Matlab的HDF格式读取方法_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
评价文档：
Matlab的HDF格式读取方法
阅读已结束，如果下载本文需要使用
想免费下载本文？
把文档贴到Blog、BBS或个人站等：
普通尺寸(450*500pix)
较大尺寸(630*500pix)
你可能喜欢ENVI中用NDVI计算植被覆盖,Band Math中的公式怎么输入正确?ENVI中用NDVI计算植被覆盖,我的最小NDVI和最大NDVI分别为-0..176792,用Band Math 计算覆盖度时的公式为（2000_NDVI.img lt -0.011126）*0+（2000_作业帮
拍照搜题，秒出答案
ENVI中用NDVI计算植被覆盖,Band Math中的公式怎么输入正确?ENVI中用NDVI计算植被覆盖,我的最小NDVI和最大NDVI分别为-0..176792,用Band Math 计算覆盖度时的公式为（2000_NDVI.img lt -0.011126）*0+（2000
ENVI中用NDVI计算植被覆盖,Band Math中的公式怎么输入正确?ENVI中用NDVI计算植被覆盖,我的最小NDVI和最大NDVI分别为-0..176792,用Band Math 计算覆盖度时的公式为（2000_NDVI.img lt -0.011126）*0+（2000_NDVI.img gt 0.176792）*1+（2000_NDVI.img ge -0.011126 and 2000_NDVI .img le 0.176792）*（（2000_NDVI.img--0.011126）/（0..011126））2000_NDVI.img 为NDVI图像名称有三点疑问：减去负值是否写为加?图像后缀名.img需要写吗?括号是否有错?
减去负值是否写为加?
是图像后缀名.img需要写吗?
图像不能用图像名称
b3 ……代替 括号是否有错
都用英文小括号&& 查看话题
求会ENVI/IDL编程的伙伴帮忙
我想用IDL编程 实现逐像元提取NDVI，请会的伙伴帮忙，我的qq：. 如果在京，问题解决我请吃饭哦:P:
so easy 的事情，实际上你只需要在envi的band math中输入NDVI的公式，选择图像运行即可得到结果；亦可以直接调用ENVI的NDVI函数。lz只需稍微了解点IDL编程就能搞定 band math 中的NDVI就是逐像元计算
&&COMPILE_OPT idl2;
&&ENVI,/restore_base_save_files
&&ENVI_BATCH_INIT;,log_File = 'batch.txt'
&&file=dialog_pickfile()
&&envi_open_file,file,r_fid=fid
&&envi_file_query,fid,ns=ns,nl=nl,nb=nb,data_type=data_type
&&print,nl,nb,ns
&&mapinfo=ENVI_GET_MAP_INFO(FID=fid)
&&data=fltarr(ns,nl,nb)
&&ndvi=fltarr(ns,nl,1)
&&for i = 0,nb - 1 do begin
& & data = ENVI_GET_DATA(FID=fid, DIMS = dims, POS = i)
&&tm3=data
&&tm4=data
&&ndvi=(tm4*1.0-tm3)/(tm4+tm3)
&&help,tm3,tm4,ndvi
&&outname='f:\TM_NDVI.img'
&&openw,lun,outname,/get_lun
&&writeu,lun,ndvi
&&ENVI_SETUP_HEAD, fname=outname, $
& & ns=ns, nl=nl, nb=1, $
& & interleave=0, data_type=4, $
& & offset=0,map_info=mapinfo,BNAMES = , /write, /open
&&free_lun,lun
end : Originally posted by 潇湘es at
band math 中的NDVI就是逐像元计算
&&COMPILE_OPT idl2;
&&ENVI,/restore_base_save_files
&&ENVI_BATCH_INIT;,log_File = 'batch.txt'
&&file=dialog_pickfile()
&&envi_open_file,file,r_fid=fid黄土高原植被覆盖变化与气候和人类活动的关系_易浪83
上亿文档资料，等你来发现
黄土高原植被覆盖变化与气候和人类活动的关系_易浪83
ResourcesScience；第36卷第1期2014年1月；）：；Vol.36，No.1Jan.，；2014；文章编号：（；黄土高原植被覆盖变化与气候和人类活动的关系；易浪，任志远，张，刘雯；（陕西师范大学旅游与环境学院，西安710062）；要：利用黄土高原的SPOTVGT归一化植
ResourcesScience第36卷第1期2014年1月）：Vol.36，No.1Jan.，2014文章编号：（6-09黄土高原植被覆盖变化与气候和人类活动的关系易浪，任志远，张，刘雯（陕西师范大学旅游与环境学院，西安710062）摘要：利用黄土高原的SPOTVGT归一化植被指数数据和气象数据，采用Sen+Mann-Kendall分析法、相关分析和残差分析法，对黄土高原年植被覆盖的时空变化进行了分析，并探讨了气候变化与人类活动对植被覆盖变化的影响。结果显示：在过去的12年中黄土高原生长季植被NDVI呈现显著的上升趋势，其增加速率为0.1497/a，但各区域之间存在明显的空间差异，黄土高原东部地区植被NDVI生长情况要明显好于西部地区；同时黄土高原植被覆盖与降水有很好的相关性，降水变化是影响植被覆盖变化的主要因素。此外，人类活动对黄土高原植被覆盖变化的建设和破坏作用同时并存，退耕还林还草工程促进了黄土高原植被覆盖的增加，而地区的城市化和工业化进程加速，草原区的超载放牧、乱采乱伐和过度开垦以及能源区的开采开发等现象导致植被NDVI的减少，但正影响要大于负影响，当前在黄土高原进行的退耕还林还草工程开始慢慢凸显出它的生态效应。关键词：黄土高原；植被覆盖；Sen+Mann-Kendall；残差分析；人类活动1引言植被作为地球生态系统的主体，在全球物质和能量的循环过程中起到了十分重要的作用。在全球变化的背景下，自然和人为因素对植被覆盖变化以及影响因素成为研究全球变化的热点问题[1]。大区域范围内的植被覆盖变化体现了自然和人类活动对生态环境变化的作用。随着遥感对地观测技术的飞速发展，现已成为研究地表植被覆盖变化状况的可靠实时数据源。归一化植被指数是目前广泛应用于反映植被覆盖状况的指数，它是遥感影像的近红外波段和红外波段反射率的比值参数[2]，其计算公式是NDVI=(NIR-R)/(NIR+R)，它很好地反映了植被覆盖、生物量以及叶面积指数等情况。近20年来，国内外学者利用NDVI数据对植被覆盖变化趋势与气候的关系进行了深入研究[3-10]。研究表明：植被的生长与气候的变化具有密切的相关性，如温度、降水等气候条件，并且NDVI对气候因子的响应具有显著的空间差异，不同的植被类型对气温、降水的响应存在巨大的差异。特别是在干旱半干旱地区，丰富的光能资源和热量资源基本上收稿日期：；修订日期：能满足植被生长发育的需求，但水资源是该地区生态恢复和生态建设的根本，因此降水是该地区地表15-17]植被覆盖及动态过程中最主要的限制因子[11-13，。此外，植被覆盖的时空变化不仅与气候因素密切相关，而且还与人类活动存在着密切的关系，特别是在人类活动影响日益强烈的今天，植被的覆盖变化7]深刻地反映了人类活动的过程[4，。因此，有必要对气候变化和人类活动对植被覆盖变化的影响进行探讨分析。黄土高原地处半干旱半湿润气候带，水土流失严重，是我国的生态脆弱区和水土保持重点区域。本文旨在分析黄土高原植被覆盖变化过程中的驱动因素，而影响黄土高原植被覆盖变化主要包括自然因素和人为因素，其中人为因素是目前学者研究关注的重点，希望通过剔除自然因素的影响从而得到人为因素的作用。其中自然因素包括气温、降水、地形和土壤水分等方面。但诸多文献研究表明，降水是影响黄土高原植被覆盖变化的主要因素[3，6，11，15，17-19]，因此本文利用年共12年的NDVI数据和气象数据，对黄土高原植被覆盖时基金项目：国家自然科学基金项目（编号：）；陕西师范大学中央高校基本科研专项基金（编号：GK）。作者简介：易浪，男，湖南株洲人，硕士生，研究方向为资源环境遥感与GIS。E-mail：通讯作者：任志远，E-mail：renzhy@2014年1月易浪等：黄土高原植被覆盖变化与气候和人类活动的关系空变化进行研究，分析降水与植被覆盖变化之间的关系，并尝试分离植被覆盖变化过程中的降水因素，在此基础上讨论人类活动对黄土高原植被变化的影响。年，文中的异常值是每旬数据减去多年对应旬的平均值，参考借鉴HANTS法的原理[22]，采用FanWeiZeng等[23]的方法进行异常值提取，先计算出每年每旬NDVI的平均值，然后用每年每旬的NDVI值减去对应旬的平均值，其目的是剔除时间序列自相关，接着对预处理过NDVI数据进行影像率为1km的逐旬数据。运用MATLAB软件计算提取出生长季（4-10月）的NDVI数据，由于在生长季内，NDVI之和和降水量之和有着很强的相关性，因此使用生长季NDVI的累积值作为每年生长季的NDVI值[18]。（2）气象数据。气象数据来源于国家气象局气裁剪以及重采样处理，最终得到黄土高原空间分辨2研究区概况黄土高原是世界上最大的黄土沉积区，位于中国黄河中上游地区，介于北纬33°43'-41°16'N，东经100°54'-114°33'E之间，包括太行山以西、青海省日月山以东，秦岭以北、长城以南广大地区，平均海2拔在m间，面积约62.14万km（图1）。黄土高原自南向北纵跨暖温带、中温带两个热量带，自东向西横贯半湿润和半干旱两个干湿区，具有典型的大陆性气候特征。大部分地区年降水量在400mm左右，全年总雨量少且雨季集中，年变率大；气候干燥，蒸发量大，无霜期短；加上大风、霜冻等自然灾害现象频繁，使得植被生长的环境条件较差。另外，人类活动的加剧以及土地长期不合理的利用等原因，黄土高原的植被总体覆盖度较低，水土流失十分严重。候数据共享网，选取年黄土高原及周边完整且均匀分布的131个气象站点的旬值降水量数据，在生长季内NDVI与降水量有很强的相关性，因此使用生长季降水量的累积值作为每年的降水数据[18]，先计算出每年每旬降水量的平均值，然后用每年每旬的降水量减去对应旬的平均降水量，然后利用克里格插值将降水数据生成与NDVI数据具有相同投影和空间分辨率的栅格数据。3.2研究方法（1）Sen+Mann-Kendall。用Sen方法分析植被变化趋势的空间分布特征，并通过Mann-Kendall方法进行检验。该方法能够适用于数据的缺失的资料，能够剔除异常值的干扰，对离群数据和测量误差有良好的规避能力。Sen趋势度的公式为：xj-xiβ=mean(),?j&i?（1）xi为序列数据。若β&0时表示上升趋势；式中xj，3数据与方法3.1数据来源与预处理（1）NDVI数据。本文采用SPOTVEGETAION数据集的旬值NDVI数据，数据来自于比利时弗莱芒技术研究所VEGETATION影像处理中心负责预处理成逐日1km全球数据，经过预处理生产10天最大化合成的NDVI数据。本文资料选取的时间是反之表示下降趋势，同时运用Mann-Kendall方法来进行趋势检验。方法，在长时间序列的趋势检验和分析中得到了广泛的应用，其统计检验方法如下：Z=í???Var(s)(S&0)(S=0)(S&0)Mann-Kendall方法是一种非参数统计检验的（2）图1研究区地形Fig.1ThestudyareaS=∑i=1n-1资源科学第36卷第1期n∑sign(x-x)j=i+1ji（3）ì1?sign(θ)=í0??-1(θ&0)(θ=0)(θ&0)（4）式中S为检验统计量；Z为标准化后的检验统计量；xj，xi为时间序列数据；n为序列样本数；当其方差计算公式如下：n≥8时，S近似为正态分布，n(n-1)(2n+5)Var(S)=（5）标准化后的Z为标准正态分布，若|Z|&Z1-a/2，则表示存在显著的趋势变化。Z1-a/2为标准正态函数分布表在置信度水平a下所对应的值。本文中置信度水平a为0.1，自由度为12-2=10。（2）残差分析法。通过剔除生长季NDVI长时间序列变化中降水因素的影响来剥离开植被覆盖变化中自然因素和人为因素。本文利用剔除异常值的生长季NDVI和降水量数值做回归分析，计算出NDVI的预测值和真实值之间的差值，以此作为人为因素对植被覆盖变化的影响，即残差趋势法。5，18，20，21]该方法在研究中得到了广泛的应用[4，，其表达图2黄土高原生长季NDVI的年际变化趋势Fig.2InterannualchangetrendofthegrowingseasonNDVIinLoessPlateau性分布。4结果分析4.1生长季NDVI的变化趋势由图2可知，年黄土高原植被生长季NDVI呈现显著的上升趋势，其增加速率为0.1497/a，通过了0.05的置信度检验，植被覆盖显著2001年和年生长季累积NDVI显著减增加。但不同阶段呈现出不同的变化特征，1999-少，年生长季NDVI呈现显著的增加趋势，而年生长季NDVI呈现小幅波动的上升趋势。尽管黄土高原生长季NDVI在整体上呈现出显著的增长趋势，但各区域之间存在明显的空间差异，图3a是将黄土高原内每个栅格的年生长季NDVI序列与其相对应的时间序列进行计算得出相关系数，用计算出的相关系数来表示黄土高原植被式如下：ε=NDVI真实值-NDVI预测值ì&0人类活动产生负面影响?≈0人类活动影响微弱í??&0人类活动产生正面影响（6）此方法的研究效果较好，然后通过Mann-Kendall法对随时间变化的残差值进行趋势检验，从而得到人类活动对黄土高原植被覆盖变化的显著图3黄土高原年植被生长季NDVI的变化趋势及显著性检验Fig.3InterannualchangetrendofthegrowingseasonNDVIandsignificanceinLoessPlateau2014年1月易浪等：黄土高原植被覆盖变化与气候和人类活动的关系覆盖生长季年际变化趋势的空间分布，相关系数为正表示生长季NDVI呈增加趋势，植被的覆盖逐渐提高，反之表示植被的覆盖度降低。此外图3b给出了显著（p&0.1）与极显著（p&0.01）检验的植被生长季NDVI年际变化趋势的空间分布。由图3a可知，黄土高原东部地区NDVI生长情况要明显好于西部地区。黄土高原的西北部属于干旱荒漠地区，该地区深处内陆腹地，气候干燥少雨、水资源相对匮乏、生物多样性降低且生物的种类相对单一，因此植被生存的条件比较恶劣，加之该地区土地沙漠化，植被覆盖度进一步下降。而经济发展相对较快的关中地区、省会城市及其地区中心城市，如西安、银川、包头、长治等周边地区，NDVI呈显著或极显著减少趋势，特别是兰州北部地区的NDVI显著减少且减少的面积比较大，该区域植被覆盖退化显著，生态条件相对较差，NDVI的显著减少显然也与这些地区快速的城市化过程有着密切的关联。而内蒙古中、东部地区，河套平原的银川平原，陕西关中平原，甘肃、宁夏两省的黄河流域沿线以及青海地区南部、陇西这些由半湿润向干旱半干旱过渡的地区，NDVI增加和减少的区域相互交叉在一起，表明这些地区植被覆盖变化的趋势渐渐趋于缓和且生长情况较为复杂，这可能与当地的气候、地形、水文条件以及黄土高原内部区域差异等存在一定的联系。而甘肃的天水至西峰一带的黄土丘陵沟壑区、黄土高原东部的吕梁山区和东南部的豫西山地植被覆盖均呈现明显的增加趋势，而黄土高原中部的黄土丘陵沟壑区，特别是陕北高原、山西的中西部吕梁-太行山区和黄土高原的东南部的豫西山地等地区，NDVI呈现极显著的增加趋势，表明该地区的生态环境得到十分显著的改善。4.2生长季NDVI与降水量的相关性水分条件是影响黄土高原植被生长发育的制约因子，在该地区内降水对植被空间的分布有着决15]定性的意义[12，。通过逐栅格计算黄土高原1999-2010年生长季内累积NDVI与降水量之间的相关系数，得到图4a，由图4a可知生长季NDVI和降水量的正相关的关系。统计表明（表1），占总面积88.4%的生长季NDVI与降水呈现正相关，其中有21.6%和3.4%的面积分别通过了P&0.1和P&0.01的显著性水平检验，这些地区主要分布于：山西北部的吕梁山、太行山山区、忻州盆地和东南部的长治盆地以及临汾、运城、晋城泽州盆地；内蒙古的鄂尔多斯草原禁牧和退耕还林还草的生态恢复区；兰州北部地表1生长季NDVI与降水的相关显著性统计Table1StatisticofsignificantchangeforthecorrelationofthegrowingseasonNDVIwithpercipitation正相关像元数百分比（%）显著正相关极显著正相关负相关显著负相关正相关性和负相关性相互并存，并且整体上呈现出图4黄土高原NDVI与降水的相关系数及变化趋势Fig.4SpatialcorrelationcoefficientsbetweenNDVIandprecipitationandinterannualchangetrendinLoessPlateau资源科学第36卷第1期区、泾河流域和清水河谷底以及青海东北部的阿尔金山、祁连山数列平行山脉和谷底地区。而占总面积11.6%的生长季NDVI与降水量呈现负相关，其中通过显著性检验的面积微乎其微，而这些呈负相关的区域主要分布在陕西省关中地区北部的铜川和陕北高原的榆林；甘肃天水至陕西宝鸡、吴旗一带的黄土丘陵沟壑区以及宁夏和内蒙古的沿黄农业灌溉区域。可以说，降水对黄土高原内大部分地区的植被空间分布有着决定性的作用，它是黄土高原12，14，15]植被生长发育的主要影响因子[7，。凉、庆阳一带的黄土丘陵沟壑区及山西中西部的吕梁山区，这些地区的植被NDVI与降水呈负相关，但是NDVI却呈现相反增加的趋势。因此，这种现象发生的原因需进一步考证，一种比较合理的解释是5，7]由于人类活动的影响从而导致此现象的存在[4，。4.3人类活动对植被覆盖变化的影响黄土高原干旱半干旱的气候特征，气候的变化对黄土高原植被覆盖时空变化起着重要的影响，然而人类活动也是一种不可忽视的重要驱动因素之一[14]。在每个栅格单元上建立生长季NDVI与降水的回归模型，通过该模型，利用降水数据来预测每一个栅格单元上每年的生长季NDVI值，然后用遥感观测的NDVI真实值减去预测的NDVI值得到每年生长季NDVI的残差，在对生长季的NDVI残差序列与其相对应的时间计算出相关系数，用计算得到的相关系数来表示黄土高原生长季NDVI残差年际变化趋势的空间分布，其相关性显著检验见表2和图5。自1999年以来，黄土高原大部分地区人类活动对植被覆盖的影响强度有逐渐增强的趋势，但人类表2人类活动对植被变化作用的显著性统计Table2Statisticofsignificanteffectsofhumanactivitiesonvegetationchanges极显著减少像元数（个）百分比（%）显著减少不显著显著增加极显著增加对于植被与降水的相关性空间分布形态，一种比较合理的解释是地表植被覆盖的不同，获取土壤中水分能力的大小也不尽相同，同时不同区域的水养条件和地形等因素也将导致其相关性的差异，当地表的植被覆盖为草地、耕地和灌丛地时，降水对其影响比较大，而区域水文条件的不同，沿河流域与非沿河流域，降水对植被覆盖的影响也相应不同。黄土高原西部的内蒙古、宁夏、甘肃和青海地区作为干旱半干旱地区，深处内陆腹地，地表的植被覆盖相对比较单一，主要以草地、低矮灌丛地等为主，NDVI与降水的相关性比较高，降水对植被覆盖的影响十分突出。通过对图4a与图4b的比较分析，可以发现黄土高原西部地区的NDVI与降水存在高度的相关性，同时生长季降水量呈现微弱的增长趋势（图略），但这些地区的NDVI却呈现相反的下降趋势。而陕西关中地区的宝鸡至铜川一带、甘肃天水至平图5黄土高原植被生长季NDVI残差变化趋势及显著性检验Fig.5ResidualtrendimageofthegrowingseasonNDVIandsignificancetestinLoessPlateau包含各类专业文献、幼儿教育、小学教育、应用写作文书、高等教育、文学作品欣赏、外语学习资料、黄土高原植被覆盖变化与气候和人类活动的关系_易浪83等内容。　GIMMS NDVI3g原始产品转Geottif的Matlab代码 | 树
NDVI3g_2000
GIMMS NDVI3g是最新发布的GIMMS的植被覆盖数据，原始文件格式为“geo10apr15a.n18-VI3g”。
原始产品转Geottif，生成NDVI和Flag两个文件，使用的时候按照可信的Flag进行分析。
在其他人代码的基础上进行了封装，指定原始格式的文件夹，直接批量算。
Matlab代码如下：
% Created by Yuke Zhou
% Version 1.0
% 12 Feb, 2015
% Description:
% Convert Raw Data(GIMMS NDVI3g) to
% GeoTIFF and project to GeoCoodSystem ‘WGS84′
% A NDVI file with its real value
% A flag file indicating the piexl source
% Thanks to Li Xu. His blog /home.php?mod=space&uid=1148346&view=lixujeremy
% Thanks to Prof. Nan() for inspiring.
% His code: /2797.html
% run as: ndvi3g2geotiff_Function(‘D:\gisData\GIMSS_NDVI\3g\1980s\’, ‘*VI3g’, ‘D:\gisData\GIMSS_NDVI\3g\NDVI_Flag\’)
function [] = ndvi3g2geotiff_Function( inFilePath, inFilePattern, outFilepath )
files = dir( [inFilePath, inFilePattern] );
num_files = length(files);
for i = 1:num_files
ndvi_FileName = files(i).
ndvi3g = [inFilePath, ndvi_FileName];
%%ndvi3g=’geo82dec15a.n07-VI3g’;
% Image info
col = 4320;
row = 2160;
% Read Raw Data
fid = fopen(ndvi3g,’r’,’b’);
A=fread(fid,col*row, ‘*int16′);
fclose(fid);
A=reshape(A,row,col);
A = A’;
A = rot90(A,3);
A = fliplr(double(A));
% Define the Lat/Long range
%LonRange=[-180+1/24:1/12:180-1/24];
%LatRange=[-90+1/24:1/12:90-1/24];
% Write a Data Referenced to Geographic Coordinates
R=georasterref(‘RasterSize’, [row, col], ‘Latlim’, [-90+1/24, 90-1/24],…
‘Lonlim’, [-180+1/24, 180-1/24], ‘ColumnsStartFrom’, ‘north’);
% Ouput NDVI.tif
disp(‘…Writing out NDVI file…’);
ndvi=floor(A./10)./1000;
ndvipath=[outFilepath, ndvi_FileName, '_NDVI.tif'];
geotiffwrite(ndvipath, ndvi, R);
fprintf(‘%s done!\n’, ndvipath);
% Output Flag.tif
disp(‘…Writing out Flag file…’);
flag=A-floor(A./10) .* 10 +1;
flagpath=[outFilepath, ndvi_FileName, '_Flag.tif'];
geotiffwrite(flagpath, flag, R);
fprintf(‘%s done!\n’, flagpath);
disp(‘END’);
本条目发布于。属于分类。作者是。