归一化差异雪指数 (NDSI)的简介

简介: 归一化差异雪指数 (NDSI)的简介

什么是遥感中的 NDSI?

 

归一化差雪指数 (NDSI) 雪盖是与像素中雪的存在相关的指数,与分数雪盖 (FSC) 相比,它是雪检测的更准确描述。雪通常具有非常高的可见光 (VIS) 反射率和非常低的短波红外 (SWIR) 反射率,这是通过区分雪和大多数云类型来检测雪的特征。

 

 

如何计算NDSI?

 

NDSI 是衡量可见光(GREEN)和短波红外 (SWIR) 之间反射率差异的相对幅度的指标。计算特定时间和地点在卫星图像中拍摄和合成的两个波段的比率

NDSI =(GREEN-SWIR)/(GREEN+SWIR)

 

NDWI 是如何工作的?

 

使用 VIS 和 SWIR 反射率差异的 NDSI 比率检测积雪;NDSI > 0.0 的 NA 像素被认为存在一些雪。NDSI <= 0.0 的像素是无雪地表。

 

 

 

 

如何解读NDSI图像?

 

NDSI 结果显示为颜色图,其中每种颜色对应于特定范围的值。没有标准调色板,但大多数软件使用类似于 NDSI 的调色板。

 

palette:['red','green','blue','white']

NDSI的应用

 

NDSI 主要用于评估

  1. 积雪检测
  2. 雪地图
  3. 辨别雪和云
  4. 准确检测复杂阴影地形中的冰川冰
  5. 探测结冰的湖水
  6. 冰川测绘

 

 

局限性

 

尽管 NDSI 是一种强大的雪检测技术,但它确实有局限性。区分云和雪非常具有挑战性,因为某些类型的云和雪可能具有非常相似的反射特性和 NDSI 值。该算法是基于反射率的,因此它取决于来自表面、任何表面、Visual 和 SWIR 波段的足够反射率,以及 Visual 和 SWIR 波段之间反射量的差异,以便 NDSI 计算给出可靠的结果.

 

雪通常具有低 SWIR 反射率,小于约 0.10,因为它吸收 SWIR。与植被或其他特征混合的雪可能具有较高的 SWIR,这是由植被的 SWIR 反射引起的,但可能具有相对较高的 NDSI 值。在不同的土地覆盖和观察条件下,与雪覆盖相关的 SWIR 反射率和 NDSI 值范围很广。

 

 


相关文章
|
15天前
|
算法 数据挖掘 vr&ar
基于ESTAR指数平滑转换自回归模型的CPI数据统计分析matlab仿真
该程序基于ESTAR指数平滑转换自回归模型,对CPI数据进行统计分析与MATLAB仿真,主要利用M-ESTAR模型计算WNL值、P值、Q值及12阶ARCH值。ESTAR模型结合指数平滑与状态转换自回归,适用于处理经济数据中的非线性趋势变化。在MATLAB 2022a版本中运行并通过ADF检验验证模型的平稳性,适用于复杂的高阶自回归模型。
|
4月前
|
数据处理
大学物理-实验篇——测量误差与数据处理(测量分类、误差、有效数字、逐差法)
大学物理-实验篇——测量误差与数据处理(测量分类、误差、有效数字、逐差法)
126 11
|
5月前
|
数据可视化 Python
Matlab正态分布、历史模拟法、加权移动平均线 EWMA估计风险价值VaR和回测标准普尔指数 S&P500时间序列
Matlab正态分布、历史模拟法、加权移动平均线 EWMA估计风险价值VaR和回测标准普尔指数 S&P500时间序列
|
5月前
|
数据可视化 前端开发 SEO
R语言门限误差修正模型(TVECM)参数估计沪深300指数和股指期货指数可视化
R语言门限误差修正模型(TVECM)参数估计沪深300指数和股指期货指数可视化
|
5月前
|
算法 数据可视化 数据挖掘
R语言平滑算法LOESS局部加权回归、三次样条、变化点检测拟合电视节目《白宫风云》在线收视率
R语言平滑算法LOESS局部加权回归、三次样条、变化点检测拟合电视节目《白宫风云》在线收视率
|
5月前
|
数据可视化
R语言分位数回归、最小二乘回归OLS北京市GDP影响因素可视化分析
R语言分位数回归、最小二乘回归OLS北京市GDP影响因素可视化分析
|
5月前
|
数据可视化 数据建模
R语言广义加性混合模型(GAMM)分析长沙气象因子、空气污染、PM2.5浓度、显著性检验、逐日变化可视化(下)
R语言广义加性混合模型(GAMM)分析长沙气象因子、空气污染、PM2.5浓度、显著性检验、逐日变化可视化
|
5月前
|
机器学习/深度学习 数据可视化
R语言广义加性混合模型(GAMM)分析长沙气象因子、空气污染、PM2.5浓度、显著性检验、逐日变化可视化(上)
R语言广义加性混合模型(GAMM)分析长沙气象因子、空气污染、PM2.5浓度、显著性检验、逐日变化可视化
|
5月前
|
数据可视化 数据挖掘
数据分享|R语言分析上海空气质量指数数据:kmean聚类、层次聚类、时间序列分析:arima模型、指数平滑法
数据分享|R语言分析上海空气质量指数数据:kmean聚类、层次聚类、时间序列分析:arima模型、指数平滑法
|
5月前
R语言用GAM广义相加模型研究公交专用道对行程时间变异度数据的影响
R语言用GAM广义相加模型研究公交专用道对行程时间变异度数据的影响