i.vigrass - 云端在线

程序：

您的姓名

六 - 计算不同类型的植被指数。
主要使用红色和近红外波段，有些指数需要额外的波段。

关键词

影像、植被指数、生物物理参数

概要

六
六 - 帮帮我
六 红色=姓名 产量=姓名 名=类型 [尼尔=姓名[墨绿色=姓名[蓝色=姓名]
[乐队5=姓名[乐队7=姓名[土壤线坡度=浮动[土壤线截距=浮动]
[土壤噪音减少=浮动[存储位=整数] [--覆盖] [--帮助]
[--详细] [--安静] [--ui]

标志：
--覆盖
允许输出文件覆盖现有文件

- 帮帮我
打印使用摘要

--详细
详细模块输出

- 安静的
静音模块输出

--用户界面
强制启动 GUI 对话框

参数：
红色=姓名 [必需的]
输入红色通道表面反射图的名称
范围：[0.0;1.0]

产量=姓名 [必需的]
输出栅格地图的名称

名=类型 [必需的]
植被指数类型
选项： 阿尔维， DVI， 埃维， 埃维2， gvi， 加里， 双子座， 网络, 米萨维， msavi2， 英伟达， 光伏， 萨维，
先生 变量， 维维
默认： 英伟达
阿尔维: 耐大气植被指数
DVI: 差异植被指数
EVI: 增强植被指数
evi2: 增强型植被指数 2
虚拟机: 绿色植被指数
加里: 绿色抗大气植被指数
GEMI: 全球环境监测指数
ipvi: 红外线百分比植被指数
米萨维: 改良土壤调整植被指数
微软avi2：第二修正土壤调整植被指数
英伟达: 归一化差异植被指数
pvi: 垂直植被指数
SAVI: 土壤调整植被指数
sr: 简单比率
变量: 可见大气阻力指数
维维: 加权差异植被指数

尼尔=姓名
输入近红外通道表面反射贴图的名称
范围：[0.0;1.0]

墨绿色=姓名
输入绿色通道表面反射图的名称
范围：[0.0;1.0]

蓝色=姓名
输入蓝色通道表面反射贴图的名称
范围：[0.0;1.0]

乐队5=姓名
输入第 5 通道表面反射图的名称
范围：[0.0;1.0]

乐队7=姓名
输入第 7 通道表面反射图的名称
范围：[0.0;1.0]

土壤线坡度=浮动
土壤线的斜率值（仅限 MSAVI2）

土壤线截距=浮动
土壤线的截距值（仅限 MSAVI2）

土壤噪音减少=浮动
土壤噪声降低系数的值（仅适用于 MSAVI2）

存储位=整数
数字的最大位数
如果数据是数字（即整数类型），给出最大位（即 8
陆地卫星 -> [0-255])
选项： 7, 8, 16
默认： 8

商品描述

六 根据生物物理参数计算植被指数。

· ARVI：耐大气植被指数

· DVI：差异植被指数

· EVI：增强型植被指数

· EVI2：增强型植被指数2

· GARI：绿色耐大气植被指数

· GEMI：全球环境监测指数

· GVI：绿色植被指数

· IPVI：红外百分比植被指数

· MSAVI2：第二修正土壤调整植被指数

· MSAVI：改良土壤调整植被指数

· NDVI：归一化差异植被指数

· PVI：垂直植被指数

· RVI：比率植被指数

· SAVI：土壤调整植被指数

· SR：简单植被比

· WDVI：加权差异植被指数

背景 用户 新 至 远程 传感
植被指数通常被认为是地球陆地遥感的切入点
监测。 他们正因成功而受苦，人们往往倾向于
从在线资源中获取卫星图像并直接在本模块中使用它们。

从数字到辐射：
卫星图像通常以数字编号 (DN) 存储以供存储； 例如，
Landsat5 数据以 8 位值存储（范围从 0 到 255），其他卫星可能
以 10 位或 16 位存储。 如果数据以 DN 形式提供，这意味着该图像是
“未修正”。 这意味着图像是卫星看到的
空间中的位置和高度（存储在 DN 中）。 这还不是地面信号。 我们
将此数据称为卫星或传感器。 以 8 位（或更多）编码的是
由卫星平台内的传感器感应到的能量。 这种能量叫做
传感器处的辐射。 通常，卫星图像提供商对传感器处的辐射进行编码
通过仿射变换方程 (y=ax+b) 转换为 8 位（或更多）。 在使用的情况下
Landsat 图像，请查看 陆地卫星 将 DN 转换为的简单方法
传感器处的辐射。 如果使用 Aster 数据，请尝试 i.aster.toar 模块。

从辐射到反射：
最后，一旦获得了传感器值的辐射，大气仍然是
在传感器和地球表面之间。 这个事实需要更正以说明
大气与植被反射回太空的太阳能的相互作用。
对于 Landsat，这可以通过两种方式完成。 简单的方法是通过 陆地卫星， 使用
例如 DOS 修正。 更准确的方法是使用 i.atcorr （这适用于许多
卫星传感器）。 一旦对卫星应用了大气校正
数据，数据值称为表面反射率。 表面反射率范围从 0.0
理论上（绝对）到 1.0。 这个级别的数据修正是适当的级别
使用的校正 六.

植被 指数
阿尔维： 大气的 耐 植被 Index

ARVI 可抵抗大气影响（与 NDVI 相比）并且已完成
通过对红色通道中大气效应的自校正过程，使用
蓝色和红色通道之间的辐射差异（Kaufman 和 Tanre 1996）。
arvi（redchan，nirchan，bluechan）
ARVI = (nirchan - (2.0*redchan - bluechan)) /
( nirchan + (2.0*redchan - bluechan))

DVI： 区别 植被 Index
dvi（redchan，nirchan）
DVI = ( 尼尔坎 - 雷德坎 )

EVI： 增强 植被 Index

增强植被指数 (EVI) 是一种优化指数，旨在增强
在高生物量区域具有更高灵敏度的植被信号
通过将冠层背景信号解耦来监测植被
减少大气影响 (Huete AR, Liu HQ, Batchily K., van Leeuwen W.
(1997)。 EOS-MODIS 植被指数全球 TM 图像集的比较。 偏僻的
环境感知，59:440-451）。
evi（bluechan、redchan、nirchan）
EVI = 2.5 * (nirchan - redchan) /
(nirchan + 6.0 * redchan - 7.5 * bluechan + 1.0)

EVI2： 增强 植被 Index 2

一个 2 波段 EVI (EVI2)，没有蓝色波段，与 3 波段有最好的相似度
EVI，特别是当大气影响微不足道且数据质量良好时
（张彦江；Alfredo R. Huete；Youngwook Kim 和 Kamel Didan 2-band 增强
没有蓝带的植被指数及其在 AVHRR 数据中的应用。 过程SPIE 6679，
可持续性生态系统的遥感和建模 IV，667905（09 年 2007 月 XNUMX 日）
doi:10.1117/12.734933)。
evi2(redchan, nirchan)
EVI2 = 2.5 * (nirchan - redchan) /
( 尼查 + 2.4 * 红查 + 1.0 )

加里： 墨绿色 大气的 耐 植被 指数

公式的实际定义是：Gitelson, Anatoly A.； 考夫曼，约拉姆 J.； 梅尔兹利亚克，马克
N. (1996) 在 EOS-MODIS 全球植被遥感中使用绿色通道，
环境遥感 58 (3), 289-298。 doi:10.1016/s0034 4257(96)00072-7
加里（redchan，nirchan，bluechan，greenchan）
GARI = ( nirchan - (greenchan - (bluechan - redchan))) /
( nirchan + (greenchan - (bluechan - redchan)))

吉米： 全球 环境 灭菌监测 Index
双子座（redchan，nirchan）
GEMI = (((2*((nirchan * nirchan)-(redchan * redchan)) +
1.5*nirchan+0.5*redchan) / (nirchan + redchan + 0.5)) *
(1 - 0.25 * (2*((nirchan * nirchan)-(redchan * redchan)) +
1.5*nirchan+0.5*redchan) / (nirchan + redchan + 0.5))) -
（（redchan - 0.125）/（1 - redchan））

全球指数： 绿色 植被 Index
gvi（bluechan，greenchan，redchan，nirchan，chan5chan，chan7chan）
GVI = (-0.2848 * bluechan - 0.2435 * greenchan -
0.5436 * redchan + 0.7243 * nirchan + 0.0840 * chan5chan-
0.1800 * chan7chan)

IPVI： 红外线 百分比 植被 Index
ipvi（redchan，nirchan）
IPVI = nirchan/(nirchan+redchan)

MSAVI2： 第二 修改日期 土壤 调整 植被 Index
msavi2（redchan，nirchan）
MSAVI2 = (1/2)*(2(NIR+1)-sqrt((2*NIR+1)^2-8(NIR-red)))

MSAVI： 修改日期 土壤 调整 植被 Index
msavi（redchan，nirchan）
MSAVI = s(NIR-s*红色-a) / (a*NIR+红色-a*s+X*(1+s*s))
其中a是土壤线截距，s是土壤线斜率，X是调整
设置为最小化土壤噪声的因子（原始论文中为 0.08）。

NDVI： 归一化 区别 植被 Index
ndvi（redchan，nirchan）
数据类型波段编号（[NIR，红色]）
MSS 频带 = [ 7, 5]
TM1-5,7 波段 = [ 4, 3]
TM8 波段 = [ 5, 4]
AVHRR 频带 = [ 2, 1]
SPOT XS 波段 = [ 3, 2]
AVIRIS 乐队 = [51, 29]
NDVI = (NIR - 红色) / (NIR + 红色)

光伏发电： 垂直 植被 Index
pvi(redchan, nirchan)
PVI = sin(a)NIR-cos(a)红
对于等植被线（相等植被线）都将与土壤平行
因此线 a=1。

萨维： 土壤 调整 植被 Index
savi（redchan，nirchan）
SAVI = ((1.0+0.5)*(nirchan - redchan)) / (nirchan + redchan +0.5)

SR： 简易 植被 比
sr(redchan, nirchan)
SR = (nirchan/redchan)

变量： 可见 大气上 耐 Index VARI 旨在引入一个
大气自校正（Gitelson AA、Kaufman YJ、Stark R.、Rundquist D.，2002 年。
估计植被分数的新算法环境遥感（80），
第 76-87 页。）
vari = ( bluechan, greenchan, redchan)
VARI = (绿 - 红) / (绿 + 红 - 蓝)

WDVI： 加权的 区别 植被 Index
wdvi（redchan，nirchan，soil_line_weight）
WDVI = nirchan - a * redchan
如果（soil_weight_line == None）：
a = 1.0 #土壤线的斜率

示例

此示例基于北卡罗来纳州示例中包含的 LANDSAT TM7 场景
数据集。

做法： DN 至 反射率
作为第一步，必须将原始 DN（数字编号）像素值转换为
反射率使用 陆地卫星. 为此，我们复制（或重命名频道）到
匹配 陆地卫星的输入方案：

g.copy raster=lsat7_2002_10,lsat7_2002.1
g.copy raster=lsat7_2002_20,lsat7_2002.2
g.copy raster=lsat7_2002_30,lsat7_2002.3
g.copy raster=lsat7_2002_40,lsat7_2002.4
g.copy raster=lsat7_2002_50,lsat7_2002.5
g.copy raster=lsat7_2002_61,lsat7_2002.61
g.copy raster=lsat7_2002_62,lsat7_2002.62
g.copy raster=lsat7_2002_70,lsat7_2002.7
g.copy raster=lsat7_2002_80,lsat7_2002.8

使用 DOS1 计算 DN 的反射率值（元数据来自
p016r035_7x20020524.met.gz）：

i.landsat.toar 输入=lsat7_2002。 输出=lsat7_2002_toar。 传感器=tm7 \
方法=dos1 日期=2002-05-24 sun_elevation=64.7730999 \
product_date=2004-02-12 增益=HHHLHLHHL
生成的 Landsat 频道名称为 lsat7_2002_toar.1 .. lsat7_2002_toar.8。

计算 of 归一化植被指数
根据反射率值计算 NDVI 的方法如下：
g.region 光栅=lsat7_2002_toar.3 -p
i.vi 红色=lsat7_2002_toar.3 nir=lsat7_2002_toar.4 viname=ndvi \
输出=lsat7_2002.ndvi
r.colors lsat7_2002.ndvi 颜色=ndvi
d.mon wx0
d.rast.leg lsat7_2002.ndvi
北卡罗来纳州数据集：NDVI

计算 of 阿维
根据反射率值计算 ARVI 的方法如下：
g.region 光栅=lsat7_2002_toar.3 -p
i.vi blue=lsat7_2002_toar.1 red=lsat7_2002_toar.3 nir=lsat7_2002_toar.4 \
viname=arvi 输出=lsat7_2002.arvi
d.mon wx0
d.rast.leg lsat7_2002.arvi
北卡罗来纳州数据集：ARVI

计算 of 加里
根据反射率值计算 GARI 的方法如下：
g.region 光栅=lsat7_2002_toar.3 -p
i.vi blue=lsat7_2002_toar.1 green=lsat7_2002_toar.2 red=lsat7_2002_toar.3 \
nir=lsat7_2002_toar.4 viname=gari output=lsat7_2002.gari
d.mon wx0
d.rast.leg lsat7_2002.gari 文件
北卡罗来纳州数据集：GARI

附注

最初来自 kepler.gps.caltech.edu（常见问题解答）：

遥感中植被的常见问题解答
作者：Terrill W. Ray，Div。 加州研究所地质与行星科学系
技术部，电子邮件： [电子邮件保护]

蜗牛邮件：Terrill Ray
地质与行星科学部
加州理工学院，邮编 170-25
加利福尼亚州帕萨迪纳91125

使用 onworks.net 服务在线使用 i.vigrass