增强植被指数（EVI）是一种“优化”指数，旨在通过取消冠层背景信号的耦合和减少大气影响来增强高生物量地区的植被信号，从而提高其敏感性，并改善植被监测。 EVI根据以下等式计算：EVI = G *（NIR-RED）/（NIR + C1 * RED-C2 * Blue * L） 其中NIR /红色/蓝色是经过大气校正或部分大气校正（瑞利和臭氧吸收）的表面反射率，L是冠层背景调整，用于解决通过冠层的非线性，差分NIR和红色辐射传输，C1，C2是气溶胶阻力项的系数，它使用蓝色带校正红色带中的气溶胶影响。 MODIS-EVI算法采用的系数为：L = 1，C1 = 6，C2 = 7.5，G（增益因子）= 2.5。 归一化植被指数（NDVI）对叶绿素敏感，而EVI对冠层结构变化（包括叶面积指数（LAI），冠层类型，植物相貌和冠层结构）更敏感。 这两种植被指数在全球植被研究中相辅相成，并且在检测植被

matlab归一化重组指数代码苯妥英 这是基于python的代码，用于处理现象。 提取基于可见带的植被指数的时间序列，主要是绿色色坐标（GCC），过量绿色指数（ExG）和归一化的绿色和红色（VIgreen）差异使用Savitzky Golay滤波器平滑时间序列，将指数重新缩放为介于0和1之间使用MATLAB Levenberg Marquardt算法完成了基于时间序列曲率变化的季节性提取

使用的库为GDAL、OS、NUMPY 1、读取影像 2、计算植被指数 3、导出植被指数 代码是在此视频基础上做出的改进（https://www.bilibili.com/video/BV1cr4y1F7aD?from=search&seid=2693900365831477955&spm_id_from=333.337.0.0）

该植被指数（NDVI）数据来源于美国NASA定期发布的MODIS数据系列，原始数据集为MOD13A3。MOD13A3的空间分辨率为1km，时间分辨率为monthly。经过提取子数据集、拼接、投影栅格、换算单位、裁剪得到逐月1km的NDVI数据。 投影坐标系：WGS 1984 UTM分带 时间分辨率：逐月 空间分辨率：1 km 引用：Didan, K. (2015). MODIS/Terra Vegetation Indices Monthly L3 Global 1km SIN Grid V006, NASA EOSDIS Land Processes DAAC.https://doi.org/10.5067/MODIS/MOD13A3.006 CSDN主页：https://blog.csdn.net/qq_37948866 下载数据版权归原作者所有，基于开放数据二次处理加工得到，仅供学习使用，请支持正版！

MODIS1B数据的预处理及归一化植被指数计算(1).pdf

这个 Complex Hurst 是为植物冠层光合能量吸收的分散指数定义的，它基于 1.5 阶、2 阶和 2.5 阶中心矩，与大规模人类自然相互作用的多分形模式有关。 此版本 1 程序根据国家平均值随时间计算简单复杂的 Hurst，下一个版本将深入到丝绸之路沿线的城市。

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。