《植被遥感指数公式及简介》由会员分享，可在线阅读，更多相关《植被遥感指数公式及简介（15页珍藏版）》请在装配图网上搜索。
1、植被遥感指数植被遥感指数植被指数类型植被指数类型归一化植被指数（NDVI） 缨帽变换中的绿度植被指数（GVI）比值植被指数（RVI）差值植被指数（DVI）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。 比值植被指数可表达为： RVI=DNNIR/ DNR 或 RVI=NIR/R （简单表示为NIR/R） RVI是绿色植物的一个灵敏的指示参数。研究表明，它与叶面积指数（LAI）、叶干生物量（DM）、叶绿素含量相关性高，被广泛用于估算和监测绿色
2、植物生物量。在植被高密度覆盖情况下，它对植被十分敏感，与生物量的相关性最好。但当植被覆盖度小于50%时，它的分辨能力显著下降。 此外，RVI对大气状况很敏感，大气效应大大地降低了它对植被检测的灵敏度，尤其是当RVI值高时。因此，最好运用经大气纠正的数据，或将两波段的灰度值（DN）转换成反射率（）后再计算RVI，以消除大气对两波段不同非线性衰减的影响。 归一化植被指数（Normalized Difference Vegetation Index） NDVI=（DNNIR-DNR）/（ DNNIRDNR） NDVI=(NIR-R)/ (NIR+R) 实际上，NDVI是简单比值RVI经非线性的归一化
3、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和植被监测的指标。 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。差值植被指数（Difference Vegetation Index） 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与可见光红波段数值之差。 即 DVI= DNNIR-DNR 或 DVI=NIR - R 差值植
4、被指数的应用远不如RVI、NDVI。它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。 上述的NDVI、DVI等植被指数均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。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
5、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 TC3-0.829MSS40.522MSS50.039MSS60.194MSS7TC4 0.233MSS40.021MSS5-0.543MSS60.810MSS7 第一分量TC1表征“土壤亮度”，它反映土壤亮度信息； 第二分量TC2表征“绿度”，它与绿色植被长势、覆盖度等信息直接相关； 第三分量为“黄度”，
6、无确定意义，位于TC1、TC2的右侧； 第四分量为“nonesuch”无景观意义，主要为噪声（包含系统噪声和大气信息）。 第一、二分量往往集中了95%或更多的信息。因此，植被、土壤信息主要集中在由TC1、TC2组成的二维图形中。 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： GVI=-0.2848TM1-0.2435TM2-0.5436TM3 +0.7243TM4 +0.084TM5-0.1800TM7垂直植被指数（PVI） 不同植被与土壤亮度线的距离不同。于是Richardson（1977）把植物象元
7、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： 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。22)()(VIRVIRRRSSVS PVI= 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热红外数据），以及AVHRR的可见光近红外数据，并有现成的模型和成熟的图象处理算法.Thanks
植被遥感指数公式及简介
