贡献者

NDVI (归一化植被指数）和 PRI（光化学反射指数）：理论、方法和应用

现代技术可以在不同的空间和时间范围内对光谱植被指数（如NDVI 和 PRI）进行采样，从对整个地球表面进行采样的卫星到测量单个植物甚至树叶的手持式小型传感器。

什么是NDVI 和 PRI？

NDVI (归一化差异植被指数）和 PRI（光化学反射系数）都是通过测量电磁波谱中相对较窄的反射光波长（10 至 50 纳米）得出的光谱植被指数。NDVI 是归一化植被指数（Normalized Difference Vegetation Index）的缩写，PRI 是光化学反射指数（Photochemical Reflectance Index）的缩写。

光谱植被指数有多种类型，但本文和网络研讨会将重点讨论NDVI 和 PRI 的理论、方法和应用，因为它们是最常用的两种指数。

NDVI PRI 尤其适用于测量植物冠层的结构特性，如leaf area index 、光拦截甚至生物量和生长，而 PRI 则更适用于测量植物冠层的功能特性，如光利用效率。最近的文献表明，PRI 也适用于测量叶片色素。

了解冠层辐射相互作用

要了解NDVI 和 PRI 的来源，了解树冠与辐射的相互作用非常重要。电磁辐射与植物冠层的相互作用主要有三种结果。

在图 2 中，能量以箭头形式表示为光子。来自太阳的光子可以通过三种方式与树冠相互作用：它们可以传播，即穿过树冠到达地面。它们可以被吸收，即树冠内的绿色光合材料吸收一些光子，并利用这些能量进行光合作用。它们也可以被反射，即光子撞击树冠表面并被反射回太空。

图 3 是电磁辐射示意图。可见光谱是该图中最显著的特征之一。它的波长从 400 纳米到 700 纳米不等，涵盖了人眼所见的蓝色、绿色、黄色、橙色和红色。不过，还有波长很短的紫外线辐射（UV ）和波长较长的红外线辐射。重要的是要明白，在电磁辐射光谱中，有不同能量（波长）的光子。辐射与植物冠层的相互作用取决于波长。例如，红色光子与冠层的相互作用与蓝色光子或近红外光子不同。植被指数测量的是辐射的反射部分。

反射辐射
树冠光谱特征

图 4 显示的是典型的树冠反射光谱，您可以从大多数存在绿色光合材料的树冠中看到这种光谱。y 轴表示电磁辐射的反射率百分比。x 轴是以纳米为单位的波长。从 450 纳米到 700 纳米为可见光范围，在大约 700 纳米处进入红外线，特别是光谱的近红外部分。该光谱来自植物冠层。请注意，可见光谱中反射的大部分辐射都以绿色为峰值。这就是为什么当我们观察植物冠层时，它通常是绿色的。在这种情况下，蓝色和红色被叶绿素强烈吸收。还要注意近红外范围的高反射率。典型的高反射率是因为这些能量不能用于光合作用。植物就是为了反射这种辐射而设计的。

植物树冠的不同成分可能会影响可见光、近红外以及更远的波长范围内的光谱。图 5 展示了不同层次的叶片叶绿素含量。

随着叶绿素含量的变化，光谱也会发生很大的变化，尤其是在绿色和红色之间的可见光区域，以及一点点的近红外区域。

同样，图 6 显示类胡萝卜素含量也会改变反射率，但其对整个光谱的影响要小得多。

叶片细胞结构也是影响反射光谱的树冠特性之一。图 7 显示，它对大部分可见光和近红外光谱的影响趋于均匀。

叶片含水量也会对叶片光谱产生很大影响。图 8 显示的更多是近红外光谱，因为这是水影响最大的地方。我们在可见光范围内看不到这种影响，在近红外范围内影响较小。但是，在 800 纳米左右的波长范围内，就会产生很大的影响。因此，在较长的波长范围内，水含量会产生影响。

前面的例子显示的是树叶层面的影响，然而，从树冠观察到的反射光谱是由许多树叶混合而成的。如果我们把它们放在一起，就可以在图 9 中看到leaf area index 对光谱的可见光和近红外部分也有显著影响。

请注意，在大约 600 到 700 纳米的红色区域和近红外区域，在添加了叶片材料的地方，反射率越来越高。

NDVI 的计算方法

前面的图表说明了连续反射光谱，但NDVI 只集中在光谱的两个特定区域；约 800 纳米的近红外（NIR）与红色区域的反射率相结合，红色区域通常约为 650 至 700 纳米（图 10）。NDVI NDVI 值越高，树冠越绿或叶面积越大。

如前所述，反射率百分比是上涌辐射或树冠反射的辐射与入射或照射树冠的能量之比。NDVI 采用红色和近红外波段的原因是，红色受叶绿素含量的影响很大，而近红外则与叶片细胞结构和叶片内的空气空间有关。随着叶片的膨大和成熟，细胞结构会发生变化，这会对近红外散射产生很大影响。从图 10 的光谱中我们还可以看到，红色被强烈吸收。我们可以看出这一点，因为反射的不多。但在近红外光谱中，我们可以看到大量的反射。因此，通过计算红外线和近红外之间的比率（公式 1），我们可以了解植被冠层的情况。

NDVI 应用
使用leaf area index 进行估算NDVI

NDVI 通常用于估算各种不同树冠的leaf area index 。这在时间序列分析中尤其有用，因为您可以跟踪NDVI 随时间的变化。在一年生落叶树冠中，leaf area index 的季节性变化较大，NDVI 对跟踪这些变化非常有用。NDVI 也可用于推断或估计leaf area index 的空间变化。

图 11 显示了研究人员如何利用图像来了解 LAI 的空间变化。由于图像具有近红外和红波波段，他们可以利用图像计算出NDVI 。然后，他们利用这些NDVI 值绘制作物 LAI 图，这样就能看到每个管理单元之间和内部的 LAI 空间异质性。

请注意，NDVI 的应用有其局限性。

图 12 显示，当 LAI 超过 3 到 4 时，NDVI 与leaf area index 的关系趋于饱和。这是因为在红色波段，叶绿素的吸收率往往很低，即使 LAI 很低也是如此。因此，随着叶面积的增加，当 LAI 超过 3 或 4 时，吸收率只会发生微小的变化。同样，在近红外波段，随着叶片面积的增加，近红外反射率的增量变化在 LAI 很高时也会减弱。因此，这是使用NDVI 估算 LAI 的一个潜在弱点。这种方法只适用于 LAI 为 0 到 4 的树冠。

NDVI 的另一个相关应用是估算光截获量，因为 LAI 与植物冠层的光吸收量有关。叶片越多，吸收的光就越多。光截获是一个重要的变量，因为它能让我们了解冠层吸收了多少光。例如，如果我们假定树冠已经适应环境并能利用所有光能，那么了解部分截光率就能在一定程度上说明光合作用的能力。

使用 NDVI来预测光合有效辐射的截光率或吸收率（F_PARNDVI 之间的关系。_PAR之间的关系通常不会饱和。当 LAI 约为三到四时，光吸收会相对完全。当叶片面积增加时，光吸收分数不会线性增加。图 13 显示了NDVI 和FPAR 之间的线性关系。_PAR.

请注意，即使截取分数值很高，曲线也保持线性。

在物候学中使用NDVI

NDVI 另一个比较常见的用途是估计落叶系统、一年生系统或叶面积年际变化较大的其他类型系统的物候学。图 14 的下图显示，如果我们有NDVI 数据的时间序列，然后对该时间序列进行曲线拟合，就会发现它具有相当规律的模式。

冬季，不仅叶面积大，NDVI 也低。到了春季，随着 LAI 的增加，NDVI 。在生长季节中期达到峰值，然后到了秋季，衰老和落叶导致NDVI 值下降。利用这些曲线，我们可以提取有关各种事件发生时间的各种指标。例如，如果您对返青或季节开始的时间感兴趣。图 14 的上图显示了从NDVI 曲线中提取的SOSp指标。SOSp指标显示了树叶开始生长的时间。因为我们可以看到树叶开始膨大的时间，所以我们可以用一个特定的日期将其标记为季节的开始。如果我们把多年的观测结果放在一起，就会有很多特定树冠季节开始的日期。然后，我们可以将其与气候变量或其他变量联系起来，看看是否存在任何因果关系。例如，一些研究人员发现，随着气候变暖，启动季节通常会在一年中提前到来。我们还可以从这些曲线中提取许多其他指标。我们既可以直接使用NDVI 数据作为物候指标，也可以使用NDVI 数据作为预测物候事件发生时间模型的直接输入。

图 15 展示了利用NDVI 了解物候的另一个例子。在树种混交的林分中，我们可以观察树冠内的许多不同位置，甚至是单棵树木，并跟踪其生长发育的时间。图 15 显示了春季混交林的发展情况。所有树种一开始的NDVI 值都大不相同。这与它们当时的leaf area index 直接相关。随着春季的到来，落叶树种的NDVI 值通常会增加，然后在大约第 150 天后，所有树种的NDVI 值趋于一致。因此，在大约第 150 天时，树冠开始达到结构成熟。我们不一定知道此时光合适应发生了什么变化，但这些数据是一个很好的例子，说明了NDVI 数据如何用于评估空间异质性或不同物种或不同树木的返青差异，即使在同一林分中也是如此。

使用NDVI 估算生产率

NDVI 在落叶树冠或季节性很强的树冠（如一年生草地）中，绿叶面积的存在与季节性光合作用密切相关。

例如，图 16 是 Ryu 发表的一篇论文中的数据，他在该论文中对一年生草地的NDVI 进行了数年跟踪。NDVI 值是上图中的绿色点，同一张图中的开圆是光合作用测量值。请注意，NDVI 很好地跟踪了这片一年生草地光合作用的时间和幅度。在下图中，他采集了整个四年的数据集，并显示了NDVI 和冠层光合作用之间的相关关系。因此，他创建了一个经验模型，利用NDVI 来估算这个生态系统中的冠层光合作用。由于NDVI 可以跟踪该系统中光合作用的时间，因此我们不仅可以估算出一年中任何一天的瞬时光合作用，还可以回答以下问题：如何估算碳更新期？季节从何时开始？何时达到顶峰？何时结束？图 16 是一个丰富的数据集，可以从中挖掘出各种有用的变量。

NDVI 局限性

使用NDVI 时需要考虑的一些限制有

1. 如前所述，NDVI 在 LAI 较高时趋于饱和：（见图 12）规避这一问题的一种方法是，根据您的要求，LAI 可能不是您所需要的。也许需要的是实际的分数截获。但如果您需要的是 LAI，那么请记住，如果您在 LAI 非常高的系统中工作，NDVI 可能不会有太大的用处。
2. NDVI 在常绿生态系统中并不十分活跃，至少在时间序列方法中不是这样：这是有道理的，因为常绿系统的肢体是常绿的。从冬季到夏季，leaf area index ，因此部分截光量变化不大，至少在 LAI 控制范围内是这样。

图 17 显示，在一整年中，NDVI 值相当稳定，而冠层_二氧化碳吸收量或光合作用则随时间变化。但NDVI 的时间动态与冠层_二氧化碳吸收量之间没有联系。因此，这样使用NDVI 是不合适的。我们希望了解更多有关冠层的信息，以及是什么在推动功能变化。尽管如此，在常绿系统中，NDVI 对观察空间异质性仍然有用。如果您正在寻找大面积或长时间序列中 LAI 或光截获生物量的变化。例如，如果要评估野火后的恢复和生长情况，即使是常绿系统，如果考察的时间足够长，NDVI ，系统中也会有反应。不过，在年度时间尺度上，可能不会有太大的动态变化。

如何计算 PRI（光化学反射指数）

PRI 的计算方法与NDVI 相似，唯一不同的是输入的波长或波段。PRI 是根据 531 纳米和 570 纳米的反射率计算的，PRI 值范围为-1 到 1。

光化学反射指数最常用于了解植物冠层内的光利用效率或光利用效率的变化。这主要是通过观察 531 纳米对黄绿素色素变化的反应来实现的。

图 18 显示了相对较快地连续采集到的几个不同的反射光谱。通过计算这两个光谱之间的差异，我们可以看到差异最大的几个峰区。其中一个大约 531 纳米的峰值可以追溯到黄绿素循环活动。

黄绿素循环是一个快速、可逆的作用/反应过程，在这个过程中，黄绿素色素经历了一个向前和向后的内部转换过程。

图 19 展示了这一内部转换过程。在图的右侧，我们从 violaxanthin 开始。然后转化为花青素，最终产物是玉米黄质。玉米黄质是未受胁迫的状态，当植物遇到胁迫时，色素会发生内部转换，直到玉米黄质状态下的色素增多。如果压力得到释放，这一过程是可逆的。例如：如果我们降低光照水平，这些色素的内部转换就会逆转，使植物组织中的大部分色素都是玉米黄质。这是植物安全应对压力环境的一种普遍方法。当植物在室外时，它们会不断吸收辐射。它们无法站起来走开。这个过程是它们吸收多余光线进入黄绿素循环的一种方式，在黄绿素循环中，能量被用来驱动色素的内部转换，而不是伤害光合作用机器。当光被吸收并用于黄绿素循环时，就会降低光的利用效率，因为这些光并没有推动碳的吸收。相反，它通过黄绿素循环进入了散热过程。因此，黄绿素循环是植物控制光利用效率的一种方式。

随着时间的推移，黄绿素循环还显示出其他有趣的动态变化。例如，Demmig、Adams 和 Adams 的论文中的图 20 显示了几种不同的处理方法，以及我们可以预期的叶黄素总含量（暴黄质、花青质和玉米黄质含量的总和）。此外，它还显示了相对的黄绿素总量，或者说是暴涨黄绿素、花生黄绿素和玉米黄绿素的比例。

顶部的饼图比较了阴影叶片和阳光叶片。在有阳光的叶片中，叶绿素池的总面积远大于遮光叶片。请注意每种叶黄素的比例。在阴凉处的叶片中，更多的叶黄素处于中齿黄素状态，这可能是因为在采集样本的瞬间对光保护的需求较少。相反，在阳光下的叶片中，处于玉米黄素状态的叶黄素比例要高得多，这表明叶片需要光保护。

比较夏季和冬季的叶绿素含量也可以看出同样的道理。例如，在越冬的常青树中，夏季对光照保护的需求要小得多，因为植物吸收的大量能量（假设没有压力）可以用于光合作用。但在冬季，气温很低，光合作用的条件并不有利。植物仍然在吸收光，但为了不毁灭自己，它必须有所作为。因此，植物将资源投入到增加黄绿素的储备上。因此，冬季玉米黄质的比例较大，因为光保护的要求很高。

在最下面的例子中，氮素处理存在差异，基本上与其他两个例子的模式相同。氮充足时，植物的压力较小，对光照保护的需求较低。氮含量低时，植物无法利用吸收的光子，更需要通过叶黄素色素进行光保护。

PRI 有助于捕捉黄绿素的动态变化

研究人员使用 PRI 的一种方法是捕捉这些黄绿素的时间动态（即通过黄绿素活动实现光利用效率）。约翰-加蒙（John Gamon）博士发现黄绿素循环活动可通过反射光谱进行检测，从而开始使用 PRI。他发现 531 纳米的反射率对黄绿素的变化最为敏感。

图 21 右上方显示的是 531 纳米波长的反射率，X 轴上的氧化状态表示黄绿素循环的状态，也就是中黄素、花青素和玉米黄素的比例。在这个短时间内，我们可以看到叶黄素循环的动态变化，531 纳米的反射率对这些变化很敏感。

需要注意的是，PRI 还使用了 570 纳米的参考波段，这只是作为参考。当黄绿素发生变化时，570 纳米波段不会发生任何变化。

图 22 显示，PRI 的变化对黄绿素氧化态变化的敏感度几乎与 531 纳米反射率相同。还要注意的是，黄绿素活性只能在反射光谱中相对较窄的波段内检测到。在这种情况下，宽波段（即测量整个绿色光谱）很可能会漏掉黄绿素循环活动。因此，需要进行窄波段测量，才能检测到或足够灵敏地检测到与黄绿素有关的变化。

了解光合作用功能的动态

一些研究人员利用 PRI 来了解植物光合功能的昼夜动态或短期动态。图 23 和图 24 举例说明了简单实验，显示 PRI 对光利用效率变化的动态影响。

图 23 是研究人员对一株植物进行阶梯光照的实验（光照水平不断增加，直至达到峰值，然后逐渐减弱）。上图显示的是光照水平的上升和下降。_二氧化碳的吸收量（表示光合作用）也在跟踪光照度的变化。因此，当有更多能量时，光合作用就会加快，而当光照水平降低时，光合作用就会减弱。

图 23 中的下图是使用不同测量方法进行的完全相同的实验。两个测量值分别是 PRI 和𝚫F/F_m这是一种荧光测量方法，用于测量光系统 II 的效率（与光利用效率有关）。图 24 显示，PRI 和荧光测量能很好地跟踪光照水平阶跃的时间。同样，随着光照强度的增加，PRI 下降，而𝚫F/F_m降低，这都表明光利用效率下降。而当光照度逐渐降低时，我们看到的情况正好相反。

图 24 是另一个简单的实验，说明荧光和 PRI 随时间的变化情况。植物在零时开始处于黑暗中。一小时后，灯光开启，荧光和 PRI 几乎立即产生反应。它们的反应非常强烈，与光利用效率呈下降趋势。然后，在开灯一段时间后，实验人员将灯关掉。同样，随着叶片生理机能的变化，荧光和 PRI 都会对光照度的变化做出相对快速、即时的反应。

这些实验表明，PRI 可用于测量一天中可能发生的快速变化，或植物冠层从阳光下到阴凉处的变化。当这些或其他环境变量发生变化时，我们预计 PRI 可能会检测到光利用效率的变化。

利用 PRI 进行长期变革

使用 PRI 进行长期测量的想法一直存在，但由于长期测量 PRI 有一定难度，因此并没有那么多研究人员在这一领域进行研究。这通常需要先进的仪器来获取窄波长的光。不过，最近人们对这一领域产生了更多兴趣，图 25 中展示的结果相对较新，仍在探索之中。

研究人员目前发现，在较长的时间段内，PRI不仅对黄绿素周期敏感，对类胡萝卜素和叶绿素的总含量也很敏感。值得注意的是，类黄素（中角黄素、花角黄素和玉米黄素）是类胡萝卜素的一种。因此，当研究人员测量类胡萝卜素的总含量时，其中很大一部分实际上是叶黄素。目前还不完全清楚 PRI 是否只对叶黄素或类胡萝卜素总量做出反应。进一步的研究将有助于澄清这一点。但研究人员发现，PRI 和类胡萝卜素与叶绿素的比例之间存在着非常紧密的相关性。类胡萝卜素与叶绿素之比可以与光利用效率联系起来，因为类胡萝卜素是附属色素，可以起到采光的作用。但它们中的绝大多数，如黄绿素，也起着光保护作用。因此，当我们比较类胡萝卜素和叶绿素的含量时，就可以观察到这一比例随着时间推移而变化的动态，从而了解植物可能受到的压力有多大。因此，这可能是利用 PRI 观察光利用效率或光合作用效率的一种方法，但需要在更长的时间段或更广的空间范围内进行。

图 25 左侧的图表显示了一项研究对苏格兰松树冠层进行了一整年的观察，以评估光合生理机能、叶片色素和 PRI 之间的长期相关性。他们发现，几乎所有重要的光合生理变量都与 PRI 有关。其中一些原因是这些变量之间存在大量的共相关性，但与之前的研究一致的是，他们确实发现黄绿素与叶绿素的比率、类胡萝卜素与叶绿素的比率以及黄绿素池总规模与类胡萝卜素池总规模之间存在一些最高的相关性。

不过，尽管存在很多共线性，但如果您看一下图 26，研究人员仍然表明，PRI 可以在很长一段时间内用于估算光利用效率的趋势。

因此，PRI 可以很好地测量昼夜时间尺度上的光利用效率，我们似乎也可以在更长的时间尺度上使用它。不过，在较长的时间尺度上使用时，在解释数据时应谨慎，以真正了解导致 PRI 变化的驱动因素。

PRI 限制

与NDVI 一样，PRI 也有一些局限性。首先，PRI 与光利用效率之间的关系（无论时间尺度如何）在不同树冠之间存在差异。因此存在一些物种依赖性和结构依赖性。

图 27 显示，在许多不同物种中，PRI 与荧光（代表光利用效率）之间的关系因物种而异。因此，测量 PRI 并得出光利用效率值是不可能的。必须先做一些背景工作，建立相关关系，才能得出绝对的光利用效率值。这也适用于NDVI 。如果您知道NDVI 值，必须先做一些相关工作，才能将NDVI 数字转换为绝对 LAI 或F_PAR数字。

在整个生长季中，PRI 会随着许多变量的变化而变化，其中大部分都与光合作用有关。但在直接比较某一时间段的 PRI 测量值和另一时间段的 PRI 测量值时，以及在跨空间缩放某些测量值时，一定要谨慎。

还要注意的是，PRI 和光利用效率往往会脱钩，尤其是在极端情况下。例如，在常绿生态系统中，从春季到夏季的过渡时期往往会出现脱钩现象。研究人员观察到的另一种脱钩现象是在极端干旱时。当树木濒临死亡时，PRI 往往会崩溃。在这种情况下，最常见的结果是 PRI 高估了光利用效率。因此，还是需要谨慎。

最后，光利用效率不仅与叶绿素循环色素或其他叶片色素含量有关。在某些情况下还必须考虑光呼吸，而 PRI 与光呼吸无关。因此，光呼吸可能是基于 PRI 估算光利用效率的误差来源。

结合NDVI 和 PRI 的测量结果

人们对能够远程或非破坏性地估计光合作用有着广泛的兴趣。一些研究人员又回到了蒙特斯的光利用效率模型（公式 3）。

其中，GPP（总初级生产力）或光合作用是入射到植物冠层的 PAR（光合有效辐射）乘以_FPAR（部分光拦截）或植物冠层实际吸收 PAR 的程度乘以ε（光利用效率）的乘积。换句话说，这些被吸收的光子以碳水化合物形式固定碳的效率如何？

然而，一些研究人员建议使用F_PAR和ε 的替代值，而不是 PAR 的替代值。

研究人员尝试用NDVI 代替F_PAR和 PRI 取代ε，并取得了一些不错的结果。图 28 是一项跨越时间和空间的研究。

每个数据点要么来自不同地点，要么来自同一地点的不同采样时间段。在这种情况下，他们只是将NDVI 乘以 sPRI（sPRI 是 PRI 的一种缩放方式，使其值介于 0 和 1 之间）。sPRI 基本上等同于 PRI，您可以看到图 28 中的关系相当紧密。

图 29 尝试将 PAR 和_FPAR合并为 APAR。因此，APAR 是吸收的光合有效辐射。因此，这就像是把 PAR 和_FPAR 结合起来，然后再乘以比例 PRI。这些研究人员试图用实际的光合作用单位来估算光合作用。同样，这是一种相当线性的关系。虽然在比例上会有一些偏差，但在光合作用的遥感探测方面还是相当不错的。

将NDVI 和 sPRI 光利用效率类型模型结合起来的一个应用是空间缩放。

图 30 显示了卫星图像生成的产品。通过卫星图像，研究人员可以计算出NDVI 和 PRI。他们在光利用效率模型中结合了NDVI 和 PRI，并为图像中的每个像素或每个位置提取了_二氧化碳吸收量或光合作用的估计值。尽管这是从卫星图像中得出的结果，但可以想象，在整个地形中放置许多传感器，也能得出非常类似的结果，或者至少能通过这种NDVI/PRI 组合方法了解光合作用的空间异质性。

如何测量NDVI 、PRI 和光谱反射率

测量光谱数据的方法有很多种，部分原因是我们可以测量各种波长的光。

图 31 显示了不同仪器的各种测量结果。例如，我们可以从光谱仪中获取所谓的 "高光谱数据"，它可以为我们提供整个光谱范围内近乎连续的信息。这是我们可以从仪器中提取的最详细的光谱数据。通常，这类仪器用于遥感研究类型的应用，我们可能正在寻找新的植被指数或新的动态。例如，在发现 PRI 时，就是通过同时探索多个光谱。

另一种方法是使用数量有限的光谱波段。例如，我们可以从 QuickBird 卫星和其他高分辨率卫星上获得所谓的 "多光谱数据"。QuickBird 为我们提供了蓝色、绿色、红色和近红外波段，仅四个波段就能代表整个植物冠层区域的光谱动态。因此，多光谱方法基本上等同于多波段辐射计。高光谱和多光谱之间的区别比较模糊，但基本上，"高 "表示很多，"多 "表示只有几个。在极端的一边是高光谱，而在相反的一边则是单波段辐射计。PAR 仪器本质上是一种单波段辐射计，测量波段非常宽。它可以测量 400 纳米到 700 纳米之间的辐射，并为整个区域输出单一数值。高温辐射计也做同样的事情，但它的测量区域更广，延伸到更远的近红外和短波红外区域。

因此，我们所需要的仪器取决于研究目标是什么。如果我们的目标只是为本文中的特定应用进行测量，那么全光谱仪就显得多余了。在这种情况下，我们可以使用多波段辐照度计，或者测量 PRI，或者测量NDVI ，或者同时测量这两个波段。我们只需要四个波段。

METER 的NDVI/PRI 传感器是一种多波段辐射计，可同时测量NDVI 和 PRI。

一种波段以 630 纳米和 800 纳米为中心，用于NDVI 测量。另一种传感器的波段以 532 纳米和 570 纳米为中心，用于测量 PRI。光谱反射传感器用于测量进入的辐射（图 33）。

聚四氟乙烯扩散器提供了半球形的天空视角，可以测量入射光。右下角显示的是定向传感器，它具有物理场挡，将视野限制在 20 度以内。这也使它们具有指向性，这样使用它的研究人员就可以在植物冠层内指导传感器的观测方向。它具有 NIST 可追溯校准功能，因此可以提供测量值和实际的光物理单位。它体积小、防水、防风雨，所以你不必担心把它放在室外，让它长时间收集数据，而这正是大多数光谱仪的传统问题。通常情况下，你必须为仪器建造某种容器，以保护它不受外界环境影响。

NDVI 和 PRI 测量考虑因素

如果我们要测量光谱反射率以获得 PRI 和NDVI ，通常我们会对冠层的自上而下视图感兴趣，至少对于辐射测量（或上涌测量）是这样。

这就需要对树冠上方进行测量。这项任务的难度取决于树冠高度。例如，在图 34 中，密歇根州北部有一个通量塔，它在落叶混交树冠上方延伸了很远。这将是 SRS 传感器的完美平台。但如果树冠是小麦作物等，就不需要塔架了。您可以将传感器安装在栅栏柱或坚固的三脚架上。无论哪种方式，传感器都需要位于树冠之上。

在对光谱反射率进行长期测量时，使用双视角仪器是非常有利的：一台仪器向上观测，对入射辐射进行量化；另一台仪器向下观测，对反射辐射进行量化。这意味着无论天空条件如何，您都可以在阳光充足的条件下进行测量，即使云层翻滚，也不会影响测量结果，因为两种辐射源同时被量化。与卫星图像相比，这也是地面光谱反射率测量的一个优势。卫星图像的问题在于，只要有cloud 覆盖，尤其是在可见光区域，就会阻碍我们观察我们感兴趣的树冠生态系统。但 SRS 传感器或光谱仪可以在所有条件下测量树冠，让我们可以在所有条件下更详细地探索NDVI 和 PRI。此外，如果我们试图将传感器置于树冠之上，使用小型、低功耗的传感器会更有优势，因为这样更容易将其置于可以持续监测树冠的位置。

NDVI 和 PRI 需要注意的一点是，太阳传感器表面几何形状的变化会对数据产生巨大影响。这一点在考虑时间序列数据时尤为重要。例如，图 35 绘制了五天的NDVI 。

每条线代表不同的一天。请注意，在所有这些数据中，有一个典型的 U 形模式。这些都是角度效应，意味着变化的不是 LAI 或部分截光。传感器观察的是一个固定的位置。因此，这与光子如何与树冠相互作用并被仪器记录下来有关。

图 36 显示了后向散射和前向散射的极端示例。

在这个例子中，观察者和天幕的位置没有变化，但太阳在天空中的位置在变化。你可以看到，这对光子如何撞击树冠以及如何在观察者或仪器所在位置记录光子产生了非常大的影响。

另外要注意的是，我们在各种天气条件下收集长时间序列数据时，可能会出现一些情况，导致观测结果出现误差。前置光学器件可能会变湿，鸟儿可能会落在传感器上，传感器可能会变脏。所有这些情况都可能导致数据出现噪音或尖峰。例如，图 35 中的第 178 天显示了一个较大的上升尖峰。

因此，通常需要对时间序列NDVI 和 PRI 数据进行一定程度的数据过滤。解决太阳传感器表面几何效应的方法之一是每天只使用一个观测值。这通常能很好地与NDVI 配合使用，因为NDVI 考察的是与结构相关的变量，如 LAI，这些变量在一天内不会有太大变化，但在一天与一天之间或几周、几个月之间会发生变化。因此，如果重点放在这一点上，那么实际上只需要每日的分辨率即可。图 37 是研究人员在每天中午前后提取一次测量值的示例。正午，尤其是太阳正午比较好，因为每天获取观测数据时，太阳天顶和方位角都是一致的。

图 38 是几个不同处理地块的时间序列图，其中绘制的每日数据显示了草地春夏过渡时期的增绿模式或模式差异。

一些研究人员希望获得昼夜数据，尤其是 PRI 数据，因为 PRI 会随着黄绿素循环的动态变化而变化。当植物和植物冠层对环境的快速变化做出反应时，人们很想了解这些紧密耦合和快速反应是什么。如果您打算使用昼夜数据，我们建议您参考托马斯-希尔克（Thomas Hillker）2008 年发表在《环境遥感》（Remote Sensing of Environment）上的一篇论文，研究双向反射率建模（建模或考虑数据中存在的角度效应）。

参考资料

• Colombo、Roberto、Dario Bellingeri、Dante Fasolini 和 Carlo M. Marino。"利用高分辨率卫星数据在不同植被类型中检索leaf area index "。Remote sensing of environment86, no：120-131.(文章链接）。
• Demmig-Adams、Barbara 和 William W. Adams III。"黄绿素循环类胡萝卜素在保护光合作用中的作用"。植物科学趋势》第 1 期（1996 年）：21-26.(文章链接）。
• Gamon, J. A., C. B. Field, W. Bilger, O. Björkman, A. L. Fredeen, and J. Peñuelas."向日葵叶片和树冠的黄绿素循环和叶绿素荧光遥感"。Oecologia85, no. 1 (1990)：1-7.(文章链接）。
• Gamon, John A., Christopher B. Field, Michael L. Goulden, Kevin L. Griffin, Anne E. Hartley, Geeske Joel, Josep Peñuelas, and Riccardo Valentini."加利福尼亚三种植被类型中NDVI 、树冠结构和光合作用之间的关系"。Ecological Applications5, no：28-41.(文章链接）。
• Gamon, JAm, L. Serrano, and J. S. Surfus."光化学反射指数：跨物种、功能类型和营养水平的光合辐射利用效率光学指标"。Oecologia112, no.4 (1997):492-501.（文章链接）。
• Gamon, J. A., and J. S. Surfus."用反射仪评估叶片色素含量和活性"。The New Phytologist143, no：105-117.(文章链接）。
• Gamon, J. A., J. Penuelas, and C. B. Field."跟踪光合效率昼夜变化的窄波段光谱指数"。Remote Sensing of environment41, no：35-44.(文章链接）。
• Garrity, Steven R., Gil Bohrer, Kyle D. Maurer, Kim L. Mueller, Christoph S. Vogel, and Peter S. Curtis."用于估算落叶林碳交换季节转换的多种物候数据源比较"。农业与森林气象学》第 151 期，第 12 号（2011 年）：1741-1752.(文章链接）。
• Garrity, Steven R., Jan UH Eitel, and Lee A. Vierling."厘清植物色素与光化学反射指数之间的关系，揭示类胡萝卜素含量远程估算的新方法"。Remote Sensing of Environment115, no：628-635.(文章链接）。
• Hall, Forrest G., Thomas Hilker, Nicholas C. Coops, Alexei Lyapustin, Karl F. Huemmrich, Elizabeth Middleton, Hank Margolis, Guillaume Drolet, and T. Andrew Black."通过观察PRI随树冠阴影分数的变化对森林光利用效率进行多角度遥感"。Remote Sensing of Environment112, no：3201-3211.(文章链接）。
• Peñuelas、Josep、Iolanda Filella 和 John A. Gamon。"利用光谱反射率评估光合辐射利用效率"。New Phytologist131, no.3 (1995):291-296.(文章链接）。
• Albert Porcar-Castell、José Ignacio Garcia-Plazaola、Caroline J. Nichol、Pasi Kolari、Beñat Olascoaga、Nea Kuusinen、Beatriz Fernández-Marín、Minna Pulkkinen、Eija Juurola 和 Eero Nikinmaa。"光化学反射指数与光合作用光利用效率之间季节关系的生理学"。Oecologia170, no：313-323.(文章链接）。
• Rahman, Abdullah F., John A. Gamon, David A. Fuentes, Dar A. Roberts, and Dylan Prentiss."利用 AVIRIS 图像的高光谱指数模拟北方森林的空间分布生态系统通量"。地球物理研究杂志：Atmospheres106, no.D24 (2001):33579-33591.(文章链接）。
• Rahman, A. F., Vicente D. Cordova, John A. Gamon, Hans Peter Schmid, and Daniel A. Sims."Potential of MODIS ocean bands for estimating CO2 flux from terrestrial vegetation：一种新方法"。地球物理研究快报》第 31 期，第 10 号（2004 年）。(文章链接）。
• Ryu、Youngryel、Dennis D. Baldocchi、Joseph Verfaillie、Siyan Ma、Matthias Falk、Ilse Ruiz-Mercado、Ted Hehn 和 Oliver Sonnentag。"测试使用发光二极管（LED）构建的新型光谱反射传感器的性能，以监测生态系统的新陈代谢、结构和功能"。农业与森林气象学》第 150 卷第 12 期（2010 年）：1597-1606.(文章链接）。

有问题吗？

我们的科学家拥有数十年帮助研究人员和种植者测量土壤-植物-大气连续体的经验。

• 咨询专家
• 索取报价
• 查看我们所有的天篷仪器

附录

如何充分利用NDVI 传感器

观看本视频或阅读下面的文章，了解NDVI 在当前研究中的应用，并了解如何克服NDVI的一些局限性。

NDVI - 全球

最广义的NDVI 是指从地球轨道卫星上获取的数据。在图 1 中，您可以看到全球植被覆盖率高的地区，这些地区的NDVI 值较高，以深绿色表示。

相反，植被较少的地区NDVI 值较低，看上去呈棕色。NDVI 对整个地球表面的植被覆盖量非常敏感。

NDVI - 本地

NDVI 如何在地块层面发挥作用？下图 2 显示了一个演替梯度，零时是一片光秃秃的土壤，或者是一些牧草或一年生草。如果我们离开这块土地足够长的时间，植被就会发生变化：灌木可能会取代草，最终我们可能会看到一片森林。在一大片土地上，我们也可能从草原变成森林。在农业系统中，植被每年都会更替--从光秃秃的田地到植物萌发、成熟和衰老。这种循环每年都在重复。 在这些生长周期中，NDVI 有助于量化随着时间推移而发生的树冠生长以及在不同地貌中发生的空间动态。

光谱反射数据

那么，NDVI 从何而来？在图 3 中，X 轴绘制的是电磁波谱中的光波长；450 到 950 纳米的波长涵盖了可见光区域和部分近红外区域。y 轴为反射率百分比。 这是绿色植被的典型反射光谱。

绿色高光谱线是我们期望从光谱辐射计中得到的结果。 反射率通常在蓝色区域较低，在绿色区域较高，在红色区域较低。从可见光到近红外时，反射率会发生显著变化。标有NDVI 的两个垂直条可以让您了解典型的NDVI 传感器在光谱中的测量位置。 一个波段位于红色区域，另一个波段位于近红外区域。

NDVI 利用了光谱中可见光区域和近红外部分之间的巨大差异。健康生长的植物会强烈反射近红外。 上图右侧的两幅图像是同一区域。 上图显示的是真彩色，即蓝、绿、红三个波段。下图为假彩色红外图像。 显示的三个波段是蓝色、绿色，我们用近红外代替了红色。鲜红色表示有大量的近红外反射，这是绿色或健康植被的典型特征。

NDVI 的配方中含有红外线和近红外，这是因为红外线主要针对叶绿素的吸收，而近红外则对树冠结构和叶片的内部细胞结构很敏感。 随着树冠叶片的增加，叶绿素和结构的复杂性也会增加，因此我们可以预期红色反射率会降低，而近红外反射率会升高。

如何计算NDVI ？

归一化差异植被指数考虑了植物反射的近红外（NIR）量。NDVI 的值通常介于负 1（地表水）和 1（饱满、生机勃勃的树冠）之间。低值（0.1 - 0.4）表示树冠稀疏，高值（0.7 - 0.9）表示树冠饱满、活跃。

计算反射率百分比的方法是量化上涌辐射（照射到树冠然后反射回传感器的辐射）和树冠上的下沉辐射（来自天空）总量。 两者的比值就是每个波段的反射率百分比。

NDVI 应用

人们使用NDVI 来推断诸如 leaf area index(LAI) 或冠层的部分截光 (_FPAR)。 一些科学家还将NDVI 与作物的生物量或产量联系起来。人们还利用NDVI 来了解物候（绿色的一般时间模式），以及植被的分布位置或特定地点的植被数量。

在图 4 中，您可以看到给定树冠 LAI 下的反射光谱如何随leaf area index 而变化，在可见光范围内减少，而在近红外范围内增加。

当 LAI 很低时，反射光谱在红光和近红外之间相对无差别（黑线），但当 LAI 很高时，叶绿素对红光的吸收很强，近红外的反射也很强。事实上，随着 LAI 的增加，800 纳米左右的近红外反射率也在不断增加。

NDVI 局限性

归一化差异植被指数的局限性往往出现在光谱的极端区域。任何时候，如果植被覆盖率非常低（场景的大部分是土壤），NDVI ，则会对土壤敏感。这可能会混淆测量结果。 而在另一个极端，当植被覆盖率很高时，NDVI 就会趋于饱和。请注意，leaf area index (LAI) 为 3（紫色）和 6（绿色）时的光谱差异微乎其微。事实上，在热带森林中，NDVI 对 LAI 的微小变化并不敏感，因为 LAI 已经非常高了。 不过，也有几种解决方案。

解决方案 1：土壤调整植被指数

图 5 显示了对裸露土壤横断面上不同植被指数进行光谱测量的研究结果。 从干燥的粘壤土到潮湿的粘壤土，我们可以看到由于土壤潮湿，NDVI ，这是不可取的。我们对对土壤或土壤湿度变化敏感的指数不感兴趣。不过，图 5 中绘制的其他一些指数对横断面土壤变化的敏感度要低得多。

其中第一个指数是土壤调整植被指数 (SAVI)。SAVI 的计算公式与NDVI 相似。它采用了与NDVI相同的两个波段--近红外波段和红外波段。

唯一不同的是L参数。 L是一个土壤调整因子，数值范围在 0 到 1 之间。 当植被覆盖率为 100% 时，L值为 0，因为不需要进行土壤背景调整。然而，当植被覆盖率非常低时，L参数将接近 1。由于不使用NDVI 就很难准确测量植被覆盖度，因此我们可以事先猜测L应该是多少，从而修改NDVI ，使其对土壤不敏感。通常的做法是将L设为中间值 0.5。从图 5 中可以看到，土壤调整植被指数（SAVI）对土壤背景的敏感度要低得多。

解决方案 2：修改后的 SAVI

下一个植被指数是修正的 SAVI（MSAVI）。SAVI 公式中包含一个我们必须估算的L参数--这不是一种准确的处理方式。 因此，一位名叫齐（Qi）的科学家开发出了一个L 的通用最优值。我们不讨论数学问题，但他能够简化 SAVI 方程，使其不再需要L参数，而只需要输入近红外和红外的反射率。

当齐将 SAVI 与 MSAVI 进行比较时，发现这两个指数在对植被数量的敏感性和对土壤背景的响应方面几乎没有差别。

NDVI 局限性：高 LAI

NDVI 但当LAI接近 4 以上时，灵敏度就会下降。在图 7 中，灵敏度的降低主要是由于红色波段的饱和。测量是在小麦冠层和玉米冠层中进行的。在小麦和玉米冠层的整个光谱范围内，近红外反射灵敏度都很高，但红色饱和相对较快。红色开始饱和的地方就是NDVI 开始饱和的地方。

注意：NDVI 在 LAI 较高时达到饱和，但如果您的目的是获取部分截获光量，NDVI 往往不会出现饱和问题。在图 8 中，_FPAR或光合有效辐射的部分截光远在NDVI 饱和之前就已接近完成。这是因为冠层截取光的效率很高，一旦我们的 LAI 达到约 4，大部分光都已被冠层截取或吸收。 因此，LAI 的递增不会对_FPAR变量产生明显影响。

解决方案 3： WDRVI

解决NDVI 饱和度问题的一种方法是宽动态植被指数 (WDRVI)。它的计算方法与NDVI 相似，但有一个加权系数，可用于减少近红外和红外反射率之间的差异。

在 WDRVI 中，a乘以近红外反射率，以降低其值，使其更接近红色反射率值。这样就平衡了红外和近红外对植被指数的贡献。

a的范围可从 0 到 1。图 9 显示，当a 值越小，宽动态植被指数对 LAI 的线性响应越大。

WDRVI 的唯一缺点是a的选择是主观的。这需要自行试验，直到找到最适合解决方案的a值。 人们倾向于选择一个很低的值，因为随着 LAI 值的降低，他们会越来越接近于线性响应。

解决方案 4：增强植被指数

增强植被指数（EVI）旨在提高高生物量生态系统的灵敏度，但也试图减少大气影响。 这是一个为卫星平台而设计的植被指数。从卫星到地面需要穿过很多大气层，有时大气层中的气溶胶会影响红外和近红外区域的反射率，从而导致虚假观测。 EVI 还试图降低指数对土壤的敏感性。因此，EVI 是解决这两个极端问题的一种方法。

在 EVI 方程中，两个主要输入是近红外和红色反射率。C1、C2 和L都是可以估算的参数，但蓝光波段必须测量。大多数NDVI 传感器都是双波段传感器，因此没有蓝光信息。另外，卫星的蓝光波段噪声相对较大，数据质量也不一定最好，因此 EVI 的价值有限。

解决方案 5：EVI2（增强植被指数 2）

这些问题促使一位名叫 Jiang 的科学家提出了解决方案。江观察到红色波段和蓝色波段之间存在相当大的自相关性，因此他决定尝试制定没有蓝色波段的 EVI，他称之为 EVI2（增强植被指数 2）。如果您对数学感兴趣，我们建议您阅读他的论文，但如果您有兴趣使用，我们在此提供方程。

当 Jiang 计算出他的 EVI2 并将其与传统的 EVI 进行比较时（图 10），两者几乎是一比一的关系。就所有意图和目的而言，EVI2 等同于 EVI。由于它避开了蓝光波段，因此提供了一些令人兴奋的可能性，因为它只需使用近红外波段和红光波段的两个输入来计算NDVI 。

NDVI 传感器摘要

NDVI 尽管NDVI 在某些极端情况下表现不佳，但仍有几种解决方案。 这些解决方案都使用近红外和红外波段，因此您可以使用NDVI 传感器，获取近红外和红外反射率的原始值，并将其重新计算为其中一个指数（还有其他几个指数，我们尚未涉及）。因此，如果您所在的系统具有极高或极低的 LAI，请尝试确定如何将近红外和红外波段用于某种植被指数，以便研究您的具体应用。

参考资料

• Gamon, John A., Christopher B. Field, Michael L. Goulden, Kevin L. Griffin, Anne E. Hartley, Geeske Joel, Josep Peñuelas, and Riccardo Valentini."加利福尼亚三种植被类型中NDVI 、树冠结构和光合作用之间的关系"。Ecological Applications5, no：28-41.(文章链接）。
• Gitelson, Anatoly A. "用于远程量化植被生物物理特征的宽动态范围植被指数"。植物生理学杂志》第 161 卷第 2 期（2004 年）：165-173.(文章链接）。
• Huete, Alfredo."Huete，AR A 土壤调整植被指数（SAVI）。环境遥感"。环境遥感25 (1988)：295-309.
• Jiang、Zhangyan、Alfredo R. Huete、Kamel Didan 和 Tomoaki Miura。"无蓝波段双波段增强植被指数的开发"。Remote sensing of Environment112, no：3833-3845.(文章链接）。
• Qi、Jiaguo、Abdelghani Chehbouni、Alfredo R. Huete、Yann H. Kerr 和 Soroosh Sorooshian。"修正的土壤调整植被指数"。环境遥感48，第 2 期（1994 年）：119-126.(文章链接）。
• Rocha, Adrian V. and Gaius R. Shaver."根据太阳辐射通量和光合有效辐射通量计算的双波段 EVI 的优势"。农业和森林气象学》第 149 卷第 9 期（2009 年）：1560-1563.(文章链接）。

有问题吗？

我们的科学家拥有数十年帮助研究人员和种植者测量土壤-植物-大气连续体的经验。

• 咨询专家
• 索取报价
• 查看我们所有的天篷仪器