植被光谱分析与植被指数计算

合集下载

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 _ RED

2.4其他植被指数

（1）比值植被指数（Ratio Vegetation Index ------ RVI ）

RVI 3

RED

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)

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

植被覆盖度估算方法

植被覆盖度估算是为了评估一个区域或地点的植被覆盖程度，常

用于生态环境研究、林业资源管理、土地利用规划等领域。本文将介

绍几种常用的植被覆盖度估算方法。

1. 监测图像分类法

•监测图像分类法是利用遥感图像进行植被覆盖度估算的常见方法。•首先，从卫星或无人机获取高分辨率的遥感图像。

•然后，利用图像分类算法（如最大似然法、支持向量机等）将图像分成不同的类别，包括植被和非植被。

•最后，计算植被覆盖度的比例，可以通过像元数、面积比例等指标进行量化。

2. 样地调查法

•样地调查法是一种在野外进行的实地调查方法，适用于小范围的植被覆盖度估算。

•首先，在研究区域内选择一定数量的样地，通常为正方形或长方形的固定面积。

•然后，对每个样地内的植被进行详细调查，记录不同植被类型的面积、高度、覆盖度等信息。

•最后，根据样地的统计数据计算整个研究区域的植被覆盖度，可以通过平均值或加权平均值等方式计算。

3. 植被指数法

•植被指数法是利用遥感图像中的植被指数进行植被覆盖度估算的方法。

•植被指数是通过计算遥感图像中不同波段（如红、近红外）的比值或差值获得的。

•通过植被指数，可以较为准确地反映植被的生长状况和覆盖度。•常用的植被指数包括归一化植被指数（NDVI）、差值植被指数（DVI）、综合植被指数（EVI）等。

4. 模型模拟法

•模型模拟法是利用数学或计算机模型模拟植被覆盖度的方法。•常用的模型包括植被生长模型、碳循环模型等。

•通过收集气象数据、土壤数据等相关资料，输入到模型中进行模拟，得到植被覆盖度的估算结果。

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

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

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。

植被遥感指数公式及简介

缨帽变换中的绿度植被指数（GVI）
缨帽变换（TC）是指在多维光谱空间中，通过线性变换、多维空间的旋转，将植物、土壤信息投影到多维空间的一个平面上，在这个平面上使植被生长状况的时间轨迹（光谱图形）和土壤亮度轴相互垂直。也就是，通过坐标变换使值被与土壤特征分离。
缨帽变换是一种通用的植被指数，可以被用于 Landsat MMS 或 Landsat TM 数据。
比值植被指数可表达为： RVI=DNNIR/ DNR 或 RVI=NIR/R
（简单表示为NIR/R）
RVI是绿色植物的一个灵敏的指示参数。研究表明，它与叶面积指数（LAI）、叶干生物量（DM）、叶绿素含量相关性高，被广泛用于估算和监测绿色植物生物量。在植被高密度覆盖情况下，它对植被十分敏感，与生物量的相关性最好。但当植被覆盖度小于50%时，它的分辨能力显著下降。
Thanks
植被遥感指数
植被指数类型
比值植被指数（RVI）归一化植被指数（NDVI）差值植被指数（DVI）缨帽变换中的绿度植被指数（GVI）垂直植被指数（PVI）
比值植被指数（Ratio Vegetation Index）
由于可见光红波段（R）与近红外波段（NIR）对绿色植物的光谱响应十分不同。两者简单的数值比能充分表达两反射率之间的差异。
其中S为土壤反射率，V为植被反射率，R为红波段， NIR为红外波段。

植被覆盖度计算与分级

一、植被覆盖度计算

1、数据处理

打开tm3、tm4地表反射率影像

2、计算NDVI（归一化植被指数）

Basic Tools→Band Math→输入(b4-b3)/(b4+b3)→Ok→按B3选择下面的tm3地表反射率、按B4选择下面的tm4地表反射率→Choose→2000_NDVI_gongshi→打开→Ok

3、计算FVC（植被覆盖度）

FVC= [(NDVI-NDVI S) / (NDVI V-NDVI S)]2

V,S分别是植被和裸土的NDVI值，由于缺乏详细的区域植被和土壤光谱图数据，取值NDVI V=0.70,NDVI s=0.05,

FVC= [(b1-0.05)/(0.7-0.05)]* [(b1-0.05)/(0.7-0.05)]

(此处b1指NDVI影像，FVC衡量植被生长的茂盛程度，取值0—1。)

Basic Tools→Band Math→输入[(b1-0.05)/(0.7-0.05)]* [(b1-0.05)/(0.7-0.05)]→Ok →按B1选择2000_NDVI_gongshi→Choose→2000_FVC_jisuan→打开→Ok

4、处理FVC中DN值大于1的像元

Basic Tools→Band Math→输入(b1 lt 0)*0+(b1 gt 1)*1+(b1 le 1 and b1 ge 0)*b1→Ok →按B1选择2000_FVC_jisuan→Choose→2000_FVC_chuli→打开→Ok

5、建立掩膜进行处理

打开黄石市边界矢量数据；

几种常见植被指数

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

作物植被指数提取流程

作物植被指数(Crop Vegetation Index, CVI) 是一种用于评估作物生长状况的指数。它通常使用遥感数据来计算，并通过比较反射光谱来衡量作物的植被密度。

提取作物植被指数的流程通常包括以下步骤：

1.收集遥感数据。这可以通过卫星或飞机搜集的遥

感图像获得。这些图像包含了地表的多种光谱频段，包

括可见光、红外线和近红外线。

2.处理遥感数据。在这一步中，需要对遥感图像进

行预处理，包括去噪、校正、抠图等。这些步骤是为了

确保遥感图像的质量，使其能够用于作物植被指数的计

算。

3.计算作物植被指数。通常使用以下公式计算作物

植被指数：

CVI = (NIR - Red) / (NIR + Red)

其中，NIR 指近红外线光谱频段的反射率，Red 指红外线光谱频段的反射率。

4.可视化结果。最后，将计算得到的作物植被指数

可视化，通常使用彩色图像的形式呈现出来。这样就可

以通过观察图像来判断作物的生长状况。

总的来说，提取作物植被指数的流程包括收集遥感数据、对遥感数据进行处理、计算作物植被指数以及可

视化结果。这些步骤可以帮助我们了解作物的生长状况，并为决策提供参考。

需要注意的是，提取作物植被指数的流程可能会因遥感数据的不同而有所差异。例如，使用的遥感图像的光谱频段可能不同，或者遥感数据的处理方式可能不同。因此，在提取作物植被指数之前，应先了解所使用的遥感数据的特点，并确定相应的流程。

绿色植被的归一化差值植被指数

绿色植被的归一化差值植被指数（Normalized Difference Vegetation Index, NDVI）是一种用于评估植被覆盖率和生长状况的指数。它是通过测量植被吸收和反射红外光和可见光波段中的能量来计算的。

在计算过程中，NDVI 会将红外波段和可见光波段的光谱信息进行归一化，然后用红外波段的反射率减去可见光波段的反射率，再除以两者的反射率和得到的商。这个值范围从-1 到+1，其中负值表示非植被区域，0 表示无植被覆盖，而正值则越高表示植被覆盖率越高。

NDVI 在农业、林业、生态和气象等领域中被广泛应用。通过对NDVI 值进行分析，可以识别植被覆盖率和类型，监测植被生长状态和变化，评估土地利用和土地覆盖等信息。此外，NDVI 还可用于估算植被生产力和碳储量等指标。

总之，NDVI 是一种重要的植被指数，它可以为我们提供有关植被覆盖、生长状态和生产力等方面的重要信息。

植被指数

植被指数（Vegetable Index）

植被指数是不同遥感光谱波段间的线性或非线性组合，被认为能作为反映绿色植被的相对丰度和活性的辐射量值（无量纲）的标志，是绿色植被的叶面积指数（LAI）、盖度、叶绿素含量、绿色生物量以及被吸收的光合有效辐射（APAR）的综合体现。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。

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。

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、大气等条件的影响几种常用的植被指数及其应用

（一）比值植被指数（RVI)

公式：RVI=ρNIR/ρRED(近红外波段反射率/红光波段反射率)

特征：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；值的范围是0-30+，一般绿色植被区的范围是2-8。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。

应用：

①利用比值植被指数研究城市建设用地扩张速率，预测或规划城市未来今年的发展前景。不同用地的地表温度由高到低排序是城镇用地、工矿与交通用地、农村宅基地、林地、旱地，说明建设用地的地表温度较高，其比值植被指数较非建设用地小。RVI的平均值Ｍ和标准差Ｄ可以作为定量指标来提取建设用地：RVI ≤Ｍ-Ｄ/２为建设用地；RVI＞Ｍ-Ｄ/２为非建设用地。

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 RED

NDVI 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 6.07.51

NIR 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 RED

RVI 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=-

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；

植被覆盖度计算与分级

一、植被覆盖度计算

1、数据处理

打开tm3、tm4地表反射率影像

2、计算NDVI（归一化植被指数）

Basic Tools→Band Math→输入(b4-b3)/(b4+b3)→Ok→按B3选择下面的tm3地表反射率、按B4选择下面的tm4地表反射率→Choose→2000_NDVI_gongshi→打开→Ok

3、计算FVC（植被覆盖度）

FVC= [(NDVI-NDVI S) / (NDVI V-NDVI S)]2

V,S分别是植被和裸土的NDVI值，由于缺乏详细的区域植被和土壤光谱图数据，取值NDVI V=0.70,NDVI s=0.05,

FVC= [(b1-0.05)/(0.7-0.05)]* [(b1-0.05)/(0.7-0.05)]

(此处b1指NDVI影像，FVC衡量植被生长的茂盛程度，取值0—1。)

Basic Tools→Band Math→输入[(b1-0.05)/(0.7-0.05)]* [(b1-0.05)/(0.7-0.05)]→Ok →按B1选择2000_NDVI_gongshi→Choose→2000_FVC_jisuan→打开→Ok

4、处理FVC中DN值大于1的像元

Basic Tools→Band Math→输入(b1 lt 0)*0+(b1 gt 1)*1+(b1 le 1 and b1 ge 0)*b1→Ok →按B1选择2000_FVC_jisuan→Choose→2000_FVC_chuli→打开→Ok

5、建立掩膜进行处理

打开黄石市边界矢量数据；