植被指数计算公式

1. 植被指数计算公式

1、归一化植被指数
NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。
2、NDVI时间序列分析
主要是利用长时间序列的遥感数据，建立研究区域内NDVI随时间的变化曲线，并通过比较各种变化检测指标的年际曲线或生长期曲线的差异获取覆盖变化信息；
采用拟合线性函数的斜率来反映植被覆盖变化趋势；或采用频谱分析对NDVI时间序列曲线进行分解，从而检测出土地覆盖的变化，以及地表植被生态系统的物候变化，进而分析植被长时序变化与气候、环境变化的关系。

NDVI的更多资料
1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等；
2、-1<=NDVI<=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
3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度；
4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、雪、枯叶、粗糙度等，且与植被覆盖有关
以上内容参考 百度百科-植被指数；百度百科-NDVI时间序列分析

2. 植被指数怎么算啊？

1、归一化植被指数
NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。
2、NDVI时间序列分析
主要是利用长时间序列的遥感数据，建立研究区域内NDVI随时间的变化曲线，并通过比较各种变化检测指标的年际曲线或生长期曲线的差异获取覆盖变化信息；
采用拟合线性函数的斜率来反映植被覆盖变化趋势；或采用频谱分析对NDVI时间序列曲线进行分解，从而检测出土地覆盖的变化，以及地表植被生态系统的物候变化，进而分析植被长时序变化与气候、环境变化的关系。

NDVI的更多资料
1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等；
2、-1<=NDVI<=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
3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度；
4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、雪、枯叶、粗糙度等，且与植被覆盖有关
以上内容参考 百度百科-植被指数；百度百科-NDVI时间序列分析

3. 植被指数计算公式？

1、归一化植被指数
NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。
2、NDVI时间序列分析
主要是利用长时间序列的遥感数据，建立研究区域内NDVI随时间的变化曲线，并通过比较各种变化检测指标的年际曲线或生长期曲线的差异获取覆盖变化信息；
采用拟合线性函数的斜率来反映植被覆盖变化趋势；或采用频谱分析对NDVI时间序列曲线进行分解，从而检测出土地覆盖的变化，以及地表植被生态系统的物候变化，进而分析植被长时序变化与气候、环境变化的关系。

NDVI的更多资料
1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等；
2、-1<=NDVI<=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
3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度；
4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、雪、枯叶、粗糙度等，且与植被覆盖有关
以上内容参考 百度百科-植被指数；百度百科-NDVI时间序列分析

4. 什么是植被指数?典型的植被指数模型有哪些

利用卫星不同波段探测数据组合而成的，能反映植物生长状况的指数。植物叶面在可见光红光波段有很强的吸收特性，在近红外波段有很强的反射特性，这是植被遥感监测的物理基础，通过这两个波段测值的不同组合可得到不同的植被指数。差值植被指数又称农业植被指数，为二通道反射率之差，它对土壤背景变化敏感，能较好地识别植被和水体。
RVI——比值植被指数
RVI=NIR/R，或两个波段反射率的比值。
1．绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。植被的RVI通常大于2；
2．RVI是绿色植物的灵敏指示参数，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
3．植被覆盖度影响RVI，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，这种敏感性显著降低；
4．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。
NDVI——归一化植被指数
NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。
1．NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等；
2．-1<=NDVI<=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
3．NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度；
4．NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、雪、枯叶、粗糙度等，且与植被覆盖有关
DVIEVI——差值环境植被指数
DVI=NIR-R，或两个波段反射率的计算。
1．对土壤背景的变化极为敏感
土壤调整植被指数
SAVITSAVIMSAVI——调整土壤亮度的植被指数：SAVI=((NIR-R)/(NIR+R+L))(1+L)，或两个波段反射率的计算。
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
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地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。
PVI——垂直植被指数
在R-NIR的二维坐标系内，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．较好地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二维数据中对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。
EVI——增强型植被指数
增强型植被指数（Enhanced Vegetation Index，即EVI）计算公式为：
植被指数
ρNIR、ρRED和ρBLUE分别代表近红外波段、红光波段和蓝光波段的反射率。
多种卫星遥感数据反演植被指数
植被指数(NDVI)是检测植被生长状态、植被覆盖度和消除部分辐射误差等。NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、雪、枯叶、粗超度等，且与植被覆盖有关。多种卫星遥感数据反演植被指数(NDVI)产品是地理国情监测云平台推出的生态环境类系列数据产品之一。

5. 什么是植被指数,典型的植被模型有哪些

利用卫星不同波段探测数据组合而成的，能反映植物生长状况的指数。植物叶面在可见光红光波段有很强的吸收特性，在近红外波段有很强的反射特性，这是植被遥感监测的物理基础，通过这两个波段测值的不同组合可得到不同的植被指数。差值植被指数又称农业植被指数，为二通道反射率之差，它对土壤背景变化敏感，能较好地识别植被和水体。
动态全球植被模型   模拟植被的时间变化与气候的动态影响的一类模型。
（1）几何光学模型
几何光学模型是以几何光学原理为基础的经典模型，它假设地物由一系列不同几何形状的要素构成，根据这些要素的大小和空间分布，计算遥感的像元值由这些不同比例组合而成。
（2）辐射传输模型

辐射传输方程以研究辐射在冠层中薄层或单元中的传输过程为基础，对辐射传输方程求解，推算 辐射与冠层的相互作用，由此解释辐射在冠层中的 传输机理，进而得到冠层及其下垫面对 入射辐射的 吸收、透过和反射的方向和光谱特性 。
（3）几何光学与辐射传输混合模型
充分利用 几何光学模型在解释阴影投影面积和地物表面空间相关性上的基本优势，结合 辐射传输模型在解释均匀媒质中多次散射上的优势，分两个层次建立承照面和阴影区反射强度的辐射传输模型，从而得到几何光学与辐射传输混合模型 。
（4）计算机模型
计算机模拟模型能同时真实地考虑 植被各组分的大小、形状和任意的空间分布方式对冠层 大小、形状和任意的空间分布方式对冠层BRDF的影 的影响，可以逼真地模拟地表辐射场景，但计算机模拟模型的结构设置繁杂，而地表场景的构成需要大量的实测资料，模型过于 庞大、复杂，难以反演。

6. 简述常见的植被指数模型及其计算方法

【摘要】
简述常见的植被指数模型及其计算方法【提问】

7. 植被指数

植被指数是由多光谱数据，经线性和非线性组合构成的对植被有一定指示意义的各种数值。在植被指数中，通常利用植物光谱中的近红外与可见光红波段两个最典型的波段值。根据这两个波段计算产生的各种参数都对植被生长状况、生产力敏感。因此，常被用作描述植被生理状况，估测现存绿色生物量、植被生产力等等。
归一化差值植被指数NDVI即是普遍利用的刻画植被的指数。植被归一化差值植被指数NDVI（Normalization Difference Vegetation Index）被定义为近红外波段与可见光红波段数值之差和这两个波段数值之和的比值。即

生态水文地质学

式中：IR为近红外波段地表反射率；R为可见光红光波段地表反射率。
NDVI可以用于季节性植被变化的研究，也可用于年际间植被变化的分析，如沙漠边缘的变化（C.J.Tucker等，1991）、气候变化（Los等，2001）、干旱地区植被变化规律等等。
我国利用卫星数据进行区域范围的植被分类及变化的研究时间较短，李晓兵等（1999）利用NOAA/AVHRR数据对中国主要植被类型NDVI指数10年的变化规律进行了研究；王心源等（2001）在3景TM卫星数据的基础上对额济纳旗地区近15年绿洲变化进行了分析；罗格平等（2003）用气象卫星数据和TM数据分析了天山北坡近10年植被的变化。
气象卫星影像中得到的植被指数受到土壤亮度、土壤颜色、探测器衰减和大气因子等诸多复杂因素的影响，如果不进行有效的校正将造成较大的误差。不同的卫星数据系统提供的数据在信息处理上有所差异。
例如，GIMMS（Global Inventory Modelling and Mapping Studies）NDVI数据是美国国家航天航空局（NASA）C.J.Tucker等人于2003年11月推出的最新的全球植被指数变化数据（C.J.Tucker，et al.，2003）。这套数据包括了1981～2002年间的全球植被指数变化，其时间分辨率是15d，空间分辨率是8km×8km。GIMMS NDVI数据采用卫星数据的格式记录了22年间区域植被的变化情况。它可以用于气候模型及生物化学模型计算光合作用、大气层与地表间的CO2交换、地表蒸发蒸腾量和地表吸收及释放的能量。
GIMMS NDVI数据被认为是相对标准的数据，因为它考虑了全球范围内各种因素对NDVI值的影响，并作了如下几方面的校正：①卫星传感器的不稳定性校正；②热带阔叶林区云的覆盖引起的变形校正；③太阳天顶角和观测角度的校正；④火山气溶胶的校正；⑤对北半球冬季缺失的数据采用了插值法；⑥短期大气气溶胶、水蒸气及云层覆盖的影响校正。因此，GIMMS NDVI数据可用于监测植被动态变化。
笔者应用GIMMS NDVI数据（共计504 幅影像），对祁连山以北地区1982～2002 年21年间植被的动态变化进行了研究。首先，对1982～2002年（21年）504幅图像每个像素的NDVI值进行一元线性回归法拟合，将得到的直线斜率值放大（放大10000倍），作5×5均衡滤化后画等值线图（图12-1），得到研究区多年的植被变化总趋势。直线斜率的计算公式为：

生态水文地质学

此处变量x为1～21的年序号，变量y为1982～2002年的NDVI值（式（12-2）中表示为NDVIi，当i=1时为1982年，i=2时为1983年，以此类推至2002年），SLOPE为由x和y计算出的一元线性回归斜率。
根据拟合结果，黑河中游的酒泉盆地及张掖盆地，石羊河流域的武威盆地及金昌盆地，植被指数呈上升趋势；而位于黑河下游的额济纳旗绿洲和巴丹吉林沙漠边缘的阿拉善右旗地区，植被指数为负增长。说明在1982～2002年的21年间，酒泉、张掖、武威及金昌盆地的植被情况是逐渐变好的，而黑河下游地区，由于中游地区用水量逐年增加，正义峡下泄水量锐减，额济纳旗绿洲呈现严重退化的趋势，生态环境恶化。
张掖地区的植被指数呈稳定而缓慢上升的趋势（图12-1），其总的线性拟合方程为：

生态水文地质学

式中：NDVI为张掖地区的植被指数平均值；t为对应于时间的数据个数，t=1，2……504。

图12-1 张掖地区植被指数总的变化趋势

从植被指数变化趋势可以看出，在1982～1990年中，植被指数呈持续上升的趋势，与此期间张掖地区大力发展农业、大量开垦农田，使得人工植被逐年增长的趋势相吻合，见图12-2。

图12-2 1982～1990年张掖地区的农田面积统计

从1991～1998年，特别是1994～1998年，植被指数有小的振荡，但总体趋势仍然是上升的。但是，从1998至2001年，植被指数出现小幅下降趋势，与年降雨量较少、气候相对干旱有关。
额济纳旗地区的植被指数则呈下降的趋势，且处于不稳定状态（图12-3），其总的线性拟合方程为：

生态水文地质学

式中：NDVI为额济纳旗地区的植被指数平均值；t为对应于时间的数据个数，t=1，2……504。

图12-3 额济纳旗地区植被指数总的变化趋势

从图12-3中可以看出，在1982～1994年之间，植被指数不断变化，这种变化与狼心山排泄至黑河下游的水量大小有关。在1982～1990年间，年下泄水量均超过5×108m3/a。虽然1991年和1992年的下泄水量较小，但是在这两年间植被指数的变化并不明显。而1994～2002年，由于狼心山向下游的排泄水量下降（图12-4），使得额济纳旗地区的植被指数下降，绿洲萎缩，生态环境恶化。

图12-4 1988～2002年狼心山的下泻水量统计图

8. 植被指数的指数特点