下载文档原格式
NDVI指数在植被研究中的应用及其评价归一化植被指数NDVI是目前应用最广泛的植被指数。
不同的NDVI值对应不同的土地覆被类型，可以进行土地覆被方面的研究;NDVI 20余年的时序资料可用于研究植被动态，以及与相关生态因子的相关性研究；卫星遥感技术具有覆盖面广、获取数据快等特点，可以用于环境、植被等的监测；应用NDVI发展生态学模型，可以开展生态学模拟研究，并在实地检验过程中完善。
NDVI指数虽然存在容易饱和、校正有限、噪音较多等缺点，而且已经发展了新的替代性指数，但其特有的优点仍将使其在今后的研究中发挥重大作用。
植被指数是基于植物的光谱特征，将可见光与近红外遥感光谱观测通道进行组合运算而得到的数据。
迄今为止，植被指数已经发展出40 余种。
其中AVHRR-NDVI是目前应用最广泛的植被指数，应用领域包括土地利用、产量预报、区域检测以及生物地理学和生态学研究等。
NDVI已经积累了20 余年的数据资料Anyamba Tucker，2005，应用研究颇具成效。
1、NDVI指数原理植物叶片组织对蓝光470nm和红光650nm有强烈吸收，而对绿光和红外光强烈反射叶片中心的海绵组织和叶片背面组织对近红外辐射NIR，700-1000nm 反射较强。
从红光Red到红外光，裸地反射率较高但增幅很小。
植被覆盖越高，红光反射越小，近红外光反射越大。
红光吸收很快达到饱和，而近红外光反射随着植被增加而增加。
所以，任何强化Red 和NIR 差别的数学变换都可以作为植被指数，来描述植被状况。
归一化植被指数NDVI 就被定义为：NIR/Red-1/ NIR/Red1。
在理想状况下，不考虑大气、土壤背景等的影响，太阳-地物-传感器位置相对固定，此时传感器受到的信号将没有信号丢失和噪音干扰。
而现实中，遥感数据要受到大气、土壤和传感器角度等因素的影响，因此在使用时需要进行必要的校正。
如AVHRR-NDVI，对瑞利散射和臭氧吸收作了校正，又通过最大值合成法MVC对其他噪音作了校正。
NDVI是农业领域常用的一种指数，它可以用来评估植被的生长状况和土壤的湿度情况。
下面将详细介绍NDVI的概念、公式含义以及其在农业生产中的应用。
一、NDVI的概念NDVI即归一化植被指数(Normalized Difference Vegetation Index)，是一种通过遥感技术获取的植被信息指数。
它是由美国科学家Rouse等人于1974年提出的，是利用植被红外光和可见光谱反射率之间的比值来反映植被覆盖度和生长状况的指标。
二、NDVI的计算公式NDVI的计算公式如下：\[ NDVI = \frac{NIR - RED}{NIR + RED} \]其中，NIR表示红外波段的反射率，RED表示可见光波段的反射率。
通过计算这两个波段的反射率的差值和比值，可以得到NDVI的数值。
NDVI的数值范围通常在-1到1之间，数值越大代表植被覆盖度越高，生长状况越好。
三、NDVI在农业生产中的应用1. 土壤湿度监测通过监测植被的生长状况，可以间接地推断土壤的湿度情况。
植被生长状况好的地方往往意味着土壤湿度较高，而生长状况差的地方则可能是由于土壤干旱。
农民和农田管理者可以根据NDVI的数值来及时调整灌溉系统，保证农田的水分充足。
2. 病虫害监测有些病虫害对植被的影响会导致植被的生长受到阻碍，从而导致NDVI 数值的下降。
农民可以通过监测NDVI数值的变化来及时发现并采取控制措施，防止病虫害对农作物造成严重损害。
3. 作物产量预测植被的生长状况与作物的产量密切相关。
通过监测植被的生长情况，可以对作物的产量进行预测，帮助农民及时调整农作物的种植结构和管理措施，最大程度地提高作物的产量。
4. 土地利用规划通过对不同地块的NDVI数值进行监测和分析，可以为土地的合理利用提供科学依据。
可以根据NDVI数值的变化来调整种植作物的布局，或者在土地治理和防护工程中进行合理规划。
四、结语NDVI作为一种重要的植被信息指数，对于农业生产和土地资源管理具有重要意义。
Erdas里面利用NDVI提取植被指数的步骤NDVI：归一化植被指数和植物的蒸腾作用、太阳光的截取、光合作用以及地表净初级生产力等密切相关。
1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等；2、-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；3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。
对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度；4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关；在erdas里面利用NDVI提取植被指数的步骤如下：1、在Erdas的主工具中选择Interpreter模块，出现Image Interpreter 对话框2、然后选择Spectral Enhancement，会弹出Spectral Enhancement对话框3、再选择Indices选项出现Indices对话框以SPOT数据为例进行说明，选择InputFile，选择Output File，在OutputOptions 的Sensor中选择SPOT XS/XI，在SelectFunction里面选择NDVI，DataType默认为Float不用改变，可以发现最下面的Function显示band 3 - band 2 / band 2 +band 3，这个就是NDVI的计算公式。
最后选择OK即可完成，如果NDVI计算的话在ENVI是最方便的在Transform菜单下就有，同时ENVI的波段计算功能也很方便完成NDVI计算。
这里如果不填写，OK按钮是灰色的。
植物生态学报 2000,24(1)9～12Acta P hy toecolog ica S inica收稿日期:1998203218 修订日期:1998207215基金项目:国家自然科学基金重点项目资助(编号:39730110及49835001)基于NDV I 的中国天然森林植被净第一性生产力模型郑元润 周广胜(中国科学院植物研究所植被数量生态学开放研究实验室,北京 100093)摘 要 根据叶面积指数、归一化植被指数(N DV I )建立了中国森林植被净第一性生产力(N P P )模型:N P P =-016394-671064ln (1-N DV I )经我国13组森林植被生产力数据的验证表明,该模型的预测结果与实测值相符较好。
通过与Ch ikugo 模型和综合模型(周广胜等,1996)预测结果的比较,该模型在总体上优于Ch ikugo 模型和综合模型。
表明基于N DV I 的净第一性生产力模型对我国森林植被有良好的适应性,可用于快速监测与预测我国森林生产力的动态变化。
关键词 森林植被 净第一性生产力模型 归一化植被指数A F OREST VEGETATI ON N PP MOD E L BASE D ON NDV IZH EN G Yuan 2R un and ZHOU Guang 2Sheng(L aboratory of Q uantitative V eg etation E colog y ,Institu te of B otany ,A cad e m ia S inica ,B eij ing 100093)Abstract A net p ri m ary p roductivity (N P P )model of forest vegetati on in China is p resented based on L A I andN DV I w hereby :N P P =-0.6394-671064ln (1-N DV I )T his model w as established to si m ulate the N P P of forest vegetati on in China according to a comparison of forecasted w ith observed forest N P P data for sp ruce forest ,p ine forest ,evergreen broad 2leaved forest ,deciduous and evergreen broad 2leaved forest ,m ixed coniferous broad 2leaved forest etc .Correspondence w ith observed data w as good .Based on a comparison of the si m ulated data w ith the Chikugo and Synthetic M odels (Zhou &Zhang ,1996)and w ith the ne w model ,show s the latter gives better results from the Chikugo and Synthetic models at a general level.T his suggests that the ne w model based on N DV I is suitable to Chinese forest vegetati on ,and that it can be used to monitor and forecast the dynam ics of N P P in Chinese forest vegetati on .Key words Forest vegetati on ,N P P model ,N DV I 全球气候变化及其对人类赖以生存的陆地生态系统的影响不仅已成为全世界生态环境科学研究的焦点,而且已引起各国政府的高度重视(GCT E Co re P ro ject O ffice ,1993;张新时等,1994;韩纯儒,1994;Steffen et al .,1992)。
高光谱遥感技术在农林植被调查方面的应用高光谱分辨率遥感（简称高光谱遥感），是20世纪末迅速发展起来的一项集探测器技术、精密光学机械、微弱信号检测、计算机和信息处理技术于一体的全新遥感技术。
它能够获得地物的连续光谱信息，实现地物图像信息与光谱信息的同步获取，因而在地质、林业、农业、生态环境、海洋、军事等领域具有巨大的应用价值和广阔的发展前景。
植被作为遥感观测和记录的第一表层，是遥感数据反映的最直接信息。
目前，多光谱遥感已被广泛应用于植被的长势研究、沙漠化研究、气候演变规律分析等方面，但传统的多波段遥感数据对于植被的研究和应用仍仅限于一般性的红光吸收特征与近红外的反射特征及中红外的水吸收特征波段，由于受波段宽度和波段数以及波长位置的限制，往往对植被类型不敏感，对植被长势反映不理想，而高光谱遥感在对目标的空间特征成像的同时，对每个像元可在更宽范围上，形成几十个乃至几百个窄波段连续的光谱覆盖，使更深入地考察植被光谱的响应机制和物理机制成为可能，因此成为植被和林业方面监测的强有力工具。
1. 高光谱遥感在植被调查方面的优势高光谱遥感在光谱分辨率方面的提高，使地物目标的属性信息探测能力有所增强，因此，较之全色和多光谱遥感，高光谱遥感有以下显著优势：（1）成像光谱仪所获取的地物连续光谱比较真实，能全面反映自然界各种植被所固有的光谱特征以及其间的细节差异性，从而大大提高地物分类的精细程度和准确性，使得高光谱图像数据与光谱仪地面实测光谱曲线数据之间的直接匹配成为可能。
（2）高光谱图像数据提高了根据混合光谱模型进行混合像元分解的能力，减少了土壤等植被生长背景地物的影响，从而能够获取最终光谱端元的真实光谱特性曲线数据。
（3）高光谱分辨率的植被图像数据将对传统的植被指数运算予以改进，大大提高了植被指数所能反演的信息量，使人们可以直接收获诸如植被叶面积指数、生物量、光合有效吸收系数等植被生物物理参量。
（4）提高遥感高定量分析的精度和可靠性，基于高光谱分辨率的光谱吸收特征信息提取可以完成部分植被生物化学成分（如植被干物质和水分含量等）定量填图。
2020年第8期26计算机应用信息技术与信息化RGB-NDVI 影像在植被变化信息监测中的应用分析——以博斯腾湖地区为例李 君* 尚夏明** LI Jun SHANG Xia-ming摘 要 本文研究目的为直观监测博斯腾湖地区植被变化信息。
基于2015年和2020年高分一号卫星遥感影像，分别计算研究区不同时段的归一化植被指数及其差值，得到NDVIt1，NDVIt2和差值NDVI 影像，按R-G-B=NDVIt1-NDVIt2-差值NDVI ，作假彩色合成，得到RGB-NDVI 影像，并结合遥感影像分析研究区的植被变化信息。
研究结果显示RGB-NDVI 影像可读性强，直观地反映了研究区植被变化信息，能够快速、高效地监测研究区植被变化情况，在植被生态环境监测中具有良好的应用前景。
关键词 RGB-N DVI ；林业遥感；GF-1影像；博斯腾湖doi：10.3969/j.issn.1672-9528.2020.08.008* 大连大水规划设计有限公司 辽宁大连 116021**西安科技大学 陕西西安 7100540 引言遥感技术广泛用于对植被的变化监测中[1-2]，是当前森林变化信息采集的主要技术手段[3]。
虽然众多学者从不同的角度针对不同的应用提出了多种遥感影像变化检测方法，并且大多适用于森林变化监测，但针对不同的数据源、不同变化特点的森林，如何准确、快速、高效获取其变化信息，仍需更广泛及深入的研究[4]。
RGB-NDVI 影像对于植被变化区域具有色彩显示的优势，能够直观地反映植被变化区域及其变化方向，用其开展植被变化信息监测工作具有简单、快速及高效的特点[5-6]。
本文以博斯腾湖地区为实验区，以高分一号（GF-1）卫星作为遥感数据源，应用并分析了RGB-NDVI 影像对于植被变化信息的监测，以丰富森林资源变化监测的方法体系[7]。
1 研究区概况及数据处理1.1 研究区概况博斯腾湖地区位于中国西北部新疆维吾尔自治区巴音郭楞蒙古自治州博湖县境内，地理位置为82°58′-88°16′E ，41°28′-43°21′N ，总面积约43181km 2。
