淺談植被指數(shù)的分類與應(yīng)用

沈夏炯+韓道軍++侯柏成+馬瑞

摘 要： 隨著遙感技術(shù)的發(fā)展，植被指數(shù)（vegetation index，VI）作為地表植被覆蓋和植被生長狀況的度量參數(shù)，被廣泛應(yīng)用于環(huán)境、生態(tài)、農(nóng)業(yè)等領(lǐng)域?，F(xiàn)有的科學(xué)文獻(xiàn)中發(fā)布的植被指數(shù)種類超過了150種，這些缺乏科學(xué)分類的植被指數(shù)，使研究者在具體應(yīng)用時(shí)不能夠做出快速準(zhǔn)確的選擇。因此本文在分析了影響植被指數(shù)的諸多因素的基礎(chǔ)上，對(duì)多種典型的植被指數(shù)進(jìn)行概括分類，進(jìn)而討論各自的優(yōu)勢(shì)和應(yīng)用局限性，這將有助于不同的植被指數(shù)能夠更精確的應(yīng)用在不同的研究和應(yīng)用領(lǐng)域，從而在一定程度上給相關(guān)領(lǐng)域的研究者提供參考。

關(guān)鍵詞： 植被指數(shù)； 植被覆蓋； 度量參數(shù)； 分類

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：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(lǐng)域中，植被指數(shù)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(gè)簡單而又直接的參考指標(biāo)。隨著遙感技術(shù)的發(fā)展和領(lǐng)域探索不斷擴(kuò)大化，植被指數(shù)在環(huán)境、生態(tài)、農(nóng)業(yè)等領(lǐng)域有了廣泛的應(yīng)用[1]。在環(huán)境領(lǐng)域，植被指數(shù)被用來反演土地利用和覆蓋的變化，逐漸成為全球環(huán)境變化的評(píng)價(jià)指標(biāo)[2]；在生態(tài)領(lǐng)域，利用植被指數(shù)實(shí)現(xiàn)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(tài)的監(jiān)測(cè)；在農(nóng)業(yè)領(lǐng)域，植被指數(shù)廣泛應(yīng)用在農(nóng)作物分布及長勢(shì)監(jiān)測(cè)、產(chǎn)量估算、農(nóng)田災(zāi)害監(jiān)測(cè)及預(yù)警、區(qū)域環(huán)境評(píng)價(jià)以及各種生物參數(shù)的提取。因此研究植被指數(shù)的分類和應(yīng)用十分有必要。

1 植被指數(shù)影響因子

植被指數(shù)的計(jì)算在本質(zhì)上是兩個(gè)或多個(gè)波譜范圍內(nèi)的地物反射率組合運(yùn)算，以增強(qiáng)植被的某一特性或者細(xì)節(jié)[3]。影響植被指數(shù)的因子的比較多，大致可以分為生物領(lǐng)域和物理領(lǐng)域。生物領(lǐng)域的影響因子是指與光學(xué)特性和植被覆蓋狀態(tài)等有關(guān)的各種影響因子；而物理領(lǐng)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(duì)植被指數(shù)的影響相當(dāng)大，因此許多植被指數(shù)的出現(xiàn)就是為了減弱或者消除土壤相關(guān)因素的影響。遙感器的影響大致包括遙感器定標(biāo)和遙感器光譜響應(yīng)兩種，其中遙感定標(biāo)至關(guān)重要，因?yàn)楝F(xiàn)在的遙感影像大多數(shù)是多源的數(shù)據(jù)，在對(duì)植被指數(shù)進(jìn)行綜合計(jì)算時(shí)候，必須先經(jīng)過遙感定標(biāo)[5]。因此定標(biāo)標(biāo)準(zhǔn)的選擇對(duì)植被指數(shù)的影響也是很大的。

2 植被指數(shù)的分類

根據(jù)是否考慮影響因子可將植被指數(shù)大致分為兩大類：未考慮影響因子的植被指數(shù)和考慮影響因子的植被指數(shù)。

2.1 未考慮影響因子的植被指數(shù)

1969年Jordan提出了最早的一種植被指數(shù)——比值植被指數(shù)（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(qiáng)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(wěn)定性和合理性。RVI是綠色植物的靈敏指示參數(shù)，與葉面積指數(shù)（Leaf Area Index，LAI）和葉綠素含量相關(guān)性高，可用于檢測(cè)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(dāng)植被覆蓋不夠濃密時(shí)（小于50%），RVI的分辨能力很弱；并且當(dāng)植被覆蓋過于茂密時(shí)，由于反射的紅光輻射很小，以至RVI將無限增長，這樣會(huì)造成RVI計(jì)算結(jié)果失效。另外RVI受大氣的影響會(huì)大大降低對(duì)植被檢測(cè)的靈敏度，所以在計(jì)算前需要對(duì)待檢測(cè)的遙感數(shù)據(jù)進(jìn)行大氣校正，然后再帶入RVI中進(jìn)行計(jì)算。

總之，這一類植被指數(shù)大部分都是波段的簡單線性運(yùn)算或原始波段的比值，由經(jīng)驗(yàn)方法發(fā)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(jì)算結(jié)果上會(huì)存在很大的誤差甚至是錯(cuò)誤，并且由于這類植被指數(shù)中大部分是針對(duì)特定的遙感器而設(shè)計(jì)，并且使用范圍很小，所以在實(shí)際應(yīng)用過程中存在嚴(yán)重的限制性。

2.2 考慮影響因子的植被指數(shù)

針對(duì)波段簡單線性組合的植被指數(shù)的局限性，學(xué)者們意識(shí)到這些影響因子對(duì)于植被指來說是不能夠完全忽略的，所以后來又發(fā)展出許多消除影響因子的植被指數(shù)，根據(jù)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(duì)于植被指數(shù)會(huì)造成很大的影響，為了消除此類影響，很多學(xué)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(shù)PVI（perpendicular vegetation index ）[7]，和RVI相比，土壤亮度對(duì)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(shù)。

除了土壤對(duì)植被指數(shù)的影響之外，植被冠層背景對(duì)植被指數(shù)也有所干擾。因此在1988年Huete提出了土壤調(diào)節(jié)植被指數(shù)（Soil-Adjusted Vegetation Index，SAVI）[8]，SAVI綜合考慮了NDVI和PVI，同時(shí)創(chuàng)造性地引入了一個(gè)參數(shù)——土壤亮度指數(shù)L，建立了一個(gè)可以根據(jù)土壤特點(diǎn)植被的生長情況對(duì)植被指數(shù)做出修正的計(jì)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(dāng)然也可以在0（黑色土壤）～1（白色土壤）之間變化。在實(shí)際的使用中，SAVI明顯降低了土壤背景對(duì)植被指數(shù)的影響，但同時(shí)會(huì)出現(xiàn)丟失部分背景信息的情況，從而導(dǎo)致植被指數(shù)偏低。

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

⑷

MSAVI和SAVI相比最大的優(yōu)勢(shì)在于L值可以隨植被密度而自動(dòng)的調(diào)節(jié)，能夠在一定程度上較好地消除土壤背景對(duì)植被指數(shù)影響。

2.2.2 考慮消除大氣影響

為了減少大氣對(duì)植被指數(shù)的影響，1992年Kaufman等在歸一化差值植被指數(shù)（Normalized Differnce Vegetation Index，NDVI）的基礎(chǔ)上，利用大氣氣溶膠對(duì)光譜的影響呈波段相關(guān)的特點(diǎn)，將藍(lán)色波段引入到植被指數(shù)的運(yùn)算中，進(jìn)而提出了抗大氣植被指數(shù)（Atmospherically Resistant Vegetation Index，ARVI）[10]。研究表明，ARVI對(duì)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(qū)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(duì)RVI進(jìn)行非線性歸一化處理后得到了NDVI[11]。NDVI有效地增強(qiáng)了對(duì)植被反映能力，是目前應(yīng)用最廣的植被指數(shù)之一。主要應(yīng)用在檢測(cè)植被生長狀態(tài)、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(qiáng)了NIR和R的反射率的對(duì)比度。對(duì)于同一幅圖像，分別求RVI和NDVI時(shí)會(huì)發(fā)現(xiàn)，RVI值增加的速度高于NDVI增加速度，即NDVI對(duì)高植被覆蓋率區(qū)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(gè)反饋項(xiàng)來的同時(shí)對(duì)二者進(jìn)行訂正，提出了增強(qiáng)型植被指數(shù)（Enhanced Vegetation Index，EVI）[12]，它利用土壤背景調(diào)節(jié)參數(shù)L和大氣修正參數(shù)C 1和C 2，這些參數(shù)在實(shí)際應(yīng)用時(shí)候都會(huì)有相應(yīng)的數(shù)據(jù)作參考，經(jīng)過相關(guān)參數(shù)的修正，EVI同時(shí)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(qū)EVI的范圍為0.2～0.8。

EVI己被廣泛應(yīng)用到MODIS陸地產(chǎn)品生產(chǎn)中，作為MODIS重要的植被指數(shù)產(chǎn)品之一。EVI植被指數(shù)對(duì)高植被覆蓋區(qū)有較高的敏感度，而且同時(shí)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(jì)算時(shí)候需要加入藍(lán)光波段。

3 植被指數(shù)的應(yīng)用

植被指數(shù)作為地表與植被相互關(guān)系的量化指標(biāo)，被廣泛應(yīng)用在植被分類、作物長勢(shì)檢測(cè)和自然災(zāi)害監(jiān)測(cè)等方面。其中環(huán)境監(jiān)測(cè)和森林資源監(jiān)測(cè)是植被指數(shù)應(yīng)用最廣泛的領(lǐng)域。

3.1 植被指數(shù)在環(huán)境監(jiān)測(cè)中的應(yīng)用

環(huán)境監(jiān)測(cè)是從十九世紀(jì)末由英美等發(fā)達(dá)國家首先開展的，至今有一百多年歷史。美國等發(fā)達(dá)國家環(huán)境監(jiān)測(cè)水平處于世界領(lǐng)先地位。上世紀(jì)70年代，我國的環(huán)境監(jiān)測(cè)事業(yè)開始起步，環(huán)境保護(hù)意識(shí)逐步深入人心，截至1980年底，全國己建成三百多個(gè)各級(jí)環(huán)境監(jiān)測(cè)站。植被指數(shù)可通過反映植被信息，間接表明環(huán)境信息。張樹譽(yù)等通過分析MODIS植被指數(shù)特點(diǎn)，提出綜合利用MODIS和AVHRR植被指數(shù)進(jìn)行生態(tài)環(huán)境監(jiān)測(cè)評(píng)估的方法[13]。李方方采用多植被指數(shù)多時(shí)相遙感手段監(jiān)測(cè)技術(shù)，來監(jiān)測(cè)礦區(qū)生態(tài)環(huán)境由于受礦業(yè)生產(chǎn)的影響而受破壞的程度[14]。

3.2 植被指數(shù)在森林資源監(jiān)測(cè)中的應(yīng)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(jīng)常進(jìn)行測(cè)量分析，用人工處理相當(dāng)耗費(fèi)人力物力。遙感技術(shù)的飛速發(fā)展，使通過遙感技術(shù)對(duì)森林資源進(jìn)行監(jiān)測(cè)成為了可能。其中植被指數(shù)是植被的一個(gè)重要遙感參量，通過遙感技術(shù)獲取所監(jiān)測(cè)區(qū)域遙感影像，再結(jié)合植被指數(shù)對(duì)其進(jìn)行計(jì)算，可以得出準(zhǔn)確的測(cè)量結(jié)果。因此植被指數(shù)在森林資源監(jiān)測(cè)中起著相當(dāng)重要的作用。

在實(shí)際應(yīng)用中，NDVI是森林資源監(jiān)測(cè)中最為常用的植被指數(shù)之一，其通常是與其他波段組合使用。2006年Waring等通過運(yùn)用MODIS的EVI預(yù)測(cè)了美國生態(tài)區(qū)的樹木的豐富程度[15]。2008年Bisson等通過建立（Vegetation Resilience After Fire，VRAF）指數(shù)評(píng)價(jià)火災(zāi)后植被恢復(fù)狀況[16]。2005年王長耀等利用植被指數(shù)NDVI，并且結(jié)合陸地表面溫度進(jìn)行土地利用分類[17]。

4 總結(jié)

植被指數(shù)種類和數(shù)目繁多，本文從是否考慮影響因子出發(fā)，大致上將植被指數(shù)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(yīng)用領(lǐng)域，我們應(yīng)準(zhǔn)確判斷植被指數(shù)和應(yīng)用領(lǐng)域適應(yīng)性情況，進(jìn)行準(zhǔn)確的選擇；另外植被指數(shù)影響因子眾多，包括土壤、大氣和綜合因子，在使用時(shí)應(yīng)根據(jù)實(shí)際情況做出適當(dāng)修正；隨著遙感技術(shù)水平的提升，我們應(yīng)該在當(dāng)前眾多植被指數(shù)基礎(chǔ)之上開發(fā)出適應(yīng)性更強(qiáng)的遙感植被指數(shù)模型。進(jìn)而根據(jù)這些植被指數(shù)模型開發(fā)出更多植被指數(shù)產(chǎn)品。

參考文獻(xiàn)（References）：

[1] 覃發(fā)超，倪瀟倩.基于遙感影像的都江堰市多植被指數(shù)的比

較研究[J].科技創(chuàng)新導(dǎo)報(bào)，2013.7：19-22

[2] 馬瑞.增強(qiáng)植被指數(shù)算法的研究及其在生態(tài)環(huán)境遙感產(chǎn)品生

產(chǎn)分系統(tǒng)的應(yīng)用[D].河南大學(xué)，2015.

[3] 鄧書斌，陳秋錦.植被波譜特征與植被指數(shù)綜述[A].中國遙感

應(yīng)用協(xié)會(huì)、國家國防科工局重大專項(xiàng)工程中心.中國遙感應(yīng)用協(xié)會(huì)2010年會(huì)暨區(qū)域遙感發(fā)展與產(chǎn)業(yè)高層論壇論文集[C].中國遙感應(yīng)用協(xié)會(huì)、國家國防科工局重大專項(xiàng)工程中心，2010：9

[4] 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，

1998.4：10-16

[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(shù)遙感監(jiān)測(cè)[J].新疆農(nóng)業(yè)科學(xué)，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(shù)及其解算方法[J].農(nóng)機(jī)

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(yù)，李登科，李星敏，周輝.MODIS植被指數(shù)及其在縣域

生態(tài)環(huán)境監(jiān)測(cè)評(píng)估中的應(yīng)用[A].中國氣象學(xué)會(huì).中國氣象學(xué)會(huì)2005年年會(huì)論文集[C].中國氣象學(xué)會(huì)，2005：9

[14] 李方方.基于多植被指數(shù)時(shí)空變化的礦區(qū)生態(tài)環(huán)境監(jiān)測(cè)[D].

河南理工大學(xué)，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(xué)報(bào)，2005.9（1）：93-98