摘要 植被是生态系统的重要组成部分，具有调节水文、气候和生态平衡的功能。植被指数是反映地表植被状况的重要指标之一，包含着植被90%以上的遥感信息，可以增强植被信息并削弱非植被信息的干扰。系统总结了全球54种主流植被指数的发展历程、影响因素以及分类体系，描述了其计算公式，并对其应用特点进行了评估和分析。指出未来植被指数的研究应该建立更加完善的汇总体系，关注植被指数的应用特点及应用方向，为生态研究、生产实践等提供理论基础。
植被是生态系统的重要组成部分，具有调节水文、气候和生态平衡的功能。植被指数是反映地表植被状况的重要指标之一，包含着植被90%以上的遥感信息，可以增强植被信息并削弱非植被信息的干扰。系统总结了全球54种主流植被指数的发展历程、影响因素以及分类体系，描述了其计算公式，并对其应用特点进行了评估和分析。指出未来植被指数的研究应该建立更加完善的汇总体系，关注植被指数的应用特点及应用方向，为生态研究、生产实践等提供理论基础。
地球表面辐射通量的光谱组成能够反映物候环境中的土壤、水分、植被等的物理性质且具有显著的规律性，而遥感技术、模型以及指数就是为了将这些光谱信息转换成易于理解的形式。因此，可根据植被的反射光谱特征来评价植被生长情况、生态效益等。关于植被研究的波段在气象卫星和地球观测卫星上都普遍存在，这些波段的不同组合方式则定义为植被指数。
研究发现，在可见光波段(400~760nm)的蓝色波段(450nm)和红色波段(670nm)这2个吸收带的中间，植被的反射光谱在绿色波段(550nm)处有一个小反射峰(图1)。由于叶片特殊组织结构中的空腔增大了反射表面，而且叶绿体的水溶胶状态，散射了大量的辐射能量，形成了高反射率，在近红外波段(700~800nm)有一个反射的陡坡，至1100nm附近有一个峰值。受绿色植物含水率的影响，在中红外波段(1300~2500nm)，吸收率增大，反射率下降，特别是以1450、1950和2700nm为中心的波段是水的吸收带。近红外波段的反射陡坡、至1100nm附近的小峰值，是植被的独有特征。红色波段和近红外波段之间的反差是植被生物量的一种表征。因此，可以根据植物在不同波长下的反射率特点进行辨别分类。此外，近红外与红光光谱观测通道的不同组合得到的植被指数可以在一定程度上反映自然植被的演化信息
。
具有代表性的植被指数有归一化差异植被指数(NDVI)、叶面积指数(LAI)、增强型植被指数(EVI)等。
叶面积指数(leaf area index，LAI)定义为单位土地面积上的总植物叶面积。自1947年提出以来，就已作为重要植物学参数和评价指标，在农林果业以及生物、生态学等领域应用广泛。LAI利用植被冠层的光谱特征来遥感定量统计。叶面积指数与各种冠层活动过程密切相关，例如，叶片的蒸散过程、叶片枯落过程等，因此该指数被广泛用于描述植物冠层的光合和叶面蒸腾。归一化植被指数(normalized difference vegetation index，NDVI)作为反映农作物长势和营养信息的重要参数，是应用率最高的指数。利用该指数，能够得到农作物在不同季节的需氮量，可以指导合理施用氮肥。
NDVI与LAI相比，LAI与叶面积的相关性更好，而且对土壤亮度和大气衰减的敏感性也更低。同时NDVI也是评估如LAI、植被覆盖度、生物量等各种生物物理参数的中介。NDVI能够部分消除与太阳高度角、卫星观测角、地形、云影等与大气条件有关的辐射变化的影响。
目前，NDVI依然是比较流行的植被指数，但其也存在一些不可忽视的缺点，NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。利用相同数据分别求RVI和NDVI，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度;NDVI会过度估计生长季节开始时的植被覆盖度和季节结束时的覆盖度。
1974年，Rouse和其他学者为了避免NDVI的负值，转换了NDVI，重新定义了一种植被指数———转换植被指数(transform vegetation index，TVI)。1992年，Daughtry和一些学者根据NDVI提出了绿色归一化植被指数(green normalize difference vegetationindex，GNDVI)。Roujean和Breon利用归一化差异植被指数和差值植被指数(difference vegetationindex，DVI)开发了修正比值植被指数(renormalizeddifference vegetation index，RDVI)。
进入21世纪后，相继出现了很多NDVI的优化版本。例如，Gitelson等提出的大动态范围植被指数(wide dynamic range vegetationindex，WDRVI)，该指数主要是克服了中高密度绿色植被覆盖时NDVI灵敏度下降的问题。2007年，汪卓琦等提出高光谱植被指数(hyperspectral vegetation index，VIUPD)，该指数可以提取植被生物物理参数的定量信息，并且监测植被的生长情况。2016年，根据NDVI演化出了归一差异指数的重整指数(renormalized difference vegetation index，RNDVI)，该指数可以判断植物的生长期，目前有许多关于水稻的研究会应用到RNDVI，当RNDVI<0时表明作物处于生长期，而当RNDVI>0时表明作物处于衰老期。
表1列举了现有文献中54种主流植被指数的名称、公式、文献来源和应用特点。由典型植被指数NDVI的发展历程，可以把植被指数的发展史大体分成2个阶段:首先，第一发展阶段就只是基于线性组合(差、和或比值)，而不考虑其他外部因素，即不考虑土壤植被的相互作用;其次，第二阶段以解释电磁辐射、大气、植被和土壤背景之间相互作用的物理现象的知识为基础，第二阶段是获取知识和理论方法的起点，可以利用遥感技术或相关学科来解决植被指数的问题。
植被指数应用广泛，不仅计算便捷而且时间序列长，但是植被指数又受很多因素的限制，在“大气—土壤—植被”的系统中，主要是受到大气对反射波的吸收反射、土壤背景的干扰、冠层结构的影响，此外还会受到卫星观测角度、太阳高度角、传感器类型等的限制。波长范围、土壤特性、大气质量、湿度温度等则是影响植被指数的物理因素。以往研究表明，影响植被指数的因子大致可以归属于2个相互独立又相互补充的领域:生物领域和物理领域。在考虑植被覆盖随时间演替的光学特性时，植被的含水率、矿物质含量、叶片分布、生物入侵等都是影响植被指数的生物因素。因此，在完善植被指数的发展之路上，必须要研究植被指数的影响因素。
植被指数是评估植被的关键指标，可以反映大多数的植被信息。
它应用广泛，不仅可以指导生产实践，监测干旱水文，同时对于水土流失的监测也具有重要指导意义。
(1)相比单波段，植被指数能更有效地表达植物的活力。植被指数可以广泛应用于叶面积指数的反演、旱区监测和土地利用类型变化情况等。然而，植被指数并没有一个标准的普适值，不同的植被指数往往会有不同的研究结果。另外，大气条件、土壤亮度、太阳高度角、传感器类型等都是制约植被指数的重要因素，从而影响计算结果。
(2)植被指数的发展史就是下一代对上一代指数的限制因素的改进，为扩大适用范围植被指数在数值的正负、波段的选择等方面一直在不断发展完善。第一代植被指数完全是基于最简单的线性组合，或者是利用原始卫星数据。第二代是以解释电磁辐射、大气因素、土壤背景之间的相互作用的物理现象的知识理论为基础，解决植被指数应用的问题。但是，这些问题尚不明确。
(3)目前有抗大气干扰的植被指数、抗土壤背景的植被指数，也有其他类型的植被指数，但是能够综合反映“大气土壤—植被”系统的指数还是未来研究的重点。分析表明，在理想条件下第二代植被指数比一代能够更好地反映真实情况，是因为二代对大气效应和土壤亮度等干扰因素的敏感度降低了，对植被覆盖的敏感度升高了。与前人研究相比，该研究统计的植被指数种类更加丰富，植被指数汇总相对完整，从植被指数的诞生到不断发展，各个阶段的不同方向的发展都有更加完善的论述，并且汇总了植被指数的应用特点，可以更好地为实践应用提供参考依据。鉴于目前针对不同植被指数性能的评估研究缺乏，对这些指数的系统评估是未来急需开展的工作。
