ENVI学习总结（⼗⼆）——基于改进的CASA模型反演NPP 基于改进的 CASA 模型反演 NPP
数据为地理空间数据云提供的 TM 影像，其具体信息如图 1 所⽰。该实验中所使⽤的 TM 数据已进⾏过 QUAC 快速⼤⽓校正，来消除⼤⽓和光照等因素对地物反射的影响。Landsat 主题成像仪(TM)是 Landsat4 和 Landsat5 携带的传感器，每 16 天扫描同⼀地区，即16 天覆盖全球⼀次。 TM 影像包含 7 个波段，波段 1-5 和波段 7 的空间分辨率为 30 ⽶，波段 6（热红外波段）的空间分辨率为 120⽶
软件安装
将⽂件夹“程序”下的 zhu_npp_calc.sav ⽂件（朱⽂泉教授设计的NPP模型）复制到 ENVI 安装⽬录的 save_add ⽂件 夹下⾯；
⽤写字板打开 ENVI 安装⽬录下的 ⽂件，在最后⾯加上如下内容，然后保存退出；
启动 ENVI Classic 经典版本之后，将会在 ENVI 菜单栏出现“实⽤函数”；
单击实⽤函数 ， 选择NPP估 算 ，弹出植被 NPP 计算设置窗⼝
⼀、数据准备
在软件运⾏之前，需要准备以下数据⽉平均温度栅格⽂件，单位为℃，由⽓象数据插值得到，时间范围与 NDVI ⼀致。  ⽉总降⽔量栅格⽂件，单位为 mm，由⽓象数据插值得到，时间范围与 NDVI ⼀致。
⽉太阳总辐射
栅格⽂件：单位为 MJ/m2，由⽓象数据插值得到，时间范围与 NDVI ⼀致。
NDVI 时间序列数据：栅格⽂件，由遥感数据计算得到。可以是⼀个时间序列，如：12 个⽉的 NDVI 数据。
植被类型图：栅格⽂件，确定各植被类型的空间分布。 静态参数⽂件该⽂件配置各植被类型的 NDVI 最⼤值、NDVI 最⼩值、SR 最⼤值、
SR 最⼩值以及最⼤光能利⽤率（gC/MJ）。
⼆、设置结果⽂件存放路径
设置结果存放⽂件夹，所有结果都会输出到该⽂件夹下⾯。默认情况下，会输出年度植被净初级⽣产⼒（npp_sum）和植被年平均覆盖率（veg_cov_mean），如果勾选了“同时输出 NPP 及植被覆盖度时间序列⽂件”复选框，则还会额外输出每个⽉的植被 NPP及植被覆盖度。
三、实验过程
1.数据来源及说明
遥感数据：来源于中国科学院资源环境科学数据中⼼(sdc)所提供的 2001 年的 SPOT-VEGETATION NDVI 影像。
该数据集经过最⼤值合成法 MVC（Maximum Value  Composites） 处理，空间分辨率为 1km，时间分辨率为逐⽉。
⽓象数据：来⾃中国⽓象科学数据共享服务⽹（v/），包括 2001 年的⽉降⽔量、⽉平均⽓温和⽉总太阳辐射数据，共覆盖东北地区的 107 个⽓象站点。为保持⽓象和遥感数据在空间上的⼀致性，利⽤插值⼯具将点数据转换为空间分辨率为1km 的⾯栅格数据。⽂中所有数据均使⽤以 WGS 84 为基准⾯的 Albers 等⾯积圆锥投影。
植被类型图：植被图为 2001 年中国科学院植被图编辑委员会编制的 1:100 万中国植被类型图。
2.数据处理
（1）⽉平均温度空间插值（克⾥⾦插值法必做）  启动 ArcGIS，并加载⽓象（温度和降⽔）站点数据
和东北地区边界数据，在 ArcGIS 中加载温度数据（excel 格式）。⽓象（温度和降⽔）站点数据属性表与温度数据（excel 格式）属性表建⽴连接。  在内容列表中，右键单击图层名 NE_station.shp→打开属性表（Open Attribute Table），⽓象（温度和降⽔）站点数据属性表如图所⽰。
右键单击温度数据 Sheet1→打开属性表（Open），温度数据属性表如图所⽰
温度 excel 表中的“ID”与⽓象站点属性表中的站点代码“ID”相对应（实际操作中，这⼀字段的名称可以不同，但数据类型必须相同）。在内容列表中，右键单击想要连接的图层名 NE_station.shp→Joins a
nd Relates（连接和关联）→Join（连接），弹出“连接数据”对话框。在连接数据对话框中，先选择⽤作连接依据的字段 ID；然后选择要连接到图层的表 Sheet1$；最后选择 excel 表中要⽤作连接依据的字段 ID，其他参数使⽤缺省值，单击 OK，如图 所⽰。查看新属性表，发现增加了 2001 年逐⽉平均温度数据，如图所⽰。如果想要将连接的数据与地理要素永久保存在⼀起，可将数据导出到⼀个新要素类中，在内容列表中右键单击该图层→data→Export data，设置存储路径，单击 OK。
在执⾏插值处理之前，先查看菜单栏→Geoprocessing→Geoprocessing options中最后⼀个选项框 Results are temporary by default（创建临时结果）是否被勾选。本实验中需要保留插值结果，故不选中 Results are temporary by default 复选框。在ArcToolBox 中，单击 Spatial Analyst Tools→Interpolation→Kriging→Batch，打开该⼯具的窗⼝。（ArcGIS 版本，Spatial Analyst→插值→克⾥⾦插值→批处理）如图 15 所⽰，在插值窗⼝中，Input point features（输⼊点要素）中选择
被⽤来进⾏插值的离散点数据 NE_station；在 Z value field（Z 值字段）中选择要参与插值的字段 Sheet1$.tem01；在 Output surface raster（输出表⾯栅格）中设置输出⽂件名称，建议按⽉份顺序命名（命名规则：tem2001MM.tif，tem 表⽰⽉平均温度， MM 表⽰⽉。）；Semivariogram properties（半变异函数属性）中使⽤缺省值 Ordinary（普通克⾥⾦法）和 Spherical（球⾯半变异函数）；在 Output cell size（输出像元⼤⼩）中设置输出表⾯的栅格⼤⼩为“1000”（和遥感影像像元⼤⼩相⼀致）；Search radius（搜索半径）和Output  variance of prediction raste（预测栅格数据的误差）使⽤缺省值。
单击右侧的“+”增加 11 ⾏⽤来输⼊其它 11 个⽉的数据。在 Z value field（Z 值字段）中选择要参与插值的字段（按序选择对应的⽉平均温度字段）；在 Output surface raster （输出表⾯栅格）中设置输出⽂件名称。其他参数设置与第⼀⾏相同。如果某⼀列值相同，可直接单击该列空⽩处，在菜单中选择 Fill，完成⼀列的参数设置。在插值窗⼝中，单击 Environments …（环境设
置）→Processing Extent（处理范围），在 Extent 的下拉菜单中选择 Same as layer 东北地区边界，单击 OK，如图所⽰。
2001 年 1 ⽉东北地区平均温度插值结果如图所⽰。
tool工具箱
启动 ENVI 软件，选择 File→Open，打开 12 个⽉的温度插值数据。在 Toolbox ⼯具箱中，双击 Raster Management→Layer stacking 进⾏波段叠加，打开 Layer Stacking Parameters 窗⼝。单击 Import File…按钮，弹出 Layer Stacking Input File 窗⼝，选中 12 个⽉的温度插值数据，单击 OK。输⼊的⽂件将出现在 Selected Files for Layers Stacking 列表中，如果不⼀致可通过 Reorder Files…按钮来调整波段顺序。数据加载进来后，会⾃动读出图像投影信息和像元⼤⼩。Resampling（重采样）
⽅法使⽤缺省值，即Nearest Neighbor。单击 Inclusive 和 Exclusive，选择输出⽂件范围。如果选择 Inclusive，输出图像的地理范围将是所有输⼊⽂件范围的并集；如果选择 Exclusive，输出图像的地理范围仅包含所有输⼊⽂件的重叠范围。此处选⽤缺省值 Inclusive。设置⽂件名及存储路径，单击 OK。波段叠加后，band1 表⽰ 1 ⽉的⽓温数据，band2 表⽰ 2 ⽉的⽓温数据。
在 Layer Manager（图层管理）中，右键单击图层名 tem2001，选择 Profiles→Spectral，可以看到某⼀点像元的时间序列曲线，如图所⽰。横坐标为⽉份，纵坐标为温度。
⽉总降⽔量空间插值使⽤克⾥⾦插值⽅法将⽉总降⽔量数据转换为⾯栅格数据，操作步骤同上。在 Layer Manager（图层管理）中，右键单击图层名 rain2001，单击 Quick Statics （Compute Statics）即可弹出统计界⾯。快速统计可以快速的统计图像的最⼤值、最⼩值、均值、标准差和直⽅图分布。如图所⽰，波段 12，即经插值后的 12 ⽉份⽉总降⽔量数据最⼩值出现负数，这是不合理的。使⽤Band Math ⼯具，把图像中⼩于 0 的值赋值为 0。
在 Toolbox ⼯具箱中，双击 Band Algebra→Band Math ⼯具，打开 Band Math 对话框
在 Enter an expression（运算表达式输⼊框）中输⼊表达式：( b1 ge 0 ) * b1 + ( b1 lt 0 ) * 0  ，关系运算符対真值（关系成⽴）返回值为 1，对假值（关系不成⽴）返回值为 0。第⼀个关系运算符( b1 ge 0 )是出像元值为正或 0 的像元，乘以它们的初始值；第⼆个关系运算符( b1 lt 0 )是出像元值为负的像元，乘以 0。  单击 Add to List 按钮，将表达式添加到列表中。单击 OK 按钮，打开Variables to Bands Pairings 对话框，为运算表达式中各个变量赋予图像⽂件或者图像波段。单击 Map Variable to Input File 按钮，为变量 b1 选择 rain2001 图像的所有波段。单击 Choose 按钮，选择⽂件名及路径保存结果，单击 OK 按钮，执⾏运算。
对 rain2001_ge0 ⽂件进⾏快速统计，如图 23 所⽰，图像所有波段的像元最⼩值都⼤于等于 0，降⽔插值数据符合真实情况，可进⾏后续实验。
（3）⽉太阳总辐射空间插值
由于辐射站点较少，使⽤克⾥⾦⽅法进⾏插值精度不⾼，对⽉太阳总辐射数据进⾏插值时使⽤反距离加权插值⽅法（IDW）。其操作步骤与克⾥⾦插值⽅法类似，在 Output cell size（输出像元⼤⼩）中设置输出表⾯的栅格⼤⼩为 “1000”（和遥感影像像元⼤⼩相⼀致）；在 Power（幂⽂本框）中输⼊ IDW 的幂值，幂值是⼀个正实数，其缺省值为 2；Search radius（搜索半径）为缺省
值，VARIABLE 12；Input barrier polyline features（输⼊障碍折线要素）为可选项。
（4）NDVI 时间序列
2001 年 1 ⽉东北地区太阳总辐射插值结果如图 25 所⽰。在 ENVI 中打开 2001 年 NDVI 时间序列数据时，由于背景值为-9999，像元值范围在[0,1]（NDVI 值范围在[-1,1]，该数据已经去除由于云、积雪等影响⽽出现的负值），数值之间差距太⼤，图像呈现为⿊⾊。在 Toolbox ⼯具箱中，双击 Raster Management→Edit ENVI Header ⼯具，在 Data Ignore Value ⽂本框中填⼊-9999，忽略背景值影响。在 Layer Manager（图层管理）中，右键单击图层名 northeast_ndvi_2001，选择 Profiles →Spectral，可以看到某⼀点 NDVI 时间序列曲线，如图 26 所⽰。横坐标为⽉份，纵坐标为 NDVI 值。
（5）植被类型图  根据实验需求，在 2001 年中国科学院植被图编辑委员会编制的 1:100 万中国植被类型图基础上对各植被类型重新筛选、合并和编码等处理。在 ENVI 中打开经处理后的东北地区植被类型图，如图所⽰。植被类型主要有：针叶林、阔叶林、针阔混交林、灌丛、草地、栽培植被、沼泽、荒漠和⾮植被。
（6）静态参数⽂件⽣成

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。