几种常见植被指数.docxVIP

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、 DVI\EVI ——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、 SAVI\TSAVI\MSAVI——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 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) ；R