植被作为常见的地表类别之一,也是经常是自动解译的常客。跟水体类似,对于植被的自动提取研究也较多。目前,比较常用的普遍为阈值法,机器学习以及面向对象的方法等多种类别。但其中最简单也最方便的仍然为阈值法。
(1)归一化植被指数
NDVI=(Band4-band3)/(Band3+Band4)
作为目前使用最为广泛的植被提取方法其适用性毋庸置疑。该方法主要是利用植被在近红外波段和红光波段的反射率差异来凸显植被信息,之后通过阈值的选取进而提取植被信息。式中Band3为红光波段反射率,Band4为近红外波段反射率。该方法被广泛使用不仅仅是由于其简单易操作,还同其采用的波段有关。该方法采用的近红外和红光波段在几乎所有的光学影像中都包含,并且其总体提取效果也较佳。并且其他的植被指数大多是在该指数的基础之上进行地改良,但是具体的改良之后的效果以及适用性有待研究。
(2)阴影植被指数SVI
SVI=NDVI×NIR
在植被的提取过程中,尤其是山区的植被提取,由于山体阴影的覆盖,植被呈现出同水体相似的特征,因此常规植被指数难以提取。为了解决这一问题,阴影植被指数SVI被提出。该方法是通过使用近红外波段同NDVI的相乘去扩大植被信息,从而增大阴影植被和水体之间的差异。但是在使用过程中,对于水体的剔除效果并不特别理想。但该指数法仍存在其价值,该指数方法对于高亮区的植被的阈值进行了增强,因此可以更方便的去选取植被提取的阈值。
(3)比值植被指数RVI
RVI=NIR/R
RVI与LAI、叶干生物量(DM)、叶绿素含量相关性高,可用于检