归一化植被指数
- 提出者
- Rouse, Haas, Schell, and Deering
- 年份
- 1973
- 类型
- Spectral index for vegetation assessment
- 类别
- Remote sensing vegetation monitoring
本文为机器翻译,尚未经过审校。 阅读英文原文
它有什么作用?
归一化植被指数(NDVI)是一种从卫星或航空多光谱图像计算得出的光谱指数,用于量化植被的绿度与活力。NDVI由Rouse及其同事于1973年使用Landsat数据首次提出,现已成为监测植被、评估干旱、预测作物产量和检测土地覆盖变化最广泛使用的遥感指标。
方法背后的直觉
由于叶片的结构和叶绿素含量,植被对可见光(红光)的反射很少,但对近红外(NIR)光的反射比例很大。NDVI利用了这种对比:NDVI = (NIR - Red) / (NIR + Red),其中NIR和Red是卫星测量的这两个波段的反射率。NDVI的范围从-1到+1:接近-1的值表示水体(吸收近红外光),0表示裸土,+0.5到+0.9表示茂密健康的植被。NDVI的时间序列揭示了季节性周期(春季植被变绿,秋季衰老)以及与水分可获得性相关的年际变化。
历史学
NDVI于1973年使用Landsat多光谱扫描仪数据首次提出,迅速成为农业、林业和干旱监测的标准植被指数。1981年高分辨率辐射计(AVHRR)和后来的MODIS(1999年)的发射使得全球每日NDVI监测成为可能。美国国家海洋和大气管理局(NOAA)的植被健康指数(VHI)结合了NDVI和地表温度,已成为业务化的早期干旱预警系统。近期发展包括高分辨率数据(Planet、Maxar)与粗分辨率数据(MODIS)的融合以及用于物候检测的深度学习。
何时使用
使用NDVI监测区域到全球尺度的植被健康状况,评估干旱影响,预测作物产量,并检测土地覆盖变化。NDVI最适用于大规模评估(像元分辨率>10米),对于需要田间细节的局部尺度管理作用较小。将NDVI与其他指数(EVI、SAVI)结合使用以提高鲁棒性,并与降水/温度数据结合以解释驱动因素。
局限与注意事项
- 在高植被密度下会饱和;两个结构不同的茂密森林在NDVI上显示相似
- 对大气效应(气溶胶、云)敏感,这些效应会引入噪声,除非经过仔细校正
- 无法区分植被类型或质量;健康的杂草与健康的作物在NDVI上显示相似
- 时间分辨率取决于云覆盖和卫星重访频率;在多云区域会出现数据缺失
来源中的条件不能替代独立的科学审查或分析引擎的验证。
优势
- 简单且计算速度快,仅需要两种广泛存在于传感器和档案中的卫星波段
- 空间连续性,能够评估缺乏实地观测或地面基础设施的区域
- 与叶面积指数(LAI)、光合速率和生物量有很强的经验关系
- 长时间序列档案(Landsat自1972年起,MODIS自2000年起),能够进行十年趋势分析
应用
- 干旱早期预警:监测NDVI异常,在作物歉收前发出缺水警报,指导应急响应
- 作物产量预测:将季节性NDVI轨迹与最终谷物收成相关联,在季末前预测产量
- 森林砍伐和土地覆盖变化检测:追踪NDVI下降以识别森林损失并描述土地利用转变
- 牧场健康评估:利用NDVI趋势评估过度放牧、干旱恢复情况以及牧区承载能力
使用方式
使用方式
获取具有至少红光和近红外波段的多光谱卫星图像(Landsat、Sentinel、MODIS、Copernicus)。数据经过辐射定标,得到传感器入射反射率。
应用大气校正,将传感器入射反射率转换为地表反射率,考虑了气溶胶、水蒸气和瑞利散射。对云和云影像元进行掩膜。
提取每个像元的红光波段(0.6–0.7 µm)和近红外波段(0.8–1.0 µm)的反射率。
为每个像元计算NDVI,公式为 (NIR - Red) / (NIR + Red)。生成规则间隔(MODIS为每日,Landsat/Sentinel为5-10天)的NDVI时间序列堆栈,以追踪季节性和年际变化。
NDVI图揭示了植被丰度的空间格局。对时间序列进行分析,以确定绿度峰值、生长季长度和干旱驱动的异常。趋势与降水、温度和土地管理变化相关。
常见陷阱
- 在未考虑土壤背景亮度的情况下误解空间NDVI变化,土壤背景亮度会影响稀疏植被区域的NDVI
- 在不同卫星或大气校正算法之间比较NDVI时,未进行协调
- 过度将NDVI应用于大气气溶胶含量变化剧烈的热带地区,引入系统性偏差
常见问题
为什么使用NDVI而不是仅查看红光反射率?
单独的红光反射率没有考虑土壤背景。深色土壤和稀疏的植物冠层都具有较低的红光反射率。通过将近红外和红光反射率的差值除以它们的总和进行归一化,NDVI将植被信号与土壤信号分离开来。所得指数与叶面积、光合作用和生物量密切相关。
不同地表的典型NDVI值是多少?
水和雪:< 0.1;裸土:0.1–0.2;草地和灌木丛:0.2–0.5;作物(取决于生长阶段):0.3–0.8;茂密森林:0.6–0.9。值随季节变化(温带地区冬季较低,仲夏达到峰值)。
云覆盖如何影响NDVI监测?
云会完全阻挡卫星视线;多云像元会被掩膜,必须进行插值或跳过。在云层持续存在的热带地区,有用的NDVI数据可能不频繁(< 50%的观测是晴朗的)。基于雷达的指数(不受云影响)如NDVI衍生的后向散射,为多云区域提供了替代方案。
NDVI能否区分作物类型?
不能直接区分。NDVI反映的是绿度,而不是作物身份。小麦和大麦具有相似的NDVI轨迹。然而,物候时间(NDVI峰值日期、生长季长度)可能因作物而异,结合天气数据或实地观测可以实现作物分类。
相关方法
参考文献
Rouse, J. W., Haas, R. H., Schell, J. A., & Deering, D. W. (1973). Monitoring vegetation systems in the Great Plains with ERTS. Third Earth Resources Technology Satellite Symposium Proceedings, 1, 309-317.
打开出版物文献已复制。Jackson, R. D. (1983). Spectral indices in n-space. Remote Sensing of Environment, 13(5), 409-421.
打开 DOI 文献已复制。