ENVI基于Landsat影像构建郑州市2000-2019年遥感生态指数RSEI

VIPENVI基于Landsat影像构建郑州市2000-2019年遥感生态指数RSEI
本文基于landsat5、landsat7、landsat8三种传感器的影像,使用ENVI软件构建郑州市2000-2019年遥感生态指数RSEI。内含ENVI详细操作、使用的公式以及构建结果。
开通可读全文 ·1.9w 人阅读
最低0.47元/天 解锁文章

一、数据介绍

由于时间跨度较大,用到了三种不同的landsat传感器的影像,先分别介绍这三种传感器的波段信息:

1.1Landsat5TM产品说明

Landsat主题成像仪 (TM)是Landsat4和Landsat5 携带的传感器,1982年发射,2011年11月停止工作。Landsat-4和Landsat5每16天扫瞄同一地区,即其16天覆盖全球一次。LandsatTM影像包含7个波段,波段1-5和波段7的空间分辨率为30米,波段6(热红外波段)的空间分辨率为120米。南北的扫描范围大约为170km,东西的扫描范围大约为183km。

1.2Landsat7ETM+产品说明

美国陆地卫星7 号(Landsat-7 ) 于1999年4月15日由美国航空航天局(NASA) 发射升空,其携带的主要传感器为增强型主题成像仪( ETM+ )。Landsat ETM+影像数据包括8个波段(波段设计),band1-band5和band7的空间分辨率为30米,band6的空间分辨率为60米,band8的空间分辨率为15米,南北的扫描范围大约为170km,东西的扫描范围大约为183km。

1.3Landsat8OLI产品说明

OLI陆地成像仪(Operational Land Imager)是Landsat-8卫星上携带的两个传感器之一,Landsat-8 在空间分辨率和光谱特性等方面与Landsat 1-7保持了基本一致,卫星一共有11个波段,波段1-7,9-11的空间分辨率为30米,波段8为15米分辨率的全色波段,卫星每16 天可以实现一次全球覆盖,成像宽幅为185x185km。

1.4 影像信息选择说明

选择影像时,首先需要根据年份确定所需传感器的类型。本次实验需要选择同一季节的影像,这样可以排除北方城市由于季节影响而产生的植被指数的不同。除此之外,还要注意的是影像的云量,在研究范围内云量要很少甚至没有才不会影响评判结果。

综合考虑以上因素本次作业使用了来自三种不同传感器的影像,基本信息如下表:

c

2000

2004

2009

2014

2019

传感器

Landsat7ETM+

Landsat5TM

Landsat5TM

Landsat8OLI

Landsat8OLI

影像获取时间

8月27日

8月30日

6月25日

5月6日

7月7日

 在ENVI中右击影像,选择View Metadatas可以查看影像的详细信息:

 二、遥感生态指数构建

VIP 遥感生态指数(RSEI)——图像预处理 遥感生态指数(RSEI)是通过主成分耦合绿度、干度、湿度、热度四个指标,并第一主成分作为RSEI值,用来评价一个地区的生态环境。 数据来源:地理空间数据云(http://www.gscloud.cn/) 遥感图像处理软件:ENVI5.3 RSEI计算的主要步骤:(1)图像预处理。主要包括辐射定标、大气校正、研究区裁剪三部分;(2)四个生态因子指标计算;(3)水体掩膜、数据标准化(归一化);(4)主成分变换及变换后处理。 1.图像预处理 1.1辐射定标 辐射定标是将原始图像的DN值转化为反射率亮度值 开通可读全文·2.7w 阅读·30 点赞·321 收藏 阅读全文

相关推荐

遥感生态指数(RSEI)——四个指数的计算

遥感生态指数是在4个生态指数的基础上通过主成分变换得出的一个评价生态环境质量的指标。因此,第二部分就是要分别计算出这4个指数的值。 ①首先,是绿度指数的计算,一般用归一化植被指数(NDVI) NDVI=(NIR-Red)/(NIR+Red) 在Bandmath工具中输入NDVI计算公式 (float(b4-b3))/(b4+b3) 其中,b3、b4分别是红波段和近红外波段 ②其次,是湿度计算。 WET = c1B1 + c2B2 + c3B3...

qq_41978498的博客 9万+

遥感生态指数(RSEI)——水体掩膜及主成分分析

1、水体掩膜 ①利用水体指数来增强水体信息,弱化其他地物的信息,便于提取研究区的水体范围 NDWI = (Green - NIR)/(Green + NIR ) MNDWI = (Green - SWIR1) / (Green + SWIR1) INDVI = (Red - NIR) / (Red + NIR) 以上三个水体指数都能在一定程度上突出水体,推荐使用MNDWI指数进行水体范围的提取。在Bandmath中输入水体指数法的计算公式:(float(b2-b5))/(b2+b5),其中b2、b

qq_41978498的博客 4万+

RSEI遥感生态指数实战:用ENVI和Landsat分析郑州20年生态变化

遥感生态评价中,单一植被指数难以全面反映城市生态质量变化。RSEI遥感生态指数通过主成分分析,耦合绿度、湿度、干度、热度四个指标,以数据自身分布确定权重,提供客观的综合生态评估。该指数尤其适用于长时序城市扩张监测,能够有效捕捉建成区扩张带来的生态退化与局部修复。基于Landsat系列影像,在ENVI中完成辐射定标、大气校正、四指标计算与主成分分析,即可实现RSEI构建与变化检测。本文以郑州2000-2019年为例,完整解析数据选取、预处理、参数设置及结果翻转等关键环节,为城市生态遥感评价和毕业论文研究提供可

weixin_33913332的博客 372

基于ENVI的Landsat影像RSEI遥感生态指数计算与2000-2019年多期对比实践

遥感生态评估中,单一植被指数难以全面反映城市生态质量,综合多维度指标的遥感生态指数(RSEI)逐渐成为监测热点。RSEI通过主成分分析自动融合绿度、湿度、热度与干度四类信息,避免了人为赋权的主观性,特别适合长时序城市扩展分析。ENVI作为主流遥感处理平台,结合Landsat系列30米分辨率、四十余年连续存档的免费数据,为区域生态变化研究提供了低成本高复现的技术路径。从辐射定标、大气校正到指标提取与主成分合成,一套规范的流程可迁移至不同城市与传感器。以郑州2000-2019年为例,多期RSEI对比能直观揭示城

weixin_34160277的博客 374

Python+GEE遥感开发之计算遥感生态指数RSEI

前言:遥感生态指数RSEI, 是一种使用卫星遥感影像数据通过反演计算得到的数据,可以用来对城市的生态状况进行快速监测和评价,该指数主要利用主成分分析方法,对植被指数、湿度、地表温度以及建筑指数四项指数指标进行集成。这个指数是由徐涵秋发明的,更多详细信息还请参考阅读:徐涵秋.城市遥感生态指数的创建及其应用[J].生态学报,2013,33(24):7853-7862.

等待着冬天的风的博客 4772

GEE计算遥感生态指数(RSEI)--Landsat 8为例

遥感生态指数、 RSEI、 水体掩膜、 主成分分析、 PCA、 Landsat、 GEE、 gee、

zqk的博客 3万+

【GEE中利用MODIS数据计算遥感生态指数RSEI】

结合 Google Earth Engine(GEE)遥感云计算平台和20期MODIS遥感影像提取绿度指标、湿度指标、干度指标和热度指标信息,通过主成分变换耦合各指标得到遥感生态指数(Remote Sensing Ecological Index,RSEI)

weixin_47779247的博客 5472

GEE计算遥感生态指数RSEI

归一化是通过 unitScale 方法完成的,该方法根据之前计算的最小和最大值将波段的像素值缩放到0到1的范围。归一化是将图像的像素值缩放到一个标准范围(通常是0到1)的过程,这有助于在不同图像或数据集之间进行比较和处理。合并归一化波段:最后,函数使用 toBands() 方法将所有归一化的波段重新组合成一个单一的图像,并使用 rename(img.bandNames()) 方法将波段重命名为原始波段名称。该函数用于将图像的每个波段归一化到0到1的范围,基于在ROI内计算的最小和最大值。

所有专家都曾始于新手 3621

GEE:关于遥感生态指数(RSEI)的若干疑问

本文记录了若干关于在 Google Earth Engine (GEE)平台上,计算基于主成分分析(PCA)的遥感生态指数(RSEI)的问题。并记录了解决这些问题的一些答案。问题包括,主成分分析的特征值的正负,主成分的占比,去云后空值像素的处理方法,异常值处理方法,如何看载荷等。

养乐多的博客 3401

Dify视觉模型节点避坑指南:我用Qwen2.5-VL做OCR识别时踩过的3个坑(及解决方案)

本文分享了使用Dify平台和Qwen2.5-VL视觉模型进行OCR票据识别时遇到的三个常见问题及解决方案,包括文件变量传递、结构化输出和条件分支判断失效。通过实战经验,帮助开发者优化多模态模型在财务自动化中的应用,提升OCR识别精度和效率。

weixin_29284885的博客 398

VINS-Fusion实战:从零搭建无人机视觉SLAM系统(附ROS配置全流程)

本文详细介绍了如何从零开始为无人机搭建基于VINS-Fusion的视觉SLAM系统。内容涵盖硬件选型(重点推荐双目相机与IMU搭配)、ROS环境配置、传感器标定、核心参数调优以及实际飞行测试与问题排解全流程,旨在帮助开发者实现稳定、精确的无人机自主定位与导航。

wasm7browser的博客 210

SIMPLIS仿真软件2.2-SIMPLIS快速入门2

SIMPLIS仿真软件2.2-SIMPLIS快速入门2导读 导读 本文承接上一篇文章。开始介绍SIMPLIS仿真部分。正如上一篇所讲的快速入门的定位,该文对SIMPLIS的三种分析模式不会很深入的讲解,只会记录下一些重要的设置和操作。对于SIMPLIS的三种分析模式的详细讲解,后面会专门撰写。如果读者还没有搭建上一篇文章中讲述的电路,那你可以点击这个链接免费下载所需的电路SIMPLIS_tutorial_buck_converter ,然后在这个电路的基础上继续进行以下操作。 ...

qq_44677482的博客 2万+

Zynq AXI DMA实战:5分钟搞懂S_AXIS_S2MM和M_AXIS_MM2S数据流(附Vivado配置截图)

本文通过Vivado实战配置,清晰解析了Zynq平台AXI DMA IP核中S_AXIS_S2MM和M_AXIS_MM2S数据流的核心概念与连接方法。文章重点阐述了数据流向、主从关系及接口命名规则,并提供了从ADC数据采集到DDR存储,再从DDR读取数据发送至DAC的完整双向数据流搭建指南,帮助工程师快速避坑。

weixin_29200741的博客 438

RDKit | 基于Murcko骨架聚类化合物库

化合物多样性评估 一种方法是使用合适的指纹技术将化合物矢量化并评估他们之间的距离。这种方法经常被使用,但是对于人类很难直观地理解化合物之间的距离。 基于Murcko骨架,分子大致聚集在化合物骨架中,并且每个簇中的顶部化合物都作为候选化合物。此方法非常符合人类的直觉,因此可以预期人将通过查看候选化合物列表来自动缩小化合物的范围。 Murcko骨架 Mur...

DrugOne 3757

强化学习在视觉导航中的应用

强化学习在视觉导航中的应用​ ,人工智能,计算机视觉,大模型,AI,强化学习(Reinforcement Learning, RL)是一种通过智能体(Agent)与环境进行交互,以最大化累积奖励为目标的机器学习范式。它不依赖于预定义的规则或大量标注数据,而是让智能体在试错过程中学习最优策略。计算机视觉(Computer Vision)则赋予智能体 “观察” 环境的能力,使其能够从图像或视频中提取有用信息。

不踩坑,不知道坑有多深;不总结,踩过的坑白踩。 22万+

Modbus RTU/TCP协议栈手写实现:主从站设计、功能码、CRC、异常响应

本文从协议栈架构、帧结构、功能码、CRC校验、异常响应、主从站设计等多个维度,完整阐述了Modbus RTU/TCP协议栈的手写实现方案。帧间隔机制是RTU的核心,T3.5超时检测决定了帧边界识别CRC16查表法以512字节ROM换取8倍性能提升,适合嵌入式功能码路由表实现可扩展的代码架构,便于新增功能异常响应机制保障协议健壮性,每个错误都有明确反馈Modbus TCP在RTU基础上增加MBAP头,实现以太网扩展多核RTOS环境下的并发访问与线程安全RS-485总线的电气隔离与浪涌保护。

从事移动开发八年,csdn博客专家,阿里云特邀专家,华为云云享专家,高级网络信息安全工程师,大数据工程师(高级),python技术开发(高级),HarmonyOS 应用开发者高级认证,现在某学校任教。 1万+

KEPServerEX 6 之驱动协议(UDD)实战 HTTP协议对接OpenWeatherMap天气 API全流程指南

本文分享了基于 KEPServerEX 6 的通用设备驱动(UDD)对接OpenWeatherMap天气API的实战方案。该方案针对工业物联网场景进行了深度优化,具有动态城市切换、运行时热配置、老旧JS引擎兼容等核心特性。文章详细介绍了从环境准备、脚本部署到Tag配置的全流程,重点解析了Legacy JS语法适配、Float类型安全处理等关键实现细节,并提供了完整的避坑指南和故障排查方法。该方案经过生产环境验证,可稳定实现气象数据采集与动态切换功能,适用于SCADA/MES系统集成场景。

-雲飛兄-博客 704

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

下一篇: 在校大学生如何注册并成功申请GEE账号

双11狂欢大促

盲盒赢 定制羽绒服

开启惊喜盲盒,抽取你的专属好礼

— 惊喜奖品抢先看 —
鸸蒲
博客等级 码龄8年 51粉丝 2原创
评论 28
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值