological environment is the effect of the current research hot spot problems. In order to better ground vegetation coverage of research, based on NDVI image k-means classification, this can vegetation and soil and water system will be more clear features such as to distinguish, so as to improve the accuracy of classification. 【 key words 】 vegetation coverage, NDVI, k-means classification 中图分类号： TN911.73文献标识码：A文章编号： 一、引言 随着人们对环境保护的逐渐重视，植被研究在生态系统保护中的重要性日益明显。而植被覆盖及其变化是评价区域生态系统环境变化的重要指标，也是影响土壤侵蚀与水土流失的主要因子。随着遥感技术的发展，从多时相、多波段、多分辨率的遥感影像中利用NDVI算法提取植被指数，并生成NDVI图像，在此基础上进行K均值分类，从而提高分类的精度，达到准确统计区域内的植被覆盖率的目的。 二、遥感数据处理 实验数据采用宜昌地区的Landsat TM图像，包括了1、3、4、5、6、7波段数据，每一波段数据分为左右两片，同时利用纠正好的SPOT图像作为地理参照图来进行TM图像的几何纠正。为了进行分类精度的对比，采用融合图像与NDVI图像分别进行K均值分类，然后得出结论。 在图像处理软件ERDAS IMAGINE9.2 的支持下，依次的进行以下操作：图像格式的转换，以便后续操作的进行；波段的叠加，将六个波段的图像数据进行叠加，以增加图像的信息量，从而便于图像的分类；图像的几何纠正，几何纠正是遥感图像预处理至关重要的一步，它关系到图像的几何精度以及图像的拼接的质量，按照Raster-Geometric Correction，然后利用选点工具，在TM图像与SPOT图像上选择同名点，利用二次多项式进行几何校正，由于选择的是二次多项式，因此需要选择至少六个同名点，同时选择六个检查点参与解算，进行精度的评定，当精度满足要求后，再利用双线性内插法进行重采样；图像镶嵌，由于研究区域不在一张图像内，因此需要使用DataPrep-Mosaic Images-Mosaic Tool，将左右两张TM图像合成一张整幅的遥感图像；图像裁剪，由于图像边缘可能存在一些畸变差，需要对图像进行合理的裁剪，图像的裁剪应该对SPOT影像与拼接后的TM影像同时进行，这样可以保证两张图像裁剪的范围和大小是完全相同的，便于图像的精确融合；图像的融合，图像的融合采取Interpreter-Spatial Enhancement-Resolution Merge，将多光谱的TM影像与高分辨率的SPOT影像进行融合，综合两种图像的优势，从而提高图像的效果与质量。 三、原理介绍 1、NDVI 归一化植被指数（the Normalized Difference Vegetation Index，NDVI）是植被指数的一种。植被指数是指从多光谱的遥感数据中提取的有关地球表面植被状况的各种数值。通常使用红光波段与近红外波段通过数学运算进行线性或非线性组合得到数值，用以表征地表植被分布和质量情况。常用的植被指数有许多种，归一化植被指数就是其中之一。由于它与植被的很多生理生态指标有关，如叶面积指数、有效光合辐射、叶绿素浓度、绿叶面积和蒸腾速率等