ENVI计算遥感生态指数详细教程

更多干货，请关注微信公众号：生态遥感笔记。

1 影像预处理

(1) 辐射定标

打开源数据（MTL）文件，然后Toolbox-Radiometric Correction-Radiometric Calibration-默认选择多光谱的数据-选择BIL-点击Apply FLAASH Settings-路径：

(2) 大气校正

选择前面做过的辐射定标后的数据（Input Radiance Image）-输出路径（Output Reflectance File）-选择传感器的类型（Sensor Type）-成像的时期在TXT文本文档里有成像的标准的时间（Flight Date 和Flight time GMT）-大气模型选择Middle-Latitude Summer（3-10可归为夏季，11-2冬季）-根据研究区气溶胶模型选择城市或乡村（Aerosol Model）-打开多光谱的设置（Multispectral Settings）：

2. 四个指标计算

(1). 绿度指标

绿度指标可以直观反应研究区植被的生长情况与植被叶面积指数和生物量之间的关系。

NDVI = (B4 − B3)/(B4+ B3)   （1）

式中：B3 和 B4 分别代表遥感数据的红外和近红外波段的反射率。

(2) 湿度指标

利用遥感缨帽变换来获取的湿度分量可以反应植被和土壤的湿度状况，湿度指标是用 WET 来表示：

WET = C1B1+ C2B2 +C3B3 + C4B4+ C5B5 + C6B6 （2）    

式中：B1~B6 分别代表遥感数据的蓝、绿、红、近红外、短波红外 1 和短波红外 2 波段的反射率。对于 TM 传感器 C1~C6 分别为 0.0315、0.2021、0.3012、0.1594、-0.6806 和-0.6109；OLI 传感器的 C1~C6 分别为 0.1511、0.1973、0.3283、0.3407、-0.7117 和-0.4559。

(3) 热度指标

代表热度指标的地表温度（LST）用经过比辐射率校正的温度来表示，利用 Landsat 数据中的热红外波段，计算亮度温度 Lλ，并进行比辐射率 ε 校正。公式为：

                   

 

• 

Lλ = gain × DN+ bias      (3)(Ts) = [Lλ − L ↑ −τ(1 − ℇ)L ↓]/τε（4）

式中：DN 为像元灰度值；gain 和 bias 分别为波段 6 的增益值与偏置值，可以从影像的头文件获得。B(Ts)为黑体辐射亮度；L↑和 L↓为大气向上和大气向下的辐射亮度；τ 为大气热红外波段的透过率；ε 为地表比辐射率，其取值见文末参考文献5。经过公式（4）计算的温度需要进行比辐射率纠正才能作为地表温度LST:    

LST = K2/ln[ K1B(Ts) +1]    (5) 

式中：对于Landsat5影像 ，K1=607.76 ，K2=1260.56；对于Landsat7影像， K1=666.09，K2=1282.71；对于 Landsat8 影像，K1=774.89，K2=1201.14。

注意：计算地表温度的时候Landsat5，Landsat7 和Landsat8有区别的。Landsat5和Landsat7都是在ENVI bandmath 里面可以实现,下面详细介绍下热度的反演过程。

a. 数据预处理：包括辐射定标、大气校正

b. 计算植被指数NDVI

(float(b5)-float(b4))/(float(b5)+float(b4))

b1：近红外通道，b2：红通道

c. 计算植被覆盖度

(b1 gt 0.7)*1+(b1 lt 0.05)*0+(b1 ge 0.05 and b1 le 0.7)*((b1-0.05)/(0.7-0.05))。

b1：NDVI。值得注意的是，式中的0.7和0.05属于像元二分模型中的经验值。具体取多少应根据研究区情况而论，建议不要按部就班。

d. 计算比辐射率

0.004*b1+0.986，b1：植被覆盖度图像。

e. 计算黑体辐射亮度

(b2-UR-AT*(1-b1)*DR)/(AT*b1)

(b2-0.98-0.87*(1-b1)*1.72)/(0.87*b1)

b1：地表比辐射率图像，b2：Band10辐射亮度图像

f. 计算地表温度

L5：(1260.56)/alog(607.76/b1+1)-273，b1：同温度下的黑体辐射亮度图像。

L7：(1282.71)/alog(666.09/b1+1)-273，b1：同温度下的黑体辐射亮度图像，计算黑体辐射亮度的大气剖面信息UR，AT，DR 值是从以下网址可以获取。

http://atmcorr.gsfc.nasa.gov。

Landsat8计算地表温度 在ENVI里面有专门计算Landsat8的插件，在那直接计算就可以。

输入相关参数可得到大气剖面信息。

此窗口填写剖面信息就可以计算出Landsat8的地表温度。

(4) 干度指标

造成城市区域“干化”的主要原因是建筑用地的扩展以及大面积的裸地，为此选用裸地指数（SI）和建筑指数（IBI）合成作为干度指标，表示为（NDBSI）。                         

NDBSI = (IBI + SI)/2 (6)

  (7)

      

SI = [(B5 + B3)− (B4 + B1)]/[(B5 + B3)+ (B4 + B1)]     (8)

3. 构建遥感生态指数

采用主成分分析方法来算 4个指标，即遥感生态指数由上述 4个指标的第一主成分（PC1）来组成的。由于以上指标数值范围不同，需要将 4个指标归一化，遥感生态指数越接近1 表明生态环境质量越好，越接近 0 表明生态环境质量越差，详情如下。

(1) 四个指标归一化处理

a. 统计四个指标的最大值和最小值

b.（b1-最小值）/（最大值-最小值），b1分别是四个指标

(2) 主成分分析

a. 打开归一后的四个指标进行波段合成（Basic Tools--Layer Stacking）

b. 用以上波段合成的数据进行主成分分析（Transform--Principal Components--Forward PC Rotation--Compute New Statistics and Rotate）

(3) RSEI的计算

根据主成分分析的结果来进行计算：

a.计算遥感生态指数初始值RSEI0

b1*0.0708+b2*0.0076+b3*0.0053+b4*0.0002

其中：b1为NDVI ，b2为WET，b3为LST ，b4为NDBSI

RSEI0=1.0-b1

b1为上面的结果

b. RSEI标准化：

统计RSEI0的最大值和最小值进行标准化处理

RSEI=（b1-最小值）/（最大值-最小值），b1为RSEI0

参考文献

[1] 徐涵秋.区域生态环境变化的遥感评价指数[J].中国环境科学,2013,33（5）：889-897.

[2] 徐涵秋.城市遥感生态指数的创建及其应用[J]．生态学报，2013，33（24）：7853-7862.

[3] 张华, 宋金岳, 李明, 等. 基于GEE的祁连山国家公园生态环境质量评价及成因分析[J]. 生态学杂志, 2021, 40(06):1883-1894.

[4] 排日海·合力力,昝梅,阿里木江·卡斯木.乌鲁木齐市生态环境遥感评价及驱动因子分析[J].干旱区研究,2021,38(05):1484-1496.

[5] Nichol J. Remote sensing of urban heat islands by day and night[J]. Photogrammetric Engineering and Remote Sensing, 2005, 71(6): 613- 621.