應(yīng)用專題：基于遙感的自然生態(tài)環(huán)境監(jiān)測課件

1、應(yīng)用專題一：基于遙感的自然生態(tài)環(huán)境監(jiān)測應(yīng)用專題一：基于遙感的自然生態(tài)環(huán)境監(jiān)測專題背景隨著社會的不斷發(fā)展，人們對自然生態(tài)環(huán)境質(zhì)量的重視程度逐漸提高。本專題介紹應(yīng)用遙感技術(shù)進行自然生態(tài)環(huán)境的評價。專題背景隨著社會的不斷發(fā)展，人們對自然生態(tài)環(huán)境質(zhì)量的重視程度專題概述本專題主要利用10米的哨兵2A數(shù)據(jù)源，提取相關(guān)生態(tài)因子，應(yīng)用較成熟的遙感生態(tài)指數(shù)（RSEI），評價與監(jiān)測區(qū)域生態(tài)質(zhì)量，完成整個自然生態(tài)環(huán)境評價流程。專題涉及哨兵2A數(shù)據(jù)預(yù)處理和4個生態(tài)指標(biāo)的計算等內(nèi)容。所用功能模塊：ENVI主模塊功能Landsat8地表溫度反演工具本專題參考文獻(xiàn)：【區(qū)域生態(tài)環(huán)境變化的遙感評價指數(shù)】【不同城市規(guī)劃的生態(tài)質(zhì)量

2、差異對比研究】專題概述本專題主要利用10米的哨兵2A數(shù)據(jù)源，提取相關(guān)生態(tài)因數(shù)據(jù)源介紹哨兵-2 數(shù)據(jù)簡介數(shù)據(jù)源介紹哨兵-2 數(shù)據(jù)簡介數(shù)據(jù)源介紹哨兵-2 數(shù)據(jù)簡介波段名稱S2AS2B分辨率（m）中心波長 (nm)波段寬度 (nm)中心波長 (nm)波段寬度 (nm)2496.698492.198103560.045559464664.538665398835.11458331335703.919703.820206740.218739.1187782.528779.7288a864.83386432111613.71431610.4141122202.42422185.72381443.92744

3、2.345609945.026943.227101373.5751376.976數(shù)據(jù)源介紹哨兵-2 數(shù)據(jù)簡介波段名稱S2AS2B分辨率（m）數(shù)據(jù)源介紹哨兵-2 數(shù)據(jù)介紹官網(wǎng)：/web/sentinel/missions/sentinel-2哨兵-2數(shù)據(jù)免費下載地址：https:/scihub.copernicus.eu/dhus/#/home數(shù)據(jù)源介紹哨兵-2 數(shù)據(jù)介紹官網(wǎng)：專題處理流程專題處理流程圖像預(yù)處理圖像預(yù)處理1、圖像預(yù)處理流程1、圖像預(yù)處理流程1、圖像預(yù)處理流程第一步：哨兵2A L1C級數(shù)據(jù)包含10米， 20米和60米數(shù)據(jù)集，共13個波段，通過分析，本專題的生態(tài)指標(biāo)使用可見光-近紅外

4、-短波紅外共6個波段求取，首先合成10米6個波段的數(shù)據(jù)，合成時輸入研究區(qū)矢量文件，進行子區(qū)域的合成。第二步：本研究區(qū)覆蓋兩景哨兵2A數(shù)據(jù)，對多波段合成之后的兩景數(shù)據(jù)進行鑲嵌，再用工程區(qū)矢量數(shù)據(jù)（湖北襄樊市部分區(qū)域）裁剪融合后的圖像，得到工程區(qū)10米的哨兵2A多光譜圖像。第三步：對工程區(qū)10米哨兵2A多光譜圖像進行表觀反射率定標(biāo)，得到大氣表觀反射率數(shù)據(jù)，用于計算生態(tài)因子。1、圖像預(yù)處理流程第一步：哨兵2A L1C級數(shù)據(jù)包含10米，1.1 哨兵2A數(shù)據(jù)多波段合成數(shù)據(jù)打開File-Optical Sensors-European Space Agency-Sentinel-2選擇一景數(shù)據(jù)的MTD_M

5、SIL1C.xml文件打開，數(shù)據(jù)自動分為3組1.1 哨兵2A數(shù)據(jù)多波段合成數(shù)據(jù)打開1.1 哨兵2A數(shù)據(jù)多波段合成使用哨兵-2A數(shù)據(jù)求取植被指數(shù)、濕度分量、干度指數(shù)，這三個指數(shù)本專題使用到的波段為2、3、4、8、11、12，所以首先對這幾個波段進行合成，得到6個波段10米的數(shù)據(jù)。使用/Raster Management/Layer Stacking工具波段合成結(jié)果存放路徑為：“1-圖像鑲嵌”1.1 哨兵2A數(shù)據(jù)多波段合成使用哨兵-2A數(shù)據(jù)求取植被指數(shù)1.2 圖像鑲嵌對波段合成后的兩景哨兵-2A數(shù)據(jù)進行鑲嵌處理。/Mosaicking/Seamless Mosaic工具圖像鑲嵌結(jié)果存放路徑為：“2

6、-圖像定標(biāo)”1.2 圖像鑲嵌對波段合成后的兩景哨兵-2A數(shù)據(jù)進行鑲嵌處理1.3表觀反射率定標(biāo)生態(tài)因子是由反射率數(shù)據(jù)計算，表觀反射率是指大氣層頂?shù)姆瓷渎?，它是由地表反射率和大氣反射率組成的，表觀反射率的計算參數(shù)一般在元數(shù)據(jù)信息中，可以通過DN值定標(biāo)計算得到，表觀反射率數(shù)據(jù)經(jīng)過大氣校正后得到地表反射率。由于數(shù)據(jù)經(jīng)過了波段疊加、鑲嵌處理，元數(shù)據(jù)信息里的輻射定標(biāo)參數(shù)丟失，所以本步驟用bandmath手動定標(biāo)，公式為：b1*0.0001表觀反射率定標(biāo)的結(jié)果存放在3-圖像裁剪1.3表觀反射率定標(biāo)生態(tài)因子是由反射率數(shù)據(jù)計算，表觀反射率是1.4 研究區(qū)裁剪本專題研究范圍為湖北省襄樊市（部分），利用Shapef

7、ile矢量文件對研究區(qū)進行裁剪。矢量數(shù)據(jù)存放在“襄樊部分地區(qū)矢量邊界”文件夾下Regions of Interest Subset Data from ROIs工具研究區(qū)裁剪的結(jié)果存放路徑為：“4-生態(tài)因子計算”1.4 研究區(qū)裁剪本專題研究范圍為湖北省襄樊市（部分），利用生態(tài)因子計算生態(tài)因子計算生態(tài)因子計算步驟生態(tài)因子計算步驟流程說明結(jié)合參考資料，計算植被指數(shù)、濕度分量、地表溫度和土壤指數(shù)，作為綠度、濕度、溫度和干度指標(biāo)其中，植被指數(shù)、濕度分量、干度指標(biāo)使用預(yù)處理得到的10米哨兵-2A多光譜數(shù)據(jù)表觀反射率計算得到，溫度使用Landsat8熱紅外數(shù)據(jù)計算得到。將四個生態(tài)因子進行歸一化處理。流程說

8、明結(jié)合參考資料，計算植被指數(shù)、濕度分量、地表溫度和土壤2.1 生態(tài)因子計算 綠度指標(biāo)綠度指標(biāo)（NDVI），歸一化植被指數(shù)NDVI是應(yīng)用最廣泛的植被指數(shù)，它與植物生物量、葉面積指數(shù)以及植被覆蓋度都密切相關(guān)，因此，選用NDVI來代表綠度指標(biāo)。使用10米多波段哨兵-2A數(shù)據(jù)表觀反射率計算NDVI工具/Spectral/Vegetation/NDVI2.1 生態(tài)因子計算 綠度指標(biāo)綠度指標(biāo)（NDVI），歸一2.2 生態(tài)因子計算 濕度指標(biāo)遙感纓帽變換所得的亮度、綠度、濕度分量已被廣泛地應(yīng)用于生態(tài)環(huán)境監(jiān)測中，其中濕度分量反映了水體和土壤、植被的濕度，與生態(tài)環(huán)境密切相關(guān)，因此，濕度指標(biāo)以濕度分量代表。本專題采

9、用Index DataBase 網(wǎng)站（https:/www.indexdatabase.de/db/i-single.php?id=93 ）公布的Tasselled Cap - wetness 公式，計算哨兵-2A數(shù)據(jù)的濕度分量本專題所用的濕度計算公式為：0.1509450:520+0.1973520:600+0.3279630:690+0.3406760:9000.71121550:17500.45722080:2350式中，各個系數(shù)的對應(yīng)哨兵2A的是2、3、4、8、11、12各波段的反射率（此處所用的是大氣表觀反射率）。波段運算公式：0.1509*b2+0.1973*b3+0.3279*b

10、4+0.3406*b8-0.7112*b11-0.4572*b122.2 生態(tài)因子計算 濕度指標(biāo)遙感纓帽變換所得的亮度、綠2.2 生態(tài)因子計算 濕度指標(biāo)計算結(jié)果2.2 生態(tài)因子計算 濕度指標(biāo)計算結(jié)果2.3 生態(tài)因子計算 干度指標(biāo)2.3 生態(tài)因子計算 干度指標(biāo)2.3 生態(tài)因子計算 干度指標(biāo)波段運算公式：(b11+b4)-(b8+b2)/(b11+b4)+(b8+b2)(2*b11/(b11+b8)-(b8/(b8+b4)+b3/(b3+b11)/(2*b11/(b11+b8)+(b8/(b8+b4)+b3/(b3+b11)(b1+b2)/22.3 生態(tài)因子計算 干度指標(biāo)波段運算公式：2.4 生態(tài)

11、因子計算 熱度指標(biāo)用地表溫度（LST）代表熱度指標(biāo)由于哨兵-2A數(shù)據(jù)沒有熱紅外波段，選用同一時間獲取的Landsat 8 影像的熱紅外波段來計算溫度，并將得到的30米分辨率溫度結(jié)果重采樣到10米，以便與Sentinel-2A 10 m空間分辨率相匹配，提高地表熱環(huán)境的辨析度。使用Landsat8 TIRS數(shù)據(jù)計算地表溫度，本專題直接使用基于大氣校正法的“Landsat8 TIRS地表溫度反演”工具實現(xiàn)工具的安裝：ENVI App Store中安裝Landsat8 TIRS地表溫度反演V5.3工具，重啟ENVI2.4 生態(tài)因子計算 熱度指標(biāo)用地表溫度（LST）代表熱2.4 生態(tài)因子計算 熱度指標(biāo)

12、/Extensions/Landsat 8 LST工具，查詢得到大氣條件參數(shù)，包括大氣透過率、大氣上行輻射、大氣下行輻射，工具直接計算出地表溫度的結(jié)果。2.4 生態(tài)因子計算 熱度指標(biāo)/Extensions/L2.4 生態(tài)因子計算 熱度指標(biāo)將30米的溫度結(jié)果重采樣到10米，并裁剪出研究區(qū)重采樣工具：/Raster Management/Resize Data2.4 生態(tài)因子計算 熱度指標(biāo)將30米的溫度結(jié)果重采樣到2.5 生態(tài)因子歸一化2.5 生態(tài)因子歸一化2.5 生態(tài)因子歸一化統(tǒng)計出各個指標(biāo)的最小、最大值，再使用Band Math進行歸一化統(tǒng)計工具/Statistics/Compute Stat

13、istics，統(tǒng)計時用矢量生成腌膜文件，統(tǒng)計研究區(qū)的直方圖。最小值最大值的讀?。河捎趫D像中不可避免的存在著噪聲，本文使用2%的標(biāo)準(zhǔn)來確定置信區(qū)間，即像元累計2%作為最小值，累計98%作為最大值，如：NDVI的最小值和最大值分別讀取為：-0.124，0.728 ，歸一化之后，小于最小值的像元為0，大于最大值的像元為1指標(biāo)最小值最大值綠度（NDVI）-0.1240.728濕度-0.1390.052干度（NDSI）-0.3980.081熱度（LST）16.44135.4552.5 生態(tài)因子歸一化統(tǒng)計出各個指標(biāo)的最小、最大值，再使用B2.5 生態(tài)因子歸一化NDVI因子歸一化Band Math公式(b1

14、 lt -0.124)*0+(b1 ge -0.124 and b1 le 0.728)*(b1+0.124)/(0.728+0.124)+(b1 gt 0.728)*1濕度因子歸一化Band Math公式：(b2 lt -0.139)*0+(b2 ge -0.139 and b2 le 0.052)*(b2+0.139)/(0.052+0.139)+(b2 gt 0.052)*1干度因子歸一化Band Math公式：(b3 lt -0.398)*0+(b3 ge -0.398 and b3 le 0.081)*(b3+0.398)/(0.081+0.398)+(b3 gt 0.081)*1溫

15、度因子歸一化Band Math公式：(b4 lt 16.441)*0+(b4 ge 16.441 and b4 le 35.455)*(b4-16.441)/(35.455-16.441)+(b4 gt 35.455)*12.5 生態(tài)因子歸一化NDVI因子歸一化Band Math公生態(tài)指數(shù)計算生態(tài)指數(shù)計算3 生態(tài)指數(shù)計算3 生態(tài)指數(shù)計算3 生態(tài)評價方法自然生態(tài)環(huán)境評價的方法很多，常用的方法，如指數(shù)法與綜合指數(shù)法、特爾斐法、景觀生態(tài)學(xué)法、評分迭加法、多指標(biāo)權(quán)重加權(quán)法等。本專題采用主成分變換方法集成各個生態(tài)指標(biāo)，各指標(biāo)對RSEI 的影響是根據(jù)其數(shù)據(jù)本身的性質(zhì)來決定，得到RSEI生態(tài)指數(shù)，反映整個區(qū)

16、域的生態(tài)環(huán)境情況。主成分變換來進行指標(biāo)集成，最大優(yōu)點就是集成各指標(biāo)的權(quán)重不是人為確定，而是根據(jù)數(shù)據(jù)本身的性質(zhì)、根據(jù)各個指標(biāo)對各主分量的貢獻(xiàn)度來自動客觀地確定，從而在計算時可以避免因人而異、因方法而異的權(quán)重設(shè)定造成的結(jié)果偏差。具體做法為：對歸一化后的4 個指標(biāo)進行主成分分析，得到PC1，PC1數(shù)值大小與生態(tài)質(zhì)量優(yōu)劣相對應(yīng)。獲得遙感生態(tài)指數(shù)RSEI 。為了便于指標(biāo)的度量和比較，對RSEI進行歸一化處理，得到遙感生態(tài)指數(shù)RSEI。3 生態(tài)評價方法自然生態(tài)環(huán)境評價的方法很多，常用的方法，如指3.1生態(tài)因子合成多波段數(shù)據(jù)將4個歸一化之后的生態(tài)因子合成多波段數(shù)據(jù)工具/Raster Management/L

17、ayer Stacking3.1生態(tài)因子合成多波段數(shù)據(jù)將4個歸一化之后的生態(tài)因子合成多3.2 主成分分析對4個生態(tài)因子進行主成分分析/Transform/PCA Rotation/Forward PCA Rotation New Statistics and Rotate3.2 主成分分析對4個生態(tài)因子進行主成分分析3.2生態(tài)指數(shù)RSEI計算3.2生態(tài)指數(shù)RSEI計算3.2 生態(tài)指數(shù)RSEI計算Band Math對第一主成分波段進行歸一化處理，得到RSEI指數(shù)Band Math公式為：(b1+1.077716)/( 0.836707+1.077716)3.2 生態(tài)指數(shù)RSEI計算Band Math對第一主成分波3.3 生態(tài)指數(shù)RSEI背景處理File-Save As ENVI，選擇RSEI.dat，Mask選擇研究區(qū)shapefile文件或掩膜文件，點擊OK，在輸出面板上，點擊Find Suitable Data Ignore value