遥感植被指数

@VI - Vegetation Index - 植被指数
植被指数是不同遥感光谱波段间的线性或非线性组合,被认为能作为反映绿色植被的相对丰度和活性的辐射量值(无量纲)的标志,是绿色植被的叶面积指数(LAI)、盖度、叶绿素含量、绿色生物量以及被吸收的光合有效辐射(APAR)的综合体现。
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

@NDVI - Normalized Difference Vegetation Index - 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;
NDVI对绿色植物的生长状态和空间分布密度反映敏感,但受土壤背景的影响较大,适用于作物生长早期或植被覆盖度较低的区域。

@RVI - Ratio Vegetation Index - 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。

@DVI - Difference  Vegetation Index - 差值植被指数
DVI=NIR-R,或两个波段反射率的计算。
DVI能很好地反映植被覆盖度的变化,但对土壤背景的变化较敏感,当植被覆盖度在15%~25% 时,DVI随生物量的增加而增加,植被覆盖度大于80% 时,DVI对植被的灵敏度有所下降。

@SAVI - Soil-Adjusted Vegetation Index - 土壤调节植被指数
SAVI=((NIR-R)/(NIR+R+L))(1+L),或两个波段反射率的计算。
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。
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。

@TSAVI - Transformed Soil Adjusted Vegetation Index - 变换的土壤调节植被指数
@MSAVI - Modified Soil-Adjusted Vegetation Index - 修正的土壤调节植被指数

MSAVI适合于不同植被覆盖度、不同土壤背景的下垫面,它能够消除或减弱土壤背景的噪声。

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

-------------------------------------------------------------------------------------------------

@PVI - Perpendicular Vegetation Index - 正交植被指数
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是土壤基线与R的夹角。

@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。

@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);RDVI=(NDVI´DVI)1/2等
2、应用于高光谱数据的VI,如CARI(叶绿素吸收比值指数)和CACI(叶绿素吸收连续区指数)等

-------------------------------------------------------------------------------------------------

@VI划分
类型            典型代表         特点
线性             DVI                低LAI时,效果较好;LAI增加爱时对土壤背景敏感
比值型         NDVI、RVI     增强了土壤与植被的反射对比
垂直型         PVI                低LAI时,效果较好;LAI增加爱时对土壤背景敏感 

你可能感兴趣的:(遥感植被指数)