维普资讯 http://www.cqvip.com
第３２卷 第２期 Ｖｏ１．３２ ＮＯ．２ 西南师范大学学报（自然科学版） Ｊｏｕｒｎａｌ ｏｆ Ｓｏｕｔｈｗｅｓｔ Ｃｈｉｎａ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ） ２００７年４月 Ａｐｒ． ２００７ 文章编号：１０００—５４７１（２００７）０２—００７０—０６ 基于ＭＯＤＩＳ影像对ＮＤＶＩ和ＥＶＩ的分类研究 张培松 ， 武 伟 ， 刘洪斌 ， 官会林。 １．西南大学资源环境学院，重庆４００７１６；２．西南大学计算机与信息科学学院，重庆４００７１６ ３．云南师范大学能源与环境科学学院，昆明６５００９２ 摘要：从ＭＯＤＩＳ影像中划出一块无云区域作为研究对象，求出该研究区的ＮＤＶＩ和ＥＶＩ，运用Ｋ一均值分类法分 别对２种植被指数进行非监督分类．通过对２种植被指数分类结果进行比较得出：２种植被指数的分类结果在总 体上是一致的，但是在局部区域，ＮＤＶＩ对于水体的分辨能力优于ＥＶＩ，而ＥＶＩ对植被则有更强的分辨能力．２ 种植被指数分类结果精度评价总精度为７Ｏ．Ｏ０ ，Ｋａｐｐａ系数为０．５８５． 关键词：中分辨率成像光谱仪；归一化植被指数；增强型植被指数；Ｋ一均值；分类 中图分类号：ＴＰ７５３ － 文献标识码：Ａ 土地利用／土地覆盖（ＬＵＬＣ或ＬＵＣＣ）是自然与人文过程交叉最密切的环节，土地系统是反映人与自 然关系的人地交互系统 ．土地利用是指与土地直接有关的人类活动，而土地覆盖则指地表的自然现状． 土地覆盖包含２个含义：（１）土地覆盖是陆地生物圈的重要组成部分；（２）土地覆盖最重要的组成部分是植 被，但也包括土壤和陆地表面的水体．土地覆盖在很大程度上取决于地表植被状况，由地表植被组成的生 态系统在全球变化的生物地球化学过程中起着非常重要的作用． 植被在地球系统中扮演着重要角色，在气候、水文、和生化循环中起着重要作用．植被具有明显的年 际变化和季节变化的特点，并且是联结土壤、大气和水分的自然“纽带”，在一定程度上代表了土地覆盖的 变化 ．所以对植被的动态监测可以在一定程度上反映气候变化的趋势，动态监测植被状况和植被覆盖也 一直是生态环境的研究热点之一 ． 利用植被指数进行土地利用／土地覆盖变化研究开始于１９６０年 Ｊ．目前国内应用于植被指数研究最广 泛的数据源是ＮＯＡＡ／ＡＶＨＲＲ，它已具有２０ ａ连续接收的历史．ＭＯＤＩＳ影像以多通道同时观测、较高空 间分辨率观测、大范围多频次观测和高精度观测（世界上同类在轨的最高精度的辐射观测仪器）等优点赢得 了众多学者的青睐，越来越多的科研工作者投入到了ＭＯＤＩＳ的研究队伍中来．在植被指数研究上，ＭＯ— ＤＩＳ在已有卫星的基础上专门设计了增强型植被指数（ＥＶＩ）． 归一化植被指数（ＮＤＶＩ）是目前应用最广的植被指数，已有很多学者对其作了大量的研究工作，认识 也是比较深刻了；而增强型植被指数（ＥＶＩ）是比较新的一种植被指数，对其研究还比较少，目前对ＮＤＶＩ和ＥＶＩ的比较研究的文章也还没有看到，本文旨在一小范围内运用Ｋ一均值分类法，对ＮＤＶＩ和ＥＶ１分别 进行非监督分类，比较二者的异同点．为今后更加深人的研究ＥＶＩ作铺垫，同时对于更好的运用ＥＶＩ， ＮＤＶＩ和土地覆盖研究具有一定的参考价值． 收稿日期：２００６—０９—０７ 基金项目：重庆市教委科技资助项目（１－８２） 作者简介：张培松（１９８３一），男，安徽长丰人，硕士研究生，主要从事遥感和ＧＩＳ研究． 通讯作者；官会林，副教授． 维普资讯 http://www.cqvip.com
第２期 张培松，等：．基于ＭＯＤＩＳ影像对ＮＤＶＩ和ＥＶＩ的分类研究 ７１ ｌ 数据处理 １．１数据来源 本文以ＭＯＤＩＳ影像为主要数据源，选取了２００５年１０月１０日Ｔｅｒｒａ卫星的ＭＯＤＩＳ １Ｂ影像，从中划 出没有云的区域作为研究对象．参考研究区的土地利用现状图，把研究划分为５个部分，见图１．其中研究 区工为耕地集中的区域，区域Ⅱ内耕地和林地混杂在一起，且图斑较破碎，区域Ⅲ为河流，区域Ⅳ，Ｖ内都 是耕地、林地、草地混杂在一起，其中区域Ⅳ内有一段平行岭谷，而区域Ｖ内有一大片的林地． 图１ 研究区概况 Ｆｉｇ．１ Ｇｅｎｅｒａｌ Ｓｉｔｕａｔｉｏｎ ｏｆ ｔｈｅ Ｒｅｓｅａｒｃｈ Ａｒｅａ ‘１．２处理方法 １．２．１遥感影像预处理 收集到的数据为ＨＤＦ格式的ＭＯＤＩＳ １Ｂ数据，其坐标信息是以文件的形式存储的，没有定义投影方 式．本文在ＥＮＶＩ ４．２中运用Ｇｅｏｒｅｆｅｒｅｎｃｅ ＭＯＤＩＳ给影像定义投影方式，采用的是ＵＴＭ投影方式，同时 进行了蝴蝶效应（ｂｏｗ—ｔｉｅ）校正．然后选出一块没有云的矩形感兴趣区域（ＲＯＤ，运用Ｒｅｓｉｚｅ对影像进行重 采样得到研究区域的影像数据． １．２．２植被指数的提取 植被指数是对地表植被状况的一种简单有效的表达，以定性和定量的评价植被覆盖、生长活力以及生物 量等．本文选用了归一化植被指数（ＮＤＶＩ）和增强型植被指数（ＥＶＩ）２种植被指数，分别进行了土地覆盖分类． ＮＤＶＩ是目前应用最广泛的植被指数，由Ｒｏｕｓｅ等 于１９７３年提出，它对植被的响应能力较强．其计 算公式为： ＮＤＶＩ一（ｐＮＩＲ—ｐＲ）／（ｐＮＩＲ＋ｐＲ） 式中：ｐ 为近红外光波段的地表反射率，ｐＲ为红光波段的地表反射率．许多研究表明ＮＤＶＩ受到定标和 仪器特性、云和云影、大气、双向反射率、土壤及叶冠背景等因素影响，使其应用受到． 基于土壤和大气的影响是相互作用的事实，Ｌｉｕ ａｎｄ Ｈｕｅｔｅ 在１９９５年引入一个反馈项来同时对二者 维普资讯 http://www.cqvip.com
７２ 西南师范大学学报（自然科学版） 第３２卷 进行订正，这就是增强型植被指数（ＥＶＩ）．它利用土壤背景调节参数Ｌ和大气修正参数Ｃ ，Ｃｚ同时减少土 壤背景和大气的作用，其计算公式为： ＥＶＩ一（ｐＮＩＲ—ｐＲ）（１＋Ｌ）／（ｐＮＩＲ＋Ｃ１０Ｒ—Ｃ２ｐＢ＋Ｌ） 式中：Ｌ为土壤背景调节参数，Ｃ ，Ｃｚ为大气修正参数，ｐ ，Ｐ 和ｐＢ分别为近红外波段、红光波段和蓝光 波段的地表反射率． ＥＮＶＩ中没有附带直接对ＭＯＤＩＳ影像进行植被指数提取的工具，针对ＮＤＶＩ和ＥＶＩ的特点，在ＥＮ— ＶＩ中运用ｂａｎｄ ｍａｔｈ工具调用相应的ＩＤＬ程序，分别求得研究区的ＮＤＶＩ和ＥＶＩ． ２分类体系与分类 ２．１分类体系 本文用于分类的参数ＮＤＶＩ和ＥＶＩ是表征土地覆盖的生物物理参数，为此借鉴ＩＧＢＰ的全球土地覆盖 分类系统 ，结合研究区的实际特点和遥感数据特点设计了本文的土地覆盖分类体系，见表１． 表１土地覆盖分类体系 Ｔａｂｌｅ ｌ Ｔｈｅ Ｓｙｓｔｅｍ ｏｆ Ｌａｎｄ Ｃｏｖｅｒ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ 地类名称 水 田 含 括实行水稻和旱地作物轮种的耕地． 义 指有水源保证和灌溉设施，在一般年景能正常灌溉，用以种植水稻、莲藕等水生农作物的耕地，包 指无灌溉水源及设施，靠天然降水生长作物的耕地；有水源和浇灌设施，在一般年景下能正常灌溉 的旱作物耕地；以种菜为主的耕地，正常轮作的休闲地和轮歇地． 指生长乔木、灌木、竹类以及沿海红树林地等林业用地． 旱地 林草地 地 指以生长草本植物为主，覆盖度在５ 以上的各类草地，包括以牧为主的灌丛草地和郁闭度在１Ｏ 以下的疏林草地． 指天然陆地水域和水利设施用地． 指城乡居民点及县镇以外的工矿、交通等用地． ． 水域 城乡、工矿、 居民用地 ２．２分类方法 本文采用Ｋ一均值非监督分类法对以上２种植被指数进行分类．Ｋ一均值分类法是解决聚类问题的一种 经典算法，具有算法简单、运算速度快、能有效处理大数据库的优点口 ．因此，本文运用这一经典分类法 对２种植被指数进行非监督分类，分析２种植被指数分类结果的异同． ３结果与讨论 ３．１分类结果 本文对ＮＤＶＩ和ＥＶ１分别进行了Ｋ一均值分类，根据表１的分类体系，把植被指数进行６级分类研究． 分类结果见图２和图３． ＥＶＩ ＮⅡＶＩ 翻■１ —２ 嚣§黧 毪 黼５ 一 —ｊ 一２ 一 甏％４ — 图２ ＮＤＶ１分类图 Ｆｉｇ．２ ＮＤＶＩ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ Ｍａｐ 图３ ＥＶ１分类图 Ｆｉｇ．３ ＥＶＩ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ Ｍａｐ 维普资讯 http://www.cqvip.com
第２期 张培松，等：基于ＭＯＤＩＳ影像对ＮＤＶＩ和ＥＶＩ的分类研究 ７３ １ ２ 从图２和图３可以看出，２种植被指数的Ｋ一均值分类结果在总体分布上是基本一致的．从区域Ⅲ向两 边逐步由ＮＤＶＩ的分级１过渡到分级６．区域Ⅳ，Ｖ内的分类呈条带状分布．但是在局部地区，二者的分类 结果又有不小的差别．从表１中可以清楚的看到，在区域Ⅲ内，ＮＤＶ１分类比ＥＶ１分类多一个分级２，且是 沿着分级１的边缘分布的；而在区域Ｖ内，ＥＶ１分类比ＮＤＶ１分类多一个分级１，且被分级２所包围． ２ ３ ３ １ ８ Ｏ 运用ＡｒｃＧＩＳ的区域统计工具，统计出一种植被指数分类等级像元在另一植被指数分类中占大多数 （Ｍａｊｏｒｉｔｙ）的那一分级．在统计过程中，分别以ＮＤＶ１分类图和ＥＶ１分级图为区域进行统计，找出ＮＤＶ１ 分类与ＥＶ１分类之间的对应关系，同时结合研究区的土地利用现状图，目视解译出它们所属的地类，所得 结果见表３． 由表３中可以看出，ＮＤＶＩ的１，３，４，５分级分别与ＥＶＩ的６，５，４，３分级相对应，而用斜体表示的 ＮＤＶ１分类中的２，６分级与ＥＶ１分类中的１，２分级都没有与之对应的植被指数分级．结合研究区的土地 利用现状图，经过目视解译，可以把相对应的那４个分级依次定义为水域、水田、旱地、草地．没有形成对 应关系的分级，经目视解译，．把ＮＤＶＩ的２，６分别定义为水域和林地，ＥＶＩ的１，２均被定义为林地． 表３中的像元数差值比是以常用的ＮＤＶ１分类结果为参考，比较ＥＶ１分类结果与ＮＤＶ１分类结果的 差别．从表３中可以看到，２种植被指数对不同土地覆盖类型的分类结果差别较大，其中对于水域和林地２ 种地物的分类结果差异将近±５０％，而对于水田的差异次之，为一２４ ，对旱地和草地的分类结果差异最 小，为±３．５％． 表３ ＮＤＶＩ和ＥＶ１分级对应关系和像元数统计 Ｔａｂｌｅ ３ Ｓｔａｔ Ｃｏｒｒｅｓｐｏｎｄｉｎｇ ａｎｄ Ｐｅｌｓ Ａｍｏｕｎｔ ｏｆ ＮＤＶＩ ａｎｄ ＥＶＩ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ６ 一ＮＤＶＩ ＥＶ１ 地类名称 像元数差值比／ 分类级别 像元数 分类级别 像元数 水域 水 田 旱草地 地 林地 注：像元数差值比的计算式为：（ＥＶＩ像元数一ＮＤＶＩ像元数）／ＮＤＶＩ像元数． 结合以上图表，可以得到以下２个推断： （１）ＮＤＶＩ把水域分成了２级，并且水域和水田的像元数都比由ＥＶ１分类得到的像元数多，这说明 ＮＤＶＩ对于水比较敏感，分辨能力比ＥＶＩ强． （２）ＥＶＩ把林地分成了２级，且像元数比由ＮＤＶ１分类得到的像元数多，说明ＥＶＩ对于植被比较敏感， 分辨能力比ＮＤＶＩ强． ３．２精度评价 在分类图上随机选取５０个样点进行精度评价．在采样过程中只选取了２种植被指数分类可以相互对 维普资讯 http://www.cqvip.com
７４ 应的像兀． 西南师范大学学报（自然科学版） 第３２卷 ＮＤＶＩ和ＥＶ１分类结果精度评价总精度为７０．Ｏ０ ，Ｋａｐｐａ系数为０．５８５．精度评价混淆矩阵见表４． 从混淆矩阵可以看出，水田的分类精度较低，其中ＮＤＶＩ精度为６９．２３ ，ＥＶＩ精度只有４６．６７ ，相对而 言，ＮＤＶＩ对于水田的分类精度要高于ＥＶＩ．而对于旱地，ＮＤＶＩ精度为５０．Ｏ０ ，ＥＶＩ精度为７５．Ｏ０ ， ＥＶＩ对旱地的分类结果更准确．对于河流和草地，２种植被指数的分类结果精度都较高，其中河流的ＮＤＶＩ 精度和草地的ＥＶＩ精度均达到１００．００ ，这也从另外一个角度证明了ＮＤＶＩ对于水体的分辨能力强于 ＥＶＩ，而ＥＶＩ对于植被的分辨能力强于ＮＤＶＩ． 表４ ＮＤＶＩ和ＥＶ１分类结果混淆矩阵 ６ Ｔａｂｌｅ ４ Ｃｏｎｆｕｓｉｏｎ Ｍａｔｒｉｘ ｏｆ ＮＤＶＩ ａｎｄ ＥＶＩ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ Ｒｅｓｕｌｔｓ 。 。 ３ 河流 ｂ ５ ６ １２ １５ １７ ５０ ７６．４７ ４６．６７ ７５．ＯＯ １ＯＯ．ＯＯ 水 田 ＥＶＩ Ｏ Ｏ Ｏ 。 。 Ｍ Ｏ 旱草地 地 总计 ｂ 。 。 ＂ ６ ＮＤＶＩ精度／％ １ＯＯ．ＯＯ ４ 结 论 本文运用ＭＯＤＩＳ影像，提取了研究区的ＮＤＶＩ和ＥＶＩ．依据ＩＧＢＰ分类系统和参照研究区的情况提 出了本文的分类体系．采用Ｋ一均值非监督分类法进行分类，对２种植被指数进行非监督分类，得到了２种 植被指数的分类图，分级结果的精度为７０．Ｏ０ ． 通过对分类结果进行的比较可以发现，用ＮＤＶＩ和ＥＶＩ进行土地覆盖分类所得结果在总体趋势上是 一致的，但是在局部区域，２种植被指数的分类结果差别较大，这是由２种植被指数对不同土地覆盖类型 识别能力的不同造成的．具体表现在： １）ＮＤＶＩ对于水体的识别能力要强于ＥＶＩ．ＮＤＶＩ把水域分成了２级，表明它对水域内一些比较细微 的变化也能分辨出来．而ＮＤＶＩ对水域和水田的分类精度比ＥＶＩ要高很多，达２３ 以上． ２）ＮＤＶＩ和ＥＶＩ对旱地和草地的分类结果差别不大，在分类精度上ＥＶＩ要高于ＮＤＶＩ，达２５ 左右． ３）ＥＶＩ把林地也分成了２级，且像元数比ＮＤＶＩ所得结果要多，这说明ＥＶＩ对林地的识别能力比ＮＤ— ＶＩ强． 参考文献： ［－１３ 王长耀，骆成风，齐述华，等．ＮＤＶＩ—Ｔｓ空间全国土地覆盖分类方法研究［Ｊ］．遥感学报，２００５，９（１）：９３—９９． －［２３孙红雨，王常耀，牛铮，等．中国地表覆盖变化及其气候因子关系——基于ＮＯＡＡ时间系列数据集［－Ｊ３．遥感学报， １９９８，２（３）：２０４—２１０． －［３３ Ｂｅｒｌｉｎ Ｇ Ａ Ｉ，Ｌｉｎｕｓｓｏｎ Ａ Ｃ，ＯＬＳＳＯＮ Ｅ Ｇ Ａ．Ｖｅｇｅｔａｔｉｏｎ ｃｈａｎｇｅｓ ｉｎ ｓｅｍｉ－ｎａｔｕｒａｌ ｍｅａｄｏｗｓ ｗｉｔｈ ｕｎｃｈａｎｇｅｄ ｍａｎａｇｅｍｅｎｔ ｉｎ Ｓｏｕｔｈｅｒｎ Ｓｗｅｄｅｎ，１９６５—１９９０［－Ｊ３．Ａｃｔａ Ｏｅｃｏｌｏｇｉｃａ，２０００，２１（２）：１２５—１３８． －［４３ Ｌｉｕ Ｗ Ｔ，Ｋｏｇａｎ Ｆ．Ｍｏｎｉｔｏｒｉｎｇ Ｂｒａｚｉｌｉａｎ ｓｏｙｂｅａｎ ｐｒｏｄｕｃｔｉｏｎ ｕｓｉｎｇ Ｎ０ＡＡ／ＡＶＨＲＲ ｂａｓｅｄ ｖｅｇｅｔａｔｉｏｎ ｃｏｎｄｉｔｉｏｎ ｉｎｄｉｃｅｓ ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，２００２，２３（６）：１１６１—１１７９． －［５３ 马明国，甬嫒梅，陈国栋．利用Ｎ０ＡＡ／ＡＶＨＲＲ监测近１０ ａ来中国西北土地覆盖变化［Ｊ］．冰川冻土，２００２，２４（１）：６８ —７２． ［６３ 郑海金，华珞・欧立业．中国土地利用／土地覆盖变化研究综述［Ｊ］．首都师范大学，２００３，１１（３）：２５—２９． 维普资讯 http://www.cqvip.com
第２期 张培松，等：基于ＭＯＤＩＳ影像对ＮＤＶＩ和ＥＶＩ的分类研究 ７５ ｅ Ｊ Ｗ，Ｈａａｓ Ｒ Ｈ，Ｓｃｈｅｌｌ Ｊ Ａ，ｅｔ ａ１．Ｍｏｎｉｔｏｒｉｎｇ ｖｅｇｅｔａｔｉｏｎ ｓｙｓｔｅｍｓ ｉｎ ｔｈｅ Ｇｒｅａｔ Ｐｌａｉｎｓ ｗｉｔｈ ＥＲＴＳ［Ａ７．Ｐｒｏｃｅｅｄｉｎｇｓ ［７］ Ｒｏｕｓｏｆ Ｔｈｉｒｄ Ｅａｒｔｈ Ｒｅｓｏｕｒｃｅｓ Ｔｅｃｈｎｏｌｏｇｙ Ｓａｔｅｌｌｉｔｅ－１ Ｓｙｍｐｏｓｉｕｍ［Ｃ－］．Ｇｒｅｅｎｂｅｌｔ，１９７４（３５１）：３１０—３１７． ｅ Ａ．Ａ ｆｅｅｄｂａｃｋ ｂａｓｅｄ ｍｏｄｉｆｉｃａｔｉｏｎ ｏｆ ｔｈｅ ＮＤＶＩ ｔｏ ｍｉｎｉｍｉｚｅ ｃａｎｏｐｙ ｂａｃｋｇｒｏｕｎｄ ａｎｄ ａｔｍｏｓｐｈｅｒｅ ｎｏｉｓｅ ［８］ ＬＩＵ Ｈ Ｑ，Ｈｕｅｔｒ门．ＩＥＥＥ Ｔｒａｎｓ Ｇｅｏｓｃｉ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，１９９５（３３）：４５７—４６５． ａｎｄ ｃｏｖｅｒ ｄａｔａ ｓｅｔ（ＤＩＳＣｏｖｅｒ）一ｐｒｏｐｏｓａｌ ａｎｄ ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ｐｌａｎｓ：ＩＧＢＰ－ＤＩＳ ［９］ Ｂｅｌｗａｒｄ Ａ Ｓ．Ｔｈｅ ＩＧＢＰ—ＤＩＳ ｇｌｏｂｅ １ ｋｍ ｌＷｏｒｋｉｎｇ Ｐａｐｅｒ Ｎｏ．１３，Ｔｏｕｌｏｕｓｅ，Ｆｒａｎｃｅ［Ｒ］．１９９６：６１． 谢储晖，刘韬．基于Ｋ均值和免疫算法的聚类分析［Ｊ］．兰州理工大学学报，２００５，３１（５）：８７—９０． ［１Ｏ］ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ ＮＤＶＩ． ａｎｄ ＥＶＩ Ｂａｓｅｄ ｏｎ Ｍｏｄｉｓ Ｉｍａｇｅｓ ＺＨＡＮＧ ＰＥＩ—ｓｏｎｇ ， ＷＵ Ｗｅｉ ，ＬＩＵ Ｈｏｎｇ—ｂｉｎ ， ＧＵＡＮ Ｈｕｉ—ｌｉｎ。 １．ＳｃｈＯｏｌ ｏｆ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ，Ｓｏｕｔｈｗｅｓｔ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｏｎｇｑｉｎｇ ４００７１６，Ｃｈｉｎａ； ２，ＳｃｈＯｏｌ ｏｆ Ｃｏｍｐｕｔｅｒ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ，Ｓｏｕｔｈｗｅｓｔ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｏｎｇｑｉｎｇ ４００７１６，Ｃｈｉｎａ； ３．Ｓｃｈｏｏｌ ｏｆ Ｅｎｅｒｇｙ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ Ｓｃｉｅｎｃｅ，Ｙｕｎｎａｎ Ｎｏｒｍｏｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｋｕｎｍｉｎｇ ６５００９２，Ｃｈｉｎａ Ａｂｓｔｒａｃｔ：Ａ ｃｌｏｕｄｌｅｓｓ ｒｅｇｉｏｎ ｅｘｔｒａｃｔｅｄ ｆｒｏｍ ａ ＭＯＤＩＳ ｉｍａｇｅ ｗａｓ ｕｓｅｄ ａｓ ｔｈｅ ｏｂｊｅｃｔ ｏｆ ｔｈｉｓ ｓｔｕｄｙ．“Ｋ—ｍｅ＆ｌｌ ｕｎｓｕｐｅｒｖｉｓｅｄ ｍｅｔｈｏｄ”ｗａｓ ｕｓｅｄ ｔｏ ｃｌａｓｓｉｆｙ ｔｈｅ ｔｗｏ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｉｃｅｓ，ＮＤＶＩ ａｎｄ ＥＶＩ，ｏｆ ｔｈｅ ｓｔｕｄｉｅｄ ａｒｅａ． Ａ ｃｏｍｐａｒｉｓｏｎ ｏｆ ｔｈｅ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｉｃｅｓ ｔｈｕｓ ｏｂｔａｉｎｅｄ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ｔｗｏ ｉｎｄｉｃｅｓ ｗｅｒｅ，ｏｎ ｔｈｅ ｗｈｏｌｅ，ｃｏｎ— ｓｉｓｔｅｎｔ ｗｉｔｈ ｅａｃｈ ｏｔｈｅｒ；ｈｏｗｅｖｅｒ，ＮＤＶＩ ｇａｖｅ ａ ｂｅｔｔｅｒ ｒｅｓｏｌｕｔｉｏｎ ｆｏｒ ｗａｔｅｒ ｂｏｄｉｅｓ ａｎｄ ｗｅｔ ｔｈｉｎｇｓ ｗｈｉｌｅ ＥＶＩ ｈａｄ ａ ｇｒｅａｔｅｒ ｃａｐａｃｉｔｙ ｏｆ ｉｄｅｎｔｉｆｙｉｎｇ ｖｅｇｅｔａｔｉｏｎｓ．Ｔｈｅｙ ｈａｄ ａ ｐｒｅｃｉｓｉｏｎ ａｐｐｒａｉｓａｌ ｓｃｏｒｅ ｏｆ ７０．００％ａｎｄ ａ Ｋａｐｐａ ｃｏｅｆｆｉｃｉｅｎｔ ｏｆ ０．５８５． Ｋｅｙ ｗｏｒｄｓ：ＭＯＤＩＳ；ＮＤＶＩ；ＥＶＩ；Ｋ—ｍｅａｎ；ｃｌａｓｓｉｆｉｃａｔｉｏｎ 责任编辑 陈绍兰
