地表反射率、温度以及植被指数的计算

文章目录

  • 前言
  • 一、主要内容
  • 二、原理及方法
    • FLAASH(Fast Line-of-sight Atmospheric Analysis of Hypercubes )大气辐射校正原理
    • FLAASH 大气辐射校正方法
    • 辐射定标
    • 植被指数
    • 归一化植被指数(Normalized Difference Vegetation Index,NDVI)
    • 植被覆盖度
    • 地表温度反演
    • 单窗(通道)算法
    • 缨帽变换
  • 三、操作步骤
  • 结果分析
  • 总结


前言

本文旨在:
1.初步掌握使用定量遥感方法反演地表反射率、地表温度和植被指数的方法。
2.深入认识在 ENVI FLAASH 中 MODTRAN 算法的主要内容。
3.深入认识几种常见土地覆盖类型所具有的反射率、温度和植被指数的参数特征。


一、主要内容

1.打开 ENVI 软件,加载之前下载的含有元数据的 Landsat8 OLI 影像数据(即***_MTL.txt 文件),裁剪范围为 512✖512 的研究子区(研究子区要求至少包含五种明显典型地物,可以先通过目视解译找到合适的区域再进行裁剪)。
2.遥感影像辐射定标,获得 Landsat8 OLI 影像的辐亮度(可见光/近红外)和辐照度(热红外)。
3.利用 ENVI 自带的全球 900 米分辨率的高程数据将研究子区的高程数据裁剪出来,利用快速统计工具 (Quick Stats)计算出研究子区的平均(Mean)海拔高程。
4.使用 FLAASH 对研究子区的多光谱影像进行大气辐射校正得到可见光、近红外各个波段的地表反射率。FLAASH 对大气校正的输入影像有如下要求:
图像基本参数
波段范围:卫星图像 400-2500nm。如果要进行水汽反演,光谱分辨率 <=15nm,且至少包含以下波段范围中的一个:1050 -1210nm、770 -870nm、870 -1020nm。像元值类型:经过定标后的辐射亮度数据,单位是:μW/(cm2 ∙sr ∙nm )。
数据储存类型
数据类型:浮点(Floating Point)、32 位无符号整型(Long Integer)、16 位无符号和有符号整型(Integer、 Unsigned Integer)。 文件类型: ENVI 标准栅格式文件,BIP 或者 BIL 储存结构。
辅助信息
中心波长:数据头文件(或者单独的一个本)包含中心波长,如果是高光谱还必须有波段宽度必须有半宽波长(FWHM),这两个参数都可以通过编辑头文件信息输入(Edit Header)。 波谱滤波函数(波谱响应函数)文件:对于未知多光谱传感器(UNKNOWN-MSI)需要提供波函数文件。
5.使用单窗算法从 Landsat 8 TIRS 数据中计算得到陆面温度,并将结果裁剪 512✖512 子区。
6.利用波段计算工具对从原始影像裁剪下来的子区和经过大气辐射校正后的子区分别进行 NDVI 的计 算,并将两个结果进行比较分析。
7.用 ROI 工具选取裁剪后影像中的 5 种典型地物,每种类型不少于 10 个样本点。将选好的样本分别加载在地表反射率、温度和植被指数影像上,进行各特征的统计,输出统计结果,并整理成图表形式,对植被指数、地表温度反演结果的合理性进行分析,并对其中可能存在误差来源加以说明。计算结果应符合常识。

二、原理及方法

FLAASH(Fast Line-of-sight Atmospheric Analysis of Hypercubes )大气辐射校正原理

FLAASH 是基于太阳波谱范围内(不包括热辐射)和平面朗伯体(近似平面朗伯体),在传感器处接受的像元光谱辐射亮度公式为:
,式中,L:传感器处像元接收到的总辐射亮度;ρ:像素表面反射率;ρe:像素周围平均表面反射率;S:大气球面反照率;La:大气后向散射辐射率 (大气程辐射);A、B:取决于大气条件和几何条件的两个系数。式(1)中的所有变量都与波段范围有关,为了简化公式,波长指数在公式中被省略。将式(1)分成 3 个部分(以括号为分割线),右边第一部分代表 了太阳辐射经大气入射到地表后反射直接进人传感器的辐射亮度;右边第二部分为经大气散射后进人传感 器的辐射亮度,ρ和ρe的区别主要来自于大气散射引起的“邻近像元效应”。在很多大气校正模型中,假设 ρ=ρe,忽略“邻近像元效应”,这种校正方法对短波范围内的结果产生很大的反射误差,尤其图像上有薄雾或地物存在强烈对比的条件下;第三部分为大气后向散射辐射率(大气程辐射)。
参变量 A、B、S 和La的值是通过辐射传输模型 MODTRAN 的计算获取的,需要用到观测视场角、太阳角度、平均海拔高度,以及假设的大气模型、气溶胶类型、能见度范围。A、B、S 和La的值与大气中水汽含量有密切的关系,MODTRAN4+用波段比值法来进行水汽含量的反演,即用水汽吸收波段(常用1130nm)及其邻近的非水汽吸收波段的比值来获取大气水汽含量,生成一个二维查找表来对每一个像元进行水汽含量的反演。(注:当图像没有适当的波段用于水汽的移除,如 Landsat、SPOT 等,水汽含量的确定由自定义选择大气模型。)
当水汽反演步骤完成,利用式(1)可以计算空间平均辐射亮度Le,由此可以构建一下近似公式估算空间平均反射率ρe在这里插入图片描述

空间平均反射率用于计算大气点扩散函数(point spread function),它是描述地表处于视线路径上的部分点对目标像素的辐射贡献关系。FLAASH 中用一个径向距离的近似指数函数代替大气点扩散函数。FLAASH 中气溶胶光学厚度的反演应用了 Kaufman 提出的暗目标法。Kaufman 认为,由于 2100nm 波长比大部分气 溶胶微粒的直径要大,该波段受气溶胶影响可以忽略;在大量试验中,他发现 2100nm 的暗目标反射率与 660nm 暗目标反射率之间存在稳定的比值关系,平均为ρ660=0.45ρ2100;利用式(1)和式(2)以及一系列能见度范围可以反演出气溶胶光学厚度。
FLAASH 特点:①支持传感器种类多,包括多光谱的 ASTER、AVHRR、GeoEye1、IKONOS、IRS、 Landsat、MODIS、SeaWiFS、SPOT、QuickBird、RapidEye、WorldViery 等,高光谱 HyMAP、AVIRIS、CASI、 HYDICE、HYPERION(EO-1)、AISA 等。可通过自定义波谱响应函数支持更多的传感器。工程化应用价值 比较明显。②FLAASH 采用了 MODTRAN4+辐射传输模型,该算法精度高。任何有关图像的标准 MODTRAN 大气模型和气溶胶类型都可以直接使用。③通过图像像素光谱上的特征来估计大气的属性,不依赖遥感成像时同步测量的大气参数数据。④可以有效地去除水蒸气/气溶胶散射效应,同时基于像素级的校正,矫正目标像元和邻近像元交叉辐射的“邻近效应”。⑤对由于人为抑制而导致波谱噪声进行光谱平滑处理。作为结果,除了真实地表反射率外,还可以得到整幅图像内的能见度、卷云与薄云的分类图像、水汽含量数据。
FLAASH 中大气校正主要分为三步:①从图像中获取大气参数,包括能见度(气溶胶光学厚度)、气溶胶类型和大气水汽含量。由于目前气溶胶反演算法多是基于图像中的特殊目标,如水体或浓密植被等暗体目标,在 FLAASH 中也沿用了暗目标法,一景图像最终能获取一个平均的能见度数据;同时,FLAASH 中水汽含量的反演算法是基于水汽吸收的光谱特征,采用了波段比值法,水汽含量的计算在 FLAASH 中是逐像元进行的。②大气参数获取之后,通过求解大气辐射传输方程来获取反射率数据。③为了消除纠正过程中存留的噪声,需要利用图像中光谱平滑的像元对整幅图像进行光谱平滑运算。云或云影对图像的污染会给大气纠正带来许多问题。被云覆盖的像元不仅无法获得其反射率信息,由于受到云的影响,其他邻近像元的反射率会有不同程度的降低。FLAASH 中能够自动判断出图像中受云影响的区域,在大气纠正的过程中避开这些像元,并用图像的平均辐射率来代替云区的辐射率,以进行后续的处理。

FLAASH 大气辐射校正方法

FLAASH 输入参数可分为标准输入参数和高级设置两个部分。标准输入参数包括设置文件输入与输出信息、传感器与影像目标信息、大气模型、水汽反演、气溶胶模型、气溶胶反演、初始能见度、光谱打磨、 重定标波长、高光谱设置、多光谱设置;高级设置包括波谱仪定义文件、模型参数设置、观测参数、FLAASH 处理控制。本文总共进行了设置文件输入与输出信息、传感器与影像目标信息、大气模型、水汽反演、气溶胶模型、气溶胶反演、初始能见度和多光谱设置八项内容。
①设置文件输入与输出信息
1)输入辐射亮度值文件(Input Radiance Image)。单击 Input Radiance Image 按钮,在文件选择对话框中 输入符合 FLAASH 数据要求的图像文件,需要注意以下两种情况:如果用到 spatial subset 功能,需要在 Advanced Settings 对话框中的 Spatial Subset 选项中设置一样大小的子区;当图像头文件中没有波长信息时, 会弹出对话框提示选择记录每个波段中心波长信息的文本文件,这个文本文件要求一列的方式记录每个波段的中心波长信息。
选择好辐射亮度值文件后会弹出 Radiance Scale Factors 对话框,它的作用是将输入的辐射亮度值的单位 及数据类型变成单位为在这里插入图片描述
的浮点型辐射亮度值,转换公式为:浮点型辐射亮度图像=浮点或整型辐射亮度图像/Scale Factor。
当各个波段的辐射亮度值单位不一样时,选择 Read array of scale factors (1 per band) from ASCII file 选项, 这个文本文件要求以一列的方式记录每个波段的转换系数(Scale Factors)。当每个波段的辐射亮度值单位一样时,选择 Use single scale factor for all bands 选项,在 Single scale factor 文本框中填入转换系数(scale factor)。 (本文在辐射定标时已经将单位转换为 FLAASH 要求的单位且所有波段单位一致,所以在此选择 Use single scale factor for all bands,且转换系数为 1.0)
2)输出反射率文件(Output Reflectance File)。单击 Output Reflectance 钮,选择反射率数据输出目录及文件名。如果只在右边文本框中输入一个文件名,保存路径为 Output Directory for FLAASH Files 中的路径。此处经常被忽视,会出错。
3)输出文件夹(Output Directory for FLAASH Files)。设置大气校正其他输出结果储存路径,如水汽反演结果、云分类结果、日志等。
4)根文件名(Rootname for FLAASH Files)。设置大气校正其他输出结果的根文件名。
②传感器与图像目标信息
1)图像中心经纬度(Lat/Lon):以度或者度分秒格式输入,当图像位于西半球时,经度为负值;位于南半球时,纬度为负值。
2)传 感 器 类 型 (Sensor Type) : 选 择 辐 射 亮 度 图 像 对 应 的 传 感 器 类 型 , 如 果 选 择 Multispectral→UNKNOWN-MSI,需要提供光谱响应函数(ENVI 光谱库格式)。
3)传感器飞行高度(Sensor Altitude):当选择航天传感器时,这个值自动添加。
4)图像区域平均海拔(Ground Elevation):相对于海平面的影像所在区域平均海拔高程。
5)图像像素大小 Pixel Size(m):图像空间分辨率,参与“邻域效应”校正,当图像非天底角拍摄时候,填写最大分辨率值。
6)成像日期(Flight Date):图像成像日期。
7)成像时间(Flight Time GMT):图像成像日期(格林尼治时间)。
③大气模型(Atmospheric Model)
ENVI 提供标准 MODTRAN 六种大气模型:亚极地冬季(Sub-Arctic Winter)、中纬度冬季(Mid-Latitude Winter)、美国标准大气模型(U.S. Standard)、亚极地夏季热带(Sub-Arctic Summer)、中纬度夏季(Mid-Latitude Summer)、热带(Tropical)。选择一种大气模型所对应水汽含量接近或者稍微大于影像所在场景水汽含量。如果没有水汽柱或者表面大气温度信息,可以通过季节-纬度信息选择大气模型。
④水汽反演(Water Retrieval)
进行每个像素的水汽含量反演,多光谱数据由于缺少相应波段和光谱分辨率太低不执行水汽反演。Water Retrieval 选项有两个值供选择。
Yes:执行水汽反演。从 Water Absorption Feature 下拉框中选择水汽吸收光谱特征:①1135nm(包含1050-1210nm 范围波段,推荐选择);②940nm(包含 870-1020nm 范围波段);③820nm(包含 770-870nm 范围波段)。
No:不执行水汽反演。使用一个固定水汽含量值。Water Column Multiplier 选项输入一个固定水汽含量值乘积系数(默认为 1.00)。
⑤气溶胶模型(Aerosol Model)
FLAASH 提供以下 5 种气溶胶模型:
无气溶胶(No Aerosol):不考虑气溶胶影响;乡村(Rural):没有城市和工业影响的地区;城市(Urban):混合 80%乡村和 20%烟尘气溶胶,适合高密度城市和工业地区;海面(Martime):海平面或者受海风影响的大陆区域,混合了海雾和小粒乡村气溶胶对流层(Tropospheric):应用于平静、干净条件下(能见度大于40KM)的陆地,只包含微小成分的乡村气溶胶。
⑥气溶胶反演(Aerosol Retrieval)
FLASH 使用了黑暗像元反射率比值反演气溶胶和估算能见度,要求传感器包含 660nm 和 2100nm 附近的波段。黑暗像元是通过 2100nm 附近反射率小于等于 0.1 或者 660:2100m 反射率比值大于 0.45 来定义。如果输入的影像包含 800nm 和 420nm 附近的波段,有其他定义方式供选择,设定 800:420 辐射亮度值比值小于等于 1,用来选择阴影和水体。具体设置在 Multispectral Settings 或者 Hyperspectral Settings 选项中。
Aerosol Retrieval 下拉框中有 3 种方法供选择:None:选择此项时,初始能见度值将用于气溶胶反演模型。2-Band(K-T):使用 K-T 气溶胶反演方法。当没有找到合适的黑暗像元时,初始能见度值将用于气溶胶反演模型。2-Band Over Water:用于海面上的图像。
⑦初始能见度(Initial Visibility):
输入一个估计能见度,当不执行气溶胶反演时候,这个估计能见度将用于大气校正。可以根据天气条件估计能见度。
⑧多光谱设置(Multispectral Settings):
在 Sensor Type 选项中选择多光谱传感器时,出现 Multispectral Settings 按钮,单击此按钮可以打开多光谱设置对话框。有两种设置方式:文件方式(File)和图形方式(GUI);一般选择图形方式。由于多光谱数据一般不用于水汽反演,因此多光谱设置对话框中主要的参数见 Kaufman-Tanre Aerosol Retrieval 对话框中, 其中 Defaults 下拉框使用第一个设置。

辐射定标

辐射定标是将传感器记录的电压或数字量化值(DN)转换成绝对辐射亮度值(辐射率)的过程(梁顺林, 2009),或者转换与地表(表观)反射率、表面(表观)温度等物理量有关的相对值的处理过程。按不同的使用要求或应用目的,可以分为绝对定标和相对定标。绝对定标是通过各种标准辐射源,建立辐射亮度值与数字量化值之间的定量关系,如对于一般的线性传感器,绝对定标通过一个线性关系式完成数字量化值与辐射 亮度值的转换:L=Gain*DN+Offset,式中,辐射亮度值 L 常用单位为 W/cm2·μm·sr。当定标为反射率时,又分为大气外层表观反射率和地表真实反射率。后者属于大气校正的范畴,有的时候也会将大气校正视为辐射定标的一种方式。相对定标则指确定场景中各像元之间、各探测器之间,各波谱段之间以及不同时间 测得的辐射度量的相对值。

植被指数

植被指数是两个或多个波段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经过系统的实践经验。所有的植被指数要求从高精度的多光谱或者高光谱反射率数据中计算。未经大气校正的辐射辐射亮度或者无量纲的 DN 值数据不合适计算植被指数。

归一化植被指数(Normalized Difference Vegetation Index,NDVI)

NDVI= (NIR-R)/(NIR+R)。NDVI 常被用来检测植被生长状态、植被覆盖度和消除部分辐射误差等,-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;NDVI 能反映出植物冠层的背景影响,如土壤、潮湿地面、雪、枯叶、粗糙度等,且与植被覆盖有关。

植被覆盖度

植被覆盖度是指在单位面积的地表上,植被(包括叶、茎、枝)在地表垂直投影的面积。与之类似的概念有植被盖度,是指植被冠层或叶面在地面的垂直投影面积占植被区总面积的比例;还有叶面积指数, 是指在单位土地面积上,所有植物叶片总面积占土地面积的倍数

地表温度反演

地表温度反演(Land Surface Temperature,LST)是根据辐射温度理论,利用热红外波段的遥感数据反演计算获得的地表亮度温度的过程。针对地表温度的遥感反演算法很多,包括辐射传导方程法、单窗算法、劈窗算法以及多通道多角度算法等,不同的算法适用于具有不同特性的热红外遥感数据。本文我们采用的是单窗算法。

单窗(通道)算法

本文使用的单窗算法公式为:k2 / alog((k1/ b1) +1) -273.13。
上式已经包含了将温度转化为摄氏温度的过程。其中 k1、k2 的值参照下表。由于本文采用的是 Landsat8 TIRS 11 的数据,所以 k1=480.89,k2=1201.14。
地表反射率、温度以及植被指数的计算_第1张图片

缨帽变换

缨帽变换(又称 KT 变换)是一种特殊的主成分分析,和主成分分析不同的是其转换系数是固定的,因此它独立于单个图像,不同图像产生的土壤亮度和绿度可以互相比较。随着植被生长,在绿度图像上的信息增强,土壤亮度上的信息减弱,当植物成熟和逐渐凋落时,其在绿度图像特征减少,在黄度上的信息增强。这种解释可以应用于不同区域上的不同植被作物,但穗帽变换无法包含一些不是绿色的植被和不同的土壤类型的信息。

三、操作步骤

1.打开 ENVI 软件,通过 File–>Open,加载之前下载的含有元数据的 Landsat8 OLI 影像数据(即***_MTL.txt 文件),通过 Toolbox–>Raster Management–>Resize Data 裁剪范围为 512✖512 的研究子区(研究子区要求至少包含五种明显典型地物,可以先通过目视解译找到合适的区域再进行裁剪)。
地表反射率、温度以及植被指数的计算_第2张图片
地表反射率、温度以及植被指数的计算_第3张图片
地表反射率、温度以及植被指数的计算_第4张图片2.通过 Toolbox–>Radiometric Correction–>Radiometric Calibration 进行多光谱影像和热红外影像的辐射定 标操作。(在进行多光谱影像辐射定标时根据 ENVI 帮助文档知,需要点击 Apply FLAASH Settings 按钮, Scale factor 变为 0.1,这样输出影像辐亮度单位是μW/cm2·nm·sr,满足 FLAASH 大气校正的要求,而进行热红外影像辐射定标时则不需要改变 Scale factor,因为热红外影像不需要进行大气校正)
地表反射率、温度以及植被指数的计算_第5张图片
地表反射率、温度以及植被指数的计算_第6张图片
地表反射率、温度以及植被指数的计算_第7张图片3.利用 ENVI 自带的全球 900 米分辨率的高程数据(File–>Open World Data–>Elevtation(GMTED2010)), 通过 Toolbox–>Raster Management–>Resize Data 将研究子区的高程数据裁剪出来,利用快速统计工具(Quick Stats)计算出研究子区的平均(Mean)海拔高程。
地表反射率、温度以及植被指数的计算_第8张图片
地表反射率、温度以及植被指数的计算_第9张图片

地表反射率、温度以及植被指数的计算_第10张图片
4. 通 过 Toolbox–>Radiometric Correction–>Atmospheric Correction Module–>FLAASH Atmospheric Correction,使用 FLAASH 对研究子区的多光谱影像进行大气辐射校正得到可见光、近红外各个波段的地表反射率。文件输入与输出信息项目:(1)单击 Input Radiance Image 按钮,选择准备好的辐射亮度值数据(即经过辐射定标后的研究子区多光谱影像;由于经过了单位换算过程,在 Radiance Scale Factors 对话框中选择 Use single scale factor for all bands(Single scale factor:1.000000);(2)选择可见光、近红各个波段地表反射率的输出文件路径;(3)选择大气校正结果文件的输出路径。传感器与图像信息项目:(1)自动获取经纬度;(2)传感器类型选择 Landsat8 OLI;(3)传感器高度在选择完传感器类型之后自动获取;(4)图像区域平 均海拔,采用第三步中所计算出来的研究子区平均海拔高程,注意单位的换算!(5)像元大小 30m 不变;(6)自动获取 Flight Date(成像日期)和 Flight Time GMT(图像成像时间,格林尼治时间),若不放心数据获取是否正确,可打开影像的头文件.tml 进行检查,或者在影像数据图层右键单击–>View Metadata–>Time 检查数据。大气模型选择:比对基于纬度和季节的 MODTRAN 大气模型查找表,依据影像的获取时间和经纬度进行模型选择,本实习采用的影像经度为 33°更靠近 30°,影像获取时间为 8 月 9 日,更靠近 9 月, 所以对应模型为 T(Tropical)。气溶胶模型选择:本实习选择 Rural(乡村)的气溶胶模型。气溶胶反演选 择 : 本 实 习 采 用 2-Band(K-T) 模 型 。 初 始 能 见 度 : 本 实 习 选 择 40km 。 多 光 谱 设 置 : Multispectral Settings–>Kanfman-Tanre Aerosol Retrieval–>Defaults->Over-Land Retrieval standard(660:2100m)。
地表反射率、温度以及植被指数的计算_第11张图片
地表反射率、温度以及植被指数的计算_第12张图片

地表反射率、温度以及植被指数的计算_第13张图片
大气模型中:
SAW代表亚极地冬季;MLW代表中纬度冬季;US代表美国标准;SAS代表亚极地夏季;MLS代表中纬度夏季;T代表热带。
气溶胶模型(FLAASH提供以下5种气溶胶模型):
无气溶胶(NoAerosol):不考虑气溶胶影响;乡村(Rural):没有城市和工业影响的地区;城市(Urban):混合80%乡村和20%烟尘气溶胶,适合高密度城市和工业地区;海面(Martime):海平面或者受海风影响的大陆区域,混合了海雾和小粒乡村气溶胶;对流层(Tropospheric):应用于平静、干净条件下(能见度大于40KM的陆地,只包含微小成分的乡村气溶胶。
地表反射率、温度以及植被指数的计算_第14张图片
气溶胶反演模型: FLASH 使用了黑暗像元反射率比值反演气溶胶和估算能见度,要求传感器包含 660nm 和 2100nm 附近的波段。黑暗像元是通过 2100nm 附近反射率小于等于 0.1 或者 660:2100m 反射率比值大于 0.45 来定义。如果输入的影像包含 800nm 和 420nm 附近的波段,有其他定义方式供选择,设定 800:420 辐射亮度值比值小于等于 1,用来选择阴影和水体。具体设置在 Multispectral Settings 或者 Hyperspectral Settings 选项中。
Aerosol Retrieval 下拉框中有 3 种方法供选择: None:选择此项时,初始能见度值将用于气溶胶反演模型。 2-Band(K-T):使用 K-T 气溶胶反演方法。当没有找到合适的黑暗像元时,初始能见度值将用于气溶胶反演模型。 2-Band Over Water:用于海面上的图像。 初始能见度(Initial Visibility): 输入一个估计能见度,当不执行气溶胶反演时候,这个估计能见度将用于大气校正。可以根据天气条件估计能见度:
在这里插入图片描述
多光谱设置(Multispectral Settings):
在 Sensor Type 选项中选择多光谱传感器时,出现 Multispectral Settings 按钮,单击此按钮可以打开多光谱设 置对话框。有两种设置方式:文件方式(File)和图形方式(GUI);一般选择图形方式。由于多光谱数据一 般不用于水汽反演,因此多光谱设置对话框中主要的参数见 Kaufman-Tanre Aerosol Retrieval 对话框中,其中 Defaults 下拉框使用第一个设置。
地表反射率、温度以及植被指数的计算_第15张图片
最后,点击 ok,点击 Apply 运行 FLAASH 模块。
5. 通过 Toolbox–>Band Algebra–>Band Math 利用波段计算工具进行地表温度反演操作。双击 Band Math 工 具,在 Enter an expression 下输入温度反演公式:k2/alog(k1/b1+1)-273.13,其中 k1,k2 从单窗算法定标系数 表中获得,本实习采用 Landsat8 TIRS 11 波段,所以对应 k1=480.89,k2=1201.14,将这两个值代入公式中,之后点击 Add to list,将该计算公式添加到列表中;点击 ok,在 Available Bands List 一栏中选择辐射定标后的热红外波段作为 b1 的数据来源,选择文件输出路径,点击 ok。结果输出后可以在菜单栏上找到一个定位的小图标,点击之后出来一个 Cursor Value 的对话框,单击影像上的任意一点,可以在对话框中看到温度反演的数据,并判断结果是否合理。通过 Toolbox–>Raster Management–>Resize Data 将经过地表温度反演后的影像进行裁剪,裁剪大小为 512✖512,子区范围和之前的保持一致。
地表反射率、温度以及植被指数的计算_第16张图片
地表反射率、温度以及植被指数的计算_第17张图片
地表反射率、温度以及植被指数的计算_第18张图片

最后选择输出路径,点击 ok。
6. 通过 Toolbox–>Band Algebra–>Band Math 利用波段计算工具对从原始影像裁剪下来的子区和经过大气 辐射校正后的子区分别进行 NDVI 的计算,并将两个结果进行比较分析。双击 Band Math 工具,在 Enter an expression 下输入 NDVI 计算公式:fix((float(b5)-b4)/(b5+b4)*10000),点击 Add to list,将该计算公式添加到列表中;点击 ok,在 Available Bands List 列表中选择大气辐射校正后的影像的近红外波段作为 b5 的数据来 源,选择大气辐射校正后的影像的红光波段作为 b4 的数据来源,选择输出路径,点击 ok 输出结果图层; 双击 Band Math 工具,在已有列表中点击 NDVI 计算公式:fix((float(b5)-b4)/(b5+b4)*10000),则该计算公式出现在 Enter an expression 一栏中;点击 ok,在 Available Bands List 列表中选择原始影像的子区影像近红外波段作为 b5 的数据来源,选择原始影像的子区影像的红光波段作为 b4 的数据来源,选择输出路径,点击 ok 输出结果图层。点击菜单栏上定位图标,弹出 Cursor Value 窗口,点击子区影像上任意一点,在窗口中 即可同时看到两个 NDVI 计算结果。
地表反射率、温度以及植被指数的计算_第19张图片
地表反射率、温度以及植被指数的计算_第20张图片

地表反射率、温度以及植被指数的计算_第21张图片
7. 利用打开大气辐射校正后的研究子区多光谱影像,采用 RGB 彩色合成,Load Data;然后打开原始影像子区 NDVI 计算结果影像、大气辐射校正后子区 NDVI 计算结果影像和地表温度反演后的子区影像。用 ROI 工具选取裁剪后影像中的 5 种典型地物,每种类型不少于 10 个样本点。将选好的样本分别加载在地表反射率、温度和植被指数影像上,进行各特征的统计,输出统计结果,并整理成图表形式
地表反射率、温度以及植被指数的计算_第22张图片
点击左上角绿色箭头新建兴趣区,修改兴趣区名称,修改兴趣区颜色,选择按像元大小选择,并设置为 2*2 像元集,然后在影像上选取地物兴趣点,每次选取地物和兴趣点都要重复上述操作。本实习共选取了五种典型地物,分别是水体(water),植被(zhibei),农田(nongtian),裸地(luodi),居民地(jumindi), 对应的兴趣点分别选取了 12 个,24 个,17 个,12 个,24 个,选取完成后点击 File–>Save as 保存兴趣点文件,在弹出窗口点击 Select All Items 将五个兴趣区全选,选择输出路径,点击 ok。
地表反射率、温度以及植被指数的计算_第23张图片
地表反射率、温度以及植被指数的计算_第24张图片

在其他图层右键单击–>New Region Of Interest,在弹出的界面选择 File–>Open 打开上一步保存的兴趣点文件,在 Data Manager 对话框中选择此 roi 文件,点击 Load Data,在弹出的 Select Base ROI Visualization Layer 对话框中依次选择大气校正前后 NDVI 影像和地表温度反演影像图层,将 roi 文件依次加载到这些图层里。
地表反射率、温度以及植被指数的计算_第25张图片
地表反射率、温度以及植被指数的计算_第26张图片
地表反射率、温度以及植被指数的计算_第27张图片
在四个图层的兴趣点文件上右键单击选择 Statistics for all ROIs 即可进行各特征值的统计,选择使用的数据有:各地物温度反演的数据、大气校正前后各地物 NDVI 值、大气校正后各地物在可见光和近红外波段的辐亮度值(查看数据时,可以在表格左上角 Locate Stat 选择要查看的地物类型的数据),获得的所有值只选用平均值。
地表反射率、温度以及植被指数的计算_第28张图片
地表反射率、温度以及植被指数的计算_第29张图片
地表反射率、温度以及植被指数的计算_第30张图片
将以上所提到的需要的平均值转录到 excel 表格中,注意保留小数位数为 2 位小数! 然后根据这些数据制作图表,进行结果分析。

结果分析

1.各地物地表温度反演值图表
地表反射率、温度以及植被指数的计算_第31张图片
地表反射率、温度以及植被指数的计算_第32张图片
该表呈现了经过地表温度反演后的五种地物的地表温度值,其中可以看出地表温度值:水体 < 植被 < 农田 < 居民地 < 裸地,该情况符合一般实际规律。因为在八月份白天气温较高,但是由于水体比热容较大升温慢,所以温度比其它地物要低;植被覆盖度高具有遮挡阴蔽等现象出现导致植被的温度也会较低; 农田和植被的效果差不多但是由于一般农作物的高度比植被要低矮,所以遮挡降温作用没有植被明显,所以农田温度要比植被略高;然后是居民地,受到太阳光的直射以及城市里的建筑反射作用导致温度较高, 但是由于有些高建筑的遮挡使得居民地的温度比无任何其它地物遮挡,太阳光直射,比热容较小的裸地温度要低一点,裸地的温度是最高的。
2.大气校正前后各地物 NDVI 值对比图
地表反射率、温度以及植被指数的计算_第33张图片
地表反射率、温度以及植被指数的计算_第34张图片
该图呈现了经过大气校正前后五种地物的 NDVI 值,其中可以看出经过大气校正后的地物 NDVI 值整体比之前的提高了,分析可能是因为该研究区域在成像时大气中的气溶胶和大气分子的散射作用比较强, 所以经过大气校正后将这些影像减弱,更真实的还原地物反射状况。除此之外可以看到,植被的 NDVI 值最大,且与农田的相差不大,分析是因为在八月份,该地区的农作物生长状况较好,NDVI 值在最大值附近, 植被 NDVI 值更大是因为该地区水资源丰富,植被一直生长较好。正常情况下裸地在红光和近红外波段的反射率大致相同,其 NDVI 值应该在 0-0.1 之间,而图上得出实在 0.4 左右,分析是因为在选取兴趣点时裸地和植被距离比较近,可能出现选取兴趣点的误差,而且影像上的裸地是为种植农作物的耕地,可能耕地上会有一些小的植物看不清楚。其它两种地物水体和居民地NDVI 值低符合一般实际规律。

总结

以上就是本文的内容。有问题大家可以在讨论区讨论,麻烦觉得文章对您有所帮助的朋友帮忙点个赞,谢谢。

你可能感兴趣的:(图像处理)