几种常用植被指数介绍
植被指数遥感反演研究
植被指数遥感反演研究植被指数遥感反演是指利用遥感技术来获取植被指数信息的研究。
植被指数是一种用于评估植被覆盖状况和生长状况的指标，常用的植被指数有归一化植被指数（NDVI）、归一化差异植被指数（NDVI）、简化植被指数（EVI）等。
遥感技术是指通过利用传感器对地球表面进行观测，获取地球表面特征信息的一种技术。
遥感技术的发展使得人们可以从卫星、飞机等遥远距离上获取地球表面的影像数据，进而解决一系列的环境和资源问题。
而植被指数遥感反演研究则是利用遥感数据中的植被光谱信息，量化地表植被指数，从而达到对植被生长状况的评估和监测的目的。
植被指数遥感反演研究是一个多学科的研究领域，涉及植物生理学、光谱学、遥感科学等多个学科的交叉。
通过分析植被光谱反射特征，结合物理模型和数学统计方法，可以获取植被表面的光谱信息，从而推算出植被指数。
植被指数一般可以分为长波红外和可见光区域计算的，其中NDVI是最常用的植被指数之一植被指数遥感反演不仅可以用于评估植被覆盖状况，还可以用于监测植被的生长状况和进行植被变化分析。
例如，可以利用植被指数遥感反演技术来研究植被对气候变化的响应，评估植被对干旱、洪涝等自然灾害的影响，以及了解植被退化和生态恢复等情况。
植被指数遥感反演研究已经得到广泛应用。
例如，在农业领域，可以利用植被指数遥感反演监测农作物生长状况，预测农作物产量，进行农业资源管理和灾害风险评估。
在环境保护方面，植被指数遥感反演可以用来监测森林覆盖率、湿地变化和土地退化等情况，为环境保护决策提供科学依据。
此外，植被指数遥感反演还可以用于城市绿化监测、自然保护区管理等方面。
然而，植被指数遥感反演研究面临一些挑战。
首先，不同植被类型对光谱的反射特征存在差异，因此需要建立针对不同植被类型的反演模型。
其次，由于遥感数据的受云、阴影和大气等因素的影响，可能会导致植被指数的误差增大。
因此，在反演过程中，需要考虑这些影响因素，并进行预处理和校正。
如何进行植被覆盖度的测量
如何进行植被覆盖度的测量植被覆盖度是指某一地区被植物所覆盖的程度，它能够反映出对应地区的植被生长状况和植被类型的多样性。
植被覆盖度的测量对于环境保护、生态恢复以及土地管理具有重要意义。
本文将介绍如何进行植被覆盖度的测量，并探讨一些测量方法和技术。
植被覆盖度的测量可以通过不同的方法和技术实现。
其中，遥感技术是一种常用且有效的测量手段。
遥感技术利用卫星或无人机等远距离设备获取地球表面的图像信息，通过对植被指数的分析来评估植被覆盖度。
常用的植被指数包括归一化植被指数（NDVI）、峰值植被指数（PVI）以及土壤调整植被指数（SAVI）等。
归一化植被指数（NDVI）是最常用的植被指数之一。
它基于红光和近红外光的反射特性，通过计算两者的比值来反映植被覆盖度。
在计算NDVI时，像元的数值范围通常在-1到1之间，值越接近1则表示植被覆盖度越高。
通过对遥感图像进行像元级别的计算，可以得到植被覆盖度的分布图。
另一种常用的植被指数是峰值植被指数（PVI）。
PVI主要用于评估植被的生长状况和植被的长势，特别适用于农林业生产中的植被监测。
PVI通过测量植被在特定时间段内的叶绿素含量变化来评估植被的健康状态。
一般来说，PVI的取值范围在0到1之间，数值越大表示植被的健康状况越好。
除了遥感技术外，野外调查也是植被覆盖度测量的重要手段。
野外调查包括实地观察和取样分析等方法。
实地观察可以通过对植物的覆盖程度、株高和茂密度等进行测量来评估植被覆盖度。
取样分析则可以通过采集植物样本并进行实验室分析，获取更加准确的植被覆盖度数据。
在植被覆盖度测量中，需要注意一些测量误差的问题。
遥感技术对于地表植被的识别和测量具有一定的误差，主要来自于遥感数据的获取和处理。
因此，在使用遥感技术进行植被覆盖度测量时，应当对数据进行准确性校验和误差估计。
同时，在野外调查中也需要注意样本选择的随机性和代表性，以确保测量结果的可靠性。
除了测量植被覆盖度外，我们还可以借助植被指数测量来研究植被的类型和功能。
植被指数（NDVI）理论知识
植被指数（NDVI）理论知识
<基于植被指数NDVI 的遥感信息提取>----------------马春林
植被红光波段0.55- 0.68µm 有⼀个强烈的吸收带,它与叶绿素密度成反⽐; ⽽近红外波段0.725- 1.1µm 有⼀个较⾼的反射峰
绿⾊植物在红光波段强吸收，⽽在近红外⾼反射和⾼透射特性
1 植被指数提取⽅法
植被指数提取的⽅法很多, 最为常⽤的⼀种⽅法是通过遥感影像处理软件对遥感影像不同波段进⾏处理,从⽽得到各类植被指数。
本⽂研究选取的Landsat/TM 遥感影像, 共有7个波段, 其中TM3(波长0.63～0.69gm)为红外波谱段, 为叶绿素主要吸收波段; TM4(波长0.76～O.90gm)为近红外波谱段, 对绿⾊植被的差异敏感,为植被通⽤波段。
归⼀化植被指数NDVI 的定义是:
NDVI=(NIR- R)/(NIR+R) (其中NIR 代表近红外波段, R 代表红波段)要计算NDVI, 就是在遥感处理软件中, 计算近红外波段与红波段之差, 再除以两个波段之和。
利⽤遥感影像处理软件提取植被指数流程⼀般为:
(1)使⽤遥感处理软件打开遥感图像。
(2)依据植被指数公式, 对图像不同波段进⾏波段计算。
(3)⽣成植被指数影像⽂件。
植被指数模型详解
ENVI下植被指数模型详解植被指数（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。
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。
在ENVI中，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。
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。
1宽带绿度——BroadbandGreenness(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=800nm，ρRED=680nm，ρBLUE=450nm。
1)归一化植被指数（NormalizedDifferenceVegetationIndex——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。
植被指数及其应用.
Baret和Guyot（1991）提出植被指数应该依特殊 的土壤线特征来校正，以避免其在低LAI值时出现的 错误。为此，他们又提出了转换型土壤调整指数 （TSAVI），表示为：
TSAVI是对SAVI的改进，它着眼于土壤线实际的a和b， 而不是假设它们为1和0。 为了减少SAVI中裸露土壤的影响，Qi等（1994）发 展了修改型土壤调整植被指数（MSAVI），表示为：
其中，gamma为光学路径效应因子，通常取1.0。
ARVI减小了大气气溶胶引起的大气散射对红波段的影响， 减小了植被指数因大气条件变化而引起的变化。通过使用大气 辐射传输模型模拟表明，ARVI对大气的敏感性比NDVI小4倍。 Pinty和Verstraete（1992）针对大气效应，对AVHRR数据进行 了自纠正处理，提出了一个NIR和R波段反射率的非线性组合指 数－全球环境监测指数（GEMI），这一指数使AVHRR数据的
第七章
植被遥感
第四节 植被指数 (Vegetation Index)及其应用 √§7.4.1 植被指数综述 §7.4.2 植被指数分类 §7.4.3 土壤背景影响与消除 §7.4.4 大气影响与消除 §7.4.5 植被指数应用
Global Vegetation Index from MODIS
1）植被指数的由来
Rir Rr NDVI Rir Rr
对于裸露土壤：
如假设 I=0，则NDVI=(M-1)/(M+1)，不等于0；
如 I≠0，则NDVI=[(M-1)Rs,r+I]/[M+1)Rs,r+I]，不仅不 等于0，而且与土壤辐射亮度有关。 所以NDVI受土壤影响较大。同时由于NDVI饱和值很 低（LAIMAX≈2-3）、非朗伯特性显著、大气影响较大， 因此NDVI不是一个好的植被指数形式。
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。
植被物理遥感反演叶面积指数(lai)的基本原理
植被物理遥感是使用遥感手段对地球表面植被进行观测和研究的一门科学。
而植被的生长状态对于环境和气候变化有着重要的影响，因此研究植被的生长状态是遥感科学的重要内容之一。
而植被叶面积指数（L本人）作为一个重要的生长状态指标，在植被生长研究中有着重要的作用。
本文将从植被物理遥感的基本原理出发，结合L本人的意义和遥感技术的方法，对植被叶面积指数的反演进行详细介绍。
一、植被物理遥感的基本原理植被物理遥感是利用电磁波在地球大气和植被上的相互作用特性，通过遥感手段来获得植被信息的一种研究方法。
它主要基于以下几个基本原理：1. 光谱特征：植被反射和吸收不同波长的电磁波具有不同的特征，通过对这些特征的分析可以获取植被的信息。
2. 辐射传输：植被对不同波段的光有着不同的透过、反射和散射特性，通过对辐射传输的研究可以了解植被在不同波段下的特性。
3. 植被生理过程：植物的生长状况和生理过程与其在不同波段上的反射、吸收等特性存在相关性，通过对植被生理过程的研究可以推断植被在遥感数据中的表现。
以上基本原理为植被物理遥感的开展提供了理论基础，并为植被信息的提取和解释奠定了基础。
二、叶面积指数（L本人）的意义叶面积指数（Leaf Area Index，简称L本人）是指植被表面单位面积上叶片的总表面积与该单位面积的比值。
L本人的大小反映了植被的生物量、生长状态和生态功能，同时也是评价植被覆盖度和光能利用效率的重要参数。
1. 生物量：L本人与植被的生物量密切相关，L本人较高表示植被的叶面积较大，通常意味着植被覆盖度较高，生物量也较高。
2. 生态功能：L本人反映了植被的光合作用能力和蒸腾作用强弱，对于了解植被的生态功能和生态系统的健康状况有着重要的指导意义。
3. 环境变化：L本人的变化对于环境变化和气候变化有着一定的响应，通过监测L本人的变化可以了解植被对环境变化的响应和适应能力。
由于L本人在植被研究和生态环境监测中的重要作用，因此通过遥感手段反演L本人成为了研究的重要课题之一。
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。
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]。
- 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)。
对几种常用植被指数的认识
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。
小结：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
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
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。