对几种植被指数的认识

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 -。

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。

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。

几个植被指数

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。

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、雪、枯叶、粗糙度等，且与植被覆盖有关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。

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。

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。

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。

几种常用植被指数介绍

几种常用植被指数介绍植被指数是通过遥感技术获取的植被信息量化指标，包括植被覆盖度、生长状态、植被类型等信息，广泛应用于土地利用、资源管理、环境监测等领域。

在本文中，将介绍几种常用的植被指数，包括归一化植被指数（NDVI）、广域植被指数（EVI）、归一化差值水体指数（NDWI）、颜色指数（CI）、土地覆盖指数（LCI）等。

1. 归一化植被指数（NDVI）归一化植被指数（Normalized Difference Vegetation Index，NDVI）是最早被广泛应用的植被指数，由罗浮（Rouse）等人于1974年提出。

它以红光波段和近红外波段的反射率之差的比值来度量植被状况，公式为：NDVI = (NIR - RED) / (NIR + RED)其中，NIR为近红外波段的反射率，RED为红光波段的反射率。

NDVI取值范围为-1到1之间，数值越大代表植被覆盖度越高，生长状况越好。

广域植被指数（Enhanced Vegetation Index，EVI）是对NDVI的一种改进，由胡侃（Huete）等人于1994年提出。

EVI在NDVI的基础上增加了大气校正、背景亮度校正等，公式为：其中，NIR、RED和BLUE分别为近红外波段、红光波段和蓝光波段的反射率。

EVI相比NDVI具有更好的大气校正能力和对土壤、雪等因素的较好抵抗能力，能够更准确地反映植被状况。

其中，Green为绿光波段的反射率。

NDWI值越低代表水体覆盖度越高，可以用于监测水体的位置和面积变化，以及水资源的管理和保护。

4. 颜色指数（CI）颜色指数（Color Index，CI）是一种基于色彩特征的植被指数，由Stiles于1954年提出。

它使用波段之间的差值来计算颜色特征，公式为：其中，GREEN、RED和BLUE分别为绿光波段、红光波段和蓝光波段的反射率。

CI能够反映植被的颜色特征，可以用于识别植被类型、估算植被生物量等。

土地覆盖指数（Land Cover Index，LCI）是一种基于土地覆盖类型的指数，由Gao和Ji于2008年提出。

植被指数

编辑本段DVIEVI——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 SAVITSAVIMSAVI——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、SAVI3、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
编辑本段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地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。
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。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，能较好地识别植被和水体。

植被指数总结

植被指数总结植被指数概念：结合不同卫星波段的检测数据，反映植物生长状况的指标。

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。

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，能较好地识别植被和水体。

该指数陌生物量的增加而迅速增大。

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和生长状况的差异，特别适用于植被生长旺盛、具有高覆盖度的植被监测。

归一化植被指数为两个通道反射率之差除以它们的和。

在植被处于中、低覆盖度时，该指数随覆盖度的增加而迅速增大，当达到一定覆盖度后增长缓慢，所以适用于植被早、中期生长阶段的动态监测。

蓝光、红光和近红外通道的组合可大大消除大气中气溶胶对植被指数的干扰，所组成的抗大气植被指数可大大提高植被长势监测和作物估产精度。

遥感技术可以监测植被的变化，主要研究植被NDVI的替代指标，又称标准化植被指数，是目前应用最广泛的指标。

这是近红外波段和红色波段之间的差异通过两者之和校正的结果，公式为：NDVI=（NIR红色）/（NIR+红色），指数值介于-1和1:0之间，表示该区域基本上没有植被生长；负值表示未被植被覆盖的区域；该值介于0和1之间。

数量越多，植被覆盖面积越大，植被越多。

云、水体和冰雪在红色和近红外波段有较大的反射，其NDVI值为负值；这两个波段的土壤和岩石反射率基本相同，因此它们的NDVI值接近0.05。

对于Landsat TM传感器，红外和可见光红色波段分别为CH 4和CH 3波段，以便显示不同像素的颜色，按公式（NDVI最小值）/（NDVI最大值NDVI最小值）×255将NDVI扩展到0~255计算ndvi必须用反射率。

DN值有多种类型。

TM和NOAA原始数据均为DN值，不能直接用于计算NDVI。

它只能通过辐射定标计算反射率来计算NDVI。

常用的植被指数

常用的植被指数植被指数（Vegetation Index）是指用来反映植被生长状态和活力的一种指标，常用于遥感数据的处理和分析中。

下面将介绍常用的植被指数，并解释其作用和适用情况。

1. 归一化植被指数（Normalized Difference Vegetation Index，NDVI）NDVI 是最早也是最常用的植被指数，其计算公式为 (NIR – Red) / (NIR + Red)，其中 NIR 表示近红外波段信号，Red 表示红色波段信号。

NDVI 的值范围为 -1 到 1，通常植被覆盖度高的地方 NDVI 值会更高。

NDVI 可以用来监测植被的生长周期和健康状况，评估土地的退化程度以及判断干旱和洪涝等自然灾害的影响。

2. 归一化水体指数（Normalized Difference Water Index，NDWI）NDWI 是用来区分水体和非水体的指数，其计算公式为 (Green –NIR) / (Green + NIR)，其中 Green 表示绿色波段信号。

NDWI 的值范围为 -1 到 1，如果某像素的 NDWI 值高于某个阈值，就被认为是水体；反之，就被认为是非水体。

NDWI 可以用来监测湖泊、河流、水库等水体的分布和变化情况。

3. 红边指数（Red Edge Index，REI）REI 是用来检测植被叶绿素含量和水分含量的指数，其计算公式为 (NIR – Red Edge) / (NIR + Red Edge)，其中 Red Edge 表示红边波段信号。

REI 的值范围为 -1 到 1，通常植被叶绿素含量高或水分含量高的地方 REI 值会更高。

REI 可以用来区分植被类型、监测植被健康状况以及评估土地干旱程度等。

4. 植被指数差分（Vegetation Index Difference，VID）VID 是用来监测植被健康状况和生长变化的指数，其计算公式为VID = (VI1 – VI2) / (VI1 + VI2)，其中 VI1 和 VI2 分别表示两个不同时期的植被指数。

植被指数总结

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。

②可用于实时、快速、无损监测作物氮素状况，这对于精确氮肥管理有重要意义。

利用高光谱比值指数RSI(990,720)来估算小麦叶片氮积累量为便携式小麦氮素监测仪的研制开发及遥感信息的快速提取提供了适用可行的波段选择与技术依据。

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。

植被指数总结

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。

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，能较好地识别植被和水体。

该指数陌生物量的增加而迅速增大。

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和生长状况的差异，特别适用于植被生长旺盛、具有高覆盖度的植被监测。

归一化植被指数为两个通道反射率之差除以它们的和。

在植被处于中、低覆盖度时，该指数随覆盖度的增加而迅速增大，当达到一定覆盖度后增长缓慢，所以适用于植被早、中期生长阶段的动态监测。

蓝光、红光和近红外通道的组合可大大消除大气中气溶胶对植被指数的干扰，所组成的抗大气植被指数可大大提高植被长势监测和作物估产精度。

遥感技术可以监测植被的变化，主要研究植被的替代指标. NDVI，又称标化植被指数，是目前应用最为广泛的指标，是近红外波段与红色波段的差异经二者之和校正后的结果. 公式为：NDVI=（NIR-RED）/（NIR+RED），该指数值介于-1与1之间： 0代表该区域基本没有植被生长；负值代表非植被覆盖的区域；取值0~1之间，数字越大代表植被的覆盖面积越大，植被的量越多。

云、水体和冰雪在红色及近红外波段均有较大反射，其NDVI值为负值；土壤和岩石在这两个波段的反射率基本相同，因此其NDVI值接近0. 对于Landsat TM传感器来说，其红外及可见红光波段分别为CH4和CH3波段. 为了对不同像素显示配色，按公式（NDVI-NDVI极小值）/（NDVI极大值-NDVI极小值）×255将NDVI扩展为0~255.计算NDVI必须用反射率。

DN值有多种类型，TM、NOAA的原始数据就是DN值，不能用来直接计算NDVI，必须通过辐射定标计算成反射率，才能用来计算NDVI。

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。

不同植被类型的叶面积指数

不同植被类型的叶面积指数植被叶面积指数（Leaf Area Index，LAI）是指在一定面积范围内，植被表面（或盖度）上的叶面面积与该范围地表面积的比值。

是决定植物生产力、生态系统物质循环、能量转换和环境变化的重要参数。

根据植被类型的不同，其LAI会有所差异，下面就分别从森林、草原和农田三个不同植被类型的角度来探讨其LAI。

一、森林森林是指自然地区中以树木为主要群落组成的陆地生态系统。

森林中树木的树冠拓扑结构和林下植被的比例组成了其LAI的主要影响因素。

森林中树冠多层叠加，使得光合有效辐射（PAR）的照射程度难以靠肉眼观测，LAI一般借助激光雷达等遥感技术来测量。

研究表明，垂直方向上，森林的LAI通常在单位地表积分区域内呈下降趋势，这与树冠结构的垂直分布不同有关。

因此，针对森林类型的土壤水分、养分等环境因素的研究应注意到森林不同高度层的植被情况。

二、草原草原是指主要以禾本科和菊科为主的植物群落的陆地生态系统。

草地植被的叶片密度和盖度大小是影响草原LAI 的关键因素。

通常情况下，草地的LAI值发生了季节性变化，通常在生长季节比非生长季节要高得多。

尤其在靠近季节性草地临界区的地带，不同物种的植被盖度差异很明显，从而导致LAI的差异。

因此，在进行草原植被类型的LAI研究时，需要注意到季节变化以及草地内部不同物种植被叶面积分布的差异性。

三、农田农田是指为了生产食物而人工开垦用于种植作物的土地。

在农田中，植被的盖度和叶片大小通常是影响农田LAI 的主要因素。

随着农田中各类农作物的光合作用的最大化，LAI通常增加到高值。

农田植被类型在LAI上也表现出较大的差异性，其中像烟、茶、油茶等大叶类作物LAI值相对较大，寄生植物的值相对较小。

此外，农作物的枝干结构、光合成能力等性状也会影响其LAI，因此，在研究农田植被类型LAI时，需要充分考虑各农作物的特点，以便深入了解不同农作物与环境因素之间的关系。

总之，不同植被类型的叶面积指数随着环境因素和植被生态体系的差异而产生所不同，本文从“森林”、“草原”、“农田”三个不同生态系统的角度分别探讨了这一问题。

几种常见植被指数(DOC)

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。