植被指數，根據植被的光譜特性，將衛星可見光和近紅外波段進行組合,形成了各種植被指數。植被指數是對地表植被狀況的簡單、有效和經驗的度量,目前已經定義了40多種植被指數,廣泛地套用在全球與區域土地覆蓋、植被分類和環境變化,第一性生產力分析,作物和牧草估產、乾旱監測等方面;並已經作為全球氣候模式的一部分被集成到互動式生物圈模式和生產效率模式中;且被廣泛地用於諸如饑荒早期警告系統等方面的陸地套用;植被指數還可以轉換成葉冠生物物理學參數。
基本介紹
- 中文名：植被指數
- 外文名：Vegetation index
- 又稱：為綠度
- 適用於：植被生長旺盛
綜述,發展史,指數特點,研究對象,學科分支,
綜述
在遙感套用領域，植被指數已廣泛用來定性和定量評價植被覆蓋及其生長活力。由於植被光譜表現為植被、土壤亮度、環境影響、陰影、土壤顏色和濕度複雜混合反應，而且受大氣空間—時相變化的影響，因此植被指數沒有一個普遍的值，其研究經常表明不同的結果。該指數隨生物量的增加而迅速增大。比值植被指數又稱為綠度，為二通道反射率之比，能較好地反映植被覆蓋度和生長狀況的差異，特別適用於植被生長旺盛、具有高覆蓋度的植被監測。歸一化植被指數為兩個通道反射率之差除以它們的和。在植被處於中、低覆蓋度時，該指數隨覆蓋度的增加而迅速增大，當達到一定覆蓋度後增長緩慢，所以適用於植被早、中期生長階段的動態監測。藍光、紅光和近紅外通道的組合可大大消除大氣中氣溶膠對植被指數的干擾，所組成的抗大氣植被指數可大大提高植被長勢監測和作物估產精度。
發展史
設計植被指數的目的是要建立一種經驗的或半經驗的、強有力的、對地球上所有生物群體都適用的植被觀測量。植被指數是無量綱的,是利用葉冠的光學參數提取的獨特的光譜信號。1969年Jordan提出最早的一種植被指數———比值植被指數(RVI)
RVI=ρn/ρr
ρn和ρr分別是近紅外波段和紅光波段的反射率。但對於濃密植物反射的紅光輻射很小,RVI將無限增長。
指數特點
1．健康的綠色植被在NIR和R的反射差異比較大，原因在於R對於綠色植物來說是強吸收的，NIR則是高反射高透射的
2．建立植被指數的目的是有效地綜合各有關的光譜信號，增強植被信息，減少非植被信息
3．植被指數有明顯的地域性和時效性，受植被本身、環境、大氣等條件的影響
研究對象
RVI比值植被指數
RVI=NIR/R，或兩個波段反射率的比值。
1．綠色健康植被覆蓋地區的RVI遠大於1，而無植被覆蓋的地面（裸土、人工建築、水體、植被枯死或嚴重蟲害）的RVI在1附近。植被的RVI通常大於2；
2．RVI是綠色植物的靈敏指示參數，與LAI、葉乾生物量(DM)、葉綠素含量相關性高，可用於檢測和估算植物生物量
3．植被覆蓋度影響RVI，當植被覆蓋度較高時，RVI對植被十分敏感；當植被覆蓋度<50%時，這種敏感性顯著降低；
4．RVI受大氣條件影響，大氣效應大大降低對植被檢測的靈敏度，所以在計算前需要進行大氣校正，或用反射率計算RVI。
NDVI
歸一化植被指數
NDVI=(NIR-R)/(NIR+R)，或兩個波段反射率的計算。
1．NDVI的套用：檢測植被生長狀態、植被覆蓋度和消除部分輻射誤差等；
2．-1<=NDVI<=1，負值表示地面覆蓋為雲、水、雪等，對可見光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆蓋，且隨覆蓋度增大而增大
3．NDVI的局限性表現在，用非線性拉伸的方式增強了NIR和R的反射率的對比度。對於同一幅圖象，分別求RVI和NDVI時會發現，RVI值增加的速度高於NDVI增加速度，即NDVI對高植被區具有較低的靈敏度；
4．NDVI能反映出植物冠層的背景影響，如土壤、潮濕地面、雪、枯葉、粗糙度等，且與植被覆蓋有關
GVI
綠度植被指數
k-t變換後表示綠度的分量。
1．通過k-t變換使植被與土壤的光譜特性分離。植被生長過程的光譜圖形呈所謂的"穗帽"狀，而土壤光譜構成一條土壤亮度線，土壤的含水量、有機質含量、粒度大小、礦物成分、表面粗糙度等特徵的光譜變化沿土壤亮度線方向產生。
2．kt變換後得到的第一個分量表示土壤亮度，第二個分量表示綠度，第三個分量隨感測器不同而表達不同的含義。如，MSS的第三個分量表示黃度，沒有確定的意義；TM的第三個分量表示濕度。
3．第一二分量集中了>95%的信息，這兩個分量構成的二點陣圖可以很好地反映出植被和土壤光譜特徵的差異。
PVI
垂直植被指數
在R-NIR的二維坐標系內，植被像元到土壤亮度線的垂直距離。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．較好地消除了土壤背景的影響，對大氣的敏感度小於其他VI
2．PVI是在R-NIR二維數據中對GVI的模擬，兩者物理意義相同
3．PVI=(DNnir-b)cosq-DNr´sinq，b是土壤基線與NIR截距，q是土壤基線與R的夾角。
SAVI
土壤調節植被指數
Huete（1988）基於NDVI和大量觀測數據提出土壤調節植被指數用以減小土壤背景影響。
SAVI=(NIR-R)*(1+L)/(NIR+R+L)
其中，L是隨著植被密度變化的參數，取值範圍從0-1，當植被覆蓋度很高時為0，很低時為1。很明顯，如果L=0,SAVI=NDVI。在Huete的文章中指出，對於其研究的草地和棉花田，L取0.5時SAVI消除土壤反射率的效果較好。因為很少能夠知道植被密度，因此難以最佳化此指數。
SAVITSAVIMSAVI——調整土壤亮度的植被指數：SAVI=((NIR-R)/(NIR+R+L))(1+L)，或兩個波段反射率的計算。
1．目的是解釋背景的光學特徵變化並修正NDVI對土壤背景的敏感。與NDVI相比，增加了根據實際情況確定的土壤調節係數L，取值範圍0~1。L=0時，表示土壤背景的影響為零，即植被覆蓋度非常高，土壤背景的影響為零，這種情況只有在被樹冠濃密的高大樹木覆蓋的地方才會出現。
2．SAVI僅在土壤線參數a=1,b=0（即非常理想的狀態下）時才適用。因此有了TSAVI、ATSAVI、MSAVI、SAVI2、SAVI3、SAVI4等改進模型。
DVIEVI
差值環境植被指數
DVI=NIR-R，或兩個波段反射率的計算。
1．對土壤背景的變化極為敏感
小結：上述幾種VI均受土壤背景的影響大。植被非完全覆蓋時，土壤背景影響較大
遙感數據反演植被指數
植被指數(DVI)是檢測植被生長狀態、植被覆蓋度和消除部分輻射誤差等。NDVI能反映出植物冠層的背景影響，如土壤、潮濕地面、雪、枯葉、粗糙度等，且與植被覆蓋有關。多種衛星遙感數據反演植被指數(NDVI)產品是地理國情監測雲平台推出的生態環境類系列數據產品之一。
內蒙古自治區2009年7月植被指數模型算法
NDVI的估算上採用通用的估算方法，並已通過中國科學院地理科學與資源所相關專家的判讀與野外實測數據驗證，空間一致性良好。
◆TM/ETM算法如公式(1):NDVI=(Band4-Band3)/(Band4+Band3)
◆Modis算法如公式(2):NDVI=(Band2-Band1)/(Band2+Band1)
◆AVHRR算法如公式(3):NDVI=(CH2-CH1)/(CH2+CH1)
學科分支
1．根據具體情況改進型：如MSS的DVI = B4-aB2，PVI=(B4-aB2-b)/(1+a2)1/2，SARVI = B4/(B2+b/a)；RDVI=(NDVI´DVI)1/2等
2．套用於高光譜數據的VI，如CARI(葉綠素吸收比值指數）和CACI（葉綠素吸收連續區指數）等
VI劃分
類型 典型代表 特點
線性DVI 低LAI時，效果較好；LAI增加愛時對土壤背景敏感
比值型 NDVI、RVI增強了土壤與植被的反射對比
垂直型 PVI 低LAI時，效果較好；LAI增加愛時對土壤背景敏感
