植被指数总结

植被指数总结

植被指数

概念：利用卫星不同波段探测数据组合而成的，能反映植物生长状况的指数。

植物叶面在可见光红光波段有很强的吸收特性，在近红外波段有很强的反射特性，这是植被遥感监测的物理基础，通过这两个波段测值的不同组合可得到不同的植被指数。差值植被指数又称农业植被指数，为二通道反射率之差，它对土壤背景变化敏感，能较好地识别植被和水体。该指数陌生物量的增加而迅速增大。比值植被指数又称为绿度，为二通道反射率之比，能较好地反映植被覆盖度和生长状况的差异，特别适用于植被生长旺盛、具有高覆盖度的植被监测。归一化植被指数为两个通道反射率之差除以它们的和。在植被处于中、低覆盖度时，该指数随覆盖度的增加而迅速增大，当达到一定覆盖度后增长缓慢，所以适用于植被早、中期生长阶段的动态监测。蓝光、红光和近红外通道的组合可大大消除大气中气溶胶对植被指数的干扰，所组成的抗大气植被指数可大大提高植被长势监测和作物估产精度。

遥感技术可以监测植被的变化，主要研究植被的替代指标. NDVI，又称标化植被指数，是目前应用最为广泛的指标，是近红外波段与红色波段的差异经二者之和校正后的结果. 公式为：NDVI=（NIR-RED）/（NIR+RED），该指数值介于-1与1之间： 0代表该区域基本没有植被生长；负值代表非植被覆盖的区域；取值0~1之间，数字越大代表植被的覆盖面积越大，植被的量越多。 云、水体和冰雪在红色及近红外波段均有较大反射，其NDVI值为负值；土壤和岩石在这两个波段的反射率基本相同，因此其NDVI值接近0. 对于Landsat TM传感器来说，其红外及可见红光波段分别为CH4和CH3波段. 为了对不同像素显示配色，按公式（NDVI-NDVI极小值）/（NDVI极大值-NDVI极小值）×255将NDVI扩展为0~255.

计算NDVI必须用反射率。

DN值有多种类型，TM、NOAA的原始数据就是DN值，不能用来直接计算NDVI，必须通过辐射定标计算成反射率，才能用来计算NDVI。但一般我们需要先进行大气校正，大气校正又包含多个方面，例如水汽、臭氧和气溶胶，世界上提供的NDVI数据集一般只做了其中部分的校正。对于山区，还需要做地形校正。

单纯利用DN值计算，可以解释成仅仅只是DN值计算；而TM4＝0且TM3＝0，是说TM34波段的DN值均为0时候，分母为0 ，计算不免会出现问题。

NDVI的物理依据是地物反射率的差异变化。所以用反射率来计算是比较客观准确的，而『现实生活』中，大多的人，根本不会考虑用地表反射率来计算NDVI，直接用DN来代替地表反射率，这样的替代是不是可以，从定量的角度来讲，肯定是不够严密的，大气的影响毕竟客观存在。

植被指数主要反映植被在可见光、近红外波段反射与土壤背景之间差异的指标，各个植被指数在一定条件下能用来定量说明植被的生长状况。在学习和使用植被指数时必须由一些基本的认识：

1、健康的绿色植被在NIR和R的反射差异比较大，原因在于R对于绿色植物来说是强吸收的，NIR则是高反射高透射的；

2、建立植被指数的目的是有效地综合各有关的光谱信号，增强植被信息，减少非植被信息

3、植被指数有明显的地域性和时效性，受植被本身、环境、大气等条件的影响

一、RVI——比值植被指数：RVI=NIR/R，或两个波段反射率的比值。 1、绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。植被的RVI通常大于2；

2、RVI是绿色植物的灵敏指示参数，与LAI、叶干生物量(DM)、叶绿素含量相关性高，可用于检测和估算植物生物量；

3、植被覆盖度影响RVI，当植被覆盖度较高时，RVI对植被十分敏感；当植被覆盖度<50%时，这种敏感性显著降低；

4、RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。

二、NDVI——归一化植被指数：NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。

1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等；

2、-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大；

3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度；

4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关；

三、DVIEVI——差值环境植被指数：DVI=NIR-R，或两个波段反射率的计算。

1、对土壤背景的变化极为敏感；

四、SAVITSAVIMSAVI——调整土壤亮度的植被指数：SAVI=((NIR-R)/(NIR+R+L))(1+L)，或两个波段反射率的计算。

1、目的是解释背景的光学特征变化并修正NDVI对土壤背景的敏感。与NDVI相比，增加了根据实际情况确定的土壤调节系数L，取值范围0~1。 L=0 时，表示植被覆盖度为零；L=1时，表示土壤背景的影响为零，即植被覆盖度非常高，土壤背景的影响为零，这种情况只有在被树冠浓密的高大树木覆盖的地方才会出现。

2、SAVI仅在土壤线参数a=1,b=0（即非常理想的状态下）时才适用。因此有了TSAVI、ATSAVI、MSAVI、SAVI2、SAVI3、SAVI4等改进模型。

小结：上述几种VI均受土壤背景的影响大。植被非完全覆盖时，土壤背景影响较大

五、GVI——绿度植被指数，k-t变换后表示绿度的分量。

1、通过k-t变换使植被与土壤的光谱特性分离。植被生长过程的光谱图形呈所谓的\穗帽\状，而土壤光谱构成一条土壤亮度线，土壤的含水量、有机质含量、粒度大小、矿物成分、表面粗糙度等特征的光谱变化沿土壤亮度线方向产生。

2、kt变换后得到的第一个分量表示土壤亮度，第二个分量表示绿度，第三个分量随传感器不同而表达不同的含义。如，MSS的第三个分量表示黄度，没有确定的意义；TM的第三个分量表示湿度。

3、第一二分量集中了>95%的信息，这两个分量构成的二位图可以很好的反映出植被和土壤光谱特征的差异。

4、GVI是各波段辐射亮度值的加权和，而辐射亮度是大气辐射、太阳辐射、环境辐射的综合结果，所以GVI受外界条件影响大。

六、PVI——垂直植被指数，在R-NIR的二为坐标系内，植被像元到土壤亮度线的垂直距离。PVI=((S R-VR)2+(SNIR-VNIR)2)1/2，S是土壤反射率，V是植被反射率。

1、较好的消除了土壤背景的影响，对大气的敏感度小于其他VI 2、PVI是在R-NIR二位数据中对GVI的模拟，两者物理意义相同 3、PVI=(DNnir-b)cosq-DNr´sinq，b是土壤基线与NIR截距，q是土壤基线与R的夹角。

七、其他

1、根据具体情况改进型：如MSS的DVI = B4-aB2，

PVI=(B4-aB2-b)/(1+a2)1/2，SARVI = B4/(B2+b/a)；RDVI=(NDVI´DVI)1/2等

2、应用于高光谱数据的VI，如CARI(叶绿素吸收比值指数）和CACI（叶绿素吸收连续区指数）等

VI划分

类型 典型代表 线性 DVI 对土壤背景敏感

比值型 NDVI、RVI 垂直型 PVI 土壤背景敏感

特点

低LAI时，效果较好；LAI增加爱时 增强了土壤与植被的反射对比

低LAI时，效果较好；LAI增加爱时对

本文来源：https://www.bwwdw.com/article/1h8g.html