遥感技术应用70课件讲解.pptxVIP

技术应用遥感主讲人：蒋明-植被指数图-

CATALOG目录一PART植被指数的概念二PART植被指数的意义三PART植被指数的分类四PART植被指数图制作

PART01植被指数的概念

基于植被叶绿素在红色波段的强烈吸收以及在近红外波段的强烈反射，通过红和近红外波段的比值或线性组合实现对植被信息状态的表达。植被指数植被指数的概念

PART02植被指数的意义

植被指数的意义由于不同绿色植被对不同波长光的吸收率不同，光线照射在植物上时，近红外波段的光大部分被植物反射，而可见光波段的光则大部分被植物吸收，通过对近红外和红波段反射率的线性或非线性组合，可以消除地物光谱产生的影响。根据地物光谱反射率的差异做比值运算可以突出图像中植被的特征、提取植被类别或估算绿色生物量，能够提取植被的算法称为植被指数。植被指数是遥感监测地面植物生长和分布的一种方法。

植被指数的意义在遥感应用领域，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。土地利用覆盖探测植被覆盖密度评价作物识别植被指数是代数运算增强的典型应用。作物预报植被指数作为一种重要的遥感归一化参数，并已作为一种遥感手段广泛应用于：

PART03植被指数的分类

植被指数植被指数的分类比值植被指数归一化植被指数差值植被指数正交植被指数PVI=NIR/RNDVI=(NIR-R)(RIR+R)DIV=NIR-RPVI=0.939(NIR)-0.344(R)+0.09

植被指数的分类因此，在多波段图像中，用红外/红波段的图像比值运算，结果图像上植被区域具有高亮度值，甚至在绿色生物量很高时达到饱和。绿色植物叶子的细胞结构在近红外波段具有高反射性其叶绿素在红光波段具有强吸收性(1)比值植被指数

植被指数的分类(1)比值植被指数NIR遥感影像中近红外波段的反射值，如Landsat中的TM4。R遥感影像中的红光波段反射值，如Landsat中的TM3。比值植被指数定义为：RVI=NIR/R

植被指数的分类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。比值植被指数的应用②RVI是绿色植物的灵敏指示参数，与叶面积指数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。

植被指数的分类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。比值植被指数的应用④RVI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。

植被指数的分类(2)归一化植被指数NIR为遥感多波段图像中的近红外波段归一化植被指数是比较特殊的比值运算方式NDVI=(NIR-R)/(NIR+R)R为红波段在基本的比值运算中，如果分母中的红色波段R的值比较小(特别是小于近红外NIR波段值的情况下)。那么，比值的结果将扩大差异，使用归一化植被指数可以避免这个问题。此外，与比值运算不同的是归一化植被指数中像素值的变化是有约束的。

植被指数的分类①检测植被生长状态、植被覆盖度和消除部分辐射误差等。归一化植被指数的应用有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。

植被指数的分类③NDVI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。归一化植被指数的应用有④NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、雪、枯叶、粗糙度等，且与植被覆盖有关。

植被指数的分类(3)差值植被指数NIRR差值植被指数应用有：对土壤背景的变化极为敏感。差值植被指数定义为：DVI=NIR-R遥感影像中近红外波段的反射值，如Landsat中的TM4。遥感影像中的红光波段反射值，如Landsat中的TM3。

植被指数的分类(4)正交植被指数NIR和R同上面的差值植被指数正交植被指数的应用有：较好地消除了土壤背景的影响，对大气的敏感度小于其他植被指数。正交植被指数定义为PVI=0.939(NIR)-0.344(R)+0.09

PART04植被指数图制作

土地利用图的意义

CATALOG课程小结一PART植被指数的概念二PART植被指数的意义三PART植被指数的分类四PART植被指数图制作

技术应用遥感-谢谢观看-