植被光谱分析与植被指数计算
植被覆盖 植被指数 植被光谱
NDVI的理论基础NDVI的理论基础植被指数按不同的监测方法和计算方法可分为多种多样的植被指数。
常用的有：归一化植被指数NDVI；垂直植被指数PVI；比值植被指数RVI；消除土壤影响的植被指数SAVI和全球植被指数GVI等。
其中，NDVI则是使用最广泛，效果也较好的一种。
NDVI（Normalized Difference Vegetation Index）归一化植被指数，又称标准化植被指数，在使用遥感图像进行植被研究以及植物物候研究中得到广泛应用，它是植物生长状态以及植被空间分布密度的最佳指示因子，与植被分布密度呈线性相关。
归一化植被指数(NDVI)是近红外与红色通道反射率比值(SR=NIR/RED)的一种变换形式，NDVI=(NIR-R)/(NIR+R)。
植被覆盖度（fv）fv=（NDVI-NDVImin)/(NDVImax-NDVImin).叶面积指数（LAI）LAI=k-1ln(1-fv)-1，k是消光系数，每种植被k各不相同，一般植被取值范围是0.8-1.3。
NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、枯叶、粗超度等，且与植被覆盖有关，-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。
用NDVI判断植物生长的状态：植物叶绿素发生光合作用而吸收红光，所以长势越好的植物吸收红光越多，反射近红外光也越多。
所以NDVI能反应植物生物量的多少，NDVI越大，植物长势越好。
附表：植被指数指数应用计算公式测量值的意义优点局限性NDVI 归一化植被指数监测植被生长状态、植被覆盖度和消除部分辐射误差等NDVI=(NIR-R)/(NIR+R)-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能反映出植物冠层的背景影响，如土壤、潮湿地面、枯叶、粗超度等，且与植被覆盖有关对高植被区具有较低的灵敏度RVI 比值植被指数是绿色植物的的灵敏指数参数，用于检测和估算植物生物量RVI=NIR/R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。
植被光谱分析与植被指数计算解读
植被光谱分析与植被指数计算在遥感中，常常结合不同波长范围的反射率来增强植被特征，如植被指数（vegetation indices ——VI）的计算，植被指数（VI）是两个或多个波长范围内的地物反射率组合运算，以增强植被某一特性或者细节。
目前，在科学文献中发布了超过150种植被指数模型，这些植被指数中只有极少数是经过系统的实践检验。
本文总结现有植被指数，根据对植被波谱特征产生重要影响的主要化学成份：色素（Pigments）、水分（Water）、碳（Carbon）、氮（Nitrogen），总结了7大类实用性较强的植被指数，即：宽带绿度、窄带绿度、光利用率、冠层氮、干旱或碳衰减、叶色素、冠层水分含量。
这些植被指数可以简单度量绿色植被的数量和生长状况、叶绿素含量、叶子表面冠层、叶聚丛、冠层结构、植被在光合作用中对入射光的利用效率、测量植被冠层中氮的相对含量、估算纤维素和木质素干燥状态的碳含量、度量植被中与胁迫性相关的色素、植被冠层中水分含量等。
包括以下内容：∙∙●植被光谱特征∙∙●植被指数∙∙●HJ-1-HSI植被指数计算1.植被光谱特征植被跟太阳辐射的相互关系有别于其他物质，如裸土、水体等，比如植被的“红边”现象，即在<700nm附近强吸收，>700nm高反射。
很多因素影响植被对太阳辐射的吸收和反射，包括波长、水分含量、色素、养分、碳等。
研究植被的波长范围一般为400 nm to 2500 nm，这也是传感器设计选择的波长范围。
这个波长范围可范围以下四个部分：∙∙●可见光（Visible）：400 nm to 700 nm∙∙●近红外（Near-infrared——NIR）：700 nm to 1300 nm∙∙●短波红外1（Shortwave infrared 1—— SWIR-1）：1300 nm to 1900 nm∙∙●短波红外2（Shortwave infrared 2——SWIR-2）：1900 nm to 2500 nm其中NIR和SWIR-1的过渡区（1400nm附近）是大气水的强吸收范围，卫星或者航空传感器一般不获取这范围的反射值。
植被指数的计算方法与遥感图像处理步骤
植被指数的计算方法与遥感图像处理步骤植被指数是研究地表植被覆盖状况的重要指标，可以通过遥感技术获取高空间分辨率的植被信息。
植被指数的计算方法与遥感图像处理步骤是确定植被指数数值的关键环节。
一、什么是植被指数？植被指数是通过遥感技术获取的图像数据来计算植被覆盖状况的指标。
常见的植被指数有归一化植被指数（Normalized Difference Vegetation Index, NDVI）、植被指数（Vegetation Index, VI）等。
这些指标利用遥感图像中红、近红外波段的反射光谱信息来反映植被生长情况，指数数值越高，代表植被覆盖程度越高。
二、植被指数的计算方法1. 归一化植被指数（NDVI）NDVI是最常用的植被指数之一，计算公式为（NIR-RED）/（NIR+RED），其中NIR是近红外波段的反射值，RED是红波段的反射值。
NDVI范围在-1到1之间，数值越接近1代表植被覆盖越高，数值越接近-1代表植被覆盖越低，数值接近0则代表无植被。
2. 植被指数（VI）植被指数是根据遥感图像中的红、蓝、绿波段的反射值计算得到的，常见的植被指数有绿光波段（Green）、蓝光波段（Blue）和红边波段（Red-edge）等。
植被指数的计算公式根据研究的需要而定，比如Normalized Green-Blue Vegetation Index（NGB）、Green-Blue Vegetation Index（GBVI）等。
三、遥感图像处理步骤1. 遥感图像获取遥感图像可以通过卫星、飞机等载体获取，一般包括多个波段的光谱信息。
从遥感图像中选取合适的波段进行植被指数的计算。
2. 数据预处理遥感图像预处理包括大气校正、几何纠正和辐射辐射校正等步骤，以消除由于大气、地表地貌等因素引起的图像噪声。
3. 波段选择根据研究需要和相关指数的计算公式选择合适的波段进行植被指数的计算。
常用的波段有红、近红外、绿、蓝等。
植被光谱分析与植被指数计算
植被光谱分析与植被指数计算在遥感中，常常结合不同波长范围的反射率来增强植被特征，如植被指数（vegetation indices——VI）的计算，植被指数（VI）是两个或多个波长范围内的地物反射率组合运算，以增强植被某一特性或者细节。
目前，在科学文献中发布了超过150种植被指数模型，这些植被指数中只有极少数是经过系统的实践检验。
本文总结现有植被指数，根据对植被波谱特征产生重要影响的主要化学成份：色素（Pigments）、水分（Water）、碳（Carbon）、氮（Nitrogen），总结了7大类实用性较强的植被指数，即：宽带绿度、窄带绿度、光利用率、冠层氮、干旱或碳衰减、叶色素、冠层水分含量。
这些植被指数可以简单度量绿色植被的数量和生长状况、叶绿素含量、叶子表面冠层、叶聚丛、冠层结构、植被在光合作用中对入射光的利用效率、测量植被冠层中氮的相对含量、估算纤维素和木质素干燥状态的碳含量、度量植被中与胁迫性相关的色素、植被冠层中水分含量等。
包括以下内容：∙ ∙●植被光谱特征∙ ∙●植被指数∙ ∙●HJ-1-HSI植被指数计算1.植被光谱特征植被跟太阳辐射的相互关系有别于其他物质，如裸土、水体等，比如植被的“红边”现象，即在<700nm附近强吸收，>700nm高反射。
很多因素影响植被对太阳辐射的吸收和反射，包括波长、水分含量、色素、养分、碳等。
研究植被的波长范围一般为400 nm to 2500 nm，这也是传感器设计选择的波长范围。
这个波长范围可范围以下四个部分：∙∙●可见光（Visible）：400 nm to 700 nm∙∙●近红外（Near-infrared——NIR）：700 nm to 1300 nm∙∙●短波红外1（Shortwave infrared 1—— SWIR-1）：1300 nm to 1900 nm∙∙●短波红外2（Shortwave infrared 2——SWIR-2）：1900 nm to 2500 nm其中NIR和SWIR-1的过渡区（1400nm附近）是大气水的强吸收范围，卫星或者航空传感器一般不获取这范围的反射值。
植被光谱分析与植被指数计算解读
植被光谱分析与植被指数计算解读植被光谱是指随着光波长的变化，植物所吸收、反射和传输的光的能量分布的变化。
植被光谱分析通过测量植物在不同波长的光下的反射或吸收情况，可以获取丰富的生理和生态信息。
一般来说，植物对于光谱中的红光和近红外光具有较高的反射能力，而对于绿光的反射较低。
利用这些特点，可以通过光谱数据对植物的生理状态、营养状况、水分含量等进行分析。
植被指数是从植被光谱数据中计算出的一种定量指标，用于揭示植物的生长状况和生理特征。
常见的植被指数有归一化植被指数（NDVI）、叶绿素指数（CI）、简化绿度指数（SR）、水分指数（WI）等。
植被指数的计算一般是通过光谱数据中的不同波段的反射值进行比较和组合计算得出的。
归一化植被指数（NDVI）是最常用的植被指数之一、它是利用红光和近红外光之间的差异来评估植被生长状况的指数。
NDVI的计算公式为：NDVI=(NIR - Red)/(NIR + Red)，其中NIR代表近红外光波段的反射值，Red代表红光波段的反射值。
NDVI的取值范围为-1到1，数值越大表示植被生长状况越好。
叶绿素指数（CI）是评估植被叶绿素含量的指标。
叶绿素是植物光合作用的重要组成部分，通过测量不同波段的光反射率可以推算出植物叶绿素的含量。
常见的叶绿素指数包括结构化叶绿素指数（SCI）和非结构化叶绿素指数（NNCI）等。
简化绿度指数（SR）是一种用于估计植物总叶绿素含量的指标。
它基于不同波段的光反射率之间的比较和计算进行求解。
SR的计算公式为：SR = (NIR - Red) / NIR，其中NIR代表近红外光波段的反射值，Red代表红光波段的反射值。
水分指数（WI）是评估土壤水分状况和植物水分含量的指标。
通过测量植物叶片在不同波段的反射率，可以推算出植物的水分含量和土壤的水分状况。
常见的水分指数有归一化差异植被指数（NDWI）、水分转换指数（WTCI）等。
植被光谱分析与植被指数计算在许多领域有着广泛的应用。
ndvi归一化植被指数 公式含义
NDVI是农业领域常用的一种指数，它可以用来评估植被的生长状况和土壤的湿度情况。
下面将详细介绍NDVI的概念、公式含义以及其在农业生产中的应用。
一、NDVI的概念NDVI即归一化植被指数(Normalized Difference Vegetation Index)，是一种通过遥感技术获取的植被信息指数。
它是由美国科学家Rouse等人于1974年提出的，是利用植被红外光和可见光谱反射率之间的比值来反映植被覆盖度和生长状况的指标。
二、NDVI的计算公式NDVI的计算公式如下：\[ NDVI = \frac{NIR - RED}{NIR + RED} \]其中，NIR表示红外波段的反射率，RED表示可见光波段的反射率。
通过计算这两个波段的反射率的差值和比值，可以得到NDVI的数值。
NDVI的数值范围通常在-1到1之间，数值越大代表植被覆盖度越高，生长状况越好。
三、NDVI在农业生产中的应用1. 土壤湿度监测通过监测植被的生长状况，可以间接地推断土壤的湿度情况。
植被生长状况好的地方往往意味着土壤湿度较高，而生长状况差的地方则可能是由于土壤干旱。
农民和农田管理者可以根据NDVI的数值来及时调整灌溉系统，保证农田的水分充足。
2. 病虫害监测有些病虫害对植被的影响会导致植被的生长受到阻碍，从而导致NDVI 数值的下降。
农民可以通过监测NDVI数值的变化来及时发现并采取控制措施，防止病虫害对农作物造成严重损害。
3. 作物产量预测植被的生长状况与作物的产量密切相关。
通过监测植被的生长情况，可以对作物的产量进行预测，帮助农民及时调整农作物的种植结构和管理措施，最大程度地提高作物的产量。
4. 土地利用规划通过对不同地块的NDVI数值进行监测和分析，可以为土地的合理利用提供科学依据。
可以根据NDVI数值的变化来调整种植作物的布局，或者在土地治理和防护工程中进行合理规划。
四、结语NDVI作为一种重要的植被信息指数，对于农业生产和土地资源管理具有重要意义。
植被光谱分析与植被指数计算
植被光谱分析与植被指数计算植被在地表覆盖范围广泛，具有重要的生态功能和资源价值。
随着遥感技术的发展，植被遥感成为了研究植被空间分布、生态环境变化和资源管理的关键手段之一、植被光谱分析和植被指数计算是植被遥感研究中的重要内容，通过分析植被在不同光谱波段上的反射率特征，可以获取植被生理状态和生态环境信息，为植被遥感应用提供了基础数据。
植被光谱是指植被在不同光谱波段上的反射率特征。
植被可以吸收、反射和透过露光，不同植被类型和不同植被生理状态对光的吸收和反射率具有特殊的光谱特征。
通过遥感技术获取的植被光谱数据可以用于反演植被类型、植被覆盖度、植被生理状态等信息。
植被光谱分析主要基于植被在遥感波段上的反射率特征进行建模和分析，包括光谱强度、光谱形状和光谱参数等。
植被指数是一种从植被光谱数据中提取植被信息的数值指标。
植被指数通过对植被光谱特征进行合理组合和计算，可以反映植被的生长状况、叶绿素含量、水分状况、光合活性等植被生理和生态参数。
常用的植被指数有归一化植被指数（Normalized Difference Vegetation Index，NDVI）、归一化差异植被指数（Normalized difference vegetation index，NDWI）、植被指数（Vegetation index，VI）等。
这些指数通过计算不同波段上的反射率差异，将植被的生理信息概括为一个数值，可以在不同时间和空间尺度上进行比较和分析。
植被光谱分析和植被指数计算是植被遥感研究的基础方法和技术手段。
利用植被光谱数据，可以了解植被在其中一时刻的生理状态、植被类型和植被覆盖度等信息，为植被的监测、评价和管理提供了基础数据。
通过植被指数计算，可以更加直观地表达植被的生态和环境信息，为植被资源管理和农业生产提供科学依据。
植被光谱分析和植被指数计算在植被遥感中具有重要应用价值。
通过分析植被光谱数据，可以监测植被环境变化、研究植被生长规律和机理、评估植被健康状态等。
几种常见植被指数
几种常见植被指数标准化管理部编码-[99968T-6889628-J68568-1689N]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，这种敏感性显着降低；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、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
植被光谱分析与植被指数计算在遥感中，常常结合不同波长范围的反射率来增强植被特征，如植被指数（vegetation indices ——VI）的计算，植被指数（VI）是两个或多个波长范围内的地物反射率组合运算，以增强植被某一特性或者细节。
目前，在科学文献中发布了超过150种植被指数模型，这些植被指数中只有极少数是经过系统的实践检验。
本文总结现有植被指数，根据对植被波谱特征产生重要影响的主要化学成份：色素（Pigments）、水分（Water）、碳（Carbon）、氮（Nitrogen），总结了7大类实用性较强的植被指数，即：宽带绿度、窄带绿度、光利用率、冠层氮、干旱或碳衰减、叶色素、冠层水分含量。
这些植被指数可以简单度量绿色植被的数量和生长状况、叶绿素含量、叶子表面冠层、叶聚丛、冠层结构、植被在光合作用中对入射光的利用效率、测量植被冠层中氮的相对含量、估算纤维素和木质素干燥状态的碳含量、度量植被中与胁迫性相关的色素、植被冠层中水分含量等。
包括以下内容：∙ ∙●植被光谱特征∙ ∙●植被指数∙ ∙●HJ-1-HSI植被指数计算1.植被光谱特征植被跟太阳辐射的相互关系有别于其他物质，如裸土、水体等，比如植被的“红边”现象，即在<700nm附近强吸收，>700nm高反射。
很多因素影响植被对太阳辐射的吸收和反射，包括波长、水分含量、色素、养分、碳等。
研究植被的波长范围一般为400 nm to 2500 nm，这也是传感器设计选择的波长范围。
这个波长范围可范围以下四个部分：∙∙●可见光（Visible）：400 nm to 700 nm∙∙●近红外（Near-infrared——NIR）：700 nm to 1300 nm∙∙●短波红外1（Shortwave infrared 1—— SWIR-1）：1300 nm to 1900 nm∙∙●短波红外2（Shortwave infrared 2——SWIR-2）：1900 nm to 2500 nm其中NIR和SWIR-1的过渡区（1400nm附近）是大气水的强吸收范围，卫星或者航空传感器一般不获取这范围的反射值。
SWIR-1 和SWIR-2的过渡区（1900nm附近）也是大气水的强吸收范围。
植被可分为三个部分组成：∙∙●植物叶片（Plant Foliage）∙∙●植被冠层（Plant Canopies）∙∙●非光合作用植被(Non-Photosynthetic Vegetation)这三个部分是植被分析的基础，下面对他们详细介绍。
1.1植物叶片（Plant Foliage）植物叶片包括叶、叶柄以及其他绿色物质，不同种类的叶片具有不同的形状和化学成份。
对波谱特征产生重要影响的主要化学成份包括：色素（Pigments）、水分（Water）、碳（Carbon）、氮（Nitrogen），这也是遥感反演的基础，如用植被指数来估算叶子的化学成份。
●色素（Pigments）叶色素主要包括叶绿素、叶黄素和花青素。
这些都是植被的健康的指标，比如含高浓度叶绿素的植被一般很健康，相反，叶黄素和花青素常常出现在健康较差的植被，濒临死亡的植被出现红色、黄色或棕色。
叶色素只影响可见光部分（400nm~700nm），图1为几种叶色素在可见光范围的相对光谱吸收特征。
图1 部分叶色素的相对光谱吸收特征●水分（Water）叶子的几何特性、冠层结构和对水的需求影响植被的水分含量。
水分对植被反射率的影响波段范围在NIR和SWIR（图2）。
在1400nm和1900nm附近有吸收波谷，但是传感器一般会避开这两个波段范围。
在970nm和1190nm附近也有强吸收特征，可利用这两个波段范围监测植被水分。
●碳（Carbon）植物中的碳是以很多形式存在，包括糖，淀粉，纤维素和木质素等。
纤维素和木质素的吸收特征表现在短波光谱范围内容（图3）。
图2 叶片水和碳（纤维素和木质素）相对光谱吸收特征●氮（Nitrogen）叶子中的氮元素一般包含在叶绿素、蛋白质以及其他分子中。
植被指数（VI）对包含在叶绿素中的氮元素很敏感（大约含6％氮）。
包含在蛋白质中的氮元素在1500nm~1720 nm范围内对叶片波谱特征影响比较大。
从上可以看出，植被与辐射的相互作用主要体现在叶片的波谱特征，因此，在可见光谱段内，主要太阳辐射的吸收来自叶绿素、叶黄素和花青素，形成450nm和670nm附近的吸收谷；在近红外谱段内，主要太阳辐射的吸收来自水分，形成970nm和1190nm两个水吸收带；在短波红外谱段内，除了水分，各种形式存在的碳和氮也对太阳辐射的吸收有一定的贡献，形成1400nm和1900nm吸收谷。
图3是叶片反射率与透射光谱（Transmittance Spectra）对比例子，木本植被和草本植被在色素、水分、氮等含量不一样，反射率与透射光谱关系也不一样。
图3木本植物(A)和草本植物(B)的叶片反射率与透射光谱1.2植被冠层（Plant Canopies）单片叶子的反射特性对植被冠层光谱特征是重要的，此外，叶子数量和冠层结构对植被冠层的散射、吸收也有重要的影响。
比如不同的生态系统中，森林、草原、或农业用地等都具有不同的反射特性，虽然它们单个叶子很类似。
有很多植被模型用于描述冠层光谱特征。
两个最重要的是叶面积指数（LAI）和叶倾叶角分布（LAD）。
LAI指每单位面积地上绿叶面积，这表现了冠层中绿色植被的总数；LAD描述了树叶所有类型的定向，常用平均叶倾角（MLA）近似。
MLA表示冠层中的每个叶片角度与水平方向的差值的平均值。
图4表示LAI和LAD对植被冠层的影响效果，MLA近似LAD。
在近红外谱段内，植被强反射太阳辐射，植被冠层在可见光和SWIR-2是强吸收。
使用可见光和SWIR-2的植被指数对上层林冠非常敏感。
图4LAI (A) 和MLA (B) 的增减对植被冠层的影响1.3非光合作用植被(Non-Photosynthetic Vegetation)在自然界里，还包括占了全球植被覆盖一半的衰老或死亡植被，它们被称为非光合作用植被（简称NPV）。
NPV的冠层也具有木本森林结构，如树干，茎，和树枝等。
NPV主要包含碳元素，以淀粉，纤维素和木质素形式存在，NPV的光谱特征主要受这些物质支配。
在短波红外内的波动比较大，与绿色植被相反，SWIR-1 和SWIR-2范围内散射占主导。
图5显示了绿色植被和NPV冠层光谱特征。
图5 透射绿色植被和干植被的冠层反射特性的变化（400nm~2500nm）2.植被指数植被指数（VI）是两个或多个波长范围内的地物反射率组合运算，以增强植被某一特性或者细节。
所有的植被指数要求从高精度的多光谱或者高光谱反射率数据中计算。
未经过大气校正的辐射亮度或者无量纲的DN值数据不适合计算植被指数。
下面是7大类27种植被指数的说明，这些植被指数都是经过严格生物条件下测试的。
2.1宽带绿度——Broadband Greenness (5种)宽带绿度指数可以简单度量绿色植被的数量和生长状况，它对植物的叶绿素含量、叶子表面冠层、冠层结构比较敏感，这些都是植被光合作用的主要物质，与光合有效辐射（fAPAR）也有关系。
宽带绿度指数常用于植被物候发育的研究，土地利用和气候影响评估，植被生产力建模等。
宽带绿度指数选择的波段范围在可见光和近红外，一般的多光谱都包含这些波段。
下面的公式中规定波段的中心波长：ρNIR = 800 nm，ρRED = 680 nm，ρBLUE = 450 nm。
表1 宽带绿度指数绿波段总和指数（Sum Green Index）绿色波段范围的整体光散射对植被冠层间隙的敏感度。
1)归一化植被指数（Normalized Difference Vegetation Index——NDVI）NDVI众所周知的一种植被指数，在LAI值很高，即植被茂密时其灵敏度会降低。
其计算公式为：NDVI=(式1)值的范围是-1~1，一般绿色植被区的范围是0.2~0.8。
2)比值植被指数（Simple Ratio Index——SR）SR指数也是众所周知的一种植被指数，在LAI值很高，即植被茂密时其灵敏度会降低。
其计算公式为：SR=(式2)值的范围是0~30+，一般绿色植被区的范围是2~8。
3)增强植被指数（Enhanced Vegetation Index——EVI）EVI通过加入蓝色波段以增强植被信号，矫正土壤背景和气溶胶散射的影响。
EVI常用于LAI值高，即植被茂密区。
其计算公式为：EVI=（式3）值的范围是-1~1，一般绿色植被区的范围是0.2~0.8。
4)大气阻抗植被指数（Atmospherically Resistant Vegetation Index——ARVI）ARVI是NDVI的改进，它使用蓝色波段矫正大气散射的影响（如气溶胶），ARVI常用于大气气溶胶浓度很高的区域，如烟尘污染的热带地区或原始刀耕火种地区。
其计算公式为：EVI=（式4）值的范围是-1~1，一般绿色植被区的范围是0.2~0.8。
5)绿度总和指数（Sum Green Index——SG）SG指数是用于探测绿色植被变化最简单的植被指数。
由于在可见光范围内，绿色植被对光强吸收，SG指数对稀疏植被的小变化非常敏感。
SG指数是500 nm ~600 nm范围内平均波谱反射率。
总和最后会被转化回反射率。
值的范围是0~50+，一般植被区域是10~25。
2.2窄带绿度——Narrowband Greenness (7种)窄带绿度指数对叶绿素含量、叶子表面冠层、叶聚丛、冠层结构非常敏感。
它使用了红色与近红外区域部分——红边，红边是介于690 nm ~ 740 nm之间区域，包括吸收与散射。
它比宽带绿度指数更加灵敏，特别是对于茂密植被。
表2窄带绿度指数植被指数基本描述红边归一化植被指数（Red Edge Normalized Difference使用红边波段的改进型NDVI。
Vegetation Index）改进红边比值植被指数（Modified Red Edge Simple Ratio Index）使用红边和蓝色波段比值。
改进红边归一化植被指数(Modified Red Edge Normalized使用蓝色波段，补偿了光散射。
Difference Vegetation Index)Vogelmann 红边指数1（Vogelmann Red Edge Index 1）标示红色至近红外过渡的交接处，指示树冠压力。
Vogelmann 红边指数2（Vogelmann Red Edge Index 2）标示近红外过渡形状，指示树冠胁迫性和衰老迹象。
Vogelmann 红边指数3（Vogelmann Red Edge Index 3）标示近红外过渡形状，指示树冠胁迫性和衰老迹象。