不透水面指数DNISI计算异常

Question

今天计算不透水面指数，用两种公式计算都出问题了，太奇怪了

######第一种公式，是很常见的：

但是计算下来，严格按照公式计算，算了好多次，结果如下：

水体的地方反而不透水面指数越高，还是找人花了60大洋做的。

第二种公式，算出来结果更奇怪了，这是公式：

算出来结果如下：

从来没有算出来这么奇怪的图，有没有人来教教是怎么回事啊。

Answer 1

参考通义千问和郭老师的小迷弟雅思莫了-编写提供，主要是为了帮助您快速解决问题，如下回答，您可以参考下，如有问题，评论区留言。

不透水面指数（Impervious Surface Index, ISI）通常用于量化地表覆盖中不透水区域的比例，例如城市中的建筑物、道路和其他硬化表面。您提到的DNISI可能是某种特定类型的不透水面指数计算方法。从您的描述来看，出现了两种不同公式计算结果异常的情况：

1. 第一种公式的计算结果显示水体区域的不透水面指数反而较高，这明显是不符合逻辑的，因为水体应当对应的是低不透水面指数。出现这种问题的原因可能有以下几点：

   • 数据预处理错误：原始遥感数据是否经过了正确的辐射校正和大气校正？
   • 波段选择不当：用于计算指数的波段是否准确反映了地物特性？比如，如果包含了对水体敏感的波段，可能会导致混淆。
   • 分类阈值设定问题：在划分水体和其他地物时，分类阈值设置是否合理？
   • 可能存在算法实现错误或数据输入错误。

2. 第二种公式计算得到的结果图像异常，没有具体说明是什么样的“奇怪”结果，但同样可能的问题包括：

   • 公式本身适用性问题：该公式可能不适合当前的数据集或者场景特征。
   • 参数设置不合理：某些参数取值可能导致指数分布异常。
   • 计算过程中数据处理环节出错，如未正确应用掩膜、未排除云层和阴影等干扰因素。

解决这类问题的一般步骤包括：

• 回顾并检查原始数据质量及预处理流程。
• 确认所采用的不透水面指数计算公式是否适用于当前的传感器数据类型和应用场景。
• 检查分类或阈值选取过程，确保其符合实际地物特征。
• 对比已有的研究文献，确认公式参数及实施步骤无误。
• 如果有必要，可以尝试使用不同的不透水面提取方法，如基于支持向量机、决策树、人工神经网络等机器学习算法进行验证。

由于您没有提供具体的公式和计算细节，无法给出针对性的解决方案，请提供更多详细信息以便进一步分析问题所在。