envi叶面积指数计算

植被光谱分析与植被指数计算

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。

LAI叶面积指数介绍

叶面积指数（LAI）基本概念叶面积指数（LAI）又叫叶面积系数，是指单位土地面积上植物叶片总面积占土地面积的倍数。

即：叶面积指数=叶片总面积/土地面积。

它是大多数生态系统生产力模型和全球气候、水文、生物地球化学和生态模型中的重要参数。

陆地生态系统生产力的模拟是全球碳循环研究中的关键问题。

而LAI作为光合作用中碳同化的重要影响因子，是生产力评估模型中的重要参数。

因此，使用生产力模型分析净生产力、净生物群区生产力几十年的变化趋势，需要输入LAI的长期连续数据。

数学模型获取LAI的方法可分为三类：接触测量法、仪器与半球数字摄影测量法、遥感反演法。

直接测量法包括比叶重法、落叶收集法、分层收割法、点接触法等，该方法的精度很高，然而需要耗费大量的人力，通常只针对单个地点或小区域，难以覆盖大的区域范围。

仪器和半球数字摄影测量法避免了直接测量法耗费大量人力的缺点，它使用一些商用测量仪器或鱼眼镜头测量多个角度上的空隙率，利用比尔定律，反算出LAI。

然而，不论是直接测量法，还是仪器和半球数字摄影测量法，得到的都是点上数据，难以扩展到面上；并且其空间覆盖范围和持续时间有限。

而使用遥感手段观测LAI，不仅不需要耗费大量人力、成本低廉，而且能对全球范围实现长期连续监测。

因此从获得长时间序列的全球LAI数据集的角度来看，遥感反演是最优且唯一可行的方法。

本项目LAI产品主要采用遥感反演方法，利用MODIS中分辨率成像光谱仪数据遥感反演的植被指数叶面积指数LAI作为植物生长长势的指标用于分析生态系统健康及其变化，生态系统参数的遥感反演是以晴空状态下的地表反射为输入，因此预先合成多天晴空状态的地表反射率，并进行去云及其它噪音处理，采用改进的最小可见光波段选择的合成算法，既能有效消除云的影响，也能有效消除云阴影的影响，叶面积指数和植被光合有效辐射吸收系数是通过反演冠层辐射传输方程获得，输入数据为合成的无云地表反射率数据。

叶面积指数LAI产品主要采用经验公式法计算，利用植物的胸径、树高、边材面积、冠幅等容易测量的参数与叶面积或叶面积指数的相关关系建立经验公式来计算。

叶面积指数测量方法

叶面积指数测量方法
1. 直接测量法呀，这就像你直接去数地上的苹果一样清楚直白！比如拿个尺子直接去量叶片的大小，然后计算呀，简单粗暴吧！
2. 方格纸法也不错哦，就好像在方格纸上玩填色游戏一样，把叶片的轮廓画上去，再去数数方格，多有意思！
3. 图像分析法可厉害啦！这就跟你看照片找不同一样，通过对叶片图像的分析来得出叶面积指数，好神奇呀！
4. 称重法也能行呀，想象一下，就像称水果的重量一样来间接算出叶面积指数，是不是很独特？
5. 激光扫描法听起来就很酷吧！如同科幻电影里的高科技扫描一样，精确地测量出叶面积指数。

6. 光电感应法也是个好办法呀，就好像光和叶子在互相感应一样，从而得到相关数据呢。

7. 叶绿素含量法呢，是不是感觉像在探索叶片里的小秘密呀，通过叶绿素含量来推断叶面积指数呢。

8. 数学模型法哇，这就像是给叶片构建一个专属的数学世界，用各种数据和公式来算出叶面积指数呢！
我觉得呀，这些叶面积指数测量方法都各有各的奇妙之处，都值得我们去好好了解和尝试呀！。

遥感应用模型5-植被(2)-叶面积指数估算模型

由于缺乏卫星过境时详细的大气剖面资料（如气溶胶和水汽含量等），因此6S模型等大气校正模型的应用将会受到限制。
利用暗目标法对遥感影像进行大气校正，以获得地面反射率数据。
地面叶面积指数测量方法
考察路线与采样点的选取应遵循如下原则：一是植物分布的代表性、均匀性；二是遥感图像可读性；三是交通可行性。
因此，探讨利用遥感影像估算植被的叶面积指数的方法已成为当前建立全球及区域气候、生态模型的基础工作之一。
通常检验遥感反演叶面积指数的精度常常通过地面实地测量的方式。
地面测量叶面积指数的方法有很多种，大致分为两类—直接测量法和间接测量法。
➢直接测量法包括系数法和比叶重法等。在叶子的采集和叶面积的测量过程中，具有一定的破坏性。
➢光学模型法，基于植被的双向反射率分布函数，是一种建立在辐射传输模型基础上的模型，它把LAI作为输入变量，采用迭代的方法来推算 LAI。
统计模型法输入参数单一，不需要复杂的计算，因此成为遥感估算LAI的常用方法。但不同植被类型的LAI与植被指数的函数关系会有所差异，在使用时需要重新调整、拟合。
第二章植被遥感本章主来自内容叶面积指数估算模型
叶面积指数估算模型
叶面积指数（LAI）是指单位地表面积上方植物叶单面面积的总和，它是叶覆盖的无量纲度量。
叶面积指数作为进行植物群体和群落生长分析的重要参数和评价指标，在农业、林业及生态学等领域得到了广泛的应用。
依靠传统的地面样方实测的方法来估算叶面积指数又是一项花费巨大人力、财力且精度不高的工作。
光学模型法的优点是有物理模型基础，不受植被类型的影响，然而由于模型过于复杂，反演非常耗时，且反演估算LAI过程中有些函数并不总是收敛的。

作物叶面积指数

作物叶面积指数
作物叶面积指数（Leaf Area Index，LAI），是衡量作物叶片覆
盖程度的一个重要指标。

它描述了单位地面积上作物叶片的总面积与
该地点地面的比值。

叶面积指数是作物生长状况和光合有效辐射利用
率的重要参考参数，也对作物的生产潜力和光合作用产生重要影响。

作物叶面积指数的数值通常介于0和无穷大之间。

数值较小时，
表示作物叶片覆盖程度较低，光合有效辐射利用率相对较低。

数值较
大时，表示作物叶片覆盖程度较高，光合有效辐射利用率相对较高。

叶面积指数还可以反映作物的生物量，因为叶片面积与生物量之间存
在一定的正相关关系。

测算作物叶面积指数的方法有多种，包括直接野外观测、遥感技
术和模型计算等。

其中，遥感技术是最常用的方法之一，通过使用遥
感图像和影像处理技术，可以较快速地获取大范围的叶面积指数数据，为农业生产和资源管理提供重要支持。

作物叶面积指数的变化具有季节性和空间分布性。

在作物生长季
节内，叶面积指数一般呈现出先增大后减小的趋势，最大值通常出现
在作物生长的中期。

不同作物的叶面积指数也存在差异，这取决于作
物的生长周期、生长速率和叶片结构等因素。

作物叶面积指数可以用于农田水分管理、作物生长模拟和农业遥
感监测等方面。

通过监测和分析叶面积指数的变化，可以及时了解作
物的生长状态和生长势，为农民提供科学合理的农业管理建议，提高
农田水分利用效率和作物产量。

ENVI下植被覆盖度的遥感估算(像元二分法)

ENVI下植被覆盖度的遥感估算（像元二分法）植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。

容易与植被覆盖度混淆的概念是植被盖度，植被盖度是指植被冠层或叶面在地面的垂直投影面积占植被区总面积的比例。

两个概念主要区别就是分母不一样。

植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。

植被覆盖度的测量可分为地面测量和遥感估算两种方法。

地面测量常用于田间尺度，遥感估算常用于区域尺度。

估算模型目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。

下面是李苗苗等在像元二分模型的基础上研究的模型：VFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil) （1）其中, NDVIsoil 为完全是裸土或无植被覆盖区域的NDVI值，NDVIveg 则代表完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。

两个值的计算公式为：NDVIsoil=（VFCmax*NDVImin- VFCmin*NDVImax）/( VFCmax- VFCmin) （2）NDVIveg=（(1-VFCmin)*NDVImax- (1-VFCmax)*NDVImin）/( VFCmax- VFCmin) （3）利用这个模型计算植被覆盖度的关键是计算NDVIsoil和NDVIveg。

这里有两种假设： 1）当区域内可以近似取VFCmax=100%，VFCmin=0%。

公式（1）可变为：VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin) （4）NDVImax 和NDVImin分别为区域内最大和最小的NDVI值。

由于不可避免存在噪声，NDVImax 和NDVImin一般取一定置信度范围内的最大值与最小值，置信度的取值主要根据图像实际情况来定。

2）当区域内不能近似取VFCmax=100%，VFCmin=0%当有实测数据的情况下，取实测数据中的植被覆盖度的最大值和最小值作为VFCmax 和 VFCmin，这两个实测数据对应图像的NDVI作为NDVImax 和NDVImin。

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。

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。

全国农作物叶面积指数遥感估算方法_蒙继华

第23卷第2期2007年2月农业工程学报Tr ansactions of the CSAE V ol.23　N o.2Feb.　2007全国农作物叶面积指数遥感估算方法蒙继华,吴炳方※,李强子(中国科学院遥感应用研究所,北京100101)摘　要:目前对农作物叶面积指数L AI 的遥感估算研究多是针对单一作物或是作物种植结构单一的区域,该文运用大尺度农作物叶面积指数的遥感估算方法,在像元尺度上对4个代表性实验站的L A I 与归一化植被指数(N DV I )的相互关系进行了回归分析后,得到4种代表性作物种植结构的L AI 估算模型,然后结合全国农作物种植结构数据对模型外推,建立了一个全国尺度的遥感模型,并估算了全国作物L AI 。

该文使用“863”项目山东遥感应用综合试验中的作物L AI 观测数据进行了验证,结果表明该模型较其它估算模型达到了较高的精度,最大相对误差为39%,平均的相对误差为19%。

该模型的计算结果已经在“中国农情遥感速报”系统中得到了广泛的应用。

关键词:遥感;作物;叶面积指数;遥感模型;归一化植被指数;估算中图分类号:T P79;T P274 文献标识码:A 文章编号:1002-6819(2007)2-0160-08蒙继华,吴炳方,李强子.全国农作物叶面积指数遥感估算方法[J].农业工程学报,2007,23(2):160-167.M eng J ihua,W u B ingfa ng ,Li Qiang zi.M ethod fo r estimating cro p leaf a rea index o f China using r emote sensing [J].T ransac tio ns of th e CSA E,2007,23(2):160-167.(in Chinese with Eng lish abstract)收稿日期:2006-03-01　修订日期:2006-05-29基金项目:国家863计划:粮食预警遥感辅助决策系统(2003AA131050);中国科学院知识创新工程重要方向项目(KZCX3-SW -338-2);遥感应用示范工程总体技术研究(2003AA131040)作者简介:蒙继华(1977-),男,新疆石河子人,博士,主要从事遥感应用方面研究,北京　中国科学院遥感应用研究所,100101。

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∙∙●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。

ENVI下植被覆盖度的遥感估算（像元二分法）

植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。

容易与植被覆盖度混淆的概念是植被盖度，植被盖度是指植被冠层或叶面在地面的垂直投影面积占植被区总面积的比例。

两个概念主要区别就是分母不一样。

植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。

植被覆盖度的测量可分为地面测量和遥感估算两种方法。

地面测量常用于田间尺度，遥感估算常用于区域尺度。

估算模型目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。

下面是李苗苗等在像元二分模型的基础上研究的模型：VFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil) （1）其中, NDVIsoil 为完全是裸土或无植被覆盖区域的NDVI值，NDVIveg 则代表完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。

两个值的计算公式为：NDVIsoil=（VFCmax*NDVImin- VFCmin*NDVImax）/( VFCmax- VFCmin) （2）NDVIveg=（(1-VFCmin)*NDVImax- (1-VFCmax)*NDVImin）/( VFCmax- VFCmin) （3）利用这个模型计算植被覆盖度的关键是计算NDVIsoil和NDVIveg。

这里有两种假设：1）当区域内可以近似取VFCmax=100%，VFCmin=0%。

公式（1）可变为：VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin) （4）NDVImax 和NDVImin分别为区域内最大和最小的NDVI值。

由于不可避免存在噪声，NDVImax 和NDVImin一般取一定置信度范围内的最大值与最小值，置信度的取值主要根据图像实际情况来定。

2）当区域内不能近似取VFCmax=100%，VFCmin=0%当有实测数据的情况下，取实测数据中的植被覆盖度的最大值和最小值作为VFCmax 和 VFCmin，这两个实测数据对应图像的NDVI作为NDVImax 和NDVImin。

叶面积指数采样方案

叶面积指数采样方案一、确定采样地点。

1. 先找一个像百宝袋一样丰富的大区域，这个区域要有咱们要研究的植物。

比如说，如果是研究森林里树木的叶面积指数，那这片森林得有不同种类的树，有高的有矮的，有老的有小的，就像一个植物大家庭。

2. 在这个大区域里呢，再划分出几个小地块，就像给这个大家庭分几个小房间一样。

可以根据地形啦、植被分布看起来不太一样的地方来划分。

比如说，这边山坡上的树看起来长得更密，那就单独划成一个小地块；那边山谷里的树好像有点不一样，也划一个。

二、采样时间的选择。

1. 要像选好日子出门旅游一样选好时间哦。

如果是研究一年生植物，那最好在它们长得最茂盛的时候去采样，就像在它们最漂亮、最精神的时候给它们拍个照。

对于树木呢，不同季节可能叶子情况不一样，一般选择叶子都长全了、还没开始大量掉落的时候。

比如说在夏天或者秋天刚开始的时候，这个时候叶子基本都长开了，不会有刚发芽的小不点叶子，也不会有掉得七零八落的情况。

2. 而且啊，最好选个天气比较好的日子，不要下雨天或者大风暴刚过的时候去，因为那样叶子可能被吹得乱七八糟，测量就不准啦，就像给人拍照的时候，要在人打扮得整整齐齐的时候拍，不能在刚被风吹得头发乱成鸡窝的时候拍呀。

三、采样方法。

1. 随机采样法。

这就像抽奖一样。

在每个小地块里，闭上眼睛（当然实际上不用闭眼啦，就是随机的意思），然后选一些植物来测量它们的叶面积指数。

比如说用个小棍，在小地块里乱指，指到哪棵植物就采哪棵。

不过呢，也不能太随便，要保证采的植物能代表这个小地块的情况。

就像抽奖，虽然是随机的，但奖品也得是大家都有可能得到的那种，不能专门挑特别的。

对于每一棵被选中的植物，可以从不同的方向，比如东边、西边、南边、北边，各采几片叶子。

这就像从一个人的前后左右都看一下一样，这样能更全面地了解这棵植物的叶子情况。

2. 分层采样法。

如果这个小地块里的植物长得层次很分明，就像蛋糕有好几层一样，那可以用分层采样。

ENVI下植被覆盖度的遥感估算(像元二分法)

植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。

容易与植被覆盖度混淆的概念是植被盖度，植被盖度是指植被冠层或叶面在地面的垂直投影面积占植被区总面积的比例。

两个概念主要区别就是分母不一样。

植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。

植被覆盖度的测量可分为地面测量和遥感估算两种方法。

地面测量常用于田间尺度，遥感估算常用于区域尺度。

估算模型目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。

下面是李苗苗等在像元二分模型的基础上研究的模型：VFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil) （1）其中, NDVIsoil 为完全是裸土或无植被覆盖区域的NDVI值，NDVIveg 则代表完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。

两个值的计算公式为：NDVIsoil=（VFCmax*NDVImin- VFCmin*NDVImax）/( VFCmax- VFCmin) （2）NDVIveg=（(1-VFCmin)*NDVImax- (1-VFCmax)*NDVImin）/( VFCmax- VFCmin) （3）利用这个模型计算植被覆盖度的关键是计算NDVIsoil和NDVIveg。

这里有两种假设：1）当区域内可以近似取VFCmax=100%，VFCmin=0%。

公式（1）可变为：VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin) （4）NDVImax 和NDVImin分别为区域内最大和最小的NDVI值。

由于不可避免存在噪声，NDVImax 和NDVImin一般取一定置信度范围内的最大值与最小值，置信度的取值主要根据图像实际情况来定。

2）当区域内不能近似取VFCmax=100%，VFCmin=0%当有实测数据的情况下，取实测数据中的植被覆盖度的最大值和最小值作为VFCmax和 VFCmin，这两个实测数据对应图像的NDVI作为NDVImax 和NDVImin。

叶面积指数其它指标

叶面积指数其它指标叶面积指数（Leaf Area Index，简称LAI）是指单位地表面积上植物叶片的总面积与该地表面积的比值。

它是评估植被覆盖程度和光合作用能力的重要指标之一。

除了叶面积指数，还有一些与之相关的指标可以用来评估植被生长状况和生态系统功能。

本文将介绍叶面积指数和其他相关指标，并探讨它们在生态学和农业领域中的应用。

一、叶面积指数（LAI）叶面积指数是指单位地表面积上植物叶片的总面积与该地表面积的比值。

它反映了植被叶面积的空间分布和密度。

叶面积指数的大小与植物的生长状况和光合作用能力密切相关。

通过测量叶面积指数，可以评估植被的光合作用能力、水分利用效率以及植被覆盖程度等指标。

二、植被指数（Vegetation Index，简称VI）植被指数是通过遥感技术获取的植被信息的指标。

常用的植被指数有归一化植被指数（Normalized Difference Vegetation Index，简称NDVI）、绿光植被指数（Green Vegetation Index，简称GVI）等。

这些指数通过测量植被在不同波段上的反射率，反映了植被的生长状况和光合作用能力。

植被指数可以用来监测植被覆盖度、生长状态和健康状况等。

三、叶面积指数与植被指数的关系叶面积指数与植被指数之间存在一定的相关性。

叶面积指数反映了植被的叶面积密度，而植被指数则反映了植被的生长状况和光合作用能力。

叶面积指数较大的地区往往对应着植被指数较高的地区。

因此，可以通过测量植被指数来间接估计叶面积指数，进而评估植被的生长状况和光合作用能力。

四、叶面积指数的应用叶面积指数在生态学和农业领域有着广泛的应用。

在生态学研究中，叶面积指数可以用来评估植被覆盖度、生物量和生产力等指标，帮助研究人员了解生态系统的结构和功能。

在农业领域，叶面积指数可以用来评估农作物的生长状况和光合作用能力，指导农业生产和灌溉管理。

此外，叶面积指数还可以用来监测植被退化和环境变化等。

ENVI5.2中计算几种常见燃烧指数

ENVI5.2中计算几种常见燃烧指数(2014-11-26 16:40:37)转载▼标签：envi5.2光谱指数分类：ENVI燃烧指数和其他光谱指数一样，选择对火灾比较敏感的波段，通过波段间的组合运算增强图像上的火灾区域。

通过分析燃烧指数图像，可以获取火灾区域、火灾燃烧程度等信息。

目前，常见的燃烧指数主要包括以下三种：∙燃烧面积指数（Burn Area Index：BAR）燃烧面积指数使用红色和近红外波段增强火烧后地表信息，即增强过火后图像上的木炭信号。

计算公式如下（Martín, 1998）：燃烧区域的BAI值高。

∙归一化燃烧指数（Normalized Burn Ratio：NBR）归一化燃烧指数能增强较大范围的火灾区域，如大于200公顷。

计算公式有点类似NDVI，计算公式如下(Lopez, 1991; Key and Benson, 1995)：燃烧区域的NBR值小。

NBR最早是基于Landsat TM / ETM+的bands 4 / 7研制的，当然也能应用于其他多光谱数据，NIR波段范围0.76-0.9 µm，SWIR波段范围2.08-2.35 µm，如Landsat8、Worldview3等。

改进归一化燃烧指数（Normalized Burn Ratio –Thermal：NBRT）在NBR的基础上，使用了一个热红外波段。

NBRT能更好的分离燃烧区和非燃烧区。

计算公式如下(Holden et al., 2005)：燃烧区域的NBRT值小。

NBRT最早也是基于Landsat TM / ETM+的bands 4 / 6/7研制的，当然也能应用于其他多光谱数据，NIR波段范围0.76-0.9 µm，SWIR波段范围2.08-2.35 µm，Thermal:波段10.4 - 12.5 µm，如Landsat8。

ENVI5.2新增光谱指数计算工具（Toolbox/Band Algebra/Spectral Index）可以很方便的从多光谱图像中计算这三种燃烧指数。

ENVI下植被覆盖度的估算

ENVI下植被覆盖度的遥感估算2013-05-30 | 阅：1 转：17| 分享修改植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。

容易与植被覆盖度混淆的概念是植被盖度，植被盖度是指植被冠层或叶面在地面的垂直投影面积占植被区总面积的比例。

两个概念主要区别就是分母不一样。

植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。

植被覆盖度的测量可分为地面测量和遥感估算两种方法。

地面测量常用于田间尺度，遥感估算常用于区域尺度。

估算模型目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。

下面是李苗苗等在像元二分模型的基础上研究的模型：VFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil) （1）其中, NDVIsoil 为完全是裸土或无植被覆盖区域的NDVI值，NDVIveg 则代表完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。

两个值的计算公式为：NDVIsoil=（VFCmax*NDVImin- VFCmin*NDVImax）/( VFCmax- VFCmin) （2）NDVIveg=（(1-VFCmin)*NDVImax- (1-VFCmax)*NDVImin）/( VFCmax- VFCmin)（3）利用这个模型计算植被覆盖度的关键是计算NDVIsoil和NDVIveg。

这里有两种假设：1）当区域内可以近似取VFCmax=100%，VFCmin=0%。

公式（1）可变为：VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin) （4）NDVImax 和NDVImin分别为区域内最大和最小的NDVI值。

由于不可避免存在噪声，NDVImax 和NDVImin一般取一定置信度范围内的最大值与最小值，置信度的取值主要根据图像实际情况来定。

叶面积计算方法

紫光平台扫描仪（LA2000）结合Image软件测定叶面积具体方法如下：
1. 取新鲜植物叶片5片平铺到扫描仪，上面用A4白打印纸盖住；
2. 启动TH-O紫光专业版；
3. 设置如下：“文件”→“扫描设置”（24位彩色；分辨率200；页面A4
210*297mm；亮度自动选择）；
4. 扫描完成；
5. 保存图片为JEPG格式。

注意文件命名（已知植物用植物名，未知用编号）
以下步骤为测定面积方法：
6. 打开Image J 程序运行；
7. 打开已扫描保存的文件；
8. 设置：Analyze→Set Scale：Distance in Pixels 200；Known distance 2.54；Pixel Aspect Ratio 1.0；Unit of Length cm；√Global。

确定OK。

9. Image→Color→Split channels 任选一个红（Red）、绿（Green）、蓝（Blue）。

此
处选择Blue；
10. Image→Adjust→Threshold
选用红色自动填充待测叶面积。

用“□”将待测叶子选定。

11. Analyze→Analyze Particles
设置：Size（cm2）：0.1-Infinity；Circularity：0.00-1.00；Show：Outline
√Display results；√Clear results；√Summarize
12. 得到结果
Results文件：Area（cm2）
Summary文件：。

植被光谱分析与植被指数计算

LAI叶面积指数介绍

叶面积指数测量方法

遥感应用模型5-植被(2)-叶面积指数估算模型

作物叶面积指数

ENVI下植被覆盖度的遥感估算(像元二分法)

植被指数计算方法

ENVI中常见植被指数介绍

全国农作物叶面积指数遥感估算方法_蒙继华

植被光谱分析与植被指数计算解读

ENVI下植被覆盖度的遥感估算（像元二分法）

叶面积指数采样方案

ENVI下植被覆盖度的遥感估算(像元二分法)

叶面积指数 其它指标

ENVI5.2中计算几种常见燃烧指数

ENVI下植被覆盖度的估算

叶面积计算方法

叶面积指数其它指标