植被遥感指数公式及简介.ppt

植被遥感指数,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 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 TC20.491MSS7 TC3-0.829MSS40.522MSS50.039MSS60.194MSS7TC4 0.233MSS40.810MSS7,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”，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：,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。,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,