鐘 凱，黃義忠*，譚榮建，馬義超，溫煜未

?

遙感圖像常用植被參數(shù)計算系統(tǒng)的設(shè)計與實現(xiàn)

鐘 凱1，黃義忠1*，譚榮建1，馬義超1，溫煜未2

（1. 昆明理工大學(xué) 國土資源工程學(xué)院，云南 昆明 650093；2. 忻州市靜樂縣氣象局，山西 忻州 035100）

植被遙感利用了植被對于各個波段的波譜曲線特征，廣泛應(yīng)用于農(nóng)林作物的估算中，包括在一定范圍農(nóng)林作物種類的探測，種植生長區(qū)域面積的估算，生產(chǎn)和生態(tài)評價等。為了方便農(nóng)業(yè)、林業(yè)及生態(tài)等非遙感專業(yè)領(lǐng)域研究人員快速獲取植被參數(shù)，利用Visual Studio開發(fā)環(huán)境和ArcEngine開發(fā)工具建立了植被指數(shù)計算系統(tǒng)，通過歸一化植被指數(shù)模型（NDVI）、比值植被指數(shù)模型（RVI）,并結(jié)合矢量化的行政區(qū)圖限定研究的范圍，對該范圍內(nèi)的植被進行提取和對覆蓋度進行分級。簡化了遙感圖像處理的繁瑣操作過程，較為專業(yè)地進行計算、提取、分析，給出了具體的成果，能夠在實際問題中為使用者提供更為便捷的植被參數(shù)計算方式。

遙感圖像；植被參數(shù)；NDVI；RVI

0 引言

植被指數(shù)的引入基于綠色植物的葉片對于不同波段的電磁波的吸收與反射的特性，在波譜的紅光波段范圍與近紅外波段范圍內(nèi)與其他地物的特性區(qū)別最大，由此得到植被指數(shù)的概念[1]。西方的發(fā)達國家于上世紀初就關(guān)注到環(huán)境監(jiān)測方面的問題，發(fā)展較早，科學(xué)引用植被指數(shù)來治理環(huán)境，A Step?enko[2]等人經(jīng)過長期研究發(fā)現(xiàn)葉綠素的綠色質(zhì)量、植物相對密度與植物的健康狀態(tài)與歸一化植被指數(shù)密不可分，說明了NDVI是植被遙感估算的重要指標。我國的李斌斌[3]等人利用分形布朗運動理論,結(jié)合歸一化植被指數(shù)的空間分布,提出并計算了植被覆蓋分形布朗運動分形維數(shù)。因此，可以看出，常用植被參數(shù)在林業(yè)、農(nóng)業(yè)、土壤等生態(tài)方面具有重大研究意義[4-6]，而本文的遙感圖像常用植被參數(shù)計算系統(tǒng)正是基于快速獲取常用植被參數(shù)的需求所開發(fā)設(shè)計，并經(jīng)過實驗證明可以快速獲取所需的植被參數(shù)以及進行植被提取，能夠給提取植被參數(shù)過程提供極大的便捷。

1 技術(shù)路線

系統(tǒng)功能的實現(xiàn)遵循如下圖1所示的技術(shù)路線：

（1）對于需要計算植被參數(shù)的遙感原始數(shù)據(jù)進行加載，為了進行遙感數(shù)據(jù)的植被遙感估算，首先實現(xiàn)對典型植被指數(shù)的計算功能，典型植被指數(shù)可以反映出區(qū)域內(nèi)植被信息，設(shè)置不同的植被指數(shù)的臨界值提取出所需求的植被區(qū)域，最后對植被區(qū)域結(jié)果渲染顯示以提供更為直觀的信息。

（2）對加載的遙感影像利用數(shù)學(xué)模型進行處理，計算出植被覆蓋度的柵格影像，對植被覆蓋度成果圖進行科學(xué)分類獲取植被覆蓋度的分級地圖。

（3）按照植被遙感需求，對需求范圍提取。

2 數(shù)學(xué)模型

2.1 常用植被指數(shù)

植被指數(shù)的計算原理大致可以概述為：植物葉片對電磁波譜的近紅外波段與紅光波段的吸收與反射具有一定的特性，利用遙感影像這兩個波段的遙感柵格數(shù)據(jù)進行處理得到不同的植被指數(shù)[7]。利用典型的植被指數(shù)可以獲取相應(yīng)的植被信息，典型植被指數(shù)計算模型如下[8]：

比值植被指數(shù)（RVI），是近紅外NIR波段與紅光R波段段的比值，計算公式為[9]

RVI的取值范圍大于0，在這個指數(shù)中有一個分界值2，在2以上代表了植被，且值越大植被的覆蓋程度越高；在0-1之間一般是由于水體，冰雪的緣故，或者是遙感影像的自身原因比如云的影響；在1-2之間表示的是沒有植被的區(qū)域，比如裸巖，建筑等等。

歸一化植被指數(shù)（NDVI），計算公式為[10]

NDVI的取值范圍在-1到1之間，分界值為0，在0以上表示的是我們需要的信息，0以下的是沒有植物的區(qū)域；與比值植被指數(shù)相似，植被覆蓋程度與指數(shù)呈正比。

差值植被指數(shù)（DVI），計算公式為

不同的植被指數(shù)有不同的局限性。比值植被指數(shù)對于大氣的影像較為敏感，因此需要對得到的成果進行大氣校；歸一化植被指數(shù)在較高的植被覆蓋區(qū)域內(nèi)對于植被的識別度較弱，對于高植被覆蓋區(qū)域的顯示不如其他影像的效果；差值植被指數(shù)則受到土壤背景的影響較大。

通過科學(xué)實驗表明，歸一化植被指數(shù)（NDVI）盡管在高植被覆蓋區(qū)域內(nèi)敏感性不強，但這個指數(shù)對于土壤背景的變化相比其他指數(shù)具有優(yōu)勢，能夠?qū)τ谥脖活愋?、長勢、覆蓋形狀進行較好的反映。NDVI反映的植被信息較廣，擁有良好的適應(yīng)性，因此，利用NDVI來得到植被信息是本系統(tǒng)的重要標準。此外，為了彌補NDVI的部分局限性，系統(tǒng)也可以計算其他的植被指數(shù)，并利用指數(shù)相關(guān)的特性來獲取植被信息。

2.2 像元二分模型

像元二分模型是一種簡單實用的遙感估算模型，它假設(shè)一個像元的地表由有植被覆蓋部分地表與無植被覆蓋部分地表組成，而遙感傳感器觀測到的光譜信息也由這2個組分因子線性加權(quán)合成，各因子的權(quán)重是各自的面積在像元中所占的比率，如其中植被覆蓋度可以看作是植被的權(quán)重[11-13]。李苗苗[14-15]等人利用NDVI并結(jié)合像元二分模型得到估算植被覆蓋度的公式如下：

式中代表NDVI很低的區(qū)域，例如泥土、建筑等區(qū)域；代表NDVI很高有很多植物的區(qū)域。其具體計算公式如下：

因此，求得植被覆蓋度的關(guān)鍵便是獲取這兩個值，如果近似的取覆蓋度的最大值與覆蓋度最小值為柵格影像的最高與最低，即和分別為100%和0。那么公式（4）可以化簡為：

實際操作中不可避免有噪聲存在，因此與的取值一般要選取一個置信度的范圍內(nèi)的值，置信度是依據(jù)不同的柵格影像來得到的。

在獲取實際的最大與最小值可以借助ENVI來操作，獲取最大與最小值按NDVI累積的百分比需要利用Compute Static工具來統(tǒng)計在柵格數(shù)據(jù)的集中方式。依據(jù)不同的遙感影像得到在累積概率較高或者較低的柵格影像點的范圍，最后取得平均值便可以得到與。

2.3 重分類

重分類在地理數(shù)據(jù)分析中的使用規(guī)則為：基于地理數(shù)據(jù)如柵格數(shù)據(jù)中每個像素的原有像素值進行重新分配新值，對這些存在的像素值進行重新分配，并可以對原有的像素值用新的值來替代，新值與舊值的替換有一定的規(guī)則。本文經(jīng)多次實驗發(fā)現(xiàn)采用如圖2所示的重分類規(guī)則，渲染顯示的效果最佳，系統(tǒng)采用的重分類的原理如下。

3 功能模塊

3.1 影像載入

系統(tǒng)處理的Landsat8遙感影像與Modis影像性質(zhì)上為柵格數(shù)據(jù)，可以對于柵格數(shù)據(jù)加載，處理與渲染的方法操作應(yīng)用于遙感影像，此外還需要添加openfiledialog類，openfiledialog擁有多個返回值，當點擊OK后，可以根據(jù)這個返回值設(shè)立IF判斷語句實現(xiàn)對文件的加載功能，此后為了打開柵格數(shù)據(jù)集必須有worksapce工作空間來打開，而工作空間的創(chuàng)建還需要的是workspacefactory工作空間工廠，而這兩種類對于柵格數(shù)據(jù)還有專門的rasterworkspace與rasterworkspacefactory，還需強制轉(zhuǎn)換。獲取了柵格工作空間之后可以打開擁有路徑的柵格數(shù)據(jù)。

以TIFF格式的Landsat8河南省鄭州市遙感數(shù)據(jù)為例，利用openfiledialoge的返回值設(shè)置的if語句將打開文件的完整路徑賦予定義字符串變量，設(shè)置整型數(shù)據(jù)標記“//”的位置，最后獲取文件路徑與文件路徑，利用柵格工作空間打開數(shù)據(jù)集并且加載到圖層之中。得到影像如圖3所示。

該系統(tǒng)影像載入模塊能夠打開TIFF和HDF兩種數(shù)據(jù)格式的文件,分別對應(yīng)數(shù)據(jù)源Landsat8與Modis影像，但其載入原理類似且均在上面說明，故只以其中一種TIFF格式為例介紹具體代碼：

OpenFileDialog openTiff = new OpenFileDialog();

openTiff.Filter = "Map Documents(*.TIF)|*. TIF";

openTiff.Title = "打開TIFF地圖";

string Tiffpath;

if (openTiff.ShowDialog() == Dialog-Result.OK)

{

Tiffpath = openTiff.FileName;

int pos = Tiffpath.LastIndexOf("\");

string Filepath = Tiffpath.Substring (0, pos);

string Tiffname = Tiffpath.Substring (pos + 1);

IWorkspaceFactory workspacefac = new RasterWorkspaceFactory();

IRasterWorkspace rasterworkspc;

IRasterDataset rasterdatst = new RasterDataset();

IRasterLayer rasterlay = new RasterLayerClass();

rasterworkspc = workspacefac.Open-FromFile(Filepath, 0) as IRasterWorkspace;

rasterdatst = rasterworkspc.OpenRaster-Dataset(Tiffname);

rasterlay.CreateFromDataset(rasterdatst);

axMapControl1.AddLayer(rasterlay);

}

圖3 影像載入

3.2 常用植被指數(shù)計算

植被指數(shù)計算功能涉及到IMathop類的方法調(diào)用，在自己定義的命名空間中定義了相關(guān)的函數(shù)進行計算，主要方法在于輸入柵格數(shù)據(jù)集后對IMathop的方法引用，最后返回一個Geodatabase類的數(shù)據(jù)存儲在相應(yīng)的路徑之中并加載至圖層。以歸一化植被指數(shù)NDVI計算為例，得到如圖4、5所示的結(jié)果。

植被指數(shù)計算中，最關(guān)鍵的一步便是柵格數(shù)據(jù)相減，是在自定義的命名空間下（Function）編寫的柵格數(shù)據(jù)計算的靜態(tài)函數(shù)，首先if語句判斷輸入的參數(shù)是否為柵格數(shù)據(jù)進行計算的有效類型，接著實例化mathop對象并調(diào)用該對象的.minus（）方法，最后返回一個類型為柵格數(shù)據(jù)集的對象。關(guān)鍵代碼如下：

圖4 計算過程

圖5 NDVI成果圖

public static IGeoDataset MathOpPlusRaster (IGeoDataset geoDataset_1, IGeoDataset geoDataset_2)

{

if ((geoDataset_1 is ESRI.ArcGIS.Geodatabase. IRaster | geoDataset_1 is ESRI.ArcGIS.Geodatabase. IRasterDataset | geoDataset_1 is ESRI.ArcGIS.Data-SourcesRaster.IRasterBand | geoDataset_1 is ESRI. ArcGIS.GeoAnalyst.IRasterDescriptor) & (geoDataset_2 is ESRI.ArcGIS.Geodatabase.IRaster | geoDataset_2 is ESRI.ArcGIS.Geodatabase.IRasterDataset | geoDataset_2 is ESRI.ArcGIS.DataSourcesRaster. IRasterBand | geoDataset_2 is ESRI.ArcGIS.GeoAnalyst. IRasterDescriptor))

{

IMathOp mathOp = new ESRI.ArcGIS. SpatialAnalyst.RasterMathOpsClass();

IGeoDataset geodataset_output = mathOp. Plus(geoDataset_1, geoDataset_2);

return geodataset_output;

}

else

{

return null;

}

}

3.3 植被提取

植被的提取功能利用歸一化植被指數(shù)與比值植被指數(shù)來確定。根據(jù)用戶所需要的范圍來區(qū)分植被與其他區(qū)域，點擊信息提取欄的植被提取可以實現(xiàn)以上功能，首先是對用戶需求的設(shè)置臨界值的窗體設(shè)計，新建窗體如下圖6所示。這里我們以NDVI值大于0.3為例進行提取，輸入0.3點擊確定，可以得到如圖7所示的植被提取圖結(jié)果。

設(shè)置臨界值頁面確定按鈕的click事件中的植被提取代碼，在計算柵格的過程中設(shè)置了遍歷柵格像素的IRasterCursor類，這個類類似于指針，指向柵格圖像上的每一個像素點，計算涉及的類還有IRasterEdit類，這個類的對象用以編輯柵格圖像中的柵格屬性值，以及IPixelBlock3數(shù)據(jù)塊類，通過設(shè)置for循環(huán)語句判斷柵格屬性值并進行判斷與臨界值的關(guān)系設(shè)置新值Nan來實現(xiàn)提取依據(jù)用于的需求得到的柵格圖像，最后調(diào)用myfunction的存儲功能存儲柵格數(shù)據(jù)集。關(guān)鍵步驟代碼如下：

圖6 設(shè)置臨界值

圖7 植被提取結(jié)果

IWorkspaceFactory OpenWorkspaceFac = new RasterWorkspaceFactory();

IRasterWorkspace OpenRasterWorkspc = Open-WorkspaceFac.OpenFromFile(Filepath, 0) as Iraster-Workspace;

IRasterDataset OpenRasterDataset = OpenRaster-Workspc.OpenRasterDataset(HDFname);

IRasterBandCollection OpenRasterBandCol = OpenRasterDataset as IRasterBandCollection;

IRasterBand OpenRasterBand = OpenRasterBand-Col.Item(0);

OpenRasterBand.ComputeStatsAndHist();

IRasterStatistics pRasterStatistic = OpenRasterBand.Statistics;

Single dMaxValue = Convert.ToSingle(pRaster-Statistic.Maximum);

Single dMinValue = Convert.ToSingle(pRaster-Statistic.Minimum);

Single MaxMinusMinValue = Convert.ToSingle (dMaxValue - dMinValue);

IRaster OpenRater1 = OpenRasterDataset.Create-DefaultRaster();

IRaster2 OpenRaster = (IRaster2)OpenRater1;

IRasterDataset OutRasterDataset = OpenRasterDataset;

IRaster OutRaster1 = OutRasterDataset.Create-DefaultRaster();

IRaster2 OutRaster = (IRaster2)OutRaster1;

try

{

IRasterCursor rasterCursor = OpenRaster.Create-CursorEx(null);

IRasterEdit rasterEdit = OutRaster as IRasterEdit;

IPixelBlock3 pixelblock3 = null;

int blockwidth = 0;

int blockheight = 0;

System.Array pixels;

IPnt tlc = null;

Single pixval;

do

{

pixelblock3 = rasterCursor.PixelBlock as IPixelBlock3;

blockwidth = pixelblock3.Width;

blockheight = pixelblock3.Height;

pixels = (System.Array)pixelblock3. get_PixelData(0);

for (long i = 0; i < blockwidth; i++)

{

for (long j = 0; j < blockheight; j++)

{

if (Convert.ToSingle(pixels.GetValue(i, j)) == Single.Min-Value || Convert.ToSingle(pixels.GetValue(i, j)) == Single.MaxValue)

continue;

else

{

pixval = (Convert.ToSingle(pixels.GetValue(i, j)) - dMinValue) / MaxMinusMinValue;

pixels.SetValue(pixval, i, j);

}

}

}

pixelblock3.set_PixelData(0, pixels);

tlc = rasterCursor.TopLeft;

rasterEdit.Write(tlc, (IPixelBlock) pixelblock3);

}

while (rasterCursor.Next() == true);

rasterEdit.Refresh();

System.Runtime.InteropServices.Marshal.ReleaseComObject(rasterEdit);

3.4 重分類渲染

重分類渲染的主要作用是將提取圖渲染為直觀的表現(xiàn)圖，但提取的功能在于表示數(shù)據(jù)的屬性，能夠?qū)⒋笥谂R界值的所有柵格數(shù)據(jù)提取出來并且保留它們的像元。以提取二分為例，通過調(diào)用GP工具來實現(xiàn)，除了輸入輸出柵格圖層的參數(shù)外，設(shè)置重分類標準與覆蓋度的分類標準不一致，只需要設(shè)置兩個分類0與1即可將植被與裸土提取出來。得到的提取二分結(jié)果如圖8所示。

圖8 重分類渲染結(jié)果

代碼設(shè)計為先調(diào)用GP工具并實例化重分類工具對象，設(shè)置好輸入、輸出、分類標準與字段名等參數(shù)，最后執(zhí)行Excute。在其他窗體中的事件中只需要將這些參數(shù)設(shè)置好，直接調(diào)用命名空間中的這個函數(shù)即可。調(diào)用GP工具的具體代碼如下：

Geoprocessor tGp = new Geoprocessor();

Reclassify RasterRecla = new Reclassify();

RasterRecla.in_raster = inRaster;

RasterRecla.out_raster = outRaster;

RasterRecla.reclass_field = "Value";

RasterRecla.remap = "-1 0.3 0;0.3 1 1;";

IGeoProcessorResult tGeoResult = (IGeoProcessorResult)tGp.Execute(RasterRecla, null);

return outRaster;

3.5 裁剪

系統(tǒng)的成果裁剪所采用的方法是調(diào)用GP工具，GP工具的使用的參數(shù)為輸入的柵格數(shù)據(jù)，輸入的掩膜數(shù)據(jù)以及輸出的路徑，首先新建一個GP工具，創(chuàng)建新的臨時gbg文件，在運算結(jié)束后會自動刪除，設(shè)置臨時的工作環(huán)境。最后輸入要裁剪的數(shù)據(jù)與矢量數(shù)據(jù)。得到的裁剪后的結(jié)果如圖9所示。

調(diào)用GP工具實例化Extractbymask工具的關(guān)鍵代碼如下：

Geoprocessor extractGeoprocessor = new Geoprocessor();

string gdb = Myfunction.CreateFileGDB(inRaster + "random");

extractGeoprocessor.SetEnvironmentValue("workspace", gdb);

extractGeoprocessor.OverwriteOutput = true;

if (File.Exists(extractByMask))

File.Delete(extractByMask);

ExtractByMask newExtractByMask = new ExtractByMask()

{

in_raster = inRaster

out_raster = extractByMask

in_mask_data = inMask

}

圖9 鄭州市及周邊植被提取結(jié)果

此時，我們可以將鄭州行政區(qū)劃圖的圖層添加至圖9的植被提取圖，得到如下圖10所示的鄭州市植被比較分析圖。據(jù)此，可以做出相關(guān)的植被資源評價：鄭州市的植被覆蓋最少，需要重視植被樹林的栽種；新鄭、中牟、新密的植被覆蓋較高，需要重視保護森林并預(yù)防森林火災(zāi)；登封、鞏義、滎陽覆蓋面積居中，需要堅持植被森林的澆灌和維護。

4 結(jié)語

本文開發(fā)設(shè)計出的遙感圖像常用植被參數(shù)計算系統(tǒng)，經(jīng)過實驗證明，能夠載入Landsat8與Modis遙感影像產(chǎn)品，通過常用植被指數(shù)計算功能快速計算出RVI、NDVI和DVI的數(shù)值，并通過植被提取和重分類渲染的功能將植被區(qū)域篩選出來，結(jié)合鄭州行政區(qū)劃圖得到了鄭州市植被比較分析圖，得出了鄭州市的植被覆蓋最少，新鄭、中牟、新密的植被覆蓋較高，登封、鞏義、滎陽覆蓋面積居中的植被覆蓋狀況，能夠進行相關(guān)的植被資源評價并提供一些決策依據(jù)。

[1] 梅安新. 遙感導(dǎo)論[M].北京: 高等教育出版社, 2001.

[2] Step?enko A, ?i?ovs, Jurijs. Markov Chain Modelling for Short-Term NDVI Time Series Forecasting[J]. Information Technology & Management Science, 2016, 19(1).

[3] 李斌斌, 李占斌, 宇濤, 李鵬. 基于歸一化植被指數(shù)的流域植被覆蓋分形維數(shù)研究[J]. 農(nóng)業(yè)工程學(xué)報, 2014, 30(15): 239-247.

[4] 徐斌, 楊秀春, 金云翔著. 草原植被遙感監(jiān)測[M]. 北京: 科學(xué)出版社, 2016.

[5] 譚昌偉. 農(nóng)業(yè)遙感技術(shù)[M]. 北京: 中國農(nóng)業(yè)出版社, 2017.

[6] 林輝. 林業(yè)遙感[M]. 北京: 中國林業(yè)出版社, 2011.

[7] 孫家抦. 遙感原理與應(yīng)用[M]. 武漢: 武漢大學(xué)出版社, 2013.

[8] 張學(xué)藝. 基于EOS/MODIS的幾種植被指數(shù)[J]. 安徽農(nóng)業(yè)科學(xué), 2009, 37(26): 12842-12845.

[9] Jordan C F. Derivation of Leaf‐Area Index from Quality of Light on the Forest Floor[J]. Ecology, 1969, 50(4): 663-666.

[10] Deering D W. Rangeland reflectance characteristics measured by aircraft and spacecraft sensors[J]. Ph.d.thesis Texas A & M Univ.college Station, 1978, 338.

[11] Catherine Leprieur, Michel M. Verstraete, Bernard Pinty. Evaluation of the performance of various vegetation indices to retrieve vegetation cover from AVHRR data[J]. Remote Sensing Reviews, 1995, 10(4): 265-284.

[12] Zribi M, LE HE’GARAT-MASCLES, TaconetO.D, BoussemaMR. et al. Derivation of wild vegetation cover density in semi-arid regions: ERS2 SAR evaluation[J] .International Journal of Remote Sensing , 2003 ,(24):1335-1352.

[13] 陳晉, 陳云浩, 何春陽, 等. 基于土地覆蓋分類的植被覆蓋率估算亞像元模型與應(yīng)用[J]. 遙感學(xué)報, 2001, 5(6): 416-422.

[14] 李苗苗. 植被覆蓋度的遙感估算方法研究[D]. 中國科學(xué)院研究生院(遙感應(yīng)用研究所), 2003.

[15] 李苗苗, 吳炳方, 顏長珍, 等. 密云水庫上游植被覆蓋度的遙感估算[J]. 資源科學(xué), 2004, 26(4): 153-159.

Design and Achieve of Common Vegetation Parameter Calculation System for Remote Sensing Images

ZHONG Kai1, HUANG Yi-zhong1*, TAN Rong-jian1, MA Yi-chao1, WEN Yu-wei2

(1. Faculty of Land Resource Engineering, Kunming University of Science and Technology, Kunming 650093, China; 2. Jingle County Meteorological Bureau of Xinzhou City, Xinzhou 035100, China)

Vegetation remote sensing utilizes the spectral characteristics of vegetation for each band, and is widely used in the estimation of agricultural and forestry crops, including the detection of a range of agricultural and forestry crops, the estimation of planting and growing area, production and ecological evaluation. In order to facilitate the rapid acquisition of vegetation parameters by researchers in non-remote sensing fields such as agriculture, forestry and ecology, a vegetation index calculation system was established using Visual Studio development environment and ArcEngine development tools, through the normalized difference vegetation index (NDVI) model or the ratio of vegetation index (RVI) model, combined with the vector of the administrative region defining the scope of the study, extract the vegetation within the range and grade the coverage. It simplifies the cumbersome operation process of remote sensing image processing, performs calculation, extraction and analysis more professionally, and gives specific results. It can provide users with more convenient calculation methods of vegetation parameters in practical problems.

Remote sensing image; Vegetation parameters; NDVI; RVI

TP751

A

10.3969/j.issn.1003-6970.2018.11.003

國家自然基金地區(qū)基金，滇中城市群國土空間格局多尺度演化模擬及優(yōu)化配置(KKGD201721098)

鐘凱(1995-)，男，昆明理工大學(xué)碩士研究生，研究方向為國土資源遙感；譚榮建(1965-)，男，昆明理工大學(xué)副教授、碩士生導(dǎo)師，研究方向為測繪與土地資源管理；馬義超(1993-)，男，昆明理工大學(xué)碩士研究生，研究方向為地理信息工程；溫煜未(1994-)，男，華北水利水電大學(xué)畢業(yè)，山西省忻州市靜樂縣氣象局從事工作，研究方向為地理信息科學(xué)。

黃義忠(1972-)，男，昆明理工大學(xué)副教授、碩士生導(dǎo)師，研究方向為土地資源管理。

鐘凱，黃義忠，譚榮建，等. 遙感圖像常用植被參數(shù)計算系統(tǒng)的設(shè)計與實現(xiàn)[J]. 軟件，2018，39（11）：11-17