我一直在使用NDVI来取得成功,但是在美国中部大平原地区识别树木的工作却很少。我一直遇到的问题是,农田/草场的反射率与我确定的树木具有基本相同的光谱特征。是否可以从4波段NAIP影像中生成植被指数,从而更好地隔离整个农业地区的树木覆盖物?也许前/后处理步骤可能最有效?
我一直在使用NDVI来取得成功,但是在美国中部大平原地区识别树木的工作却很少。我一直遇到的问题是,农田/草场的反射率与我确定的树木具有基本相同的光谱特征。是否可以从4波段NAIP影像中生成植被指数,从而更好地隔离整个农业地区的树木覆盖物?也许前/后处理步骤可能最有效?
Answers:
我已经广泛使用增强植被指数(EVI)数据来分析农业区域。尽管我从未在NAIP图像上使用过它,但您所需要的只是红色,蓝色和IR数据。
就您的目的而言,EVI的最大优点是它不像NDVI那样容易“饱和”-在检查诸如种植的农田等植被茂密的区域时,它提供了更多的对比度(动态范围)。权衡取舍的是,低EVI地区(如沙漠或休耕地)与耕地之间的对比并不那么大。但是出于您的目的,这无关紧要。
在此NDVI数据直方图中,您可以看到大部分农业像素在分布的最右端。有很多动态范围在0到0.5之间被浪费了。这类似于具有未正确调整水平的照片。您的树木覆盖物和农田可能都在那个驼峰中,但是由于它们都被压缩到一个小区域,因此它们看起来是相同的灰色。
NDVI直方图
在完全相同面积但使用EVI计算的直方图中,您可以看到分布如何更均匀。植被强度和覆盖率的差异表现为更广泛的价值范围,使分类更容易。这将使您的树木和农田具有更多不同的灰色阴影。
EVI直方图
这是一个栅格代数语句,可帮助您获得EVI。
(((“ band4”-“ Band1”)/(“ Band4” + 6 *“ Band1”-7.5 *“ Band3” +1))* 2.5
NDVI和EVI是完成此类任务的最好标志。但是,您可以在LandViewer中尝试其他默认索引,也可以通过内置计算器创建自己的任何索引。可以在此处查看此类分析的示例: