基于 GEE 利用 MODIS 数据计算核植被指数 kNDVI

目录

1 核植被指数（kNDVI）

2 完整代码

3 运行结果

---

1 核植被指数（kNDVI）

目前，NDVI依然是比较流行的植被指数。但由于NDVI自身是“非线性”的，当植被覆盖持续增加时，比值NIR/RED持续增加，这种非线性的转换过程也使得NDVI对RED波段过度敏感，因此，在植被覆盖较高的或者生物含量较高地区，NDVI不可避免的伴有不同程度的饱和现象。此外，NDVI对红光(叶绿素)高度敏感，当叶绿索浓度超过一定浓度时，红光对叶绿素不再具有敏感性，很快出现饱和现象。

为了调整NDVI以适应大气和土壤噪声，特别是在植被茂密地区，减缓NDVI饱和性问题，在NDVI中加入了蓝光波段，提出了增强型植被指数EVI，但是EVI中饱和现象依旧存在。

有学者为解决NDVI（归一化差异植被指数）和EVI（增强型植被指数）的饱和度问题上存在的缺陷，通过采用机器学习的核方法理论，将NDVI线性化，转变为了kNDVI（核植被指数）。

kNDVI指数计算公式如下：

n为NIR；r为Red。核函数k表示这两个波段之间的相似性。在任何情况下均通过径向基函数（RBF）再生核，sigma控制近红外和红外波段之间的距离概念。

 对于径向基函数（RBF），自相似性k（n，n）为1，可先简化为下式。