我同意@vascobnunes的观点,但如果要定义某些对象,则必须使用LANDSAT TM,因为更多的分类需要更多的波段,例如(R,G,B,NIR,MIR,TIR,FIR)...而我的选择是您应该将LANDSAT TM(以下解释中我提供了相同的信息)用于植被。
在这种情况下,重要的是您应该查看relative spectral response (RSR)
卫星。
假设相对光谱响应(RSR)测量对于由公共滤波器覆盖的所有检测器都是恒定的,并且已标准化为统一的AT峰值响应。当前,尚无方法可以通过在轨或地面测量随时间检查频谱稳定性。
(来源:约翰·巴克博士)
除了RSR,temporal resolution
对于重复数据采集周期也非常重要...
这是LANDSAT TM的相对光谱响应:
有一个信息在这里关于引起的传感器-特定的相对光谱响应函数NDVI-差异评估。
摘要在这里:
归一化植被指数(NDVI)是最常使用的基于遥感的指标,用于监视土地表面和环境变化的动态。由于不同的传感器特性,NDVI值会根据记录系统而有所不同。这项研究的重点是光谱传感器特性的因素,这可能会使多传感器NDVI数据的解释复杂化。因此,从高光谱数据模拟了Landsat 5TM,QuickBird和SPOT5的多光谱带。这些模拟数据集显示出相同的特征(光谱除外),例如传感器的几何形状,大气条件,地形和空间分辨率。这样可以直接比较由不同光谱特性的因素引起的NDVI差异。
我从本文档为您总结了近红外和红波段的光谱值...
Landsat 5TM,QuickBird和SPOT5的红色和近红外波段的相对光谱响应函数具有2个典型的土地覆盖光谱。
结果 :
特别是在近红外区域,传感器的RSR功能互不相同。引人注目的是,Landsat 5TM和SPOT5的红色和NIR波段之间的间隙比QuickBird波段之间的间隙宽,后者甚至存在重叠。
传感器的红色(a)和近红外(b)波段的相对光谱响应函数的与传感器相关的差异(%)。
结果:
QuickBird和SPOT5的红色条带非常相似,而这些传感器的NIR条带在0.77µm处显示的最大差异高达80%以上。由于NIR波段之间的差异很大,因此这些波段的RSR功能对NDVI的影响比红色波段更大。
希望对您有帮助...