ENVI下植被指数模型详解

2024-04-06 09:52

本文主要是介绍ENVI下植被指数模型详解,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

    ​植被指数(VI)是两个或多个波长范围内的地物反射率组合运算,以增强植被某一特性或者细节。所有的植被指数要求从高精度的多光谱或者高光谱反射率数据中计算。未经过大气校正的辐射亮度或者无量纲的DN值数据不适合计算植被指数。

    ​目前,在科学文献中发布了超过150种植被指数模型,这些植被指数中只有极少数是经过系统的实践检验。

    ​在ENVI中,根据对植被波谱特征产生重要影响的主要化学成份:色素(Pigments)、水分(Water)、碳(Carbon)、氮(Nitrogen),总结了7大类实用性较强的植被指数,即:宽带绿度、窄带绿度、光利用率、冠层氮、干旱或碳衰减、叶色素、冠层水分含量。这些植被指数可以简单度量绿色植被的数量和生长状况、叶绿素含量、叶子表面冠层、叶聚丛、冠层结构、植被在光合作用中对入射光的利用效率、测量植被冠层中氮的相对含量、估算纤维素和木质素干燥状态的碳含量、度量植被中与胁迫性相关的色素、植被冠层中水分含量等。

    ​下面是7大类27种植被指数的说明,这些植被指数都是经过严格生物条件下测试的。

1宽带绿度——Broadband Greenness (5)

宽带绿度指数可以简单度量绿色植被的数量和生长状况,它对植物的叶绿素含量、叶子表面冠层、冠层结构比较敏感,这些都是植被光合作用的主要物质,与光合有效辐射(fAPAR)也有关系。宽带绿度指数常用于植被物候发育的研究,土地利用和气候影响评估,植被生产力建模等。

宽带绿度指数选择的波段范围在可见光和近红外,一般的多光谱都包含这些波段。下面的公式中规定波段的中心波长:ρNIR = 800 nm,ρRED = 680 nm,ρBLUE = 450 nm。

  • 归一化植被指数(Normalized Difference Vegetation Index——NDVI

NDVI众所周知的一种植被指数,在LAI值很高,即植被茂密时其灵敏度会降低。其计算公式为:

              (式1)

值的范围是-1~1,一般绿色植被区的范围是0.2~0.8。

  • 比值植被指数(Simple Ratio Index——SR

SR指数也是众所周知的一种植被指数,在LAI值很高,即植被茂密时其灵敏度会降低。其计算公式为:

                  (式2)

值的范围是0~30+,一般绿色植被区的范围是2~8。

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

EVI通过加入蓝色波段以增强植被信号,矫正土壤背景和气溶胶散射的影响。EVI常用于LAI值高,即植被茂密区。其计算公式为:

(式3)

值的范围是-1~1,一般绿色植被区的范围是0.2~0.8。

  • 大气阻抗植被指数(Atmospherically Resistant Vegetation Index——ARVI

ARVI是NDVI的改进,它使用蓝色波段矫正大气散射的影响(如气溶胶),ARVI常用于大气气溶胶浓度很高的区域,如烟尘污染的热带地区或原始刀耕火种地区。其计算公式为:

(式4)

值的范围是-1~1,一般绿色植被区的范围是0.2~0.8。

  • 绿度总和指数(Sum Green Index——SG

SG指数是用于探测绿色植被变化最简单的植被指数。由于在可见光范围内,绿色植被对光强吸收,SG指数对稀疏植被的小变化非常敏感。SG指数是500 nm ~600 nm范围内平均波谱反射率。

总和最后会被转化回反射率。值的范围是0~50+,一般植被区域是10~25。

2窄带绿度——Narrowband Greenness (7)

窄带绿度指数对叶绿素含量、叶子表面冠层、叶聚丛、冠层结构非常敏感。它使用了红色与近红外区域部分——红边,红边是介于690 nm ~ 740 nm之间区域,包括吸收与散射。它比宽带绿度指数更加灵敏,特别是对于茂密植被。

  • 红边归一化植被指数(Red Edge Normalized Difference Vegetation Index——NDVI 705

NDVI 705是NDVI的改进型,它对叶冠层的微小变化、林窗片断和衰老非常灵敏。它可用于精细农业、森林监测、植被胁迫性探测等。其计算公式为[7] [8]:

(式5)

值的范围是-1~1,一般绿色植被区的范围是0.2~0.9。

  • 改进红边比值植被指数(Modified Red Edge Simple Ratio Index——mSR 705

mSR 705改正了叶片的镜面反射效应,可它可用于精细农业、森林监测、植被胁迫性探测等。其计算公式为[6]:

(式6)

值的范围是0~30,一般绿色植被区的范围是2~8。

  • 改进红边归一化植被指数(Modified Red Edge Normalized Difference Vegetation Index——mNDVI 705)

mNDVI 705是NDVI 705的改进型,它考虑了叶片的镜面反射效应。它对叶冠层的微小变化、林窗片断和衰老非常灵敏。它可用于精细农业、森林监测、植被胁迫性探测等。

其计算公式为:

(式7)

值的范围是-1~1,一般绿色植被区的范围是0.2~0.7。

  • Vogelmann 红边指数1(Vogelmann Red Edge Index 1——VOG1

VOG1指数对叶绿素浓度、叶冠层和水分含量的综合非常敏感。它可应用于植物物候变化研究、精细农业和植被生产力建模。其计算公式为:

(式8)

值的范围是0~20,一般绿色植被区的范围是4~8。

  • Vogelmann 红边指数2(Vogelmann Red Edge Index 2——VOG2

VOG2指数对叶绿素浓度、叶冠层和水分含量的综合非常敏感。它可应用于植物物候变化研究、精细农业和植被生产力建模。其计算公式为:

 (式9)

值的范围是0~20,一般绿色植被区的范围是4~8。

  • Vogelmann 红边指数3(Vogelmann Red Edge Index 3——VOG3

VOG3指数对叶绿素浓度、叶冠层和水分含量的综合非常敏感。它可应用于植物物候变化研究、精细农业和植被生产力建模。其计算公式为:

 (式10)

值的范围是0~20,一般绿色植被区的范围是4~8。

  • 红边位置指数(Red Edge Position Index——REP

REP指数对植被叶绿素浓度变化、叶绿素浓度增加使得吸收特征变宽及红边向长波段方向移动非常敏感。红边位置在690 nm ~ 740 nm范围内急剧倾斜波长范围,一般植被在700nm~730nm。

REP指数的结果输出是在0.69微米~0.74微米光谱范围内,植被红边区域内的反射率的最大导数的波长。常用于农作物监测和估产,生态系统干扰探测,光合作用模型,和由气候或其他因素产生的冠层胁迫性。

3光利用率——Light Use Efficiency (3)

光利用率指数是用来度量植被在光合作用中对入射光的利用效率。光的利用效率直接与碳吸收效率、植被生长速度和光合有效辐射(fAPAR)有很大的关系。

  • 光化学植被指数(Photochemical Reflectance Index——PRI

PRI对活植物的类胡萝卜素(尤其黄色色素)变化非常敏感,类胡萝卜素可标识光合作用光的利用率,或者碳吸收效率。可用于研究植被生产力和胁迫性,常绿灌木植被的健康,森林以及农作物的衰老。其计算公式为:

  (式11)

值的范围是-1~1,一般绿色植被区的范围是-0.2~0.2。

  • 结构不敏感色素指数(Structure Insensitive Pigment Index——SIPI

SIPI用来最大限度地提高类胡萝卜素(例如α-胡萝卜素和β-胡萝卜素)与叶绿素比率在冠层结构(如叶面积指数)减少时的敏感度,SIPI的增加标识冠层胁迫性的增加。可用于植被健康监测、植物生理胁迫性检测和作物生产和产量分析。其计算公式为:

 (式12)

值的范围是0~2,一般绿色植被区的范围是0.8~1.8。

  • 红绿比值指数(Red Green Ratio Index——RG

RG比值指数指示由于花青素代替叶绿素而引起叶片变红的相关表达式。可估算植被冠层发展过程,它还是叶片生产力与胁迫性的指示器,甚至可标识一些冠层的开花。应用于植物生长周期(物候)研究,冠层胁迫性检测和作物估产。

RG比值指数结果输出是红色范围内所有波段均值除以与绿色范围内所有波段均值。值的范围是0.1~8,一般绿色植被区的范围是0.7~3。

3.4冠层氮——Canopy Nitrogen (1)

冠层氮指数提供一种用遥感度量氮浓度的方法。氮是叶绿素的重要组成部分,具有高浓度氮的植被生长速度较快,冠层氮指数使用短波红外测量植被冠层中氮的相对含量。

归一化氮指数(Normalized Difference Nitrogen Index——NDNI

NDNI是用于估算植被冠层中氮的相对含量。在1510nm的反射率主要取决于叶片氮的含量,以及冠层总体叶生物量。结合叶片氮含量和冠层叶生物量在1520nm范围内预测叶片氮的含量,在1680nm波长范围作为参考反射率,冠层叶生物量这个波长范围具有与1520nm波长范围类似的反射特性,而且1680nm波长范围内没有氮吸收影响。NDNI在植被还是绿色以及覆盖浓密时候,对氮含量的变化非常敏感,它用于精细农业、生态系统分析和森林管理。其计算公式为:

(式13)

值的范围是0~1,一般绿色植被区的范围是0.02~0.1。

3.5干旱或碳衰减——Dry or Senescent Carbon (3)

干旱或碳衰减指数是用来估算纤维素和木质素干燥状态的碳含量。干碳分子大量存在于木质材料和衰老、死亡、或休眠的植被,可以使用这些指数可以做植被着火性分析和检测森林的枯枝落叶层。干旱或碳衰减指数是基于纤维素和木质素在短波红外波段吸收特性而计算。

  • 归一化木质素指数(Normalized Difference Lignin Index——NDLI

NDLI是用来估算植被冠层木质素的相对含量,应用生态系统分析和检测森林的枯枝落叶层。其计算公式为:

 (式14)

值的范围是0~1,一般绿色植被区的范围是0.005~0.05。

  • 纤维素吸收指数(Cellulose Absorption Index——CAI

CAI可以指示地表含有干燥植被,纤维素在2000 nm~ 2200 nm范围内吸收特征非常敏感。应用于农作物残留监测,植物冠层衰老,生态系统中的着火条件和放牧管理。其计算公式为:

 (式15)

值的范围是-3~4+,一般绿色植被区的范围是-2~4。

  • 植被衰减指数(Plant Senescence Reflectance Index——PSRI

    PSRI用来最大限度地提高类胡萝卜素(例如α-胡萝卜素和β-胡萝卜素)与叶绿素比率的灵敏度,PSRI的增加预示冠层胁迫性的增加、植被衰老的开始和植物果实的成熟。可用于植被健康监测、植物生理胁迫性检测和作物生产和产量分析。其计算公式为:

(式16)

值的范围是-1~1,一般绿色植被区的范围是-0.1~0.2。

3.6叶色素——Leaf Pigments (4)

叶色素指数用于度量植被中与胁迫性相关的色素。胁迫性相关的色素包括类胡萝卜素和花青素,这些色素大量存在衰减植被中,这些指数不能度量叶绿素。叶色素指数应用于农作物监测、生态系统研究、冠层胁迫性分析和精细农业。叶色素指数要求反射率数据范围在0~1。

  • 类胡萝卜素反射指数1(Carotenoid Reflectance Index 1——CRI1)

CRI1对叶片中的类胡萝卜素非常敏感,高的CRI1值意味类胡萝卜素含量相比叶绿素含量多。其计算公式为:

(式17)

值的范围是0~15+,一般绿色植被区的范围是1~12。

  • 类胡萝卜素反射指数2(Carotenoid Reflectance Index 2——CRI2)

CRI2是CRI1的改进型,在类胡萝卜素浓度高时更加有效,高的CRI2值意味类胡萝卜素含量相比叶绿素含量多。其计算公式为:

  (式18)

值的范围是0~15+,一般绿色植被区的范围是1~11。

  • 花青素反射指数1(Anthocyanin Reflectance Index 1——ARI1)

ARI1对叶片中的花青素非常敏感,ARI1值越大表明植被冠层增长或者死亡。其计算公式为:

(式19)

值的范围是0~0.2+,一般绿色植被区的范围是0.001~0.1。

  • 花青素反射指数2(Anthocyanin Reflectance Index 2——ARI2)

ARI2对叶片中的花青素非常敏感,ARI2值越大表明植被冠层增长或者死亡。ARI2 是ARI1的改进,当花青素浓度高时更加有效。其计算公式为:

(式20)

值的范围是0~0.2+,一般绿色植被区的范围是0.001~0.1。

3.7冠层水分含量——Canopy Water Content (4)

冠层水分含量指数用于度量植被冠层中水分含量。水分含量是一个重要的植物指标,较高的水含量表明健康植被、生长快及不易着火。冠层水分含量指数基于水在近红外和短波红外范围内的吸收特征,以及光在近红外范围的穿透性,综合起来度量总的水柱含量。

  • 水波段指数(Water Band Index——WBI

WBI对冠层水分状态的变化非常敏感,随着植被冠层水分的增加,970nm附近吸收强度相比900nm处有所增强。应用包括冠层胁迫性分析,生产力预测与建模,着火威胁条件分析,农作物管理,以及生态系统生理机能研究。其计算公式为:

(式21)

一般绿色植被区的范围是0.8~1.2。

  • 归一化水指数(Normalized Difference Water Index——NDWI

NDWI对冠层水分含量的变化非常敏感,因为在857 nm 和 1241 nm具有相似的反射率,但是又不同于液态水的吸收特性。应用于冠层胁迫性分析,在浓密叶型植被的叶面积指数的研究,植被生产力模型,着火性研究。其计算公式为:

(式22)

值的范围是-1~1,一般绿色植被区的范围是-0.1~0.4。

  • 水分胁迫指数(Moisture Stress Index——MSI)

MSI对叶片水分含量的增加非常敏感。当叶片水分含量的增加,在1599nm处的吸收强度也增加,而在819nm处的吸收强度没有影响。应用于冠层胁迫性分析,生产力预测与建模,着火威胁条件分析,以及生态系统生理机能研究。与其他水指数相反,MSI值越大,水分胁迫性越严重和水分含量越少。其计算公式为:

(式23)

值的范围是0~3+,一般绿色植被区的范围是0.4~2。

  • 归一化红外指数(Normalized Difference Infrared Index——NDII

NDII对农作物冠层的水分含量变化非常敏感,NDII的值越大表示水分含量越多。应用于农作物管理,森林冠层监测,植被胁迫性探测。其计算公式为:

(式24)

值的范围是-1~1,一般绿色植被区的范围是0.02~0.6。

References

Ceccato, P., S. Flasse, S. Tarantola, S. Jacquemoud, and J.M. Gregoire, 2001. Detecting Vegetation Leaf Water Content Using Reflectance in the Optical Domain. Remote Sensing of Environment 77:22-33.

Champagne, C., E. Pattey, A. Bannari, and I.B. Stratchan, 2001. Mapping Crop Water Status: Issues of Scale in the Detection of Crop Water Stress Using Hyperspectral Indices. Proceedings of the 8th International Symposium on Physical Measurements and Signatures in Remote Sensing, Aussois, France. Pp.79-84.

原文链接:https://bbs.csdn.net/forums/gisrs?spm=1001.2014.3001.6682

这篇关于ENVI下植被指数模型详解的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/879626

相关文章

springboot security快速使用示例详解

《springbootsecurity快速使用示例详解》:本文主要介绍springbootsecurity快速使用示例,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝... 目录创www.chinasem.cn建spring boot项目生成脚手架配置依赖接口示例代码项目结构启用s

Python中随机休眠技术原理与应用详解

《Python中随机休眠技术原理与应用详解》在编程中,让程序暂停执行特定时间是常见需求,当需要引入不确定性时,随机休眠就成为关键技巧,下面我们就来看看Python中随机休眠技术的具体实现与应用吧... 目录引言一、实现原理与基础方法1.1 核心函数解析1.2 基础实现模板1.3 整数版实现二、典型应用场景2

一文详解SpringBoot响应压缩功能的配置与优化

《一文详解SpringBoot响应压缩功能的配置与优化》SpringBoot的响应压缩功能基于智能协商机制,需同时满足很多条件,本文主要为大家详细介绍了SpringBoot响应压缩功能的配置与优化,需... 目录一、核心工作机制1.1 自动协商触发条件1.2 压缩处理流程二、配置方案详解2.1 基础YAML

Python实现无痛修改第三方库源码的方法详解

《Python实现无痛修改第三方库源码的方法详解》很多时候,我们下载的第三方库是不会有需求不满足的情况,但也有极少的情况,第三方库没有兼顾到需求,本文将介绍几个修改源码的操作,大家可以根据需求进行选择... 目录需求不符合模拟示例 1. 修改源文件2. 继承修改3. 猴子补丁4. 追踪局部变量需求不符合很

Java的IO模型、Netty原理解析

《Java的IO模型、Netty原理解析》Java的I/O是以流的方式进行数据输入输出的,Java的类库涉及很多领域的IO内容:标准的输入输出,文件的操作、网络上的数据传输流、字符串流、对象流等,这篇... 目录1.什么是IO2.同步与异步、阻塞与非阻塞3.三种IO模型BIO(blocking I/O)NI

java中反射(Reflection)机制举例详解

《java中反射(Reflection)机制举例详解》Java中的反射机制是指Java程序在运行期间可以获取到一个对象的全部信息,:本文主要介绍java中反射(Reflection)机制的相关资料... 目录一、什么是反射?二、反射的用途三、获取Class对象四、Class类型的对象使用场景1五、Class

golang 日志log与logrus示例详解

《golang日志log与logrus示例详解》log是Go语言标准库中一个简单的日志库,本文给大家介绍golang日志log与logrus示例详解,感兴趣的朋友一起看看吧... 目录一、Go 标准库 log 详解1. 功能特点2. 常用函数3. 示例代码4. 优势和局限二、第三方库 logrus 详解1.

一文详解如何从零构建Spring Boot Starter并实现整合

《一文详解如何从零构建SpringBootStarter并实现整合》SpringBoot是一个开源的Java基础框架,用于创建独立、生产级的基于Spring框架的应用程序,:本文主要介绍如何从... 目录一、Spring Boot Starter的核心价值二、Starter项目创建全流程2.1 项目初始化(

Spring Boot3虚拟线程的使用步骤详解

《SpringBoot3虚拟线程的使用步骤详解》虚拟线程是Java19中引入的一个新特性,旨在通过简化线程管理来提升应用程序的并发性能,:本文主要介绍SpringBoot3虚拟线程的使用步骤,... 目录问题根源分析解决方案验证验证实验实验1:未启用keep-alive实验2:启用keep-alive扩展建

Java异常架构Exception(异常)详解

《Java异常架构Exception(异常)详解》:本文主要介绍Java异常架构Exception(异常),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1. Exception 类的概述Exception的分类2. 受检异常(Checked Exception)