植被指數在草地遙感中的應用初探

康耀江

（北京師范大學管理學院，北京 100875）

遙感就是利用自然界中地物具有電磁波輻射的特性，來實現地物信息獲取的技術，遙感技術則是實施監測的重要工具。植被指數是將遙感地物光譜資料經數學方法處理, 以反映植被狀況的特征量，是用來表征地表植被覆蓋及生長狀況的一個簡單、有效的度量參數，已廣泛用來定性和定量評價植被覆蓋及其生長活力。隨著遙感技術的發展，植被指數在生態、農業、地理信息等領域的應用更加全面和深入。

我國草地科學自80年代初期引進航天遙感技術并開展應用以來，已取得了多方面的研究成果。植被指數作為遙感監測地面植物生長和分布的一種方法，也是反映作物生長狀態的直接遙感指標，其應用效果將直接影響到遙感技術在草地資源領域的實用性和有效性。筆者在全面闡釋植被指數的基礎上，介紹了多種常用植被指數及其適用條件。并進一步闡敘了植被指數在草地遙感中的應用，以期為遙感技術在我國草地中的應用提供理論依據。

1 植被指數

植被指數（Vegetation Index，縮寫VI）是綠色植物的光譜反射特征，其本質就是在綜合考慮各有關的光譜信號的基礎上，把多波段反射率做一定的數學變換，使其在增強植被信息的同時，使非植被信號最小化。植被指數主要反映植被在可見光、近紅外光波段反射與土壤背景之間差異的指標，各個植被指數在一定條件下能用來定量說明植被的生長狀況。影響植被指數的因子也比較多，主要屬于生物領域和物理領域。生物領域是指與光學特性和植被覆蓋狀態相關的各種因子，而物理領域主要包括大氣影響、土壤影響、遙感器影響、角度影響等。

1.1 植被指數分類

植被指數按發展階段大致可分為基于波段簡單線性組合的植被指數、消除影響因子的植被指數和針對高光譜遙感及熱紅外遙感的植被指數三類。

1.1.1 基于波段簡單線性組合的植被指數 這類植被指數主要是基于波段的線性組合（差或和）或原始波段的比值，在沒有考慮大氣影響、土壤亮度和土壤顏色，也沒有考慮土壤、植被間的相互作用的情況下，由經驗方法發展生成的。它們具有嚴格的應用限制性，這是由于它們針對特定的遙感器并為明確特定應用而設計的。

1.1.2 消除影響因子的植被指數 針對波段簡單線性組合的局限性，后來又發展了許許多多消除影響因子的植被指數。這類指數大都基于物理知識，將電磁波輻射、大氣、植被覆蓋和土壤背景的相互作用結合在一起考慮，按土壤、大氣及綜合影響因子三個方向對影響因子進行消除，并通過數學、物理、邏輯經驗以及通過模擬將原植被指數不斷改進而發展生成的，例如PVI、SAVI、M SAV I、TSAV I、ARV I、GEM I、AVI、NDV I等等。它們普遍基于反射率值、遙感器定標和大氣影響的理論，將各波段反射率以不同形式進行組合來消除外在的影響因素，如遙感器定標、大氣、觀測和照明條件等。

1.1.3 針對高光譜遙感及熱紅外遙感的植被指數 利用傳統的寬波段遙感數據（如MSS、TM）研究植被，由于波段數少、光譜分辨率低，計算出的植被指數基本上是基于不連續的紅光和近紅外波段的，所以能反映的信息量少。第三類植被指數是針對高光譜遙感及熱紅外遙感而發展的植被指數,如導數植被指數 (DVI)、溫度植被指數(Ts-VI)、生理反射植被指數(PRI)等。這些植被指數是近幾年來在遙感技術的發展和應用深入的基礎上產生的新表現形式。

1.2 常用植被指數及其適用條件

1.2.1 比值植被指數 最早的比值植被指數（Ratio Vegetation Index，RVI）由Jordan提出，其數值是近紅外波段與可見紅光波段的比值，用RVI=NIR（近紅外波段反射率）/R（紅光波段反射率）或兩個波段反射率的比值。在NOAA/AVHRR中的RV I由CH 2/CH 1計算；在Landsat-TM中RVI則由TM 4/ TM 3計算可得。

一般而言，綠色健康植被覆蓋地區的RV I遠大于1，而無植被覆蓋的地面（裸土、人工建筑、水體、植被枯死或嚴重蟲害）的RV I值在1左右，植被的RV I通常大于2。由于RV I是綠色植物的靈敏指示參數，與葉面積指數（LAI）、葉干生物量(DM)、葉綠素含量的相關性高，可用于檢測和估算植物生物量。除此，植被覆蓋度也會影響RV I，當植被覆蓋度較高時，RV I對植被十分敏感；當植被覆蓋度<50%時，這種敏感性顯著降低，只有在植被覆蓋濃密的情況下效果才最好。另外，RVI還受大氣條件影響，大氣效應會大大降低其對植被檢測的靈敏度，所以在計算前需要進行大氣校正，或用反射率計算RVI。

1.2.2 歸一化植被指數 歸一化植被指數(Normalized Difference Vegetation Index， NDVI)，也叫歸一化差值植被指數、標準植被指數，其數值是近紅外波段與可見紅光波段數值之差與這兩個波段數值之和的比值，用NDVI=(NIRR)/(NIR+R)表示，或用兩個波段反射率的計算表示。在NOAA/AVHRR中NDV I=(CH2－CH1)/(CH2+CH1)；在Landsat-TM中 NDVI= (TM4－TM3)/(TM4+TM3)。

NDVI對綠色植被表現敏感，與植被的許多參數密切相關，如吸收光合有效百分率(FPAR)、葉綠素密度、葉面積指數、植被覆蓋率和蒸散率。近年來利用NDVI數據在季節性植被狀況和監測土地覆蓋變化等方面有越來越多的研究。NDVI其值一般在-1≤NDVI≤1之間，負值表示地面覆蓋為云、水、雪等，對可見光高反射；0表示有巖石或裸土等，NIR和R近似相等；正值，表示有植被覆蓋，且隨覆蓋度增大而增大。

1.2.3 差值環境植被指數 Richardson提出了差值植被指數（Difference Vegetation Index，DVI），其數值等于近紅外波段與可見紅光波段數值之差，用DVI＝IR－R，或用兩個波段反射率的計算表示。在NOAA/AVHRR中DVI=CH2－CH1；在Landsat-TM中DV I=TM4－TM3。DV I屬于線性植被指數，在低LAI時，效果較好；當LAI增加時對土壤背景的變化極為敏感。

1.2.4 綠色植被指數 綠色植被指數（Green Vegetation Index，GVI）又叫綠度植被指數，是根據大氣參數、大氣外太陽分光光譜照度數據，AVHRR定標參數以及由實驗計算出的轉換系數，獲得實際應用的植被指數。k-t變換后表示綠度的分量，通過k-t變換使植被與土壤的光譜特性分離。其表達式為：GVI=1.6225CH2－2.2978CH1+11.0656。由于GV I是各波段輻射亮度值的加權和，而輻射亮度是大氣輻射、太陽輻射、環境輻射的綜合結果，所以GVI受外界條件影響大。

1.2.5 垂直植被指數 與RV I相比，垂直植被指數（Perpendicular Vegetation Index，PVI）受土壤亮度的影響較小。垂直植被指數是指在R-NIR的二為坐標系內，植被像元到土壤亮度線的垂直距離。PV I=[(SR－VR)2+(SN IRVNIR)2]1/2，S是土壤反射率，V是植被反射率。該指數較好地消除了土壤背景的影響，對大氣的敏感度小于其他V I。PV I是在R-NIR二位數據中對GVI的模擬，兩者物理意義相同。

1.2.6 其他植被指數 為更好地消除影響因子或在對現有植被指數進行修正的基礎上提出了更多的植被指數。有些學者對NDVI進行修正又發展了其它的植被指數，如轉換型植被指數TNDV I，再歸一化植被指數RNDV I、GNDV I等。為減少土壤和植被冠層背景的雙層干擾，Huete提出了土壤調節植被指數（SAV I），創造性引入了土壤亮度指數L，建立了一個可適當描述土壤-植被系統的簡單模型。為減小SAV I 中裸土影響，Qi提出了修正的土壤調節植被指數（MSAVI）。它與SAVI 最大區別是L 值可以隨植被密度而自動調節，較好消除了土壤背景對植被指數的影響。

隨著高分辨率遙感技術的應用，又發展起來一些新的植被指數。基于高光譜遙感的植被指數中比較典型的是紅邊植被指數和倒數植被指數。基于熱紅外遙感的植被指數則在本質上是把熱紅外輻射（如地面亮度溫度）和植被指數結合起來進行大尺度范圍的遙感應用。

2 植被指數在草地遙感中的應用

2.1 植被指數與草地資源

Kogan等研究表明，通過比較33種不同的生態系統發現，草地和闊葉林植被類型的NDVI相對穩定，而沙漠和熱帶森林的NDVI隨著時間序列的變化有著一定程度變化，變化的程度有待于進一步討論。鐘誠等利用landsat5和NOAA的遙感數據，應用GIS進行遙感信息處理，對那曲地區的草地資源進行調查。他們將遙感圖像上測出各樣方的植被指數與野外調查數據結合起來，可以結合草地退化指標體系完成研究區退化草地的評價。張華國等綜合監督分類方法、植被指數法、閾值法和人機交互目視判讀法等方法，對4M分辨率的IKONOS遙感數據進行了土地覆蓋分類，獲得了南麂列島的土地覆蓋的最新信息。

2.2 植被指數與牧草產量及生產力估計

研究表明，植被長勢和覆蓋的變化直接對應著植被指數的變化，因此可用植被指數作為牧草生長狀況的定量指標，NDVI與牧草生長期地上部生物量之間相關密切，可提供直接監測總產草量的方法；并研究了天然草地NDV I和RVI的特征，確定草地的返青期，對比分析了累積NDVI與牧草產量的關系。梁天剛等以新疆阜康縣為試驗區，利用NOAA/AVHRR數據和地面實測產量值，分析模擬了鮮草重量和植被指數之間的數理關系，并對草地產量進行了模擬預報。數理模擬及分析的結果表明：在理論上，NDVI及RVI數據是比較理想的預報指數，直線及對數模型是理想的預報模型。植被蓋度較大時，最優預報模型是采用RVI數據的對數模型。

2.3 植被指數與草地監測

在干旱和半干旱區，NDVI與植被覆蓋率、生物量和生物生產力有很好的相關關系，因此，它被用來大致劃分沙漠區和半干旱草原，并可以確定生物量是否發生系統性減少。胡新博等在新疆荒漠、半荒漠地區，利用NOAA/AVHRR資料，采用垂直植被指數來大面積地開展植被識別與分類。其研究表明，應用垂直植被指教對荒漠、半荒漠地區的遙感監測效果明顯優于RVI和NDVI，在解決植被低蓋度區生產力動態的遙感監測方面效果較好。張洪亮等以Landsat-5 TM遙感圖像和草地蝗蟲發生的野外樣點數據為基礎信息，以青海湖地區為實驗區，根據草地蝗蟲發生的遙感機理，提出了一種基于比值的草地蝗蟲發生監測的遙感新算法，可用于為該區草地蝗蟲發生預測預報模型的建立提供遙感指標。

3 存在的問題與展望

（1）遙感植被指數的真正優勢是空間覆蓋范圍廣、時間序列長、數據具有一致可比性，但是獲得這樣的植被指數至少需要解決大氣影響、土壤影響、角度影響這三方面的問題，因此植被指數往往具有明顯的地域性和時效性。實際應用中應該結合草地科學的特點，在具體使用時因地適宜地選用和修正植被指數，尤其是建立植被指數與具體應用對象的數學模型，以實現植被指數能客觀地反演應用對象的特征。

（2）就目前的研究成果來看，植被的類型較為復雜，而且任一種反映到植被指數數據的特征也不是單一的，植被類型的分類在不同的地區有不同的定義和標準，有待于更深入的研究。

（3）目前我國主要應用植被指數監測植被和農作物長勢的年際比較，較廣泛地應用于主要產糧縣旱地和水田作物的物候期進行遙感監測，但在草地資源上利用植被指數進行定量分析有其具體的困難。首先，草地的分布都非常廣泛，從低海拔的平地、河谷到高海拔的山區，在地物的判譯中增加了解決異物同譜問題的難度，而農作物例如小麥等分布有比較確定的規律，一般都分布在一定海拔高度的河谷和平坦地上。其次，草地上植物種類繁多，影響光譜數據的產量、蓋度等因素的變幅很大，不易在光譜數據與地面實測數據間建立準確穩定的關系，而在特定的地區，農作物一般品種和產量相對穩定。另外，農作物的產區多分布在由耕種技術、人類活動影響較大的地區，天然草地的產量則隨機性較大。

（4）利用氣象資料NOAA/AVHHR數據和地面實測產量值，雖然可以選出相關系數大，并通過顯著水平0.01和0.05F檢驗的理論上最優的模型，但從實際預報的結果來看，在地形復雜、草地類型變化較大的地區，模型預報的穩定性極差。利用同時相或準同時相采集數據、建立模型的方法，一般適用于地勢比較平坦，草地類型變化不大的地區；在地形和草地類型變化大的地區，如在新疆大部分地區，模型預報的產量波動極大，不能準確地反映地面草地的實際變化狀況。陳全功等建立了多年平均植被指教與平均草地產量級之間的關系，使用植被指數表示草地產量，并獲得了適合于地形和草地變化大的地區的預報方法和模型。但是，如果僅從植被指數來對草地進行分級還可能導致錯誤的結果。

隨著遙感技術的日新月異，高光譜及熱紅外遙感技術的發展應用，植被指數的研究新領域和應用領域必將進一步拓寬。針對出現的新技術，傳統的植被指數應用是否會受到限制，新的植被指數是否適宜和高效，還有待廣大科研工作者的實踐證明，以提高遙感技術應用特別是在草地資源方面應用的高效性和時效性。

[1] 王人潮，黃敬峰. 水稻遙感估產[M]. 北京：中國農業出版社，2001. 47-48.

[2] 郭 鈮. 植被指數及其研究進展[J]. 干旱氣象，2003，21（4）：71-75.

[3] 羅 亞，徐建華，岳文澤. 基于遙感影像植被指數研究方法評述[J]. 生態科學，2005，24（1）：75-79.

[4] 田慶久，閔祥軍. 植被指數研究進展[J].地球科學進展，1998，13（4）：327-333.

[5] 王正興，劉 闖，HUETE A lfredo. 植被指數研究進展：從AVHRR-NDV I到MODIS-EVI[J]. 生態學報，2003，23（5）：979-987.

[6] Kogan F N，X Zhu. Evo lution o f long-term errors in NDVI time series：1985～1999[J]. Advances in Space Research，2001，28（1）：149-153.

[7] 鐘 誠，何曉蓉，李輝霞. 遙感技術在西藏那曲地區草地退化評價中的應用[J].遙感技術與應用，2003，18（2）：99-102.

[8] 張華國，黃韋艮，周長寶. 應用IKONOS衛星遙感圖像監測南麂列島土地覆蓋狀況[J]. 遙感技術與應用，2003，18（5）：306-312.

[9] 張洪亮，倪紹祥. 草地蝗蟲發生遙感監測的一種新算法[J]. 遙感學報，2003，7（6）：504-508.