1. 遥感基本概念
遥感有一个很笼统的定义——遥远的感知，它只是包含了一层意思——数据的获取。目前遥感不单单是一种方法，而应该理解成为一种技术，获取地球信息的一种技术（当然也可以获取其它星球的信息）。它的定义就扩展了，在未接触物体的情况下获取其特征信息，在经过提取、判定、加工及应用分析的一门综合性技术。
遥感有一个最基本的概念，就是地物光谱特性。这个概念也挺好理解，就是一切物体，具有反射或辐射不同波长的电磁波，但是在不同种类和环境，其特性不同，因而就有两种现象，同物异谱和同谱异物。
遥感根据不同的标准有不同的分类，每个分类有引出很多的定义。但是我觉得，只要记住以下几个定义类型即可，其余的可以根据情况适当了解。类型包括：航空遥感、航天遥感、光学遥感、微波遥感（即雷达遥感）、高光谱遥感、被动式遥感。
2. 遥感的优势
遥感优势在于能够频繁持久地提供地表的面状信息，具有宏观、动态、精确地监测地表环境的变化的特点。由于人类的信息需求有80%与地理空间位置有关，遥感在国民经济、社会发展和国防安全中起着越来越重要的作用。
“不识庐山真面目，只缘身在此山中”，遥感就是从外太空为人类增加一双眼睛。
3. 遥感图像基本特征
遥感技术最基本的东西其实就是遥感图像，不管你是设计传感器，还是专注遥感的应用，都是围绕着图像来工作。离开图像来谈遥感，等同于画饼充饥。
遥感图像反映的信息内容主要有波谱信息、空间信息和时间信息。
波谱信息
图像上的波谱信息表现为已经量化的辐射值，即图像的亮度/灰度指/像元值，他是一种相对的量度。量化就是把采样过程中获得的像元平均辐射亮度值，按照一定的编码规则划分为若干等级，即把像元平均辐射亮度值按一定方式离散化。它对应我们常见的概念就是图像的比特或者灰阶，如8比特，量化范围就是0~255。
像元值间接反映了地物的波谱特征，不同的地物有着不同的像元值，当然把同谱异物排除，遥感图像解译中识别不同地物的一个重要标志就是图像的像元值差异。同时像元值也是反映一幅图像信息量大小的重要，信息量的大小一般采用了通讯理论中的的香农在1948年提出的熵来表示。
在ENVI中查看图像的像元值非常的方便，如图中所示，Data中的R、G、B对于的值就是像元值。
空间信息
空间信息是通过图像的像元值在空间上的变化反映出来，包括图像上有实际意义的点、线、面或者区域的空间位置、长度、面积、距离、纹理信息等都属于空间信息。
与空间信息相关的两个概念需要理解，一是采样，即把连续图像空间划分成一个个网格，并对各个网格内的辐射值进行测量；二是空间分辨率，即图像中一个像元代表地面实际大小。
要想得到图像的空间信息，首先都得知道图像的投影系统，图像有了地理参考，才能对图像进行量测，投影系统一般分为地理投影和平面投影。
在ENVI中，同样可以很方便的查看图像的基本信息，可以看到图像的投影信息，空间分辨率、图像大小等信息。
时间信息
图像的时间信息指的是不同时相遥感图像的光谱信息与空间信息的差异。图像的时间信息对图像的解译、动态监测等影响很大。如不同季节下的树木所含的叶绿素是不一样的，因此两幅不同季节下同一地物在图像上的像元值是不一样的，表现为颜色也不一样。
除了需要查看以上三个方面的图像特征外，还需要知道图像的一些统计特征，这些统计特征包括：
均值——图像中所有像元值得平均值，它反映了地物信息的平均反射强度。
中值——指图像所有灰度级中处于中间的值，表示一个反差状况。
灰度方差——它反映各像元灰度值与图像平均灰度值得总的离散程度，它是衡量一幅图像信息量大小的重要度量。
图像灰度数值值域——它是图像最大灰度值和最小灰度值得差值，反映了图像灰度值的变化程度，间接反映了图像的信息量。
图像直方图——指图像中所有灰度值的概率分布。它能够反映图像的信息量及分布特征。
多波段间的相关系数——相关系数是描述波段图像间的相关程度的统计量，反映了两个波段图像所包含信息的重叠程度。
在ENVI中的，Basic Tool->Statistics->Compute Statistics可以统计单个图像的特征。
4. 遥感图像预处理
图像预处理是遥感应用的第一步，也是非常重要的一步。目前的技术也非常成熟，大多数的商业化软件都具备这方面的功能。
数据预处理的过程包括几何校正（地理定位、几何精校正、图像配准、正射校正等）、图像融合、图像镶嵌、图像裁剪、去云及阴影处理和大气校正等几个环节，如下图是中等分辨率的全色和多光谱图像预处理流程图示。在几何校正环境，使用从标准数据中选择控制点方式进行对全色图像几何校正，以全色图像作为基准图像配准多光谱图像，将多光谱和全色图像进行融合处理，利用矢量边界对融合结果进行裁剪，最后得到具有地理坐标、较高分辨率的多光谱图像。
现在对于预处理的流程在一一摸索中ing
5. 遥感波段组合
记住这些波段组合，有助于对于图像的预处理。
Landsat TM （ETM+）7个波段可以组合很多RGB方案用于不同地物的解译，Landsat8的OLI陆地成像仪包括9个波段，可以组合更多的RGB方案。
OLI包括了ETM+传感器所有的波段，为了避免大气吸收特征，OLI对波段进行了重新调整，比较大的调整是OLI Band5(0.845–0.885 μm)，排除了0.825μm处水汽吸收特征；OLI全色波段Band8波段范围较窄，这种方式可以在全色图像上更好区分植被和无植被特征；此外，还有两个新增的波段：蓝色波段 (band 10.433–0.453 μm) 主要应用海岸带观测，短波红外波段(band 91.360–1.390 μm) 包括水汽强吸收特征可用于云检测；近红外band5和短波红外band9与MODIS对应的波段接近，详情参考下面的表。
如下表是国外公布的OLI波段合成的简单说明。
这个表是前人在长期工作中总结的Landsat TM（ETM+）不同波段合成对地物增强的效果。
对比下表，可以将前2个表中的组合方案结合使用。
下面就是我分别用真彩色，灰白和假彩色显示的图片效果。
一、实验目的
学习运用ENVI软件的相关功能从TM 多波段遥感影像数据中提取地表植被遥感信息——归一化植被指数NDVI、比值植被指数RV I和增强植被指数EVI的实际操作，以及对植被指数计算器的使用，加深对定量遥感植被信息类型及获取方式的了解。
二、实验内容
①归一化植被指数NDVI提取；②比值植被指数RVI提取；③增强植被指数EVI提取；④植被指数计算器操作。
三、实验要求
①掌握植被指数概念及意义；②了解归一化植被指数（NDVI）、比值植被指数（RVI）和增强植被指数（EVI）的计算公式及意义；③利用植被指数计算器对桂林市Landsat-5 TM 遥感影像进行植被指数计算。编写实验报告。
四、技术条件
①微型计算机：②桂林市Lands ta-5 TM 遥感影像；③ENVI软件；④ACDSee软件（ver.4.0以上）。
五、实验步骤
植被指数（Vegetation Indices，简称VI），是一种通过多波段遥感数据组合运算获得的，能够定量反映地面植被综合信息分布状况的数字参数。按照不同的数学物理模型设计，有多种植被指数算法，因而有不同的植被指数。它们各有其应用侧重面。本次实验只做三种用得较为普遍的植被指数，即归一化植被指数NDVI、比值植被指数RVI和增强植被指数EVI。这三种植被指数的公式已在“遥感地质学”课程中讲过，在此不赘述。在学习和使用植被指数时必须有一些基本的认识。
（1）健康的绿色植被在NIR 和R的反射差异比较大（图23-1），原因在于R对于绿色植物来说是强吸收的，NIR则是高反射、高透射的；
图23-1 植被光谱特征
（2）建立植被指数的目的是有效地综合各有关的光谱信号，增强植被信息，减少非植被信息；
（3）植被指数有明显的地域性和时效性，受植被本身、环境、大气等条件的影响。
所有的植被指数要求从高精度的多光谱或者高光谱反射率数据中计算，未经大气校正的辐射亮度或者量纲为一的DN值数据不适合计算植被指数。本次实验选择桂林市Landsat-5 TM遥感影像，对比较常用的几种植被指数进行计算，具体操作步骤如下。
1.辐射校正
对桂林市Landsat-5 TM 遥感影像进行辐射校正，辐射校正方法参考本书“实验十九遥感图像辐射校正”。
2.归一化植被指数（NDVI）
归一化植被指数（Normalized Difference Vegetation Index，简写为NDVI），增加在近红外波段范围绿叶的散射与红色波段范围叶绿素吸收的差异，在植被茂密时灵敏度会降低，常用于检测植被生长状态、植被覆盖度等，计算公式为
NDVI=（NIR-R）/（NIR+R） （23-1）
式中：NIR为近红外波段的反射率；R为红光波段的反射率。NDVI值的范围是－1～1，负值表示地面覆盖有云、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，一般绿色植被区的范围为0.2～0.8。
对于Landsat-5 TM 遥感影像TM3 0.62～0.69μm为红波段，TM4 0.76～0.96μm为近红外波段。
3.比值植被指数（RVI）
比值植被指数（Ratio Vegetation Index，简写为RVI），在近红外波段范围绿叶的散射与红色波段范围叶绿素吸收的比值，在植被茂密时灵敏度会降低，其计算公式为
RVI=NIR/R （23-2）
RVl值的范围是0～30，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。一般绿色植被区的范围为2～8。
对于Landsat-5 TM 遥感影像TM3 0,62～0,69μm 为红波段，TM4 0.76～0.96μm 为近红外波段。
4.增强植被指数（EVI）
增强植被指数（Enhanced Vegetation Index，简写为EVI），通过加入蓝波段以增强植被信号，解决土壤背景和大气气溶胶散射对茂密植被的影响，常用于植被茂密区域，计算公式为
遥感地质学实验教程
EVI值的范围是－1～1，一般绿色植物区的范围为0.2～0.8。
对于Landsat-5 TM 遥感影像TM3 0.62～0.69μm 为红波段，TM 4 0.76～0.96μm 为近红外波段，TM1 0.45～0.52μm 为蓝波段。
5.植被指数计算器
ENVI提供植被指数计算器，它可以根据输入图像的波段情况，选择能够计算的植被指数，并提供生物物理学交叉检验功能，能够提高植被指数的计算精度。
输入的图像必须包含中心波长信息，必须经过辐射校正。由于阴影区没有足够光能量，阴影区域的植被指数往往不准确。对于经过FLAASH 大气校正的桂林市Landsat-5 TM 遥感数据，植被指数计算器的操作如下：
（1）在ENVI主菜单栏中选择“Spectral>Vegetation Analysis>Veget ation Index Calcularot”，在数据输入对话框中选择经过了FLAASH大气校正的桂林市Landsat-5 TM 遥感数据，点击【OK】按钮，打开“Vegetation Indices Parameters”对话框（图23-2）。
图23-2 植被指数参数设置对话框
（2）在“Vegetation Indices Parameters”对话框中，“Select Vegetation Indices”列表中显示这个数据能够计算的所有植被指数，可以根据实际需要进行选择。
（3）生物物理学交叉检验功能（Biophysical Cross Checking）：默认为“On”，如果要将计算得到的植被指数用于植被分析工具，则选择“Off”。
（4）选择输出路径及文件名，单击【OK】按钮，执行植被指数计算。
6.结果记录
利用植被指数计算器对桂林市Landsat-5 TM 遥感影像进行植被指数计算，比较几种植被指数模型对植被信息提取效果，用W ORD文档记录，取名为《不同植被指数模型对植被提取效果比较》，存入自己的工作文件夹。
六、实验报告
（1）简述实验过程。
（2）回答问题：①辐射校正在植被指数计算中有何作用？不进行辐射校正就进行植被指数计算可以吗？为什么？②根据归一化植被指数NDVI、比值植被指数RVI和增强植被指数EVI的数学模型，并结合其图像，分析这三种遥感植被信息的差异与特点。
实验报告格式见附录一。
