超越归一化差值植被指数(NDVI)
原文链接: https://www.nv5geospatialsoftware.com/Learn/Blogs/Blog-Details/beyond-ndvi
24006 评价这篇文章:
4.0
超越归一化差值植被指数(NDVI)
匿名 2014年7月24日，星期四
精准农业是遥感领域的一个前沿课题。随着多种新型传感器和平台生成更高空间与光谱分辨率的数据，越来越多的种植者被吸引进入遥感领域。生成整片田地的指标，而非将稀疏的地面测量数据外推至大片区域，是这些种植者能够在生长季获得更佳产量预测和可付诸行动的信息、从而实现效率最大化的途径之一。
生成整片田地指标的一个好方法是计算植被指数(VI)，以提取感兴趣区域(AOI)的信息。例如，您可能想计算某块田地内的整体植被健康状况。实现这一目标最流行的方法可能就是计算归一化差值植被指数(NDVI)。该指数被广泛认为是判断植被健康状况的标准。明亮区域表示健康植被，而暗色区域表示不健康植被、裸露地表或不透水表面。
但NDVI显然不是唯一的指数。许多其他指数通过利用光谱信息，能够洞察田地健康状况，其方式可以最小化土壤影响、检测作物内部的细微变化，甚至能微调产量估算。以下仅列举几个对精准农业应用有用的光谱指数示例。
DVI: 差值植被指数
DVI = 近红外波段 - 红光波段
DVI 可用于区分土壤和植被。考虑到精准农业应用以及有时可用于该分析的极高空间分辨率影像，在运行植被健康指数前，对裸露土壤进行掩膜或去除非常重要，这样可以避免指数过度饱和而难以解释。DVI 在区分裸露土壤和种植作物方面表现出色。
QuickBird 影像由 Digital Globe 提供。数据经反射率处理后（左）计算单个田块的 NDVI，应用了从黄到绿的色带以指示植被健康状况；（右）计算 DVI 并进行阈值分割，以区分裸露土壤（蓝色）和植被（绿色）。
GVI: 绿色植被指数（缨帽变换）
GVI = (-.2848 × TM1) + (-.2435 × TM2) +(-.5436 × TM3) +(.7243 × TM4)+(.0840 × TM5)+(-.1800 × TM7)
缨帽变换，或称绿色植被指数，不仅是一个最小化背景土壤影响的绝佳方法，同时也能增强绿色植被的反射特性。虽然该指数最初是为 Landsat TM 数据开发的，但它也适用于 Landsat ETM+ 和 Landsat 8 中相应的波长。您看到的与每个波段相关的数字是用于加权这些波段像素值的系数，从而生成一个变换影像。
来自 Landsat TM 场景的缨帽变换影像，已校准为反射率。明亮区域表示更绿/植被更茂密。
MSI: 水分胁迫指数
MSI=P1599/P819
水分胁迫指数是一个窄波段指数（与此前讨论的宽波段指数相对）。该窄波段指数需要 1599 纳米波段范围内的信息，这对于农业应用中使用的许多多光谱传感器来说不太常见。我在此重点介绍它，是因为水分含量测量对多项精准农业应用都很重要。一般而言，随着水分含量增加，1599 纳米处的光谱吸收也会增加。如果传感器能提供此信息，它对于执行冠层胁迫分析、进行生产力预测、甚至生成火灾危险状况分析都很有用。随着无人机系统(UAS)的引入和有效载荷可互换性的提升，如果该指数对您的应用有用——请确保传感器包含此波长！
RENDVI: 红边归一化差值植被指数
RENDVI = (P750-P705) / (P750+P705)
最后，我重点介绍一下 RENDVI。从其公式本身可以看出，它与 NDVI 非常相似。但它没有使用传统的主要吸收和反射峰（分别为红光和近红外波段），而是利用了红边区域的信息。由于冠层叶量含量、空隙率和衰老的细微变化，会在红边区域产生光谱敏感性。该指数在精准农业、森林监测和检测植被胁迫方面非常有用，因为它能在变化肉眼可见之前，就突出显示细微但可检测的敏感性。
这些指数（以及更多其他指数！）是生成整片田地指标的绝佳方法。随着新数据源能够实现极高空间分辨率的分析，想象一下即使在“单株植物”尺度上也能获得的可付诸行动的信息。