植被指数整理介绍

资料范本本资料为word版本，可以直接编辑和打印，感谢您的下载植被指数整理介绍地点：__________________时间：__________________说明：本资料适用于约定双方经过谈判，协商而共同承认，共同遵守的责任与义务，仅供参考，文档可直接下载或修改，不需要的部分可直接删除，使用时请详细阅读内容植被指数介绍目录TOC \o "1-3" \h \z \u HYPERLINK \l "_Toc408667889" 1. 植被指数概述 PAGEREF _Toc408667889 \h 3HYPERLINK \l "_Toc408667890" 2. 植被指数的分类 PAGEREF _Toc408667890 \h 3HYPERLINK \l "_Toc408667891" 2.1不考虑影响因子 PAGEREF_Toc408667891 \h 3HYPERLINK \l "_Toc408667892" 2.2考虑影响因子 PAGEREF_Toc408667892 \h 4HYPERLINK \l "_Toc408667893" 2.2.1 消除土壤因子 PAGEREF _Toc408667893 \h 4HYPERLINK \l "_Toc408667894" 2.2.2 消除大气因子 PAGEREF _Toc408667894 \h 4HYPERLINK \l "_Toc408667895" 2.2.3 消除综合因子 PAGEREF _Toc408667895 \h 5HYPERLINK \l "_Toc408667896" 3. 植被指数的应用 PAGEREF _Toc408667896 \h 5HYPERLINK \l "_Toc408667897" 3.1生态 PAGEREF_Toc408667897 \h 5HYPERLINK \l "_Toc408667898" 3.2林业 PAGEREF_Toc408667898 \h 7HYPERLINK \l "_Toc408667899" 3.3农业 PAGEREF_Toc408667899 \h 9HYPERLINK \l "_Toc408667900" 3.4环境 PAGEREF_Toc408667900 \h 10HYPERLINK \l "_Toc408667901" 3.5海洋 PAGEREF_Toc408667901 \h 11HYPERLINK \l "_Toc408667902" 参考文献 PAGEREF_Toc408667902 \h 12植被指数概述植被指数是用不同波段的植被-土壤系统的反射率因子以一定形式组合成的参数，它与植被特征参数间的函数联系比单一波段值更稳定、可靠[1]。

从物理意义上看，植被指数是利用绿色植被的反射光谱特征：在红光波段的吸收和在近红外波段的高反射之间的差异，来达到区分绿色植物与其他地物的目的。

由于植被-土壤系统是一个复杂的非朗伯体系，它的反射率因子受到各种因素的影响，因此，对于任何单一波段反射率，都会因任一个因素的变化而导致巨大变化，但当同时应用两个或多个波段时，就可以部分消除某因素带来的影响，还可以应用植被指数的某种形式最大限度地抑制土壤背景信息，突出植被信息。

植被指数涉及的应用领域各异，用途广泛。

它可用来诊断植被一系列生物物理参数：叶面积指数（LAI）、植被覆盖率、生物量等；又可用来分析植被生长过程：净初级生产力（NPP）和蒸腾等，在应用时要根据不同的实际情况选用。

而且植被光谱表现为植被、土壤亮度、环境影响、阴影、土壤颜色和湿度的复杂混合反应，所以植被指数的影响因子很多，具体使用时应适时修正。

植被指数的分类基于各种应用目的和应用情况，发展了许多不同的植被指数，这些指数都有各自的优缺点和适用条件，针对不同的应用需求，对影响因子的消除程度要求也不同。

按照是否考虑影响因子将植被指数分成两大类。

2.1不考虑影响因子植被指数最早的发展是为了估算和监测植被覆盖，不考虑任何影响因子，简单地将波段进行线性组合或比值，基于经验方法发展了比值植被指数RVI和针对Landsat MSS特定遥感图像的土壤亮度指数SBI、绿度植被指数GVI、黄度植被指数YVI。

比值植被指数RVI[2]是最先发展的植被指数，它处理方法简单，能较好地反映植被的覆盖度和生长状况的差异，但是应用的受到植被覆盖度的限制，只有在植被覆盖浓密的情况下效果最好，当植被覆盖不够浓密时（小于50%），它的分辨能力很弱，这一点与NDVI恰好相反。

而且它受大气影响较大，对土壤背景亮度敏感。

由RVI生成的植被指数图像与NDVI生成的相比，RVI信息量更丰富，总体图像的亮度值较低。

土壤亮度指数SBI、绿度植被指数GVI、黄度植被指数YVI[3]是将遥感图像进行缨帽变换，使植被与土壤的光谱特性分离。

变换后得到的图像第一分量表示土壤亮度，第二分量表示绿度，这两个分量集中了>95%的信息，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。

但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。

2.2考虑影响因子针对波段简单线性组合的植被指数的局限性，以及在实际应用中的需要，后来又发展了许许多多消除影响因子的植被指数，这些大都基于物理知识，将大气、植被覆盖和土壤背景的影响结合在一起考虑，并通过数学和物理及逻辑经验以及通过模拟将原植被指数不断改进。

大致可以进一步分成三类：考虑土壤因子、大气因子和综合影响因子[4]。

2.2.1 消除土壤因子由于植被-土壤是一个系统，土壤的信息往往会对植被信息产生干扰，所以土壤是首先考虑的要消除的影响因子。

垂直植被指数PVI[3]是基于土壤线理论发展的，是在R、NIR二维数据中对GVI的模拟,两者物理意义相似。

与RVI相同的是，在植被覆盖浓密的情况下应用最好，又比RVI更好地滤除了土壤亮度的影响，对大气效应的敏感程度也小于其它植被指数，但它消除土壤背景信息的能力有限，会随LAI的增加而减弱。

土壤调节植被指数SAVI[5]在土壤线理论基础上引入了土壤亮度指数L，建立了一个可适当描述土壤——植被系统的简单模型。

L的取值取决于植被的密度，由等LAI和土壤线的交点产生。

这个指数进一步降低了土壤背景的影响，减少了土壤和植被冠层背景的双层干扰。

但L1，L2会随 LAI的增加而减小，很难获得实时的适合的准确参数值 L，应用困难，而且可能丢失部分背景信息，导致植被指数偏低。

对于植被信息提取的精度比NDVI高，能修正NDVI对土壤背景的敏感。

但对于林地、耕地和园地等不同地表覆被类型空间分布信息的总体提取，NDVI效果优于SAVI。

基于难以获得实时准确的土壤亮度指数L，对SAVI进行转换后发展了转换型土壤调整植被指数TSAVI[6]，它只需要求得土壤线的截距和斜率，适合于求解某一小范围植被覆盖变化较小的下垫面上的植被指数，对土壤背景的消除能力有所改善。

而且考虑了裸土土壤线，比NDVI对于低植被覆盖有更好的指示作用，兼顾了低LAI时PVI和高LAI时RVI的优点。

但指数的动态范围较小，求解时必须预先已知下垫面植被密度或覆盖度的分布特征，对实际应用的条件要求较高。

为减小SAVI中裸土的影响，发展了修正的土壤调节植被指数MSAVI[7]，它的L值可以随植被密度而自动调节，进一步减少了土壤背景影响，使植被信息与土壤噪音之比更大，可以用于研究荒漠区的植被。

2.2.2 消除大气因子大气层对遥感图像的影响很大，在计算植被指数时同样要消除它的影响。

根据大气对红光通道的影响比近红外通道大得多的特点，在定义NDVI时通过蓝光和红光通道的辐射差别修正红光通道的辐射值，发展了抗大气植被指数ARVI[8]，它定义了一个决定大气调节程度的关键参数γ，γ取决于气溶胶的类型。

Kanfman推荐的γ为常数1仅能消除某些尺寸气溶胶的影响，有很大局限性。

对大气的敏感性比NDVI约减小4倍，减小了大气气溶胶引起的大气散射对红的波段的影响。

ARVI要先通过辐射传输方程的预处理来消除分子和臭氧的作用,进行预处理时需要输入的大气实况参数往往是难以得到的，给应用带来困难。

由于预先的分子散射和臭氧订正较复杂，在ARVI的基础上，得到新的抗大气影响植被指数IAVI[9]，它是运用大气下向光谱的同步观测实例值以及大气辐射传输方程，得到纠正NDVI的关键参数γ，使γ值可从0.65～1.21之间变化，同时也不必采用辐射传输模型进行预处理。

使得大气对IAVI影响误差为0.4%～3.7%，比NDVI的14%～31%有明显的减小。

为了发展一个植被指数能适用于全球范围，且在相当长的时间间隔上具有可比性，Pinty等对AVHRR数据进行了自纠正处理，提出了全球环境监测植被指数GEMI[10]，它不用改变植被信息就可以减小大气影响，能很好地分离云和陆地表面。

但GEMI受到裸土的亮度和颜色相当大的影响，对于稀疏或中密度植被覆盖不太适用，而且很难区分水生植被与陆地表面，动态分辨率也比较低。

与NDVI指数相比，GEMI保存了相对低密度至浓密度覆盖更大的动态范围，区分植被与非植被之间差异程度比NDVI高。

2.2.3 消除综合因子归一化差值植被指数NDVI[11]是在对RVI非线性归一化处理后得到的,用非线性拉伸的方式增强了NIR和R反射率的对比度，会发现对于同一幅图像，分别求 HYPERLINK "/view/4761962.htm" \t"_blank" RVI 和NDVI时，RVI值增加的速度高于NDVI增加速度。

对绿色植被表现敏感，对植被的响应能力增强，适合于稀疏植被条件下。

它可以对农作物和半干旱地区降水量进行预测，是目前应用最广泛的植被指数。

但它受到定标和仪器特性、大气、土壤及叶冠背景等因素影响，使其应用受到限制；由于同时考虑到多个影响因子，消除效果都不是很好，对植被冠层的背景亮度非常敏感, 很难消除大气效应，还具有容易饱和的缺陷。

基于土壤和大气的影响是相互作用的事实，提出了一种三波段梯度差植被指数TGDVI[12]，它具有一定的消除背景和薄云影响的能力，解决了NDVI在高植被覆盖区饱和点低的问题。

但在计算植被覆盖度时没有考虑植被、土壤面积比随波长的变化情况，与实际情况存在差异，此外TGDVI用到三个波段的信息，且没有经过比值处理，波段噪声的影响会较大。