植被指数

根据波段间的比值运算能够提取植被的算法，称为植被指数(Vegetation Index，VI)。

植被指数有归一化植被指数(NDVI，Normalized Vegetation Index)、比值植被指数(RVI，Ratio Vegetation Index)、差值植被指数(DVI，Difference Vegetation Index)、调整土壤亮度植被指数(SAVI)、土壤调整植被指数(MSAVI)、增强植被指数(EVI)等，可通过植被在近红外、红光、绿光和蓝光波段的遥感反射率计算所得。

其结果可以突出图像中植被的特征、提取植被类别或估算绿色生物量

植物由于其叶子的细胞结构，有以下特征：

1. 在近红外波段具有高反射值，其叶绿素在红光波段具有强吸收的特征

2. 在多光谱遥感图像中，用近红外(IR)/红波段(R)，结果图像上植被区域具有高度值，甚至在绿色生物量很高时达到饱和

• NDVI是公认表征植被变化最有效的参数之一，可较好地反映植被绿度变化；

• EVI是对NDVI的改进，在减少背景和大气作用以及饱和问题上优于NDVI；

• RVI广泛用于估算和监测绿色植物的生物量；

• MSAVI能最大限度地抵消土壤背景的影响；

• SAVI适合中密度以下植被监测。

NDVI

NDVI（Normalized Difference Vegetation Index,归一化差分植被指数,标准差异植被指数)，也称为生物量指标变化，可使植被从水和土中分离出来。

NDVI与以下有关：植物的蒸腾作用、太阳光的截取、光合作用、地表净初级生产力

特点

1. NDVI能够部分消除与太阳高度角、卫星观测角、地形、云影等与大气条件有关的辐射变化的影响；

2. NDVI结果被限定在[-1,1]之间，避免了数据过大或过小给使用带来的不便；

3. NDVI是植被生长状态及植被覆盖度的最佳指示因子；

4. 非线性变换，增强了NDVI低值部分，抑制了高值部分，导致NDVI数值容易饱和，对高值被密度区敏感性降低

应用

-1<=NDVI<=1

1. 负值表示地面覆盖为云、水、雪等，对可见光高反射

2. 0表示有岩石或裸土等，NIR和R近似相等

3. 正值，表示有植被覆盖，且随覆盖度增大而增大；

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；

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。

ERDAS示例

数据：Lansat TM

1. Interpreter–>Spectral Enhancement–>Indices

2. 使用假彩色(Pesudo     Color)打开图像

3. 根据数值特点与经验分配颜色

EVI

增强植被指数（Enhanced Vegetation Index——EVI）

特征：

EVI常用于LAI值高，即植被茂密区;

值的范围是-1~1，一般绿色植被区的范围是0.2-0.8

增强植被指数（EVI）算法是遥感专题数据产品中生物物理参数产品中的一个主要算法，可以同时减少来自大气和土壤噪音的影响，稳定地反应了所测地区植被的情况。红光和近红外探测波段的范围设置更窄，不仅提高了对稀疏植被探测的能力，而且减少了水汽的影响，同时，引入了蓝光波段对大气气溶胶的散射和土壤背景进行了矫正。

参考

刘明, 冯锐, 纪瑞鹏, et al. 基于MODIS-NDVI的春玉米叶面积指数和地上生物量估算[J]. 中国农学通报, 2015, 31(006):80-87.

[RS] 植被指数—NDVI: https://blog.csdn.net/summer_dew/article/details/78173858

植被指数（NDVI、EVI）笔记: https://www.yht7.com/news/1438

​