植被光谱分析与植被指数计算解读
ndyi植被指数的计算公式
ndyi植被指数的计算公式
NDVI（Normalized Difference Vegetation Index，归一化植被指数）的计算公式如下：
NDVI = (NIR - Red) / (NIR + Red)
其中，NIR代表近红外波段的反射值，Red代表红色波段的反射值。
在计算NDVI时，需要获取遥感影像中的近红外波段和红色波段的反射值。
通常情况下，这些反射值可以通过遥感传感器（如MODIS、Landsat等）获取。
计算得到的NDVI值范围为-1到1之间，数值越高表示植被覆盖越多，数值越低表示植被覆盖越少。
一般来说，NDVI值大于0.3可以表示有较为密集的植被覆盖，而小于0.1则表示有较少的植被覆盖。
通过计算NDVI可以评估地表植被的状况，对于农业、林业、环境监测等领域具有重要的应用价值。
植被指数计算方法
2.1归一化植被指数（NDVI ）归一化植被指数（Normalized Differenee Vegetation Index 即 NDVI ）的计算公式为：其中：NIR 和RED 分别代表近红外波段和红光波段的反射率 NDVI 的值介于-1和 1之间。
2.2增强型植被指数（EVI ）增强型植被指数（En ha need Vegetation In dex 即EVI ）计算公式为:NIR 、 RED 和BLUE 分别代表近红外波段、红光波段和蓝光波段的反射率。
2.3高光谱归一化植被指数（Hyp_NDVI ）对于环境与灾害监测预报小卫星高光谱载荷，选取中心波长分别位于近红外 和红光的谱段进行归一化植被指数计算：.. Hyp NIR Hyp RED Hyp NDVI----------- ------------ 一 Hyp _ NIR Hyp _ RED2.4其他植被指数（1） 比值植被指数（Ratio Vegetation Index ------ RVI ）RVI 3RED该植被指数能够充分表现植被在红光和近红外波段反射率的差异，能增强植被与土壤背景之间的辐射差异。
但是RVI 对大气状况很敏感，而且当植被覆盖小于50%时，它的分辨能力显著下降。
(2) 差值植被指数(Differenee Vegetation Index -------- DVI )DVI NIR RED该植被指数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，因 此又被称为环境植被指数（EVI ）。
(3)土壤调整植被指数(Soil-Adjusted Vegetation Index --------- S AVI )NDVI NIR RED NIR REDEVI 2.5NIR RED NIR 6.° RED 7.5 BLUESAVI ―NR―RED(1 L)NIR RED L其中，L是一个土壤调节系数，该系数与植被浓度有关，由实际区域条件确定，用来减小植被指数对不同土壤反射变化的敏感性。
4 遥感数据处理及分析----NDVI植被指数计算
IDL基本语法知识-注意事项
4）运算符操作顺序
在波段运算过程中，是根据数序。
5）注意使用调用整个图像的IDL函数
如同其他所有ENVI程序一样，波段运算处理也是分块进行的。 如果被处理的图像大于在参数设置中被指定的碎片尺寸，图像将 被分解为更小的部分，系统对每一部分进行单独处理，然后再重 新组合起来。
知识介绍--NDVI
常用的植被指数有： 3）差值植被指数
（difference vegetation index, DVI）
公式：DVI = DNNIR-DNR
对土壤背景的变化极为敏感，有利于植被生态 环境的监测。
当植被浓密，如覆盖度大于等于80%时，它对 植被的灵敏度下降，适用于植被发育早、中期 或低、中覆盖度的植被监测。
3）应用函数 如：ratio_rvi函数是对b1和b2进行操作，则在波段运算的表达式输入时， 应该为： ratio_rvi(b1,b2)。如设有关键字check的话，则在表达式输入时， 应输入：bm_ratio(b1,b2,/check)
作业
计算can_tmr.img数据的NDVI：
要求：1）编写计算NDVI的IDL函数（附在报告内） 2）保存函数，并描述编译函数、 波段运算中调用函数的过程。 3）记录(200,150)像素位置的NDVI值。
b1(ptr) = 1.0 rvi = float(b2)/b1 rvi(ptr) = 0.0 endif else begin rvi = float(b2)/b1 endelse end
IDL函数编写和函数在波段运算中的使用
常用植被指数
常用植被指数
植被指数是用来描述植被生长状况的指标，常用的植被指数有以下几种：
1. 植被指数（NDVI）：NDVI是最常用的植被指数，通过计算红外波段和可见光波段的反射率之间的比值，反映出植被的生长状况。
NDVI值越高，表示植被生长越旺盛。
2. 归一化差异植被指数（NDVI）：NDVI是在NDVI的基础上，对植被指数进行归一化处理所得到的指数。
NDVI值越高，表示植被生长越旺盛。
3. 植被水分指数（VSWI）：VSWI是通过计算近红外波段和中红外波段的反射率之间的比值，反映出植被受到的水分供应状况。
VSWI 值越高，表示植被水分供应越充足。
4. 综合植被指数（EVI）：EVI是在NDVI的基础上，对大气影响和土壤背景影响进行了修正所得到的指数，可以更准确地反映出植被生长状况。
EVI值越高，表示植被生长越旺盛。
以上几种常用的植被指数，可以通过遥感技术获取相应的遥感数据，用于植被生长监测、土地利用变化分析等方面的研究。
- 1 -。
植被指数总结
植被指数总结植被指数概念：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。
该指数陌生物量的增加而迅速增大。
比值植被指数又称为绿度，为二通道反射率之比，能较好地反映植被覆盖度和生长状况的差异，特别适用于植被生长旺盛、具有高覆盖度的植被监测。
归一化植被指数为两个通道反射率之差除以它们的和。
在植被处于中、低覆盖度时，该指数随覆盖度的增加而迅速增大，当达到一定覆盖度后增长缓慢，所以适用于植被早、中期生长阶段的动态监测。
蓝光、红光和近红外通道的组合可大大消除大气中气溶胶对植被指数的干扰，所组成的抗大气植被指数可大大提高植被长势监测和作物估产精度。
遥感技术可以监测植被的变化，主要研究植被的替代指标. NDVI，又称标化植被指数，是目前应用最为广泛的指标，是近红外波段与红色波段的差异经二者之和校正后的结果. 公式为：NDVI=（NIR-RED）/（NIR+RED），该指数值介于-1与1之间：0代表该区域基本没有植被生长；负值代表非植被覆盖的区域；取值0~1之间，数字越大代表植被的覆盖面积越大，植被的量越多。
云、水体和冰雪在红色及近红外波段均有较大反射，其NDVI值为负值；土壤和岩石在这两个波段的反射率基本相同，因此其NDVI值接近0. 对于Landsat TM传感器来说，其红外及可见红光波段分别为CH4和CH3波段. 为了对不同像素显示配色，按公式（NDVI-NDVI极小值）/（NDVI极大值-NDVI极小值）×255将NDVI扩展为0~255.计算NDVI必须用反射率。
DN值有多种类型，TM、NOAA的原始数据就是DN值，不能用来直接计算NDVI，必须通过辐射定标计算成反射率，才能用来计算NDVI。
植被指数名词解释
1.植被指数名词解释？
答：植被指数是由多光谱数据，经线性和非线性组合构成的对植被有一定指示意义的各种数值。
在植被指数中，通常利用植物光谱中的近红外与可见光红波段两个最典型的波段值。
根据这两个波段计算产生的各种参数都对植被生长状况、生产力敏感。
因此，常被用作描述植被生理状况，估测现存绿色生物量、植被生产力等等。
归一化差值植被指数NDVI即是普遍利用的刻画植被的指数。
植被归一化差值植被指数NDVI（Normalization Difference Vegetation Index）被定义为近红外波段与可见光红波段数值之差和这两个波段数值之和的比值。
植被指数计算方法
2.1 归一化植被指数（NDVI ）归一化植被指数（Normalized Difference Vegetation Index ，即N D V I ）的计算公式为：NIR RED NIR REDNDVI ρρρρ-=+ 其中：NIR ρ和RED ρ分别代表近红外波段和红光波段的反射率NDVI 的值介于-1和1之间。
2.2 增强型植被指数（EVI ）增强型植被指数（Enhanced Vegetation Index ，即EVI ）计算公式为：2.5 6.07.51NIR RED NIR RED BLUE EVI ρρρρρ-=⨯+-+ NIR ρ、RED ρ和BLUE ρ分别代表近红外波段、红光波段和蓝光波段的反射率。
2.3 高光谱归一化植被指数（Hyp_NDVI ）对于环境与灾害监测预报小卫星高光谱载荷，选取中心波长分别位于近红外和红光的谱段进行归一化植被指数计算：_____Hyp NIR Hyp RED Hyp NDVI Hyp NIR Hyp RED-=+ 2.4 其他植被指数（1） 比值植被指数（Ratio Vegetation Index ——RVI ）NIR REDRVI ρρ= 该植被指数能够充分表现植被在红光和近红外波段反射率的差异，能增强植被与土壤背景之间的辐射差异。
但是RVI 对大气状况很敏感，而且当植被覆盖小于50%时，它的分辨能力显著下降。
（2） 差值植被指数（Difference Vegetation Index ——DVI ）NIR RED DVI ρρ=-该植被指数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，因此又被称为环境植被指数（EVI ）。
（3） 土壤调整植被指数（Soil-Adjusted Vegetation Index ——SA VI ）(1)NIR RED NIR RED SAVI L Lρρρρ-=+++ 其中，L 是一个土壤调节系数，该系数与植被浓度有关，由实际区域条件确定，用来减小植被指数对不同土壤反射变化的敏感性。
植被指数总结
植被指数总结植被指数概念：结合不同卫星波段的检测数据，反映植物生长状况的指标。
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。
该指数陌生物量的增加而迅速增大。
比值植被指数又称为绿度，为二通道反射率之比，能较好地反映植被覆盖度和生长状况的差异，特别适用于植被生长旺盛、具有高覆盖度的植被监测。
归一化植被指数为两个通道反射率之差除以它们的和。
在植被处于中、低覆盖度时，该指数随覆盖度的增加而迅速增大，当达到一定覆盖度后增长缓慢，所以适用于植被早、中期生长阶段的动态监测。
蓝光、红光和近红外通道的组合可大大消除大气中气溶胶对植被指数的干扰，所组成的抗大气植被指数可大大提高植被长势监测和作物估产精度。
遥感技术可以监测植被的变化，主要研究植被NDVI的替代指标，又称标准化植被指数，是目前应用最广泛的指标。
这是近红外波段和红色波段之间的差异通过两者之和校正的结果，公式为：NDVI=（NIR红色）/（NIR+红色），指数值介于-1和1:0之间，表示该区域基本上没有植被生长；负值表示未被植被覆盖的区域；该值介于0和1之间。
数量越多，植被覆盖面积越大，植被越多。
云、水体和冰雪在红色和近红外波段有较大的反射，其NDVI值为负值；这两个波段的土壤和岩石反射率基本相同，因此它们的NDVI值接近0.05。
对于Landsat TM传感器，红外和可见光红色波段分别为CH 4和CH 3波段，以便显示不同像素的颜色，按公式（NDVI最小值）/（NDVI最大值NDVI最小值）×255将NDVI扩展到0~255计算ndvi必须用反射率。
DN值有多种类型。
TM和NOAA原始数据均为DN值，不能直接用于计算NDVI。
它只能通过辐射定标计算反射率来计算NDVI。
- 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1)红边归一化植被指数（Red Edge Normalized Difference Vegetation Index——NDVI 705）NDVI 705是NDVI的改进型，它对叶冠层的微小变化、林窗片断和衰老非常灵敏。
它可用于精细农业、森林监测、植被胁迫性探测等。
其计算公式为[7] [8]：NDVI705=（式5）值的范围是-1~1，一般绿色植被区的范围是0.2~0.9。
2)改进红边比值植被指数（Modified Red Edge Simple Ratio Index——mSR 705）mSR 705改正了叶片的镜面反射效应，可它可用于精细农业、森林监测、植被胁迫性探测等。
其计算公式为[6]：mSR705=（式6）值的范围是0~30，一般绿色植被区的范围是2~8。
3)改进红边归一化植被指数(Modified Red Edge Normalized Difference Vegetation Index——mNDVI 705)mNDVI 705是NDVI 705的改进型，它考虑了叶片的镜面反射效应。