常用植被指數(shù)提取及比較研究——以成都市為例 2011092610 呂航宇

1、<p><b>　　龍巖學院</b></p><p>　　資源工程學院畢業(yè)論文</p><p>　　題 目： 常用植被指數(shù)提取及比較研究——以成都市為例 </p><p><b>　　資源工程學院</b></p><p>　　常用植被指數(shù)提取及比較研究</p>&

2、lt;p><b>　　——以成都市為例</b></p><p>　　【摘要】隨著科技的騰飛，3s技術(shù)不斷革新，遙感技術(shù)的功能越來越強大，其中根據(jù)植被指數(shù)提取植被信息這一方法在各個方面得到了頻繁的運用，比如交通、生態(tài)、農(nóng)業(yè)、環(huán)境、輔助決策等方面。本文以成都市TM遙感影像為數(shù)據(jù)源，利用ERDAS IMAGINE提取NDVI、RVI、DVI三種植被指數(shù)，通過分析比較，三種植被指數(shù)影像的像元值

3、在一定灰度值范圍內(nèi)的像元數(shù)量是否大致相等，根據(jù)直方圖均衡化原理，選取描述成都市植被信息的最佳植被指數(shù)。結(jié)果顯示，提取NDVI歸一化指數(shù)所得到的影像，在一定灰度值范圍內(nèi)的像元數(shù)量大致相等，即其影像直方圖相比于其他兩種植被指數(shù)更接近均衡化的標準，圖像對比度最高，確定為描述成都市植被信息的最佳植被指數(shù)。</p><p>　　【關(guān)鍵詞】遙感：植被指數(shù)：NDVI：RVI：DVI</p><p>&l

4、t;b>　　目錄</b></p><p><b>　　1 引言1</b></p><p>　　2 研究區(qū)域概況1</p><p>　　2.1 自然地理概況1</p><p>　　2.2 成都市行政區(qū)劃1</p><p>　　3 數(shù)據(jù)與數(shù)據(jù)預處理2</p>

5、<p>　　3.1 影像數(shù)據(jù)源2</p><p>　　3.2 影像數(shù)據(jù)預處理3</p><p><b>　　4 基本原理4</b></p><p>　　4.1 植被光譜特征4</p><p>　　4.2 三種常見植被指數(shù)4</p><p><b>　　5 研究方法6

6、</b></p><p>　　5.1 研究技術(shù)路線6</p><p>　　5.2 原理與方法6</p><p><b>　　6 結(jié)果與分析7</b></p><p>　　6.1 植被指數(shù)提取7</p><p>　　6.2 植被指數(shù)對比分析7</p><p&

7、gt;　　6.3 NDVI變化分析7</p><p><b>　　7 討論與展望9</b></p><p><b>　　致謝10</b></p><p><b>　　參考文獻11</b></p><p><b>　　1 引言</b></p&g

8、t;<p>　　成都市，不僅是一個著名的國際知名旅游勝地，而且國家確定了其重要的地位——西南科技和金融的中心、交通和通信的樞紐。在成都地區(qū)范圍，豐富的生物資源以及生物物種，促進了該市的經(jīng)濟、文化和社會的發(fā)展。隨著成都市城鎮(zhèn)建設規(guī)模的擴大、經(jīng)濟的發(fā)展，成都人口數(shù)量激增，城市土地利用格局激變，給成都的物質(zhì)需求帶來極大壓力，也引起了成都市自然環(huán)境的巨大變化，尤其是城區(qū)植被覆蓋度的顯著變化。</p><p>

9、;　　近二十年來，成都市的城市范圍內(nèi)植被的覆蓋面積較大程度變少，雖然部分地區(qū)還有著較為完整的公園等綠化用地，但是密集的森林、高產(chǎn)中產(chǎn)草地、灌木地的面積明顯在減少。在生態(tài)系統(tǒng)中，植被是不可或缺的一部分，它讓土壤、大氣、水分等相互聯(lián)系、相互作用，使自然生態(tài)系統(tǒng)的各種物質(zhì)和能量能得到交換、循環(huán)。與此同時，植被的數(shù)量、質(zhì)量、類型以及生長狀況也深刻影響著自然生態(tài)系統(tǒng)，自然生態(tài)系統(tǒng)所出現(xiàn)的一系列生態(tài)問題在某種程度上也是對植被數(shù)量、質(zhì)量、類型的響應。

10、</p><p>　　遙感為城市的發(fā)展、變化提供了有效的監(jiān)測數(shù)據(jù)和研究方法，其中植被指數(shù)在城市規(guī)劃方面具有重要作用。植被指數(shù)作為一個度量參數(shù)，有效的反映著植被的這些性質(zhì)，而且是應用遙感影像評價植被覆蓋率的最常用依據(jù)?，F(xiàn)今，對植被指數(shù)選取和植被覆蓋率提取做了大量研究，得到了很大的進展。其中，用的最多的三種植被指數(shù)是歸一化植被指數(shù)(NDVI)、比值植被指數(shù)(RVI)、差值植被指數(shù)(DVI)。根據(jù)植被指數(shù)法來判定地表植

11、被的性質(zhì)、數(shù)量及其生長狀況，已成為一種常用且可靠的手段。選擇適當?shù)闹脖恢笖?shù)，有利于更加清晰地得到植被覆蓋度信息以及植被生長狀況。本文以成都市為例，研究三種常見的植被指數(shù)的提取、分析，以及比較，選取能反映成都市轄域內(nèi)植被覆蓋信息的最佳植被指數(shù)。</p><p><b>　　2 研究區(qū)域概況</b></p><p>　　2.1 自然地理概況</p><

12、p>　　成都市作為四川省省會，在四川省中間部位，也即四川盆地西部（具體經(jīng)緯度為：102°54′E～104°53′E、30°05′N～31°26′N），是我國西南地區(qū)最大的現(xiàn)代化城市。全市東西方向縱躍192千米，南北方向橫跨166千米，總面積1萬2千多平方公里，其中耕地面積達到4千多平方公里。      </p><

13、;p>　　成都市平面高程差異大，西部和北部較高，而東部和南部較低。其中西部靠近四川盆地，大部分為深丘和山地地形，海拔基本在1千米～3千米之間，最高處大邑縣雙河鄉(xiāng)海拔達到5千多米，相對高度在1千米左右。而東部則居于四川盆地平原，主要由沖擊平原、臺地和部分低山丘陵組成，土壤肥沃，有利于開墾、種植各種農(nóng)產(chǎn)品，地勢平坦，開發(fā)歷史悠久，海拔一般在750米上下。成都市東、西兩個部分之間高差懸殊，加之特殊的人文環(huán)境，以使成都擁有眾多的知名旅游景

14、點。選擇合適的植被指數(shù)，提取最符合成都市植被覆蓋率現(xiàn)狀的信息，才能夠更好指導實踐，并輔助構(gòu)建更好的生態(tài)環(huán)境和進行合理的城市規(guī)劃。</p><p>　　2.2 成都市行政區(qū)劃</p><p>　　成都市轄武侯區(qū)、青羊區(qū)等9個市轄區(qū)，新津縣、金堂縣等6個縣，代管彭州市、什邡市等4個縣級市。</p><p>　　利用已有矢量數(shù)據(jù)——中國縣級行政界線矢量圖，通過Arc GI

15、S 9.3提取成都市市域范圍內(nèi)的鄉(xiāng)鎮(zhèn)面狀圖，輸出.shp文件并以單獨圖層顯示，制作成都市行政區(qū)劃圖專題圖并輸出地圖（圖2-1）。</p><p>　　圖2-1成都市行政區(qū)劃圖</p><p>　　3 數(shù)據(jù)與數(shù)據(jù)預處理</p><p><b>　　3.1 影像數(shù)據(jù)源</b></p><p>　　美國陸地衛(wèi)星4、5于上個世紀

16、80年代發(fā)射，使用TM（主題增強儀）傳感器，其在工作方式上幾乎實現(xiàn)了連續(xù)獲得地球遙感影像。Landsat-4和Landsat-5時間分辨率為16天，其得到的Landsat TM影像包含了7個波段：Band1——藍色、Band2——綠色、Band3——紅色、Band4——近紅外、Band5——短波紅外、Band6——熱紅外、Band7——短波紅外，7個波段中除了熱紅外波段6的空間分辨率為120米外，其他6個波段的空間分辨率可以達到30米，

17、該傳感器沿經(jīng)線方向的掃描距離約為170公里，沿緯線方向的掃描距離約為183公里。 </p><p>　　本文研究所需要的數(shù)據(jù)來源于地理空間數(shù)據(jù)云平臺，通過地理空間數(shù)據(jù)云平臺下載四幅Landsat 5 TM影像，四幅影像均拍攝于2009年6月，條帶號分別為129/38，129/39，130/38，130/39。成都市位于4景影像中，需將四幅影像拼接，再根據(jù)成都市區(qū)劃矢量圖裁切出成都市影像圖以進行植被指數(shù)提取比較研究

18、。</p><p>　　表3-1 影像數(shù)據(jù)說明</p><p>　　3.2 影像數(shù)據(jù)預處理</p><p>　　遙感圖像預處理包括影像多波段組合、大氣輻射定標、大氣6S校正、投影轉(zhuǎn)換、圖像拼接，以及成都市遙感影像裁切。</p><p><b>　?。?）多波段組合</b></p><p>　　La

19、ndsat-5 TM影像總共包含7個波段，對遙感影像進行預處理時，首先需要將7個波段的影像數(shù)據(jù)進行組合，以獲得多波段信息。</p><p><b>　　大氣輻射定標</b></p><p>　　遙感圖像上的像元值是表示像元灰度的灰度級，而實際的電磁波信號表達的是輻亮度。因此，在進行遙感圖像處理時，要將灰度級轉(zhuǎn)化為輻亮度，即要進行大氣輻射定標，測定相應波段的地物反射率和

20、氣象要素、大氣光學特性。</p><p>　　大氣輻射定標過程中，首先將DN（圖像亮度）值轉(zhuǎn)為星上輻亮度。對于熱紅外波段，其星上輻亮度應再轉(zhuǎn)為星上亮溫（at-sensor brightness temperature），除熱紅外波段外的其他波段則將星上輻亮度轉(zhuǎn)為大氣頂層反射率（TOA reflectance）。</p><p>　　（3）大氣（6S）校正</p><p&

21、gt;　　電磁波信號在經(jīng)過大氣層時，并不是毫無干擾的，而是會受到很多因素的影響（如大氣中水、二氧化碳、甲烷和臭氧等），然后會發(fā)生大氣吸收、散射、反射，大氣、光照、氣溶膠散射等作用，從而產(chǎn)生程輻射度，使影像像元值偏大。大氣校正的目的是獲得地物反射率、地表溫度等真實物理模型參數(shù)，來消除這些因素的影響，狹義上是獲取地物真實反射率數(shù)據(jù)，是反演地物真實反射率的過程[1]。</p><p><b>　　影像拼接與裁

22、切</b></p><p>　　首先將4景影像的坐標系統(tǒng)設置為統(tǒng)一的坐標系統(tǒng)，然后利用ERDAS IMAGINE軟件中的Mosaic圖像拼接功能對遙感4景影像進行圖像拼接。在拼接過程中，對于圖像重疊部分選擇以最大值輸出，以去除圖像背景黑色邊框，拼接得到影像拼接圖（圖3-1）。</p><p>　　利用Arc GIS 9.3，導入拼接圖，以成都市行政區(qū)劃矢量圖為裁切基礎(chǔ)底圖，裁切

23、得到成都市遙感影像圖，如圖3-2。</p><p>　　圖3-1 影像拼接圖 圖3-2 成都市裁切圖</p><p><b>　　4 基本原理</b></p><p>　　4.1 植被光譜特征</p><p>　　植被的反射光譜曲線是植被表面對電磁波不同波段的不同

24、反射率所構(gòu)成的曲線。植被在可見光和近紅外波段的（350nm-800nm）反射光譜差異來源于植被體內(nèi)葉綠素和其他色素成份，植被細胞散射引起植被近紅外波段（800nm-1000nm）反射光譜差異，植物細胞內(nèi)水體吸收能力則決定了植被短波紅外波段（1000nm-2500nm）光譜特性。植被本身的很多因素都會對光譜特征產(chǎn)生影響，如植物的生長狀況和種類，植被的灌溉和施肥，植被生長環(huán)境地氣候、土壤、地形等，會使其光譜曲線的特征發(fā)生變化。同一種植被類型

25、，因葉面結(jié)構(gòu)、色素種類含量、含水量的不同，其反射率不同。同時，植被的光譜特性還受到季節(jié)的變化、雨水的供給、光照條件等的影響。</p><p>　　從植物的典型光譜曲線來看，植被在近紅外波段有最高的反射率且分布范圍較寬，在波長1.45um和2.7um處有兩個吸收谷，在可見光波段反射率小，而影響植被反射特征的因素主要有植物葉面葉綠素含量和水含量，葉細胞結(jié)構(gòu)（如海綿結(jié)構(gòu)反射率大）和葉的分光反射率，還有水分。植被指數(shù)主要

26、反映植物反射和土壤背景亮度之間的差異，受到土壤顏色、大氣、遠程傳感器校準、遙控傳感器的光譜響應、和雙向反射（觀察角和太陽方位角對自然表面的雙向反射）等因素的影響。</p><p>　　4.2 三種常見植被指數(shù)</p><p>　　植被指數(shù)是以遙感衛(wèi)星傳感器所獲得的多波段組合影像數(shù)據(jù)為基礎(chǔ)，通過數(shù)據(jù)間的線性或非線性組合來檢測植被的存在、數(shù)量、質(zhì)量、狀態(tài)和植被生長狀況的時間和空間分布的特征等，

27、并且用于診斷植被生物量的物理參數(shù)，如葉面積指數(shù)，植被面積等。隨著遙感技術(shù)的發(fā)展，常用的植被指數(shù)快速擴張，主要有：歸一化植被指數(shù)（NDVI），比值植被指數(shù)（RVI），差值植被指數(shù)（DVI），比值短波紅外指數(shù)（RSI），轉(zhuǎn)換型植被指數(shù)（TVI），重歸一化插值植被指數(shù)（RDVI），增強型植被指數(shù)I和II（EVI和EVI2），大氣阻抗植被指數(shù)（ARVI），土壤調(diào)整植被（SAVI），修正土壤植被指數(shù)（MSAVI），土壤大氣綜合植被指數(shù)（SATVI

28、），優(yōu)化土壤調(diào)節(jié)植被指數(shù)（OSAVI）［2］。</p><p>　　圖4-1 綠色植物反射波譜</p><p>　　我們可以看到，在綠色植物的光譜反射曲線圖中，綠色健康植物在可見光紅光波段與近紅外波段反射率相差很多，在紅光范圍內(nèi)趨于10%，而在近紅外范圍內(nèi)接近40%，這個區(qū)間內(nèi)的極大反射差異可以用于提取相應植被指數(shù)。以下三種植被指數(shù)即是通過這兩個波段的線性組合來得到植被的覆蓋度信息：<

29、;/p><p>　　（1）歸一化植被指數(shù)——NDVI（Normalized Difference Vegetation Index）</p><p>　　NDVI的計算是先把光譜影像中近紅外波段像元值減去可見光紅光波段像元值，然后比去兩個波段像元值之和，公式為：</p><p><b>　?。?-1）</b></p><p>

30、;　　式中NIR=近紅外波段像元值，R=可見光紅光波段像元值。該指數(shù)能夠消除很多因素產(chǎn)生的影響，包括因太陽高度角、大氣狀況、土壤含水量以及其他因素產(chǎn)生的影響，而且也減少了非地類變化引起的差異。利用遙感NDVI可以提高識別土壤背景的能力，降低了地形和群落結(jié)構(gòu)產(chǎn)生的陰影對植被覆蓋率判定的影響，降低了大氣的干擾影響，使植被覆蓋度監(jiān)測更加靈敏。</p><p>　　當被檢測的地區(qū)植被覆蓋度小于1/5時，NDVI可以很明顯

31、的把土壤和植被進行區(qū)分；當植被覆蓋度在1/4-4/5之間的范圍時，NDVI值隨植被遮蓋面積的增大呈線性上升；當植被覆蓋度大于4/5時，NDVI對植被覆蓋信息的表達能力會逐步下降。</p><p>　　（2）比值植被指數(shù)——RVI（Ratio Vegetation Index）</p><p>　　RVI的計算是直接把光譜影像中的近紅外波段的像元值比去可見光紅光波段的像元值，公式為：<

32、/p><p><b>　?。?-2）</b></p><p>　　式中NIR=近紅外的像元值，R=可見光紅光波段像元值。該指數(shù)能充分反映兩個波段反射率的差異，對葉面積指數(shù)、葉干生物量、葉綠素含量較為敏感。若被檢測的地區(qū)植被覆蓋范圍較小(指數(shù)值小于30％)，此時就不能很明顯的分別出土壤與植被覆蓋范圍之間存在的差異，而且由于大氣對RVI的干擾很大，再加上地形起伏對電磁波輻射效

33、應的影響，此時指數(shù)對植被覆蓋的分辨能力相對較弱。而當被檢測地區(qū)的植物生長茂盛，植被分布集中于被檢測地區(qū)（指數(shù)值大于50%）時，能很明顯的表達出植被覆蓋的差異信息。綜上可知，RVI常用于監(jiān)測植被分布密集且生長茂盛的地區(qū)。</p><p>　　（3）差值環(huán)境植被指數(shù)——DVI（Difference Vegetation Index）</p><p>　　DVI的計算只需要把光譜影像中的近紅外波

34、段減去可見光紅光波段灰度數(shù)值即可,公式為： </p><p><b>　?。?-3）</b></p><p>　　式中NIR=代近紅外波段像元值，R=可見光紅光波段像元值。該指數(shù)能夠反映同一地物在兩個波段之間的反射率差異，可以特別的表達出在可見光紅光波段與近紅外波段灰度值差異較大的兩類地物。植被的光譜響應在這兩個波段上具有明顯的差別，可以用來反映地表的植被覆蓋情況；突

35、出顆粒物污染的光譜信息，可用于研究顆粒物時空分布。</p><p><b>　　5 研究方法</b></p><p>　　5.1 研究技術(shù)路線</p><p>　　本文通過對遙感影像進行預處理，去除或減弱因大氣影響給影像帶來的誤差。然后利用成都市行政區(qū)劃邊界矢量圖對遙感影像圖進行裁切，在這基礎(chǔ)上，提取計算基于成都市的三種常見植被指數(shù)，分析它們在

36、植被信息表達上的特點，選取最佳植被表達指數(shù)。研究技術(shù)路線如圖5-1。</p><p><b>　　多波段組合</b></p><p>　　大氣輻射定標 </p><p><b>　　大氣校正</b></p>&

37、lt;p>　　圖5-1 研究技術(shù)路線流程圖</p><p><b>　　5.2 原理與方法</b></p><p>　　三種常用植被指數(shù)在植被覆蓋信息表示時各有特點，歸一化指數(shù)可以消除太陽高度角、大氣狀況、土壤水分等的影響，比值指數(shù)可以清晰表達植被覆蓋度高的地區(qū)，差值指數(shù)則有利于植被監(jiān)測。在成都市地形地貌這一特定環(huán)境下，三種指數(shù)圖像的對比度大小影響植被覆蓋信息的

38、表達。</p><p>　　圖像的對比度影響一幅圖像的目視效果，對比度高的圖像更加有利于圖像信息的表達。從計算植被指數(shù)所得到的影像灰度直方圖中，可以得到對比度強和對比度弱的圖像。當直方圖區(qū)域?qū)挾容^寬時，像元亮度分布范圍廣且分布均勻，圖像對比度相應較好，而反之，則對比度較差，即：若直方圖的峰值太靠近原點方向，則圖像全部畫面會偏暗；若直方圖峰值太遠離原點方向，則圖像全部畫面會偏亮，這兩者都不適合圖像信息的表達，圖像的

39、對比度都較弱。</p><p><b>　　6 結(jié)果與分析</b></p><p>　　6.1 植被指數(shù)提取</p><p>　　利用ERDAS IMAGINE軟件中已有的三種植被指數(shù)計算公式，分別對成都市遙感影像圖進行NDVI、RVI、DVI的提取，計算結(jié)果如圖所示。</p><p>　　圖6-1 成都市NDVI圖

40、 圖6-2 成都市RVI圖 圖6-3 成都市DVI圖</p><p>　　6.2 植被指數(shù)對比分析</p><p>　　利用Arc GIS對三幅指數(shù)影像像元灰度值進行重分類，各植被指數(shù)以等間距分類，保證在相同的灰度范圍內(nèi)統(tǒng)計像元值數(shù)量。為達到更好統(tǒng)計像元數(shù)量的目的，根據(jù)各指數(shù)的像元灰度值的取值范圍，現(xiàn)將三種植被指數(shù)按照表6-1分類數(shù)分類。</p>

41、;<p>　　表6-1 各植被指數(shù)分類數(shù)</p><p>　　分類完成后便可以進行像元數(shù)量統(tǒng)計工作，各影像直方圖如圖6-4、圖6-5、圖6-6，統(tǒng)計數(shù)據(jù)如表6-2,、表6-3、表6-4。</p><p>　　圖6-4 NDVI影像直方圖</p><p>　　表6-2 NDVI像元統(tǒng)計</p><p>　　圖6-5 RVI影像直方

42、圖</p><p>　　表6-3 RVI像元統(tǒng)計</p><p>　　圖6-6 DVI影像直方圖</p><p>　　表6-4 DVI像元統(tǒng)計</p><p>　　由表6-2、表6-3、表6-4統(tǒng)計數(shù)據(jù)可知，對于NDVI歸一化植被指數(shù)，在一定灰度范圍的等間距內(nèi)的像元數(shù)量大致相等，數(shù)值起伏變化均勻,圖像對比度較強。由RVI比值植被指數(shù)和DVI差

43、值植被指數(shù)像元直方圖可看出，兩種指數(shù)的像元灰度值峰值偏向坐標軸原點圖像整體偏暗，圖像對比度較弱。由此可以看出，NDVI圖像相對RVI、DVI具有更好的對比度，能夠更好地表現(xiàn)植被信息，可以認為是表達成都市植被覆蓋的最佳植被指數(shù)。</p><p>　　6.3 NDVI變化分析</p><p>　　由NDVI灰度圖可以看出，灰度值較大的區(qū)域出現(xiàn)在成都市西部地區(qū)，東部地區(qū)植被指數(shù)偏小。成都市西部以

44、深丘和山地為主，海拔較高，植被覆蓋較大，有多處環(huán)境優(yōu)美的旅游景點，如青城山，更有龍門山脈、邛崍山脈貫穿西部地區(qū)。東部地區(qū)位于四川盆地，成都市市中心即位于東部，有大量居民地，植被覆蓋度小。因此，NDVI指數(shù)遙感圖像相比RVI、DVI指數(shù)圖像能更好顯示成都市植被覆蓋情況，是最佳植被指數(shù)。</p><p><b>　　7 討論與展望</b></p><p>　　文章根據(jù)成都

45、市的TM影像進行分析，分別運用NDVI、RVI、DVI三種不同的植被指數(shù)，在ERDAS IMAGINE軟件上進行提取與統(tǒng)計分析，最后根據(jù)結(jié)果進行比較，其中歸一化植被指數(shù)的處理效果最好，能夠較為明顯地表達城市植被覆蓋信息。選擇合適的植被指數(shù)，提取最符合成都市植被覆蓋率現(xiàn)狀的信息，才能夠更好指導實踐，并輔助構(gòu)建更好的生態(tài)環(huán)境和進行合理的城市規(guī)劃。</p><p>　　當今社會，城市規(guī)劃離不開城市生態(tài)文明建設，便與城市

46、植被覆蓋現(xiàn)狀息息相關(guān)，得要準確的植被信息至關(guān)重要。本文的研究雖然得出了成都市植被覆蓋研究的最佳植被指數(shù)為歸一化指數(shù)，但是研究中仍存在一些不足之處：</p><p>　　本文的統(tǒng)計數(shù)據(jù)由Arc GIS軟件重分類統(tǒng)計得到，影像的黑色背景對統(tǒng)計結(jié)果又一定影像，在重分類時也只是指數(shù)自身的等間距統(tǒng)計，沒有做到三種指數(shù)相互間的等間距分類。</p><p>　　本文僅從圖像本身的對比度上來判斷最佳植被指

47、數(shù)，由于現(xiàn)實數(shù)據(jù)的限制，與實際地形地貌沒有達到完美的契合。</p><p>　　遙感技術(shù)的不斷更新進步，當前“高分一號”及“高分二號”遙感衛(wèi)星的運作，為傳統(tǒng)的測量技術(shù)和方法提供了強大的全景視野，給我們的城市發(fā)展建設和生活提供了更加良好的空間。</p><p><b>　　致謝</b></p><p>　　時光如白駒過隙，轉(zhuǎn)眼間大學生涯四年已接近

48、尾聲，已經(jīng)歷的四年學習、生活、工作讓我感受頗深，也逐漸成長。在這過程中，我非常感恩所有老師的耐心指導，感恩同學朋友們的幫助，感恩父母的關(guān)愛。四年的大學生涯，已然成為我生命中最靚麗的風景，讓我更有勇氣和責任心面對未來的生活。</p><p>　　四年，感謝敬愛的老師們，他們引領(lǐng)我走進知識的海洋，老師們的無私教導成就了今天嚴謹、謙恭的我。更感謝論文指導老師林金堂老師的細心教導，在林老師耐心、負責、認真的指導下，我的論

49、文得以順利完成，學到了更多的知識。</p><p>　　四年，感謝身邊的同學們的支持與幫助，他們就是我生活中的鏡子，當我驕傲時提醒著我的不足。更感謝四年來的幫助與關(guān)心，收獲了一份真摯的同學情誼。</p><p>　　四年，感謝遠在他鄉(xiāng)的父母，不管離得多遠，親情總是那么近，因為他們的愛，讓我更有動力努力向前。</p><p><b>　　參考文獻</b

50、></p><p>　　[1] 劉 義，杜桂蓮. 利用遙感技術(shù)進行墾區(qū)水稻長勢監(jiān)測研究[J]. 現(xiàn)代化農(nóng)業(yè)，2012(9)，58-60.</p><p>　　[2] 楊燕瓊，羅錫文，黃農(nóng)榮. 基于3CCD攝像機的水稻農(nóng)學參數(shù)估算[J]. 農(nóng)業(yè)工程學報，2012，(6): 174-178. </p><p>　　[3] A.Singh. Digital chan

51、ge detection techniques using remotely-sensed data[J]. INT.J.REMOTE SENSING，1989，10(6): 989-1003.</p><p>　　[4] 方從剛，鄧良基，胡玉福，等. 基于ETM影像的植被指數(shù)在土地利用中的特征——以雅安市雨城區(qū)為例[J]. 長江流域資源與環(huán)境，2006，15(增1): 41-45. </p>&l

52、t;p>　　[5] 白艷芬，馬海州，沙占江. 基于遙感和GIS技術(shù)的青海湖北岸植被覆蓋動態(tài)變化監(jiān)測[J]. 安徽農(nóng)業(yè)科學，2008，36(9): 3780-3781，3836. </p><p>　　[6] 覃發(fā)超，倪瀟倩. 基于遙感影像的都江堰市多植被指數(shù)的比較研究[J]. 科技創(chuàng)新導報，2013，(7): 19-22.</p><p>　　[7] 過 杰，謝 強，陳忠彪. 萊州灣

53、環(huán)境污染遙感信息提取試驗[J]. 海洋科學，2012，(2): 119-128. </p><p>　　[8] 韋玉春，湯國安，楊 昕，等. 遙感數(shù)字圖像處理教程[M]. 北京：科學出版社，2007: 99-100.</p><p>　　[9] 黨 青，楊武年. 近20年成都市植被覆蓋度動態(tài)變化檢測及原因分析[J]. 國土資源遙感,2011,91(4): 120-125.</p>

54、;<p>　　[10] 林文鵬，李厚增，黃敬峰，等. 上海城市植被光譜反射特征分析[J]. 光譜學與光譜分析，2010,30(11): 3111-3114.</p><p>　　[11] 李玉霞. 岷江上游毛兒蓋地區(qū)生態(tài)水信息指標參數(shù)遙感量化研究[D]. 成都理工大學，2007. </p><p>　　[12] 劉 月，春 喜，張美杰，等. 內(nèi)蒙古不同植被光譜特征分析[J].

55、 內(nèi)蒙古草業(yè)，2011,23(3): 44-48.</p><p>　　[13] 田慶久，閔祥軍. 植被指數(shù)研究進展[J]. 地球科學進展，1998，13(4): 327—333.</p><p>　　[14] 秦 偉，朱清科，張學霞，等. 植被覆蓋度及其測算方法研究進展[J]. 西北農(nóng)林科技大學學報(自然科學版),2006，34(9): 163-170.</p><p

56、>　　[15] 強建華，趙鵬祥，陳國領(lǐng). 基于NDVI的油松天然林生長狀況的遙感監(jiān)測研究[J]. 西北林學院學報，2007,22(1): 149-151.</p><p>　　[16] 胡良軍，邵明安. 論水土流失研究中的植被覆蓋度量指標[J]. 西北林學院學報,2001,16(1): 40-43.</p><p>　　[17] 王艷慧，肖 瑤. 北京市PM5.0可吸入顆粒物反演及其

57、時空分布分析[J]. 環(huán)境科學，2014,35(2): 428-435.</p><p>　　[18] 任艷斐. 直方圖均衡化在圖像處理中的應用[J]. 科技信息，2007，(4): 37-38.</p><p>　　[19] 朱繼蕤，侯宇丹. 基于遙感影像的城市植被信息提取研究[J]. 儀器儀表與分析監(jiān)測，2010(1): 12-15.</p><p>　　Ext

58、raction and comparative study of vegetation index</p><p>　　——in Chengdu,for example</p><p>　　Resource Engineering College Surveying and Mapping Engineering</p><p>　　2010092610 Han

59、gyu Lv Instruct teacher: Jintang Lin</p><p>　　【Abstract】As the development of science in GPS, RS and GIS growing rapidly, the method drawing information of the vegetation on the basis of vegetation index is

60、 being used frequently in environment, ecology, agriculture, traffic and aid decision making. Based on the software ERDAS IMAGINE, this study aims at selecting the best vegetation index to describe the vegetation informa