几种植被指数

(74) 2024-04-22 21:01:01

常见的植被指数

几种植被指数 (https://mushiming.com/)  第1张
常见有:比值植被指数、差值植被指数、归一化植被指数

一、RVI——比值植被指数:
RVI=NIR/R
1、值的范围:0-30+,一般绿色植被区的范围是2-8,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。;
2、RVI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; 与植被覆盖度: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,敏感性显著降低;
3、局限: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。
4、应用:
“由于研究区植被覆盖度普遍较高,与其他植被指数相比,SR对高覆盖植被区域更为敏感,与生物量的相关性最好。
此外,在山区比值型植被指数(如ND-VI、SR)能够消除大量的地形影响,地形效应通常可以忽略,而非比值型植被指数(如DVI、包含有常数项L的SAVI)对地形起伏变化更敏感[14],由此可能造成了SAVI和DVI的表现要比SR和NDVI差。”[1]
[1]靳华安,李爱农,边金虎,雷光斌.HJ-1B CCD2与SPOT4 HRVIR数据在森林地上生物量反演中的比较分析[J].武汉大学学报(信息科学版),2016,41(11):1483-1490.

二、NDVI——归一化植被指数:
NDVI=(NIR-R)/(NIR+R)
1、值的范围:-1~1,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;
2、优点:检测植被生长状态、植被覆盖度和消除部分辐射误差等;
3、局限性:本质是NIR和R的非线性拉伸。在高植被区(LAI值很高,植被茂密时),NDVI灵敏度较低,远不如RVI增加的速率;
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;
总的来说, NDVI对绿色植物敏感, 与植物分布密度呈线性关系, 是植物生长状况和空间分布密度的最佳指标, 但在低植被覆盖区存在扩大和在高植被区存在压缩的情况

三、DVI ——差值环境植被指数:
DVI=NIR-R,或两个波段反射率的计算。
1、 DVI对土壤背景的变化较RVI敏感, 植被覆盖度高时, 对植被的灵敏度有所下降。因此, 对退耕还林 (草) 后期植被覆盖度有很大提高时对天然林的监测效果可能不大, 但对退耕还林 (草) 初期可能有效。相反,RVI对高植被覆盖度时监测比DVI敏感, 适合退耕还林草后期或天然林的监测。

四、EVI 增强型植被指数
NDVI包含了大气噪声等缺陷, 因此, 为了改进NDVI的某些缺陷又开发了EVI。EVI不仅继承归一化植被指数 (NDVI) 的优点, 还改善了其高植被区饱和, 大气影响校正不彻底和土壤背景等问题, EVI可以提高高生物区植被的敏感度, 降低土壤背景和大气影响, 对植被变化的监测具有更高的灵敏性和优越性, 在草地退化监测、草地资源定量分析等研究中应用广泛。目前, EVI时间序列在草地植被变化的应用研究有很多。[1]
EVI 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:
几种植被指数 (https://mushiming.com/)  第2张
值的范围是-1~1,一般绿色植被区的范围时0.2 ~ 0.8

对于MODIS-EVI,C1、C2和L分别取为6.0、7.5和1.0,缺点:蓝色通道的分辨率为500 m, 这将使最终的植被指数分辨率由250 m降到500 m几种植被指数 (https://mushiming.com/)  第3张

五、SAVI——调整土壤亮度的植被指数:
SAVI=((NIR-R)/(NIR+R+L))(1+L)。
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

六、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的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。

七、PVI——垂直植被指数
在R-NIR的二为坐标系内,植被像元到土壤亮度线的垂直距离。PVI=((S R-VR)2+(SNIR-VNIR)2)1/2,S是土壤反射率,V是植被反射率。
1、较好的消除了土壤背景的影响,对大气的敏感度小于其他VI
2、PVI是在R-NIR二位数据中对GVI的模拟,两者物理意义相同
3、PVI=(DNnir-b)cosq-DNr′sinq,b是土壤基线与NIR截距,q是土壤基线与R的夹角。

##参考链接:
http://blog.sina.com.cn/s/blog_764b1e9d01010n32.html
[1]马昊翔,陈长成,宋英强,晔沙,胡月明.青海省近10年草地植被覆盖动态变化及其驱动因素分析[J].水土保持研究,2018,25(06):137-145.

其他:
植被盖度是植被生长状况的重要定量指标,目前植被盖度遥感估算方法主要有神经网络[7]、光谱分解[8]、植被指数[9]和经验模型等方法

THE END

发表回复