植被指数和应用

3）应用植被指数提取植被信息比单通道值准确可靠
（a） 植被-土壤系统是一个复杂的非朗伯体系，其反射率 是太阳方向、传感器方向、自身结构参数（LAI、LAD 等）、光学参数（叶片反射率与透过率、土壤发射率等） 等因子的函数，不同种类、不同发育期会有所变化，而 且有些参数难以获得。此外，由于自然状况（风、病虫 害）和人为状况的影响，各通道反射率也会发生变化， 造成判读困难。
A Review of Vegetation Indices
土壤线
Kauth 和 Thomas (1976) 基于Landsat-MSS的4个波段数据，在四维空 间中分析了裸露土壤光谱的变化情况。他们认为裸露土壤信号的变化都应 该归结为其亮度的变化而造成的，因为大部分的土壤光谱数据都位于从原 点出发的一条直线线上。这条直线被称为“土壤线”或“土壤亮度向量”。
§7.4.2 植被指数分类
根据函数形式，植被指数主要分为 2类。
（1）比值型植被指数
RVI Rir Rr
Rir Rr NDVI
Rir Rr
Rir与Rr分别为近红外与红色波段的反射率。
RVI称为比值植被指数
NDVI称为标准差值植被指数
（2）垂直距离型植被指数
PVI = Rircosθ-Rrsinθ
其中，L是一个土壤调节系数。 大量试验证明，SAVI降低了土壤背景的影响，改善
了植被指数与叶面积指数LAI的线性关系。但可能丢失 部分植被信息，使植被指数偏低。一般来说，SAVI仅在 土壤线参数a＝1，b＝0时适用。
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：
假设存在土壤线（斜率M，截距I）： Rs,ir = MRs,r + I 回忆： NDVI Rir Rr
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。
第七章 植被遥感
第四wenku.baidu.com 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
这里，a是土壤线的斜率， b是土壤线在原点时的纵坐标。
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
§7.4.3 土壤背景影响与消除
当人们用不同波段的植被-土壤系统的反射率因子以 一定的形式组合成一个参数时，发现它可以突出植被信 息，抑制其它目标信息，同时它与植被特性参数间的函 数联系（如LAI），比单一波段值更稳定、可靠。 我们把这种多波段反射率因子的组合统称为植被指数 （或植被光谱参数）。
2）植被指数的基本原理
对于遥感数据的信息来讲，很难对其进行分解，从而得到有用的 一些参数 ，而植被指数恰好能应用于大范围的植被覆盖定性研究。
当采用多波段时，可以通过比值或差值形式，部分消 除某些参数（如LAD）在各波段上产生的同步影响。
（b） 传感器测量的是来自目标的辐射亮度值，当辐射环境发生 变化时（如大气透明度变化造成太阳直射和天空光变化，地 形地貌也会影响辐射环境），接收的目标亮度会发生变化， 难以作为判读的依据。但植被指数可以部分消除这一影响。
Lr 2 SrFrrd r 2 SrFrd
1
1
Lir 4SirFirird ir 4SirFird
3
3
其中S、F分别为太阳光谱和传感器响应函数，则有：
RVI
ir

Lir / 4SirFird 3

Lir
•B
r
Lr / 2 SrFrd 1
PVI = (Rir-b)cosθ-Rrsinθ
PVI称为垂直植被指数
垂直植被指数 PVI = Rircosθ - Rrsinθ 的物理意义：
Rir θ
A θ
θ
Rr
θ 为土壤线与Rr坐标轴之间的夹角。
若忽略土壤线在Rir轴上的截距，则A(Rr,Rir)的PVI值实际 上就是A点到土壤线的垂直距离。 何为土壤线？植被、水体的坐标分布？
Lr
B受辐射环境变化的影响比单一波段要小得多。
NDVI RVI 1 RVI 1
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
Richardson 和 Wiegand (1977) 的研究表明，在红、近红外空间中，土 壤像元会沿一条直线排列。这个发现导致了“土壤背景线” （Soil Background Line，SBL）的产生。基于SBL的指数同样也能区分土壤和植 被。
SBL可以使用下面的公式表示： NIR = aR+b
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。
什么情况下裸露土壤的NDVI=0？
为了解释背景的光学特征变化并修正NDVI对土壤背 景的敏感，Huete等（1998）提出了可适当描述土壤-植 被系统的简单模型，即土壤调整植被指数（SAVI-Soil Adjusted Vegetation Index），其表达式为：
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。当我们观察植被的反射率曲线 时，红与红外区间反射率的差异会由于绿色植被 的不同覆盖而变化。使用这两个波段信息的组合 能够区分植被与土壤，以及测量不同植被覆盖度 下的光合有效生物量。