植物叶片在可见光的红光波段有很强的吸收特性，在近红外波段有很强的反射特性，这是植被遥感监测的物理基础。其中，蓝光、红光和近红外通道的组合可大大消除大气中气溶胶对植被指数的干扰，通过不同波段测值的不同组合可得到各类植被指数。植被具有明显的光谱反射特征，不同于土壤、水体和其他的典型地物，植被对电磁波的响应是由其化学特征和形态学特征决定的，这种特征与植被的发育、健康状况以及生长条件密切相关。在可见光波段与近红外波段之间，即约0.76μm附近，反射率急剧上升，形成“红边”现象，这是植物曲线最为明显的特征，是研究的重点光谱区域(图18-8)。许多种类的植物在可见光波段差异小，但近红外波段的反射率差异明显。
图18-8 植被光谱特征曲线
植被指数(Vegetation Index，VI)是对地表植被活动简单、有效的经验度量，它可以有效地反映植被健康与覆盖信息，已作为一种有效的遥感数据处理手段，被广泛应用于土地覆盖变化检测、植被类型识别和生物量估测等方面。
考虑到常用的植被生物量敏感指数以及生物量变化影响显著的因子，同时结合常用的光学卫星传感器的波段设置，一般以光谱指数和纹理特征指数为主。常用的光谱指数主要包括:比值指数(SR)、归一化植被指数(NDVI)、增强型植被指数(EVI)、土壤调节植被指数(SAVI)、修正土壤调节植被指数(MSAVI)、优化型土壤调节植被指数(OSAVI)、叶绿素指数(Clgreen)、大气阻抗植被指数(ARVI)、绿度植被指数(VIGreen)。采用灰度共生矩阵(Grey Level Co-occurrence Matrices，GLCM)提取了8种纹理特征，许多研究表明，提取自小窗口的纹理特征较大窗口的纹理特征对于像元亮度值的变化更加敏感，采用3×3窗口大小提取的纹理特征较其他窗口能够获得更高的生物量估测精度。具体公式如表18-3所示。(www.xing528.com)
表18-3 光谱和纹理特征指数公式
续表
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
