植被指数饱和性以及降低植被指数饱和性、提高预测精度的方法

植被指数饱和性的原理：
使用归一化差值植被指数估计作物变量的饱和度问题是众所周知的。NDVI的过饱和现象主要由于高密度植被对光线的反射特性和冠层结构的限制。近红外波段：在高密度植被中，近红外波段的反射率非常高，接近其最大值。这是因为植被叶片内部结构使得近红外光能够在细胞间隙多次反射和散射，从而导致大量的近红外光被反射。随着植被密度进一步增加，近红外波段的反射率增长变得极为缓慢，逐渐趋于饱和。红波段：对于红波段，植被中的叶绿素强烈吸收红光，导致其反射率很低。在高密度植被下，叶绿素含量已经很高，红波段的反射率接近下限。数值方面，在过饱和情况下，近红外波段的反射率可能接近 0.8 - 1.0 ，红波段的反射率可能在 0.05 - 0.1 左右，但具体数值会受到植被类型、健康状况、测量仪器等多种因素的影响。
NDVI 计算公式： NDVI = (NIR-Red) / (NIR+Red)
其中，NIR表示近红外波段的反射率，Red表示红光波段的反射率。

饱和度可能不仅指归一化差值植被指数，还指某些波段。在克服光谱指数饱和性的过程中，许多研究者对此做了许多努力。Gitelson确定了NDVI饱和度、反射率对比度和高LAI之间的关系。高LAI的密集冠层导致红色和近红外波段之间产生显著的反射率对比度，然后反射率对比度导致NDVI饱和。在这种关系中，反射率对比度是与其他变量相联系的关键变量。

1、其中一种便是引进系数：
因此，降低饱和度的关键步骤是在高LAI条件下衰减这种反射对比度。宽动态范围植被指数（WDRVI）通过引进系数来克服NDVI的过饱和性。
WDRVI计算公式： WDRVI = (aNIR-Red) / (aNIR+Red)
系数a的取值为0.1–0.2
2、新波段的引入为植被指数克服饱和性提供了另一个方向：
与WDRVI相比，新指数使用了一个新的波段来消减NIR波段。仍然使用降低反射波段对比度为基础。另一方面，额外的波段可以看作是WDRVI的扩展，使得新的指数有可能包含更多的目标信息。与NDVI相比，新指数包含一个新的波段λ，该波段从NIR波