寬波段遙感植被指數(shù)研究進(jìn)展綜述

李 喆，胡 蝶，趙登忠，向大享

(1.長江科學(xué)院空間信息技術(shù)應(yīng)用研究所，武漢 430010;2.長江水利委員會網(wǎng)絡(luò)與信息中心，武漢 430010)

1 研究進(jìn)展

隨著對地觀測技術(shù)水平的不斷提高，多源多尺度、高分辨率傳感器的不斷涌現(xiàn)，為地表資源環(huán)境管理提供了新的工具。衛(wèi)星遙感技術(shù)在地表資源環(huán)境管理與分析中的一大應(yīng)用方向是地表綠色植被信息檢測與定量評估，其中最為核心的是植被生長結(jié)構(gòu)和空間格局的變化分析。植被指數(shù)是遙感監(jiān)測地表植被生長信息的一種數(shù)值表達(dá)，能有效地描述綠色植物長勢和生物量信息，并將其與土壤、水體等背景相區(qū)別。遙感影像主要是由可見光(紅光、綠光、藍(lán)光)、近紅外、熱紅外、微波等多個光譜波段構(gòu)成的。綠色植被葉片與地物光譜特性關(guān)系密切，特別是在可見光、近紅外波段具有特殊的光譜反射特性［1］。由于綠色植被葉片富含葉綠素，而葉綠素在可見光波譜段的某些區(qū)域(中心波長約450 nm和650 nm)表現(xiàn)出強(qiáng)烈的吸收效應(yīng)，因此植被葉片在可見光波段的藍(lán)色光區(qū)域(中心波長約為450 nm)和紅色光區(qū)域(中心波長約為650 nm)的反射率很低;植被葉片內(nèi)部結(jié)構(gòu)(海綿組織細(xì)胞和背面細(xì)胞)在近紅外波段(中心波長約為850 nm)具有較高的反射效應(yīng)，使得植被葉片在近紅外波段的反射率較高。從可見光到近紅外波段，裸露土壤反射率基本保持不變，其變化幅度很小?；谶@一特性，采用強(qiáng)化可見光和近紅外波段光譜反射率差異性的數(shù)學(xué)方法，可作為描述地表植被生長狀況的有效參數(shù)。

自從20世紀(jì)60年代以來，植被指數(shù)一直是植被遙感、農(nóng)業(yè)遙感、資源環(huán)境遙感的一大研究熱點(diǎn)，出現(xiàn)了許多模型。近些年來，以高空間分辨率、高輻射分辨率為特征的高光譜傳感器發(fā)展迅速，出現(xiàn)了許多基于高光譜影像的植被指數(shù)。為了與之相區(qū)分，本文將傳統(tǒng)的、基于多光譜遙感影像的植被指數(shù)稱為寬波段植被指數(shù)，并進(jìn)行重點(diǎn)研究。有人從數(shù)值計(jì)算的角度出發(fā)，將寬波段植被指數(shù)分為斜率型和距離型2大類型［1－2］。本文深入分析國內(nèi)外植被指數(shù)模型研究進(jìn)展，仔細(xì)挑選十余種常用的寬波段植被指數(shù)模型，將其劃分為數(shù)值計(jì)算型、土壤調(diào)節(jié)型和大氣調(diào)節(jié)型3大類型(見表1)，分別評價其模型原理、方法和適用范圍，并對其存在的問題和發(fā)展方向進(jìn)行較為深入的探討。

2 數(shù)值計(jì)算型植被指數(shù)

在寬波段植被指數(shù)模型計(jì)算中，常用的地物光譜波段是紅光波段和近紅外波段。數(shù)值計(jì)算型植被指數(shù)是紅光波段和近紅外波段的簡單數(shù)學(xué)組合。

表1 寬波段植被指數(shù)Table 1 Broadband vegetation indices(VIs)

2.1 比值型植被指數(shù)

2.1.1 比值植被指數(shù)(RVI)

RVI模型通過比值計(jì)算突出了紅光波段和近紅外光波段反射率的差異性。當(dāng)遇到紅光波段反射率較低和熱紅外波段反射率較高的情況時，模型計(jì)算值較大。當(dāng)植被覆蓋度較低時，RVI數(shù)值很低，其分辨能力很弱;當(dāng)植被覆蓋度增大時，由于紅光反射輻射很低，RVI數(shù)值將無限增長。因此，要注意排除紅光波段反射率特別小(如接近于0)的情況。

2.1.2 歸一化差值植被指數(shù)(NDVI)

NDVI模型將綠色植被信息與土壤背景等信息相區(qū)分，已成為最常用的一種植被指數(shù)。該模型的計(jì)算值位于－1和1之間，其中0和負(fù)值代表無植被覆蓋的表面。該模型能減小地形地貌的干擾，而且克服了紅光波段反射率特別小(接近于0)的情況，但在高植被覆蓋區(qū)容易出現(xiàn)飽和現(xiàn)象，也沒有考慮土壤背景的干擾。

2.1.3 轉(zhuǎn)換植被指數(shù)(TVI)

利用求平方根操作，TVI模型將NDVI模型計(jì)算值從泊松分布轉(zhuǎn)換到正態(tài)分布。通過引入常數(shù)(0.5)，TVI將NDVI可能取到的負(fù)值轉(zhuǎn)換成正值，使得其值域范圍為(0，1)。實(shí)際上，從影像輸出和植被信息提取的角度上看，NDVI與TVI沒有顯著的差別。

2.1.4 寬動態(tài)植被指數(shù)(WDRVI)

在中高植被覆蓋度條件下，NDVI模型出現(xiàn)了“飽和”效應(yīng)，即當(dāng)葉面積指數(shù)(LAI)超過2時，紅光波段反射率基本保持不變，而近紅外波段反射率顯著上升。WDRVI模型引入權(quán)重因子 (0.1－0.2)，使得中高植被覆蓋度條件下(葉面積指數(shù)在2至6之間)，該模型和葉面積指數(shù)(LAI)基本保持線性相關(guān)。

2.2 差值型植被指數(shù)

2.2.1 差值植被指數(shù)(DVI)

DVI模型通過差值計(jì)算突出了紅光波段和近紅外光波段反射率的差異性。當(dāng)遇到紅光波段反射率較低和熱紅外波段反射率較高的情況時，模型計(jì)算值較大。模型計(jì)算值大于0代表植被覆蓋，而計(jì)算值小于等于0代表裸露地表或水體。

2.2.2 加權(quán)差值植被指數(shù)(WDVI)

WDVI模型引入土壤基線的斜率 ，增加近紅外波段的植被信號，減小紅光波段的土壤亮度等背景信息，以達(dá)到將植被信息與土壤背景相區(qū)別的目標(biāo)。模型計(jì)算值大于0代表植被覆蓋，而計(jì)算值小于等于0代表裸露地表或水體。

2.2.3 再歸一化植被指數(shù)(RDVI)

RDVI模型是對于NDVI和DVI模型的進(jìn)一步完善。當(dāng)遇到紅光波段反射率較低和熱紅外波段反射率較高的情況時，模型計(jì)算值較大。但該模型只能計(jì)算有植被覆蓋的情況，對于無植被覆蓋(裸露地表或水體)則無能為力。

2.3 模型評價

數(shù)值計(jì)算型植被指數(shù)是最簡單的植被指數(shù)，也是使用最為廣泛的植被指數(shù)。由于其模型僅僅是多波段數(shù)據(jù)的簡單數(shù)學(xué)組合，缺乏相應(yīng)的物理學(xué)基礎(chǔ)，其模型計(jì)算值的物理意義并不清楚。雖然比值形式能夠在某種程度上消除大氣干擾的影響，但對大氣的校正作用有限，因此該類模型無法徹底去除土壤背景和大氣等干擾，難以與生態(tài)物理學(xué)定量參數(shù)進(jìn)行對比分析，其深入應(yīng)用能力有限。

3 土壤調(diào)節(jié)型植被指數(shù)

有研究表明，將紅光－近紅外波段(Red-NIR)圖像灰度值構(gòu)建空間散點(diǎn)圖，發(fā)現(xiàn)裸露土壤的空間分布基本上近似于一條直線(即土壤基線)［8］。位于該土壤基線附近的散點(diǎn)，代表著裸露土壤或植被覆蓋度較低的地區(qū)。土壤基線概念的提出，為遙感混合象元中進(jìn)一步區(qū)分植被、土壤信息提供了新的依據(jù)。

3.1 垂直植被指數(shù)

PVI模型實(shí)際上是紅光－近紅外波段散點(diǎn)圖中任意一點(diǎn)到土壤基線的垂直距離，能在一定程度上減少土壤背景的影響。當(dāng)遇到紅光波段反射率較低和熱紅外波段反射率較高的情況時，模型計(jì)算值較大。模型計(jì)算值大于0代表植被覆蓋，而計(jì)算值等于0代表裸露地表或水體。該模型受土壤亮度的影響較小，適用于植被覆蓋度較高的地區(qū)。

3.2 土壤調(diào)節(jié)植被指數(shù)

3.2.1 土壤調(diào)節(jié)植被指數(shù)(SAVI)

基于土壤基線的概念，SAVI模型是NDVI模型的一個改進(jìn)。植被冠層調(diào)節(jié)因子L是一個可適當(dāng)描述土壤－植被系統(tǒng)的簡單模型，能減小土壤等背景信息，增加植被信號。參數(shù)L描述了土壤反射特性，并且與植被覆蓋度關(guān)系密切。當(dāng)植被覆蓋度較低時，推薦L值為1.0;當(dāng)植被覆蓋率中等時，推薦L值為0.5;當(dāng)植被覆蓋度較高時，推薦L值為0.25。若L=0，SAVI=NDVI;若 L=1，SAVI接近于 PVI。有研究表明，SAVI降低了土壤背景的影響，但可能丟失部分植被覆蓋信息，導(dǎo)致植被指數(shù)數(shù)值偏低［1］。

3.2.2 轉(zhuǎn)換型土壤調(diào)節(jié)植被指數(shù)(TSAVI)

SAVI模型的基本假設(shè)是土壤基線的斜率和截距為常數(shù)(即M=1和I=0)。但由于下墊面實(shí)際情況的復(fù)雜性，土壤基線的常數(shù)假設(shè)往往并不成立。借鑒PVI的思路，將M和I代入SAVI中，得到TSAVI模型。在低植被覆蓋度條件下，即LAI取小值時，TSAVI隨LAI的變化更接近PVI;在高植被覆蓋度條件下，即LAI取大值時，TSAVI隨LAI的變化更接近于NDVI。由于考慮土壤基線的概念，低植被覆蓋區(qū)TSAVI比NDVI具有更好的指示作用，適用于半干旱地區(qū)植被監(jiān)測［1］。

3.2.3 修正型土壤調(diào)節(jié)植被指數(shù)(MSAVI)

由于NDVI和WDVI對土壤背景的影響是相反的，黑色土壤(潮濕土壤)NDVI值偏低而WDVI值偏高。為了在不同植被覆蓋度條件下修正土壤亮度信息，構(gòu)造植被冠層調(diào)節(jié)因子函數(shù)L'，使其數(shù)值與NDVI和WDVI變化相反，可隨植被覆蓋度變化而自動調(diào)節(jié)，能較好地消除土壤背景對植被指數(shù)的干擾。引入植被冠層調(diào)節(jié)因子函數(shù)L'，構(gòu)建MSAVI模型，能提高植被生物量信息，減小土壤背景信息，適用于高植被覆蓋度地區(qū)。

3.2.4 優(yōu)化型土壤調(diào)節(jié)植被指數(shù)(OSAVI)

在消除土壤背景等方面，綜合比較NDVI、SAVI、TSAVI、MSAVI和 GEMI等模型，發(fā)現(xiàn)存在一個與植被覆蓋度條件無關(guān)的優(yōu)化常數(shù)θ(0.16)，并將其引入OSAVI模型中。該模型簡單實(shí)用，避免土壤基線參數(shù)的復(fù)雜計(jì)算，能較好地消除土壤背景等干擾。

3.2.5 綜合型土壤調(diào)節(jié)植被指數(shù)(GESAVI)

引入土壤調(diào)節(jié)因子Z構(gòu)建GESAVI模型，其中土壤調(diào)節(jié)因子Z是由紅光波段土壤基線和植被等值線的交點(diǎn)所確定的。該模型等值線既不平行于土壤基線(PVI)，又不通過坐標(biāo)原點(diǎn)(NDVI)，其交匯點(diǎn)也不一定位于NIR-Red特征空間角度等分線上。該模型計(jì)算方法復(fù)雜，對于土壤亮度、顏色等背景均不敏感，適宜于各種土壤背景狀況下植被監(jiān)測。

3.3 全球環(huán)境監(jiān)測指數(shù)

全球環(huán)境監(jiān)測指數(shù)(GEMI)是一種非線性形式的植被指數(shù)。通過引入調(diào)節(jié)因子η，降低大氣干擾，較好地分離云和陸地表面，并保存了比NDVI指數(shù)更大的動態(tài)變化范圍，增強(qiáng)植被覆蓋信息。但有研究發(fā)現(xiàn)，在植被覆蓋度較低的地區(qū)，土壤背景對于GEMI模型的影響仍然較為顯著，該模型不具備徹底消除土壤背景和大氣干擾的能力［12］。該模型計(jì)算方法比較復(fù)雜，適用于全球大范圍植被長勢監(jiān)測，動態(tài)分辯率比較低。

3.4 模型評價

土壤調(diào)節(jié)型植被指數(shù)也是使用較為廣泛的植被指數(shù)。該類模型充分考慮遙感紅光－近紅外波段散點(diǎn)圖中土壤、植被等空間分布規(guī)律，引入土壤調(diào)節(jié)因子來突出植被信息，減少土壤背景的干擾。值得注意的是，土壤基線的假設(shè)是一種理想狀態(tài)下的推論，實(shí)際上土壤基線的曲線形狀和性質(zhì)隨土壤質(zhì)地、土壤類型、土壤顆粒結(jié)構(gòu)和有機(jī)質(zhì)含量有關(guān)，嚴(yán)格地說土壤基線甚至不一定是一條直線。因此，該類模型計(jì)算值的物理意義不完全明確，難以徹底去除土壤背景和大氣等干擾。

4 大氣調(diào)節(jié)型植被指數(shù)

紅光波段和近紅外波段反射率較高，能夠較好地反映植被、土壤等地表信息，而藍(lán)光波段透射率較高，能夠較好地反映大氣狀況。因此，設(shè)計(jì)恰當(dāng)?shù)牟ǘ谓M合算法，綜合使用藍(lán)光、紅光和近紅外波段信息，可減少大氣氣溶膠等對植被生物量的干擾，所組成的寬波段植被指數(shù)可提高植被長勢監(jiān)測精度，降低土壤背景和大氣干擾等影響［16］。

4.1 抗大氣植被指數(shù)

由于大氣氣溶膠的散射交叉部分具有波長依賴性，抗大氣植被指數(shù)(ARVI)和土壤調(diào)節(jié)和抗大氣植被指數(shù)(SARVI)通過定義藍(lán)光和紅光通道的輻射差別修正紅光通道的輻射值，作為衡量大氣干擾的指標(biāo)。引入大氣輻射訂正系數(shù)γ，使得ARVI模型適用于不同的氣溶膠條件，其中最理想狀態(tài)γ=1，沙漠灰塵氣溶膠占優(yōu)勢區(qū)域γ=0.5為宜。有研究表明，ARVI模型對大氣的敏感性比 NDVI約減小4倍［17］。但該模型計(jì)算時需要輸入的大氣實(shí)況參數(shù)往往難以及時獲得，這給實(shí)際應(yīng)用帶來一定困難。

4.2 大氣影響抗阻植被指數(shù)

IAVI模型與ARVI模型的區(qū)別在于大氣下行輻射訂正系數(shù)γ↓。ARVI模型假設(shè)γ↓始終等于1，而IAVI模型考慮γ↓不等于1的情況。實(shí)驗(yàn)觀測表明，γ↓數(shù)值是在0.65～1.21之間變化的，而且大氣對IAVI影響的數(shù)值誤差為0.4% ～3.7%，比NDVI的14% ～31%明顯減?。?8］。該模型不必采用輻射傳輸模型進(jìn)行預(yù)處理，比NDVI有明顯的抗大氣影響效果，其計(jì)算效率優(yōu)于ARVI模型。

4.3 增強(qiáng)型植被指數(shù)

從算法形式上看，EVI是SAVI和 ARVI的組合。引入大氣調(diào)節(jié)因子(C1=6、C2=7.5)，使用藍(lán)光波段來修正紅光波段大氣氣溶膠的散射效應(yīng)，采用ARVI模型減小大氣氣溶膠的影響;引入土壤調(diào)節(jié)因子(L=1或1.5)，采用SAVI模型減少土壤背景的干擾［20］。EVI模型已成為MODIS陸地學(xué)科組推薦使用的MODIS全球植被指數(shù)產(chǎn)品生成算法，適用于高植被覆蓋度地區(qū)植被監(jiān)測。

4.4 模型評價

大氣調(diào)節(jié)型植被指數(shù)是很有發(fā)展?jié)摿Φ闹脖恢笖?shù)。該類模型借鑒于熱紅外遙感“分裂窗”算法原理，充分利用大氣氣溶膠散射效應(yīng)具有的波長依賴性，定義藍(lán)光和紅光通道的輻射差別修正紅光通道的輻射值作為衡量大氣干擾的指標(biāo)。引入大氣調(diào)節(jié)因子來突出植被信息，減少大氣氣溶膠的影響。事實(shí)上，該類模型仍然難以徹底去除大氣的干擾，而且無法達(dá)到同時消除土壤背景和大氣干擾的作用，其模型計(jì)算值的物理意義仍然并不完全明確。

5 結(jié)語

植被指數(shù)是衛(wèi)星遙感監(jiān)測綠色植被生物量和長勢狀況的一種數(shù)值表達(dá)，能有效地描述地表綠色植被信息，并將其與土壤、水體等背景相區(qū)別。目前，寬波段植被指數(shù)模型研究已經(jīng)從純粹數(shù)值計(jì)算型走向影響因素分析型，出現(xiàn)了土壤調(diào)節(jié)型和大氣調(diào)節(jié)型等多種植被指數(shù)，受到國內(nèi)外學(xué)術(shù)界的廣泛關(guān)注。

(1)從模型原理上看，土壤調(diào)節(jié)型植被指數(shù)通過引入土壤調(diào)節(jié)因子來降低土壤亮度等背景干擾，而大氣調(diào)節(jié)型植被指數(shù)通過定義藍(lán)光和紅光通道的輻射差別來減少大氣氣溶膠的影響。這些模型只是部分降低土壤亮度或大氣氣溶膠等干擾，并不能完全去除土壤和大氣等影響，其模型計(jì)算值的物理意義仍不完全明確。

(2)從模型算法上看，數(shù)值計(jì)算型植被指數(shù)是多個波段組合運(yùn)算，簡單方便，計(jì)算效率較高;而土壤調(diào)節(jié)型和大氣調(diào)節(jié)型植被指數(shù)需要大量的土壤、氣象同步觀測資料支持，計(jì)算過程較為復(fù)雜，算法效率較差。

(3)從模型應(yīng)用上看，由于植被光譜受到植被長勢、環(huán)境背景條件、大氣狀況等多因素的制約，植被指數(shù)模型應(yīng)用往往具有明顯的地域性和時效性，在不同領(lǐng)域的應(yīng)用效果差別很大。在實(shí)際應(yīng)用中，對于植被指數(shù)模型取舍需要相當(dāng)認(rèn)真、慎重，不能生搬硬套。

(4)以大氣輻射傳輸模型為基礎(chǔ)，綜合應(yīng)用多角度、多波段、多時相、多分辨率衛(wèi)星遙感影像，構(gòu)建具有一定的物理學(xué)意義、能夠同時去除土壤背景和大氣干擾等的新型植被指數(shù)模型，仍然值得下一步深入研究。高光譜遙感、熱紅外遙感、微波遙感等進(jìn)一步發(fā)展，將在未來地表植被長勢監(jiān)測和生物量估算中發(fā)揮越來越重要的作用。

［1］田慶久，閔祥軍.植被指數(shù)研究進(jìn)展［J］.地球科學(xué)進(jìn)展，1998，13(4):327 － 333.(TIAN Qing-jiu，MIN Xiang-jun.Advances in Study on Vegetation Indices［J］.Advance in Earth Science，1998，13(4):327 －333.(in Chinese))

［2］JACKSON R D，HUETE A R.Interpreting Vegetation Indices［J］.Preventive Veterinary Medicine，1991，11:185－200.

［3］BIRTH G S，MCVEY G.Measuring the Color of Growing Turf with a Reflectance Spectrophotometer［J］.Agronomy Journal，1968，60:640 －643.

［4］ROUSE J W，HASS R H，DEERING D W，et al.Monitoring the VernalAdvancementand Retrogradation(Green Wave Effect)of Natural Vegetation:NASA/GSFC Type III Final Report，Greenbelt，MD.［R］.US:NASA，1974:371.

［5］DEERING D W，ROUSE J W，HASS R H，et al.Measuring“Forage Production”of Grazing Units From Landsat MSS Data［C］∥Proceedings of the 10th International Symposium on Remote Sensing of Environment，Ann Arbor，October 6－10，1975:1169－1178.

［6］GITELSON A.A Wide Dynamic Range Vegetation Index for Remote Quantification of Biophysical Characteristics of Vegetation［J］.Journal of Plant Physiology，2004，161(2):165－173.

［7］JORDAN C F.Derivation of Leaf Area Index from Quality of Light on the Forest Floor［J］.Ecology，1969，50:663－666.

［8］RICHARDSON A J，WIEGAND C L.Distinguishing Vegetation from Soil Background Information［J］.Photogramnetric Engineeringand RemoteSensing， 1977，43(12):1541－1552.

［9］ROUJEAN J L，BREON F M.Estimating PAR Absorbed by Vegetation from Bidirectional Reflectance Measurements［J］.Remote Sensing of Environment，1995，51:375－384.

［10］HUETE A R.A Soil-Adjusted Vegetation Index(SAVI)［J］.Remote Sensing of Environment，1988，25(3):295－309.

［11］BARET F，GUYOT G.Potentials and Limits of Vegetation Indices for LAI and APAR Assessment［J］.Remote Sensing of Environment，1991，35(2/3):161 －173.

［12］QI J，CHEHBOUNI A，HUETE A R，et al.A Modified Soil Adjusted Vegetation Index［J］.Remote Sensing of Environment，1994，48(2):119 －126.

［13］RONDEAUX G，STEVEN M，BARET F.Optimization of Soil-adjusted Vegetation Indices［J］.Remote Sensing of Environment，1996，55(2):95 －107.

［14］GILABERT M A，PIQUERAS J G，HARO F J，et al.A Generalized Soil-adjusted Vegetation Index［J］.Remote Sensing of Environment，2002，82(2/3):303 －310.

［15］PINTY B，VERSTRAETE M M.GEMI:A Non-linear Index to Monitor Global Vegetation from Satellites［J］.Vegetation，1992，101(1):15－20.

［16］羅 亞，徐建華，岳文澤.基于遙感影像的植被指數(shù)研究方法述評［J］.生態(tài)科學(xué)，2005，24(1):75－79.(LUO Ya，XU Jian-hua，YUE Wen-ze.Research on Vegetation Indices Based on the Remote Sensing Images［J］.Ecologic Science，2005，24(1):75－79.(in Chinese))

［17］KAUFMAN Y J，TANRE D.Atmospherically Resistant Vegetation Index(ARVI)for EOS-MODIS［J］.IEEE Transactions on Geoscience and Remote Sensing，1992，30(2):261－270.

［18］張仁華，饒農(nóng)新，廖國男.植被指數(shù)的抗大氣影響探討［J］.植物學(xué)報(bào)，1996，38(1):53 －62.(ZHANG Renhua，RAO Nong-xin，LIAO Guo-nan.Approach for a Vegetation Index Resistant to Atmospheric Effect［J］.Acta Botanica Sinica，1996，38(1):53 －62.(in Chinese))

［19］HUETE A R，JUSTICE C，LEEUWEN W.MODIS Vegetation Index(MOD13)Algorithm Theoretical Basis Document［M］.US:NASA Goddard Space Flight Center，1999.

［20］王正興，劉 闖，HUETE A.植被指數(shù)研究進(jìn)展:從AVHRR-NDVI到 MODIS-EVI［J］.生態(tài)學(xué)報(bào)，2003，23(5):979 － 987.(WANG Zheng-xing，LIU Chuang，HUETE A.From AVHRR-NDVI to MODIS-EVI:Advances in Vegetation Index Research［J］.Acta Ecologica Sinica，2003，23(5):979－987.(in Chinese))