2020植被遥感指数公式及简介.ppt

植被遥感指数 植被指数类型 归一化植被指数（ NDVI ） 缨帽变换中的绿度植被指数（ GVI ） 比值植被指数（ RVI ） 差值植被指数（ DVI ） 垂直植被指数（ PVI ） 比值植被指数 （ Ratio Vegetation Index ） 由于可见光红波段（ R ）与近红外波段（ NIR ）对绿色 植物的光谱响应十分不同。两者简单的数值比能充分 表达两反射率之间的差异。 比值植被指数可表达为： RVI=DN NIR / DN R 或 RVI= ? NIR / ? R （简单表示为 NIR/R ） RVI 是绿色植物的一个灵敏的指示参数。研究表明， 它与叶面积指数（ LAI ）、叶干生物量（ DM ）、叶绿素 含量相关性高，被广泛用于估算和监测绿色植物生物 量。在植被 高密度覆盖 情况下，它对植被十分敏感， 与生物量的相关性最好。但当植被覆盖度小于 50% 时， 它的分辨能力显著下降。 此外， RVI 对大气状况很敏感 ，大气效应大大地降 低了它对植被检测的灵敏度，尤其是当 RVI 值高时。因 此，最好运用经大气纠正的数据，或将两波段的灰度 值（ DN ）转换成反射率（ρ）后再计算 RVI ，以消除大 气对两波段不同非线性衰减的影响。 归一化植被指数 （ Normalized Difference Vegetation Index ） NDVI= （ DN NIR -DN R ） / （ DN NIR ? DN R ） NDVI=( ? NIR - ? R )/ ( ? NIR + ? R ) 实际上， NDVI 是简单比值 RVI 经非线性的归一化处 理所得。 在植被遥感中， NDVI 的应用最为广泛。它 是植被生长状态及 植被覆盖度 的最佳指示因子， 与植被分布密度呈线性相关。因此又被认为是反 映生物量和植被监测的指标。 NDVI 的一个缺陷在于，对土壤背景的变化 较为敏感。 实验表明，作物生长初期 NDVI 将过高估计 植被覆盖度，而在作物生长的结束季节， NDVI 值偏低。因此， NDVI 更适用于植被发育中期或 中等覆盖度的植被检测。 差值植被指数 （ Difference Vegetation Index ） 差值植被指数（ DVI ）又称环境植被指数（ EVI ）， 被定义为近红外波段与可见光红波段数值之差。 即 DVI= DN NIR -DN R 或 DVI= ? NIR - ? R 差值植被指数的应用远不如 RVI 、 NDVI 。 它对土壤背景的变化极为敏感，有利于对植被 生态环境的监测。 上述的 NDVI 、 DVI 等植被指数均受土壤背 景的影响大，且这种影响是相当复杂的，它随 波长、土壤特征（含水量、有机质含量、表面 粗糙度等）及植被覆盖度、作物排列方向等的 变化而变化。 缨帽变换中的绿度植被指数（ GVI ） 缨帽变换（ TC ）是指在多维光谱空间中， 通过 线性变换 、 多维空间的旋转 ，将植物、 土壤信息投影到多维空间的一个平面上，在 这个平面上使植被生长状况的时间轨迹（光 谱图形）和土壤亮度轴相互垂直。也就是， 通过坐标变换使值被与土壤特征分离。 缨帽变换是一种通用的植被指数，可以 被用于 Landsat MMS 或 Landsat TM 数据。 缨帽变换（ TC 变换）是以陆地卫星 MSS 各波段的辐度 亮度值作为变量。经线性变换后，组成 4 个新变量： TC1 ?? 0.433MSS4 ? 0.632MSS5 ? 0.586MSS6 ? 0.264MSS7 TC2 ? -0.290MSS4-0.562MSS5-0.600MSS6 ? 0.491MSS7 TC3 ? -0.829MSS4 ? 0.522MSS5 ? 0.039MSS6 ? 0.194MSS7 TC4 ? ? 0.233MSS4 ? 0.021MSS5-0.543MSS6 ? 0.810MSS7 第一分量 TC 1 表征“土壤亮度”，它反映土壤亮 度信息； 第二分量 TC 2 表征“绿度”，它与绿色植被长 势、覆盖度等信息直接相关； 第三分量为“黄度”，无确定意义，位于 TC 1 、 TC 2 的右侧； 第四分量为“ nonesuch ”无景观意义，主要 为噪声（包含系统噪声和大气信息）。 第一、二分量往往集中了 95% 或更多的信息。 因此，植被、土壤信息主要集中在由 TC1 、 TC2 组 成的二维图形中。 而对于 TM 而言，可见光—红外 6 个波段数据 经缨帽变换的前三个分量主要反映土壤亮度、绿 度、湿度特征，第四分量主要为噪声。其中绿度 指数可表示为： GVI=-0.2848TM1-0.2435TM2-0.5436TM3 +0.7243TM4 +0.084TM5-0.1800TM7 垂直植被