浅谈植被指数的分类与应用

摘 要： 随着遥感技术的发展，植被指数（vegetation index，VI）作为地表植被覆盖和植被生长状况的度量参数，被广泛应用于环境、生态、农业等领域。现有的科学文献中的植被指数种类超过了150种，这些缺乏科学分类的植被指数，使研究者在具体应用时不能够做出快速准确的选择。因此本文在分析了影响植被指数的诸多因素的基础上，对多种典型的植被指数进行概括分类，进而讨论各自的优势和应用局限性，这将有助于不同的植被指数能够更精确的应用在不同的研究和应用领域，从而在一定程度上给相关领域的研究者提供参考。

关键词： 植被指数； 植被覆盖； 度量参数； 分类

中图分类号：TP393 文献标志码：A 文章编号：1006-8228（2016）12-17-04

Abstract： With the development of remote sensing， vegetation index （VI） acts as the status metrics of vegetation cover and vegetation growth， it has been widely used in the field of environment， ecology and agriculture and so on. There are more than 150 kinds of vegetation indices published in the current scientific literature， these vegetation indices lack of scientific classification， so that the researchers cannot make a rapid and accurate choice in the specific application. Based on the analysis of the many factors that affect VI， this paper classifies the typical VIs， and then points their own advantages and limitations， which will help the different VI to be more accurately applied in different fields， and to a certain extent， to provide guidance to researchers in related fields.

Key words： vegetation index； vegetation cover； status metrics； classify

0 引言

在遥感领域中，植被指数一直以来都是用来量化地表植被覆盖情况和生长状况的一个简单而又直接的参考指标。随着遥感技术的发展和领域探索不断扩大化，植被指数在环境、生态、农业等领域有了广泛的应用[1]。在环境领域，植被指数被用来反演土地利用和覆盖的变化，逐渐成为全球环境变化的评价指标[2]；在生态领域，利用植被指数实现土壤退化、水土流失、土地荒漠化、土地盐渍化、草原退化、森林破坏等状态的监测；在农业领域，植被指数广泛应用在农作物分布及长势监测、产量估算、农田灾害监测及预警、区域环境评价以及各种生物参数的提取。因此研究植被指数的分类和应用十分有必要。

1 植被指数影响因子

植被指数的计算在本质上是两个或多个波谱范围内的地物反射率组合运算，以增强植被的某一特性或者细节[3]。影响植被指数的因子的比较多，大致可以分为生物领域和物理领域。生物领域的影响因子是指与光学特性和植被覆盖状态等有关的各种影响因子；而物理领域影响因子主要包括土壤影响、大气影响、遥感器影响、角度影响等[4]，其中土壤影响因子中包括土壤亮度和土壤颜色，这两种影响因子对植被指数的影响相当大，因此许多植被指数的出现就是为了减弱或者消除土壤相关因素的影响。遥感器的影响大致包括遥感器定标和遥感器光谱响应两种，其中遥感定标至关重要，因为现在的遥感影像大多数是多源的数据，在对植被指数进行综合计算时候，必须先经过遥感定标[5]。因此定标标准的选择对植被指数的影响也是很大的。

2 植被指数的分类

根据是否考虑影响因子可将植被指数大致分为两大类：未考虑影响因子的植被指数和考虑影响因子的植被指数。

2.1 未考虑影响因子的植被指数

1969年Jordan提出了最早的一种植被指数――比值植被指数（Ratio Vegetation Index，RVI）[6]。

⑴

和分别代表近红外波段和红外波段的反射率。RVI强化了植被在近红外和红外波段反射率的差异，所以比仅仅依靠单波段信息来估算植被信息更具有稳定性和合理性。RVI是绿色植物的灵敏指示参数，与叶面积指数（Leaf Area Index，LAI）和叶绿素含量相关性高，可用于检测和估算植物生物量。但是RVI适用范围是植被覆盖浓密的情况，当植被覆盖不够浓密时（小于50%），RVI的分辨能力很弱；并且当植被覆盖过于茂密时，由于反射的红光辐射很小，以至RVI将无限增长，这样会造成RVI计算结果失效。另外RVI受大气的影响会大大降低对植被检测的灵敏度，所以在计算前需要对待检测的遥感数据进行大气校正，然后再带入RVI中进行计算。

总之，这一类植被指数大部分都是波段的简单线性运算或原始波段的比值，由经验方法发展而来，完全没有考虑大气、土壤等因子的综合影响，因此在计算结果上会存在很大的误差甚至是错误，并且由于这类植被指数中大部分是针对特定的遥感器而设计，并且使用范围很小，所以在实际应用过程中存在严重的限制性。

2.2 考虑影响因子的植被指数

针对波段简单线性组合的植被指数的局限性，学者们意识到这些影响因子对于植被指来说是不能够完全忽略的，所以后来又发展出许多消除影响因子的植被指数，根据影响因子不同大致可以分为土壤影响、大气影响及综合因子影响三种。

2.2.1 考虑消除土壤影响

由于土壤亮度和土壤颜色对于植被指数会造成很大的影响，为了消除此类影响，很多学者在这方面做了许多努力。比较早的是1976年Kauth and Thomas，基于土壤线理论，提出了垂直植被指数PVI（perpendicular vegetation index ）[7]，和RVI相比，土壤亮度对PVI的影响较弱。

⑵

⑶

其中，a为土壤线的斜率，b为土壤线的截距，L为土壤亮度指数。

除了土壤对植被指数的影响之外，植被冠层背景对植被指数也有所干扰。因此在1988年Huete提出了土壤调节植被指数（Soil-Adjusted Vegetation Index，SAVI）[8]，SAVI综合考虑了NDVI和PVI，同时创造性地引入了一个参数――土壤亮度指数L，建立了一个可以根据土壤特点植被的生长情况对植被指数做出修正的计算模型。植被的密度决定L的取值，Huete建议L的最佳值为0.5，当然也可以在0（黑色土壤）～1（白色土壤）之间变化。在实际的使用中，SAVI明显降低了土壤背景对植被指数的影响，但同时会出现丢失部分背景信息的情况，从而导致植被指数偏低。

为减小SAVI中裸土影响，1994年Qi提出了修正的土壤调节植被指数（Modified Soil-Adjusted Vegetation Index， MSAVI）[9]。

⑷

MSAVI和SAVI相比最大的优势在于L值可以随植被密度而自动的调节，能够在一定程度上较好地消除土壤背景对植被指数影响。

2.2.2 考虑消除大气影响

为了减少大气对植被指数的影响，1992年Kaufman等在归一化差值植被指数（Normalized Differnce Vegetation Index，NDVI）的基础上，利用大气气溶胶对光谱的影响呈波段相关的特点，将蓝色波段引入到植被指数的运算中，进而提出了抗大气植被指数（Atmospherically Resistant Vegetation Index，ARVI）[10]。研究表明，ARVI对大气的敏感性比NDVI约减小4倍。在消除大气影响方面，ARVI是很典型的一种。

⑸

ARVI值得理论范围为-1～1，一般绿色植被区ARVI的范围为0.2～0.8。

2.2.3 考虑消除综合因子影响

1973年由Rouse等在对RVI进行非线性归一化处理后得到了NDVI[11]。NDVI有效地增强了对植被反映能力，是目前应用最广的植被指数之一。主要应用在检测植被生长状态、植被覆盖度和消除部分辐射误差等方面。但NDVI也存在一定的局限性，NDVI是用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图像，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对高植被覆盖率区域具有较低的灵敏度。

⑹

考虑到土壤和大气的影响是相互的，1995年Huete在引入一个反馈项来的同时对二者进行订正，提出了增强型植被指数（Enhanced Vegetation Index，EVI）[12]，它利用土壤背景调节参数L和大气修正参数C 1和C 2，这些参数在实际应用时候都会有相应的数据作参考，经过相关参数的修正，EVI同时可以减少土壤背景因素和大气因素的干扰。

⑺

EVI值得理论范围为-1～1，一般绿色植被区EVI的范围为0.2～0.8。

EVI己被广泛应用到MODIS陆地产品生产中，作为MODIS重要的植被指数产品之一。EVI植被指数对高植被覆盖区有较高的敏感度，而且同时减少了来自土壤背景与大气干扰的影响，由于受到了传感器与波段的限制，在计算时候需要加入蓝光波段。

3 植被指数的应用

植被指数作为地表与植被相互关系的量化指标，被广泛应用在植被分类、作物长势检测和自然灾害监测等方面。其中环境监测和森林资源监测是植被指数应用最广泛的领域。

3.1 植被指数在环境监测中的应用

环境监测是从十九世纪末由英美等发达国家首先开展的，至今有一百多年历史。美国等发达国家环境监测水平处于世界领先地位。上世纪70年代，我国的环境监测事业开始起步，环境保护意识逐步深入人心，截至1980年底，全国己建成三百多个各级环境监测站。植被指数可通过反映植被信息，间接表明环境信息。张树誉等通过分析MODIS植被指数特点，提出综合利用MODIS和AVHRR植被指数进行生态环境监测评估的方法[13]。李方方采用多植被指数多时相遥感手段监测技术，来监测矿区生态环境由于受矿业生产的影响而受破坏的程度[14]。

3.2 植被指数在森林资源监测中的应用

森林是我们赖以生存的自然资源，森林面积、种类、树种等需要经常进行测量分析，用人工处理相当耗费人力物力。遥感技术的飞速发展，使通过遥感技术对森林资源进行监测成为了可能。其中植被指数是植被的一个重要遥感参量，通过遥感技术获取所监测区域遥感影像，再结合植被指数对其进行计算，可以得出准确的测量结果。因此植被指数在森林资源监测中起着相当重要的作用。

在实际应用中，NDVI是森林资源监测中最为常用的植被指数之一，其通常是与其他波段组合使用。2006年Waring等通过运用MODIS的EVI预测了美国生态区的树木的丰富程度[15]。2008年Bisson等通过建立（Vegetation Resilience After Fire，VRAF）指数评价火灾后植被恢复状况[16]。2005年王长耀等利用植被指数NDVI，并且结合陆地表面温度进行土地利用分类[17]。

4 总结

植被指数种类和数目繁多，本文从是否考虑影响因子出发，大致上将植被指数分为考虑影响因子和不考虑影响因子两大类。在不同的研究和应用领域，我们应准确判断植被指数和应用领域适应性情况，进行准确的选择；另外植被指数影响因子众多，包括土壤、大气和综合因子，在使用时应根据实际情况做出适当修正；随着遥感技术水平的提升，我们应该在当前众多植被指数基础之上开发出适应性更强的遥感植被指数模型。进而根据这些植被指数模型开发出更多植被指数产品。

参考文献（References）：

[1] 覃发超，倪潇倩.基于遥感影像的都江堰市多植被指数的比

较研究[J].科技创新导报，2013.7：19-22

[2] 马瑞.增强植被指数算法的研究及其在生态环境遥感产品生

产分系统的应用[D].河南大学，2015.

[3] 邓书斌，陈秋锦.植被波谱特征与植被指数综述[A].中国遥感

应用协会、国家国防科工局重大专项工程中心.中国遥感应用协会2010年会暨区域遥感发展与产业高层论坛论文集[C].中国遥感应用协会、国家国防科工局重大专项工程中心，2010：9

[4] 田庆久，闵祥军.植被指数研究进展[J].地球科学进展，

1998.4：10-16

[5] 古丽给娜・塔依尔江，塔西甫拉提・特依拜，阿依提拉・吾加布

都拉.基于表观反射率的植被指数遥感监测[J].新疆农业科学，2010.9：1828-1831

[6] Jordan C F. 1969. Derivation of leaf area index from

quality of light on the foresr floor[J]. Ecology，50：663-666

[7] 李开丽，倪绍祥，扶卿华.垂直植被指数及其解算方法[J].农机

化研究，2005.2：84-86，89

[8] Huete A R. 1988. A soil-adjusted vegetation index （SAVI）[J].

Remote Sens. Envirnn，25：295-309

[9] Qi J A. 1994. Modified soil adjusted vegetation index[J].

Remote Sens. Environ，48：119-126

[10] Kaufman Y J. and Tanre D.1992. Atmospherically

resistan vegetation index （ARVI） for EOS-MODIS[J].IEEE Transon Geosci. and Remote Sensin，30（2）：261-270

[11] JA Rouse J W， Haas R H， Monitoring vegetation Schell

systems mand Deering D W. 1974.the Great Plains with ERTS[A]. Proceedings of Third Earth Resources Technology Satellite-1 Symposium[C]. Greenbelt： NASA SP-351：310-317

[12] A.R. Huete， H.EOS-MODIS [J].Q. Liu ，et，a1.A

comparison of vegetation indices over a global set of TM images for Remote Sensing of Environment，1997.59（3）：440-451

[13] 张树誉，李登科，李星敏，周辉.MODIS植被指数及其在县域

生态环境监测评估中的应用[A].中国气象学会.中国气象学会2005年年会论文集[C].中国气象学会，2005：9

[14] 李方方.基于多植被指数时空变化的矿区生态环境监测[D].

河南理工大学，2012.

[15] R.H. blaring， N.C. Coops， W Fan， J.M. Nightingale.

MODIS enhanced vegetation index predicts tree species richness across forested eco regions in the contiguous U.S.A.[J].Remote Sensing of Environment，2006.103（2）：218-226

[16] Marina Bisson， Marina Bisson， Alessandro Fornaciai，

Alessandro Coli， et a1.The Vegetation Resilience After Fire （VRAF） index：Development， implementation and an illustration from central taly[J]. International Journal of Applied Earth Observation and Geo information，2008.10（3）：312329

[17] 王长耀，骆成凤，齐述华，等.NDVI-Ts空间全国土地覆盖分

类方法研究[J].遥感学报，2005.9（1）：93-98