【应用实践】PostGIS实现NDVI计算与植被覆盖分级统计分析-以武汉市2025年为例

本文涉及主要函数包括，使用详情可查看具体章节：

ST_MapAlgebra

ST_SummaryStats

ST_Union

ST_ValueCount

ST_PixelAsPolygons

一、基本概念

NDVI（归一化植被指数 Normalized Difference Vegetation Index），是一种通过遥感数据量化植被覆盖与生长状态的常用指标，应用于遥感影像，反映农作物长势和营养信息。

其计算公式为NDVI = (NIR - Red) / (NIR + Red)。

NIR：近红外波段的反射率，健康植被在此波段的反射率较高。
Red：红光波段的反射率，健康植被在此波段的反射率较低。数值范围：−1∼+1

NDVI 取值	地表含义
−1∼0	水体、冰雪、裸岩、建筑（无植被）
≈0	裸土、稀疏荒地
0.2∼0.5	稀疏草地、农田、低矮灌木
0.5∼0.8	茂密森林、长势旺盛植被

二、场景背景

对武汉行政区范围内的 Landsat8 遥感影像数据进行处理，计算 NDVI 植被指数，并将植被覆盖分为三个等级：

低覆盖：NDVI < 0.2
中覆盖：0.2 ≤ NDVI < 0.5
高覆盖：NDVI ≥ 0.5

最终统计各区不同植被覆盖等级的面积，为生态环境评估和保护规划提供数据支撑。

三、数据准备

1. 常用数据：

MODIS (如 MOD13Q1)：时间分辨率高（16 天），适合大范围长时序分析。
Landsat8/9 (OLI)：空间分辨率 30 米，适合中等尺度细节分析。
Sentinel-2 (MSI)：空间分辨率 10-20 米，重访周期短（5 天），适合精细农业或森林监测。

注意：植被监测对云非常敏感，建议将云量限制在 10% 以下，甚至 5% 以内，确保影像有效。

2. Landsat8数据下载处理

本文使用数据为 Landsat8，选取其中 Band 4（红）、Band 5（近红外）两个波段。

数据来源地理空间数据云 L2 级别数据，空间范围覆盖武汉地区，时间尺度为2025年的数据，包括三景数据，经过坐标转换、镶嵌、合并、掩膜提取等处理，得到武汉市 Landsat8 的 B4,B5 波段数据，然后再合并为多波段数据，具体过程本节不做详细介绍，需要数据可以留言。

处理后的数据如图所示：

导入数据库：

bash 复制代码

raster2pgsql -s 4326 -I -C -M -t 512x512 wuhan_landsat8_b45.tif public.wuhan_landsat8_b45 | psql -d gisdata

导入数据后的表：wuhan_landsat8_b45

字段名	类型	说明
rid	integer	影像 ID (512x512 切片)
rast	raster	栅格切片（波段 1=B4，波段 2=B5）

查看元数据信息：

sql 复制代码

select	
	(ST_MetaData(rast)).*
from 
	public.wuhan_landsat8_b45
where 
	rid = 1 --选取一个切片

-- 返回结果：
Name      |Value              |
----------+-------------------+
upperleftx|114.1471106333912  |
upperlefty|31.36259281420371  |
width     |512                |
height    |512                |
scalex    |0.0002922537488873 |
scaley    |-0.0002922537488873|
skewx     |0.0                |
skewy     |0.0                |
srid      |4326               |
numbands  |2                  |

3. 行政区划数据

本文行政区数据来自从天地图下载标的准行政区地图, 审图号GS（2024）0650号

执行命令导入数据库：

shell 复制代码

shp2pgsql -s 4326 /opt/wuhan/wuhan_districts.shp  wuhan_districts | psql -h localhost -p 5432 -U postgres -d gisdata

导入后的表：wuhan_districts

字段名	类型	说明
gid	serial4	区县 ID
name	varchar	区名称
gb	varchar	区代码
geom	geometry	区边界多边形

四、处理步骤与 SQL 代码

步骤 1：计算 NDVI 指数

sql 复制代码

-- 计算NDVI，并存在wuhan_ndvi表中
create table wuhan_ndvi AS
select
	rid,
	ST_SetBandNoDataValue(
	    ST_MapAlgebra(
	      rast, 1,  -- B4（红）
	      rast, 2,  -- B5（近红外）
	      -- L2数据核心：除以10000转换为真实反射率 + NDVI公式
	      '(([rast2.val]/10000.0 - [rast1.val]/10000.0) / NULLIF([rast2.val]/10000.0 + [rast1.val]/10000.0, 0))::float',
	      '32BF'  -- 32位浮点，保证精度
	    ),
	    0
	  ) AS ndvi_rast
from wuhan_landsat8_b45;

-- 统计信息，验证 NDVI 数值是否在标准范围 -1 ~ 1 内：
select
  (ST_SummaryStats(ST_Union(ndvi_rast))).* AS avg_ndvi
from wuhan_ndvi;

-- 返回结果：
Name  |Value               |
------+--------------------+
count |9451823             |
sum   |2263389.4665057836  |
mean  |0.23946591747494464 |
stddev|0.15803264609365525 |
min   |-0.28179025650024414|
max   |0.6725857853889465  |

步骤 2：NDVI 分级（植被覆盖等级）

sql 复制代码

create table vegetation_grade AS
select ST_MapAlgebra(
    ndvi_rast,
    '8BUI',  -- 输出8位无符号整数（1=低，2=中，3=高）
    'CASE 
        WHEN [rast] < 0.2 THEN 1 
        WHEN [rast] >= 0.2 AND [rast] < 0.5 THEN 2 
        WHEN [rast] >= 0.5 THEN 3 
        ELSE 0 
    END',
    0  -- NODATA值设为0
) as grade_rast
from wuhan_ndvi;

-- 统计信息
select
  (ST_SummaryStats(ST_Union(grade_rast))).* AS avg_ndvi
from vegetation_grade;

-- 返回结果：
Name  |Value             |
------+------------------+
count |9451823           |
sum   |15404309          |
mean  |1.6297712092154075|
stddev|0.5029906828659698|
min   |1.0               |
max   |3.0               |

-- 像素值频数统计，记得先合并
select
  (ST_ValueCount((ST_Union(grade_rast)),array[1,2,3])).* AS avg_ndvi
from vegetation_grade;

-- 返回结果：
value|count  |
-----+-------+
  1.0|3593100|
  2.0|5764960|
  3.0|  93763|

步骤 3：按区统计各等级植被面积

sql 复制代码

SELECT
    d.name AS district_name,
    -- 低覆盖面积（等级1）这里计算乘以1.0转换为浮点数
    SUM(CASE WHEN pixel_val = 1 THEN 1 ELSE 0 END) * 30 * 30 * 1.0/ 1000000 AS low_cover_km2,
    -- 中覆盖面积（等级2）
    SUM(CASE WHEN pixel_val = 2 THEN 1 ELSE 0 END) * 30 * 30 * 1.0 / 1000000 AS mid_cover_km2,
    -- 高覆盖面积（等级3）
    SUM(CASE WHEN pixel_val = 3 THEN 1 ELSE 0 END) * 30 * 30 * 1.0 / 1000000 AS high_cover_km2
FROM wuhan_districts d
JOIN (
    SELECT -- 这里使用ST_PixelAsPolygons，计算每一个像素，可以参考以前的介绍
        (ST_PixelAsPolygons(grade_rast)).geom AS pixel_geom,
        (ST_PixelAsPolygons(grade_rast)).val AS pixel_val
    FROM vegetation_grade
) v ON ST_Intersects(d.geom, v.pixel_geom)
GROUP BY d.name
ORDER BY high_cover_km2 DESC;


-- 返回结果：
name|low_cover_km2 |mid_cover_km2 |high_cover_km2|
-------+--------------+--------------+----------------+
蔡甸区   |396.10170| 665.41950|   23.81400|
新洲区   |449.22960| 998.56350|   22.13730|
江夏区   |707.46570|1273.15260|   11.19870|
汉南区   |114.30270| 165.09060|    8.28360|
黄陂区   |794.77650|1436.70240|    8.02260|
东西湖区 |220.54140| 257.26140|    6.12540|
洪山区   |262.54800| 251.11440|    3.49830|
汉阳区   | 71.51760|  41.66280|0.704700000|
武昌区   | 71.28630|  24.32700|0.424800000|
青山区   | 56.14470|  33.52590|0.318600000|
江岸区   | 51.99750|  29.32740|0.012600000|
硚口区   | 28.51020|  12.28950|0.004500000|
江汉区   | 22.81320|   7.13700|0.003600000|

五、案例结果分析

NDVI 计算：成功生成全武汉市 NDVI 栅格，数值范围在 - 1 到 1 之间，符合植被指数的物理意义；
植被分级：将 NDVI 栅格转换为 3 级植被覆盖栅格，直观展示植被分布情况；
面积统计：得到武汉市各区不同等级植被的覆盖面积，其中高覆盖面积
最大的区为 蔡甸区 23.814 km²，
第二是 新洲区22.137 km²，
第三的是 江夏区11.198 km²，分析结果可为生态环境评估和保护规划提供了数据支撑。