植被的近红外反射率(NIRv)

目录

一、NIRv是什么?

二、NIRv计算公式

1、常见公式

2、修正后公式

小结:

三、NIRv值的意义

1. NIRv 接近 0

2. NIRv 中等值

3. NIRv 高值

4. 负值的 NIRv

小结

​​​参考文献


一、NIRv是什么?

        Badgley等[1] 考虑到混合像元中土壤等非光合作用背景对于遥 感反射率的影响,基于 NDVI 指数计算得到的植被 近 红 外 反 射 率 指 数(Near-Infrared Reflectance of Vegetation NIRv)。 

        NIRv 是一种通过 NDVI 指数计算得到的冠层 植被反射率指数,能够有效降低土壤背景反射率的影响。具有减少混合像素数 量和最小化土壤污染造成的噪声的优势。

        NIRv 作为一种能够有效反映植被生长状况的指标,在植被物候研究中也具有很大的潜力。

二、NIRv计算公式

1、常见公式

                                                NIRv=\left ( \frac{NIR-Red}{NIR+Red} \right )\cdot NIR

其中:

  • NDVI 的取值范围是[−1,1],但对于植被而言,NDVI 通常在 [0,1] 之间。
  • NIR 的取值范围是[0,1],这是标准化反射率范围。

因此,NIRv 的取值范围主要会在 [0,NIR] 之间,具体取决于植被的 NDVI 和 NIR 值。在稠密植被区域,NIRv 值会较高,而在稀疏植被或非植被区域,NIRv 值会接近于零。

2、修正后公式

                                ​​​​​​​                NIRv=\left ( \frac{NIR-Red}{NIR+Red}-C \right )\cdot NIR

        根据 Badgley[1], 参数 C 设置为 0.08。

这里 0.08 是一个修正常数,因此该公式的 NIRv 取值范围稍有不同:

  • 当 NDVI = 0.08 时,NIRv 为零。
  • NDVI < 0.08 时,NIRv 值会变为负数(但通常这些值会被认为是噪声或非植被区域)。
  • NDVI > 0.08 时,NIRv 值会随着 NIR 的增加而增大。

小结:

  • 对于高植被覆盖区域,NIRv 值通常较大,范围大约在 0 到 0.5 或更高(取决于 NIR 值)。
  • 对于非植被或低植被覆盖区域,NIRv 值接近于 0 或稍低。
  • NIRv 的上限理论上与 NIR 值一致,但在实际应用中,较大的 NIRv 值(比如 0.4 到 0.6)通常对应着浓密的植被。

三、NIRv值的意义

1. NIRv 接近 0

NIRv 值接近 0 时,通常表示该区域的植被覆盖较少或没有植被,或者植被处于较差的健康状态。这种情况通常对应着:

  • 裸地水体建筑物等非植被表面。
  • 稀疏植被干旱植被 区域,植被的光合作用和反射率都很低。
  • 植被可能处于 休眠病态退化状态,比如受干旱、火灾或污染影响。

2. NIRv 中等值

中等的 NIRv 值通常表示该区域有一定的植被覆盖,植被的光合作用活动在正常范围内。此时:

  • 植被覆盖率在 适中,可能是草地、灌木地或一些农作物地块。
  • 植被的健康状况 一般,没有特别高的生产力,但也没有特别差的状况。
  • 这种值可能出现在 耕地低密度森林草原 中。

3. NIRv 高值

较高的 NIRv 值通常表示植被覆盖密集、健康状况良好、光合作用活跃。这种情况对应着:

  • 茂密植被,如热带雨林、健康的农田或成熟的森林。
  • 植被的 光合作用效率高,叶片的吸收和反射都很强烈。
  • 生物量较高,植被在该区域有较高的碳吸收和生产力。

高 NIRv 值通常是健康植被的标志,意味着该区域具有丰富的植物资源和较高的生态系统生产力。

4. 负值的 NIRv

如果 NIRv 为负值(通常发生在使用修正公式时),可能表明:

  • 非植被表面 或低密度植被区域,负值的 NIRv 表示该区域几乎没有植被,或者背景反射率影响了 NIRv 值。
  • 这种情况也可能由于算法误差或噪声引起,但通常被认为是不相关植被的像元。

小结

  • 低值(接近 0 或负值):无植被或稀疏植被、植被健康较差或背景噪声。
  • 中等值:适度植被覆盖,健康状态一般的植被。
  • 高值:茂密植被、健康状态良好、光合作用效率高,通常意味着高生物量和生产力。

NIRv 数值的变化反映了植被覆盖和健康状况的动态变化,是监测植被活动和生态系统状态的重要指标。

​​​参考文献

Grayson, Badgley, Christopher, et al. Canopy near-infrared reflectance and terrestrial photosynthesis[J]. Science Advances, 2017.

斯皮尔曼相关性是一种用于衡量两个变量之间的非线性相关性的统计方法。在MATLAB中,可以使用`corr`函数来计算斯皮尔曼相关性系数。引用给出了斯皮尔曼相关系数的计算公式。下面是一个MATLAB代码示例,展示如何使用`corr`函数计算斯皮尔曼相关系数并绘制相关系数矩阵的热力图。 ```MATLAB clc; clear; load('CRO-C3.mat') data=[GPP_DT_VUT_REF,EVI,NDVI,NIRv,kNDVI,LSWI,FPAR,TA_F,VPD_F,SW_IN_F]; rho = corr(data, 'type','Spearman'); string_name={'GPP','EVI','NDVI','NIRv','kNDVI','LSWI','FPAR','TA','VPD','SW'}; xvalues = string_name; yvalues = string_name; h = heatmap(xvalues,yvalues, rho, 'FontSize',10,'FontName','Times New Roman'); h.Title = '斯皮尔曼相关系数矩阵'; colormap summer ``` 这段代码中,`data`是包含各个变量数据的矩阵。通过设置`'type'`参数为`'Spearman'`,可以计算出斯皮尔曼相关系数矩阵。然后,使用`heatmap`函数绘制相关系数矩阵的热力图。`xvalues`和`yvalues`分别是矩阵的行标签和列标签,用来显示变量的名称。最后,通过`colormap`函数设置热力图的颜色映射。 这段代码可以在MATLAB环境中运行,将会得到斯皮尔曼相关系数矩阵的热力图。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [matlab相关性分析(皮尔逊,肯德尔,斯皮尔曼)](https://blog.csdn.net/qq_45039924/article/details/127457212)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [斯皮尔曼相关系数.zip_斯皮尔曼matlab_斯皮尔曼系数d_皮尔逊_皮尔逊系数_相关系数计算](https://download.csdn.net/download/weixin_42657024/86192602)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值