段纪维,钟九生,江 丽,代仁丽,何志远,林双双,何 鑫

(贵州师范大学 地理与环境科学学院,贵阳 550025)

植被作为陆地表面主要的组成成分,其覆盖度通常是衡量生态环境健康状态的重要参数。能准确快速地提取地表植被,对环境监测和自然灾害的防御有着很重要的意义。以遥感数据提取植被一直以来都是热点研究内容,学者们对此展开大量研究并提出很多不同方法,大体上可分多光谱和可见光的波段组合运算,其中,多光谱遥感的植被指数,主要根据植被在可见光和近红外波段的吸收与反射规律进行组合得出的公式,如Tucker等[1]提出归一化差异植被指数(NDVI),NDVI消除大部分由地形和大气产生的相关影响,却易受土壤及阴影等因素干扰[2]。对此Huete等[3]提出的土壤调节植被指数(SAVI)能很好地消除土壤干扰,高志海等[4]应用归一化植被指数(NDVI)和土壤调节指数(SAVI)及修正后的土壤调节指数(MSAVI),对TM影像植被提取的结果,验证了土壤调节指数(SAVI)消除土壤背景影像和适应植被密度变化的能力更强。随着遥感技术的快速兴起,众多的植被指数被相继提出,如再归一化植被指数 (Renormalized Differnce vegetation Index,RDVI)[5],转换型植被指数 (Transferrd Normalized Differnce vegetation Index,TNDVI)[6],转换型土壤调整植被指数 (Transfered Soil-Adjusted vegetation index,TSAVI)[6],新抗大气影响植被指数 (Infection Atmospherically Vegetation Index,IAVI)[7],陆地植被指数 (vegetation Index based on Universal Pattern Decomposition,VIUPD)[8]等。

可见光范围内的植被指数仅仅是利用红、绿、蓝3个波段组合运算的方法,如Gitelson等[9]利用可见光绿波段反射率峰值和红波段反射率下降特征,提出归一化绿红差异指数(Normalized green-red difference inde-x,NGRDI)对小麦冠层的光谱特性分析。Meyer等[10]提出归一化绿蓝差异指数(Normalized gre-en-blue difference index,NGBDI)识别植物生物量与土壤和残留背景的关系。……