植被光谱分析与植被指数计算

植被光谱分析与植被指数计算

在遥感中，常常结合不同波长范围的反射率来增强植被特征，如植被指数（vegetation indices——VI）的计算，植被指数（VI）是两个或多个波长范围内的地物反射率组合运算，以增强植被某一特性或者细节。目前，在科学文献中发布了超过150种植被指数模型，这些植被指数中只有极少数是经过系统的实践检验。本文总结现有植被指数，根据对植被波谱特征产生重要影响的主要化学成份：色素（Pigments）、水分（Water）、碳（Carbon）、氮（Nitrogen），总结了7大类实用性较强的植被指数，即：宽带绿度、窄带绿度、光利用率、冠层氮、干旱或碳衰减、叶色素、冠层水分含量。这些植被指数可以简单度量绿色植被的数量和生长状况、叶绿素含量、叶子表面冠层、叶聚丛、冠层结构、植被在光合作用中对入射光的利用效率、测量植被冠层中氮的相对含量、估算纤维素和木质素干燥状态的碳含量、度量植被中与胁迫性相关的色素、植被冠层中水分含量等。 包括以下内容： ∙ ∙●植被光谱特征 ∙ ∙●植被指数

∙ ∙●HJ-1-HSI植被指数计算

1.植被光谱特征

植被跟太阳辐射的相互关系有别于其他物质，如裸土、水体等，比如植被的“红边”现象，即在700nm高反射。很多因素影响植被对太阳辐射的吸收和反射，包括波长、水分含量、色素、养分、碳等。 研究植被的波长范围一般为400 nm to 2500 nm，这也是传感器设计选择的波长范围。这个波长范围可范围以下四个部分： ∙∙●可见光（Visible）：400 nm to 700 nm

∙∙●近红外（Near-infrared——NIR）：700 nm to 1300 nm

∙∙●短波红外1（Shortwave infrared 1—— SWIR-1）：1300 nm to 1900 nm ∙∙●短波红外2（Shortwave infrared 2——SWIR-2）：1900 nm to 2500 nm

其中NIR和SWIR-1的过渡区（1400nm附近）是大气水的强吸收范围，卫星或者航空传感器一般不获取这范围的反射值。SWIR-1 和 SWIR-2的过渡区（1900nm附近）也是大气水的强吸收范围。 植被可分为三个部分组成： ∙∙●植物叶片（Plant Foliage） ∙∙●植被冠层（Plant Canopies）

∙∙●非光合作用植被(Non-Photosynthetic Vegetation) 这三个部分是植被分析的基础，下面对他们详细介绍。 1.1植物叶片（Plant Foliage）

植物叶片包括叶、叶柄以及其他绿色物质，不同种类的叶片具有不同的形状和化学成份。对波谱特征产生重要影响的主要化学成份包括：色素（Pigments）、水分（Water）、碳（Carbon）、氮（Nitrogen），这也是遥感反演的基础，如用植被指数来估算叶子的化学成份。

●色素（Pigments）

叶色素主要包括叶绿素、叶黄素和花青素。这些都是植被的健康的指标，比如含高浓度叶绿素的植被一般很健康，相反，叶黄素和花青素常常出现在健康较差的植被，濒临死亡的植被出现红色、黄色或棕色。

叶色素只影响可见光部分（400nm~700nm），图1为几种叶色素在可见光范围的相对光谱吸收特征。

图1 部分叶色素的相对光谱吸收特征

●水分（Water）

叶子的几何特性、冠层结构和对水的需求影响植被的水分含量。水分对植被反射率的影响波段范围在NIR和SWIR（图2）。在1400nm和1900nm附近有吸收波谷，但是传感器一般会避开这两个波段范围。在970nm和1190nm附近也有强吸收特征，可利用这两个波段范围监测植被水分。

●碳（Carbon）

植物中的碳是以很多形式存在，包括糖，淀粉，纤维素和木质素等。纤维素和木质素的吸收特征表现在短波光谱范

围内容（图

3）。

图2 叶片水和碳（纤维素和木质素）相对光谱吸收特征

氮（Nitrogen）

叶子中的氮元素一般包含在叶绿素、蛋白质以及其他分子中。植被指数（VI）对包含在叶绿素中的氮元素很敏感（大约含6％氮）。包含在蛋白质中的氮元素在1500nm~1720 nm范围内对叶片波谱特征影响比较大。

从上可以看出，植被与辐射的相互作用主要体现在叶片的波谱特征，因此，在可见光谱段内，主要太阳辐射的吸收来自叶绿素、叶黄素和花青素，形成450nm和670nm附近的吸收谷；在近红外谱段内，主要太阳辐射的吸收来自水分，形成970nm和1190nm两个水吸收带；在短波红外谱段内，除了水分，各种形式存在的碳和氮也对太阳辐射的吸收有一定的贡献，形成1400nm和1900nm吸收谷。图3是叶片反射率与透射光谱（Transmittance Spectra）对比例子，木本植

被和草本植被在色素、水分、氮等含量不一样，反射率与透射光谱关系也不一样。

图3木本植物(A)和草本植物(B)的叶片反射率与透射光谱

1.2植被冠层（Plant Canopies）

单片叶子的反射特性对植被冠层光谱特征是重要的，此外，叶子数量和冠层结构对植被冠层的散射、吸收也有重要的影响。比如不同的生态系统中，森林、草原、或农业用地等都具有不同的反射特性，虽然它们单个叶子很类似。 有很多植被模型用于描述冠层光谱特征。两个最重要的是叶面积指数（LAI）和叶倾叶角分布（LAD）。LAI指每单位面积地上绿叶面积，这表现了冠层中绿色植被的总数；LAD描述了树叶所有类型的定向，常用平均叶倾角（MLA）近似。MLA表示冠层中的每个叶片角度与水平方向的差值的平均值。

图4表示LAI和LAD对植被冠层的影响效果，MLA近似LAD。在近红外谱段内，植被强反射太阳辐射，植被冠层在

可见光和SWIR-2是强吸收。使用可见光和SWIR-2的植被指数对上层林冠非常敏感。

图4

LAI (A) 和MLA (B) 的增减对植被冠层的影响

1.3非光合作用植被(Non-Photosynthetic Vegetation)

在自然界里，还包括占了全球植被覆盖一半的衰老或死亡植被，它们被称为非光合作用植被（简称NPV）。NPV的冠层也具有木本森林结构，如树干，茎，和树枝等。

NPV主要包含碳元素，以淀粉，纤维素和木质素形式存在，NPV的光谱特征主要受这些物质支配。在短波红外内的波动比较大，与绿色植被相反，SWIR-1 和SWIR-2范围内散射占主导。图5显示了绿色植被和NPV冠层光谱特征。

图5 透射绿色植被和干植被的冠层反射特性的变化（400nm~2500nm）

2.植被指数

植被指数（VI）是两个或多个波长范围内的地物反射率组合运算，以增强植被某一特性或者细节。所有的植被指数要求从高精度的多光谱或者高光谱反射率数据中计算。未经过大气校正的辐射亮度或者无量纲的DN值数据不适合计算植被指数。

下面是7大类27种植被指数的说明，这些植被指数都是经过严格生物条件下测试的。

2.1宽带绿度——Broadband Greenness (5种)

宽带绿度指数可以简单度量绿色植被的数量和生长状况，它对植物的叶绿素含量、叶子表面冠层、冠层结构比较

敏感，这些都是植被光合作用的主要物质，与光合有效辐射（fAPAR）也有关系。宽带绿度指数常用于植被物候发育的研究，土地利用和气候影响评估，植被生产力建模等。

宽带绿度指数选择的波段范围在可见光和近红外，一般的多光谱都包含这些波段。下面的公式中规定波段的中心波长：ρNIR = 800 nm，ρRED = 680 nm，ρBLUE = 450 nm。

表1 宽带绿度指数

归一化植被指数（Normalized Difference Vegetation Index——NDVI）

NDVI众所周知的一种植被指数，在LAI值很高，即植被茂密时其灵敏度会降低。其计算公式为：

NDVI=

(式1)

值的范围是-1~1，一般绿色植被区的范围是0.2~0.8。

2)比值植被指数（Simple Ratio Index——SR）

SR指数也是众所周知的一种植被指数，在LAI值很高，即植被茂密时其灵敏度会降低。其计算公式为：

SR= (式2)

值的范围是0~30+，一般绿色植被区的范围是2~8。

3)增强植被指数（Enhanced Vegetation Index——EVI）

EVI通过加入蓝色波段以增强植被信号，矫正土壤背景和气溶胶散射的影响。EVI常用于LAI值高，即植被茂密区。其计算公式为：

EVI=

（式3）

值的范围是-1~1，一般绿色植被区的范围是0.2~0.8。

4)大气阻抗植被指数（Atmospherically Resistant Vegetation Index——ARVI）

ARVI是NDVI的改进，它使用蓝色波段矫正大气散射的影响（如气溶胶），ARVI常用于大气气溶胶浓度很高的区域，如烟尘污染的热带地区或原始刀耕火种地区。其计算公式为：

EVI=

（式4）

值的范围是-1~1，一般绿色植被区的范围是0.2~0.8。

5)绿度总和指数（Sum Green Index——SG）

SG指数是用于探测绿色植被变化最简单的植被指数。由于在可见光范围内，绿色植被对光强吸收，SG指数对稀疏

植被的小变化非常敏感。SG指数是500 nm ~600 nm范围内平均波谱反射率。

总和最后会被转化回反射率。值的范围是0~50+，一般植被区域是10~25。

2.2窄带绿度——Narrowband Greenness (7种)

窄带绿度指数对叶绿素含量、叶子表面冠层、叶聚丛、冠层结构非常敏感。它使用了红色与近红外区域部分——红

边，红边是介于690 nm ~ 740 nm之间区域，包括吸收与散射。它比宽带绿度指数更加灵敏，特别是对于茂密植被。

表2窄带绿度指数

红边归一化植被指数（Red Edge Normalized Difference Vegetation Index——NDVI 705）

NDVI 705

是NDVI的改进型，它对叶冠层的微小变化、林窗片断和衰老非常灵敏。它可用于精细农业、森

林监测、植被胁迫性探测等。其计算公式为[7] [8]：

NDVI705=

（式5）

值的范围是-1~1，一般绿色植被区的范围是0.2~0.9。

2)改进红边比值植被指数（Modified Red Edge Simple Ratio Index——mSR 705）

mSR 705

改正了叶片的镜面反射效应，可它可用于精细农业、森林监测、植被胁迫性探测等。其计

算公式为[6]：

mSR705=

（式6）

值的范围是0~30，一般绿色植被区的范围是2~8。

3)改进红边归一化植被指数(Modified Red Edge Normalized Difference Vegetation Index——mNDVI705)

mNDVI 705

是NDVI 705的改进型，它考虑了叶片的镜面反射效应。它对叶冠层的微小变化、林窗片断

和衰老非常灵敏。它可用于精细农业、森林监测、植被胁迫性探测等。 其计算公式为：

mNDVI705=

（式7）

值的范围是-1~1，一般绿色植被区的范围是0.2~0.7。

4)Vogelmann 红边指数1（Vogelmann Red Edge Index 1——VOG1）

VOG1指数对叶绿素浓度、叶冠层和水分含量的综合非常敏感。它可应用于植物物候变化研究、精细农业和植被生产力建模。其计算公式为：

VOG1=

（式8）

值的范围是0~20，一般绿色植被区的范围是4~8。

5)Vogelmann 红边指数2（Vogelmann Red Edge Index 2——VOG2）

VOG2指数对叶绿素浓度、叶冠层和水分含量的综合非常敏感。它可应用于植物物候变化研究、精细农业和植被生产力建模。其计算公式为：

VOG2=

（式9）

值的范围是0~20，一般绿色植被区的范围是4~8。

6)Vogelmann 红边指数3（Vogelmann Red Edge Index 3——VOG3）

VOG3指数对叶绿素浓度、叶冠层和水分含量的综合非常敏感。它可应用于植物物候变化研究、精细农业和植被生产力建模。其计算公式为：

VOG3=

（式10）

值的范围是0~20，一般绿色植被区的范围是4~8。

7)红边位置指数（Red Edge Position Index——REP）

REP指数对植被叶绿素浓度变化、叶绿素浓度增加使得吸收特征变宽及红边向长波段方向移动非常敏感。红边位置在690 nm ~ 740 nm范围内急剧倾斜波长范围，一般植被在700nm~730nm。

REP指数的结果输出是在0.69微米~0.74微米光谱范围内，植被红边区域内的反射率的最大导数的波长。常用于农作物监测和估产，生态系统干扰探测，光合作用模型，和由气候或其他因素产生的冠层胁迫性。

2.3光利用率——Light Use Efficiency (3种)

光利用率指数是用来度量植被在光合作用中对入射光的利用效率。光的利用效率直接与碳吸收效率、植被生长速度

和光合有效辐射（fAPAR）有很大的关系。

表3光利用率指数

光化学植被指数（Photochemical Reflectance Index——PRI）

PRI对活植物的类胡萝卜素（尤其黄色色素）变化非常敏感，类胡萝卜素可标识光合作用光的利用率，或者碳吸收效

率。可用于研究植被生产力和胁迫性，常绿灌木植被的健康，森林以及农作物的衰老。其计算公式为：

PRI=

（式11）

值的范围是-1~1，一般绿色植被区的范围是-0.2~0.2。

2)结构不敏感色素指数（Structure Insensitive Pigment Index——SIPI）

SIPI用来最大限度地提高类胡萝卜素（例如α-胡萝卜素和β-胡萝卜素）与叶绿素比率在冠层结构（如叶面积指数）减少时的敏感度，SIPI的增加标识冠层胁迫性的增加。可用于植被健康监测、植物生理胁迫性检测和作物生产和产量分析。其计算公式为：

SIPI=

（式12）

值的范围是0~2，一般绿色植被区的范围是0.8~1.8。

3)红绿比值指数（Red Green Ratio Index——RG）

RG比值指数指示由于花青素代替叶绿素而引起叶片变红的相关表达式。可估算植被冠层发展过程，它还是叶片生产力与胁迫性的指示器，甚至可标识一些冠层的开花。应用于植物生长周期（物候）研究，冠层胁迫性检测和作物估产。 RG比值指数结果输出是红色范围内所有波段均值除以与绿色范围内所有波段均值。值的范围是0.1~8，一般绿色植被区的范围是0.7~3。

2.4冠层氮——Canopy Nitrogen (1种)

冠层氮指数提供一种用遥感度量氮浓度的方法。氮是叶绿素的重要组成部分，具有高浓度氮的植被生长速度较快，

冠层氮指数使用短波红外测量植被冠层中氮的相对含量。 归一化氮指数（Normalized Difference Nitrogen Index——NDNI）

NDNI是用于估算植被冠层中氮的相对含量。在1510nm的反射率主要取决于叶片氮的含量，以及冠层总体叶生物量。结合叶片氮含量和冠层叶生物量在1520nm范围内预测叶片氮的含量，在1680nm波长范围作为参考反射率，冠层叶生物量这个波长范围具有与1520nm波长范围类似的反射特性，而且1680nm波长范围内没有氮吸收影响。NDNI在植被还是绿色以及覆盖浓密时候，对氮含量的变化非常敏感，它用于精细农业、生态系统分析和森林管理。其计算公式为：

NDNI=

（式13）

值的范围是0~1，一般绿色植被区的范围是0.02~0.1。

2.5干旱或碳衰减——Dry or Senescent Carbon (3种)

干旱或碳衰减指数是用来估算纤维素和木质素干燥状态的碳含量。干碳分子大量存在于木质材料和衰老、死亡、或休眠的植被，可以使用这些指数可以做植被着火性分析和检测森林的枯枝落叶层。干旱或碳衰减指数是基于纤维素和木质素在短波红外波段吸收特性而计算。

表4干旱或碳衰减指数

归一化木质素指数（Normalized Difference Lignin Index——NDLI）

NDLI是用来估算植被冠层木质素的相对含量，应用生态系统分析和检测森林的枯枝落叶层。其计算公式为：

NDLI=

（式14） 值的范围是0~1，一般绿色植被区的范围是0.005~0.05。

2)纤维素吸收指数（Cellulose Absorption Index——CAI）

CAI可以指示地表含有干燥植被，纤维素在2000 nm~ 2200 nm范围内吸收特征非常敏感。应用于农作物残留监测，植物冠层衰老，生态系统中的着火条件和放牧管理。其计算公式为：

NDLI=

（式15）

值的范围是-3~4+，一般绿色植被区的范围是-2~4。

3)植被衰减指数（Plant Senescence Reflectance Index——PSRI）

PSRI用来最大限度地提高类胡萝卜素（例如α-胡萝卜素和β-胡萝卜素）与叶绿素比率的灵敏度，PSRI的增加预示冠层胁迫性的增加、植被衰老的开始和植物果实的成熟。可用于植被健康监测、植物生理胁迫性检测和作物生产和产量分析。其计算公式为：

PSRI=

（式16）

值的范围是-1~1，一般绿色植被区的范围是-0.1~0.2。

2.6叶色素——Leaf Pigments (4种)

叶色素指数用于度量植被中与胁迫性相关的色素。胁迫性相关的色素包括类胡萝卜素和花青素，这些色素大量存在衰减植被中，这些指数不能度量叶绿素。叶色素指数应用于农作物监测、生态系统研究、冠层胁迫性分析和精细农业。叶色素指数要求反射率数据范围在0~1。

表5叶色素指数

类胡萝卜素反射指数1(Carotenoid Reflectance Index 1——CRI1)

CRI1对叶片中的类胡萝卜素非常敏感，高的CRI1值意味类胡萝卜素含量相比叶绿素含量多。其计算公式为：

CRI1=

（式17）

值的范围是0~15+，一般绿色植被区的范围是1~12。

2)类胡萝卜素反射指数2(Carotenoid Reflectance Index 2——CRI2)

CRI2是CRI1的改进型，在类胡萝卜素浓度高时更加有效，高的CRI2值意味类胡萝卜素含量相比叶绿素含量多。其计算公式为：

CRI2=

（式18）

值的范围是0~15+，一般绿色植被区的范围是1~11。

3)花青素反射指数1(Anthocyanin Reflectance Index 1——ARI1)

ARI1对叶片中的花青素非常敏感，ARI1值越大表明植被冠层增长或者死亡。其计算公式为：

ARI1=

（式19）

值的范围是0~0.2+，一般绿色植被区的范围是0.001~0.1。

4)花青素反射指数2(Anthocyanin Reflectance Index 2——ARI2)

ARI2对叶片中的花青素非常敏感，ARI2值越大表明植被冠层增长或者死亡。ARI2 是ARI1的改进，当花青素浓度高时更加有效。其计算公式为：

ARI2=

（式20）

值的范围是0~0.2+，一般绿色植被区的范围是0.001~0.1。

2.7冠层水分含量——Canopy Water Content (4种)

冠层水分含量指数用于度量植被冠层中水分含量。水分含量是一个重要的植物指标，较高的水含量表明健康植被、生长快及不易着火。冠层水分含量指数基于水在近红外和短波红外范围内的吸收特征，以及光在近红外范围的穿透性，综合起来度量总的水柱含量。

表6冠层水分含量指数

1)水波段指数（Water Band Index——WBI）

WBI对冠层水分状态的变化非常敏感，随着植被冠层水分的增加，970nm附近吸收强度相比900nm处有所增强。应

用包括冠层胁迫性分析，生产力预测与建模，着火威胁条件分析，农作物管理，以及生态系统生理机能研究。其计算公式为：

WBI=

（式21）

一般绿色植被区的范围是0.8~1.2。

2)归一化水指数（Normalized Difference Water Index——NDWI）

NDWI对冠层水分含量的变化非常敏感，因为在857 nm 和 1241 nm具有相似的反射率，但是又不同于液态水的吸收特性。应用于冠层胁迫性分析，在浓密叶型植被的叶面积指数的研究，植被生产力模型，着火性研究。其计算公式为： NDWI=

（式22）

值的范围是-1~1，一般绿色植被区的范围是-0.1~0.4。

3)水分胁迫指数(Moisture Stress Index——MSI)

MSI对叶片水分含量的增加非常敏感。当叶片水分含量的增加，在1599nm处的吸收强度也增加，而在819nm处的吸收强度没有影响。应用于冠层胁迫性分析，生产力预测与建模，着火威胁条件分析，以及生态系统生理机能研究。与其他水指数相反，MSI值越大，水分胁迫性越严重和水分含量越少。其计算公式为：

MSI=

（式23）

值的范围是0~3+，一般绿色植被区的范围是0.4~2。

4)归一化红外指数（Normalized Difference Infrared Index——NDII）

NDII对农作物冠层的水分含量变化非常敏感，NDII的值越大表示水分含量越多。应用于农作物管理，森林冠层监测，植被胁迫性探测。其计算公式为：

NDII=

（式24）

值的范围是-1~1，一般绿色植被区的范围是0.02~0.6。

3.环境小卫星高光谱成像仪的植被指数计算

环境与灾害监测预报小卫星星座A、B星(HJ-1A /1B星)于2008年9月6日上午11点25分成功发射，HJ-1-A星搭载了CCD相机和超光谱成像仪（HSI），HJ-1-B星搭载了CCD相机和红外相机（IRS）。在HJ-1-A卫星装载有一台超光谱成

像仪，完成对地刈宽为50公里、地面像元分辨率为100米、110～128个光谱谱段的推扫成像，回访周期约为96h。该数据可免费下载：www.secmep.cn。

ENVI提供植被指数计算器，包括了上述27种植被指数。它可以根据输入图像波段情况，自动从27种中列出能计算的植被指数。并提供了还提供了生物物理学交叉检验功能，能够提高植被指数的计算精度。

我们使用的HJ-1-A-HIS数据包含115个波段，波长覆盖459.00~ 956.00 nm，图像以HDF5格式储存, HDF5图像格式中除了图像文件外，还包括了中心波长、定标文件、成像参数等信息。下面我们实验在ENVI中能计算几种植被指数。 直接利用ENVI_HJ1A1B_Tools环境卫星数据读取扩展工具读取HSI数据。（扩展工具下载地址：

http://bbs.esrichina-bj.cn/ESRI/thread-75575-1-1.html），利用FLAASH进行精确大气校正得到地物真实反射率数据。

（1）在ENVI主菜单中，选择Spectral→Vegetation Analysis→Vegetation Index Calculator，在数据输入对话框中选择HJ-1-A-HSI的反射率数据。单击OK，打开Vegetation Indices Parameters面板（图6）。

（2）在Vegetation Indices Parameters面板中，“Select Vegetation Indices”列表中显示这个数据能够计算16种植被指数。

（3）生物物理学交叉检验功能（Biophysical Cross Checking）：

∙ ∙ ●On：执行此功能（默认）。当植被指数的值发生冲突时，这些值会被忽略。

∙ ∙ ●Off：不执行此功能。

注：如果要将计算得到植被指数用于植被分析工具（vegetation analysis tools），则要选择Off。

（4）选择输出路径及文件名，单击OK按钮执行植被指数计算。

图6 能获取的16种植被指数

这16中植被指数涵盖了宽带绿度类指数、窄带绿度类指数、光利用率类指数、干旱或碳衰减类指数、叶色素类指数。由于缺少中远红外波段，冠层水分含量类指数未能获取。但这不影响环境小卫星高光谱数据在植被领域的运用。 值的注意的是，由于阴影区域没有足够光能量，阴影区域的植被指数往往是不准确的，需要将阴影区进行掩膜。

4.总结

通过植被光谱特征，我们可以分析并得到一些使用性很高的植被指数。这些植被指数分别对植被的叶绿素含量、冠层氮含量、叶色素、冠层水分含量、碳含量等非常敏感，对于植被参数的反演具有一定的参考作用。同时我们也看到环境小卫星高光谱数据对植被的绿度、光利用率、干旱或碳衰减以及叶色素还是有一定的敏感度，这对于研究植被提供了一种非常好的数据源，而且它还是免费提供。