基于GIS与遥感的福州市植被生态环境质量综合分析-技术流程与具体实验步骤

PAGEPAGE5基于GIS与遥感的福州市植被生态环境质量综合分析——技术流程与具体实验步骤一、技术流程具体的实验流程如图1所示。图1.技术流程图二、实验步骤（一）数据预处理（1）波段叠加1、2006年11月5日的Landsat5TM原始数据如图2所示。图2.原始数据2.在ENVI软件中点击菜单BasicTools，选择子菜单LayerStacking，如图3所示。图3.波段叠加菜单（ENVI4.5）3.在弹出的窗口中设置参数：选择要进行叠加的波段数据以及结果数据名称和存放路径，如图4所示。生成的多波段影像如图5所示。图4.设置波段叠加的参数图5.生成的多波段影像（RGB为5，4，3组合）（2）投影转换利用Arcmap软件中的投影转换工具Project，对福州市行政界线图层进行投影转换。如图6所示。图6.投影转换（3）影像裁剪1.在ENVI软件中将福州市的矢量边界图层与遥感影像叠加显示。首先打开遥感影像图，然后在视图中点击菜单Overlay下的子菜单Vectors…，在弹出的窗口中点击菜单File，选择OpenVectorFile…，如图7所示。图7.叠加矢量图的菜单2.在弹出的窗口中设置参数如下：选择输入的矢量边界图层，选择输出的.evf数据文件名及其存放路径，选择矢量图曾的投影坐标系统，然后点击OK，在弹出的窗口中设置矢量图层的显示颜色为红色，点击Apply。图16.植被指数的波段运算2.点击OK，在弹出的窗口中进行变量与波段之间的配对。然后选择输出文件名及其存放路径。结果如图17所示。图17.变量与波段之间的配对以及生成的植被指数影像图（2）热度指数提取1.热红外波段的遥感数据TM6(10.4～12.5um),对温度敏感,经辐射定标后,直接得到辐射温度,可以根据地物辐射响应的差异,反映不同的地类,因而TM6图像数据可以作为温度的相对指标。故在本实验中,以辐射校正处理后的TM6作为热度指数。辐射校正的公式以及参数值如图18所示。图18.辐射校正的公式以及参数值2.在BandMath窗口中输入公式：((15.30-1.24)*b6)/255+1.24。点击OK，在弹出的窗口中进行变量匹配。生成的热度指数影像图如图19所示。图19.热度指数的波段运算与热度指数影像图（3）湿度指数提取在BandMath窗口中输入公式：0.1509*(b1)+0.1973*(b2)+0.3279*(b3)+0.3406*(b4)-0.7112*(b5)-0.4572*(b7)。点击OK，在弹出的窗口中进行变量匹配。生成的湿度指数影像图如图20所示。图20.湿度指数的波段运算与湿度指数影像图（3）土壤亮度指数提取在BandMath窗口中输入公式：0.3037*(b1)+0.2739*(b2)+0.4743*(b3)+0.5585*(b4)+0.5082*(b5)+0.1863*(b7)。点击OK，在弹出的窗口中进行变量匹配。生成的土壤亮度指数影像图如图21所示。图21.土壤亮度指数的波段运算与土壤亮度指数影像图（4）高程与坡度影像数据提取1.打开DEM影像，利用福州市行政边界矢量图作为掩膜，提取福州市的DEM。如图22和图23。图22.建立裁剪福州市DEM的掩膜图23.福州市高程数据（DEM）影像图2.将DEM影像图另存为tiff格式的数据：点击菜单File，选择子菜单中的SaveFileAs中的TIFF/GeoTIFF，在弹出的窗口中输入福州市DEM数据，并选择输出文件名及其路径。如图24所示。图24.将DEM影像图另存为tiff格式的数据3.启动Arcmap软件，打开福州市DEM的tiff格式数据，打开3DAnalyst模块，点击该模块中的SurfaceAnalysis菜单中的子菜单Slope…，在弹出的窗口中进行参数设置，生成坡度影像图。如图25所示。利用ENVI打开生成的坡度影像，如图26所示。图25.生成坡度影像图图26.坡度影像图（三）综合评价模型的建立（1）各指标的标准化处理1.由于评价指标与植被生态环境质量关系有正逆两种，且其算法也不同，不具备可比性，因此对评价指标值要经过标准化处理，标准化处理公式如下：a=(X-Xmin)/(Xmax-Xmin)×100(1)b=100-(X-Xmin)/(Xmax-Xmin)×100(2)与植被生态呈正相关的指标为植被指数、湿度指数(在其他植被生态环境指标相同的条件下，福州市的湿度指数即水分状况与植被生态呈正相关)和高程(根据实地调查资料，福州市高程与植被覆盖呈正相关关系)，按(1)式进行标准化；与植被生态呈负相关的指标为热度指数、土壤亮度指数和坡度，按(2)式进行标准化。a，b分别为与植被生态呈正相关的指标(植被指数、湿度指数、高程)及与植被生态呈负相关指标(热度指数、土壤亮度指数、坡度)的标准化值，X为指标值，Xmax为指标最高阈值，Xmin为指标最低阈值。2.点击菜单BasicTools，选择子菜单中的Statistics中的ComputeStatistics，统计得出各个遥感指数的影像最大与最小值。然后利用波段运算工具，根据上述公式进行标准化处理。植被指数NDVI影像图的标准化，波段运算时输入的公式为（b1+1）/2*100。如图27~29。图27.对植被指数影像图进行统计计算图28.植被指数影像图的标准化图29.标准化处理后的植被指数影像图湿度指数THIRD影像图的标准化，波段运算时输入的公式为：(b1+234.987885)/(75.979607+234.987885)*100。如图30~31。图30.湿度指数的标准化处理图31.标准化处理后的湿度指数影像图c）高程数据DEM影像的标准化，波段运算时输入的公式为：(float(b1)+19)/(1675+19)*100。如图32~33。图32.高程数据影像的标准化图33.标准化处理后的高程数据影像图d）热度指数HOT的标准化处理，波段运算时输入的公式为：100-(b1-5.044471)/(15.300000-5.044471)*100。如图34~35。图34.热度指数的标准化处理图35.标准化处理后的热度指数影像图e）土壤亮度指数BRIGHTNESS的标准化处理，波段运算时输入的公式为：100-(b1-0)/(587.749512-0)*100。如图36~37。图36.土壤亮度指数的标准化处理图37.标准化处理后的土壤亮度指数影像图f）坡度影像SLOPE的标准化处理，波段运算时输入的公式为：100-(b1-0)/(87.830170-0)*100。如图图38.坡度影像的标准化处理图39.标准化处理后的坡度影像图3.将标准化后的这六个指标影像数据合成一幅影像：点击BasicTools，选择LayerStacking。如图40所示。图40.六个指标影像合成一幅影像（2）主成分分析1.点击菜单Transform，选择子菜单PrincipleComponents》ForwardPCRotation》ComputeNewStatisticsandRotation，在弹出的对话框中设置相应的参数，生成主成分影像图，如图41~45。图41.主成分分析菜单图42.主成分分析参数设置图43.第一、二主成分影像图图44.第三、四主成分影像图图45.第五、六主成分影像图2.打开主成分分析生成的统计数据结果文件：点击BasicTools菜单中的Statistics》ViewStatisticsFile，主成分的特征值和特征向量如图46所示。图46.主成分的特征值和特征向量3.计算各个指标的载荷矩阵：由于提取主成分的个数一般要求累积贡献率超过85%，本实验中提取了前四主成分，它们代表了反映植被生态指标的99.55%的原始信息，可信度很高。计算得的负荷矩阵见表1。表1旋转后的因子(主成分)负荷矩阵指标主成分1主成分2主成分3主成分4坡度-8.7004.989-7.747-0.804土壤亮度指数40.9842.041-0.7070.609热度指数33.2651.295-0.7740.245高程4.230-11.472-3.6431.295湿度指数5.078-9.456E-020.1700.273植被指数9.643-3.5600.193-4.869特征值2.999E+031.750E+0274.45226.540贡献率（%）91.165.322.260.81累计贡献率（%）91.1696.4898.7499.55（3）综合得分1.根据主成分分析所确定的权重值，建立福州市生态环境综合评价模型:上式中，E为评价单元生态环境综合评价指数，Pi(i=1，2，3，4)为第i个主成分得分，Ai(i=1，2，3，4)为第i个主成分权重(贡献率)。在ENVI的支持下，利用上述植被生态环境综合评价模型计算福州市植被生态综合得分，得分越大，植被生态环境越好，得分越小，植被生态环境越差。2.根据上述公式进行波段运算，输入公式为：(float(b1)*0.9116)+(float(b2)*0.0532)+(float(b3)*0.0226)+(float(b4)*0.0081)。如图47所示。图47.福州市植被生态综合得分影像图（四）专题制图（1）密度分割在ENVI软件中福州市植被生态综合得分影像图，点击Tools》ColorM