常见植被指数及其适用情况

植被主要构成常见的地表类别之一，并且也是自动解译的主要对象。在对水体与植被共存区域中进行自动提取的研究方面同样存在较多相关工作。目前而言,常见的是包括但不限于阈值法、机器学习算法以及面向对象的方法等,而这些技术各有其特点和适用场景。直至目前仍是最简单且最容易操作的方法。

（1）归一化植被指数

NDVI=(Band4-band3)/(Band3+Band4)

鉴于其在遥感领域中的广泛应用性及其显著的优势,该方法无疑是一种高效可靠的解决方案。鉴于其在遥感领域中的广泛应用性及其显著的优势,该方法无疑是一种高效可靠的解决方案。

（2）阴影植被指数SVI

SVI=NDVI×NIR

在进行植被提取的过程中,尤其是在山区中,由于山体阴影的存在,使得被提取出的 vegetation 显示出与 water 一样的特征,导致传统的 vegetation indices 难以直接应用.为了应对这一挑战,我们提出了 shade-adjusted vegetation index (SVI).这种方法是通过将近红外波段数据与 NDVI 相乘的方式,扩展了 vegetation information.这种处理能够明显增强阴影区域 vegetation 与其他水域之间的区分度.然而,在实际应用中发现对于 water 的去除效果并不理想.尽管如此,SVI 仍然具有其独特的优势:特别是高光区,该指标提