利用Hadoop计算FVC（植被覆盖度）思路

　　植被覆盖度（Fractional Vegetation Cover, FVC）指植被冠层的垂直投影面积与土壤总面积之比，像元的植被覆盖度计算公式为：

　　式中： NDVI是像元的归一化植被指数，NDVI_min 、 NDVI_max分别为整个研究区内NDVI的最小值、最大值，像元NDVI的计算公式为：



　　式中：DN_NIR 、DN_R 表示近红外、红光波段的灰度值
　　因此，要求植被覆盖度，首先要获得该区域近红外和红光波段的灰度值或反射率，然后把灰度值或反射率代入上面公式求出归一化植被指数 ，接着统计流域的最小值和最大值 ，最后再利用FVC求出植被覆盖度，具体的算法流程图如下图所示。

　　根据FVC计算流程，设计MapReduce并行程序如下图所示。

　　Input：输入一个HDFS路径，该路径下包含5景遥感影像的压缩包。
　　Split：自定义FileInputFormat，将输入的HDFS路径分割成遥感影像的压缩包路径，即将K-V对<Path, NullWritable >传入到Map中，可以自定义构造函数来扩展 RecordReader函数，可以参考下面这篇文章：
　　https://www.ibm.com/developerworks/cn/data/library/bd-hadoopcombine/

public class FileInputFormatNew extends FileInputFormat<Path, NullWritable>{...}

　　Map阶段：输入5景Landsat8地表反射率影像，每景影像都是一个压缩包，每个map任务处理了数据不一样，但是执行的操作是相同的。Map的输入K-V对即经过Split过的影像压缩包路径<Path,NullWritable>，Map的输出K-V为影像文件名与对应的字节序列<Text, BytesWritable>。Map阶段的每个map任务都将生成一幅FVC影像，它们都是影像的一部分，这些FVC影像将输入到Reduce阶段，而<Text, BytesWritable>也将作为Reduce阶段的输入K-V对。

public class FVCMap extends Mapper<Path, NullWritable, Text, BytesWritable>{...}

　　Reduce阶段：Reduce阶段只有一个reduce任务，它接受map任务的输出，并把5幅小的FVC影像镶嵌成一幅大的影像，这幅影像就是整个流域的植被覆盖度，最后把结果输出到HDFS上。Reduce阶段的输入K-V对即为Map阶段的输出<Text, BytesWritable>，而输出自己已经在Reduce中定义了，所以Reduce函数的输出K-V为<NullWritable, NullWritable>。

public class FVCReduce extends Reducer<Text,BytesWritable,NullWritable,NullWritable{...}