5-专题：基于遥感的自然生态环境监测PPT课件

1、专题一：基于遥感的自然生态环境监测,专题背景,随着社会的不断发展，人们对自然生态环境质量的重视程度逐渐提高。本专题介绍应用遥感技术进行自然生态环境的评价,专题概述,专题中应用10米的spot和TM融合影像，提取相关生态因子，应用较成熟的自然生态环境评价模型完成整个自然生态环境评价流程。 专题涉及植被覆盖度计算、地形因子提取等内容 所用功能模块 除了使用ENVI主模块功能外 还需要用到大气校正扩展模块中的快速大气校正工具（QUAC） 说明：本专题由于数据的原因，最终结果精度不一定很高。旨在学习生态环境监测的流程及ENVI相关工具的应用,处理流程,流程说明,专题数据 已经过基本预处理的TM-SPO

2、T融合影像和DEM数据 生态因子选取 对经过基本预处理的数据进行快速大气校正 本专题选取植被、土壤、地形三个最基本的要素作为评价区域自然生态环境的生态因子 以“植被盖度”和“土壤指数”作为植被和土壤的生态因子，“坡度”作为地形因子。统一将这些生态因子进行归一化处理 自然生态环境评价方法 本专题选择的是指数法与综合指数法,进入专题,数据： 15-自然生态环境监测,1、大气校正,大气校正,这个过程使用ENVI中的快速大气校正工具完成，这个工具的大气校正结果一般是基于物理模型精度的15%。 数据：9-监督分类 sub-TM-Spot-GS.img,2、生态因子生成,2.1 植被盖度生成,植被覆盖度是

3、根据前人研究的NDVI估算模型： FC=(NDVI-NDVImin)/(NDVImax-NDVImin) 其中NDVI是归一化指标指数，NDVImax表示区域最大NDVI值，NDVImin表示区域最小的NDVI值。 由于图像中不可避免的存在着噪声，NDVImax和NDVImin并不一定是最大NDVI值和最小的NDVI值，可以根据直方图分别取两头“拐点处”的值,结果存放在：15-自然生态环境监测中间结果植被覆盖度.img,2.2 土壤指数生成,土壤指数同样采用前人研究的模型裸土植被指数（GRABS）（杨存建，刘纪远，2002）： GRABS = VI-0. 09178 BI+ 5. 58959。

4、 VI和BI分别为穗帽变换的绿度指数和土壤亮度指数。BI和VI指数可分别用来评价裸土和植被的行为，VI指数与不同植被覆盖有较大的相关性，土壤亮度对植被指数有相当大的影响，裸土信息变化的主要部分是由它们的亮度造成的，故由 BI和 VI线性组合形成的裸土植被指数能很好地反映土壤的裸露情况,结果存放在：15-自然生态环境监测中间结果土壤指数.img,2.3 坡度生成,地形模型计算,结果存放在：15-自然生态环境监测中间结果坡度.img,2.4 生态因子归一化(一、概述,评价因子生成之后，直接用它们去进行评价是比较困难的，因为各指标项的量纲不一致， 所以没有可比性。 各指标的量化分值依其对生态环境质量

5、的贡献程度， 采用统一顺序原则， 即按照它们对生态环境正向影响的大小，从高到低分为若干级，对环境质量贡献越大，编码值越大，反之则编码值越小。 各个参评因子数据经过归一化化后是一组反映其属性特征的数值，其值介于11 0 之间,2.4 生态因子归一化（二、植被覆盖度,植被覆盖度 根据实际情况， 植被对生态环境质量的贡献程度，依据植被的覆盖度分为10级，覆盖度越大编码值越大,根据实际情况， 植被对生态环境质量的贡献程度，依据植被的覆盖度分为10级，覆盖度越大编码值越大,2.4 生态因子归一化（三、土壤指数,土壤指数 土壤的组成与土壤侵蚀等现象息息相关，这里采用的是裸土植被指数作为土壤因子，同样将裸土

6、植被指数值划分为10级，如果质量越好编码值越大,根据实际情况， 植被对生态环境质量的贡献程度，依据植被的覆盖度分为10级，覆盖度越大编码值越大,2.4 生态因子归一化（四、地形因子,地形因子 坡度对水土流失影响最大。一般情况下，侵蚀量和坡度成正相关，将工程区划分10级坡度类型，按坡度越低越有利于土地资源利用的原则，较低的坡度区赋予较高分值,根据实际情况， 植被对生态环境质量的贡献程度，依据植被的覆盖度分为10级，覆盖度越大编码值越大,2.4 生态因子归一化,确定好归一化对照表后，利用ENVI下的密度分割工具进行归一化处理,根据实际情况， 植被对生态环境质量的贡献程度，依据植被的覆盖度分为10级，覆盖度越大编码值越大,分割区间文件存放在：15-自然生态环境监测中间结果*.dsr 结果文件存放在：15-自然生态环境监测*-10.img,3、生态环境评价,3 生态环境评价,本专题选择的评价模型是指数法与综合指数法： E=W1 *Sv+W2 *Ss +W3 *St W1=0.7，W2=0.2，W3=0.1,3 生态环境评价,密度分割 分类图输出 矢量裁剪 结果统计 制图,专题总结,该专题利用与Spot数据融合后的10米TM数据与DEM，通过各