- 辐射校正
- 辐射定标
打开ENVI软件，点击file- open as- Landsat geo tiff with metadata，打开MTL文件。在Tool box搜索radiation calibration点击进行辐射定标。选择多光谱文件，将输出格式改为BIL，像元大小改为0.1，选择输出路径后确定。
图 1‑1 文件打开
图 1‑2 辐射定标
-
-
- 大气校正
-
使用flaash进行大气校正，搜索flaash后选择输入文件，将像元大小改为10，更改导出路径，选择sensor type为landsat8 OLI，系统将自动更正相关数据。
在Atmospheric model选择为sub-arctic summer；点击multispectral settings将其改为600-2000。
图 1‑3 大气校正
-
- NDVI指数计算
打开spectral—vegetation—NDVI进行植被指数计算。选择大气校正后的数据（flaash），选择输入文件类型为OLI，选择输出路径后确定。
图 1‑4 NDVI计算
-
- Albedo反照度计算
在tool box搜索band math并打开，输入反照度计算公式（0.356*float(b1)+0.130*
float(b3)+0.373*float(b4)+0.085*float(b5)+0.072*float(b7)-0.0018），其中b1为蓝色波段，b2为红色波段，b3为近红外，b4、b5分为为swir1和swir2。
图 1‑5反照度计算
-
- 归一化处理
分别对NDVI和albedo 进行归一化处理，打开compute statistics，可以得到NDVI的最小值-0.359391，最大值0；albedo最小值-571.346741，最大值275.844177，
图 1‑6 NDVI及反照度最值
通过band math对二者进行归一化处理，归一化公式为：（数值-最小值）/（最大值-最小值）
图 1‑7 NDVI 归一化
-
- 构建反演模型
- 建立感兴趣区
- 构建反演模型
回到ENVIclassic界面，打开归一化处理后的NDVI和albedo图像。可以看到植被化指数图像亮度较高，而反照度图像整体较暗，两幅图数据应当呈负相关关系。
图 1‑9 界面对比
在图层中打开overlay—region of interest，ROI type 选择point，窗口选择scroll，然后在小窗口中选择尽可能多的点，选择完成后打开file—output ROIs to ASCII。依次选择反照度与植被归一化指数图层。
图 1‑10 感兴趣区提取
在excel中打开两个文件，并将其复制到同一文件中。
图 1‑11 导入excel
-
-
- 建立模型
-
使用Q-Q图反映反照度和NDVI之间的关系（插入图表—散点图，分别选择反照度和NDVI最后列的数据），从图中得到，反照度与NDVI确呈负相关关系。通过excel计算得到趋势线：y=-0.2741x + 0.5438，R2为0.7096，模型拟合优度较好。
图 1‑12 反演模型
-
- 计算沙漠化指数DDI
由上一步可得，NDVI与反照度之间呈负相关关系，由反演模型得到系数a=-0.2741，根据计算沙漠化差值指数DDI公式中的k与a的关系（a*k=-1）可知，k=1/0.2741。在ENVI中使用band math输入DDI计算公式：1/0.2741*float(b1)-float(b2)，其中，b1为归一化NDVI指数，b2为归一化albedo，选择保存文件名称得到沙漠化差值指数图。
图 1‑13 DDI计算
-
- 数据分级与结果显示
- 密度分割
- 数据分级与结果显示
点击沙漠化指数的image窗口，选择tools—color mapping—density slice，选择DDI指数图，然后点击apply即可显示系统自动分类和赋值结果图。
图 1‑14 密度分割
根据实验要求，将沙漠化程度分为中度、重度和极重度三级，首先在image窗口选择file—save image as—image file，将图片保存为tiff格式然后启动ArcMap软件。
图 1‑15 保存文件
-
-
- 数据分级
-
在arcgis中对栅格数据分级，点击spatial analyst tools—reclass —reclassify。选择DDI图像然后点击classify，方法选择natural breaks（自然裂点法），将其分为3类。选择输出的文件名然后确定。重分类后的沙漠化指数图如下：
图 1‑16 数据分级
图1-17 结果展示
