Landsat5 TM遥感影像反射率计算(NDVI计算)
ndvi公式范文
ndvi公式范文NDVI（Normalized Difference Vegetation Index）是一种常用的遥感指数，用于评估植被覆盖度和植被生长状况。
本文将介绍NDVI的计算公式，并探讨其在遥感领域中的应用。
NDVI是通过计算红外波段和可见光波段反射率之间的差异来评估植被状况的指数。
它利用了植物叶绿素对可见光的吸收以及红外波段中的反射，可以提供关于植被覆盖度和生长活力的信息。
NDVI的计算公式如下：NDVI = (NIR - Red) / (NIR + Red)其中，NIR代表近红外波段的反射率，Red代表红光波段的反射率。
这个公式的数值范围在-1到1之间，数值越高表示植被覆盖度越高，反之，数值越低表示植被覆盖度越低。
通过计算NDVI，可以得到一幅图像，其中不同颜色代表不同的植被状况。
通常情况下，绿色表示健康的植被，黄色和橙色表示受到一定程度的应力，红色表示植被覆盖度较低或者已经枯死。
NDVI在遥感领域有广泛的应用。
首先，它可以用于监测大规模的植被变化。
通过对不同时间段的NDVI图像进行比较，可以评估植被的生长情况，检测植被退化或者恢复的趋势。
这对于农业生产、森林管理和环境保护等领域具有重要的意义。
其次，NDVI可以用于评估植被覆盖度。
通过计算一个地区的平均NDVI值，可以得到该地区的植被覆盖度。
这对于城市规划和土地利用规划等方面具有指导意义。
例如，在城市绿化规划中，可以通过NDVI图像来评估不同地区的绿化水平，从而科学合理地规划绿化布局。
此外，NDVI还可以用于监测干旱和土地退化。
由于植被对水分的需求较高，当地区遭受干旱或者土地退化时，植被覆盖度会明显下降，这可以通过NDVI图像来观察和评估。
这对于制定灾害管理措施和保护生态环境具有重要的意义。
综上所述，NDVI是一种常用的遥感指数，可以通过计算红外波段和可见光波段之间的差异来评估植被状况。
它在大规模植被变化监测、植被覆盖度评估以及干旱和土地退化监测等方面具有广泛的应用前景。
ndvi计算公式 波段运算
ndvi计算公式波段运算彩色图像虽然能够直观地展示地表覆被情况，但是在遥感领域中，我们常常需要进一步分析地表植被的健康状况。
为了达到这个目的，科学家们引入了一种被广泛应用的指数，即归一化植被指数（NDVI）。
NDVI是一种基于多光谱数据计算的指数，常常用于估计和监测地表植被的绿度和生长状态。
计算NDVI的公式如下：NDVI = (NIR - RED) / (NIR + RED)其中，NIR代表近红外波段的反射率，RED代表红色波段的反射率。
这个公式的基本原理是建立在植物组织吸收红光和近红外光不同的基础上。
在NDVI的计算过程中，近红外波段被认为是植被明显反射的波段，而红色波段则是无论是植被还是非植被都会反射的波段。
因此，通过计算两个波段反射率之差，并将其归一化，我们可以得到一个范围在-1到1之间的NDVI值。
当NDVI接近1时，表示地表覆被以及植被活力非常高。
而当NDVI 接近0时，表示地表覆被以及植被活力较低。
同时，NDVI的负值通常代表非植被地表。
NDVI的广泛应用使得我们能够更好地了解植被的健康状况和分布情况。
例如，在农业领域，NDVI可以用来监测作物生长过程中的异常情况，帮助农民及时采取措施，提高农作物的产量和质量。
此外，NDVI还被应用于环境保护和自然资源管理领域。
通过对NDVI图像的分析，我们可以定量评估土地覆被变化、水体污染、森林退化等问题，为环境保护和资源管理决策提供科学依据。
综上所述，NDVI作为一种重要的指数，在遥感与地球观测领域发挥着重要作用。
通过计算不同波段的反射率，我们可以了解地表植被的健康状况，从而指导农业、环境保护和资源管理等领域的决策。
随着遥感技术的不断发展，NDVI的应用前景必将更加广阔。
ndvi计算公式及原理
ndvi计算公式及原理NDVI 全称是归一化植被指数（Normalized Difference Vegetation Index），这玩意儿在生态学、农业、气象学等好多领域都有着重要的应用。
咱们先来说说它的计算公式，其实很简单，就是：NDVI = (NIR - Red) / (NIR + Red) 。
这里面的 NIR 代表近红外波段的反射率，Red 呢则代表红光波段的反射率。
那为啥要用这么个公式呢？这背后的原理可有意思啦！植物在红光波段吸收的能量多，反射的少；而在近红外波段则反射的能量多。
通过计算这两个波段反射率的差异，就能反映出植被的生长状况和覆盖程度。
就拿我之前去一个农场考察的事儿来说吧。
那是一个挺大的农场，种了各种各样的农作物。
当时我带着仪器去测量不同区域的NDVI 值。
我走到一块玉米地旁边，发现那里的玉米长得特别茂盛，叶子绿油油的。
我用仪器一测，NDVI 值果然很高。
再走到一块因为缺水而有点枯黄的小麦地，测出来的 NDVI 值就明显低了很多。
NDVI 的应用那可真是广泛。
比如说在农业上，通过卫星遥感获取大面积农田的 NDVI 值，就能快速了解农作物的生长状况，看看是不是缺水了、缺肥了，或者是不是有病虫害的威胁。
这比农民伯伯们一块地一块地去查看可方便高效多了。
在生态学研究中，NDVI 可以帮助我们监测森林的变化，了解森林的健康状况，还能评估生态系统的恢复情况。
比如说，一片曾经被砍伐的森林，经过一段时间的保护和恢复，我们可以通过观察 NDVI 值的变化来判断恢复的效果怎么样。
而且，NDVI 还能在气象学中发挥作用。
干旱的时候，植被受到影响，NDVI 值会下降，这就能给气象部门提供一些关于干旱程度和范围的信息。
总之，NDVI 这个小小的计算公式，背后蕴含着大大的学问和实用价值。
它就像是我们观察植被世界的一双神奇的眼睛，让我们能够更清楚地了解大自然的变化和生命的律动。
希望通过我上面的介绍，您能对 NDVI 的计算公式和原理有一个比较清晰的认识啦！。
landsat 5 ndvi 指数
landsat 5 ndvi 指数Landsat 5是美国国家航空航天局（NASA）和美国地质调查局（USGS）于1984年发射的一颗卫星，主要用于地球遥感。
NDVI （Normalized Difference Vegetation Index）是一种常用的遥感指数，用于评估植被生长和植被覆盖的程度。
在这篇文章中，我们将详细介绍Landsat 5 NDVI指数。
NDVI指数通过计算红外波段和可见光波段的反射率之差来评估植被的状况。
在Landsat 5卫星上，可见光波段包括蓝色（0.45 - 0.52微米）、绿色（0.52 - 0.60微米）和红色（0.63 - 0.69微米）波段，红外波段包括近红外（0.76 - 0.90微米）波段。
NDVI指数的计算公式如下：NDVI = (NIR - RED) / (NIR + RED)其中，NIR代表近红外波段的反射率，RED代表红色波段的反射率。
NDVI指数的取值范围为-1到1之间，数值越高表示植被覆盖越好。
Landsat 5卫星的数据在地理信息系统（GIS）和环境领域有着广泛的应用。
通过NDVI指数，我们可以监测植被的生长和覆盖变化，了解农作物的状况以及自然植被的分布和健康状况。
使用Landsat 5数据计算NDVI指数可以帮助我们研究不同地区的植被覆盖差异。
例如，在农业领域，NDVI指数可以用来评估不同农作物的生长状况。
植物的绿叶通常会吸收可见光，而反射红外光。
因此，NDVI指数的数值越高，意味着农作物的生长状况越好。
农民可以根据NDVI指数的变化来判断作物的健康状况，并采取相应的措施来提高产量。
除了农业领域，NDVI指数还可以用于评估自然植被的覆盖变化。
例如，在林业领域，研究人员可以使用NDVI指数来监测森林的生长和植被的分布。
通过比较不同时间点的NDVI指数图像，我们可以了解森林的健康状况以及植被的生长速度。
这对于森林管理者来说是非常有价值的信息，可以帮助他们做出科学的决策。
ndvi和ndwi的计算公式
ndvi和ndwi的计算公式NDVI和NDWI的计算公式植被指数是遥感图像处理中常用的指标之一，主要用于衡量植被的生长状况和覆盖程度。
其中，NDVI（Normalized Difference Vegetation Index）和NDWI（Normalized Difference Water Index）是常见的植被指数。
本文将介绍它们的计算公式和相关应用。
一、NDVI的计算公式NDVI是通过计算可见光波段和近红外波段的反射率差异来衡量植被状况的指数。
其计算公式如下：NDVI = (NIR - Red) / (NIR + Red)其中，NIR表示近红外波段的反射率，Red表示红光波段的反射率。
计算结果的取值范围在-1到1之间，数值越高表示植被覆盖度越高，数值越低表示植被覆盖度越低。
二、NDWI的计算公式NDWI是通过计算绿光波段和近红外波段的反射率差异来衡量水体分布的指数。
其计算公式如下：NDWI = (Green - NIR) / (Green + NIR)其中，Green表示绿光波段的反射率，NIR表示近红外波段的反射率。
计算结果的取值范围也在-1到1之间，数值越高表示水体分布越广泛，数值越低表示水体分布越有限。
三、NDVI与NDWI的应用1. 植被监测与评估NDVI可以用于植被监测和评估，例如农作物生长状况的监测、森林覆盖度的评估等。
通过分析NDVI的数值变化，可以及时发现植被健康状况的变化，为农业生产和生态环境保护提供科学依据。
2. 水资源管理NDWI可以用于水资源的监测与管理，例如湖泊水质的评估、河流洪水的监测等。
通过分析NDWI的数值，可以判断水体分布的情况，及时发现水资源的变化和异常，为水资源的合理利用和保护提供决策支持。
3. 土地利用规划NDVI和NDWI可以用于土地利用规划，例如城市绿化评估、湿地保护定级等。
通过分析NDVI和NDWI的空间分布，可以了解地表覆盖的情况，为土地利用规划和生态环境保护提供参考。
遥感常用ndvimndwi、ndbi等三个指数的计算及landsat应用
N D V INDVI,植被覆盖指数。
应用于检测植被生长状态、植被覆盖度和消除部分辐射误差等。
中文名归一化差分植被指数外文名Normalized Difference Vegetation Index简????称NDVI影响因素植物的蒸腾作用、太阳光的截取简介NDVI（Normalized Difference Vegetation Index,归一化差分植被指数,标准差异植被指数)，也称为生物量指标变化，可使植被从水和土中分离出来。
表达式：，NIR 和R分别为近红外波段和红波段处的反射率值。
[1]和植物的蒸腾作用、太阳光的截取、光合作用以及地表等密切相关。
特点1、NDVI 能够部分消除与太阳高度角、卫星观测角、地形、云影等与大气条件有关的辐射变化的影响；[1]2、NDVI 结果被限定在[-1，1]之间，避免了数据过大或过小给使用带来的不便；[1]3、NDVI 是植被生长状态及植被覆盖度的最佳指示因子；[1]4、非线性变换，增强了NDVI 低值部分，抑制了高值部分，导致NDVI数值容易饱和，对高植被密度区敏感性降低：表1Landsat7 Landsat8卫星对比NDWINDWI(Normalized Difference Water Index,水指数)，用的特定波段进行归一化差值处理，以凸显影像中的水体信息。
目前对于NDWI有S. K. McFEETERS和Bo-cai Gao的两种不同做法，且都于1996年发表在权威国际遥感学术杂志上。
对于NDWI的命名尚有争议。
在1996年提出的差分水体指数（NDWI）[1]其表达式为：NDWI =(p(Green)-p())/(p(Green)+p(NIR))是基于绿波段与波段的归一化比值指数。
该NDWI一般用来提取影像中的水体信息，效果较好。
局限性：用NDWI来提取有较多建筑物背景的水体，如城市中的水体，其效果会较差。
2. Gao于1996年也命名了一个NDWI[2]?，用于研究植被的含水量。
TM数据预处理（DN转表观反射率）
TM 数据预处理（DN 转表观反射率）⼀般我们拿到的TM 数据都是灰度值（DN 值），必须转换为反射率才能进⾏运算（⽐如NDVI 运算），否则是不严密的。
由灰度值转换为反射率的过程为：具体过程：1、DN 转辐射能量值公式为： =DN*gain bias 其中L 为地物在⼤⽓顶部的辐射能量值，单位为 ；DN 为样本的灰度值，gain 和bias 分别为图像的增益与偏置，可从图像的头⽂件中读取(需要经过转换)，头⽂件⼀般与原始数据⼀起提供。
在ENVI 中可以这么做：打开原始影像，⽤basic tools->preprocessing ->general purpose utilities->apply gain and offset ,并选中要进⾏转换的波段，弹出如下对话框：从头⽂件中读取该波段的gain 和biases 值：也可查看固定值，如下表: Landsat5和Landsat7各波段光谱通道的增益和偏置 单位：W/m2. ster.µmTable4 the Gains and Biases of L5 and L7 unit: W/m2. ster.µm1750波段号BandNumberL5 TM1990/1991L7 ETM 2001/2002增益GAINS 偏置BIASES 增益GAINS 偏置BIASES B10.99992-0.01000 1.18070871-7.38070852B22.42430-0.02320 1.20984250-7.60984259B31.36344-0.007800.94251966-5.94251966B42.62901-0.019300.96929136-6.06929127B50.58771-0.008000.19122047-1.19122047B63.201070.25994 B70.38674-0.004000.06649607-0.41649606详见《基于TM/ETM 遥感数据的地⾯相对反射率反演》在头⽂件中．虽然指明是“GAINS ／BIASES”，但是．数值的含义与实际并不相同。
NDVI不同计算方法
各种不同方法计算遥感图像的NDVI值内容：方法一使用遥感图像的DN值计算步骤：网上下载LANDSAT 5号星TM影像(L511903420060817)，合成多波段一副图像，打开 >> transform >> NDVI生成第一幅DN值NDVI图像方法二光谱亮度值计算NDVI步骤：使用公式;L=（Lmin - Lmax）/(Qmax – Qmin )*(Qdn - Qmin)+Lmin其中Lmin、Lmax、Qmax、Qmin在下载图像的头文件中可以找到Basic Tools >> Band Math >> 输入上面的公式计算得到各波段的光谱亮度值，合成多波段图像打开 >> transform >> NDVI 生成第二幅光谱亮度值NDVI图像方法三光谱反射率计算NDVI儒略日计算：JD=1721103.5+INT(365.25*Y)+INT(30.6*M+0.5)+D日地距离计算：D=1 - 0.01674 *cos(0.9856*(JD-2451545)*π/180/36525) 其中 Y M D 分别为年月日图像时间为2006-08-17 最后计算JD=2453965 D=0.98326光谱反射率计算公式P=π*L*D^2/Esun/cos(Qs)其中 Qs为太阳天顶角、Esun为传感器光谱辐照度、L为光谱亮度值、D为日地距离Basic Tools >> Band Math >> 输入上面的公式计算得到各波段的光谱反射率值，合成多波段图像打开 >> transform >> NDVI 生成第三幅光谱亮度值NDVI图像分析：将三种方法计算所得NDVI图像全部打开，连接Tool >> link 观察相同位置下不同计算方法下的图像数据显示，如下图《三种方法计算的NDVI结果比较（01、02、03）》可得出结论1、可通过NDVI 值观察植被生长状态、植被覆盖度和消除部分辐射误差；2、-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，正值，表示有植被覆盖，且随覆盖度增大而增大；3、NDVI 能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关；。
公式——精选推荐
公式1.植被覆盖度：(b1 gt 0.864884)*1+(b1 lt 0.226844)*0+(b1 ge 0.226844 and b1 le 0.864884)*((b1-0.226844)/(0.864884-0.226844))b1:选择NDVI图像2.地表⽐辐射率数据:(b1 le 0.0)*0.995+(b1 gt 0.0 and b1 lt 0.7)*(0.9589+0.086*b2-0.0671*b2^2)+(b1 ge 0.7)*(0.9625+0.0614*b2-0.0461*b2^2)b1：NDVI值； b2：植被覆盖度值3.植被盖度:植被覆盖度是根据前⼈研究的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。
注：当NDVI⼩于NDVImin，FC取值为0,NDVI⼤于NDVImax，FC取值为1。
4.Rikimaru［19］在1996 年提出了裸⼟指数( baresoil index，BSI) ，其模型的表达式为:BSI=((B5+B3)-(B4+B1))/((B5+B3)+(B4+B1))5.MNDWI为修正归⼀化⽔体指数图像的灰度值:MNDWI = (B2-B5)/(B2+B5)6.增强型的裸⼟指数( enhancedbare soil index，EBSI ) ，其模型的表达式为EBSI = ( BSI － MNDWI) /( BSI + MNDWI) 。
式中: BSI 为裸⼟指数图像的灰度值; MNDWI为修正归⼀化⽔体指数图像的灰度值。
(注：4-6统⼀采⽤B1表⽰蓝光波段( TM1) 的反射率，B2表⽰绿光波段( TM2) 的反射率，B3表⽰红光波段( TM3) 的反射率，B4表⽰近红外波段( TM4) 的反射率，B5表⽰短波红外波段( TM5) 的反射率，B7表⽰短波红外波段( TM7) 的反射率。
ENVI下 地表植被覆盖度计算 ——以烟台芝罘区为例
芝罘区植被覆盖度的遥感估算研究目的：根据landsat5号行数据，计算出归一化植被指数NDVI来估算烟台芝罘区植被覆盖度，研究芝罘区地表植被覆盖状况。
原理与方法：➢NDVI——归一化植被指数NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。
1．NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等；2．-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大3．NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。
对于同一幅图象，分别求RVI和NDVI时会发现，RVI 值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度；4．NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、雪、枯叶、粗糙度等，且与植被覆盖有关➢目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。
下面是李苗苗等在像元二分模型的基础上研究的模型：VFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil) （1）其中, NDVIsoil 为完全是裸土或无植被覆盖区域的NDVI值，NDVIveg 则代表完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。
两个值的计算公式为：NDVIsoil=（VFCmax*NDVImin- VFCmin*NDVImax）/( VFCmax- VFCmin) （2）NDVIveg=（(1-VFCmin)*NDVImax- (1-VFCmax)*NDVImin）/( VFCmax- VFCmin) （3）利用这个模型计算植被覆盖度的关键是计算NDVIsoil和NDVIveg。
这里有两种假设：1）当区域内可以近似取VFCmax=100%，VFCmin=0%。
遥感常用ndvimndwindbi等三个指数的计算及landsat8应用
NDVINDVI,植被覆盖指数。
应用于检测植被生长状态、植被覆盖度和消除部分辐射误差等。
中文名归一化差分植被指数外文名Normalized Difference Vegetation Index简称NDVI影响因素植物的蒸腾作用、太阳光的截取简介NDVI（Normalized Difference Vegetation Index,归一化差分植被指数,标准差异植被指数)，也称为生物量指标变化，可使植被从水和土中分离出来。
表达式：，NIR 和R分别为近红外波段和红波段处的反射率值。
[1]和植物的蒸腾作用、太阳光的截取、光合作用以及地表净初级生产力等密切相关。
特点1、NDVI 能够部分消除与太阳高度角、卫星观测角、地形、云影等与大气条件有关的辐射变化的影响；[1]2、NDVI 结果被限定在[-1，1]之间，避免了数据过大或过小给使用带来的不便；[1]3、NDVI 是植被生长状态及植被覆盖度的最佳指示因子；[1]4、非线性变换，增强了NDVI 低值部分，抑制了高值部分，导致NDVI数值容易饱和，对高植被密度区敏感性降低：表1Landsat7 Landsat8卫星对比NDWINDWI(Normalized Difference Water Index,归一化水指数)，用遥感影像的特定波段进行归一化差值处理，以凸显影像中的水体信息。
目前对于NDWI有S. K. McFEETERS和Bo-cai Gao的两种不同做法，且都于1996年发表在权威国际遥感学术杂志上。
对于NDWI 的命名尚有争议。
1.Mcfeeters在1996年提出的归一化差分水体指数（NDWI）[1]其表达式为：NDWI =(p(Green)-p(NIR))/(p(Green)+p(NIR))是基于绿波段与近红外波段的归一化比值指数。
该NDWI一般用来提取影像中的水体信息，效果较好。
局限性：用NDWI来提取有较多建筑物背景的水体，如城市中的水体，其效果会较差。
计算反射率
像元的亮度值代表地面的光谱反射率的相对大小。
注意利用头文件资源，利用头文件中记录的辐射校正参数，用户可方便地计算出地物在大气顶部的辐射亮度或反射率。
计算式如下：L = gain * DN + biasr = πL ds2 / (E0 cosq)其中：L是地物在大气顶部的辐射亮度，DN是象元值，gain和bias可从头文件中得到，r 是地物反射率，ds是日地天文单位距离，E0太阳辐照度，q是太阳天顶角。
另：对热红外波段(6L和6H)，可用下列公式计算地物的传感器温度(K。
)：T=K2/(ln((K1+K6)/K6))其中：L6是由上式给出的地物在大气顶部的辐射亮度，K1和K2是计算常数，分别为K1 = 666.093 W/m2 . ster .μm，K2 = 1282.7108 K。
卫星遥感中可见光波段常出现以下几个概念1、反射率：是指任何物体表面反射阳光的能力。
这种反射能力通常用百分数来表示。
比如说某物体的反射率是45%，这意思是说，此物体表面所接受到的太阳辐射中，有45%被反射了出去.英文表示：Reflectance2、地表反射率：地面反射辐射量与入射辐射量之比，表征地面对太阳辐射的吸收和反射能力。
反射率越大，地面吸收太阳辐射越少；反射率越小，地面吸收太阳辐射越多，表示：surface albedo3、表观反射率：表观反射率就是指大气层顶的反射率,辐射定标的结果之一，大气层顶表观反射率，简称表观反射率，又称视反射率。
英文表示为：apparent reflectance4、行星反射率：从文献“一种实用大气校正方法及其在ＴＭ影像中的应用”中看到“卫星所观测的行星反射率（未经大气校正的反射率）”；在“基于地面耦合的TM影像的大气校正-以珠江口为例”一文有“该文应用1998年的LANDSAT5 TM影像,对原始数据进行定标、辐射校正,求得地物的行星反射率”。
因此行星反射率就是表观反射率。
英文表示：planetary albedo5、反照率：反照率是指地表在太阳辐射的影响下，反射辐射通量与入射辐射通量的比值。
遥感常用ndvimndwindbi等三个指数的计算及landsat应用
遥感常用ndvimndwindbi等三个指数的计算及landsat应用遥感常用n d v i m n d w i n d b i等三个指数的计算及l a n d s a t应用TTA standardization office【TTA 5AB- TTAK 08- TTA 2C】N D V INDVI,植被覆盖指数。
应用于检测植被生长状态、植被覆盖度和消除部分辐射误差等。
中文名归一化差分植被指数外文名Normalized Difference Vegetation Index简称NDVI影响因素植物的蒸腾作用、太阳光的截取简介NDVI（Normalized Difference Vegetation Index,归一化差分植被指数,标准差异植被指数)，也称为生物量指标变化，可使植被从水和土中分离出来。
表达式：，NIR 和R分别为近红外波段和红波段处的反射率值。
[1]和植物的蒸腾作用、太阳光的截取、光合作用以及地表等密切相关。
特点1、NDVI 能够部分消除与太阳高度角、卫星观测角、地形、云影等与大气条件有关的辐射变化的影响；[1]2、NDVI 结果被限定在[-1，1]之间，避免了数据过大或过小给使用带来的不便；[1]3、NDVI 是植被生长状态及植被覆盖度的最佳指示因子；[1]4、非线性变换，增强了NDVI 低值部分，抑制了高值部分，导致NDVI数值容易饱和，对高植被密度区敏感性降低：表1Landsat7 Landsat8卫星对比NDWINDWI(Normalized Difference Water Index,水指数)，用的特定波段进行归一化差值处理，以凸显影像中的水体信息。
目前对于NDWI有S. K. McFEETERS和Bo-cai Gao的两种不同做法，且都于1996年发表在权威国际遥感学术杂志上。
对于NDWI 的命名尚有争议。
在1996年提出的差分水体指数（NDWI）[1]其表达式为：NDWI =(p(Green)-p())/(p(Green)+p(NIR))是基于绿波段与波段的归一化比值指数。
landsat5计算n公式
landsat5计算n公式
Landsat 5是一颗卫星，主要用于地球观测和遥感。
在遥感领域，我们经常使用不同波段的数据来计算一些地表特征。
一种常见
的计算是计算归一化植被指数（NDVI），它可以帮助我们了解植被
覆盖情况。
NDVI的计算公式如下：
NDVI = (NIR RED) / (NIR + RED)。
其中，NIR代表近红外波段的反射值，而RED代表红色波段的
反射值。
这个公式可以帮助我们衡量植被的状况，数值范围一般在-
1到1之间，数值越高代表植被覆盖越好。
除了NDVI，还有其他一些常见的遥感指数，比如土地覆盖分类、水体监测等，它们都有各自的计算公式。
在使用Landsat 5数据进
行遥感分析时，需要根据具体的研究目的选择合适的指数，并使用
相应的计算公式进行数据处理和分析。
除了遥感指数，Landsat 5的数据还可以用于地表温度计算、
植被指数计算、土地利用分类等多种用途。
不同的计算公式和方法
可以帮助我们从卫星数据中获取丰富的地表信息，对于环境监测、
资源管理、灾害监测等方面都具有重要意义。
总之，Landsat 5数据的计算公式取决于具体的研究目的和所需的地表特征。
通过合适的计算公式和方法，我们可以从卫星数据中获取丰富的地表信息，为各种领域的研究和应用提供支持。
NDVI与FC计算公式
NDVI与FC计算公式NDVI(归一化植被指数)计算公式是一种用来评估遥感图像中植被分布和生长状况的指标。
通过计算遥感图像中红光和近红外波段的反射率，可以得出NDVI的值。
下面是NDVI计算公式：NDVI=(NIR-RED)/(NIR+RED)其中，NIR代表近红外波段的反射率，RED代表红光波段的反射率。
这个公式是通过计算近红外波段和红光波段的反射率之差除以两者之和得出的。
NDVI的取值范围在-1到+1之间，其中0表示无植被，接近+1表示高密度植被。
FC(覆盖度)是指表面上被植被所覆盖的程度。
覆盖度的计算公式可以有多种方法，下面介绍两种常用的方法。
第一种方法是使用遥感图像中植被的像元个数与总像元个数之比来计算覆盖度。
公式如下：FC=(植被像元个数)/(总像元个数)*100%其中，植被像元个数是指图像中植被类别像元的数量，总像元个数是指整个图像范围内的像元数量。
通过这种方法可以得到植被覆盖的百分比。
第二种方法是使用遥感图像中植被像元的面积与总面积之比来计算覆盖度。
公式如下：FC=(植被像元面积)/(总面积)*100%其中，植被像元的面积是指图像中植被类别像元的总面积，总面积是指整个图像范围内的总面积。
通过这种方法可以得到植被覆盖的百分比。
需要注意的是，NDVI和FC的计算公式都是基于遥感图像数据的分析方法。
在实际应用中，需要利用遥感图像处理软件或编程语言来计算NDVI和FC的值。
同时，在计算过程中需要保证输入的图像数据正确无误，并且满足计算公式的要求。
NDVI和FC的计算公式是遥感图像分析中重要的工具，可以帮助研究人员和决策者了解植被的分布、生长状况以及土地覆盖情况，为环境保护、农业管理和资源规划提供科学依据。
NDVI计算和温度反演流程
一．NDVI计算流程（1）通过File→Open Image File 打开影像（后缀为_MTL.txt影像）由于已将9个波段影像进行整合，因此打开该文件会打开所有波段影像。
（2）在计算NDVI之前要先对遥感影像进行定标（数据预处理）：主菜单→Basic Tools→Preprocessing→Calibration Utilities→Landsat Calibration→选择包含3、4波段（6个波段）的MTL.txt →OK （如下图所示）用于计算NDVI的波段影像辐射定标Calibration Type应选择Reflectance（反射率）。
本文研究选取的Landsat /TM 遥感影像, 共有7 个波段, 其中TM3(波长0.63～0.69gm)为红光波谱段, 为叶绿素主要吸收波段; TM4(波长0.76 ～O.90gm)为近红外波谱段, 对绿色植被的差异敏感, 为植被通用波段。
NDVI=(NIR- R)/ (NIR+R) (其中NIR 代表近红外波段反射率, R 代表红光波段反射率)。
因此要选含有3、4波段的文件。
（3）计算NDVI主菜单→Transform →NDVI →如下图→OK在NDVI Band选项中，系统会自动的读取红光波段为3，近红外波段为4。
（4）重复步骤（1）、（2）、（3），对四个季节的TM影像进行NDVI值的计算。
二．温度反演流程通过File→Open Image File 打开影像（后缀为_MTL.txt影像）（1）对遥感影像进行定标（数据预处理）：主菜单→Basic Tools→Preprocessing→Calibration Utilities→Landsat Calibration →选择热红外波段影像（B61、B62）的MTL.txt →Spectral Subset→选择Band 61 →OK （如下图所示）实现热红外数据的传感器定标。
这里的Calibration Type应选择Radiance（辐射率）。
landsat 5 ndvi 指数
landsat 5 ndvi 指数Landsat 5卫星是美国国家航空航天局（NASA）和美国地质调查局（USGS）合作开发的一颗陆地观测卫星，于1984年3月1日发射升空。
它的主要任务是监测地球表面的变化，尤其是农业、森林、草原和湖泊等生态系统的变化。
NDVI（Normalized Difference Vegetation Index）是一种被广泛使用的遥感指数，用来评估和监测植被覆盖度的变化。
本文将介绍Landsat 5 NDVI指数的原理、应用和意义。
首先，我们来了解一下NDVI指数的原理。
NDVI指数是通过计算可见光和近红外波段的比值来衡量植被覆盖度的指标。
通常来说，植被在可见光（通常是红色波段）吸收较多的光能，而辐射更多的光能在近红外波段。
因此，植被覆盖越多，NDVI值越高。
NDVI指数的计算公式如下：NDVI = (近红外波段反射率-红光波段反射率) / (近红外波段反射率+红光波段反射率)接下来，我们来谈谈Landsat 5卫星对NDVI指数的应用。
Landsat 5卫星搭载了多种传感器，包括TM（Thematic Mapper）和MSS（MultiSpectral Scanner）等传感器，能够获取多个波段的遥感数据。
通过对这些数据进行处理，可以计算出每个像素点的NDVI值。
这些NDVI值可以用来分析、比较和监测不同地区或同一地区的植被覆盖度的变化。
Landsat 5 NDVI指数在农业领域有着广泛的应用。
通过追踪和监测植被覆盖度的变化，农民可以及时了解农作物的生长状况，并采取相应的措施来提高农作物的产量和质量。
例如，通过NDVI指数可以确定农田中的植被生长情况，进而评估土壤中的养分含量和潜在的产量。
此外，NDVI指数还可以用来提醒农民进行灌溉，以确保农作物得到足够的水分。
除了农业，Landsat 5 NDVI指数在环境保护和自然资源管理方面也有着重要的应用价值。
通过监测森林、湖泊和草地等生态系统的植被覆盖度变化，可以了解到这些生态系统的健康状况和受到的干扰情况。
landsat 5 ndvi 指数 -回复
landsat 5 ndvi 指数-回复什么是Landsat 5 NDVI指数？Landsat 5 NDVI指数是一种用于遥感图像分析的指数，用来评估植被的生长情况和健康状况。
NDVI是“归一化植被指数”的缩写，是表征植被覆盖程度和生长状态的重要指标。
由于Landsat 5卫星搭载了多光谱传感器，因此可以获得适用于计算NDVI的波段数据，这使得Landsat 5 NDVI 指数成为了一种广泛应用于农业、林业、生态学等领域的遥感分析方法。
如何计算Landsat 5 NDVI指数？Landsat 5 NDVI指数计算涉及到从遥感影像中提取出的红光和近红外波段反射率。
红光波段的反射率用R表示，近红外波段的反射率用NIR表示。
计算公式如下：NDVI = (NIR - R) / (NIR + R)接下来，我们将一步一步详细解释如何计算Landsat 5 NDVI指数。
第一步：获取Landsat 5遥感影像在计算Landsat 5 NDVI指数之前，首先需要获取Landsat 5遥感影像数据。
这可以通过遥感数据提供商、地球观测系统数据分发中心（EOSDIS）等渠道来获得。
第二步：预处理遥感影像在计算Landsat 5 NDVI指数之前，需要对遥感影像进行预处理，以确保数据的准确性和一致性。
预处理步骤包括大气校正、亮度校正、几何校正等。
这些步骤可以使用专业的遥感图像处理软件来完成。
第三步：提取红光和近红外波段数据接下来，从Landsat 5遥感影像中提取出红光和近红外波段的反射率数据，分别用R和NIR表示。
第四步：计算NDVI指数使用上述提取到的红光和近红外波段反射率数据，按照NDVI指数的计算公式进行计算。
将得到的结果进行归一化，通常将结果转换为-1到1之间的范围。
第五步：应用NDVI指数计算得到NDVI指数后，可以将其应用于不同的领域。
例如，在农业中，NDVI指数可以用于评估植被的生长和健康状况，以确定灌溉需求和施肥计量。
表观反射率(反射率、反照率)的计算
During 1G product rendering image pixels are converted to units of absolute radiance using 32 bit floating point calculations. Pixel are then scaled to byte values prior to media output. The following equation is used to convert DN's in a 1G product back to radiance units:
1957
1826
1554
1036
215
80.67
两步合为一步计算如下：
i
D2
L ma x Lmin
(QCAL QCAL min ) L min
ESUN Cos( ) QCAL max QCAL min
(i为第 i波段）
对于 Landsat-7 上试简化为：
i
D2
Lmax L min
ESUN Cos( ) 254
watts/(meter squared * ster *
μm)
QCALMIN = the minimum quantized calibrated pixel value
(corresponding to LMIN = 1 (LPGS Products) = 0 (NLAPS Products)
3
-4.5
235.5 -4.5
158.6
-5.0
234.4
-5.0
152.9
4
-4.5
235.5 -4.5
157.5