遥感常用相关指数和计算方法（植被指数/水体指数/雪和冰指数/矿物指数/地表温度指数/云和阴影指数/农业指数）

嘟噜兜子

墨衍会员 · AI 创作全网分发码龄5年

关注

VIP免费原创最新推荐文章于 2026-08-14 09:29:56 发布 1.8w 阅读 AI 写同款· GEO 优化 ›

常用的遥感指数介绍主要介绍常用的遥感指数，如NDVI、EVI、LAI、RECI、NDBI、NDWI、MNDWI等指数. 阅读详情

植被指数

植被指数主要反映植被在可见光、近红外波段反射与土壤背景之间差异的指标，各个植被指数在一定条件下能用来定量说明植被的生长状况。在学习和使用植被指数时必须由一些基本的认识：

1．健康的绿色植被在NIR和R的反射差异比较大，原因在于R对于绿色植物来说是强吸收的，NIR则是高反射高透射的

2．建立植被指数的目的是有效地综合各有关的光谱信号，增强植被信息，减少非植被信息

3．植被指数有明显的地域性和时效性，受植被本身、环境、大气等条件的影响

中文名	英文名	计算方法	指数含义	哨兵波段数
归一化水分指数	Normalized Difference Moisture Index (NDMI)	(B8 - B11) / (B8 + B11)	估计植被水分含量	B8（近红外波段）, B11（短波红外波段）
归一化差异植被指数	Enhanced Vegetation Index (EVI)	*2.5 (B8 - B4) / (B8 + 6 * B4 - 7.5 * B2 + 1)**	提高植被覆盖估计的精度和稳定性	B2（蓝光波段）, B4（红光波段）, B8（近红外波段）
归一化植被指数	Soil Adjusted Vegetation Index (SAVI)	*(B8 - B4) / (B8 + B4 + L) (1 + L)**	考虑土壤亮度影响的植被指数	B4（红光波段）, B8（近红外波段）
叶面积指数	Leaf Area Index (LAI)	反演模型求解	估计植被覆盖程度和生物量	根据模型可能涉及多个波段，如B3（绿光波段）, B4（红光波段）, B8（近红外波段）等
绿度指数	Greenness Index (GI)	(B3 - B2) / (B3 + B2)	衡量植被绿度，反映植被覆盖情况	B2（蓝光波段）, B3（绿光波段）
土壤调整植被指数	Soil Adjusted Vegetation Index (SAVI)	*(1 + L) (B8 - B4) / (B8 + B4 + L)**	修正土壤背景对植被指数的影响，提高植被信息准确性	B4（红光波段）, B8（近红外波段）
改进植被指数	Enhanced Vegetation Index (EVI)	*2.5 (B8 - B4) / (B8 + 6 * B4 - 7.5 * B2 + 1)**	考虑大气校正、土壤背景及叶绿素含量影响，改善植被指数准确性	B2（蓝光波段）, B4（红光波段）, B8（近红外波段）