遥感植指数种类

遥感植被指数的种类、适用性和优缺点分析
摘要：遥感是现代科学技术中的一种远距离观测、分析目标地物的理论和方法，它在现代环境监测中具有广泛的应用。

遥感植被指数是指利用遥感图像进行植被长势、生物量生产潜能等监测的重要指标。

本文将在对植物的光谱特征分析的基础上，总结相关研究，对植被指数的种类以及它们的适用性和优缺点进行分析。

1、引言
遥感是指利用不同地物波谱特征不同这一特性，通过传感器这类对电磁波敏感的仪器，在远离目标和非接触目标物体条件下探测目标地物，获取其反射、辐射或散射的电磁波信息，进行处理、分析与应用的一门科学和技术。

而植被指数则是利用遥感图像获取多光谱遥感数据，经过分析得到植被分布、种类等数值，对某些植被的长势、生物量等有一定应用价值。

目前，国内外学者已研究发展了几十种不同的植被指数模型，常用的有以下几类：
1、比值植被指数（RVI）；
2、归一化植被指数（NDVI）；
3、差值植被指数（DVI）；
4、缨帽变换中的绿度植被指数（GVI）；
5、垂直植被指数（PVI）；
6、土壤调整植被指数（SAVI）等，
这几类植被指数对植被的敏感性、抗土壤和大气的干扰性等不尽相同。

一般情况下由于归一化植被指数（NDVI）与一些重要的生物物理参数如生物量、叶面积指数和光有效辐射等有密切的联系[1]，所以NDVI被广泛用于植被研究。

遥感植被指数是预测生物量、作物生产潜能以及评价一个生态系统结构与功能特征的重要指标[2]，然而遥感的植被指数不仅取决于植被的种类，还要受到其他环境条件的干扰，如土壤湿度、土壤的物理化学属性、大气条件以及季节等的影响。

于是如何在不同的条件下选择不同的植被指数对更好的进行植被监测、农作物估产等有着较大的影响。

本文正是通过对植被遥感的原理、植物光谱特征分析研究等的基础上，总结有关资料数据，对各类遥感植被指数的适用性和优缺点进行了分析，作为今后相关研究的参考。

2、植被遥感的原理
植物遥感依赖于植物本身的特征，主要是叶片结构特点和植被冠层光谱特性。

我们都知道，植物叶片能进行光合作用，但所利用的仅是太阳光的可见光部分（0.4~0.76μm），即称之为光合有效辐射（PAR），约占太阳辐射的47%~50%，其强度随着时间、地点、大气条件等变化。

植物的光谱特征可使其在遥感影像上有效地与其他地物相区别。

同时，不同
的植物各有其自身的波谱特征，从而成为区分植被类型、长势及估算生物量的依据。

首先，近红外波段是植物遥感的重要波段，因为近红外区的反射是受叶内复杂的叶腔结构和腔内对近红外辐射的多次散射控制，以及近红外光对叶片有近50%的透射和重复反射，这对植物的生长阶段、发育水平或受病虫害胁迫状态或水分亏缺状态等的监测有很重要的意义；其次，植物的微波辐射特征能量较低，受大气干扰较小等。

2.1健康植被的反射光谱特征
健康植物的波谱曲线有明显的特点，在可见光的0.55µm附近有一个反射率为10％~20％的小反射峰。

在0.45µm和0.65µm附近有
两个明显的吸收谷。

在
0.7~0.8µm是一个陡坡，反
射率急剧增高。

在近红外波
段0.8~1.3µm之间形成一个
高的，反射率可达40％或更
大的反射峰。

在1.45µm，
1.95µm和
2.6~2.7µm处有
三个吸收谷。

图1:健康植被的有效光谱响应特征
2.2影响植物光谱的因素
影响植物光谱的因素除了植物本身的结构特征，同时也受到外界的影响。

外界影响主要包括季节的变化，植被的健康状况，植物的含水量的变化，植株营养物质的缺乏与否等等。

但外界的影响总是通过植物本身生长发育的特点在有机体的结构特征反映出来的。

从植物的典型波谱曲线来看，控制植物反射率的主要因素有植物叶子的颜色、叶子的细胞构造和植物的水分等。

植物的生长发育、植物的不向种类、灌溉、施肥、气候、土壤、地形等因素都对有机物的光谱特征发生影响，使其光谱曲线的形态发生变化。

总之，不同植被种类、在不同的生长时期呈现出不同状态以及不同的环境条件变化等的结果都将进一步反应到植被遥感图像中，同时，植被的光谱反射或发射特性是由其化学和形态学特征决定的，而这种特征与植被的发育、健康状况以及生长条件密切相关。

因此，可以采用多波段遥感数据来揭示植物活动的信息，进行植物状态监测等。

3、植被指数的概念
遥感植被指数是反映地表植被覆被情况的数学指标,可用于提取植被覆被信息。

由于高光谱遥感的窄波段特性,高光谱遥感植被指数可以定量地反演植被的物理和化学参量,如叶绿素、叶黄素、类胡萝卜素等色素,N、P、K等营养物质,纤维素、木质素、蛋白质、淀粉、糖和油等。

这些定量信息的获取对全面、精确地分析和评价生态环境具有重要的意义。

通常在植被指数中，选用对绿色植物强吸收的可见光红波段和对绿色植物高反射的近红外波段。

4、植被指数的种类、适用性及其优缺点分析
4.1几种常用的植被指数种类
（1）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。

比值植被指数可表达为：
或者
其中：DN为近红外（NIR）、红外段（R）的灰度值，ρ为地表反照率比值值被指数（RVI）对于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有强反射，使其R与NIR值有较大的差异，从而产生较高的RVI值。

而对于无植被的地面包括裸土、人工特征物、水体以及枯死或受胁迫植被，由于不显示这种特殊的光谱响应，则RVI值低。

因此，比值植被指数能增强植被与土壤背景之间的辐射差异，适用于估算和监测植被覆盖，是植被长势、丰度的度量方法之一。

但该指数对大气影响敏感，最好运用经大气纠正的数据，或将两波段的灰度值转换成反射率，消除大气对两波段不同非线性衰减速的影响后再进行指数的计算，而且当植被覆盖不够浓密时(小于50%)，其分辨能力也很弱；在植物生长的整个阶段，能较好地反映植被的覆盖度和生长状况的差异，特别适合于植被生长高度旺盛并具有高覆盖度时的植被监测。

（2）归一化植被指数（NDVI）：为近红外波段（NIR）与可见光红波段（R）数值之差和这两个波段数值之和的比值。

即：
或
其中：DN为近红外（NIR）、红外段（R）的灰度值，ρ为地表反照率归一化植被指数（NDVI）是简单比值RVI经非线性的归一化处理所得。

在植被遥感中，NDVI的应用最为广泛。

它是植被生长状态及植被覆盖度的最佳指示因子，与植被分布密度呈线性相关。

因此又被认为是反映生物量指标。

NDVI部分消除了太阳高度角、卫星扫描角及大气程辐射的影响，特别适用于全球或各大陆等大尺度的植被动态监测。

这是因为，对于陆地表面主要覆盖而言，云、水、雪在可见光波段比近红外波段有较高的反射作用，因而其NDVI值为负值（岩石、裸土在两波段有相似的反射作用，因ρ其NDVI值近于0；而在有植被覆盖的情况下，NDVI为正值（＞0），并随着植被覆盖度增大，其NDVI值越大。

可见，几种典型的地面覆盖类型在大尺度NDVI图像上区分鲜明，植被得到有效的突出。

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。

NDVI的一个缺陷在于，对土壤背景的变化较为敏感。

实验证明，当植被覆盖度小于15%时，植被的NDVI值高于裸土的NDVI值，植被可以被检测出来，但因植被覆盖度很低，如干旱、半干旱地区，其NDVI很难指示区域的植物生物
量，而对观测与照明却反应敏感；当植被覆盖度由25～80%增加时，其NDVI值随植物量的增加呈线性迅速增加；当植被覆盖度大于80%时，其NDVI值增加延缓而呈现饱和状态，对植被检测灵敏度下降。

（3）差值植被指数（DVI）：又称环境植被指数（EVI），被定义为近红外波段（NIR）与可见光红波段（R）数值之差。

即：
其中：DN为近红外（NIR）、红外段（R）的灰度值
差值植被指数（DVI）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，主要应用于高光谱遥感研究中，尤其是在利用高光谱遥感提取植被化学成份信息方面得到成功的应用。

另外，当植被覆盖浓密（≥80%）时，它对植被的灵敏度下降，适用于植被发育早－中期，或低－中覆盖度的植被检测。

与NDVI类似，DVI植被指数受土壤背景的影响大，且这种影响是相当复杂的，它随波长、土壤特征（含水量、有机质含量、表面粗糙度等）及植被覆盖度、作物排列方向等的变化而变化。

（4）缨帽变换中的绿度植被指数（GVI）：为了排除或减弱土壤背景值对植物光谱或植被指数的影响，除了修正土壤亮度的植被指数（如SAVI、TSAVI、MSAVI 等）外，还广泛采用了光谱数值的缨帽变换技术（Tasseled Cap，即TC变换）又称之为K-T变换。

而对于TM而言，可见光—红外6个波段数据经缨帽变换的前三个分量主要反映土壤亮度、绿度、湿度特征，第四分量主要为噪声。

其中绿度指数可表示为：
TC变换既然是以各波段的辐射亮度值作为变量的，这些亮度值中包含了太阳辐射、大气辐射、环境辐射等多要素的综合信息，因而TC变换所得的图形和数值，受大气纯度、光照角度等外界条件的变化而波动。

就K-T变换的特征空间而言,其林学意义是很明确的,森林具有较高的绿度、湿度和较低的亮度,它们在光谱空间具有相对稳定的位置,利用这一特殊性质,即可用反射光谱描述森林的林学意义及其环境特征。

（5）垂直植被指数（PVI）：是在R、NIR二维数据中对GVI的模拟，两者物理意义相似。

在R、NIR的二维坐标系内，土壤的光谱响应表现为一条斜线——即土壤亮度线。

土壤在R与NIR波段均显示较高的光谱响应，随着土壤特性的变化，其亮度值沿土壤线上下移动。

而植被一般在红波段响应低，而在近红外波段光谱响应高。

因此在这二维坐标系内植被多位于土壤线的左上方。

不同植被与土壤亮度线的距离不同。

于是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，是一种简单的欧几米得（Euclidean）距离。

表示为：
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
PVI表征着在土壤背景上存在的植被的生物量，距离越大，生物量越大，也可将PVI定量表达为：
其中：DN为近红外（NIR）、红外段（R）的灰度值，b为土壤基线与NIR反射率纵轴的截距，为土壤基线与R光反射率横轴的夹角
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。

（6）土壤调整植被指数（SAVI）：基于NDVI和大量观测数据提出土壤调节植被
指数用以减小土壤背景影响。

其中：DN为近红外（NIR）、红外段（R）的灰度值，土壤调节系数L
SAVI能够减少土壤和植被冠层背景的干扰,但是必须预先知道下垫面植被的密度分布或覆盖百分比，适合于提取某一小范围植被覆盖度变化较小的下垫
面的植被信息。

SAVI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。

当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。

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。

因此为了减小SAVI中的裸土影响，将植被指数发展为修改型土壤调整植被
指数(MSAVI)。

Major等又发展了SAVI的三个新的形式:SAVI2、SAVI3和SAVI4,这
些转换形式是基于理论考虑,考虑到土壤是干燥的还是湿润的,以及太阳入射角的
变化等。

4.2其他植被指数种类
名称简写公式作者及日期黄度植被指数YVI-0.283MSS4-0.66MSS5+0.577MSS6+0.388MSS7Kauth等人，1976 Misra绿度植被指数MGVI-0.386MSS4-0.53MSS5+0.535MSS6+0.532MSS7Misra等人，1977农业植被指数AVI 2.0MSS7-MSS5Ashburn，1978多时相植被指数MTVI NDVI(date2)-NDVI(date1)Yazdani等人，1981调整绿度植被指数AGVI GVI-(1+0.018GVI)YVI-NSI/2Jackson等人，1983红色植被指数RI（R-G）/（R+G）Escadafal等人,1991非此植被指数NSI-0.283MSS4-0.66MSS5+0.577MSS6+0.388MSS7Kauth等人，1976裸土植被指数GRABS GVI-0.09178SBI+5.58959Hay等人，1978转换型土壤调整指数TSAVI a(NIR-aR-B)]/(R+aNIR-ab Baret等人,1989大气阻抗植被指数ARVI（NIR-RB）/（NIR+RB）Kanfman等人，1992
以上为几种比较不常见的植被指数种类，本文不在单独列举其适用性及优缺点。

5、总结
本文通过分析遥感和植被的遥感特性，解释了利用遥感确定植被指数的原理。

即利用对电磁波敏感的传感器采集研究区遥感图像，依据植被的光谱特征分析研究区植被的分布、种类、长势等数据。

本文主要列举了6种植被指数，不同的植被指数分别有不同的适用性与优缺点，现总结如下表：
可见，每一植被指数的应用环境有自已的特点，而且都有它对绿色植被的特定表达方式，因此；在实际应用中，对植被指数的取舍要相当谨慎，要根据其优遥感植被指数
适用性优点缺点比值植被指数
（RVI ）估算和监测植被生长高度旺盛并具有高覆盖度时的植被覆盖，度量植被长势、丰度能较好地反映植被的覆盖度和生长状况的差异受大气影响较大，且覆盖率小于50%时，监测受限
归一化植被指数（NDVI ）适用于发育中期或中等覆盖度的植被生长状态和植被覆盖度的监测，较好的反映生物量，特别适用于全球或各大陆等大尺度的植被动态监测
部分消除了太阳高度角、卫星扫描角及大气程辐射的影响，对土壤背景的变化较为敏感，当
植被覆盖度小于15%时，NDVI
很难指示区域的植物生物量、当
植被覆盖度大于80%时，对植被检
测灵敏度下降、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
偏低差值植被指数（DVI ）对植被生态环境的监测，
主要应用于高光谱遥感研
究中，尤其适用于在利用
高光谱遥感提取植被化学
成份信息方面、适用于植
被发育早－中期，或低－
中覆盖度的植被检测对土壤背景的变化极为敏感利于对植被生态环境的监测当植被覆盖浓密（≥80%）时，它对植被的灵敏度下降、
缨帽变换中的绿度
植被指数（GVI ）用于描述森林的林学意义及其环境特征、也用于农
作物识别排除或减弱土壤背景值对植物光谱或植被指数的影响受大气纯度、光照角度等外界条件的变化而波动、由于它缺乏具体的时间变量，不能描述作物生长期的长短，特别是当两种作物在图形和空间位置相近，需用时
间参数加以鉴别时，反映出一定
的局限性
垂直植被指数（PVI ）广泛应用于作物估产、计算页面指数、植被识别和
分类
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当植被覆盖稀疏时，不能对植被
光谱行为提供合适的描述、土壤调整植被指数（SAVI ）适合于提取某一小范围植
被覆盖度变化较小的下垫
面的植被信息减小土壤背景影响、能够减少土壤和植被冠层背景的干扰必须预先知道下垫面植被的密度分布或覆盖百分比
缺点、适用性来选择合理的植被指数，科学的对植被长势、生物量生产潜能等进行监测。

[1]张仁华.实验遥感模型及地面基础[M].北京:科学出版社.1996.
[2]钱峻屏.利用遥感植被指数分析中国东部样带农业生态系统的生产力格局[J].生态
学杂志,2001，20(6):46-49.
[3]田庆久,闵祥军.植被指数研究进展[J].地球科学进展,1998,13(4):219)225.
[4]吕国楷.遥感概论[M].北京:高等教育出版社,1995.
[5]陈述彭.世界森林的数字地球监测[J].遥感学报,2001,(15):321-326.
[6]马志勇,沈涛,张军海,等.基于植被覆盖度的植被变化分析[J].测绘通报,2007(3):
4548
[7]梅安新,彭望王录遥感导论M.北京:高等教育出版社,2001240-249
[8]赵英时，陈冬梅，杨立明，等.2003.遥感应用分析原理与方法北京:科学出版社。