1) vegetation index (VIs)
植被指数(VIs)
2) vegetation index
植被指数
1.
Analysis for vegetation index in spring utilizing satellite remote sensing date in shandong province;
山东省春季植被指数变化的遥感监测分析
2.
Study on plant extraction with Beijing-1 small satellite using vegetation index;
植被指数在“北京一号”数据耕地提取中的应用研究
3.
Study on Desertification Monitoring Model for Grassland in Xilinguole based on MODIS Vegetation Index;
基于MODIS植被指数—NDVI的内蒙古锡林郭勒草场荒漠化监测方法研究
3) NDVI
植被指数
1.
Relationship Between Urban Thermal Distribution and NDVI of Shanghai City;
上海市城市热场与植被指数的相关性
2.
An analysis on eco-environmental effect of urban land use based on remote sensing images:a case study of urban thermal environment and NDVI;
基于遥感影像的城市土地利用生态环境效应研究——以城市热环境和植被指数为例
3.
Study on the Model of Crop Yield Estimating Based on NDVI and Temperature;
基于作物植被指数和温度的产量估算模型研究
4) normalized difference vegetation index
植被指数
1.
Normalized difference vegetation index (NDVI) is calculated from reflectance measurements in the red-NIR ofthe spectrum: ND VI=(NIR-R)/(NIR+R).
对冬小麦植被指数(NDVI)变化规律、不同品种冬小麦植被指数差异、农田水肥状况对植被指数的影响以及植被指数与叶面积指数的关系研究结果表明,冬小麦植被指数具有日变化规律,且随冬小麦生长发育而变化,即小麦生长旺盛时植被指数数值较大。
2.
On the basis of research on sample strips and typical area, the factors of precipitation, temperature and types of land vegetation cover which effect the changes of the normalized difference vegetation index (NDVI) were analyzed by correlation analysis method.
在样带和典型区研究的基础上 ,采用相关分析和偏相关分析方法 ,对影响植被指数变化的因子 (水、热和地表植被覆盖类型 )进行了分析。
5) vegetation indices
植被指数
1.
Modification of vegetation indices based on rice background characteristics;
基于水稻背景特性的植被指数参数修正研究
2.
Decision tree classification of remote sensing images based on vegetation indices
一种基于植被指数的遥感影像决策树分类方法
3.
In this study,vegetation indices(VI) were firstly calculated from the simulated band reflectance spectra of NOAA11-AVHRR,AQUA-MODIS and LANDSAT5-TM using rice canopy hyperspectral reflectance spectra,which were acquired in 2002 and 2004.
本研究利用水稻冠层高光谱数据,模拟NOAA-AVHRR,Terra-MODIS和Landsat-TM的可见光波段反射率数据,计算各传感器的多种植被指数(NDVI,RVI,EVI,GNDVI,GRVI和Red-edge RVI),比较植被指数模型对水稻LAI的估测精度,分析不同植被指数对LAI变化的敏感性。
6) vegetable index
植被指数
1.
Based on the remote sensing data of NOAA/AVHRR from 1991 to 2000 and the winter wheat yield data at the same period, the correlation equation between winter wheat yields and vegetable index of every pixel was established and hereby the winter wheat yield of every pixel was computed.
利用 1991～ 2 0 0 0年NOAA气象卫星遥感资料和同期山东冬小麦产量资料 ,分区建立了冬小麦产量与植被指数之间的关系式 ,推算出每个像元点的产量 ,按照划分高中低产田的阈值 ,将该像元点确定为某一产量类型 ,在GIS的支持下 ,形成了山东省冬小麦高、中、低产田分布图 ,同时 ,对于中低产田的成因进行了初步分
补充资料：植被指数
植被指数
vegetation index
Zhibei zhishU植被指数(vegetation index)利用卫星探测数据或地面光谱观测数据的线性或非线性组合而形成的，能反映绿色植物生长状况和分布的特征指数。绿色植物叶面对可见光和近红外谱段的截然不同的吸收和反射光谱特性，是植被监测的物理基础。风云一号气象卫星(FY一1)、美国NO从气象卫星和陆地资源卫星(1朋dsat)的可见光红外通道和近红外通道反照率测量值的不同组合方式可以得到不同的植被指数，主要有差值植被指数、比值植被指数和归一化植被指数。 差值植被指数(DVI)又称为农业植被指数，定义为近红外通道和可见光红外通道的反照率之差。该指数对土壤背景变化极为敏感，能较好地识别水体，且随植被量的增加而迅速增大。比值植被指数(RVI)又称绿度，定义为近红外通道和可见光红外通道的反照率之比。该指数能较好地反映植被覆盖和生长状况的差异，特别适用于植物生长高度旺盛、具有高筱盖度时的植被监测。归一化植被指数(NDVI)为近红外通道和可见光红外通道反照率之差与之和的商。在植物处于中、低等覆盖程度时，该指数随覆盖度增加而迅速增大，达到一定程度后，其增长缓慢，所以该指数适合于植物早、中期生长阶段的动态监测。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条