- 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