植被覆盖度【估算】——NDVI指数学习

磨璞为玉

已于 2024-09-11 16:28:44 修改

阅读量1.1k

点赞数 26

文章标签：学习方法 javascript

于 2024-09-06 12:55:22 首次发布

本文链接：https://blog.csdn.net/m0_56337927/article/details/141954012

版权

前言

了解NDVI是什么、有什么用、怎么用

一、植被覆盖度

1、植被覆盖度是重要的生态气候参数，许多全球及区域气候数值模型中都需要植被覆盖度的信息，它也是描述生态系统的重要要基础数据
2、植被覆盖度在水文生态模型研究中是一个很重要的变量在全球循环的模型中经常需要它的时间动态与空间分布，来计算自能量或水流动
3、植被覆盖度是环境与全球变化中的一个敏感因子，从区域到全球尺度上对植被覆盖变化进行监测，可以为环境变化提供有用的信息在全球和区域土地覆盖变化监测的很多研究中都需要定量化的植被覆盖度信息
4、在考察地表植被蒸腾和土壤水分蒸发损失总量、光合作用的过程时，植被覆盖度都是作为一个重要的控制因子
5、植被覆盖度是水土流失的控制因子之一，植被覆盖度的高低很大程度上决定着水土流失的强度
6、植被覆盖度是评估土地退化、盐渍化和沙漠化的有效指数

二、植被覆盖度的测量方法

1.主要学习植被指数法【借助遥感】

2.植被指数意义

反映绿色活植被相对丰度和活性的辐射量化值，常被用于表征研究区域的植被生理状况、绿色生物量及植被生产力等。

        目前已提出的植被指数多达二十余种，如：
                                                        比值植被指数(RVI)
                                                        差值植被指数(DVI)
                                                        归一化植被指数(NDVI)
                                                        增强植被指数(EVI)
                                                        正交植被指数(PVI)
                                                        土壤调节植被指数(SAVI)
                                                        修正的土壤调节植被指数(MSAVI)

其中，归一化植被指数(NDVI)的应用最为广泛。

3.NDVI

NDVI在世界范围内被广泛应用于监测干旱、监测和预测农业生产、协助预测存在火险的区域以及绘制沙漠扩侵图。进行全球植被监测时会首选NDV，因为它有助于对更改的照明条件、表面坡度、坡向和其他外部因素进行补偿。

NDVI反映土地覆盖植被状况的一种遥感指标，定义为近红外通道与可见光通道反射率之差与之和的商。

NDVI是通过分析在不同光谱波段（通常是红光和近红外）反射的光来衡量植被的生长情况和密度。它的计算公式是：

$NDVI=\frac{NIR-Red}{NIR+Red}$

其中，NIR代表近红外波段的反射率，Red代表红光波段的反射率。

注意：不同卫星的

-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大。

        较低的(小于等于0.1)NDVI值表示岩石、沙石或雪覆盖的贫瘠区域。
        中等值(0.2至0.3)表示灌木丛和草地。
        较高的值(0.6至0.8)表示温带雨林和热带雨林。

4.为什么这样计算NDVI

上图是植被的反射波谱特征图。

植被的反射波谱曲线（光谱特征）规律性明显而独特。在可见光波段（0.4-0.76μm），植被有一个小的反射峰，位置在0.55μm（绿色）附近，两侧在0.45μm（蓝色）和0.67μm（红色）则有两个吸收带。这是由于叶绿素在这两个波长范围内吸收大部分的入射能量用于光合作用，在这两个叶绿素吸收带之间，由于吸收作用较小(反射率为10%-20%)，在0.54μm（绿色）附近形成一个反射峰，因此许多植物看起来是绿色的。

在光谱的近红外波段，植被的光谱特性主要受植物叶子内部构造的控制。健康绿色植物在近红外波段的光谱特征是反射率高（45%-50%），透过率高（45%-50%），吸收率低（<5%）。在可见光波段与近红外波段之间，即大约0.76μm附近，反射率急剧上升，形成“红边”现象，这是植物曲线的最为明显的特征，是研究的重点光谱区域。

在1.45μm、1.95μm以及2.6-2.7μm处，植被的反射波谱曲线存在三个波谷，主要由水分的吸收带造成。

5.理解NDVI计算公式

分母为和的原因

在归一化植被指数（NDVI）的计算中，分母是近红外波段（NIR）和红光波段（Red）反射率的和，这是因为：

1. **增强对比度**：通过将两个波段的反射率相加，可以增强植被与非植被之间的对比度。植被在近红外波段的反射率通常较高，而在红光波段的反射率较低。非植被区域则相反，它们在红光波段的反射率较高，而在近红外波段的反射率较低。

2. **减少光照和角度的影响**：使用两个波段的和作为分母有助于减少由于光照条件和观测角度变化带来的影响。这种标准化处理有助于在不同时间和不同条件下比较NDVI值。

3. **归一化处理**：分母的存在使得NDVI值在 -1 到 +1 之间归一化，这有助于比较不同地区或不同时间点的植被状况。归一化处理也使得NDVI值更容易被解释和应用。

4. **减少噪声**：在实际的遥感数据中，可能会存在一些噪声，比如云层、阴影等。通过计算两个波段的差值并除以它们的和，可以在一定程度上减少这些噪声的影响。

分子为差的原因

在归一化植被指数（NDVI）的计算中，分子是近红外波段（NIR）和红光波段（Red）反射率的差值，这是因为：

1. **植被特性**：植被在近红外波段的反射率通常比红光波段要高得多。这是因为植被中的叶绿素吸收了大部分红光用于光合作用，而在近红外波段则反射得更多。因此，近红外波段和红光波段的反射率差值能够很好地反映出植被的存在和健康状况。

2. **增强信号**：通过计算两个波段的差值，可以增强植被信号与非植被信号之间的差异。这种差异是植被健康监测的关键，因为健康的植被会有较高的近红外反射率和较低的红光反射率。

3. **减少饱和效应**：如果使用两个波段的和作为分子，那么在植被非常密集的区域，反射率可能会接近传感器的测量上限，导致数据饱和。通过使用差值，可以减少这种饱和效应，使得NDVI值能够更准确地反映植被的健康状况。

4. **提高灵敏度**：差值能够提高对植被变化的灵敏度。在植被开始生长或受到压力时，这种变化首先会体现在近红外和红光波段反射率的差异上。通过计算差值，可以更敏感地捕捉到这些变化。

5. **简化计算**：虽然现代遥感技术可以处理复杂的算法，但NDVI的简单性使其易于计算和应用，特别是在资源有限的情况下。差值计算简单，易于理解和实施。

商在-1到1之间的原因

归一化植被指数（NDVI）的公式设计使得 NDVI 值在特定条件下可以取到 -1 到 +1 的范围。以下是详细解释：

1. **最大值 +1**：当植被覆盖良好，近红外波段（NIR）的反射率非常高，而红光波段（Red）的反射率非常低时，分子（NIR - Red）会接近最大值，而分母（NIR + Red）也会相对较大，但不会超过分子的值。在这种情况下，NDVI 会接近 +1。这表示植被覆盖非常健康和密集。

2. **最小值 -1**：当没有植被或植被状况非常差，近红外波段的反射率非常低，而红光波段的反射率非常高时，分子（NIR - Red）会接近最小值，即负值的最大绝对值，而分母（NIR + Red）相对较小。在这种情况下，NDVI 会接近 -1。这表示几乎没有植被或植被状况非常差。

3. **中间值 0**：当近红外波段和红光波段的反射率相等时，分子（NIR - Red）为 0，此时 NDVI 也为 0。这通常表示该地区没有植被，或者植被和非植被的反射率相同，如裸土、岩石、水体等。

4. **归一化处理**：通过将差值除以和，公式进行了归一化处理，确保 NDVI 值在 -1 到 +1 之间。这种归一化有助于标准化数据，使得不同地区、不同时间的 NDVI 值可以进行比较。

5. **数学特性**：由于分子和分母都是反射率的线性组合，NDVI 的值范围自然被限制在 -1 到 +1 之间。这种设计使得 NDVI 值具有很好的解释性和通用性。

总结

1、将归一化简单理解为放缩，有助于比较。

2、NDVI计算公式的本质是：借助植物对两个波段不同的反射率【差异变化大】进行计算。分子为差、分母为和，简易理解为为了放大差异，使小的更小、大的更大。