NDVI指数在植被研究中的应用及其评价

NDVI指数在植被研究中的应用及其评价归一化植被指数NDVI是目前应用最广泛的植被指数。不同的NDVI值对应不同的土地覆被类型，可以进行土地覆被方面的研究;NDVI20余年的时序资料可用于研究植被动态，以及与相关生态因子的相关性研究；卫星遥感技术具有覆盖面广、获取数据快等特点，可以用于环境、植被等的监测；应用NDVI发展生态学模型，可以开展生态学模拟研究，并在实地检验过程中完善。NDVI指数虽然存在容易饱和、校正有限、噪音较多等缺点，而且已经发展了新的替代性指数，但其特有的优点仍将使其在今后的研究中发挥重大作用。植被指数是基于植物的光谱特征，将可见光与近红外遥感光谱观测通道进行组合运算而得到的数据。迄今为止，植被指数已经发展出40余种。其中AVHRR-NDVI是目前应用最广泛的植被指数，应用领域包括土地利用、产量预报、区域检测以及生物地理学和生态学研究等。NDVI已经积累了20余年的数据资料AnyambaTucker，2005，应用研究颇具成效。1、NDVI指数原理植物叶片组织对蓝光470nm和红光650nm有强烈吸收，而对绿光和红外光强烈反射叶片中心的海绵组织和叶片背面组织对近红外辐射NIR，700-1000nm反射较强。从红光Red到红外光，裸地反射率较高但增幅很小。植被覆盖越高，红光反射越小，近红外光反射越大。红光吸收很快达到饱和，而近红外光反射随着植被增加而增加。所以，任何强化Red和NIR差别的数学变换都可以作为植被指数，来描述植被状况。归一化植被指数NDVI就被定义为：NIR/Red-1/NIR/Red1。在理想状况下，不考虑大气、土壤背景等的影响，太阳-地物-传感器位置相对固定，此时传感器受到的信号将没有信号丢失和噪音干扰。而现实中，遥感数据要受到大气、土壤和传感器角度等因素的影响，因此在使用时需要进行必要的校正。如AVHRR-NDVI，对瑞利散射和臭氧吸收作了校正，又通过最大值合成法MVC对其他噪音作了校正。2、NDVI指数应用举例2.1.土地覆被研究在合适的条件下，不同的NDVI值对应不同的土地覆盖类型，从而可以进行大尺度上的土地覆盖分类。王长耀等2005利用1995年NOAA十天合成的ch4、ch5通道亮温，先计算出陆地表面温度Ts，然后用最大值合成法计算每月的最大Ts和NDVI，以每月最大Ts和NDVI建立NDVI-Ts空间。根据像素点NDVI，Ts在空间中的位置矢量，求出矢量在空间中的方向角度，并作归一化处理，得对到温度植被角度NTVA。12个月NTVA做主成分变换提取前三个主分量辅以全年总NDVI和大于0℃Ts积温，用模糊K-均值法进行全国土地覆盖分类。研究结果表明，基于NDVI-Ts空间的NTVA与NDVI、Ts一起作为分类特征在土地覆盖分类中具有较高的分类精度，能够取得较好的分类效果。植被盖度是土地覆被研究的重要内容。结合实地观测来验证NDVI指数的植被盖度估测方法，可以提高实际工作的效率。张云霞等2007选择中国北方温带典型草原为研究对象，运用样方叠加的方法，选择不同植被盖度的49块样地，将地面实测数据和ASTER遥感数据结合，建立植被盖度经验模型，研究植被指数与植被盖度的相关性以及地面样方尺度对经验模型的影响。发现NDVI在估测草原植被盖度上优于其它植被指数RVINDGI，而且样方尺度的选择对植被盖度经验模型的建立又很大影响，中国北方典型草原区适合大样方、取中值的方法。夏照华等2006研究宁夏盐池县农牧交错区植被盖度，利用NDVI数据和植被盖度遥感定量模型提取植被覆盖等级图，并对比分析了1989、1999、2003年的植被覆盖图，发现植被盖度的变化，并为当地荒漠化治理提供了建议。2.2.NDVI时序及相关因子分析作为植被指数，NDVI有着很好的时间序列，从而为植被动态或地表覆被动态研究，以及植被变化相关因子研究上提供方便。在NDVI时序变化研究方面，李晓兵和史培军1999基于3S技术，利用连续时间序列的NOAA-AVHRR影像，通过主分量分析和非监督分类，对中国植被进行宏观分类，然后结合NDVI指数，讨论植被变化规律，进一步阐明中国植被NDVI动态变化的地区差异。由于NDVI数据覆盖范围遍及全球，运用NDVI时序可以进行很好的开创性研究。侯英雨等2005利用1982-2000年NOAA-AVHRR月合成NDVI数据对西藏草地和森林等主要植被年内和年际变化进行了初步研究，发现NDVI指数年内变化的季节性和年际变化的波动幅度规律。在生物入侵方面，李加林2006运用MODIS数据研究江苏沿海互花米草NDVI/EVI的季节变化规律，发现互花米草的返青出苗、抽穗、种子成熟等主要物候期在VI曲线上均能得到很好体现，从而当地植被管理提供借鉴。当前研究最多的还是NDVI时序变化与其它生态因子相关性的研究，而这些生态因子主要是气候因子，如降水，温度等。NOAA-AVHRR20多年的NDVI时间序列资料，可以作为地表指数来研究不同时期植被对降水的响应AnyambaTucker2005。Jeremy等2004运用NDVI时序数据来研究美国新墨西哥州6种半干旱环境下的植被群落，发现NDVI每年有两个峰值，分别出现在春季和夏季，对应植物的生长高峰期，其中6个群落春季的NDVI指数更具有空间异质性。另外，NDVI变异性与受季风和厄尔尼诺现象影响的降水变化一致。陈云浩等2001，2002以NDVI时序资料为基本数据源，应用变化矢量分析和诸成分分析方法，分析1983-1992年中国植被变化特征，总结了NDVI变化规律，并结合全国160个气象站的月均温和降雨数据，探讨了气温、降水对中国植被NDVI变化的驱动作用。杨建平等2005使用8km分辨率PathdfinderNOAA-AVHRR-NDVI时序数据，对青藏高原长江黄河源区1982-2001年地表植被覆盖的空间分布和时间序列变化进行了分析，并在典型区NDVI与气温、降水和浅层地温单相关分析的基础上，构建了NDVI与气温、降水和浅层地温的统计模型，发现20年来江河源地区的植被覆盖总体上保持原状，局部继续退化。张远东等2003利用1992-1996年NOAA/AVHRR逐旬NDVI数据和气候、水文资料，分别对绿洲和荒漠进行了NDVI与气候、水文因子间的相关分析，发现绿洲与荒漠NDVI具有不同的季节变化规律。郭广猛等2007使用2000年与2004年250m分辨率的MODIS植被指数数据NDVI，分析了泾河上游固原地区植被和降水利用效率变化，结果表明该区植被覆盖情况有较大好转。付新峰等2007分析了雅鲁藏布江流域的NDVI时空变化特征，在流域DEM的支持下，把流域站点主要气候因子降水量与平均气温等数据采用Kriging方法插值成与流域NDVI相一致的空间Grid数据，发现NDVI与降水量之间存在显著的相关性。张军等2001利用1982-1992年时间序列的NOAA-AVHRR8km×8km分辨率的NDVI，将研究区域的土地覆盖类型分为10类，然后结合该地区的19个气象站1982-1992年的年平均气温、年最高温度、年最低温度、年降水量和年相对湿度研究了各类型NDVI年平均值的变化与气候因子之间的关系进一步阐明了气候因子是NDVI动态变化的主要原因。王宏等2005利用Krigging插值方法对1982-1999年降水、气温数据插值生成中国东北地区的二维气象因子影像，然后与东北地区的1982-1999年的NOAA-AVHRRR-NDVI月平均、季平均、年平均影像做零时滞偏相关、复-3-NDVI指数在植被研究中的应用及其评价相关分析，及以月为时滞间隔偏相关、复相关分析，得出东北地区森林植被类型与气象因子相关性的时空分异规律。2.3.动态监测卫星遥感图像以覆盖面广、获取信息快的优点，成为动态监测的有效途径。孙丹峰等2002利用NDVI植被指数和半方差纹理特征的知识进行影像大类区域分割，再结合光谱知识对各影像区域进行详细分类同时利用区域生长技术与地类空间知识进行区域分类，然后进行分类后处理与变化信息提取，利用基础图件提供的知识与各区域分类进行比较以发现变化的区域。王宏等2006采用Savitzky-Golay滤波算法平滑了1982-1999年NOAA-AVHRR-NDVI时间序列影像，然后利用曲线拟合了锡林郭勒典型草原1982-1999年的每年物候期返青期、黄枯期及18年的平均物候期和生长季长度，并对1982-1999年的物候期进行了线性拟合，分析物候期的变化趋势，从而达到监测目的。此外，将NDVI应用于林火监测，可以弥补地理信息系统GIS难以随时更新数据的不足，排除云体对NOAA-AVHRR传感器CH3通道的干扰提高森林火灾监测的准确性、及时性和可靠性何筱萍易浩若1997。2.4.生态学模拟研究发掘NDVI与生态学过程的关系及其量化方法，可以用于生态学模拟研究。Burgheimer2006等研究了叶色列内盖夫西北黄土沙丘地区雨季的BSCbiologicalsoilcrusts、光谱反射率和光合活性三者之间关系，发现NDVI指数能很好地指示BSC同化活动的潜在量级，而且可以指示不同微型植物光合作用率。郑元润和周广胜2000基于叶面积指数LAI和归一化植被指数NDVI建立了中国森林植被净第一性生产力NPP模型，经我国13组森林植被生产力数据的验证表明，该模型的预测结果与实测值相符较好，对我国森林植被有良好的适应性。王宏等2006运用阈值法、滑动平均法、最大变化斜率、曲线拟合模型四种基于NDVI的参数估测方法，模拟了锡林浩特1991-1999年的草原生长季，野外实测验证说明，基于曲线拟合模型能适用于大尺度上的植被生长季变化监测存在问题是拟合曲线很难接近于实际曲线。由于高海拔地段情况特殊，如生长季短、冬季长、冰雪覆盖、常绿树种占优势等特征，NDVI数据很难应用。Pieter等2006利用斯堪的纳维亚半岛2000-2004年的NDVI数据，运用模型的方法来估计生物物理参数和研究植被物候，结果显示，比目前基于傅立叶序列Fourierseries和非对称高斯函数asymmetricGaussianfunctions的方法要优越许多。3.NDVI指数存在问题目前，AVHRR-NDVI虽广泛应用，但仍存在一些问题：1在植被高覆盖区容易饱和；2对大气干扰所做的校正有限；3没有考虑树冠背景对植被指数的影响；4NDVI的比值算式和最大值合成算法MVC虽消除了某些内部和外部噪音但MVC不能确保选择最小视角内的最佳像元，最终的合成产品仍然有较多噪音王正兴等，2003。-4-NDVI指数在植被研究中的应用及其评价Jiang等2006运用线性谱混合模型linearspectralmixingmodels分析了NDVI和破碎化植被覆盖的关系，发现NDVI指数在异质性土地覆盖上显示出很强的尺度差异，再加上其本身的非线性特征，而不能很好地分析植被碎块。SDVI指数scaleddifferencevegetationindex更加适合分析高度异质性的植被碎块。此外，AVHRR-NDVI数据与后继的NDVI数据还存在连续性的问题。MODIS和VIIRS的NDVI数据受大气中水蒸气的影响很小，而AVHRR-NDVI数据却被水蒸气大大地削减了。如何多传感器Multi-sensorNDVI数据的连续性是很重要又很难解决的问题Willemetal.2006。4.展望1999年12月18日和2002年5月4日，美国分别发射Terra和Aqua两颗卫载有星，“中分辨率成像光谱仪”MODerateresolutionImagingSpectroradiometer，MODIS。MODIS植被指数主要是是250-1000m的两种植被指数：归一化植被指数NDVI和增强型植被指数EnhancedVegetationIndex，EVI。开发MODIS-NDVI的目的是继承已有20年时间序列的AVHRR-NDVI，而开发MODIS-EVI的目的是改进NDVI的某些缺陷特别是大气噪声、土壤背景、饱和度等问题。作为替代性植被指数，EVI综