通过遥感数据获取的归一化植被指数(NDVI)能够较好地反映植被的生长状况，并且为区域尺度、长时间序列的植被监测提供可能。本研究采用黑龙江大兴安岭地区2000-2009年MODIS／NDVI月值数据，分析和监测该地区年际NDVI变化，并利用趋势分析、假设检验、相关分析等方法研究了多种影响因子对该地区NDVI变化的影响。

为了分析研究不同地表发射率反演算法的精度和适用性,文中选取西安市的遥感影像Landsat 8为基础数据,运用ENVI,ArcGIS等软件,首先对Landsat 8数据进行预处理,提取西安市的NDVI影像;然后,建立决策树模型得到西安市地表分类影像,并基于像元二分模型反演得到植被覆盖度,基于NDVI得到4种不同算法的地表发射率;最后,以精度0. 01的MODIS LSE产品为标准数据,从像元尺度上对比分析了4种算法的精度,并依据回归决策树方法的分类结果,对比分析了不同算法在各类地表覆盖类型上的发射率反演差异。结果表明:在像元尺度上,植被指数混合模型法与NDVITEM改进算法精度较高且较为接近;从不同下垫面的反演差异来看,在植被区域4种算法之间的差异较小,而对于水体区域,4种算法之间的差异较大;从反演方法的适用性而言,植被指数混合模型法与NDVITEM改进算法较为适合本研究区。

基于C#的遥感图像的比值植被指数求算，希望能够帮到大家

NDVI数据集是基于连续时间序列的SPOT/VEGETATION NDVI卫星遥感数据，采用最大值合成法生成的，时间跨度1998-2020年，格式为tif格式，已分别按年份对月数据进行打包压缩。该数据集有效反映了全国各地区在空间和时间尺度上的植被覆盖分布和变化状况。CSDN资源为txt，内含百度网盘下载链接。

利用2001-2003年MODIS16天最大合成NDVI数据,以及Savitzky-Golay滤波方法提取了陇西黄土高原植被的物候信息。结果表明：研究区内植被物候信息存在明显的空间格局,这种格局是人类活动和环境要素共同作用的结果。利用遥感时序数据可以有效地提取大范围的物候信息,为大范围的植被监测提供新的思路。

1986-2020年逐年，中国Landsat 5/7/8 地表反射率数据 通过增强型植被指数EVI波段运算反演得到的数据，分辨率为1km，所用的数据年份和名称为： //landsat5:LANDSAT/LT05/C01/T1_SR 1986-2010 //landsat7:LANDSAT/LE07/C01/T1_SR 2011-2013 //landsat8:LANDSAT/LC08/C01/T1_SR 2014-2020

1986-2020年逐年，中国Landsat 5/7/8 地表反射率数据 通过增强型植被指数EVI波段运算反演得到的数据，分辨率为1km，所用的数据年份和名称为： //landsat5:LANDSAT/LT05/C01/T1_SR 1986-2010 //landsat7:LANDSAT/LE07/C01/T1_SR 2011-2013 //landsat8:LANDSAT/LC08/C01/T1_SR 2014-2020

基于MODIS数据近十年北京市植被指数变化分析，党慧，袁涛，利用2003-2012年6、7、8月份的MODIS影像数据，以NDVI为研究对象，分别计算了北京市域各功能区的植被指数和大于0.1的NDVI差值指数，从时间�

植被指数计算器 提供了6类 27种植被指数的计算 绿度　Greenness　 光利用率　Light Use Efficiency 氮 干旱或炭衰减Dry or Senescent Carbon Stress Pigments 冠层水分含量Canopy Water Content 提供了生物物理学交叉检验 通过植被指数计算器统一进行计算 提供了每种植被指数的详细资料和计算公式 能够根据影像信息自动显示可计算的植被指数 没有一种其它的商业软件提供如此丰富的植被指数计算 * 植被对于很多领域都非常重要，ENVI提供了非常全的植被指数计算工具，它还可以根据您提供的数据源的情况，自动列出你能获得的植被指数，

常见的植被指数，包含植被指数的定义，公式，所有的内容均是课程资料