基于PROSPECT+SAIL植被辐射传输模型,通过控制不同的植被生化变量、地表参数和土壤光谱参数建立光谱数据集,定量地分析了归一化植被指数(NDVI)、比值植被指数(SR)、土壤调节植被指数(SAVI)等10种常用的植被指数(VIs)对叶面积指数(LAI)的响应。利用敏感性函数定量地筛选出具有较强适用性的转换型土壤调节植被指数(TSAVI)。在此基础上,分别建立了TSAVI及常用植被指数NDVI反演LAI的模型。以张掖市南部地区的TM影像为数据源,进行了LAI的反演,并利用黑河生态水文遥感试验获得的中游

借助GIS对图形(影像)、属性、时态数据存储、查询、分析以及管理的强大功能,对利用陕西省2003年全年的MODIS数据生成的不同时相的归一化植被指数(NDVI)、比值植被指数(RVI)、差值\环境植被指数(DVI\EVI)等多种植被指数,及其对应的MOIDS影像和空间位置(地图)数据进行存储,将必要的植被指数分析方法和分析模型整合到该GIS空间数据库之中,达到数据、方法、模型在基于GIS植被指数空间数据库中的集成与统一,以实现基于时相和波谱信息MO-DIS、ETM影像数据的显示、查询、分析、管理等功能。实践证明,在GIS空间数据库中将时相、波谱和空间位置信息应用到遥感影像植被信息的提取中,从分析遥感影像的植被指数空间信息出发,能够较好地实现对植被指数信息的认识,为研究不同地区的植被分类、农作物长势监测及地表植被变化等方面提供分析依据。

提出了一种在遥感影像上自动提取土壤线的方法,并用NDVI作比较,验证了基于自动提取的土壤线计算的PVI和实测地上生物量之间的相关性及其削弱土壤背景的能力。结果表明基于自动提取的土壤线计算的PVI比NDVI对于地表草地生物量而言具有更好的相关性。研究结果使基于土壤线的植被指数的计算更方便,对提高遥感植被指数的计算精度具有一定的意义。

植被指数（NDVI, Normalized Difference Vegetation Index）可以准确反映地表植被覆盖状况。目前，基于SPOT/VEGETATION以及MODIS等卫星遥感影像得到的NDVI时序数据已经在各尺度区域的植被动态变化监测、土地利用/覆被变化检测、宏观植被覆盖分类和净初级生产力估算等研究中得到了广泛的应用。

通过遥感数据获取的归一化植被指数(NDVI)能够较好地反映植被的生长状况，并且为区域尺度、长时间序列的植被监测提供可能。本研究采用黑龙江大兴安岭地区2000-2009年MODIS／NDVI月值数据，分析和监测该地区年际NDVI变化，并利用趋势分析、假设检验、相关分析等方法研究了多种影响因子对该地区NDVI变化的影响。

为了分析研究不同地表发射率反演算法的精度和适用性,文中选取西安市的遥感影像Landsat 8为基础数据,运用ENVI,ArcGIS等软件,首先对Landsat 8数据进行预处理,提取西安市的NDVI影像;然后,建立决策树模型得到西安市地表分类影像,并基于像元二分模型反演得到植被覆盖度,基于NDVI得到4种不同算法的地表发射率;最后,以精度0. 01的MODIS LSE产品为标准数据,从像元尺度上对比分析了4种算法的精度,并依据回归决策树方法的分类结果,对比分析了不同算法在各类地表覆盖类型上的发射率反演差异。结果表明:在像元尺度上,植被指数混合模型法与NDVITEM改进算法精度较高且较为接近;从不同下垫面的反演差异来看,在植被区域4种算法之间的差异较小,而对于水体区域,4种算法之间的差异较大;从反演方法的适用性而言,植被指数混合模型法与NDVITEM改进算法较为适合本研究区。

基于C#的遥感图像的比值植被指数求算，希望能够帮到大家

NDVI数据集是基于连续时间序列的SPOT/VEGETATION NDVI卫星遥感数据，采用最大值合成法生成的，时间跨度1998-2020年，格式为tif格式，已分别按年份对月数据进行打包压缩。该数据集有效反映了全国各地区在空间和时间尺度上的植被覆盖分布和变化状况。CSDN资源为txt，内含百度网盘下载链接。

利用2001-2003年MODIS16天最大合成NDVI数据,以及Savitzky-Golay滤波方法提取了陇西黄土高原植被的物候信息。结果表明：研究区内植被物候信息存在明显的空间格局,这种格局是人类活动和环境要素共同作用的结果。利用遥感时序数据可以有效地提取大范围的物候信息,为大范围的植被监测提供新的思路。

1986-2020年逐年，中国Landsat 5/7/8 地表反射率数据 通过增强型植被指数EVI波段运算反演得到的数据，分辨率为1km，所用的数据年份和名称为： //landsat5:LANDSAT/LT05/C01/T1_SR 1986-2010 //landsat7:LANDSAT/LE07/C01/T1_SR 2011-2013 //landsat8:LANDSAT/LC08/C01/T1_SR 2014-2020