淺談植被指數的分類與應用

沈夏炯+韓道軍++侯柏成+馬瑞

摘 要： 隨著遙感技術的發展，植被指數（vegetation index，VI）作為地表植被覆蓋和植被生長狀況的度量參數，被廣泛應用于環境、生態、農業等領域。現有的科學文獻中發布的植被指數種類超過了150種，這些缺乏科學分類的植被指數，使研究者在具體應用時不能夠做出快速準確的選擇。因此本文在分析了影響植被指數的諸多因素的基礎上，對多種典型的植被指數進行概括分類，進而討論各自的優勢和應用局限性，這將有助于不同的植被指數能夠更精確的應用在不同的研究和應用領域，從而在一定程度上給相關領域的研究者提供參考。

關鍵詞： 植被指數； 植被覆蓋； 度量參數； 分類

中圖分類號：TP393 文獻標志碼：A 文章編號：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

在遙感領域中，植被指數一直以來都是用來量化地表植被覆蓋情況和生長狀況的一個簡單而又直接的參考指標。隨著遙感技術的發展和領域探索不斷擴大化，植被指數在環境、生態、農業等領域有了廣泛的應用[1]。在環境領域，植被指數被用來反演土地利用和覆蓋的變化，逐漸成為全球環境變化的評價指標[2]；在生態領域，利用植被指數實現土壤退化、水土流失、土地荒漠化、土地鹽漬化、草原退化、森林破壞等狀態的監測；在農業領域，植被指數廣泛應用在農作物分布及長勢監測、產量估算、農田災害監測及預警、區域環境評價以及各種生物參數的提取。因此研究植被指數的分類和應用十分有必要。

1 植被指數影響因子

植被指數的計算在本質上是兩個或多個波譜范圍內的地物反射率組合運算，以增強植被的某一特性或者細節[3]。影響植被指數的因子的比較多，大致可以分為生物領域和物理領域。生物領域的影響因子是指與光學特性和植被覆蓋狀態等有關的各種影響因子；而物理領域影響因子主要包括土壤影響、大氣影響、遙感器影響、角度影響等[4]，其中土壤影響因子中包括土壤亮度和土壤顏色，這兩種影響因子對植被指數的影響相當大，因此許多植被指數的出現就是為了減弱或者消除土壤相關因素的影響。遙感器的影響大致包括遙感器定標和遙感器光譜響應兩種，其中遙感定標至關重要，因為現在的遙感影像大多數是多源的數據，在對植被指數進行綜合計算時候，必須先經過遙感定標[5]。因此定標標準的選擇對植被指數的影響也是很大的。

2 植被指數的分類

根據是否考慮影響因子可將植被指數大致分為兩大類：未考慮影響因子的植被指數和考慮影響因子的植被指數。

2.1 未考慮影響因子的植被指數

1969年Jordan提出了最早的一種植被指數——比值植被指數（Ratio Vegetation Index，RVI）[6]。

⑴

和分別代表近紅外波段和紅外波段的反射率。RVI強化了植被在近紅外和紅外波段反射率的差異，所以比僅僅依靠單波段信息來估算植被信息更具有穩定性和合理性。RVI是綠色植物的靈敏指示參數，與葉面積指數（Leaf Area Index，LAI）和葉綠素含量相關性高，可用于檢測和估算植物生物量。但是RVI適用范圍是植被覆蓋濃密的情況，當植被覆蓋不夠濃密時（小于50%），RVI的分辨能力很弱；并且當植被覆蓋過于茂密時，由于反射的紅光輻射很小，以至RVI將無限增長，這樣會造成RVI計算結果失效。另外RVI受大氣的影響會大大降低對植被檢測的靈敏度，所以在計算前需要對待檢測的遙感數據進行大氣校正，然后再帶入RVI中進行計算。

總之，這一類植被指數大部分都是波段的簡單線性運算或原始波段的比值，由經驗方法發展而來，完全沒有考慮大氣、土壤等因子的綜合影響，因此在計算結果上會存在很大的誤差甚至是錯誤，并且由于這類植被指數中大部分是針對特定的遙感器而設計，并且使用范圍很小，所以在實際應用過程中存在嚴重的限制性。

2.2 考慮影響因子的植被指數

針對波段簡單線性組合的植被指數的局限性，學者們意識到這些影響因子對于植被指來說是不能夠完全忽略的，所以后來又發展出許多消除影響因子的植被指數，根據影響因子不同大致可以分為土壤影響、大氣影響及綜合因子影響三種。

2.2.1 考慮消除土壤影響

由于土壤亮度和土壤顏色對于植被指數會造成很大的影響，為了消除此類影響，很多學者在這方面做了許多努力。比較早的是1976年Kauth and Thomas，基于土壤線理論，提出了垂直植被指數PVI（perpendicular vegetation index ）[7]，和RVI相比，土壤亮度對PVI的影響較弱。

⑵

⑶

其中，a為土壤線的斜率，b為土壤線的截距，L為土壤亮度指數。

除了土壤對植被指數的影響之外，植被冠層背景對植被指數也有所干擾。因此在1988年Huete提出了土壤調節植被指數（Soil-Adjusted Vegetation Index，SAVI）[8]，SAVI綜合考慮了NDVI和PVI，同時創造性地引入了一個參數——土壤亮度指數L，建立了一個可以根據土壤特點植被的生長情況對植被指數做出修正的計算模型。植被的密度決定L的取值，Huete建議L的最佳值為0.5，當然也可以在0（黑色土壤）～1（白色土壤）之間變化。在實際的使用中，SAVI明顯降低了土壤背景對植被指數的影響，但同時會出現丟失部分背景信息的情況，從而導致植被指數偏低。

為減小SAVI中裸土影響，1994年Qi提出了修正的土壤調節植被指數（Modified Soil-Adjusted Vegetation Index， MSAVI）[9]。

⑷

MSAVI和SAVI相比最大的優勢在于L值可以隨植被密度而自動的調節，能夠在一定程度上較好地消除土壤背景對植被指數影響。

2.2.2 考慮消除大氣影響

為了減少大氣對植被指數的影響，1992年Kaufman等在歸一化差值植被指數（Normalized Differnce Vegetation Index，NDVI）的基礎上，利用大氣氣溶膠對光譜的影響呈波段相關的特點，將藍色波段引入到植被指數的運算中，進而提出了抗大氣植被指數（Atmospherically Resistant Vegetation Index，ARVI）[10]。研究表明，ARVI對大氣的敏感性比NDVI約減小4倍。在消除大氣影響方面，ARVI是很典型的一種。

⑸

ARVI值得理論范圍為-1～1，一般綠色植被區ARVI的范圍為0.2～0.8。

2.2.3 考慮消除綜合因子影響

1973年由Rouse等在對RVI進行非線性歸一化處理后得到了NDVI[11]。NDVI有效地增強了對植被反映能力，是目前應用最廣的植被指數之一。主要應用在檢測植被生長狀態、植被覆蓋度和消除部分輻射誤差等方面。但NDVI也存在一定的局限性，NDVI是用非線性拉伸的方式增強了NIR和R的反射率的對比度。對于同一幅圖像，分別求RVI和NDVI時會發現，RVI值增加的速度高于NDVI增加速度，即NDVI對高植被覆蓋率區域具有較低的靈敏度。

⑹

考慮到土壤和大氣的影響是相互的，1995年Huete在引入一個反饋項來的同時對二者進行訂正，提出了增強型植被指數（Enhanced Vegetation Index，EVI）[12]，它利用土壤背景調節參數L和大氣修正參數C 1和C 2，這些參數在實際應用時候都會有相應的數據作參考，經過相關參數的修正，EVI同時可以減少土壤背景因素和大氣因素的干擾。

⑺

EVI值得理論范圍為-1～1，一般綠色植被區EVI的范圍為0.2～0.8。

EVI己被廣泛應用到MODIS陸地產品生產中，作為MODIS重要的植被指數產品之一。EVI植被指數對高植被覆蓋區有較高的敏感度，而且同時減少了來自土壤背景與大氣干擾的影響，由于受到了傳感器與波段的限制，在計算時候需要加入藍光波段。

3 植被指數的應用

植被指數作為地表與植被相互關系的量化指標，被廣泛應用在植被分類、作物長勢檢測和自然災害監測等方面。其中環境監測和森林資源監測是植被指數應用最廣泛的領域。

3.1 植被指數在環境監測中的應用

環境監測是從十九世紀末由英美等發達國家首先開展的，至今有一百多年歷史。美國等發達國家環境監測水平處于世界領先地位。上世紀70年代，我國的環境監測事業開始起步，環境保護意識逐步深入人心，截至1980年底，全國己建成三百多個各級環境監測站。植被指數可通過反映植被信息，間接表明環境信息。張樹譽等通過分析MODIS植被指數特點，提出綜合利用MODIS和AVHRR植被指數進行生態環境監測評估的方法[13]。李方方采用多植被指數多時相遙感手段監測技術，來監測礦區生態環境由于受礦業生產的影響而受破壞的程度[14]。

3.2 植被指數在森林資源監測中的應用

森林是我們賴以生存的自然資源，森林面積、種類、樹種等需要經常進行測量分析，用人工處理相當耗費人力物力。遙感技術的飛速發展，使通過遙感技術對森林資源進行監測成為了可能。其中植被指數是植被的一個重要遙感參量，通過遙感技術獲取所監測區域遙感影像，再結合植被指數對其進行計算，可以得出準確的測量結果。因此植被指數在森林資源監測中起著相當重要的作用。

在實際應用中，NDVI是森林資源監測中最為常用的植被指數之一，其通常是與其他波段組合使用。2006年Waring等通過運用MODIS的EVI預測了美國生態區的樹木的豐富程度[15]。2008年Bisson等通過建立（Vegetation Resilience After Fire，VRAF）指數評價火災后植被恢復狀況[16]。2005年王長耀等利用植被指數NDVI，并且結合陸地表面溫度進行土地利用分類[17]。

4 總結

植被指數種類和數目繁多，本文從是否考慮影響因子出發，大致上將植被指數分為考慮影響因子和不考慮影響因子兩大類。在不同的研究和應用領域，我們應準確判斷植被指數和應用領域適應性情況，進行準確的選擇；另外植被指數影響因子眾多，包括土壤、大氣和綜合因子，在使用時應根據實際情況做出適當修正；隨著遙感技術水平的提升，我們應該在當前眾多植被指數基礎之上開發出適應性更強的遙感植被指數模型。進而根據這些植被指數模型開發出更多植被指數產品。

參考文獻（References）：

[1] 覃發超，倪瀟倩.基于遙感影像的都江堰市多植被指數的比

較研究[J].科技創新導報，2013.7：19-22

[2] 馬瑞.增強植被指數算法的研究及其在生態環境遙感產品生

產分系統的應用[D].河南大學，2015.

[3] 鄧書斌，陳秋錦.植被波譜特征與植被指數綜述[A].中國遙感

應用協會、國家國防科工局重大專項工程中心.中國遙感應用協會2010年會暨區域遙感發展與產業高層論壇論文集[C].中國遙感應用協會、國家國防科工局重大專項工程中心，2010：9

[4] 田慶久，閔祥軍.植被指數研究進展[J].地球科學進展，

1998.4：10-16

[5] 古麗給娜·塔依爾江，塔西甫拉提·特依拜，阿依提拉·吾加布

都拉.基于表觀反射率的植被指數遙感監測[J].新疆農業科學，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] 李開麗，倪紹祥，扶卿華.垂直植被指數及其解算方法[J].農機

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] 張樹譽，李登科，李星敏，周輝.MODIS植被指數及其在縣域

生態環境監測評估中的應用[A].中國氣象學會.中國氣象學會2005年年會論文集[C].中國氣象學會，2005：9

[14] 李方方.基于多植被指數時空變化的礦區生態環境監測[D].

河南理工大學，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] 王長耀，駱成鳳，齊述華，等.NDVI-Ts空間全國土地覆蓋分

類方法研究[J].遙感學報，2005.9（1）：93-98