研究對象
RVI
比值植被指數
RVI=NIR/R，或兩個波段反射率的比值。
1．綠色健康植被復蓋地區的RVI遠大於1，而無植被復蓋的地面（裸土、人工建築、水體、植被枯死或嚴重蟲害）的RVI在1附近。植被的RVI通常大於2；
2．RVI是綠色植物的靈敏指示參數，與LAI、葉乾生物量(DM)、葉綠素含量相關性高，可用於檢測和估算植物生物量
3．植被復蓋度影響RVI，當植被復蓋度較高時，RVI對植被十分敏感；當植被復蓋度<50%時，這種敏感性顯著降低；
4．RVI受大氣條件影響，大氣效應大大降低對植被檢測的靈敏度，所以在計算前需要進行大氣校正，或用反射率計算RVI。
NDVI
歸一化植被指數
NDVI=(NIR-R)/(NIR+R)，或兩個波段反射率的計算。
1．NDVI的套用：檢測植被生長狀態、植被復蓋度和消除部分輻射誤差等；
2．-1<=NDVI<=1，負值表示地面復蓋為雲、水、雪等，對可見光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被復蓋，且隨復蓋度增大而增大
3．NDVI的局限性表現在，用非線性拉伸的方式增強了NIR和R的反射率的對比度。對於同一幅圖象，分別求RVI和NDVI時會發現，RVI值增加的速度高於NDVI增加速度，即NDVI對高植被區具有較低的靈敏度；
4．NDVI能反映出植物冠層的背景影響，如土壤、潮濕地面、雪、枯葉、粗糙度等，且與植被復蓋有關
GVI
綠度植被指數
k-t變換後表示綠度的分量。
1．通過k-t變換使植被與土壤的光譜特性分離。植被生長過程的光譜圖形呈所謂的"穗帽"狀，而土壤光譜構成一條土壤亮度線，土壤的含水量、有機質含量、粒度大小、礦物成分、表面粗糙度等特徵的光譜變化沿土壤亮度線方向產生。
2．kt變換後得到的第一個分量表示土壤亮度，第二個分量表示綠度，第三個分量隨感測器不同而表達不同的含義。如，MSS的第三個分量表示黃度，沒有確定的意義；TM的第三個分量表示濕度。
3．第一二分量集中了>95%的信息，這兩個分量構成的二點陣圖可以很好地反映出植被和土壤光譜特徵的差異。
4．GVI是各波段輻射亮度值的加權和，而輻射亮度是大氣輻射、太陽輻射、環境輻射的綜合結果，所以GVI受外界條件影響大。
PVI
垂直植被指數
在R-NIR的二維坐標系內，植被像元到土壤亮度線的垂直距離。PVI=((S R-VR)2(SNIR-VNIR)2)1/2，S是土壤反射率，V是植被反射率。
1．較好地消除了土壤背景的影響，對大氣的敏感度小於其他VI
2．PVI是在R-NIR二維數據中對GVI的模擬，兩者物理意義相同
3．PVI=(DNnir-b)cosq-DNr´sinq，b是土壤基線與NIR截距，q是土壤基線與R的夾角。
SAVI
土壤調節植被指數
Huete（1988）基於NDVI和大量觀測數據提出土壤調節植被指數用以減小土壤背景影響。
SAVI=(NIR-R)*(1+L)/(NIR+R+L)
其中，L是隨著植被密度變化的參數，取值範圍從0-1，當植被復蓋度很高時為0，很低時為1。很明顯，如果L=0,SAVI=NDVI。在Huete的文章中指出，對於其研究的草地和棉花田，L取0.5時SAVI消除土壤反射率的效果較好。因為很少能夠知道植被密度，因此難以最佳化此指數。
SAVITSAVIMSAVI——調整土壤亮度的植被指數：SAVI=((NIR-R)/(NIR+R+L))(1+L)，或兩個波段反射率的計算。
1．目的是解釋背景的光學特徵變化並修正NDVI對土壤背景的敏感。與NDVI相比，增加了根據實際情況確定的土壤調節係數L，取值範圍0~1。L=0時，表示土壤背景的影響為零，即植被復蓋度非常高，土壤背景的影響為零，這種情況只有在被樹冠濃密的高大樹木復蓋的地方才會出現。
2．SAVI僅在土壤線參數a=1,b=0（即非常理想的狀態下）時才適用。因此有了TSAVI、ATSAVI、MSAVI、SAVI2、SAVI3、SAVI4等改進模型。
DVIEVI
差值環境植被指數
DVI=NIR-R，或兩個波段反射率的計算。
1．對土壤背景的變化極為敏感
小結：上述幾種VI均受土壤背景的影響大。植被非完全復蓋時，土壤背景影響較大
EVI——增強型植被指數
增強型植被指數（Enhanced Vegetation Index，即EVI）計算公式為：
植被指數ρNIR、ρRED和ρBLUE分別代表近紅外波段、紅光波段和藍光波段的反射率。
多種衛星遙感數據反演植被指數
植被指數(NDVI)是檢測植被生長狀態、植被復蓋度和消除部分輻射誤差等。NDVI能反映出植物冠層的背景影響，如土壤、潮濕地面、雪、枯葉、粗超度等，且與植被復蓋有關。多種衛星遙感數據反演植被指數(NDVI)產品是地理國情監測雲平台推出的生態環境類系列數據產品之一。
遙感衛星信息源
衛星信息源數據反演產品及算法
目前已有產品介紹
目前已有產品包括中國2000～2009年以及內蒙古自治區、青海省、西藏自治區2010年8天、逐月、年均產品，解析度為1km、0.01度，精度良好。
模型算法
NDVI的估算上採用通用的估算方法，並已通過中國科學院地理科學與資源所相關專家的判讀與野外實測數據驗證，空間一致性良好。
◆TM/ETM算法如公式(1):
NDVI=(Band4-Band3)/(Band4+Band3) ………(1)
◆Modis算法如公式(2):
NDVI=(Band2-Band1)/(Band2+Band1) ………(2)
◆AVHRR算法如公式(3):
NDVI=(CH2-CH1)/(CH2+CH1) ………(3)
產品案例
內蒙古自治區2009年7月植被指數學科分支
1．根據具體情況改進型：如MSS的DVI = B4-aB2，PVI=(B4-aB2-b)/(1+a2)1/2，SARVI = B4/(B2+b/a)；RDVI=(NDVI´DVI)1/2等
2．套用於高光譜數據的VI，如CARI(葉綠素吸收比值指數）和CACI（葉綠素吸收連續區指數）等
VI劃分
類型 典型代表 特點
線性DVI 低LAI時，效果較好；LAI增加愛時對土壤背景敏感
比值型 NDVI、RVI增強了土壤與植被的反射對比
垂直型 PVI 低LAI時，效果較好；LAI增加愛時對土壤背景敏感
