植被指数在遥感领域中的应用.docx

植被指数在遥感领域的应用 发表时间：2010-11-30???? 来源：3S人才网???? 编辑：3slearner ? ? ? ?阅读:198次 在遥感应用领域，植被指数已广泛用来定性和定量评价植被覆盖及其生长活力。由于植被光谱表现为植被、土壤亮度、环境影响、阴影、土壤颜色和湿度复杂混合反应，而且受大气空间—时相变化的影响，因此植被指数没有一个普遍的值，其研究经常表明不同的结果。研究结果表明，利用在轨卫星的红光和红外波段的不同组合进行植被研究非常好，这些波段在气象卫星和地球观测卫星上都普遍存在，并包含90%以上的植被信息，这些波段间的不同组合方式统被称为植被指数。植被指数有助于增强遥感影像的解译力，并已作为一种遥感手段广泛应用于土地利用覆盖探测、植被覆盖密度评价、作物识别和作物预报等方面，并在专题制图方面增强了分类能力。植被指数还可用来诊断植被一系列生物物理参量：叶面积指数（LAI）、植被覆盖率、生物量、光合有效辐射吸收系数（APAR）等；反过来又可用来分析植被生长过程：净初级生产力（NPP）和蒸散（蒸腾）等。  为了估算和监测植被覆盖，最早发展了比值植被指数（RVI）。但RVI对大气影响敏感，而且当植被覆盖不够浓密时（小于50%），它的分辨能力也很弱，只有在植被覆盖浓密的情况下效果最好。归一化差异植被指数（NDVI）对绿色植被表现敏感，它可以对农作物和半干旱地区降水量进行预测 ，该指数常被用来进行区域和全球的植被状态研究。对低密度植被覆盖，NDVI对于观测和照明几何非常敏感。但在农作物生长的初始季节，将过高估计植被覆盖的百分比；在农作物生长的结束季节，将产生估计低值。继之,将各波段反射率以不同形式进行组合来消除外在的影响因素，如遥感器定标、大气、观测和照明几何条件等。这些线性组合或波段比值的指数发展满足特定的遥感应用，如作物产量、森林开发、植被管理和探测等。农业植被指数（AVI ）针对作物生长阶段测量绿色植被；多时相植被指数（MTVI），将两个不同日期的数值简单相减，是为了观测两个日期植被覆盖条件的变化和作物类型的分类，并用来探测由于火灾和土地流失造成的森林覆盖变化。归一化差异绿度指数（NDGI），可用来对不同活力植被形式进行检验。归一化差异指数（NDI）建立了光谱反射率和棉花作物残余物的表面覆盖率的关系，以用来对作物残余物的制图。 近年来，随着高光谱分辨率遥感的发展以及热红外遥感技术的应用，又发展了红边植被 指数、导数植被指数（DVI）、温度植被指数（Ts-VI）、生理反射植被指数（PRI）。“红 边” 的一般定义为叶绿素吸收红边斜率的拐点。红边位置灵敏于叶绿素a、b的浓度和植被叶细胞的结构。为获取红边位置信息，Miller等用一个倒高斯模型拟合红边斜率。导数植被指数由于它能压缩背景噪音对目标信号的影响或不理想的低频信号，被应用在目前的高光谱遥 感研究中，尤其是在利用高光谱遥感提取植被化学成份信息方面得到成功的应用。近年来的 经验研究表明：热红外辐射（如土面亮度温度）和植被指数在大尺度范围遥感应用中可提高土地覆盖的制图和监测精度。生理反射植被指数是针对高光谱遥感的特点，对植被生化 特性的短期变化（如一天的植被的光合作用）进行探测。? 植被指数按发展阶段可分为三类：第一类植被指数基于波段的线性组合（差或和）或原 始波段的比值，由经验方法发展的，没有考虑大气影响、土壤亮度和土壤颜色，也没有考虑 土壤、植被间的相互作用（如RVI 等）。它们表现了严重的应用限制性，这是由于它们是针对特定的遥感器（Landsat MSS）并为明确特定应用而设计的。第二类植被指数大都基于物理知识，将电磁波辐射、大气、植被覆盖和土壤背景的相互作用结合在一起考虑，并通过数学和物理及逻辑经验以及通过模拟将原植被指数不断改进而发展的（如PVI、SAVI、MSAVI、TSAV I、ARVI、GEMI、AVI、NDVI等）。它们普遍基于反射率值、遥感器定标和大气影响并形成理论方法，解决与植被指数相关的但仍末解决的一系列问题。第三类植被指数是针对高光谱遥感及热红外遥感而发展的植被指数（如DVI、Ts-VI、PRI等）。这些植被指数是近几年来 基于遥感技术的发展和应用的深入而产生的新的表现形式。尽管许多新的植被指数考虑了土壤 、大气等多种因素并得到发展，但是应用最广的还是NDVI，并经常用NDVI作参考来评价基于 遥感影像和地面测量或模拟的新的植被指数，NDVI在植被指数中仍占有重要的位置。? 土壤亮度对植被指数有相当大的影响。许多植被指数的发展就是为了控制土壤背景的 影响。土壤背景和环境反射率的空间变化与土壤结构、构造、颜色和湿度有关。 由于土壤背景的作用，当植被覆盖稀疏时，红波段辐射将有很大的增加，而近红外波段辐射将减 小，致使比值指数