康耀江

（北京師范大學(xué)管理學(xué)院，北京 100875）

遙感就是利用自然界中地物具有電磁波輻射的特性，來實現(xiàn)地物信息獲取的技術(shù)，遙感技術(shù)則是實施監(jiān)測的重要工具。植被指數(shù)是將遙感地物光譜資料經(jīng)數(shù)學(xué)方法處理, 以反映植被狀況的特征量，是用來表征地表植被覆蓋及生長狀況的一個簡單、有效的度量參數(shù)，已廣泛用來定性和定量評價植被覆蓋及其生長活力。隨著遙感技術(shù)的發(fā)展，植被指數(shù)在生態(tài)、農(nóng)業(yè)、地理信息等領(lǐng)域的應(yīng)用更加全面和深入。

我國草地科學(xué)自80年代初期引進(jìn)航天遙感技術(shù)并開展應(yīng)用以來，已取得了多方面的研究成果。植被指數(shù)作為遙感監(jiān)測地面植物生長和分布的一種方法，也是反映作物生長狀態(tài)的直接遙感指標(biāo)，其應(yīng)用效果將直接影響到遙感技術(shù)在草地資源領(lǐng)域的實用性和有效性。筆者在全面闡釋植被指數(shù)的基礎(chǔ)上，介紹了多種常用植被指數(shù)及其適用條件。并進(jìn)一步闡敘了植被指數(shù)在草地遙感中的應(yīng)用，以期為遙感技術(shù)在我國草地中的應(yīng)用提供理論依據(jù)。

1 植被指數(shù)

植被指數(shù)（Vegetation Index，縮寫VI）是綠色植物的光譜反射特征，其本質(zhì)就是在綜合考慮各有關(guān)的光譜信號的基礎(chǔ)上，把多波段反射率做一定的數(shù)學(xué)變換，使其在增強(qiáng)植被信息的同時，使非植被信號最小化。植被指數(shù)主要反映植被在可見光、近紅外光波段反射與土壤背景之間差異的指標(biāo)，各個植被指數(shù)在一定條件下能用來定量說明植被的生長狀況。影響植被指數(shù)的因子也比較多，主要屬于生物領(lǐng)域和物理領(lǐng)域。生物領(lǐng)域是指與光學(xué)特性和植被覆蓋狀態(tài)相關(guān)的各種因子，而物理領(lǐng)域主要包括大氣影響、土壤影響、遙感器影響、角度影響等。

1.1 植被指數(shù)分類

植被指數(shù)按發(fā)展階段大致可分為基于波段簡單線性組合的植被指數(shù)、消除影響因子的植被指數(shù)和針對高光譜遙感及熱紅外遙感的植被指數(shù)三類。

1.1.1 基于波段簡單線性組合的植被指數(shù) 這類植被指數(shù)主要是基于波段的線性組合（差或和）或原始波段的比值，在沒有考慮大氣影響、土壤亮度和土壤顏色，也沒有考慮土壤、植被間的相互作用的情況下，由經(jīng)驗方法發(fā)展生成的。它們具有嚴(yán)格的應(yīng)用限制性，這是由于它們針對特定的遙感器并為明確特定應(yīng)用而設(shè)計的。

1.1.2 消除影響因子的植被指數(shù) 針對波段簡單線性組合的局限性，后來又發(fā)展了許許多多消除影響因子的植被指數(shù)。這類指數(shù)大都基于物理知識，將電磁波輻射、大氣、植被覆蓋和土壤背景的相互作用結(jié)合在一起考慮，按土壤、大氣及綜合影響因子三個方向?qū)τ绊懸蜃舆M(jìn)行消除，并通過數(shù)學(xué)、物理、邏輯經(jīng)驗以及通過模擬將原植被指數(shù)不斷改進(jìn)而發(fā)展生成的，例如PVI、SAVI、M SAV I、TSAV I、ARV I、GEM I、AVI、NDV I等等。它們普遍基于反射率值、遙感器定標(biāo)和大氣影響的理論，將各波段反射率以不同形式進(jìn)行組合來消除外在的影響因素，如遙感器定標(biāo)、大氣、觀測和照明條件等。

1.1.3 針對高光譜遙感及熱紅外遙感的植被指數(shù) 利用傳統(tǒng)的寬波段遙感數(shù)據(jù)（如MSS、TM）研究植被，由于波段數(shù)少、光譜分辨率低，計算出的植被指數(shù)基本上是基于不連續(xù)的紅光和近紅外波段的，所以能反映的信息量少。第三類植被指數(shù)是針對高光譜遙感及熱紅外遙感而發(fā)展的植被指數(shù),如導(dǎo)數(shù)植被指數(shù) (DVI)、溫度植被指數(shù)(Ts-VI)、生理反射植被指數(shù)(PRI)等。這些植被指數(shù)是近幾年來在遙感技術(shù)的發(fā)展和應(yīng)用深入的基礎(chǔ)上產(chǎn)生的新表現(xiàn)形式。

1.2 常用植被指數(shù)及其適用條件

1.2.1 比值植被指數(shù) 最早的比值植被指數(shù)（Ratio Vegetation Index，RVI）由Jordan提出，其數(shù)值是近紅外波段與可見紅光波段的比值，用RVI=NIR（近紅外波段反射率）/R（紅光波段反射率）或兩個波段反射率的比值。在NOAA/AVHRR中的RV I由CH 2/CH 1計算；在Landsat-TM中RVI則由TM 4/ TM 3計算可得。

一般而言，綠色健康植被覆蓋地區(qū)的RV I遠(yuǎn)大于1，而無植被覆蓋的地面（裸土、人工建筑、水體、植被枯死或嚴(yán)重蟲害）的RV I值在1左右，植被的RV I通常大于2。由于RV I是綠色植物的靈敏指示參數(shù)，與葉面積指數(shù)（LAI）、葉干生物量(DM)、葉綠素含量的相關(guān)性高，可用于檢測和估算植物生物量。除此，植被覆蓋度也會影響RV I，當(dāng)植被覆蓋度較高時，RV I對植被十分敏感；當(dāng)植被覆蓋度<50%時，這種敏感性顯著降低，只有在植被覆蓋濃密的情況下效果才最好。另外，RVI還受大氣條件影響，大氣效應(yīng)會大大降低其對植被檢測的靈敏度，所以在計算前需要進(jìn)行大氣校正，或用反射率計算RVI。

1.2.2 歸一化植被指數(shù) 歸一化植被指數(shù)(Normalized Difference Vegetation Index， NDVI)，也叫歸一化差值植被指數(shù)、標(biāo)準(zhǔn)植被指數(shù)，其數(shù)值是近紅外波段與可見紅光波段數(shù)值之差與這兩個波段數(shù)值之和的比值，用NDVI=(NIRR)/(NIR+R)表示，或用兩個波段反射率的計算表示。在NOAA/AVHRR中NDV I=(CH2－CH1)/(CH2+CH1)；在Landsat-TM中 NDVI= (TM4－TM3)/(TM4+TM3)。

NDVI對綠色植被表現(xiàn)敏感，與植被的許多參數(shù)密切相關(guān)，如吸收光合有效百分率(FPAR)、葉綠素密度、葉面積指數(shù)、植被覆蓋率和蒸散率。近年來利用NDVI數(shù)據(jù)在季節(jié)性植被狀況和監(jiān)測土地覆蓋變化等方面有越來越多的研究。NDVI其值一般在-1≤NDVI≤1之間，負(fù)值表示地面覆蓋為云、水、雪等，對可見光高反射；0表示有巖石或裸土等，NIR和R近似相等；正值，表示有植被覆蓋，且隨覆蓋度增大而增大。

1.2.3 差值環(huán)境植被指數(shù) Richardson提出了差值植被指數(shù)（Difference Vegetation Index，DVI），其數(shù)值等于近紅外波段與可見紅光波段數(shù)值之差，用DVI＝IR－R，或用兩個波段反射率的計算表示。在NOAA/AVHRR中DVI=CH2－CH1；在Landsat-TM中DV I=TM4－TM3。DV I屬于線性植被指數(shù)，在低LAI時，效果較好；當(dāng)LAI增加時對土壤背景的變化極為敏感。

1.2.4 綠色植被指數(shù) 綠色植被指數(shù)（Green Vegetation Index，GVI）又叫綠度植被指數(shù)，是根據(jù)大氣參數(shù)、大氣外太陽分光光譜照度數(shù)據(jù)，AVHRR定標(biāo)參數(shù)以及由實驗計算出的轉(zhuǎn)換系數(shù)，獲得實際應(yīng)用的植被指數(shù)。k-t變換后表示綠度的分量，通過k-t變換使植被與土壤的光譜特性分離。其表達(dá)式為：GVI=1.6225CH2－2.2978CH1+11.0656。由于GV I是各波段輻射亮度值的加權(quán)和，而輻射亮度是大氣輻射、太陽輻射、環(huán)境輻射的綜合結(jié)果，所以GVI受外界條件影響大。

1.2.5 垂直植被指數(shù) 與RV I相比，垂直植被指數(shù)（Perpendicular Vegetation Index，PVI）受土壤亮度的影響較小。垂直植被指數(shù)是指在R-NIR的二為坐標(biāo)系內(nèi)，植被像元到土壤亮度線的垂直距離。PV I=[(SR－VR)2+(SN IRVNIR)2]1/2，S是土壤反射率，V是植被反射率。該指數(shù)較好地消除了土壤背景的影響，對大氣的敏感度小于其他V I。PV I是在R-NIR二位數(shù)據(jù)中對GVI的模擬，兩者物理意義相同。

1.2.6 其他植被指數(shù) 為更好地消除影響因子或在對現(xiàn)有植被指數(shù)進(jìn)行修正的基礎(chǔ)上提出了更多的植被指數(shù)。有些學(xué)者對NDVI進(jìn)行修正又發(fā)展了其它的植被指數(shù)，如轉(zhuǎn)換型植被指數(shù)TNDV I，再歸一化植被指數(shù)RNDV I、GNDV I等。為減少土壤和植被冠層背景的雙層干擾，Huete提出了土壤調(diào)節(jié)植被指數(shù)（SAV I），創(chuàng)造性引入了土壤亮度指數(shù)L，建立了一個可適當(dāng)描述土壤-植被系統(tǒng)的簡單模型。為減小SAV I 中裸土影響，Qi提出了修正的土壤調(diào)節(jié)植被指數(shù)（MSAVI）。它與SAVI 最大區(qū)別是L 值可以隨植被密度而自動調(diào)節(jié)，較好消除了土壤背景對植被指數(shù)的影響。

隨著高分辨率遙感技術(shù)的應(yīng)用，又發(fā)展起來一些新的植被指數(shù)?；诟吖庾V遙感的植被指數(shù)中比較典型的是紅邊植被指數(shù)和倒數(shù)植被指數(shù)?；跓峒t外遙感的植被指數(shù)則在本質(zhì)上是把熱紅外輻射（如地面亮度溫度）和植被指數(shù)結(jié)合起來進(jìn)行大尺度范圍的遙感應(yīng)用。

2 植被指數(shù)在草地遙感中的應(yīng)用

2.1 植被指數(shù)與草地資源

Kogan等研究表明，通過比較33種不同的生態(tài)系統(tǒng)發(fā)現(xiàn)，草地和闊葉林植被類型的NDVI相對穩(wěn)定，而沙漠和熱帶森林的NDVI隨著時間序列的變化有著一定程度變化，變化的程度有待于進(jìn)一步討論。鐘誠等利用landsat5和NOAA的遙感數(shù)據(jù)，應(yīng)用GIS進(jìn)行遙感信息處理，對那曲地區(qū)的草地資源進(jìn)行調(diào)查。他們將遙感圖像上測出各樣方的植被指數(shù)與野外調(diào)查數(shù)據(jù)結(jié)合起來，可以結(jié)合草地退化指標(biāo)體系完成研究區(qū)退化草地的評價。張華國等綜合監(jiān)督分類方法、植被指數(shù)法、閾值法和人機(jī)交互目視判讀法等方法，對4M分辨率的IKONOS遙感數(shù)據(jù)進(jìn)行了土地覆蓋分類，獲得了南麂列島的土地覆蓋的最新信息。

2.2 植被指數(shù)與牧草產(chǎn)量及生產(chǎn)力估計

研究表明，植被長勢和覆蓋的變化直接對應(yīng)著植被指數(shù)的變化，因此可用植被指數(shù)作為牧草生長狀況的定量指標(biāo)，NDVI與牧草生長期地上部生物量之間相關(guān)密切，可提供直接監(jiān)測總產(chǎn)草量的方法；并研究了天然草地NDV I和RVI的特征，確定草地的返青期，對比分析了累積NDVI與牧草產(chǎn)量的關(guān)系。梁天剛等以新疆阜康縣為試驗區(qū)，利用NOAA/AVHRR數(shù)據(jù)和地面實測產(chǎn)量值，分析模擬了鮮草重量和植被指數(shù)之間的數(shù)理關(guān)系，并對草地產(chǎn)量進(jìn)行了模擬預(yù)報。數(shù)理模擬及分析的結(jié)果表明：在理論上，NDVI及RVI數(shù)據(jù)是比較理想的預(yù)報指數(shù)，直線及對數(shù)模型是理想的預(yù)報模型。植被蓋度較大時，最優(yōu)預(yù)報模型是采用RVI數(shù)據(jù)的對數(shù)模型。

2.3 植被指數(shù)與草地監(jiān)測

在干旱和半干旱區(qū)，NDVI與植被覆蓋率、生物量和生物生產(chǎn)力有很好的相關(guān)關(guān)系，因此，它被用來大致劃分沙漠區(qū)和半干旱草原，并可以確定生物量是否發(fā)生系統(tǒng)性減少。胡新博等在新疆荒漠、半荒漠地區(qū)，利用NOAA/AVHRR資料，采用垂直植被指數(shù)來大面積地開展植被識別與分類。其研究表明，應(yīng)用垂直植被指教對荒漠、半荒漠地區(qū)的遙感監(jiān)測效果明顯優(yōu)于RVI和NDVI，在解決植被低蓋度區(qū)生產(chǎn)力動態(tài)的遙感監(jiān)測方面效果較好。張洪亮等以Landsat-5 TM遙感圖像和草地蝗蟲發(fā)生的野外樣點(diǎn)數(shù)據(jù)為基礎(chǔ)信息，以青海湖地區(qū)為實驗區(qū)，根據(jù)草地蝗蟲發(fā)生的遙感機(jī)理，提出了一種基于比值的草地蝗蟲發(fā)生監(jiān)測的遙感新算法，可用于為該區(qū)草地蝗蟲發(fā)生預(yù)測預(yù)報模型的建立提供遙感指標(biāo)。

3 存在的問題與展望

（1）遙感植被指數(shù)的真正優(yōu)勢是空間覆蓋范圍廣、時間序列長、數(shù)據(jù)具有一致可比性，但是獲得這樣的植被指數(shù)至少需要解決大氣影響、土壤影響、角度影響這三方面的問題，因此植被指數(shù)往往具有明顯的地域性和時效性。實際應(yīng)用中應(yīng)該結(jié)合草地科學(xué)的特點(diǎn)，在具體使用時因地適宜地選用和修正植被指數(shù)，尤其是建立植被指數(shù)與具體應(yīng)用對象的數(shù)學(xué)模型，以實現(xiàn)植被指數(shù)能客觀地反演應(yīng)用對象的特征。

（2）就目前的研究成果來看，植被的類型較為復(fù)雜，而且任一種反映到植被指數(shù)數(shù)據(jù)的特征也不是單一的，植被類型的分類在不同的地區(qū)有不同的定義和標(biāo)準(zhǔn)，有待于更深入的研究。

（3）目前我國主要應(yīng)用植被指數(shù)監(jiān)測植被和農(nóng)作物長勢的年際比較，較廣泛地應(yīng)用于主要產(chǎn)糧縣旱地和水田作物的物候期進(jìn)行遙感監(jiān)測，但在草地資源上利用植被指數(shù)進(jìn)行定量分析有其具體的困難。首先，草地的分布都非常廣泛，從低海拔的平地、河谷到高海拔的山區(qū)，在地物的判譯中增加了解決異物同譜問題的難度，而農(nóng)作物例如小麥等分布有比較確定的規(guī)律，一般都分布在一定海拔高度的河谷和平坦地上。其次，草地上植物種類繁多，影響光譜數(shù)據(jù)的產(chǎn)量、蓋度等因素的變幅很大，不易在光譜數(shù)據(jù)與地面實測數(shù)據(jù)間建立準(zhǔn)確穩(wěn)定的關(guān)系，而在特定的地區(qū)，農(nóng)作物一般品種和產(chǎn)量相對穩(wěn)定。另外，農(nóng)作物的產(chǎn)區(qū)多分布在由耕種技術(shù)、人類活動影響較大的地區(qū)，天然草地的產(chǎn)量則隨機(jī)性較大。

（4）利用氣象資料NOAA/AVHHR數(shù)據(jù)和地面實測產(chǎn)量值，雖然可以選出相關(guān)系數(shù)大，并通過顯著水平0.01和0.05F檢驗的理論上最優(yōu)的模型，但從實際預(yù)報的結(jié)果來看，在地形復(fù)雜、草地類型變化較大的地區(qū)，模型預(yù)報的穩(wěn)定性極差。利用同時相或準(zhǔn)同時相采集數(shù)據(jù)、建立模型的方法，一般適用于地勢比較平坦，草地類型變化不大的地區(qū)；在地形和草地類型變化大的地區(qū)，如在新疆大部分地區(qū)，模型預(yù)報的產(chǎn)量波動極大，不能準(zhǔn)確地反映地面草地的實際變化狀況。陳全功等建立了多年平均植被指教與平均草地產(chǎn)量級之間的關(guān)系，使用植被指數(shù)表示草地產(chǎn)量，并獲得了適合于地形和草地變化大的地區(qū)的預(yù)報方法和模型。但是，如果僅從植被指數(shù)來對草地進(jìn)行分級還可能導(dǎo)致錯誤的結(jié)果。

隨著遙感技術(shù)的日新月異，高光譜及熱紅外遙感技術(shù)的發(fā)展應(yīng)用，植被指數(shù)的研究新領(lǐng)域和應(yīng)用領(lǐng)域必將進(jìn)一步拓寬。針對出現(xiàn)的新技術(shù)，傳統(tǒng)的植被指數(shù)應(yīng)用是否會受到限制，新的植被指數(shù)是否適宜和高效，還有待廣大科研工作者的實踐證明，以提高遙感技術(shù)應(yīng)用特別是在草地資源方面應(yīng)用的高效性和時效性。

[1] 王人潮，黃敬峰. 水稻遙感估產(chǎn)[M]. 北京：中國農(nóng)業(yè)出版社，2001. 47-48.

[2] 郭 鈮. 植被指數(shù)及其研究進(jìn)展[J]. 干旱氣象，2003，21（4）：71-75.

[3] 羅 亞，徐建華，岳文澤. 基于遙感影像植被指數(shù)研究方法評述[J]. 生態(tài)科學(xué)，2005，24（1）：75-79.

[4] 田慶久，閔祥軍. 植被指數(shù)研究進(jìn)展[J].地球科學(xué)進(jìn)展，1998，13（4）：327-333.

[5] 王正興，劉 闖，HUETE A lfredo. 植被指數(shù)研究進(jìn)展：從AVHRR-NDV I到MODIS-EVI[J]. 生態(tài)學(xué)報，2003，23（5）：979-987.

[6] Kogan F N，X Zhu. Evo lution o f long-term errors in NDVI time series：1985～1999[J]. Advances in Space Research，2001，28（1）：149-153.

[7] 鐘 誠，何曉蓉，李輝霞. 遙感技術(shù)在西藏那曲地區(qū)草地退化評價中的應(yīng)用[J].遙感技術(shù)與應(yīng)用，2003，18（2）：99-102.

[8] 張華國，黃韋艮，周長寶. 應(yīng)用IKONOS衛(wèi)星遙感圖像監(jiān)測南麂列島土地覆蓋狀況[J]. 遙感技術(shù)與應(yīng)用，2003，18（5）：306-312.

[9] 張洪亮，倪紹祥. 草地蝗蟲發(fā)生遙感監(jiān)測的一種新算法[J]. 遙感學(xué)報，2003，7（6）：504-508.