预定义运算公式
波段运算可对影像数据集中的波段进行算术操作。在进行算术操作时，提供了29种预定义公式。
| 方法 | 公式说明 | 运算公式 | 参数说明 |
|---|---|---|---|
| BAI | 燃烧面积指数 (BAI)， 使用红光波段和近红外波段的反射率来识别受火灾影响的面积。 | 1 / ((0.1 - Red) ^ 2 + (0.06 - NIR) ^ 2) |
|
| CIg | 叶绿素指数 - 绿光 (CIg) ，利用近红外波段和绿光波段中的反射率比率来评估叶片中的叶绿素含量。 | (NIR / Green) - 1 |
|
| CIre | 叶绿素指数 - 红边 (CIre) ，利用近红外波段和红边波段的反射率比率来评估叶片中的叶绿素含量。 | (NIR / RedEdge) - 1 |
|
| CIay Minerals | 粘土矿物 (CM) 比例方法是一个地质指标，用于通过两个短波红外 (SWIR) 波段确定包含粘土和明矾石的矿物要素。CM用于矿物复合材料制图。 | SWIR1 / SWIR2 |
|
| EVI | 增强型植被指数 (EVI) 方法是一个经过优化的植被指数，可以解释大气影响和植被背景信号。它类似于NDVI，但是对于背景和大气噪音不是很敏感，在查看绿色植被非常密集的区域时，颜色也不如NDVI那么深。 | 2.5(NIR - Red) / (NIR + 6Red - 7.5Blue + 1) |
|
| Ferrous Minerals |
有色矿物（FM）比例方法是一个地质指标，用于通过短波红外波段和近红外波段来识别包含一定量的含铁矿物的岩石。 主要用于矿物复合材料制图。 |
SWIR / NIR |
|
| GEMI | 全球环境监测指数（GEMI）方法是通过卫星影像进行全球环境监测的非线性植被指数。该指数与NDVI类似，但对大气影响的敏感度较低。同时易受裸土影响，不建议在植被稀疏或中度茂密的区域使用。 |
eta (1-0.25eta) - ((Red - 0.125) / (1 - Red)) |
|
| GNDVI | 绿光归一化差值植被指数（GNDVI）方法是用于评估光合活性的植被指数，并且是用于确定植物冠层吸收的水氮的常用植被指数。 | (NIR - Green) / (NIR + Green) |
|
| GVI（Landsat TM) | 绿色植被指数（GVI）方法设计源于Landsat MSS影像，并已针对Landsat TM影像进行了修改。 它也称为Landsat TM Tasseled Cap绿色植被指数。 它可用于波段共享相同光谱特征的影像。 | -0.2848 * Band1 - 0.2435 * Band2 - 0.5436 * Band3 + 0.7243 * Band4 + 0.0840 * Band5 - 1.1800 * Band7 |
|
| Iron Oxide | 氧化铁（IO）比例方法是一个地质指标，用于使用红光和蓝光波段来识别经过含铁硫化物氧化的岩石要素。IO可用于识别植被树冠下的氧化铁要素，并可用于矿物复合材料制图。 | Red / Blue |
|
| MNDWI | 修正归一化差值水体指数（MNDWI）使用绿光和短波红外波段对开阔水面要素进行增强。该指数还会减少其他指数中通常与开阔水面相关的构建区要素。 | (Green - SWIR）/（Green + SWIR) |
|
| 改良的 SAVI | 修正土壤调节植被指数（MSAVI2）方法将裸土对于 SAVI 的影响降至最小。 | (1 / 2) * (2(NIR + 1) - Sqrt((2NIR + 1) ^ 2 - 8(NIR - Red))) |
|
| MTVI2 | 修正型三角植被指数（MTVI2）方法是一种植被指数，用于检测冠层级别的叶片叶绿素含量，对叶面积指数相对不敏感。 | 1.5(1.2(NIR - Green) - 2.5(Red - Green)) * Sqrt((2NIR+1) ^ 2 - (6NIR - 5 * Sqrt(Red)) - 0.5) |
|
| NBR | 归一化燃烧比率指数（NBRI）使用近红外波段和短波红外波段来突出燃烧面积，同时减少光照和大气效应。在使用此指数前，应根据反射率值校正您的影像。 | (NIR - SWIR）/（NIR + SWIR) |
|
| NDBI | 归一化差值建筑用地指数（NDBI）使用近红外波段和短波红外波段来突出人为构建面积。该指数为比值型，可减轻地形光照差异的影响以及大气效应。 | (SWIR - NIR）/（SWIR + NIR) |
|
| NDMI | 归一化差值含水指数（NDMI）对植被的水分含量敏感。用于监测干旱情况以及监测火灾多发区域的油位情况。 该指数使用近红外波段和短波红外1波段创建比值，可减轻光照影响和大气效应。 | (NIR - SWIR1) / (NIR + SWIR1) |
|
| NDSI | 归一化差分雪盖指数（NDSI）用于在忽略云覆盖的情况下，使用MODIS（波段4和波段6）和Landsat TM（波段2和波段5）识别雪覆盖。因为该指数为比值型，所以同样会减轻大气效应。 | (Green - SWIR）/（Green + SWIR) |
|
| NDVI | 归一化差值植被指数（NDVI）方法是一个标准化指数，用于生成显示植被量（相对生物量）的影像。该指数对多光谱栅格数据集中两个波段的特征进行对比，即红光波段中叶绿素的色素吸收率近红外波段中植物体的高反射率。 | (NIR - Red) / (NIR + Red) |
|
| NDVIre | 红边NDVI（NDVIre）方法是一种植被指数，利用红边波段来评估植被健康状况。 在叶绿素浓度相对较高的生长中后期，该指数对于评估作物健康状况尤其有用。此外，NDVIre 可用于绘制田间叶氮变异，以了解作物的肥料需求。 | (NIR - RedEdge) / (NIR + RedEdge) |
|
| NDWI | 归一化差值水体指数（NDWI）方法是一个用于描绘和监测地表水内容变化的指标。该指标使用近红外和绿光波段进行计算。 | (Green - NIR）/（Green + NIR) |
|
| PVI | 垂直植被指数（PVI）方法与差值植被指数类似，但对大气变化的敏感度较高。使用此方法比较影像时，只可将其用于已进行大气修正的影像。 | (NIR - a * Red - b）/ sqrt(1 + a^2) |
|
| RTVIcore | 红边三角植被指数（RTVICore）方法是用于评估叶面积指数和生物量的植被指数。 | 100(NIR - RedEdge) - 10(NIR - Green) |
|
| SAVI | 调节土壤的植被指数（SAVI）方法是试图通过土壤亮度校正系数最小化土壤亮度影响的植被指数。通常用于植被覆盖率较低的干旱区域，其输出值在 -1.0 到 1.0 之间。 | (NIR - Red）/（NIR + Red + L) * (1 + L) |
|
| SR | 简单比值（SR）方法是用于评估植被量的常用植被指数。 该指数是近红外中散射的光线与红光波段中吸收的光线的比值，降低了大气和地形的影响。 | NIR / Red |
|
| SRre | 红边简单比值（SRre）方法是用于评估健康及缺水植被量的植被指数。该指数是近红外和红边波段中散射的光线的比值，降低了大气和地形的影响。 | NIR / RedEdge |
|
| Sultan | Sultan 方法是通过特定的公式将六波段的八位栅格图像转换为三波段的八位栅格图像，主要用于高亮显示海岸线上的特定岩石构造，如蛇绿岩。 |
Band1 = (Band5 / Band6) * 100 Band2 = (Band5 / Band1) * 100 Band3 = (Band3 / Band4) * (Band5 / Band4) * 100 |
|
| TSAVI | 转换型土壤调节植被指数（TSAVI）方法是通过假设土壤线具有任意斜率和截距来最小化土壤亮度影响的植被指数。 | (s * (NIR - s * Red - a)）/（a * NIR + Red - a * s + X * (1 + s^2)) |
|
| VARI | 可见光大气阻抗指数（VARI）方法是一种植被指数，用于仅在光谱的可见范围内定量估算植被覆盖度。 | Green - Red）/（Green + Red – Blue) |
|
| WNDWI | 加权归一化差值水体指数（WNDWI）方法是用于减少其他水体指数（包括水体浊度、小型水体或遥感场景中阴影）中常见错误的水体指数。 | (Green – α * NIR –（1 – α) * SWIR) / (Green + α * NIR +（1 – α * SWIR） |
|
相关主题