植被提取建模与分析.pdf

第12 章 12.2 植被提取建模与分析 植被是陆地表面各种植物组成的各种植物群落的总称。由于植物内部所含的色素、水分以及它 的结构等控制着植物特殊的光谱响应，因此，植被信息可以通过遥感有效地获取。由此，植被指数 [48] + 已广泛用来定性和定量评价植被覆盖及其生长活力 。下面以Landsat ETM 影像为例进行建模实验。 12.2.1 典型的植被提取模型 1．比值植被指数 比值植被指数 RVI 是Jordan[49]提出的最早使用的一种植被指数，它通过两个波段反射率之间 的比值来表示，表达式为 B RVI 4 (7) B 3 RVI  1 表示绿色健康植被覆盖地区，RVI 2 表示植被发育区；RVI ≈1 表示无植被覆盖的裸 地或植被已枯死地区。 2 ．归一化植被指数 针对浓密植被的 RVI 会出现无穷大的情况，Deering (1978)提出了归一化植被指数 NDVI ，其 表达式为 B −B NDVI 4 3 (8) B +B 4 3 NDVI 的计算结果在在[−1, 1]范围内。NDVI ﹤0 表示地物对可见光高反射（主要为水体、云、 雪等）；NDVI ≈0 表示地物为裸地（主要为岩石、裸土等）；NDVI ﹥0 表示有植被覆盖，NDVI 越 大，植被覆盖度越高。 3 ．差值植被指数 差值植被指数 DVI （Difference Vegetation Index ）通过两个波段之间的差值来定义，表达式为 DVI B4 =−B3 (9) DVI 对土壤背景的变化非常敏感，适用于监测植被的生态环境，但当覆盖率大于 80%时灵敏 度下降，因此对低、中覆盖率，或早、中期发育情况下的植被监测更有效。 12 第 章 多特征信息提取与分析 1 4 ．土壤调整植被指数 为消除土壤背景的影响，Huete[50] [51] 提出了 SAVI，QI 等 在此基础上提出了 MSAVI 。MSAVI 能够比较有效地消除土壤背景的干扰，表达式为 (2B +1) − (2B +1)2 −8(B −B ) 4 4 4 3 MSAVI (10) 2 12.2.2 基于TM 影像的植被提取实验 遥感数据大气校正是进行定量遥感的前提，大气校正的质量直接影响到后期的定量分析、信息 提取和遥感应