植被指數(shù)綜述

在遙感應(yīng)用領(lǐng)域，植被指數(shù)已廣泛用來定性和定量評(píng)價(jià)植被覆蓋及其生長(zhǎng)活力。由于植被光譜表現(xiàn)為植被、土壤亮度、環(huán)境影響、陰影、土壤顏色和濕度復(fù)雜混合反應(yīng)，而且受大氣空間—時(shí)相變化的影響，因此植被指數(shù)沒有一個(gè)普遍的值，其研究經(jīng)常表明不同的結(jié)果。該指數(shù)隨生物量的增加而迅速增大。比值植被指數(shù)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(zhǎng)狀況的差異，特別適用于植被生長(zhǎng)旺盛、具有高覆蓋度的植被監(jiān)測(cè)。歸一化植被指數(shù)為兩個(gè)通道反射率之差除以它們的和。在植被處于中、低覆蓋度時(shí)，該指數(shù)隨覆蓋度的增加而迅速增大，當(dāng)達(dá)到一定覆蓋度后增長(zhǎng)緩慢，所以適用于植被早、中期生長(zhǎng)階段的動(dòng)態(tài)監(jiān)測(cè)。藍(lán)光、紅光和近紅外通道的組合可大大消除大氣中氣溶膠對(duì)植被指數(shù)的干擾，所組成的抗大氣植被指數(shù)可大大提高植被長(zhǎng)勢(shì)監(jiān)測(cè)和作物估產(chǎn)精度。

設(shè)計(jì)植被指數(shù)的目的是要建立一種經(jīng)驗(yàn)的或半經(jīng)驗(yàn)的、強(qiáng)有力的、對(duì)地球上所有生物群體都適用的植被觀測(cè)量。植被指數(shù)是無量綱的,是利用葉冠的光學(xué)參數(shù)提取的獨(dú)特的光譜信號(hào)。1969年Jordan提出最早的一種植被指數(shù)———比值植被指數(shù)(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(duì)于濃密植物反射的紅光輻射很小,RVI將無限增長(zhǎng)。

植被指數(shù)主要反映植被在可見光、近紅外波段反射與土壤背景之間差異的指標(biāo)，各個(gè)植被指數(shù)在一定條件下能用來定量說明植被的生長(zhǎng)狀況。在學(xué)習(xí)和使用植被指數(shù)時(shí)必須由一些基本的認(rèn)識(shí)：

1．健康的綠色植被在NIR和R的反射差異比較大，原因在于R對(duì)于綠色植物來說是強(qiáng)吸收的，NIR則是高反射高透射的

2．建立植被指數(shù)的目的是有效地綜合各有關(guān)的光譜信號(hào)，增強(qiáng)植被信息，減少非植被信息

3．植被指數(shù)有明顯的地域性和時(shí)效性，受植被本身、環(huán)境、大氣等條件的影響

RVI比值植被指數(shù)

RVI=NIR/R，或兩個(gè)波段反射率的比值。

1．綠色健康植被覆蓋地區(qū)的RVI遠(yuǎn)大于1，而無植被覆蓋的地面（裸土、人工建筑、水體、植被枯死或嚴(yán)重蟲害）的RVI在1附近。植被的RVI通常大于2；

2．RVI是綠色植物的靈敏指示參數(shù)，與LAI、葉干生物量(DM)、葉綠素含量相關(guān)性高，可用于檢測(cè)和估算植物生物量

3．植被覆蓋度影響RVI，當(dāng)植被覆蓋度較高時(shí)，RVI對(duì)植被十分敏感；當(dāng)植被覆蓋度<50%時(shí)，這種敏感性顯著降低；

4．RVI受大氣條件影響，大氣效應(yīng)大大降低對(duì)植被檢測(cè)的靈敏度，所以在計(jì)算前需要進(jìn)行大氣校正，或用反射率計(jì)算RVI。

NDVI

歸一化植被指數(shù)

NDVI=(NIR-R)/(NIR R)，或兩個(gè)波段反射率的計(jì)算。

1．NDVI的應(yīng)用：檢測(cè)植被生長(zhǎng)狀態(tài)、植被覆蓋度和消除部分輻射誤差等；

2．-1<=NDVI<=1，負(fù)值表示地面覆蓋為云、水、雪等，對(duì)可見光高反射；0表示有巖石或裸土等，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(xiàn)在，用非線性拉伸的方式增強(qiáng)了NIR和R的反射率的對(duì)比度。對(duì)于同一幅圖象，分別求RVI和NDVI時(shí)會(huì)發(fā)現(xiàn)，RVI值增加的速度高于NDVI增加速度，即NDVI對(duì)高植被區(qū)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(guān)

GVI

綠度植被指數(shù)

k-t變換后表示綠度的分量。

1．通過k-t變換使植被與土壤的光譜特性分離。植被生長(zhǎng)過程的光譜圖形呈所謂的"穗帽"狀，而土壤光譜構(gòu)成一條土壤亮度線，土壤的含水量、有機(jī)質(zhì)含量、粒度大小、礦物成分、表面粗糙度等特征的光譜變化沿土壤亮度線方向產(chǎn)生。

2．kt變換后得到的第一個(gè)分量表示土壤亮度，第二個(gè)分量表示綠度，第三個(gè)分量隨傳感器不同而表達(dá)不同的含義。如，MSS的第三個(gè)分量表示黃度，沒有確定的意義；TM的第三個(gè)分量表示濕度。

3．第一二分量集中了>95%的信息，這兩個(gè)分量構(gòu)成的二位圖可以很好地反映出植被和土壤光譜特征的差異。

4．GVI是各波段輻射亮度值的加權(quán)和，而輻射亮度是大氣輻射、太陽(yáng)輻射、環(huán)境輻射的綜合結(jié)果，所以GVI受外界條件影響大。

PVI

垂直植被指數(shù)

在R-NIR的二維坐標(biāo)系內(nèi)，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(duì)大氣的敏感度小于其他VI

2．PVI是在R-NIR二維數(shù)據(jù)中對(duì)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(diào)節(jié)植被指數(shù)

Huete（1988）基于NDVI和大量觀測(cè)數(shù)據(jù)提出土壤調(diào)節(jié)植被指數(shù)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(shù)，取值范圍從0-1，當(dāng)植被覆蓋度很高時(shí)為0，很低時(shí)為1。很明顯，如果L=0,SAVI=NDVI。在Huete的文章中指出，對(duì)于其研究的草地和棉花田，L取0.5時(shí)SAVI消除土壤反射率的效果較好。因?yàn)楹苌倌軌蛑乐脖幻芏龋虼穗y以優(yōu)化此指數(shù)。

SAVITSAVIMSAVI——調(diào)整土壤亮度的植被指數(shù)：SAVI=((NIR-R)/(NIR R L))(1 L)，或兩個(gè)波段反射率的計(jì)算。

1．目的是解釋背景的光學(xué)特征變化并修正NDVI對(duì)土壤背景的敏感。與NDVI相比，增加了根據(jù)實(shí)際情況確定的土壤調(diào)節(jié)系數(shù)L，取值范圍0~1。L=0時(shí)，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(huì)出現(xiàn)。

2．SAVI僅在土壤線參數(shù)a=1,b=0（即非常理想的狀態(tài)下）時(shí)才適用。因此有了TSAVI、ATSAVI、MSAVI、SAVI2、SAVI3、SAVI4等改進(jìn)模型。

DVIEVI

差值環(huán)境植被指數(shù)

DVI=NIR-R，或兩個(gè)波段反射率的計(jì)算。

1．對(duì)土壤背景的變化極為敏感

小結(jié)：上述幾種VI均受土壤背景的影響大。植被非完全覆蓋時(shí)，土壤背景影響較大

遙感數(shù)據(jù)反演植被指數(shù)

植被指數(shù)(DVI)是檢測(cè)植被生長(zhǎng)狀態(tài)、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(guān)。多種衛(wèi)星遙感數(shù)據(jù)反演植被指數(shù)(NDVI)產(chǎn)品 是地理國(guó)情監(jiān)測(cè)云平臺(tái)推出的生態(tài)環(huán)境類系列數(shù)據(jù)產(chǎn)品之一。

模型算法

NDVI的估算上采用通用的估算方法，并已通過中國(guó)科學(xué)院地理科學(xué)與資源所相關(guān)專家的判讀與野外實(shí)測(cè)數(shù)據(jù)驗(yàn)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)

1．根據(jù)具體情況改進(jìn)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．應(yīng)用于高光譜數(shù)據(jù)的VI，如CARI(葉綠素吸收比值指數(shù)）和CACI（葉綠素吸收連續(xù)區(qū)指數(shù)）等

VI劃分

類型 典型代表 特點(diǎn)

線性DVI 低LAI時(shí)，效果較好；LAI增加愛時(shí)對(duì)土壤背景敏感

比值型 NDVI、RVI增強(qiáng)了土壤與植被的反射對(duì)比

垂直型 PVI 低LAI時(shí)，效果較好；LAI增加愛時(shí)對(duì)土壤背景敏感2100433B

以干旱監(jiān)測(cè)為核心，以NOAA-AVHRR和Terra-MODIS衛(wèi)星遙感數(shù)據(jù)為主要信息源，將陜西省關(guān)中平原和渭北旱塬作為典型樣區(qū)，利用遙感可以周期性獲取大面積地面目標(biāo)信息的特點(diǎn)以及地理信息系統(tǒng)技術(shù)對(duì)空間數(shù)據(jù)的強(qiáng)大管理與分析功能，并結(jié)合模型分析，研究植被指數(shù)和土地表面溫度的時(shí)空變異規(guī)律以及植被指數(shù)和土地表面溫度特征空間的熱邊界和冷邊界的確定方法，開發(fā)基于植被指數(shù)和土地表面溫度的實(shí)時(shí)或近實(shí)時(shí)的 2100433B

遙感技術(shù)能夠有效、大面積、實(shí)時(shí)動(dòng)態(tài)地獲取干旱地區(qū)旱情資料，隨著遙感傳感器的發(fā)展，利用不同傳感器獲取的數(shù)據(jù)，計(jì)算各種能直接或間接反映干旱情況的參數(shù)或指標(biāo)，已形成了很多種方法，歸納如下：

（1） 利用可見光和近紅外遙感數(shù)據(jù)提取地面覆蓋物植被指數(shù)進(jìn)行旱情監(jiān)測(cè)

歸一化植被指數(shù)（NDVI）是應(yīng)用較廣的典型植被指數(shù)之一，能反映出植物冠層的背景影響，如土壤、潮濕地面、枯葉等，且與植被覆蓋有關(guān)，因此，NDVI廣泛應(yīng)用在檢測(cè)植被生長(zhǎng)狀態(tài)、植被覆蓋度等方面。

（2） 利用熱紅外波段建立地表溫度模型估測(cè)土壤濕度

土壤中水分含量直接影響到植被生長(zhǎng)發(fā)育，同時(shí)也是土壤干旱情況的重要表征指標(biāo)，利用熱紅外遙感溫度和氣象資料來間接地監(jiān)測(cè)植被條件下的土壤水分是遙感監(jiān)測(cè)土壤水分的一個(gè)重要方法。利用AVHRR資料計(jì)算土壤有效水分和熱慣量，認(rèn)為土壤水分受到干旱區(qū)情況以及干旱區(qū)地形等的影響。

（3） 綜合利用可見光、近紅外和熱紅外數(shù)據(jù)進(jìn)行干旱監(jiān)測(cè)

利用可見光、近紅外和熱紅外數(shù)據(jù)進(jìn)行干旱監(jiān)測(cè)和土壤水分信息提取也是當(dāng)前廣泛應(yīng)用方法之一。Gillies等[13]利用遙感反演地表真實(shí)溫度和NDVI，在反演過程中將NDVI與地表輻照溫度預(yù)測(cè)的邊界進(jìn)行了拉伸處理，并與實(shí)驗(yàn)數(shù)據(jù)進(jìn)行了比較分析。濕邊是基于溫度植被指數(shù)（TVI）和歸一化植被指數(shù)（NDVI）派生出來的描述植被覆蓋的指數(shù)，Kmiura通過修正溫度植被指數(shù)，提出改進(jìn)后的溫度植被干旱指數(shù)（MTVDI）并用于實(shí)際研究中，結(jié)果表明，濕邊指數(shù)顯示不同地表的MTVDI和土壤水分含量的關(guān)系，能用于估算大范圍的植被覆蓋和水分含量，可以用作干旱指數(shù)。齊述華等利用水分虧缺指數(shù)(WDI)，提出基于遙感的WDI判斷農(nóng)田受旱成災(zāi)的標(biāo)準(zhǔn)，并利用1982-2001 年 NOAA資料提取了全國(guó)1982-2001年間各年份受旱成災(zāi)耕地面積。研究結(jié)果顯示：基于遙感的WDI指數(shù)獲取的農(nóng)田受旱成災(zāi)面積與統(tǒng)計(jì)結(jié)果基本一致，在提取農(nóng)田受旱面積方面具有一定參考價(jià)值。

（4） 微波遙感

物體的微波發(fā)射率主要取決于其介電特性，土壤水分微波遙感的理論基于液態(tài)水和干土之間介電常數(shù)的強(qiáng)烈反差，由此建立土壤濕度與后向反射系數(shù)的統(tǒng)計(jì)經(jīng)驗(yàn)函數(shù)，通過遙感數(shù)據(jù)獲取的后向反射系數(shù)反演土壤濕度。 A.Gupta等[16]人選取熱帶降雨測(cè)量衛(wèi)星（TRMM）4年中6至8月的觀測(cè)數(shù)據(jù)，分析干旱區(qū)土壤的干濕狀況和時(shí)空變化特征，并提出了一種利用微波亮度溫度監(jiān)測(cè)干旱的方法。Khil-Ha Lee 等[17]針對(duì)主被動(dòng)微波遙感數(shù)據(jù)分別建立了亮度溫度、后向散射系數(shù)與地表土壤水分、植被參數(shù)(LAI) 的關(guān)系，建立了表征前向模型模擬結(jié)果與衛(wèi)星觀測(cè)數(shù)值的差異函數(shù)，利用不同通道對(duì)前向模型中各參數(shù)進(jìn)行確定。

綜合應(yīng)用遙感技術(shù)獲取及時(shí)的圖像信息，并結(jié)合地面降水等數(shù)據(jù)，在分析地區(qū)干旱或監(jiān)測(cè)中也廣泛應(yīng)用。標(biāo)準(zhǔn)化降水指數(shù)（SPI）是先求出降水量分布概率，然后進(jìn)行正態(tài)標(biāo)準(zhǔn)化而得到，綜合應(yīng)用SPI和遙感影像數(shù)據(jù)也是分析和監(jiān)測(cè)干旱的方法之一。