遥感图像归一化处理_多源遥感数据融合

NDFI是什么？

NDFI被称为归一化退化指数。可以用来表达森林植被的退化程度和森林的健康程度。

NDFI最开始发表的文章是（Combining spectral and spatial information to map canopy damage from selective logging and forest fires）。该指数在国际期刊中使用次数很多，使用该指数的文章多次发表在遥感顶刊RSE上，在国内少有见到相关文章（2021/10/20），因此我希望通过分享该指数可以使国内更多的人关注起来，产生更多的学术成果。

NDFI的APP:https://bullocke.users.earthengine.app/view/amazonsamples

NDFI的计算公式：

NDFI中的各个成分，都是通过端元分解（SMA模型，可以参考Combining spectral and spatial information to map canopy damage from selective logging and forest fires）得到的，主要有四个端元（GV、NPV、SOIL、shade）。

SMA模型来自（Imaging spectroscopy: Interpretation based on spectral mixture analysis）这篇文章。

NDFI的各个组分可视化图

上图来自于文章（Monitoring tropical forest degradation using spectral unmixing and Landsat time series analysis）。

可以看出来不同端元组分对森林的表达特征不一样。

论文一：

上图可以看出NDFI中各个成分的分布情况。

上图来自文章（Combining spectral and spatial information to map canopy damage from selective logging and forest fires）。可以看出，不同生态过程（不同人为干扰）对森林的影响不同，即NDFI的表现不同。这篇文章只研究了单幅影像的NDFI特征。下面这篇文章研究了NDFI在时间序列上的特征。

论文二：

上图来自文章（Satellite-based estimates reveal widespread forest degradation in the Amazon）。图a可以看出NDFI可以检测出来森林受到的扰动和恢复过程。图c可以看出森林受到不可恢复的扰动，森林消失，NDFI变为-1。

论文三：

如上图所示，第一个图是NDFI，第二个是NDVI，很明显，NDFI检测森林退化的效果要好于NDVI。并且这篇文章（Satellite Remote Sensing of Forest Degradation Using NDFI and the BFAST Algorithm）使用Bfast检测了NDFI的时间序列特征。

APP示例：

下面我们以山西省某矿场为例，看看NDFI以及它的各个分量的时间序列形态。

可以看出来1992年之前该区域的植被就不太好，样本点选择的不够典型，你们可以在你们关注的区域选择一些典型的样本点观察。

今天的文章遥感图像归一化处理_多源遥感数据融合分享到此就结束了，感谢您的阅读。