ENVI中常见植被指数介绍
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 -。
envi植被指数的提取
本科学生实验报告宋国俊学号114130168专业＿＿地理信息系统班级11地信验课程名称遥感运用实验名称植被指数的提取额指导教师及职称洪亮开课学期2014 至2015 学年一学期师大学旅游与地理科学学院编印二、实验容、步骤和结果找到landsat 8 的相关数据;再找另外一个时间段的数据;1）提取行归一化植被指数归一化指数（NDVI）被定义为近红外波段与可见光红波段数值之差和这两个波段数值之和的比值。
公式：NDVI=（TM4-TM3）/（TM4+TM3）在ENVI 的主菜单transforms下，运行NDVI子菜单，将得到的图像以612ndvi的文件名保存在文件夹中。
得到的图像以灰阶显示如图2014.3.16的NDVI2014.4.24NDVI2）提取绿度植被指数GVI公式：GVI=-0.2848*TM1-0.2435*TM2-0.5436*TM3+0.7243*TM4+0.084*TM5-0.1800*TM7在ENVY3.2的主菜单basic tools下，运行band math子菜单，键入上述公式，将得到的图像以612GVI的文件名保存在文件夹中。
得到的图像以灰阶显示如图2014.3.16的GVI2014.4.24GVI3）提取比值植被指数RVI比值值被指数（RVI）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，且具倒转关系。
两者简单的数值比能充分表达两反射率之间的差异。
公式：RVI= TM4/TM3在ENVI的主菜单basic tools下，运行band math子菜单，键入上述公式，将得到的图像以612GVI的文件名保存在文件夹中。
得到的图像以灰阶显示如图2014.3.16的RVI2014.4.24RVI4）提取差值植被指数公式：RVI= TM4-TM3在ENVI的主菜单basic tools下，运行band math子菜单，键入上述公式，将得到的图像以612chazhi的文件名保存在文件夹中。
ENVI植被指数（转）
ENVI中计算NDVI和植被覆盖度覆盖度, 植被, ENVI, NDVI1.直接用envi直接算的话，主菜单中transform－ndvi，算归一化植被指数。
Tasseled Cap (缨帽变换)，也可以用来算绿度植被指数gvi。
也可自己定义算法算植被指数。
如果要算植被覆盖度的话，可以先计算 NDVI，然后利用 NDVI 与植被覆盖度之间的关系计算。
计算公式可用：f=(NDVI-NDVI MIN)/(NDVI MAX-NDVI MIN)这里的NDVIMIN和NDVIMAX是代表研究区域的最好植被覆盖和最差植被覆盖的植被指数，即裸地和茂盛植被覆盖区的NDVI值具体可参照赵英时老师的《遥感应用分析原理与方法》/viewdiary.14418414.html2.最小值和最大值运算符的使用最小值和最大值运算符也是数组的基础运算符，但与关系运算符或Boolean运算符不同的是：它们不返还真值或假值，而返还实际的最小值和最大值。
在下面的示例中，对于图像中的每一个像元，0、b2或b3中的最大值将被加到b1中，该表达式确保加到b1中的值始终为正。
b1 +（0 > b2 > b3）在下面的示例中，最小值和最大值运算符的同时运用使b1中的值被限制在0和1之间——b1中的值不会大于1或小于0。
0 > b1 < 13. 运算符波段运算举例22.1 数据小于0的赋予0 b1>02.2 数据值小于０的赋予-999(b1 LT 0)*-999+(b1 GE 0)*b12.3 三个波段求平均值，如该波段小于0则不参加运算。
如某点b1:4;b2:6;b3:0；那平均值ave = (b1+b2+b3)/(1+1);b1>0+b2>0+b3>0)/( ((b1 ge 0) + (b2 ge 0)+(b3 ge 0)) >1)2.4两幅图像，图像1波段b1中的云部分（象元值大于200）用图像2的波段b2代替(b1 GT 200)*b2+(b1 LE 200)*b12.5波段分段赋值，如B1中小于0部分等于0，b1中值在[0,10]之间赋为原数值的100倍，如果b1值大于10则赋为原数值的10倍。
植被指数整理介绍
植被指数介绍目录1. 植被指数概述 (3)2. 植被指数的分类 (3)不考虑影响因子 (3)考虑影响因子 (4)消除土壤因子 (4)消除大气因子 (4)消除综合因子 (5)3. 植被指数的应用 (5)生态 (5)林业 (7)农业 (9)环境 (10)海洋 (11)参考文献 (12)1.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。
2.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。
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。
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。
地表反射率、温度、植被指数
地表反射率、温度、植被指数、几何精纠正和Landsat影像一、DNVI建模【地表反射率】第3波段第4波段【DNVI】【3、4波段表观反射率和地表反射率的线性关系】【表观反射率和地表反射率的线性关系数学表达式】波段关系式波段关系式1波段y=0.8933*x+0.0473 4波段y=0.9401*x+0.0065 2波段y=0.8801*x+0.0242 5波段y=0.9399*x+0.001 3波段y=0.9161*x+0.0143 7波段y=0.9584*x+0.0004【部分地物的DNVI值】地物DNVI值min max mean stdev Reservior 0.057713 0.338587 0.145087 0.038598 Snow -0.12395 0.152669 0.025088 0.031572Urban -0.356923 0.038094 -0.273288 0.045284Plant 0.333387 0.786695 0.656094 0.081619Desert 0.071897 0.155663 0.100783 0.014291River 0.043469 0.429917 0.127503 0.08131【结果与分析】：通过对提取地物的DNVI值的可以发现，绿色的DNVI值比较高，原因是绿色植物叶绿素引起的红光吸收和叶肉组织引起的近红外光反射使得植被在近红外波段和红光波段有很大的差异；水体和裸地在红光波段和近红外波段反射率相当，因此水库和裸地的NDVI值接近0；雪地NDVI最低值中出现负值，是由于在近红外波段比可见光波段有较低的反射率；沙漠中植被很少，因此其近红外波段和红光波段的反射情况和裸地类似，因此其NDVI值接近于0；河流的NDVI值稍大于由于河流中存在一定的含沙量，使得地物在近红外波段的反射率大于近红外波段。
二、温度反演【温度反演】低增益温度反演高增益温度反演【第1波段部分地物低增益温度反演数据】开尔文温度摄氏温度反演温度地物min max mean stdev min max mean Reservior 287.47641 289.289886 288.13127 0.388036 14.32641 16.13989 14.98127 Snow 273.154785 293.990417 278.177771 3.788266 0.004785 20.84042 5.027771 Bare Land 295.989319 310.676086 303.445647 2.819391 22.83932 37.52609 30.29565 Urban 300.165253 310.928528 307.469228 1.530421 27.01525 37.77853 34.31923 Plant 294.278015 305.525879 298.698402 2.333251 21.12802 32.37588 25.5484 Desert 302.605286 309.915955 306.491575 1.39902 29.45529 36.76596 33.34158影像几何精纠正1.深入理解影像几何精纠正的原理2.学会使用影像对影像的几何精纠正方法和具体操作步骤1. 扫描地形图（宁夏中卫地区1:25万104811.img ）进行几何精纠正（包括投影参数、单位的调整将选定参考点保存）。
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。
植被指数总结
植被指数
概念:利用卫星不同波段探测数据组合而成得,能反映植物生长状况得指数。
植物叶面在可见光红光波段有很强得吸收特性,在近红外波段有很强得反射特性,这就是植被遥感监测得物理基础,通过这两个波段测值得不同组合可得到不同得植被指数。差值植被指数又称农业植被指数,为二通道反射率之差,它对土壤背景变化敏感,能较好地识别植被与水体。该指数陌生物量得增加而迅速增大。比值植被指数又称为绿度,为二通道反射率之比,能较好地反映植被覆盖度与生长状况得差异,特别适用于植被生长旺盛、具有高覆盖度得植被监测。归一化植被指数为两个通道反射率之差除以它们得与。在植被处于中、低覆盖度时，该指数随覆盖度得增加而迅速增大,当达到一定覆盖度后增长缓慢，所以适用于植被早、中期生长阶段得动态监测。蓝光、红光与近红外通道得组合可大大消除大气中气溶胶对植被指数得干扰，所组成得抗大气植被指数可大大提高植被长势监测与作物估产精度。
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得指标，各个植被指数在一定条件下能用来定量说明植被得生长状况。在学习与使用植被指数时必须由一些基本得认识:
1、健康得绿色植被在NＩＲ与Ｒ得反射差异比较大，原因在于R对于绿色植物来说就是强吸收得,NIR则就是高反射高透射得;
2、建ห้องสมุดไป่ตู้植被指数得目得就是有效地综合各有关得光谱信号,增强植被信息,减少非植被信息
3、植被指数有明显得地域性与时效性,受植被本身、环境、大气等条件得影响
一、ＲVI——比值植被指数：ＲVI=NIR/Ｒ,或两个波段反射率得比值。
1、绿色健康植被覆盖地区得RVI远大于1,而无植被覆盖得地面(裸土、人工建筑、水体、植被枯死或严重虫害)得ＲVＩ在1附近。植被得RVI通常大于2;
2、ＲVＩ就是绿色植物得灵敏指示参数,与LＡＩ、叶干生物量(DM)、叶绿素含量相关性高,可用于检测与估算植物生物量；
植被遥感指数公式及简介
可编辑ppt
1
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）
可编辑ppt
2
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。
可编辑ppt
同植被与土壤亮度线的距离不同。于是 Richardson（1977）把植物象元到土壤亮度线的垂 直距离定义为垂直植被指数（Perpendicular Vegetation Index）。
PVI是一种简单的欧几米得（Euclidean）距离。 表示为：
PVI= (SRVR)2(SVI RSVI)R 2
可编辑ppt
9
缨帽变换（TC变换）是以陆地卫星MSS各波段的辐度 亮度值作为变量。经线性变换后，组成4个新变量：
TC10.433MSS40.632MSS50.586MSS60.264MSS7 TC2-0.290MSS4-0.562MSS5-0.600MSS60.491MSS7 TC3-0.829MSS40.522MSS50.039MSS60.194MSS7 TC4 0.233MSS40.021MSS5-0.543MSS60.810MSS7
NDVI的一个缺陷在于，对土壤背景的变化 较为敏感。
实验表明，作物生长初期NDVI将过高估计 植被覆盖度，而在作物生长的结束季节，NDVI 值偏低。因此，NDVI更适用于植被发育中期或 中等覆盖度的植被检测。
可编辑ppt
6
差值植被指数 （Difference Vegetation Index）
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。
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；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。
如何进行植被指数提取与分类
如何进行植被指数提取与分类植被指数提取与分类是遥感技术在生态环境研究中的重要应用之一。
随着遥感技术的不断发展，植被指数提取与分类在农业、林业、地理信息系统等领域发挥着重要作用。
本文将从植被指数的定义与原理、常用的植被指数、植被指数提取方法以及植被分类方法等方面进行探讨。
一、植被指数的定义与原理植被指数是利用遥感数据来表征植被状况的指标。
常见的植被指数有归一化植被指数（NDVI）、植被指数（VI）、差值植被指数（DVI）等。
这些指数基于植被在远红外波段和可见光波段的反射特征，能够反映植被的生长状况、地表水分含量等信息。
二、常用的植被指数1. 归一化植被指数（NDVI）是最常用的植被指数之一。
它利用可见光波段和近红外波段的反射率进行计算，公式为（NIR-Red）/（NIR+Red）。
NDVI的取值范围在-1到1之间，数值越高表示植被状况越好。
2. 植被指数（VI）是另一种常见的植被指数。
它利用可见光波段和近红外波段的反射率进行计算，公式为NIR/Red。
与NDVI相比，VI更加敏感于绿色植被的变化，能够更好地反映植被生长情况。
3. 差值植被指数（DVI）是利用近红外波段和红光波段的反射率进行计算，公式为NIR-Red。
DVI能够反映植被的叶绿素含量和叶面积指数等信息，常用于农业生态环境监测和作物生长状况评估。
三、植被指数提取方法1. 基于像元的提取方法是最常用的植被指数提取方法之一。
该方法将遥感图像划分为若干个像元，通过计算每个像元的植被指数值来提取植被信息。
这种方法简单直观，但在处理复杂地物时容易出现混淆现象。
2. 基于纹理特征的提取方法是另一种常用的植被指数提取方法。
该方法利用图像中植被区域的纹理特征进行分类，可以较好地区分出植被与非植被区域。
然而，该方法对于纹理特征较弱的地物分类效果较差。
四、植被分类方法1. 监督分类是常用的植被分类方法之一。
该方法依靠已知地物样本进行训练，通过统计和模型计算来进行植被分类。
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。
缨帽变换（TC变换）是以陆地卫星MSS各波段的辐度 亮度值作为变量。经线性变换后，组成4个新变量：
TC10.433MSS40.632MSS50.586MSS60.264MSS7 TC2-0.290MSS4-0.562MSS5-0.600MSS60.491MSS7 TC3-0.829MSS40.522MSS50.039MSS60.194MSS7 TC4 0.233MSS40.021MSS5-0.543MSS60.810MSS7
PVI的显著特点是较好地滤除了土壤背景的影响，且
对大气效应的敏感程度也小于其它植被指数。正因为它减
弱和消除了大气、土壤的干扰，所以被广泛应用于作物估 产。 从理论上讲，GVI、PVI均不受土壤背景的影响，对植 被具有适中的灵敏度，利于提取各种土壤背景下生长的植
被专题信息。其数值已扩展到TM的6维数据（除TM6热红外
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。
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。
几种常用植被指数介绍
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Z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: L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 则是咼反射咼透射的；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二NIR/R,或两个波段反射率的比值。
U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：7DVI二(NIR-R)/(NIR+R),或两个波段反射率的计算。
U 7DVI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、-1UNDVIU1,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、7DVI的局限性表现在，用非线性拉伸的方式增强了7IR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増加速度,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.DVIXEVI 一一差值\环境植被指数：DVI二NIR-Rt或两个波段反射率的计算。
几种常用植被指数介绍
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。
植被指数名词解释
1.植被指数名词解释？
答：植被指数是由多光谱数据，经线性和非线性组合构成的对植被有一定指示意义的各种数值。
在植被指数中，通常利用植物光谱中的近红外与可见光红波段两个最典型的波段值。
根据这两个波段计算产生的各种参数都对植被生长状况、生产力敏感。
因此，常被用作描述植被生理状况，估测现存绿色生物量、植被生产力等等。
归一化差值植被指数NDVI即是普遍利用的刻画植被的指数。
植被归一化差值植被指数NDVI（Normalization Difference Vegetation Index）被定义为近红外波段与可见光红波段数值之差和这两个波段数值之和的比值。
- 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)。
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。
简称SR：SR=ρNIR/ρRED在LAI 值很高，即植被茂密时其灵敏度会降低.SR值的范围是0~30，一般绿色植被区的范围是2~83.Enhanced Vegetation Index 增强植被指数增强NDVI,解决土壤背景和大气气溶胶对茂密植被的影响。
简称：EVIEVI通过加入蓝色波段以增强植被信号，矫正土壤背景和气溶胶散射的影响。
EVI常用于LAI值高，即植被茂密区。
其计算公式为：EVI=2.5（ρNIR-ρRED）/（ρNIR+6ρRED-7.5ρBLUE+1）EVI的值的范围-1~1，一般绿色植被区的范围是0.2~0.84. Atmospherically Resistant Vegetation Index大气阻抗植被指数增强NDVI,更好地解决大气散射的影响简称：ARVIARVI是NDVI的改进，它使用蓝色波段矫正大气散射的影响（如气溶胶），ARVI常用于大气气溶胶浓度很高的区域，如烟尘污染的热带地区或原始刀耕火种地区。
其计算公式为：ARVI=【ρNIR-(2ρRED -ρBLUE)】/【ρNIR+(2ρRED -ρBLUE)】值的范围是-1~1，一般绿色植被区的范围是0.2~0.8。
5. Sum Green Index绿度总和指数绿色波段范围的整体光散射对植被冠层间隙的敏感度简称：SGSG指数是用于探测绿色植被变化最简单的植被指数。
由于在可见光范围内，绿色植被对光强吸收，SG指数对稀疏植被的小变化非常敏感。
SG指数是500 nm ~600 nm范围内平均波谱反射率。
总和最后会被转化回反射率。
值的范围是0~50+，一般植被区域是10~25。
Narrowband Greenness (7 indices) （窄带绿色指标(7)）窄带绿度指数对叶绿素含量、叶子表面冠层、叶聚丛、冠层结构非常敏感。
它使用了红色与近红外区域部分——红边，红边是介于690 nm ~ 740 nm之间区域，包括吸收与散射。
它比宽带绿度指数更加灵敏，特别是对于茂密植被。
1. Red Edge Normalized Difference Vegetation Index红色归一化植被指数使用红遍波段的改进型NDVI简称：NDVI 705NDVI 705是NDVI的改进型，它对叶冠层的微小变化、林窗片断和衰老非常灵敏。
它可用于精细农业、森林监测、植被胁迫性探测等。
其计算公式为:NDVI 705 =(ρ750-ρ445)/(ρ750+ρ445)值的范围是-1~1，一般绿色植被区的范围是0.2~0.9。
2. Modified Red Edge Simple Ratio Index改进红边比值植被指数使用红边和蓝色波段比值简称：mSR 705mSR 705改正了叶片的镜面反射效应，可它可用于精细农业、森林监测、植被胁迫性探测等。
其计算公式为:mSR 705=(ρ750-ρ445)/( ρ705+ρ445)值的范围是0~30，一般绿色植被区的范围是2~8。
3. Modified Red Edge Normalized Difference Vegetation Index改进红边归一化植被指数使用蓝色波段，补偿了光散射简称：mNDVI 705mNDVI 705是NDVI 705的改进型，它考虑了叶片的镜面反射效应。
它对叶冠层的微小变化、林窗片断和衰老非常灵敏，可用于精细农业、森林监测、植被胁迫性探测等。
其计算公式为：mNDVI 705=(ρ750-ρ705）/（ρ750+ρ705-2ρ445）值的范围是-1~1，一般绿色植被区的范围是0.2~0.7。
4.VogelmannRed Edge Index 1Vogelmann红边指数1标示红光至近红外过渡的交接处，指示树冠压力简称：VOG1VOG1指数对叶绿素浓度、叶冠层和水分含量的综合非常敏感。
它可应用于植物物候变化研究、精细农业和植被生产力建模。
其计算公式为：VOG1=ρ740/ρ720值的范围是0~20，一般绿色植被区的范围是4~8。
5.Vogelmann Red Edge Index 2 Vogelmann红边指数2标示近红外过渡形状，指示树冠胁迫性和衰老迹象简称：VOG2VOG2指数对叶绿素浓度、叶冠层和水分含量的综合非常敏感。
它可应用于植物物候变化研究、精细农业和植被生产力建模。
其计算公式为：VOG2=（ρ734-ρ747）/（ρ715+ρ726）值的范围是0~20，一般绿色植被区的范围是4~8。
6.Vogelmann Red Edge Index 3 Vogelmann红边指数3标示近红外过渡形状，指示树冠胁迫性和衰老迹象简称：VOG3VOG3指数对叶绿素浓度、叶冠层和水分含量的综合非常敏感。
它可应用于植物物候变化研究、精细农业和植被生产力建模。
其计算公式为：VOG3=（ρ734-ρ747）/（ρ715+ρ720）值的范围是0~20，一般绿色植被区的范围是4~8。
7.Red Edge Position Index红边位置指数在红外过渡定位最大衍生物，对叶绿色浓度非常敏感简称：REPREP指数对植被叶绿素浓度变化、叶绿素浓度增加使得吸收特征变宽及红边向长波段方向移动非常敏感。
红边位置在690 nm ~ 740 nm范围内急剧倾斜波长范围，一般植被在700nm~730nm。
REP指数的结果输出是在0.69微米~0.74微米光谱范围内，植被红边区域内的反射率的最大导数的波长。
常用于农作物监测和估产，生态系统干扰探测，光合作用模型，和由气候或其他因素产生的冠层胁迫性。
Light Use Efficiency (3 indices)（光利用率(3个指标)）光利用率指数是用来度量植被在光合作用中对入射光的利用效率。
光的利用效率直接与碳吸收效率、植被生长速度和光合有效辐射（fAPAR）有很大的关系。
1. Photochemical Reflectance Index光化学反射指数对估算叶片类胡萝卜素（尤其是黄色色素），叶片胁迫性和碳吸收效率非常有用简称：PRIPRI对活植物的类胡萝卜素（尤其黄色色素）变化非常敏感，类胡萝卜素可标识光合作用光的利用率，或者碳吸收效率。
可用于研究植被生产力和胁迫性，常绿灌木植被的健康，森林以及农作物的衰老。
其计算公式为：PRI=（ρ531-ρ570）/（ρ531+ρ570）值的范围是-1~1，一般绿色植被区的范围是-0.2~0.2。
2. Structure Insensitive Pigment Index结构不敏感色素指数作为总体冠层结构和植被容量变化的叶片色素含量指标简称：SIPISIPI用来最大限度地提高类胡萝卜素（例如α-胡萝卜素和β-胡萝卜素）与叶绿素比率在冠层结构（如叶面积指数）减少时的敏感度，SIPI的增加标识冠层胁迫性的增加。
可用于植被健康监测、植物生理胁迫性检测和作物生产和产量分析。
其计算公式为：SIPI=（ρ800-ρ445）/（ρ800+ρ680）值的范围是0~2，一般绿色植被区的范围是0.8~1.8。
3. Red Green Ratio Index红绿比值指数对花青素和叶绿素的比率非常敏感简称：RGRG比值指数指示由于花青素代替叶绿素而引起叶片变红的相关表达式。
可估算植被冠层发展过程，它还是叶片生产力与胁迫性的指示器，甚至可标识一些冠层的开花。
应用于植物生长周期（物候）研究，冠层胁迫性检测和作物估产。
RG比值指数结果输出是红色范围内所有波段均值除以与绿色范围内所有波段均值。
值的范围是0.1~8，一般绿色植被区的范围是0.7~3。
Canopy Nitrogen (1 index)（树冠氮指数(1)）冠层氮指数提供一种用遥感度量氮浓度的方法。
氮是叶绿素的重要组成部分，具有高浓度氮的植被生长速度较快，冠层氮指数使用短波红外测量植被冠层中氮的相对含量。
1. Normalized Difference Nitrogen Index归一化氮指数简称：NDNINDNI是用于估算植被冠层中氮的相对含量。
在1510nm的反射率主要取决于叶片氮的含量，以及冠层总体叶生物量。
结合叶片氮含量和冠层叶生物量在1520nm范围内预测叶片氮的含量，在1680nm波长范围作为参考反射率，冠层叶生物量这个波长范围具有与1520nm 波长范围类似的反射特性，而且1680nm波长范围内没有氮吸收影响。
NDNI在植被还是绿色以及覆盖浓密时候，对氮含量的变化非常敏感，它用于精细农业、生态系统分析和森林管理。
其计算公式为：NDNI=【log（1/ρ1510）-log（1/ρ1680）】/【log（1/ρ1510）+log（1/ρ1680）】值的范围是0~1，一般绿色植被区的范围是0.02~0.1。