几种常见植被指数
使用植被指数遥感图像进行农作物产量预测的技巧和要点
使用植被指数遥感图像进行农作物产量预测的技巧和要点在农业生产中，准确预测农作物的产量对于农民和政府决策者来说至关重要。
然而，传统的调查方法费时费力且成本高昂，因此人们开始利用遥感技术来进行农作物产量的监测和预测。
其中，使用植被指数遥感图像是一种常见且有效的方法。
本文将介绍使用植被指数遥感图像进行农作物产量预测的技巧和要点。
首先，我们需要了解什么是植被指数。
植被指数是一种通过遥感图像的反射率来估计植被生长状况和生产力的指标。
常见的植被指数包括归一化植被指数（NDVI）和差值植被指数（DVI）。
这些指数通常利用可见光和近红外波段的反射率计算得到，反映了植物叶绿素的含量和植被的覆盖程度。
其次，为了有效地利用植被指数进行农作物产量预测，我们需要掌握几个关键的技巧和要点。
首先是正确选择和获取遥感图像。
在选择遥感图像时，应考虑其空间和时间分辨率，以及传感器的波段配置。
通常情况下，较高的空间分辨率可以提供更详细的信息，而较高的时间分辨率可以实现连续的监测。
此外，还需要注意遥感图像的预处理，包括大气校正、亮度调整和几何校正等，以消除噪音和偏差。
其次是进行植被指数的计算和分析。
植被指数的计算通常基于不同波段的反射率组合，如NDVI=(NIR-RED)/(NIR+RED)，其中NIR代表近红外波段的反射率，RED代表红色波段的反射率。
通过计算不同时间点的植被指数，我们可以获得植被生长的时间序列数据。
然后，可以利用统计学或机器学习的方法对这些数据进行分析和建模，以预测农作物的产量。
另外，需要考虑地理和环境因素对植被指数的影响。
地理因素包括土壤类型、坡度和海拔等，而环境因素则包括气候条件、降水和温度等。
这些因素对植被生长和农作物产量都有重要的影响，因此需要在预测模型中进行合理的考虑和调整。
例如，可以将地理和环境因素作为自变量加入到预测模型中，进行全面的分析和预测。
最后，进行农作物产量的预测和评估。
利用建立的植被指数预测模型，可以对未来的农作物产量进行预测。
ENVI中常见植被指数介绍
作业9 植被指数植被指数概念：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。
不同的植被覆盖类型可以通过其特有的光谱特征进行区分，这是由于叶绿素在红波段内对太阳辐射的吸收以及叶片细胞结构对红外波段内太阳辐射的强反射。
Broadband Greenness(5 indices)（宽带绿色指标(5)）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=800nm，ρRED=680nm，ρBLUE=450nm。
1. Normalized Difference Vegetation Index归一化植被指数增强在近红外波段范围绿叶的散射与红波段范围叶绿素的吸收差异。
简称NDVI： NDVI=(NIR-R)/(NIR+R)（1）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；2.Simple Ratio Index比值植被指数在近红外波段范围绿叶的散射与红波段范围叶绿素吸收的比值。
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 -。
几种常见植被指数
常用的植被指数，土壤指数，水体指数有哪些？植被指数与土壤指数一、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。
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、对土壤背景的变化极为敏感；四、SAVI\TSAVI\MSAVI——调整土壤亮度的植被指数：SAVI=((NIR-R)/(NIR+R+L))(1+L)，或两个波段反射率的计算。
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。
ENVI中常见植被指数介绍
作业9 植被指数植被指数概念：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。
不同的植被覆盖类型可以通过其特有的光谱特征进行区分，这是由于叶绿素在红波段内对太阳辐射的吸收以及叶片细胞结构对红外波段内太阳辐射的强反射。
Broadband Greenness(5 indices)（宽带绿色指标(5)）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=800nm，ρRED=680nm，ρBLUE=450nm。
1. Normalized Difference Vegetation Index归一化植被指数增强在近红外波段范围绿叶的散射与红波段范围叶绿素的吸收差异。
简称NDVI： NDVI=(NIR-R)/(NIR+R)（1）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；2.Simple Ratio Index比值植被指数在近红外波段范围绿叶的散射与红波段范围叶绿素吸收的比值。
几个植被指数
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。
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、雪、枯叶、粗糙度等，且与植被覆盖有关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。
ENVI中常见植被指数介绍
作业9 植被指数植被指数概念：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。
不同的植被覆盖类型可以通过其特有的光谱特征进行区分，这是由于叶绿素在红波段内对太阳辐射的吸收以及叶片细胞结构对红外波段内太阳辐射的强反射。
Broadband Greenness(5 indices)（宽带绿色指标(5)）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=800nm，ρRED=680nm，ρBLUE=450nm。
1. Normalized Difference Vegetation Index归一化植被指数增强在近红外波段范围绿叶的散射与红波段范围叶绿素的吸收差异。
简称NDVI： NDVI=(NIR-R)/(NIR+R)（1）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；2.Simple Ratio Index比值植被指数在近红外波段范围绿叶的散射与红波段范围叶绿素吸收的比值。
植被指数的原理与应用
植被指数的原理与应用1. 植被指数的定义植被指数是通过遥感技术获取的一种反映植被生长状况的数据，常用于农业、林业、地表覆盖分类等领域的研究与应用。
植被指数是利用植物在不同波段的反射、吸收和透射特性来进行计算和分析的。
2. 常见的植被指数植被指数有很多种，其中比较常见的包括：NDVI（Normalized Difference Vegetation Index，归一化植被指数）、EVI（Enhanced Vegetation Index，增强型植被指数）、SAVI（Soil-Adjusted Vegetation Index，土壤调整植被指数）等，这些指数通过计算不同波段的遥感数据来反映植被的生长情况。
3. 植被指数原理植被指数的原理是利用植物在不同波段的反射特性进行计算，常用的植被指数是通过计算红外波段和可见光波段的比值来反映植被的生长情况。
以归一化植被指数（NDVI）为例，其计算公式为：NDVI = (NIR - Red) / (NIR + Red)其中，NIR代表近红外波段的反射值，Red代表可见光红波段的反射值。
通过计算得到的NDVI值范围为-1到1，数值越接近1则表示植被生长状况越好，数值越接近-1则表示植被生长状况较差。
4. 植被指数的应用植被指数在农业、林业、地表覆盖分类等领域有着广泛的应用。
4.1 农业植被指数可以通过遥感技术来监测农作物的生长状况，及时发现并预测病虫害、干旱等灾害的发生。
同时，植被指数还可以用来评估农作物的养分状况，帮助农业生产者调整施肥方案，提高农作物的产量和质量。
4.2 林业植被指数可以用来评估森林的生长状况和植被盖度，并监测林火、病虫害等森林灾害的发生。
同时，植被指数还可以用来指导森林资源的管理和保护，帮助保护林地生态环境。
4.3 地表覆盖分类植被指数可以用来对地表覆盖进行分类，比如判断土地是草地、森林、农田还是城市等。
通过对地表覆盖进行分类，可以帮助城市规划、土地资源管理、环境保护等方面的决策制定。
植被盖度仪参数
植被盖度仪参数植被盖度仪（Vegetation Cover Analyzer）是一种用于测量植被覆盖度的仪器。
它通过测量植被的反射率来获取植被盖度信息，从而对植被的生长情况进行评估和分析。
植被盖度仪具有多种参数，下面将对其中几个重要的参数进行介绍。
1. 反射率（Reflectance）反射率是指植被对入射光的反射能力。
植被盖度仪通过测量植被的反射率来判断植被的覆盖程度。
植被的反射率受到植被的类型、密度、叶片结构等因素的影响。
测量结果中，反射率越高，表示植被盖度越高，反之则表示植被盖度较低。
2. NDVI（Normalized Difference Vegetation Index）NDVI是一种用于评估植被生长状况的指数，也是植被盖度仪常用的参数之一。
它是通过测量红外波段和可见光波段的反射率之差来计算得到的。
NDVI的取值范围为-1到1，数值越高表示植被盖度越高，数值越低表示植被盖度越低。
通过分析NDVI数据，可以了解植被的分布、生长状态以及植被的健康状况。
3. 植被指数（Vegetation Index）植被指数是指通过计算不同波段的反射率之差来评估植被盖度的指标。
常见的植被指数有NDVI、EVI（Enhanced Vegetation Index）、SAVI（Soil Adjusted Vegetation Index）等。
这些指数通过测量不同波段的反射率来反映植被的生长情况，从而判断植被盖度的高低。
4. 色素指数（Chlorophyll Index）色素指数是指通过测量植被叶片中叶绿素的含量来评估植被盖度的指标。
常见的色素指数有NDVI、PRI（Photochemical Reflectance Index）等。
这些指数通过测量叶片在不同波段下的反射率来计算叶绿素的含量，从而间接反映植被的生长情况和健康状况。
5. 植被高度（Vegetation Height）植被高度是指植被从地面到顶部的垂直距离。
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。
- 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。
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、对土壤背景的变化极为敏感；
四、SAVI\TSAVI\MSAVI——调整土壤亮度的植被指数：SAVI=((NIR-R)/(NIR+R+L))(1+L)，或两个波段反射率的计算。
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、SAVI
3、SAVI4等改进模型。
五、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。
六、PVI——垂直植被指数，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。
七、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
归一化差值植被指数NDVI是植被遥感中应用最为广泛的指数之一,但它受土壤背景等因素的干扰比较强烈.结合实测的土壤数据以及公式推导、PROSAIL模型模拟等方法分析了这种影响.首先,假定与土壤线性混合且叶片呈水平分布的植被冠层,根据土壤与植被分别在红光、近红外波段处的反射率值、植被覆盖度等参数,利用公式推导了土壤背景对不同覆盖度下冠层NDVI的影响.其次,利用PROSAIL冠层光谱模拟模型,模拟分析了土壤背景对不同LAI下冠层NDVI的影响.分析的结果表明:LAI越小,土壤背景的影响越大;暗土壤背景下的冠层NDVI值大于亮土壤背景下冠层的NDVI值;并且,暗土壤条件下,NDVI值对土壤亮度的变化更敏感,而亮土壤下,NDVI值则对LAI或覆盖度的变化更敏感.最后利用实测的不同土壤背景下的冬小麦冠层光谱数据,验证了公式推导和模型模拟的结果.。