植被覆蓋度反演

1、Radiometric Calibration.題目：植被遙感監(jiān)測具有很長的歷史，植被遙感中植被覆蓋反演是主要內(nèi)容之一，線性分解模型是混合像元分解法的一種，根據(jù)混合像元分解及線性分解模型的原理， 利用紅堿淖 2016 年 6 月 17 日 Landsat8 OLI數(shù)據(jù)，求取研究區(qū)植被覆蓋度（寫出詳細(xì)計(jì)算過程和步驟） 。一、操作思路：端元代表影像中的純凈像元， 求取植被覆蓋度即求取端元的豐度， 因此采用混合像元分解及線性分解模型進(jìn)行混合像元分解， 得到端元以及相應(yīng)的豐度影像，即為植被覆蓋度影像。二、操作步驟：1.影像預(yù)處理由于操作時(shí)間的限制和硬件設(shè)備的不允許， 將影像選取一定的區(qū)域進(jìn)行裁剪，感興

2、趣區(qū)域?yàn)?roi1 文件，得到裁剪后影像 2016new 文件，導(dǎo)入影像，進(jìn)行影像的預(yù)處理，包括輻射定標(biāo)和大氣校正步驟，輻射定標(biāo)采用工具，大氣校正采用 FLAASH工具，分別得到輻射定標(biāo)結(jié)果2016_rad1 和 2016_ref文件。2.MNF 變換采用 MNF 變換工具，可將數(shù)據(jù)波段進(jìn)行 “降維”，提取出有用信息集中的波段，去除噪聲信息集中的波段，利用 Forward MNF Estimate Noise Statistic將數(shù)據(jù)進(jìn)行 MNF 變換，得到 MNF 變換結(jié)果 2016_MNF 和噪聲文件 MNF_Noise 和統(tǒng)計(jì)文件 MNF_Statistic 文件。3.PPI變換純凈像元

3、指數(shù)法指像元被標(biāo)記為純凈像元的次數(shù)，可以將混合像元進(jìn)行分解，有效的提取出端元。由于操作時(shí)間的限制和硬件設(shè)備的不允許，將MNF 變換后影像與原影像選取一定的同樣區(qū)域進(jìn)行裁剪，感興趣區(qū)域選擇ROI2 文件，得到裁剪結(jié)果為2016_MNF_sub和 2016new_sub 文件。在 MNF 變換后發(fā)現(xiàn)有用信息集中在 1、2、3 波段，因此利用 Pixel Purity Index工具，將 MNF 變換后影像選擇 1、2、3 波段進(jìn)行端元提取，閾值設(shè)為 3.00，操作的結(jié)果為 2016_PPI文件。4.N 維可視化利用 N 維可視化工具可以將端元更好的顯示， 有利于更加直觀的確定端元，在 N 維可視化

4、窗口中，選中 1、2、3 波段，在顯示窗口中將較為集中的區(qū)域定為端元，進(jìn)行類（ class）的劃定，一共確定三類，利用 mean all 工具將三類端元的波譜顯示出來，并保存為波譜庫 2016_sli 文件。5.端元識別.利 用Endmember Collection工 具 將 波 譜 庫2016_sli 與 已 知 波 譜 庫USGS_min.sli進(jìn)行端元識別，得到每一種端元最匹配的地物類型，將端元進(jìn)行重新命名，再保存為波譜庫 2016_new_sli 文件。6.波譜庫重采樣利用 Forward MNF convert 工具將端元識別后的波譜庫進(jìn)行重采樣，使其能夠完美匹配，操作的結(jié)果為 2016_new_sli_resize文件。7.線性分解利用線