1 福州大学 环境与资源学院,福建 福州 350116
2 空间数据挖掘与信息共享教育部重点实验室,福建 福州 350116
3 福建省水土流失遥感监测评估与灾害防治重点实验室,福建 福州 350116
4 福建省资源环境监测与可持续经营利用重点实验室,福建 三明 365004
以ALOS AVNIR-2、CBERS-02B CCD、HJ1A-CCD2、Landsat 7 ETM四幅中分辨率遥感影像为试验数据,分析明亮区植被、阴影区植被与水体区的光谱特征与差异,基于近红外波段与归一化植被指数NDVI,构建归一化阴影植被指数NSVI,并评价其光谱差异增强及分类效果.结果表明,NSVI大幅扩大了明亮区植被、阴影区植被、水体区间的光谱相对差异,降低光谱混淆概率；利用NSVI阈值法对四幅试验影像进行分类,总精度均大于97%,总Kappa在0.96以上,且阴影区植被的检测精度均在94%以上,总Kappa系数亦高于0.96.该指数利用地物在近红外波段的辐射差异,解决NDVI只能部分削弱地形影响的问题,扩大地物间的光谱差异,从而提升地物尤其是阴影检测的有效性,且不存在NDVI“易饱和”问题,可为遥感影像阴影去除提供一种新的解决方案.
归一化阴影植被指数 明亮区植被 阴影区植被 水体区 阴影检测 normalized shaded vegetation index(NSVI) bright vegetation area shaded vegetation area water area shadow detection
