4 SPOT 数据的 NVMI 的提取模型
土壤湿度特征选择湿度指数（NDMI）来表达，湿度指数 NDMI 已成功地应用到生态环境 中对土壤湿度的监测中。该指数根据短波红外波段受水吸收带的影响，对湿度、含水量信息 非常敏感，且绿波段对水体发射较高的特点，选用这两个波段经标准化处理构建而成，表达 式为： NDMI=
从 2001 年至 2009 年南海区土地利用变化表中可以看出来，耕地面积从 2001 年的 38258.28 公顷变成 2009 年 21662.64 公顷，面积减少了 16595.64 公顷；水域面积从 2001 年 的 5673.96 公顷变成 2009 年的 5473.08 公顷，面积减少了 0.88 公顷；相对于这两种类型来 说， 建设用地、 林地、 未利用地却相对增加了。 特别是建设用地， 到 2009 年反而增加了 8809.92 公顷，说明城市化快速发展，建设用地面积也不断地增加。 土地利用变化的幅度主要表现为各种土地利用类型的面积变化， 从中可以了解区域上土 地利用变化的趋势。由于人口的增长及城市化、工业化进程的不断加快，南海市的土地利用 在 2001 年至 2009 年期间变化幅度很大，其中耕地减少了 14.43%；水域减少了 0.17%；相对 而言，建设用地增加了 7.66%；林地增加了 2.32%；未利用地增加了 4.62%。这说明不同的 驱动力导致不同的土地利用类型的面积发生变化。
3 基于 NDBI 的 ASTER 影像城镇用地识别
自引人了归一化差异植被指数(NDVI)以来， 已有不少类似的归一化差异型指数相继见诸 于遥感文献。NDVI=(TM4-TM3)/(TM4+TM3)，之所以能有效提取植被，是因为 TM4 与 TM3 两个 波段灰度值相比，只有植被在 TM4 上值大于 TM3，而其他地类都相反，因此在 NDVI 图像上 一般大于 0 值都是植被。查勇、倪绍祥和杨山等从中得到启发后发现，在 TM4 与 TMS 两波段 之间， 除了城镇灰度值增高外， 其他地类值都变小， 由此构建用归一化建筑指数(NDBI)， NDBI 式:NDBI=源自3 南海区土地利用动态变化分析
通过对两期影像的分类后处理， 得到的转移矩阵可以发现南海区从 2001 到 2009 期间， 土地利用类型都发生了变化。 表 1 2001 年—2009 年南海区土地利用变化
土地利用 类型 耕地 林地 建设用地 水域 未利用地 2001 面积（公顷） 38258.28 30817.44 31829.40 5673.96 8465.40 比例 （% ） 33.26 26.79 27.67 4.93 7.35 2009 面积（公顷） 21662.64 33494.76 40639.32 5473.08 13774.68 比例（%） 18.83 29.11 35.33 4.76 11.97 变化量 面积（公顷） -6595.64 2677.32 8809.92 -0.88 309.28 比例（%） -14.43 2.32 7.66 -0.17 4.62 动态度 -43.38 8.66 27.68 -3.45 62.85
分别表示为:NDWI=
G −NIR G+NIR
NDMI=
G −TM 5 G+TM 5
经水体指数(NDWI)与湿度指数(NDMI)提取后,湿地、农田、水体 3 种信息都被有效地区分和 提取了出来。
习作 4
区域土地利用/覆被变化典型案例分析
花都区土地利用变化及驱动力分析
摘要：本文根据广州市花都区 2005-2010 年陆地卫星 TM 资料以及社会经济统计数据，采用 主成分分析等数理统计方法， 系统分析花都区土地利用变化时空特征及其驱动因子。 结果表 明，花都区 2005-2010 年间土地利用变化显著，林地面积大幅度减少，建设用地面积普遍增 加。经济发展、人口增长、城镇化进程的加快成为其土地利用变化的主要驱动因素。 关键词：土地利用变化；驱动力；主成分分析；花都区 土地利用/覆被变化是目前全球变化研究的热点之一[1-4]。土地利用变化在可持续发展研 究中占有重要地位,当前一些学者进一步探讨了土地利用变化驱动力因素[5-6]。土地利用变化 是人类利用土地资源来满足自身发展而不断变化的一个动态过程。 从人类产生开始， 就有了 土地利用，土地利用变化就会不可避免的发生[7]。因此，土地利用及其变化贯穿于人类的历 史发展过程中。本文以广州市花都区作为研究对象，通过对该地区 2005—2010 年的遥感影 象进行解译， 对花都区的土地利用变化特征及驱动力进行研究， 深入了解引起花都区土地利 用变化的驱动机制，对珠三角外缘地区土地资源可持续利用具有重要意义。
2 单一土地利用动态度； 单一土地利用类型动态度表达的是某研究区一定时间范围内某种土地利用类型的数量 变化情况，其表达式为:
R
Ub U a 1 100% Ua T
Ua 、 Ub 分别表示研究期起始以及研究期结束时的某一用地类型的数量； 在计算公式中， T 为研究时段长，通常以年作为研究单位；如当 T 的时段设为年时，R 的值就是该研究区域 某种土地利用类型年变化率。
习作 1
1 研究区概况
南海区地处广东省中部珠江三角洲腹地，东连广州，东南接番禺、顺德，西南邻高明、 鹤山，西北和北部与三水、花都接壤。南海区属于南亚热带海洋性气候，光热资源丰富．雨 量充沛：同时又属珠江三角洲河网区，境内地势平坦，地貌以平原为主，少有丘陵和山地， 其中冲积平原占总面积的 82．79％。丘陵与山地仅分别占 13．2％和 1.0%。改革开放以来， 南海市经济发展迅速， 是我国沿海开放地区尤其是珠江三角洲地区经济迅速发展的典范， 被 誉为广东的“四小虎”之一，同时也是经济迅速发展、城市化水平快速提高过程中耕地面积 锐减的典型地区。 因此其耕地数量的变化对珠江三角洲地区乃至全国经济发展迅速的地区具 有广泛的代表性。
但是 ASTER2 为可见光波段，分辨率是 15m，而 ASTER4 波段落人短波红外范围，分辨率 是 30m。因此在运算之前需对 ASTER4 进行重采样，使其分辨率与 ASTER2 一致。重采样后计 算 NDBI，其计算结果如下:城镇用地的值为 1 或 2，值为 1 的部分在图上表现为灰色调，值 为 2 的部分在图上表现为白色的亮色调;水体的值为 1，与值为 1 的城镇用地同为灰色调； 植被的值为 0，在图上表现为黑色调。 为了保证所提取的城镇用地的精度，必须消除稀疏植被和水体的影响。为达此目的，首先计 算 NDVI，以。作为阈值将 NDVI 图分成两类，大于 0 的为植被覆盖区，小于 O 的为非植被覆 盖区;其次从标准假彩色图像上用监督分类提取水体，将植被覆盖区和水体作为掩膜对 NDBI 图进行修正。
土地利用 类型 耕地 林地 建设用地 水域 未利用地 2001 面积（公顷） 38258.28 30817.44 31829.40 5673.96 8465.40 2009 面积（公顷） 21662.64 33494.76 40639.32 5473.08 13774.68 -43.38 8.66 27.68 -3.45 62.85 动态度
习作 3
阅读以下参考文献，熟悉基于不同遥感数据源（例如 TM、ASTER、SPOT 等）的 NDVI、 NDBI、NDISI 和 NDMI 的提取模型并说明其应用意义。
1 NDISI 的提取模型及应用意义
徐涵秋(2008)提出归一化差值不透水面指数(NDISI)用以提取不透水面信息。该方法采 用复合波段的形式,在指数的构建时,充分考虑了土壤和水体的光谱特征。 通过分析遥感影像 中主要地类的反射光谱特征,发现以热红外波段和近红外波段为基本框架构成的比值运算, 可以最大程度地突显不透水面信息。 NDISI 指数公式如下: TIR − (VIS1 + N IR + MIR1)/3 ������������������������������ = TIR + (VIS1 + NIR + MIR1)/3 式中的 NIR、 MIR1 和 TIR 分别为影像的近红外、 中红外和热红外波段,如 Land-sat TM 的 4、 5、 6 波段;VIS1 代表可见光中的某一个波段,如 Land-sat TM 的 1、 2、 3 波段中的任何一个。 应用意义：其土壤、沙地和水体在这两个波段的光谱特征虽与不透水面相似,但土壤和 沙地在中红外和可见光波段的蓝、绿或红光波段处均具有比不透水材料高的反射率,而水体 在可见光波段处的反射率可高于或低于不透水材料。因此,在不透水面地类原来弱反射的近 红外波段的基础上,进一步加入中红外波段以区别土壤、 沙地,同时加入可见光中的某一波段 或改进型归一化水体指数 MNDWI 以区别于水体。这样不需要进行剔除水的预处理,提取的不 透水面信息中也不再混入土壤信息,是一种获取不透水面信息的快速方法,而且有较高的提 取精度,因此,可以用于大区域范围内快速自动提取不透水面信息。
TM 5−TM 4 TM 5+TM 4
TM4、TM5 分别指 TM 图像的第 4、第 5 波段。很显然 NDBI 取值在一 1 与 1 之间。根据公式， 理论上只要 NDBI 取值大于 0 的就为城镇用地，小于 0 的为非城镇用地。 基于 NDBI 法城镇用地影像识别分类与制图
NDBI =
ASTER 4 −ASTER 2 ASTER 4+ASTER 2
2 NDVI 的提取模型及应用意义
NDVI 是近红外波段 NIR（0.7-1.1μ m）与可见光红波段 R（0.6-0.7μ m）数值之差和这 两个波段数值之和的比值。 它一方面能够反映植被光合作用的有效辐射吸收情况， 另一方面 能够反映绿色生物量、植被覆盖度、叶面积指数 LAI（leaf Area Index）等，是目前应用 最为广泛的植被指数。对于 TM 图像，其计算公式为： TM4 − TM3 TM4 + TM3 式中， TM4 和 TM3 分别表示 Landsat 陆地卫星专题制图仪的第四 （近红外） 和第三 （红） 波段亮度值。 它是植物生长状态及植被空间分布密度的最佳指示因子， 与植物覆盖分布密度 呈线性相关。按照该方法，用 3 个时相 TM 影像的四波段（近红外）和三波段(红)计算 3 个 时相的 NDVI， 可得到其分布为 1≥NDVI≥－1 。 一般情况下， NDVI＜0 表示地面覆盖为云、 沙、水等，对可见光高反射；NDVI＝0 表示有岩石或裸土等；NDVI＞0 表示有植被覆盖，且 随覆盖度增大而增大。 ������������������������ = 应用意义：选用 Landsat TM 遥感数据。数据由美国地质调查局网站提供，所有影像的成 像季节相近，成像质量好，基本无云。Landsat TM 遥感数据空间分辨率除第六波段外均为 30 m。利用 TM 影像的红光波段（R ）和近红外波段（NIR ）提取归一化植被指数 NDVI，能 够较为真实反映研究区植被情况，而且相关研究技术也相当成熟。