几种常见植被指数

NDVI（归一化植被指数）：NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。

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

//NDVIfloat* ndvi = (float*)malloc(sizeof(float) * src_width * src_height);for (int i = 0; i < src_height * src_width; i++){ndvi[i] = float(data[0][i] - data[1][i]) / float(data[0][i] + data[1][i]);}GDALDataset* po_NDVI = poDriver->Create(NDVIname, src_width, src_height, 1, GDT_Float32, NULL);po_NDVI->SetGeoTransform(adfInGeoTransform);po_NDVI->SetProjection(pszWKT);po_NDVI->GetRasterBand(1)->RasterIO(GF_Write, 0, 0, src_width, src_height, ndvi, src_width, src_height, GDT_Float32, 0, 0);//NDVI阈值分割unsigned char** NDVI_result = new unsigned char* [3];for (int i = 0; i < 3; i++){NDVI_result[i] = new unsigned char[src_width * src_height];memset(NDVI_result[i], 0, sizeof(unsigned char) * src_width * src_height);}for (int i = 0; i < src_width * src_height; i++){if (ndvi[i] < 0.3){NDVI_result[0][i] = 0;NDVI_result[1][i] = 255;NDVI_result[2][i] = 0;}else{NDVI_result[0][i] = 0;NDVI_result[1][i] = 0;NDVI_result[2][i] = 0;}}GDALDataset* po_NDVIclassify = poDriver->Create(NDVIclassify, src_width, src_height, 3, GDT_Float32, NULL);po_NDVIclassify->SetGeoTransform(adfInGeoTransform);po_NDVIclassify->SetProjection(pszWKT);for (int i = 0; i < 3; i++){po_NDVIclassify->GetRasterBand(i + 1)->RasterIO(GF_Write, 0, 0, src_width, src_height, NDVI_result[i], src_width, src_height, GDT_Byte, 0, 0);}

RVI（比值植被指数）：RVI=NIR/R，或两个波段反射率的比值。

1．绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。植被的RVI通常大于2；

2．RVI是绿色植物的灵敏指示参数，与LAI、叶干生物量(DM)、叶绿素含量相关性高，可用于检测和估算植物生物量

3．植被覆盖度影响RVI，当植被覆盖度较高时，RVI对植被十分敏感；当植被覆盖度<50%时，这种敏感性显著降低；

4．RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。

//计算RV_比值植被指数float* RVI = new float[src_width * src_height];for (int i = 0; i < src_width * src_height; i++){RVI[i] = float (data[0][i] ) / float (data[1][i]+0.00001);/** 一、RVI——比值植被指数：* RVI=NIR/R* 1、值的范围：0-30+，一般绿色植被区的范围是2-8，无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。； * 2、RVI与LAI、叶干生物量(DM)、叶绿素含量相关性高，可用于检测和估算植物生物量； 与植被覆盖度：当植被覆盖度较高时，RVI对植被十分敏感；当植被覆盖度<50%时，敏感性显著降低；* 3、局限：RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。* 4、应用：“由于研究区植被覆盖度普遍较高,与其他植被指数相比,SR对高覆盖植被区域更为敏感,与生物量的相关性最好。
此外,在山区比值型植被指数(如ND-VI、SR)能够消除大量的地形影响,地形效应通常可以忽略,而非比值型植被指数(如DVI、包含有常数项L的SAVI)对地形起伏变化更敏感[14],由此可能造成了SAVI和DVI的表现要比SR和NDVI差。”[1]*/}GDALDataset* po_RVI = poDriver->Create(RVIname, src_width, src_height, 1, GDT_Float32, NULL);po_RVI->SetGeoTransform(adfInGeoTransform);po_RVI->SetProjection(pszWKT);po_RVI->GetRasterBand(1)->RasterIO(GF_Write, 0, 0, src_width, src_height, RVI, src_width, src_height, GDT_Float32, 0, 0);//RVI阈值分割处理/*//绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。植被的RVI通常大于2//阈值分割 > 2.计算阈值分割在1~2之间的物体//查一下 >1与 >2的区别，以及精度，利用1~2区间看设施蔬菜的提取//RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。//在利用RVI之前做去云处理*/unsigned char** RVI_result = new unsigned char* [3];for (int i = 0; i < 3; i++){RVI_result[i] = new unsigned char[src_width * src_height];memset(RVI_result[i], 0, sizeof(unsigned char) * src_width * src_height);}for (int i = 0; i < src_width * src_height; i++){if (RVI[i] > 2){RVI_result[0][i] = 0;RVI_result[1][i] = 255;RVI_result[2][i] = 0;}else{RVI_result[0][i] = 0;RVI_result[1][i] = 0;RVI_result[2][i] = 0;}}GDALDataset* po_RVIclassify = poDriver->Create(RVIclassify, src_width, src_height, 3, GDT_Float32, NULL);po_NDVIclassify->SetGeoTransform(adfInGeoTransform);po_NDVIclassify->SetProjection(pszWKT);for (int i = 0; i < 3; i++){po_RVIclassify->GetRasterBand(i + 1)->RasterIO(GF_Write, 0, 0, src_width, src_height, RVI_result[i], src_width, src_height, GDT_Byte, 0, 0);}

DVI（差值环境植被指数）：DVI=NIR-R，或两个波段反射率的计算。

//计算DVI——差值环境植被float* DVI = new float[src_width * src_height];for (int i = 0; i < src_width * src_height; i++){DVI[i] = float(data[0][i]) - float(data[1][i]);}GDALDataset* po_DVI = poDriver->Create(DVIname, src_width, src_height, 1, GDT_Float32, NULL);po_DVI->SetGeoTransform(adfInGeoTransform);po_DVI->SetProjection(pszWKT);po_DVI->GetRasterBand(1)->RasterIO(GF_Write, 0, 0, src_width, src_height, DVI, src_width, src_height, GDT_Float32, 0, 0);

笔记整理参考百度

植被指数参考笔记：

https://blog.csdn.net/weixin_43897736/article/details/99865993https://blog.csdn.net/weixin_43897736/article/details/99865993全部代码：

/*
* 20210926
* 3种植被指数计算
*/
#include "iostream"
#include "gdal_priv.h"
#include "gdalwarper.h"
#include "ogr_spatialref.h"
#include "string"#include "core/core.hpp"
#include "highgui/highgui.hpp"
#include "imgproc/imgproc_c.h"using namespace std;
using namespace cv;int main()
{//gdal测试const char* inFilename = "D:\\C++\\homework\\Project2\\Project2\\data.tif";const char* outFilename = "data_out2.tif";const char* NDVIname = "NDVI2.tif";const char* RVIname = "RVI.tif";const char* DVIname = "DVI.tif";const char* NDVIclassify = "NDVIclassify.tif";const char* RVIclassify = "RVIclassify.tif";//const char* DVIclassify = "DVIclassify.tif";GDALAllRegister();//为了支持中文路径CPLSetConfigOption("GDAL_FILENAME_IS_UTF8", "NO");//打开影像GDALDataset* poIn = (GDALDataset*)GDALOpen(inFilename, GA_ReadOnly);//判断指针是否创建成功if (poIn == NULL){cout << "can not open img";return -1;}//获取影像大小int src_width = poIn->GetRasterXSize();//列数int src_height = poIn->GetRasterYSize();//行数cout << "该影像列数：" << src_width << endl;cout << "该影像行数：" << src_height << endl;//获取影像波段数int InBands = poIn->GetRasterCount();cout << "影像波段数：" << InBands << endl;//获取影像格式GDALDataType eDataType = poIn->GetRasterBand(1)->GetRasterDataType();cout << " 影像格式：" << eDataType << endl;//返回值是1；//定义存储影像的空间参考数组double adfInGeoTransform[6] = { 0 };const char* pszWKT = NULL;//获取影像空间参考poIn->GetGeoTransform(adfInGeoTransform);pszWKT = poIn->GetProjectionRef();cout << "影像的坐标系:" << pszWKT << endl;cout << "影像的仿射变换系数：" << endl;for (int i = 0; i < 6; i++){cout << adfInGeoTransform[i] << "  " << endl;}cout << endl;unsigned char** data = (unsigned char**)malloc(sizeof(unsigned char*) * InBands);for (int i = 0; i < InBands; i++){data[i] = (unsigned char*)malloc(sizeof(unsigned char) * src_width * src_height);poIn->GetRasterBand(i + 1)->RasterIO(GF_Read, 0, 0, src_width, src_height, data[i], src_width, src_height, GDT_Byte, 0, 0);}//创建文件            需要用到一个驱动器GDALDriver* poDriver = (GDALDriver*)GDALGetDriverByName("GTiff");//tiff影像（文件类型）//NDVIfloat* ndvi = (float*)malloc(sizeof(float) * src_width * src_height);for (int i = 0; i < src_height * src_width; i++){ndvi[i] = float(data[0][i] - data[1][i]) / float(data[0][i] + data[1][i]);}GDALDataset* po_NDVI = poDriver->Create(NDVIname, src_width, src_height, 1, GDT_Float32, NULL);po_NDVI->SetGeoTransform(adfInGeoTransform);po_NDVI->SetProjection(pszWKT);po_NDVI->GetRasterBand(1)->RasterIO(GF_Write, 0, 0, src_width, src_height, ndvi, src_width, src_height, GDT_Float32, 0, 0);//NDVI阈值分割unsigned char** NDVI_result = new unsigned char* [3];for (int i = 0; i < 3; i++){NDVI_result[i] = new unsigned char[src_width * src_height];memset(NDVI_result[i], 0, sizeof(unsigned char) * src_width * src_height);}for (int i = 0; i < src_width * src_height; i++){if (ndvi[i] < 0.3){NDVI_result[0][i] = 0;NDVI_result[1][i] = 255;NDVI_result[2][i] = 0;}else{NDVI_result[0][i] = 0;NDVI_result[1][i] = 0;NDVI_result[2][i] = 0;}}GDALDataset* po_NDVIclassify = poDriver->Create(NDVIclassify, src_width, src_height, 3, GDT_Float32, NULL);po_NDVIclassify->SetGeoTransform(adfInGeoTransform);po_NDVIclassify->SetProjection(pszWKT);for (int i = 0; i < 3; i++){po_NDVIclassify->GetRasterBand(i + 1)->RasterIO(GF_Write, 0, 0, src_width, src_height, NDVI_result[i], src_width, src_height, GDT_Byte, 0, 0);}//计算RV_比值植被指数float* RVI = new float[src_width * src_height];for (int i = 0; i < src_width * src_height; i++){RVI[i] = float (data[0][i] ) / float (data[1][i]+0.00001);/** 一、RVI——比值植被指数：* RVI=NIR/R* 1、值的范围：0-30+，一般绿色植被区的范围是2-8，无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。； * 2、RVI与LAI、叶干生物量(DM)、叶绿素含量相关性高，可用于检测和估算植物生物量； 与植被覆盖度：当植被覆盖度较高时，RVI对植被十分敏感；当植被覆盖度<50%时，敏感性显著降低；* 3、局限：RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。* 4、应用：“由于研究区植被覆盖度普遍较高,与其他植被指数相比,SR对高覆盖植被区域更为敏感,与生物量的相关性最好。
此外,在山区比值型植被指数(如ND-VI、SR)能够消除大量的地形影响,地形效应通常可以忽略,而非比值型植被指数(如DVI、包含有常数项L的SAVI)对地形起伏变化更敏感[14],由此可能造成了SAVI和DVI的表现要比SR和NDVI差。”[1]*/}GDALDataset* po_RVI = poDriver->Create(RVIname, src_width, src_height, 1, GDT_Float32, NULL);po_RVI->SetGeoTransform(adfInGeoTransform);po_RVI->SetProjection(pszWKT);po_RVI->GetRasterBand(1)->RasterIO(GF_Write, 0, 0, src_width, src_height, RVI, src_width, src_height, GDT_Float32, 0, 0);//RVI阈值分割处理/*//绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。植被的RVI通常大于2//阈值分割 > 2.计算阈值分割在1~2之间的物体//查一下 >1与 >2的区别，以及精度，利用1~2区间看设施蔬菜的提取//RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。//在利用RVI之前做去云处理*/unsigned char** RVI_result = new unsigned char* [3];for (int i = 0; i < 3; i++){RVI_result[i] = new unsigned char[src_width * src_height];memset(RVI_result[i], 0, sizeof(unsigned char) * src_width * src_height);}for (int i = 0; i < src_width * src_height; i++){if (RVI[i] > 2){RVI_result[0][i] = 0;RVI_result[1][i] = 255;RVI_result[2][i] = 0;}else{RVI_result[0][i] = 0;RVI_result[1][i] = 0;RVI_result[2][i] = 0;}}GDALDataset* po_RVIclassify = poDriver->Create(RVIclassify, src_width, src_height, 3, GDT_Float32, NULL);po_NDVIclassify->SetGeoTransform(adfInGeoTransform);po_NDVIclassify->SetProjection(pszWKT);for (int i = 0; i < 3; i++){po_RVIclassify->GetRasterBand(i + 1)->RasterIO(GF_Write, 0, 0, src_width, src_height, RVI_result[i], src_width, src_height, GDT_Byte, 0, 0);}//计算DVI——差值环境植被float* DVI = new float[src_width * src_height];for (int i = 0; i < src_width * src_height; i++){DVI[i] = float(data[0][i]) - float(data[1][i]);}GDALDataset* po_DVI = poDriver->Create(DVIname, src_width, src_height, 1, GDT_Float32, NULL);po_DVI->SetGeoTransform(adfInGeoTransform);po_DVI->SetProjection(pszWKT);po_DVI->GetRasterBand(1)->RasterIO(GF_Write, 0, 0, src_width, src_height, DVI, src_width, src_height, GDT_Float32, 0, 0);GDALClose(po_NDVI);GDALClose(po_RVI);GDALClose(po_DVI);GDALClose(po_NDVIclassify);GDALClose(po_RVIclassify);return 1;
}

C++ +GDAL计算遥感影像植被指数相关推荐

gdal进行遥感影像读写_如何使用遥感影像进行矿物勘探
gdal进行遥感影像读写 Meet Jose Manuel Lattus, a geologist from Chile. In the latest Soar Cast, he discusses ...
python/gdal处理遥感影像（读取、投影转换、裁剪、建立图像金字塔等）
python/gdal处理遥感影像(读取.投影转换.裁剪.建立图像金字塔等) gdal库简单介绍 python使用gdal 一.安装python环境二.安装gdal库三.使用gdal处理遥感影像 ...
计算遥感影像变异系数以及像元值变化趋势的小软件
计算遥感影像变异系数以及像元值变化趋势的小软件最近由于学习上的需要,需要计算很多遥感影像的相关系数,使用envi软件波段计算比较繁琐,就在网上找了不少计算相关指数的python代码,并且自己写了一些 ...
8影像计算ndvi landsat_使用GDAL读取遥感影像的信息
读取影像数据集的元数据 GDAL已经提供了足够方便的函数,可以读取影像的一些元数据信息, 从而方便对数据进行处理.GDAL一般是以字典的形式对元数据进行组织的, 但是对于不同的栅格数据类型,元数据的类 ...
原创程序|基于GDAL的遥感影像批量处理工具介绍（三）
本文主要介绍基于C#+GDAL-Python实用工具开发的遥感影像批量处理工具,该工具目前主要包括影像批量切片生成KML文件和影像批量切片生成Tiles文件.该工具.Net框架版本为4.0,GDAL版 ...
Python地学分析 — GDAL对遥感影像重投影
欢迎关注博主的微信公众号:"智能遥感". 该公众号将为您奉上Python地学分析.爬虫.数据分析.Web开发.机器学习.深度学习等热门源代码. 本人的GitHub代码资料主页(持续 ...
基于c语言的遥感图像处理,基于GDAL的遥感影像显示（C#版）
在matlab中实现遥感影像和shp文件的结合显示 clc;close all;clear; road=shaperead('boston_roads.shp'); %读取shape文件 figure ...
数字图像处理：基于NDVI的遥感影像植被提取
文章目录一.实验任务与内容二.实验原理三.编程思路四.实验成果图五.源代码 ImageProcessing.h ImageProcessing.cpp Main.cpp 一.实验任务与内容 ...
ArcGIS中ArcMap快速自动计算单一波段或多波段栅格遥感影像NDVI的方法
本文介绍在ArcMap软件中,快速对单一波段或多波段栅格遥感影像自动计算NDVI数值的方法. 计算遥感影像的NDVI值是一个很常见.也很基础的操作,基于ENVI.ERDAS等专业遥感影像数据处 ...
python 读取geotiff_科学网—利用python GDAL库读写geotiff格式的遥感影像方法 - 张伟的博文...
(1)利用python GDAL库读写geotiff格式的遥感影像方法,具有很好的参考价值,不错! from osgeo import gdal import numpy as np def read ...

C++ +GDAL计算遥感影像植被指数

几种常见植被指数

NDVI（归一化植被指数）：NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。

RVI（比值植被指数）：RVI=NIR/R，或两个波段反射率的比值。

DVI（差值环境植被指数）：DVI=NIR-R，或两个波段反射率的计算。

C++ +GDAL计算遥感影像植被指数相关推荐

最新文章

热门文章