Please wait a minute...
国土资源遥感  2020, Vol. 32 Issue (1): 90-97    DOI: 10.6046/gtzyyg.2020.01.13
     技术方法 本期目录 | 过刊浏览 | 高级检索 |
大气校正前后山地流域NDVI变化特征对比
程东亚,李旭东()
贵州师范大学地理与环境科学学院,贵阳 550025
Comparison of change characteristics of NDVI in mountain basin before and after atmospheric correction
Dongya CHENG,Xudong LI()
School of Geography and Environmental Science, Guizhou Normal University, Guiyang 550025, China
全文: PDF(5527 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 

大气校正是遥感影像处理的重要环节,探究大气校正前后归一化植被指数(normalized difference vegetation index,NDVI)特征及其地形梯度特征具有一定理论意义。以贵州省境内包溪河流域为例,基于Landsat8遥感影像和FLAASH大气校正,探究NDVI分等级和分地形计算误差。得出以下结论: ①未进行大气校正所得NDVI在空间上总体被低估; ②未经大气校正所得NDVI不能反映各阶段趋势和比例关系,存在严重偏差,NDVI>0.6时绝对误差超过20%; ③大气校正与否影响各海拔NDVI变化趋势和数值高低,海拔在1 000 m以下时绝对误差上升,其后波动下降; ④大气校正与否对各坡度NDVI趋势和数值均有影响,随坡度上升,绝对误差先上升后下降,坡度在[45°,50°)时绝对误差最大; ⑤大气校正与否对各坡向NDVI趋势均有影响,西坡绝对误差最大,东坡最小。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
程东亚
李旭东
关键词 NDVI地形梯度特征大气校正包溪河流域山地流域    
Abstract

Atmospheric correction is an important part of remote sensing image processing. It is of theoretical significance to explore the characteristics of normalized difference vegetation index (NDVI) and its terrain gradient before and after atmospheric correction. This paper draws the following conclusions: ① The NDVI obtained without atmospheric correction is generally underestimated in space. ② The NDVI obtained without atmospheric correction cannot reflect the trend and proportional relationship of each stage. The NDVI without atmospheric correction has serious deviation, and the NDVI is more than 0.6. The absolute error is over 20%. ③ Whether the atmospheric correction is made or not affects the NDVI change trend and the numerical value of each altitude; the absolute error increases below 1 000 m, and the absolute error fluctuation decreases thereafter. ④ Whether the atmospheric correction is made or not has an effect on the slope NDVI trend and value; as the slope increases, the absolute error first rises and then falls, and the slope (45°, 50° ) absolute error is the largest. ⑤ Whether the atmospheric correction is made or not has an effect on the NDVI trend of each slope; the absolute error of west slope is the largest, and the east slope is the smallest.

Key wordsNDVI    terrain gradient effect    atmospheric correction    Baoxi River Basin    mountain basin
收稿日期: 2019-01-04      出版日期: 2020-03-14
ZTFLH:  TP79  
基金资助:国家自然科学基金项目“西南山地流域城市化与生态环境耦合关系研究——以贵州乌江流域为例”(编号: 41261039)
通讯作者: 李旭东     E-mail: 616507732@qq.com
作者简介: 程东亚(1994-),男,硕士研究生,主要从事资源利用与低碳发展研究。Email: wwwcdongya@yeah.net。
引用本文:   
程东亚,李旭东. 大气校正前后山地流域NDVI变化特征对比[J]. 国土资源遥感, 2020, 32(1): 90-97.
Dongya CHENG,Xudong LI. Comparison of change characteristics of NDVI in mountain basin before and after atmospheric correction. Remote Sensing for Land & Resources, 2020, 32(1): 90-97.
链接本文:  
http://www.gtzyyg.com/CN/10.6046/gtzyyg.2020.01.13      或      http://www.gtzyyg.com/CN/Y2020/V32/I1/90
Fig.1  包溪河流域海拔
Fig.2  包溪河流域坡度、坡向空间分布
Fig.3  大气校正前后NDVI空间分布特征
Fig.4  未经大气校正的NDVI空间误差特征
NDVI NDVINAC NDVIAC 误差/% 绝对误差/%
像元数量 占比/% 累计占比/% 像元数量 占比/% 累计占比/%
[-1.0,0) 663 0.36 0.36 20 0.01 0.01 0.35 0.35
[0,0.1) 756 0.41 0.77 229 0.12 0.13 0.28 0.28
[0.1,0.2) 1 253 0.68 1.44 457 0.25 0.38 0.43 0.43
[0.2,0.3) 2 007 1.08 2.52 624 0.34 0.72 0.75 0.75
[0.3,0.4) 3 309 1.78 4.31 932 0.50 1.22 1.28 1.28
[0.4,0.5) 6 708 3.62 7.93 1 552 0.84 2.06 2.78 2.78
[0.5,0.6) 30 950 16.69 24.62 2 401 1.30 3.35 15.40 15.40
[0.6,1.0] 139 757 75.38 100.00 179 188 96.65 100.00 -21.27 21.27
合计 185 403 100.00 185 403 100.00
Tab.1  大气校正前后NDVI分等级特征对比
Fig.5  大气校正前后NDVI变化的海拔特征
Fig.6  大气校正前后NDVI变化的坡度梯度特征
Fig.7  大气校正前后NDVI变化的坡向梯度特征
Fig.8  计算数据与验证数据NDVI空间基本空间趋势对比
Fig.9  计算数据与验证数据NDVI像元比例变化趋势对比
[1] 李卫国, 蒋楠, 王纪华 . 基于薄云雾去除的ETM+影像大气校正[J]. 农业工程学报, 2013,29(s1):82-88.
Li W G, Jiang N, Wang J H . Atmospheric correction for ETM+ image based on thin cloud removal[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013,29(s1):82-88.
[2] 刘耀林, 赵翔, 马潇雅 , 等. TM/ETM+影像大气校正产品质量评价方法研究[J]. 测绘学报, 2012,41(4):549-555.
Liu Y L, Zhao X, Ma X Y , et al. Research on quality assessment of atmospheric correction products retrieved from TM /ETM+ imagery[J]. Acta Geodaetica et Cartographica Sinica, 2012,41(4):549-555.
[3] 周雪欣, 罗昊 . 基于GIS与RS技术的北盘江流域生态环境质量评价研究[J]. 环境科学与管理, 2018,43(7):178-182.
Zhou X X, Luo H . Ecological environment quality assessment of Beipanjiang Basin based on GIS and remote sense[J]. Environmental Science and Management, 2018,43(7):178-182.
[4] 吴端耀, 罗娅, 王青 , 等. 2001—2014年贵州省林草植被覆盖度时空变化及其与气温降水变化的关系[J]. 贵州师范大学学报(自然科学版), 2017,35(1):1-7,29.
Wu D Y, Luo Y, Wang Q , et al. Spatio-temporal variation of vegetation coverage in forest and grassland and its relationship with temperature and precipitation changes in Guizhou Province during 2001—2014[J]. Journal of Guizhou Normal University (Natural Sciences), 2017,35(1):1-7,29.
[5] 江颖慧, 焦利民, 张博恩 . 城市地表温度与NDVI空间相关性的尺度效应[J]. 地理科学进展, 2018,37(10):1362-1370
Jiang Y H, Jiao L M, Zhang B E . Scale effect of the spatial correlation between urban land surface temperature and NDVI[J]. Progress in Geography, 2018,37(10):1362-1370.
[6] 王涛, 田阳, 相如 . 不同NDVI年值提取方法对秦岭山地植被变化及其气候响应的影响[J]. 北方园艺, 2017(24):148-155.
Wang T, Tian Y, Xiang R . Impact of different extracted methods of annual NDVI on vegetation cover change and their response to climate change in Qinling Mountains[J]. Northern Horticulture, 2017(24):148-155.
[7] 廖顺宝, 岳艳琳 . 基于时序NDVI图谱库提高土地覆盖分类精度的方法[J]. 农业工程学报, 2018,34(7):241-248.
Liao S B, Yue Y L . Method of improving classification accuracy of land cover based on time series NDVI database[J]. Transactions of the Chinese Society of Agricultural Engineering, 2018,34(7):241-248.
[8] 刘建文, 周玉科 . 站点尺度的青藏高原时序NDVI重构方法比较与应用[J]. 地理科学进展, 2018,37(3):427-437.
Liu J W, Zhou Y K . Comparison and application of NDVI time-series reconstruction methods at site scale on the Tibetan Plateau[J]. Progress in Geography, 2018,37(3):427-437.
[9] 王学成, 杨飞, 高星 , 等. 基于NDVI阈值法的森林冰冻受灾范围精确提取[J]. 地球信息科学学报, 2017,19(4):549-558.
Wang X C, Yang F, Gao X , et al. Precise extraction of damaged forest range caused by ice-snow frozen disaster based on the NDVI threshold method[J]. Journal of Geo-Information Science, 2017,19(4):549-558.
[10] 郝震, 赵红莉, 蒋云钟 . 基于改进的NDVI密度分割方法的冬小麦面积信息提取[J]. 南水北调与水利科技, 2017,15(3):67-72,93.
Hao Z, Zhao H L, Jiang Y Z . Extraction of winter wheat area information based on the improved NDVI density slicing method[J]. South-to-North Water Transfers and Water Science and Technology, 2017,15(3):67-72,93.
[11] 徐新良 . 中国月度植被指数(NDVI)空间分布数据集[Z/OL]. 北京: 中国科学院资源环境科学数据中心数据注册与出版系统( http://www.resdc.cn/DOI), 2018.doi: 10.12078/2018060602.
doi: 10.12078/2018060602
Xu X L. China monthly vegetation index (NDVI) spatial distribution data set[Z/OL]. Beijing: Chinese Academy of Sciences Resource and Environmental Science Data Center Data Registration and Publishing System( http://www.resdc.cn/DOI), 2018.doi: 10.12078/2018060602.
doi: 10.12078/2018060602
[12] 尹红, 吕红梅, 杨广斌 . 基于CBERS02的毕节地区植被覆盖信息提取技术研究[J]. 贵州师范大学学报(自然科学版), 2009,27(2):43-45.
Yin H, Lyu H M, Yang G B . A study of extracting vegetation coverage in Bijie prefecture based on CBERS02 image[J]. Journal of Guizhou Normal University (Natural Sciences), 2009,27(2):43-45.
[13] 姚镇海, 邱新法, 施国萍 , 等. 我国近10年月平均NDVI空间分布特征分析[J]. 国土资源遥感, 2017,29(2):181-186.doi: 10.6046/gtzyyg.2017.02.26.
doi: 10.6046/gtzyyg.2017.02.26
Yao Z H, Qiu X F, Shi G P , et al. An analysis of spatial distribution characteristics of monthly mean NDVI in the past ten years in China[J]. Remote Sensing of Land and Resources, 2017,29(2):181-186.doi: 10.6046/gtzyyg.2017.02.26.
doi: 10.6046/gtzyyg.2017.02.26
[1] 申振宇,高小红,汤敏. 高海拔复杂地形区SPOT6图像大气校正方法对比及精度验证[J]. 国土资源遥感, 2020, 32(1): 81-89.
[2] 杨显华,徐肖,肖礼晓,田立,郝利娜,许鹏. 察尔汗盐湖演变趋势及驱动力分析[J]. 国土资源遥感, 2020, 32(1): 130-137.
[3] 徐嘉昕,房世波,张廷斌,朱永超,吴东,易桂花. 2000—2016年三江源区植被生长季NDVI变化及其对气候因子的响应[J]. 国土资源遥感, 2020, 32(1): 237-246.
[4] 陈玲,陈理,李伟,刘建宇. 基于FLAASH模型的Worldview3大气校正[J]. 国土资源遥感, 2019, 31(4): 26-31.
[5] 王伟,阿里木·赛买提,吉力力·阿不都外力. 基于地理探测器模型的中亚NDVI时空变化特征及其驱动因子分析[J]. 国土资源遥感, 2019, 31(4): 32-40.
[6] 刘英,岳辉,侯恩科. MODIS数据在陕西省干旱监测中的应用[J]. 国土资源遥感, 2019, 31(2): 172-179.
[7] 唐亮,赵忠明,唐娉. 从NDVI序列检测植被“绿化”或“褐化”变化趋势的新方法[J]. 国土资源遥感, 2019, 31(2): 89-95.
[8] 韩红珠,白建军,张波,马高. 基于MODIS时序的陕西省植被物候时空变化特征分析[J]. 国土资源遥感, 2018, 30(4): 125-131.
[9] 杨斌,李丹,高桂胜,陈财,王磊. Sentinel-2A卫星数据处理分析及在干旱河谷提取中的应用[J]. 国土资源遥感, 2018, 30(3): 128-135.
[10] 许剑辉,赵怡,肖明虹,钟凯文,阮惠华. 基于空间自回归模型的广州市NDVI和NDBI与气温关系研究[J]. 国土资源遥感, 2018, 30(2): 186-194.
[11] 丁相元, 高志海, 孙斌, 吴俊君, 薛传平, 王燕. 基于高分一号时间序列数据的沙化土地分类[J]. 国土资源遥感, 2017, 29(3): 196-202.
[12] 梁守真, 隋学艳, 姚慧敏, 王猛, 侯学会, 陈劲松, 马万栋. 落叶阔叶林冠层非光合组分对冠层FPAR的影响分析——一种分层模拟的方法[J]. 国土资源遥感, 2017, 29(2): 29-36.
[13] 姚镇海, 邱新法, 施国萍, 张喜亮. 我国近10年月平均NDVI空间分布特征分析[J]. 国土资源遥感, 2017, 29(2): 181-186.
[14] 赵庆庆, 姜鲁光, 李文叶, 封志明. 鲁西北平原冬小麦种植格局时空变化: 2000―2014[J]. 国土资源遥感, 2017, 29(2): 173-180.
[15] 张彦彬, 安楠, 刘佩艳, 贾坤, 姚云军. 基于物候特征参数的山西煤矿区典型复垦植被分类[J]. 国土资源遥感, 2017, 29(1): 170-177.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《国土资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编:100083
电话:010-62060291/62060292 Email:gtzyyg@agrs.cn; gtzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发