常见植被指数总结（一）
植被指数：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。
1、归一化植被指数（NDVI）
（1）公式：NDVI=(NIR-R)(NIR+R)，或两个波段反射率的计算。
（2）取值区间：-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沂似相等;正值，表示有植被覆盖，且随覆盖度增大而增大;
（3）优势：NDVI是最常用的植被指数，NDVI对土壤背景的变化较为敏感，也可以可以消除大部分与仪器定标、太阳角、地形、云阴影和大气条件有关辐照度的变化，增强了对植被的响应能力。
（4）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.
（5）应用：NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、雪、枯叶、粗超度等，且与植被覆盖有关。常用于检测植被生长状态、植被覆盖度和消除部分辐射误差等;具体应用如下：
①对NDVI曲线进行定量分析,研究植被分类和植被动态变化；利用NDVI时间序列来得到植被生长气候和植被覆盖的信息等。
②通过分析基于多时相环境卫星，利用 NDVI 值拟合的 NDVI 时序曲线上提取的各特征参数建立作物单产估测模型，可用于农业生产的估测。
③建立模型反演地物类型及土壤水分等。
（6）在gee中可以使用normalizedDifference()函数实现。
2、比值植被指数（RVI）
（1）公式：RVI=NIR/R
（2）取值区间：（0，30+）绿色健康植被覆盖地区的RVI>>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∈（2，8）；
（3）优势：RVI是绿色植物的灵敏指示参数，与LA、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；
（4）局限性：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者用反射率计算RVI。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）应用：
①利用比值植被指数研究城市建设用地扩张速率，预测或规划城市未来今年的发展前景。
②可用于实时、快速、无损监测作物氮素状况，这对于精确氮肥管理有重要意义。
- 叶面积指数(Leaf area index, LAI)是反映作物长势与预报作物产量的一个重要农学参数。
在一定的范围内，作物的产量随叶面积指数的增大而提高。当叶面积指数增加到一定的限度后，田间郁闭，光照不足，光合效率减弱，产量反而下降。氮对提高叶面积指数、光合势、叶绿素含量和生长率均有促进作用，而净同化率随施氮增加而下降。因此，高产栽培首先应考虑获得适当大的叶面积指数。
在生态学中， 叶面积指数是生态系统的一个重要结构参数，用来反映植物叶面数量、冠层结构变化、植物群落生命活力及其环境效应，为植物冠层表面物质和能量交换的描述提供结构化的定量信息，并在生态系统碳积累、植被生产力和土壤、植物、大气间相互作用的能量平衡，植被遥感等方面起重要作用。
4、土壤调整植被指数：SAVI
（1）公式：SAVI=(NIR-R)(1+L)/(NIR+R+L)
（2）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
（3）适用范围：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。SAVI必须预先已知下垫面植被的密度分布或覆盖百分比，因而仅适合于提取某一小范围植被覆盖度变化较小区域的下垫面的植被信息。
5、增强植被指数（EVI）：
（1）公式：
（2）取值范围：-1~1，一般绿色植被区的范围是0.2-0.8。
（3）优势：遥感专题数据产品中生物物理参数产品中的一个主要算法，可以同时减少来自大气和土壤噪音的影响，稳定地反应了所测地区植被的情况。基于 MODIS 的 EVI 植被指数具有较高的空间分辨率，可详细地反映地表植被特征。红光和近红外探测波段的范围设置更窄，不仅提高了对稀疏植被探测的能力，而且减少了水汽的影响，同时，引入了蓝光波段对大气气溶胶的散射和土壤背景进行了矫正。
（3）适用范围：EVI常用于LAI值高，即植被茂密区。
（4）应用：
①运用影像数据通过植被指数的提取分析来分析植被变化；按照增强植被指数的算法，通过对来自大气和土壤噪音的处理，生产出 EVI.tif。
②EVI可以描述特定气候带内植被在不同季节的差异。采用EVI来分析植被变化及与气候的变化，能反映研究区域内植被空间差异。通过分析不同生态分区EVI变化特征与气象因子的相关性为环境监测，治理及植被控制决策提供数据参考和理论基础。
参考文献：https://www.jianshu.com/p/3a308091353b