当前位置：文档之家 › 植被遥感指数公式及简介PPT课件

植被遥感指数公式及简介PPT课件

  • 格式：ppt
  • 大小：309.50 KB
  • 文档页数：10

下载文档原格式

  / 10

合集下载

遥感地学分析—植被遥感原理

遥感地学分析—植被遥感原理

（一）单张叶片光谱特性及影响因素
❖ 3、叶片反射波谱的影响因素 ❖ 1）叶片生化组分
❖ 叶绿素a、b，导致0.45μm与0.67μm为中心形 成两个强烈的吸收带；
❖ 胡萝卜素、叶黄素导致0.43μm-0.48μm范围内 形成强烈的吸收带。
❖ 两吸收谷间（0.54μm附近）吸收相对较少， 形成绿色反射峰（10%-20%）。
✓ 等面叶的组织分化不明显。
（一）单张叶片光谱 特性及影响因素
❖ 1、植物叶片结构
✓ 叶片一般具有三部分：表皮、叶肉和叶脉 ✓ 表皮：包围整个叶片，由一层或多层组成。表
皮细胞扁平，排列紧密，通常不含叶绿体，外 表常有一层角质层。
（一）单张叶片光谱
特性及影响因素
❖ 1、植物叶片结构
✓ 叶肉：为表皮内的同化薄壁组织，有两种： （1）栅栏组织：紧靠上表皮下方，呈圆柱状，
叶方位角：法线在水平面上的投影与正北方向 的交角称为叶子在该点的方位角。
（二）植被冠层光谱特性及影响因素
❖ 2、植被冠层影响因素-植被结构
各参数的描述，如：
同一叶子的不同部位，其倾角和方位角可能有很大 差异，测量时，根据叶片弯曲程度将叶片分成几部 分，对每一部分进行测量。
一个冠层内叶倾角的分布模式可以从0 ° （水平叶 ）到90 ° （垂直叶），一般用间隔为10°作出的叶 倾角分布频率图来表示。
植被遥感研究的主要内容：
• （1）通过遥感影像从土壤背景中区分出植被覆盖 区域，并对植被类型进行划分，区分是森林还是 草场或者农田，进而可以问是什么类型的森林， 什么类型的草场，什么样的农作物，如此等等。
• （2）能否从遥感数据中反演出植被的各种重要参 数，例如叶面积指数（LAI）、叶子宽度、平均叶 倾角、植被层平均高度、树冠形状等等，这一类 问题属于更深层次的遥感数据定量分析方法与反 演技术。

第五章 植被遥感(共113张PPT)

第五章 植被遥感(共113张PPT)

三、植被生态参数
植被指数是遥感领域中用来表征地表植被覆盖， 生长状况的一个简单、有效的度量参数。
随着遥感技术的发展，植被指数在环境、生态、 农业等领域有了广泛的应用。
随着人们对于全球变化研究的深入，以遥感信息 推算区域尺度乃至全球尺度的植被指数日益成为 令人关注的问题。
植被指数的概念
遥感图像上的植被信息，主要通过绿色植物叶子 和植被冠层的光谱特性及其差异、变化而反映的， 不同光谱通道所获得的植被信息可与植被的不同 要素或某种特征状态有各种不同的相关性，
灰色颗粒状图型，随比例尺进一步变小，表现为暗色调均匀 的细粒状影纹
（2）阔叶林（山杨、白桦）
其影像色调比针叶林浅，一般呈灰色或浅灰色颗粒状或粗 圆粒状图型，在秋季影片上，不同树种的树冠颜色有较 大差异，因而形成色调混杂的影像。
（3）针阔混交林
（4）灌丛
多呈密集的细粒状结构，色调浅灰，因其覆盖度比 森林低，又有植株阴影，故多呈均匀的浅色或灰 色色调。
正常针叶林为红到品红，枯萎为暗红色，即将枯死时为 青色。
故可根据植被光谱、季相、生态环境、冠层形态 进行植被类型识别。
1. 根据植被光谱划分
不同植物由于叶子的组 织结构和所含色素的不 同，具有不同的光谱特 征。
在近红外光区，草本植 物的反射高于阔叶树， 阔叶树高于针叶树
2. 根据植物的物候差异来区分植物
植被指数的类型
所有植被象素均分布在基线上NIR一侧 利用数据反演综合气候环境因子 植被覆盖度(FVC)：年最大植被覆盖度 归一化植被指数（NDVI） 中红外谱段受叶细胞内水分含量的控制 式中，NDVI、NDVImax、NDVImed、NDVImin分别为平滑化后每周（7天）的NDVI以及它的多年最大值/中值/最小值（以象元为计算单元） 所有植被象素均分布在基线上NIR一侧 植被具有典型的波谱特征，将其余其它典型地物，如人工建筑、裸土、水域等区分容易，但对植被类型划分却有一定难度。 因此，最好运用经大气纠正的数据，或将两波段的灰度值（DN）转换成反射率（ ）后再计算 RVI，以消除大气对两波段不同非线性衰减的影响。 1、与叶面积指数的关系 5时，有5%的入射光可到达土壤表面。 正因为它减弱和消除了大气、土壤的干扰，所以被广泛应用于作物估产。 0表示岩石或裸土等，NIR和R近似相等； TSAVI使土壤背景值有关参数（a，b）直接参与指数运算 因此，可用一个指定变量——日期（j），作为表示气候季节的变量，则上式可简化为： 在近红外波段（700nm）受病害的植被反射率比健康作物的反射率大。 显然，叶面积指数LAI与植被覆盖度均是生物量的重要指标，它们都与植被指数相关。 单张叶片的反射、吸收和透射特性 根据可见光红波段（R）和近红外波段（NIR）对绿色植物的光谱响应的不同，且具有倒转关系。 等）对作物生长的全过程进行动态观测。

遥感地学分析课件——第7章 植被遥感

遥感地学分析课件——第7章 植被遥感
7.3.1 病虫害监测 7.3.2 森林火灾监测 7.3.3 旱灾监测
7.4 资源遥感调查
7.4.1 草场资源调查 7.4.2 林业资源调查
7.1 植被的光谱特性
7.1.1 健康植被的，不同的植物各有其自身的波谱特征， 从而成为区分植被类型、长势及估算生物量的依据。
健康植物的波谱曲线有明显的特点，在可见光的 0.55µm附近有一个反射率为10％~20％的小反射峰。在 0.45µm和0.65µm附近有两个明显的吸收谷。在 0.7~0.8µm是一个陡坡，反射率急剧增高。在近红外波 段0.8~1.3µm之间形成一个高的，反射率可达40％或更 大的反射峰。在1.45µm，1.95µm和2.6~2.7µm处有三个 吸收谷。
（NIR）对绿色植物的光谱响应十分不同，且 具倒转关系。两者简单的数值比能充分表达两 反射率之间的差异。 比值植被指数可表达为：
RVI=DN NIR/ DN R （简单表示为NIR/R）
7.2 植被生态参数的估算
RVI是绿色植物的一个灵敏的指示参数。研究表明， 它与叶面积指数（LAI）、叶干生物量（DM）、叶绿素 含量相关性高，被广泛用于估算和监测绿色植物生物量。 在植被高密度覆盖情况下，它对植被十分敏感，与生物 量的相关性最好。但当植被覆盖度小于50%时，它的分 辨能力显著下降。此外，RVI对大气状况很敏感，大气效 应大大地降低了它对植被检测的灵敏度，尤其是当RVI值 高时。因此，最好运用经大气纠正的数据，或将两波段 的灰度值（DN）转换成反射率（ρ）后再计算RVI，以消 除大气对两波段不同非线性衰减的影响。
不同颜色叶子的反射光谱
7.1 植被的光谱特性
不同水分含量对玉米叶子反射率的影响
7.1 植被的光谱特性
植物遭受不同程度损害的反射光谱曲线

植被遥感指数公式及简介

植被遥感指数公式及简介
植被遥感指数
可编辑ppt
1
植被指数类型
比值植被指数（RVI） 归一化植被指数（NDVI） 差值植被指数（DVI） 缨帽变换中的绿度植被指数（GVI） 垂直植被指数（PVI）
可编辑ppt
2
比值植被指数（Ratio Vegetation Index）
由于可见光红波段（R）与近红外波段（NIR）对绿色 植物的光谱响应十分不同。两者简单的数值比能充分 表达两反射率之间的差异。
可编辑ppt
同植被与土壤亮度线的距离不同。于是 Richardson（1977）把植物象元到土壤亮度线的垂 直距离定义为垂直植被指数（Perpendicular Vegetation Index）。
PVI是一种简单的欧几米得（Euclidean）距离。 表示为：
PVI= (SRVR)2(SVI RSVI)R 2
可编辑ppt
9
缨帽变换（TC变换）是以陆地卫星MSS各波段的辐度 亮度值作为变量。经线性变换后，组成4个新变量：
TC10.433MSS40.632MSS50.586MSS60.264MSS7 TC2-0.290MSS4-0.562MSS5-0.600MSS60.491MSS7 TC3-0.829MSS40.522MSS50.039MSS60.194MSS7 TC4 0.233MSS40.021MSS5-0.543MSS60.810MSS7
NDVI的一个缺陷在于，对土壤背景的变化 较为敏感。
实验表明，作物生长初期NDVI将过高估计 植被覆盖度，而在作物生长的结束季节，NDVI 值偏低。因此，NDVI更适用于植被发育中期或 中等覆盖度的植被检测。
可编辑ppt
6
差值植被指数 （Difference Vegetation Index）

遥感概论幻灯片

遥感概论幻灯片
32
植物病虫害的遥感监测
33
植物在生长过程中受到病虫害侵袭后，内部 结构、叶绿素和水分含量就会发生不同程 度的变化，其反射光谱特性也随之变化， 病虫害越严重变化越大。
34
三、植被指数与植被信息提取
• 植被指数的概念 • 植被指数信息模型
35
3.1 植被指数的概念
• 红光和红外波段的不同组合统被称为植被 指数。
• 利用它们的比值、差分、线性组合等多种 组合来增强或揭示隐含的植物信息。
36
3.1 植被指数的概念
植被指数的定量测量可表明植被活力，而且 植被指数比单波段用来探测生物量有更好 的灵敏性。植被指数有助于增强遥感影像 的解译力，并已作为一种遥感手段广泛应 用于土地利用覆盖探测、植被覆盖密度评 价、作物识别和作物预报等方面，并在专 题制图方面增强了分类能力。
7
色素含量的影响
• 植物叶子中含有多种色素，如叶青素、叶红素、 叶绿素等。在可见光范围内，其反射峰值落在相 应的波长范围内。
8
不同生长状态 橡树叶子的反
射特性
9
叶子的组织构造的影响
• 绿色植物的叶子是由上表皮、叶绿素颗粒 组成的栅栏组织和多孔薄壁细胞组织（海 绵组织）构成。 叶子的多孔薄壁细胞组织（海绵组织）对 0.8～1.3μm的近红外光强烈地反射，形成光 谱曲线上的最高峰区。
植被的波谱特性与覆盖
度、生物量密切相关。
右图显示紫苜蓿在整个
生长周期光谱反射率的
变化。植被覆盖度从0
（裸地）→近100（几
乎全覆盖），光谱特征
从裸地光谱到植物光谱
占主导地位，生物量也
逐渐增加。
25
二、植被遥感解译
• 植被覆盖类型解译 • 植被地带性及植被区划解译 • 植被物候特征与植被长势分析

遥感课件(精华版)

遥感课件(精华版)
B
exp(

C
•
LAI
)]



RVI

A
[
1

B
exp(

C
•
LAI
)]
✓A、B、C为经验系数。
✓A由植物本身光谱反射确定
✓B与叶倾角、观测角相关
✓C取决于叶子对辐射的衰减，衰减成非线性的指数函数关系。
植被指数与叶绿素含量的关系：
叶绿素浓度模型：
G
RVI

NIR
/R
1
G
(NIR
/R
)
2
G
NIR
1

C

(
s
)
/(
v

s
) ρ:植被与土壤混合光谱反射率
2
ρs :纯土壤宽波段反射率
ρv :纯植被宽波段反射率
RVI、NDVI与植土比分别成指数和幂函数关系。
遥感测量植被覆盖度方法：
回归模型法、植被指数与像元分解模型法。
回归模型法：是通过对遥感数据的某一波段、波段组合或利用遥感数据
计算出的植被指数与植被覆盖度进行回归,建立经验模型,并利用空间外推模型求取大
的）强吸收的可见光红波段和对绿色植物（叶内
组织引起的）高反射的近红外波段。
二、植被指数的种类
1）比值植被指数RVI ：
可见光红波段（R）与近红外波段(NIR)对植物光谱响应数值比值。
RVI
DN
/DN
NIR
R（灰度值）
RVI


/
NIR
R （地表反照率）
➢比值植被指数RVI与叶面积指数、叶干生物量、叶绿素含量相

植被指数计算公式

植被指数计算公式植被指数（Vegetation Index，VI）是通过遥感数据计算得出的，用于评估和监测植被状况的指标。

植被指数可以从遥感数据中提取出反映植被光谱特征的信息，并用数值表示该特征在不同地区的分布情况。

植被指数的计算公式通常基于遥感数据的不同波段之间的光谱反射率差异，常见的植被指数有Normalized Difference Vegetation Index（NDVI）、Enhanced Vegetation Index（EVI）、Soil Adjusted Vegetation Index （SAVI）等。

NDVI是最常用的植被指数之一，它利用了植被的叶绿素对红外波段和可见光波段的光谱反射差异。

其计算公式如下：NDVI = (NIR - Red) / (NIR + Red)其中，NIR代表红外波段的反射率，Red代表可见光红色波段的反射率。

计算得到的NDVI值范围为-1到+1，数值越大表示植被状况越好，数值越小表示植被状况较差。

EVI是一种在NDVI基础上进行改进的植被指数，它能够对植被覆盖度较大的区域进行更准确的评估。

其计算公式如下：EVI = 2.5 * (NIR - Red) / (NIR + 6 * Red - 7.5 * Blue + 1)其中，NIR代表红外波段的反射率，Red代表可见光红色波段的反射率，Blue代表可见光蓝色波段的反射率。

计算得到的EVI值范围通常在-1到+1之间，与NDVI相比，EVI具有更高的动态范围和更好的区分能力。

SAVI是一种针对光照条件较差的区域进行改进的植被指数，它能够减小土壤背景对植被指数的干扰。

SAVI = (1 + L) * (NIR - Red) / (NIR + Red + L)其中，NIR代表红外波段的反射率，Red代表可见光红色波段的反射率，L为一个土壤调节参数，取值范围为0到1、L的值越大，表示土壤背景对植被指数的影响越大。

植被遥感

第二章植被遥感第二讲植被遥感1、本讲内容概述（1）植物遥感原理▲叶片和植被▲植物的光谱特征（2）植被指数▲植被指数的概念▲植被指数的种类（3）植被指数与地表参数的关系▲植被指数与叶面积指数的关系▲植被指数与叶绿素含量的关系▲植被指数与植被覆盖度的关系▲植被指数与生物量的关系▲植被指数与地表生态环境参数的关系▲植被指数与气候参数的关系▲植被指数与植物蒸发量、土壤水分的关系（4）植被遥感应用▲大面积农作物的遥感估产▲植被动态变化制图▲城市绿化调查与生态环境评价▲草场资源调查▲林业资源调查2、本讲内容▲植物内部所含的色素、水分以及它的结构等控制着植物特殊的光谱响应。

同时，植被在生长发育的不同阶段（从发芽－生长－衰老），从其内部成分结构到外部形态特征均会发生一系列周期性的变化。

这变化是以季节为循环周期的，故称之为植物季相节律。

植物季相节律从植物细胞的微观结构到植物群体的宏观结构上均会有反映，致使植物单体或群体的物理光学特征也发生周期性变化。

▲陆地植被是那些危及人类生存的生物地球化学循环中的关键因子。

如全球碳循环中，陆地植被尤其是热带或北纬地区的陆地植被是很关键的。

通过遥感提供的植被宏观变化及影响这些变化的生态环境因子间的相互作用和整体效应，可以对于那些对人类生存有特殊意义的生态区如热带雨林、半干旱区农牧交错地带等进行变化监测和专题研究。

▲植物遥感研究由来已久。

早期的研究主要集中在植物及土地覆盖类型的识别、分类与专题制图等。

随后，则致力于植物专题信息的提取与表达方式上，提出了多种植被指数，并利用植被指数进行植被宏观监测以及生物量估算－包括作物估产、森林蓄积量估算、草场蓄草量估算等。

随着定量遥感的逐步深入，植被遥感研究己向更加实用化、定量化方向发展，提出了几十种植被指数模型，研究植被指数与生物物理参数（叶面积指数，叶绿素含量，植被覆盖度，生物量等）植被指数与地表生态环境参数（气温、降水、蒸发量、土壤水分等）的关系，以提高植物遥感的精度，并深入探讨植被在地表物质能量交换中的作用。

植被遥感指数

第7 章植被遥感植被是生长于地球表层的各种植物类型的总称，在地球系统中扮演着重要的角色，它是地球表层内重要的再生资源。

植被是全球变化中最活跃、最有价值的影响要素和指示因子。

植被影响地气系统的能量平衡,在气候、水文和生化循环中起着重要作用,是气候和人文因素对环境影响的敏感指标。

因此,地球植被及其变化一直被各国科学家和政府所关注。

卫星遥感是监测全球植被的有效手段,卫星从太空遥视地球,不受自然和社会条件的限制,迅速获取大范围观测资料,为人类提供了监测、量化和研究人类有序活动和气候变化对区域或全球植被变化影响的可能。

植被遥感研究的主要内容：（1）通过遥感影像从土壤背景中区分出植被覆盖区域，并对植被类型进行划分，区分是森林还是草场或者农田，进而可以问是什么类型的森林，什么类型的草场，什么样的农作物，如此等等。

（2）能否从遥感数据中反演出植被的各种重要参数，例如叶面积指数（LAI）、叶子宽度、平均叶倾角、植被层平均高度、树冠形状等等，这一类问题属于更深层次的遥感数据定量分析方法与反演技术。

（3）能否准确的估算出与植被光合作用有关的若干物理量，例如植被表面水分蒸腾量、光合作用强度（干物资生产率）、叶表面温度等。

关于植被资源的清查与分类方面以已取得了较为突出的成绩，后两个问题正是植被遥感所要研究的问题，虽已取得了相当的进展，但到成熟仍需时日。

7.1 植物的光谱特征植物的光谱特征可使其在遥感影像上有效地与其他地物相区别。

同时，不同的植物各有其自身的波谱特征，从而成为区分植被类型、长势及估算生物量的依据。

7.1.1 健康植物的反射光谱特征健康植物的波谱曲线有明显的特点（图7.1），在可见光的0.55µm附近有一个反射率为10％~20％的小反射峰。

在0.45µm和0.65µm附近有两个明显的吸收谷。

在0.7~0.8µm是一个陡坡，反射率急剧增高。

在近红外波段0.8~1.3µm之间形成一个高的，反射率可达40％或更大的反射峰。

植被遥感指数公式及简介-文档资料


差值植被指数 （Difference Vegetation Index）
差值植被指数（DVI）又称环境植被指数（EVI）， 被定义为近红外波段与可见光红波段数值之差。 即 DVI= DNNIR-DNR 或 DVI=NIR - R
差值植被指数的应用远不如RVI、NDVI。 它对土壤背景的变化极为敏感，有利于对植被 生态环境的监测。 上述的NDVI、DVI等植被指数均受土壤背 景的影响大，且这种影响是相当复杂的，它随 波长、土壤特征（含水量、有机质含量、表面 粗糙度等）及植被覆盖度、作物排列方向等的 变化而变化。
归一化植被指数 （Normalized Difference Vegetation Index）
NDVI=（DNNIR-DNR）/（ DNNIRDNR） NDVI=(NIR-R)/ (NIR+R)
实际上，NDVI是简单比值RVI经非线性的归一化处 理所得。
在植被遥感中，NDVI的应用最为广泛。它 是植被生长状态及植被覆盖度的最佳指示因子， 与植被分布密度呈线性相关。因此又被认为是反 映生物量和植被监测的指标。 NDVI的一个缺陷在于，对土壤背景的变化 较为敏感。 实验表明，作物生长初期NDVI将过高估计 植被覆盖度，而在作物生长的结束季节，NDVI 值偏低。因此，NDVI更适用于植被发育中期或 中等覆盖度的植被检测。
第一分量TC1表征“土壤亮度”，它反映土壤亮 度信息； 第二分量TC2表征“绿度”，它与绿色植被长 势、覆盖度等信息直接相关； 第三分量为“黄度”，无确定意义，位于TC1、 TC2的右侧； 第四分量为“nonesuch”无景观意义，主要 为噪声（包含系统噪声和大气信息）。 第一、二分量往往集中了95%或更多的信息。 因此，植被、土壤信息主要集中在由TC1、TC2组 成的二维图形中。
  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

.
14
PVI的显著特点是较好地滤除了土壤背景的影响，且 对大气效应的敏感程度也小于其它植被指数。正因为它减 弱和消除了大气、土壤的干扰，所以被广泛应用于作物估 产。
从理论上讲，GVI、PVI均不受土壤背景的影响，对植 被具有适中的灵敏度，利于提取各种土壤背景下生长的植 被专题信息。其数值已扩展到TM的6维数据（除TM6热红外 数据），以及AVHRR的可见光——近红外数据，并有现成 的模型和成熟的图象处理算法.
因此，植被、土壤信息主要集中在由TC1、TC2组
成的二维图形中。
.
11
而对于TM而言，可见光—红外6个波段数据 经缨帽变换的前三个分量主要反映土壤亮度、绿 度、湿度特征，第四分量主要为噪声。其中绿度 指数可表示为：
GVI=-0.2848TM1-0.2435TM2-0.5436TM3 +0.7243TM4 +0.084TM5-0.1800TM7
化较为敏感。 实验表明，作物生长初期NDVI将过高估计植
被覆盖度，而在作物生长的结束季节，NDVI值偏 低。因此，NDVI更适用于植被发育中期或中等覆 盖度的植被检测。
.
6
差值植被指数 （Difference Vegetation Index）
差值植被指数（DVI）又称环境植被指数（EVI）， 被定义为近红外波段与可见光红波段数值之差。
比值植被指数可表达为： RVI=DNNIR/ DNR 或 RVI=NIR/R
（简单表示为NIR/R）
.
3
RVI是绿色植物的一个灵敏的指示参数。研究表明， 它与叶面积指数（LAI）、叶干生物量（DM）、叶绿素 含量相关性高，被广泛用于估算和监测绿色植物生物 量。在植被高密度覆盖情况下，它对植被十分敏感， 与生物量的相关性最好。但当植被覆盖度小于50%时， 它的分辨能力显著下降。
植被遥感指数
.
1
植被指数类型
比值植被指数（RVI） 归一化植被指数（NDVI） 差值植被指数（DVI） 缨帽变换中的绿度植被指数（GVI） 垂直植被指数（PVI）
.
2
比值植被指数（Ratio Vegetation Index）
由于可见光红波段（R）与近红外波段（NIR）对绿色 植物的光谱响应十分不同。两者简单的数值比能充分 表达两反射率之间的差异。
.
10
第一分量TC1表征“土壤亮度”，它反映土壤亮 度信息；
第二分量TC2表征“绿度”，它与绿色植被长 势、覆盖度等信息直接相关；
第三分量为“黄度”，无确定意义，位于TC1、 TC2的右侧；
第四分量为“nonesuch”无景观意义，主要
为噪声（包含系统噪声和大气信息）。 第一、二分量往往集中了95%或更多的信息。
.
12距离不同。于是 Richardson（1977）把植物象元到土壤亮度线的垂 直距离定义为垂直植被指数（Perpendicular Vegetation Index）。
PVI是一种简单的欧几米得（Euclidean）距离。 表示为：
PVI= (SRVR)2(SVI RSVI)R 2
其中S为土壤反射率，V为植被反射率，R为红波段， NIR为红外波段。
.
13
PVI表征着在土壤背景上存在的植被的生物量， 距离越大，生物量越大，也可将PVI定量表达为：
PVI=（DNNIR-b）•cos -DNR•sin
其中，DNNIR、DNR分别为NIR、R两波段的反射辐 射亮度值；
b为土壤基线与NIR反射率纵轴的截距； 为土壤基线与R光反射率横轴的夹角。
.
8
缨帽变换中的绿度植被指数（GVI）
缨帽变换（TC）是指在多维光谱空间中， 通过线性变换、多维空间的旋转，将植物、 土壤信息投影到多维空间的一个平面上，在 这个平面上使植被生长状况的时间轨迹（光 谱图形）和土壤亮度轴相互垂直。也就是， 通过坐标变换使值被与土壤特征分离。
缨帽变换是一种通用的植被指数，可以 被用于 Landsat MMS 或 Landsat TM 数据。
.
9
缨帽变换（TC变换）是以陆地卫星MSS各波段的辐度 亮度值作为变量。经线性变换后，组成4个新变量：
TC10.433MSS40.632MSS50.586MSS60.264MSS7 TC2-0.290MSS4-0.562MSS5-0.600MSS60.491MSS7 TC3-0.829MSS40.522MSS50.039MSS60.194MSS7 TC4 0.233MSS40.021MSS5-0.543MSS60.810MSS7
NDVI=（DNNIR-DNR）/（ DNNIRDNR） NDVI=(NIR-R)/ (NIR+R)
实际上，NDVI是简单比值RVI经非线性的归一化处 理所得。
.
5
在植被遥感中，NDVI的应用最为广泛。它是 植被生长状态及植被覆盖度的最佳指示因子，与 植被分布密度呈线性相关。因此又被认为是反映
生物量和植被监测的指标。 NDVI的一个缺陷在于，对土壤背景的变
此外，RVI对大气状况很敏感，大气效应大大地降 低了它对植被检测的灵敏度，尤其是当RVI值高时。因 此，最好运用经大气纠正的数据，或将两波段的灰度 值（DN）转换成反射率（ρ）后再计算RVI，以消除大 气对两波段不同非线性衰减的影响。
.
4
归一化植被指数 （Normalized Difference Vegetation Index）
即 DVI= DNNIR-DNR 或 DVI=NIR - R
.
7
差值植被指数的应用远不如RVI、NDVI。它 对土壤背景的变化极为敏感，有利于对植被生 态环境的监测。
上述的NDVI、DVI等植被指数均受土壤 背景的影响大，且这种影响是相当复杂的，它 随波长、土壤特征（含水量、有机质含量、表 面粗糙度等）及植被覆盖度、作物排列方向等 的变化而变化。
.
15
Thanks
.
16