下载文档原格式
测绘技术中的矢量数据处理方法随着科技的不断进步和发展，测绘技术在现代社会中扮演着至关重要的角色。
测绘学科的发展给我们提供了丰富而准确的空间数据，这些数据不仅为土地规划、城市建设以及环境管理等提供了坚实的基础，也能够为导航、移动通讯、智能交通等现代化设施的发展提供重要支持。
矢量数据是测绘技术中常用的数据形式之一，其处理方法及算法也在不断完善与应用。
矢量数据是通过使用空间坐标和属性信息来描述地理实体的一种数据形式。
与栅格数据相比，矢量数据能够更加精确地描述地物的形状和位置信息，并且可以实现对地物的复杂分析和编辑。
在测绘技术中，处理矢量数据主要包括数据获取、数据存储、数据编辑和数据分析等几个方面。
首先，数据获取是矢量数据处理的重要环节。
数据获取包括地面测量和遥感影像解译两个过程。
地面测量通过使用测量仪器对目标区域进行实地测量，获取目标区域内地物的坐标和属性信息。
遥感影像解译则是通过对遥感影像进行解译和数字化，提取出地物的位置和属性信息。
这两种方式相辅相成，为矢量数据的获取提供了有效手段。
其次，数据存储是保证矢量数据的完整性和可靠性的基础。
在矢量数据处理中，我们常用的数据存储格式包括Shapefile、GeoJSON、KML等。
这些格式能够将矢量数据进行组织和存储，同时保留地物的位置、形状和属性信息。
此外，为了更有效地存储和管理矢量数据，近年来还出现了一些新的数据库技术，如空间数据库和面向对象数据库等，这些技术在数据存储方面具有更好的性能和扩展性。
数据编辑是指对矢量数据进行修改和更新的过程。
在测绘技术中，数据编辑常常包括数据清理、拓扑修正、属性更新等操作。
数据清理是指对数据中存在的错误、不一致和缺失进行处理，以提高数据的质量和准确性。
拓扑修正则是对数据的空间关系进行调整，以确保数据之间的拓扑一致性。
属性更新是指对数据属性进行修改和补充，以适应新的需求和要求。
数据分析是对矢量数据进行挖掘和研究的过程。
测绘技术中，数据分析主要包括空间分析和属性分析两个方面。
ENVI常规数据处理方法The ENVI environment is organized around the concept of a toolbox. The toolbox contains any number of tools and functions divided into two major categories: Preprocessing and Analysis Tools. Preprocessing tools are used to prepare data for further analysis while Analysis Tools provide the capability to perform a variety of operations on the data. Examples of Preprocessing tools include brightness and contrast adjustments, image registration, image segmentation, and image registration. Examples of analysis tools include feature extraction, classification, object identification, and radiometric correction.The data processing capabilities of ENVI are extensive. ENVI provides the user with a variety of tools to perform preprocessing activities such as rectification, orthorectification, mosaicking, and resampling. These include correction for relief displacement and atmospheric effects, as well as data reprojection. Registry of the image data is also possible. ENVI also has tools for image enhancement, such as contrast stretching, histogram equalization, and unsharp masking.Once the data has been preprocessed and enhanced, ENVI provides the capability for advanced analysis. This includes image-to-image analysis, feature extraction, and classification. Feature extraction involves the identification of specificfeatures or ‘objects’ within an image. It is an important step in the analysis of satellite images and contributes to the generation of accurate landscape information. Classification is the process of assigning a label to features in an image based on its properties. ENVI’s classification capabilities are extensive and provide the user with a wide range of supervised and unsupervised algorithms.。
ENVI处理MODIS的步骤全过程（图解）制作人：杨鹏（中国科学院安徽光机所）fga12345678@163一：打开MODIS影像数据需要对MODIS数据（或者产品数据）进行几何校正，同时需要.shp格式的行政区矢量文件。
然后才能对自己的感兴趣区进行剪裁。
具体步骤如下：1：打开ENVI2：打开所用数据使用ENVI软件打开所用数据（包括：HDF、TXT、SHP等格式），在本例中打开HDF格式的栅型数据格式。
File—Open External File—Generic Formats—HDF打开数据后如图所示：每个数据集都有不同的数据，可参照MODIS-HDF格式（可用HDF Explorer查看，里面有详细的说明）查看自己需要的数据在哪个数据集，然后打开。
依次进行下去可以看到如下对话框：然后选中自己需要的波段，点击Load Band。
就打开了所需的数据图像。
可以看出Cursor Location中显示的是波段里数据的DN值，需要查找偏移量与缩放因子然后进行适当的运算才能求得所需的量（反射率、发射率等）。
3：打开图像的另一种方法针对此问题可以直接用另一种形式打开直接可以看到所需量的数据，无需转换。
其过程如下： File--Open Image File以打开31波段的辐射量为例：从图中可以看出，其显示的值直接就是辐射量，而不是DN值，可以直接进行用了，无需转换。
二：对MODIS数据进行几何校正1：打开MODIS影像（步骤见上）2：对MODIS数据进行几何校正，步骤如下Basic Tools--Preprocessing--Data-SpecificUtilities--MODIS--Georeferance Data选中点击后，进入下一个对话框：在此可以对整个数据集直接批量处理，也可以对单个波段进行处理，随便自己的需要选择，点OK继续，可以看到如下：不需要任何选择，点OK继续。
在此将经纬度格式选好，然后选Memory这样的目的是直接预览无需保存。
操作讲解内容：1.在可用波段列表采用灰度拉伸和RGB彩色合成两种方式对图像进行显示。
2.查看一幅影像头文件信息以及修改头文件.3.一幅影像保存为不同的格式。
4.一幅遥感图像的不同方式的裁切。
作业：1.对一幅遥感影像的单波段黑白显示。
2.打开一副遥感影像并用标准假彩色、真彩色合成方式显示.3.图像裁剪（规则分幅裁切、不规则分幅裁切）1)规则分幅裁切：保存400＊400像元的图像并选择三个波段进行保存。
2)不规则分幅裁切：手动绘制感兴趣区进行裁切。
作业操作：1.对一幅遥感影像单波段黑白显示。
ENVI4.8主菜单下选择File→Open Image File→选择加门市的遥感影像图（can_tmr。
img)【必须打开后缀为img的文件，can_tmr。
hdr这个文件是加门市遥感图像的头文件.】→在Avalilable Band List窗口（可用波段列表窗口）中出现遥感影像的波段信息→选择Gray Scale 切换按钮→点击需要的波段名，这里选择波段4（近红外波段),然后在窗口底部点击“Load Band"。
结果如下图所示：图1图1_单波段显示2.打开一副遥感影像并用标准假彩色、真彩色、随便选择一种方式显示。
1)标准假彩色显示加门市遥感图像。
同样点击ENVI4.8软件主菜单File→打开下拉式菜单选择 OpenImage File 选择加门市的遥感影像→在 Available Bands List 内,选择RGB Color (RGB彩色合成图像）切换按钮.在序列中分别给R，G，B（红波段,绿波段，蓝波段）赋予4，3,2（近红外,红波段，绿波段）波段→在Available Bands List窗口底部点击“Load RGB”（或者打开一个新的Display窗口，然后在点击Load RGB,表示的是将标准假彩色图像显示在一个新的Display窗口中）。
结果如下图所示：图3图2_标准假彩色合成显示1)真彩色显示加门市遥感图像。
1.(b1 le 0)*0+(b1 ge 0)*(b1*0.0001)这个公式意思就是要是值小于0 就乘以0，使其变为0；同时，值大于等于0的话就乘以0.0001这个系数2行政边界的矢量分割可以在Acrtools－> Analysis Tools -> Extraction->Split中进行批量矢量分割。
3现NDVI产品数据处理过程中遇到以下问题：问题1： NDVI是归一化植被指数，它的取值范围是-1—1，如何理解？方法：对于陆地表面覆盖来说，云、雨、雪在可见光比近红外波段有较高的反射作用，所以NDVI为负值；岩石、裸土的NDVI一般为0；有植被覆盖的地方一般大于0。
问题2：导入ENVI进行查看，发现未拼接重投影之前影像数据范围为-3000—0.99880，拼接重投影之后影像数据范围在-3000—9988。
是数据值发生了改变吗？方法： ENVI — Basic Tool — Preprocessing — Data-Specific Utilities — View HDF Attribute（在envi里面查看NDVI波段参数）可以发现它的有效值范围为（-2000—10000），因此数据值-3000是无效值，其他的值是乘以了10000这个系数（scale_factor），因此在拼接重投影过程中ndvi值并没有发生变化。
还有些值如32767等表示有云。
问题3：按上面所述，它的根本值没有发生改变，但是毕竟一部分数值已经扩大了啊，怎么处理比较合理？方法：ENVI — Basic Tools — Band Math（波段运算，把负值去掉）在弹出的对话框Band Math中，Enter an expression： (b1 lt 0)*0+(b1 ge 0)*(b1*0.0001)。
这个公式意思就是：要是值小于0 就乘以0，使其变为0；同时，值大于等于0的话就乘以0.0001这个系数。
在arcview下裁剪矢量图找到了一副全国的矢量图，最小单位是省，但是我只是需要新疆自治区区域的矢量图，所以必须得把新疆的从全国的里面剪出去。
电脑重装不久，还没来得及装上ArcGIS，只是有一个ArcView，这样只能在ArcView中操作了。
操作步骤是这样的。
1、View下加载全国矢量图2、新建一个theme3、对全国矢量图start editing——选中新疆省并且在edit菜单下copy feature——stop editing 全国矢量图4、对new theme start editing——edit 菜单下的paste——保存为xinjiang.shp就可以了完成了，新疆的矢量图被单独提取出来。
ENVI中用矢量图裁剪栅格图（不规则裁剪）接上一篇帖子，帖子名——在Arcview中裁剪矢量图用刚刚裁剪下来的新疆矢量图来把Spot4 VGT SE-Asian 图像的新疆部分剪裁下来。
数据：矢量数据为xinjiang.shp 栅格数据为CHN_NDV_19980401.img步骤如下：1、打开栅格数据：File-- Open Image，打开CHN_NDV_19980401.img2、打开矢量数据：File -- Open Vector，打开xinjiang.shp 。
在弹出的Import Vector Files Parameters 对话框选择正确的投影类型。
然后OK之后ENVI自动将矢量文件转为EVF格式。
这里一定要注意矢量图的投影与栅格的完全一致，才可以。
3、将矢量数据转为ROI：在Availabel Vectors List选择数据，在File 选择Export Layers to ROI，然后在Select Data File to Associate with new ROIS 中选择需要裁减的栅格数据，再在Export EVF Layers to ROI中选择Convert all records of an EVF layer to one ROI，点击OK。
ENVI软件中矢量数据的处理方法与技巧ENVI软件中矢量数据的处理方法与技巧矢量图层编辑1）在Vector Parameters对话框中，点击矢量层，然后选择Mode → Edit Existing Vectors。
2）在主影像窗口中，点击在上一节中所生成的某个多边形。
a)该多边形就会高亮显示出来，并且多边形的节点会标记成钻石形。
当矢量被选定，就可以进行如下的修改：3）单击鼠标右键，在弹出的快捷菜单中选择Delete Selected Vector，删除整个多边形。
4）单击节点，并拖曳到新的位置来移动节点。
5）单击鼠标右键，选择Accept Changes保存修改并重新绘制多边形。
6）通过点击鼠标中键或在右击显示的快捷菜单中选择Clear Selection，退出修改，不进行任何变动。
7）要在多边形中添加或删除节点，可以在右击显示的快捷菜单中按如下步骤进行选择：i.要添加一个节点，右击并选择Add Node，然后将该节点拖曳到一个新的位置。
ii.要删除节点，单击节点，然后从快捷菜单中选择Delete Node。
iii.要改变每次添加的节点数，右击选择Number of Nodes to Add。
在对话框中，输入节点的数目。
iv.要删除一系列的节点，用右键点击该范围内的第一个点，然后选择Mark Node。
再用右键点击该范围的最后一个点，再次选择Mark Node。
最后，右击选择Delete Marked Nodes即可。
8）结束这一部分，从ENVI主菜单中选择Window → Available Vectors List，然后在显示的可用波段中选择新创建的矢量层，并点击Remove Selected来删除它们。
注意不要删除vectors.shp矢量层，后面还会用到的。
屏幕数字化1）从Vector Parameters对话框中选择File → Create New Layer来创建一个新的矢量层。
专题二十四 使用ENVI的高光谱工具处理多光谱数据(节选)1.1.专题概述本专题的目的是向用户展示如何使用ENVI先进的高光谱工具对多光谱数据进行分析。
要更好地理解高光谱处理的概念及其工具，请参见ENVI高光谱辅导指南。
要获取额外的详细信息，请参见《ENVI遥感影像处理实用手册》（ENVI User’s Guide）或者ENVI的在线帮助。
♦本专题中使用的文件光盘：《ENVI遥感影像处理专题与实践》附带光盘 #1♦背景知识ENVI并非仅设计成高光谱影像处理系统。
在1992年，ENVI的开发者就决定开发出一个通用的影像处理软件，它包含一整套的基本处理工具，弥补了商业软件缺乏强大灵活处理功能的不足，使得它能够处理各种科学格式的影像数据。
它对全色、多光谱、高光谱以及基本和改进雷达影像数据都提供了支持。
当前，ENVI包含了与其它主要影像处理系统（例如：ERDAS，ERMapper和PCI）相同的基本处理功能。
其中，ENVI在前沿遥感研究中采用了许多不同的先进算法。
虽然这些算法都是在处理成像光谱仪数据或者多达上百个波谱波段的高光谱数据基础之上发展而来，但是它们也可以应用到多光谱数据和其它标准数据类型的处理上。
本专题将对某些分析Landsat Thematic Mapper（TM）数据的方法进行介绍。
本专题分为两个独立的部分：1）使用标准或者经典多光谱分析技术，对TM影像数据进行典型的多光谱分析，2）使用ENVI高光谱工具对相同的数据集进行分析。
1.2.使用ENVI的高光谱工具分析多光谱数据♦读取TM影像数据z要从磁带中读取数据，可以在ENVI主菜单中选择File → Tape Utilities → Read Known Tape Formats → Landsat TM（或者对于新的EDC-格式的磁带选择NLAPS）。
z要从光盘中读取数据，可以选择File →Open External File → Landsat → Fast，或者选择File → Open External File → Landsat → NLAPS（对于NLAPS数据）。
ENVI软件中矢量数据的处理方法与技巧ENVI软件中矢量数据的处理方法与技巧矢量图层编辑1）在Vector Parameters对话框中，点击矢量层，然后选择Mode → Edit Existing Vectors。
2）在主影像窗口中，点击在上一节中所生成的某个多边形。
a)该多边形就会高亮显示出来，并且多边形的节点会标记成钻石形。
当矢量被选定，就可以进行如下的修改：3）单击鼠标右键，在弹出的快捷菜单中选择Delete Selected Vector，删除整个多边形。
4）单击节点，并拖曳到新的位置来移动节点。
5）单击鼠标右键，选择Accept Changes保存修改并重新绘制多边形。
6）通过点击鼠标中键或在右击显示的快捷菜单中选择Clear Selection，退出修改，不进行任何变动。
7）要在多边形中添加或删除节点，可以在右击显示的快捷菜单中按如下步骤进行选择：i.要添加一个节点，右击并选择Add Node，然后将该节点拖曳到一个新的位置。
ii.要删除节点，单击节点，然后从快捷菜单中选择Delete Node。
iii.要改变每次添加的节点数，右击选择Number of Nodes to Add。
在对话框中，输入节点的数目。
iv.要删除一系列的节点，用右键点击该范围内的第一个点，然后选择Mark Node。
再用右键点击该范围的最后一个点，再次选择Mark Node。
最后，右击选择Delete Marked Nodes即可。
8）结束这一部分，从ENVI主菜单中选择Window → Available Vectors List，然后在显示的可用波段中选择新创建的矢量层，并点击Remove Selected来删除它们。
注意不要删除vectors.shp矢量层，后面还会用到的。
屏幕数字化1）从Vector Parameters对话框中选择File → Create New Layer来创建一个新的矢量层。
在New Vector Layer Parameters对话框中，输入新矢量层的名字。
点击Memory单选按钮，并点击OK。
2）在Vector Parameters对话框中，点击新生成的矢量层的名字，就会初始化新生成的.dbf文件。
3）选择Mode → Add New Vectors。
4）在本专题中将创建多边形矢量，选择Mode → Polygon。
5）在影像显示窗口中（如果在Vector Parameters对话框中选择了Window单选按钮，则也可以在滚动窗口或缩放窗口中进行），按以下的步骤用鼠标来定义一个新的多边形区域：6）点击鼠标左键，绘制多边形的各线段。
7）点击鼠标中键，来擦除刚绘制的线段。
8）点击鼠标右键，固定多边形的形状。
再次点击鼠标右键，从弹出的快捷菜单中选择AcceptNew Polygon接受新建的多边形。
9）以影像中区域的轮廓为参考，绘制一些多边形。
10）在Vector Parameters对话框中选择Edit → Add Attributes，给新创建的多边形添加属性。
在Attribute Initialization对话框中，在Name字段输入Field_ID，点击Type 按钮菜单并选择Character。
在对话框的底部，点击Add Field按钮，在Name字段中输入第二个名为Field Area的属性，将Type改为Numeric。
点击OK创建属性表。
11）按专题第一部分所描述的方法来修改属性表。
在属性表字段中双击鼠标，使其可以编辑，输入一个值，并按下键盘上的Enter键。
i.为了知道属性表中每一行所对应的多边形区域，可以从Vector Parameters对话框中选择Mode → Cursor Query，然后在每一行的标签上点击即可。
12）在属性表顶部的菜单中选择File → Cancel，关闭属性表。
遥感：主要植被指数类型及其应用条件遥感：主要植被指数类型及其应用条件主要植被指数类型及其应用条件在遥感应用领域，植被指数已广泛用来定性和定量评价植被覆盖及其生长活力。
由于植被光谱表现为植被、土壤亮度、环境影响、阴影、土壤颜色和湿度复杂混合反应，而且受大气空间—时相变化的影响，因此植被指数没有一个普遍的值，其研究经常表明不同的结果。
研究结果表明，利用在轨卫星的红光和红外波段的不同组合进行植被研究非常好，这些波段在气象卫星和地球观测卫星上都普遍存在，并包含90%以上的植被信息，这些波段间的不同组合方式统被称为植被指数。
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。
植被指数还可用来诊断植被一系列生物物理参量：叶面积指数（LAI）、植被覆盖率、生物量、光合有效辐射吸收系数（APAR）等；反过来又可用来分析植被生长过程：净初级生产力（NPP）和蒸散（蒸腾）等。
为了估算和监测植被覆盖，最早发展了比值植被指数（R VI）。
但RVI对大气影响敏感，而且当植被覆盖不够浓密时（小于50%），它的分辨能力也很弱，只有在植被覆盖浓密的情况下效果最好。
归一化差异植被指数（NDVI）对绿色植被表现敏感，它可以对农作物和半干旱地区降水量进行预测，该指数常被用来进行区域和全球的植被状态研究。
对低密度植被覆盖，NDVI对于观测和照明几何非常敏感。
但在农作物生长的初始季节，将过高估计植被覆盖的百分比；在农作物生长的结束季节，将产生估计低值。
继之,将各波段反射率以不同形式进行组合来消除外在的影响因素，如遥感器定标、大气、观测和照明几何条件等。
这些线性组合或波段比值的指数发展满足特定的遥感应用，如作物产量、森林开发、植被管理和探测等。
农业植被指数（AVI ）针对作物生长阶段测量绿色植被；多时相植被指数（MTVI），将两个不同日期的数值简单相减，是为了观测两个日期植被覆盖条件的变化和作物类型的分类，并用来探测由于火灾和土地流失造成的森林覆盖变化。
归一化差异绿度指数（NDGI），可用来对不同活力植被形式进行检验。
归一化差异指数（NDI）建立了光谱反射率和棉花作物残余物的表面覆盖率的关系，以用来对作物残余物的制图。
近年来，随着高光谱分辨率遥感的发展以及热红外遥感技术的应用，又发展了红边植被指数、导数植被指数（DVI）、温度植被指数（Ts-VI）、生理反射植被指数（PRI）。
“红边” 的一般定义为叶绿素吸收红边斜率的拐点。
红边位置灵敏于叶绿素a、b的浓度和植被叶细胞的结构。
为获取红边位置信息，Miller等用一个倒高斯模型拟合红边斜率。
导数植被指数由于它能压缩背景噪音对目标信号的影响或不理想的低频信号，被应用在目前的高光谱遥感研究中，尤其是在利用高光谱遥感提取植被化学成份信息方面得到成功的应用。
近年来的经验研究表明：热红外辐射（如土面亮度温度）和植被指数在大尺度范围遥感应用中可提高土地覆盖的制图和监测精度。
生理反射植被指数是针对高光谱遥感的特点，对植被生化特性的短期变化（如一天的植被的光合作用）进行探测。
植被指数按发展阶段可分为三类：第一类植被指数基于波段的线性组合（差或和）或原始波段的比值，由经验方法发展的，没有考虑大气影响、土壤亮度和土壤颜色，也没有考虑土壤、植被间的相互作用（如RVI 等）。
它们表现了严重的应用限制性，这是由于它们是针对特定的遥感器（Landsat MSS）并为明确特定应用而设计的。
第二类植被指数大都基于物理知识，将电磁波辐射、大气、植被覆盖和土壤背景的相互作用结合在一起考虑，并通过数学和物理及逻辑经验以及通过模拟将原植被指数不断改进而发展的（如PVI、SAVI、MSAVI、TSAV I、ARVI、GEMI、AVI、NDVI等）。
它们普遍基于反射率值、遥感器定标和大气影响并形成理论方法，解决与植被指数相关的但仍末解决的一系列问题。
第三类植被指数是针对高光谱遥感及热红外遥感而发展的植被指数（如DVI、Ts-VI、PRI等）。
这些植被指数是近几年来基于遥感技术的发展和应用的深入而产生的新的表现形式。
尽管许多新的植被指数考虑了土壤、大气等多种因素并得到发展，但是应用最广的还是NDVI，并经常用NDVI 作参考来评价基于遥感影像和地面测量或模拟的新的植被指数，NDVI在植被指数中仍占有重要的位置。
土壤亮度对植被指数有相当大的影响。
许多植被指数的发展就是为了控制土壤背景的影响。
土壤背景和环境反射率的空间变化与土壤结构、构造、颜色和湿度有关。
由于土壤背景的作用，当植被覆盖稀疏时，红波段辐射将有很大的增加，而近红外波段辐射将减小，致使比值指数和垂直指数（PVI）都不能对植被光谱行为提供合适的描述。
由此，必须发展其它新的植被指数以便更合适地描述“土壤—植被—大气”系统。
基于经验的方法，在忽略大气、土壤、植被间相互作用的前提下，发展了土壤亮度指数（SBI）、绿度植被指数（GVI）、黄度植被指数（YVI）等。
用Landsat数据已证明SBI和GVI 指数可用来评价植被和裸土的行为，GVI指数与不同植被覆盖有较大的相关性。
在此基础上，又考虑到大气影响的处理，发展了调整土壤亮度指数（ASBI）和调整绿度植被指数（AGVI ）。
基于Landsat MSS 图像而进行主成份分析，Misra等通过计算这些指数的多项因子而又发展了Misra土壤亮度指数（MSBI）、Misra绿度植被指数（MGVI）、Misra黄度植被指数（M YVI）和Misra典范植被指数（MNSI）。
为动态植被发展的裸土绿度指数（GRABS）是基于GVI 和SBI发展的。
绿度植被和土壤亮度指数（GVSB）在农作物识别中发挥了作用。
Kauth等利用Landsat MSS的4个光谱段作为4维空间分析了裸土的光谱变化，并注意到裸土信息变化的主要部分是由它们的亮度造成的，并提出了“土壤线”或“土壤亮度矢量”的观点。
Richardson等促使了土壤背景线指数（SBL）的发展，并用来辨别土壤和植被覆盖。
植被越密，植被象元离土壤线距越大。
在航空和卫星遥感图像分析和解译中，土壤线的概念被广泛采用。
基于土壤线理论，Jackson等发展了垂直植被指数（PVI）。
相对于比值植被指数，PVI表现为受土壤亮度的影响较小。
Jackson发展了基于n维光谱波段并在n维空间中计算植被指数的方法。
两维空间计算的PVI、四维空间计算的植被指数及六维空间计算的植被指数是n维植被指数的特殊情况。
普遍地用“n”波段计算“m”个植被指数（m≤n）。
实际上，相对于仅用红波段和红外波段的方法，通道数一味增加，常常并不能对植被指数有多大的贡献。
NDVI和PVI在描述植被指数和土壤背景的光谱行为上存在着矛盾的一面，因此发展了土壤调整植被指数SAVI。
