第七章 常用光谱指数
先解决一个更基本的问题：怎么让电脑自动判断一块地是庄稼还是裸土？ 人眼靠颜色判断，但颜色会骗人——土壤湿度、光照角度都会让同一块地看起来不一样。 数字不会骗人。
回忆第一章：反射率就是照上来的光里有多大比例被弹了回去， 取值 0～1（或 0～100%）。健康植被弹回的近红外多、红光少； 裸土两样都差不多。光谱指数就是把这种差异变成一个可计算的数： 把几个波段的反射率按一定公式加减乘除，让目标地物得到极端的数值、 其它地物得到平平常常的数值。它们不是直接测量的物理量， 而是为放大差异设计的指标。
先算一个例子：NDVI
最经典的指数是归一化植被指数 NDVI，利用植被红光强吸收、 近红外强反射的特性：
NDVI = (NIR − Red) / (NIR + Red)
拿两块真实感的地面算一下（数值为地表反射率）：
- 一块长势好的麦田：红光 0.10，近红外 0.50 → NDVI = (0.50 − 0.10) / (0.50 + 0.10) = 0.67
- 旁边一块裸土：红光 0.20，近红外 0.25 → NDVI = 0.05 / 0.45 ≈ 0.11
麦田 0.67、裸土 0.11——在地图上把大于某个值的像元涂成绿色， 庄稼范围立刻现形。这就是光谱指数的全部秘密：一次减法一次加法， 把肉眼糊在一起的类别分开。取值范围恒在 −1 到 1 之间，经验判读：
| NDVI | 通常含义 |
|---|---|
| < 0 | 水体、云、雪 |
| 0.0–0.1 | 裸岩、裸土、沙地 |
| 0.1–0.2 | 稀疏植被、城市建成区 |
| 0.2–0.5 | 中等植被覆盖（草地、灌丛、作物早期） |
| 0.6–0.9 | 茂密植被（森林、作物旺盛期） |
EVI：NDVI 的改进版
NDVI 有两个毛病：植被特别茂密时数值会顶到天花板（饱和）， 而且受大气和土壤背景干扰。EVI（增强型植被指数）针对这两点改进， 引入蓝光波段做大气校正，并加入土壤调节项：
EVI = 2.5 × (NIR − Red) / (NIR + 6 × Red − 7.5 × Blue + 1)
在植被茂密或大气条件差的区域，EVI 通常更稳健。
NDWI 与 MNDWI：找水
McFeeters 版 NDWI 用绿光与近红外：
NDWI = (Green − NIR) / (Green + NIR)
水体的近红外接近全吸收（第一章），所以水面这个值明显偏大。 但它有个著名误伤：城市建筑区也容易被判成水体。
改进版 MNDWI 把近红外换成短波红外：
MNDWI = (Green − SWIR) / (Green + SWIR)
建筑区在短波红外上反射强，误判被显著抑制。所以在城市范围内找水， 优先用 MNDWI——第十一章的决策树实战和第十二章的咸海案例用的都是它。
NDBI：找建成区
人造地表（屋顶、道路）在短波红外的反射高于近红外，方向正好和植被相反：
NDBI = (SWIR − NIR) / (SWIR + NIR)
值越大越可能是建筑用地，一般小于 0 可视为非建成区。常用于城市扩张监测， 实践中多与 NDVI 联合使用（例如取 NDBI − NDVI）来压掉植被的干扰。
NBR：看火烧
正常植被近红外高、短波红外低；烧过之后反过来。所以：
NBR = (NIR − SWIR2) / (NIR + SWIR2)
火烧后 NBR 明显下降。把火前火后两期的 NBR 相减得到 dNBR， 还能进一步评估火烧的严重程度。
使用时的五个注意点
- 用地表反射率，不要用原始计数。 指数要用大气校正后的地表反射率计算； 用卫星记的原始数字，结果会系统性偏小且无法跨期比较 （为什么原始数字不能用，见第八章）。
- 指数不可跨传感器直接比较。 Landsat 和 Sentinel-2 的波段位置与宽度 不同，同一个名字的指数数值存在系统性差异（各传感器波段对照见第四章）， 长时序分析建议统一数据源。
- 先做云与阴影掩膜。 云和云影都会明显拉低 NDVI，不剔除的话 会被误读成植被退化。
- 注意饱和与土壤背景。 植被极密处 NDVI 顶到天花板、极稀疏处 受土壤背景干扰大——这两种情况优先考虑 EVI。
- 阈值不是通用的。 上表的经验值仅供参考；任何正式应用都应结合 当地样本重新标定阈值，并按第十章的方法做精度验证。
第七章的指数告诉你地物在哪；但要让指数算得准，影像本身得先洗干净—— 这就是第八、九章预处理流程要解决的问题。
