什么是NDVI，它在农业中如何使用 - 以及使用哪些相机

以下是您提供的文本的中文翻译，保留了技术术语、数字、单位、URL、Markdown 格式和品牌名称，并使用了专业的农业术语：

我的有机苜蓿 NDVI 挑战

在我个人进军精准农业和数据分析的旅程中，我在影像分析的背景下接触到了 NDVI。我的目标是分析一个 45 公顷的有机苜蓿田，以评估施肥前后的效果。我的主要问题是：在哪里、施用什么类型、多少肥料，以及它对苜蓿作物会有什么影响？我拥有一台配备标准 RGB 相机的 Mavic Pro。当我在 Twitter 上询问如何进行时，有人建议使用多光谱数据来探索一系列植被指数（包括 NDVI）来提供帮助。于是，我深入研究，以了解更多关于 NDVI 的信息。

这张航拍视角捕捉了多样的农业田地和自然区域，突出显示的区域表明了需要重点检查的具体区域。这种原始影像构成了多光谱分析和 NDVI 制图的基础，这对于理解植物健康状况和指导精准作物管理至关重要。

我的农场上的苜蓿田，2022 年 6 月

归一化植被指数 (NDVI) 是一个被广泛采用的方法，用于评估特定区域内活体植被的数量，尤其是在农业领域。

什么是 NDVI（归一化植被指数）

植物是令人惊叹的生物，它们利用阳光作为能量来制造自己的食物。它们通过一个称为光合作用的过程来实现这一点，光合作用发生在它们的叶子中。有趣的是，植物的叶子不仅吸收阳光，还会反射一部分阳光。特别是对于我们肉眼看不见但占阳光能量一半的近红外光，这种情况尤为明显。

之所以会发生这种反射，是因为过多的近红外光实际上可能对植物有害。因此，它们通过反射这种光来进化以保护自己。结果是，活的绿色植物在可见光下看起来很暗，但在近红外光谱中却显得很亮。这与云和雪不同，它们在可见光下往往看起来很亮，但在近红外光谱中却显得很暗。

利用植被近红外反射特性，这两张双重NDVI图揭示了农田内植被健康状况的差异。对比显示了如何调整视觉动态范围，以突出显示红色显示的严重胁迫区域，与健康的绿色植被形成对比。图片由Pix4D提供，Pix4D是一家瑞士公司，开发摄影测量和计算机视觉软件，将RGB、热成像和多光谱图像转化为3D地图和模型。

科学家们可以利用这一独特特征，通过一种称为NDVI（归一化植被指数）的工具来研究植物。NDVI测量植物反射的红光和近红外光之间的差异。植物叶片越多，这些波长的光受到的影响越大，这可以为我们提供有关植物健康和分布的重要信息。

NDVI是科学家利用卫星图像研究植物和农业的一种方式。通过了解植物如何与阳光相互作用，我们可以更多地了解我们周围的世界以及如何照顾我们的地球。

总结：**NDVI是健康植被的标准化测量指标。**它通过测量近红外（NIR）光与红光之间的差异来量化植被。健康植被反射的NIR光和绿光比其他波长的光多，但它吸收的红光和蓝光也更多。NDVI值始终在-1到+1之间。

NDVI的历史

1957年，苏联发射了斯普特尼克1号，这是第一颗绕地球轨道运行的人造卫星。这促成了气象卫星的发展，例如苏联的斯普特尼克和宇宙号计划，以及美国的探索者计划。TIROS系列卫星于1960年发射，随后是Nimbus卫星以及美国国家海洋和大气管理局（NOAA）平台上的先进甚高分辨率辐射计（AVHRR）仪器。美国宇航局（NASA）还开发了地球资源技术卫星（ERTS），该卫星成为了Landsat计划的前身。

Landsat计划于1972年启动，配备了多光谱扫描仪（MSS），实现了对地球的遥感。早期一项使用Landsat的研究集中在美国中部的大平原地区。研究人员发现，该地区强烈的纬度梯度上的太阳天顶角使得从卫星光谱信号中关联牧场和植被的生物物理特征变得困难。他们开发了归一化植被指数（NDVI）作为一种调整太阳天顶角影响的方法。**NDVI现在是多光谱遥感数据中检测活的绿色植被冠层最知名和最常用的指数。**它也用于量化植被冠层的光合作用能力，但这可能是一项复杂的任务。

如何计算NDVI？

NDVI 使用近红外（NIR）和红光通道在其公式中。 Landsat 和 Sentinel-2 等卫星拥有所需的近红外和红光波段。其结果生成一个介于 -1 和 +1 之间的值。如果您在红光通道中反射率低，而在近红外通道中反射率高，这将产生较高的 NDVI 值，反之亦然。

农业中的 NDVI

NDVI 在不同领域有多种应用。林业工作者使用 NDVI 来量化森林蓄积量和叶面积指数，NASA 指出 NDVI 是干旱的一个良好指标。当水分限制植被生长时，其相对 NDVI 和植被密度会较低。其他使用 NDVI 的领域包括环境科学、城市规划和自然资源管理。

NDVI 在农业中被广泛用于监测作物健康和优化灌溉。农民使用 NDVI 进行精准农业，测量生物量，并识别需要更多水分或肥料的作物。

如何使用 NDVI？卫星影像 vs. 无人机影像

哪些卫星影像具有用于 NDVI 的近红外波段？如前所述，Sentinel-2、Landsat 和 SPOT 等卫星会生成红光和近红外影像。网络上有免费的卫星影像数据源，可以下载这些数据以在 ArcGIS 或 QGIS 中创建 NDVI 地图。

作物健康是精准农业的一个关键方面，NDVI 数据是衡量作物健康的一个宝贵工具。如今，农业无人机的应用已成为普遍做法，将 NDVI 数据与之结合，以比较测量结果并识别潜在的作物健康问题。通过测量近红外光和红光之间的差异，NDVI 可以帮助农民优化灌溉并识别需要更多水分或肥料的作物。 例如，PrecisionHawk 和 Sentera 提供农业无人机，可以在一天内捕获和处理 NDVI 数据，这比传统 NDVI 技术（通常需要较长的等待时间）有了显著改进。研究人员发现，即使使用标准的 RGB 数码相机经过一些改装，也可以获得 NDVI 图像，并且这种方法可以集成到作物健康监测系统中。

近年来，移动应用程序激增，利用 NDVI 数据来监测作物健康。 Doktar' Orbit 就是这样一款应用程序，它为农民提供以健康图谱形式呈现的 NDVI 数据，以识别其田地中的任何异常。这些应用程序旨在通过提供新的田间侦察方式和实现农业数字化来彻底改变耕作方式。基于 NDVI 技术的远程田间监测工具可以通过减少频繁实地考察的需要来为农民节省大量的燃料成本，并有助于高效的灌溉管理。

NDVI 使用哪种（无人机）相机？RGB 与 IR 升级版 vs 多光谱

好的，我注意到这是一个非常热门的领域，而且越深入了解，内容就越多。

标准的 RGB 相机设计用于捕捉红、绿、蓝光，而改装相机则根据型号可以捕捉近红外、红、绿和蓝光的组合。要生成显示作物“绿度”的 RGB 作物健康图谱，可以使用带有特定软件算法的标准 RGB 相机。

一些公司正在销售“假”的农业或 NDVI 相机，它们只是普通的相机，移除了红外滤光片并安装了蓝色滤光片。然而，这些相机在进行 NDVI 等辐射测量时不够准确，因为颜色通道之间存在过多的重叠，而且它们没有传感器来考虑不同访问之间光照的差异。因此，这些相机只能显示给定区域内的相对差异，而不能准确测量 NDVI。

真正经过校准的 NDVI 相机将考虑光照差异，并在多次访问同一地点之间提供一致的输出。因此，在购买改装的“NDVI 相机”以捕捉近红外光时要小心，以升级无人机（已花费400 美元）来捕捉近红外 (NIR) 图像，以便通过 NDVI 计算进行植被健康分析。但请注意：这不是真正的 NDVI 相机，这可能会产生误导。Sentera 相机已经是一个更好的选择，因为它们是专门制造的并且可以校准，但它们仍然无法与完整的 NDVI 系统相媲美。多光谱相机，真正的 NDVI 相机是昂贵的，比“升级的 RGB/IR 相机”贵得多。Parrot 的 Sequoia 3500 美元，TetraCam ADC Snap 4500 美元，MicaSense 的 RedEdge 6000 美元以上。

多光谱成像在农业中很重要，因为与传统的 RGB 相机相比，它可以提供关于作物和土壤更详细、更准确的信息。

多光谱成像通过使用对特定波长敏感的滤光片或仪器，在电磁光谱的特定波长范围内捕获图像数据。它超越了可见光范围，包含了红外线和紫外线，从而能够提取人眼通过其可见红、绿和蓝感光器无法检测到的额外信息。多光谱成像最初是为军事目标识别和侦察而开发的，后来被用于天基成像，以绘制地球海岸线、植被和地貌的详细信息。它还在文件和绘画分析中得到了应用。

以下是多光谱成像更适合农业应用的几个原因：

多光谱成像通常测量光谱带数量较少的光，范围从 3 到 15 个。

高光谱成像是一种特殊的光谱成像形式，可用于分析数百个连续的光谱带。通过跨越众多光谱带捕获图像数据，高光谱成像比多光谱成像能够更准确地识别和分析材料。

结论

NDVI 彻底改变了我们监测和管理农作物的方式。从早期 Landsat 卫星计划的起源到当今先进的无人机载多光谱相机，这一植被指数已成为精准农业不可或缺的工具。无论您是使用免费卫星图像还是投资专用设备，理解 NDVI 都有助于农民就施肥、灌溉管理和作物健康监测做出数据驱动的决策。随着传感器技术的不断进步和普及，NDVI 及相关的植被指数将在可持续和高效的农业实践中发挥越来越重要的作用。

---

常见问题解答

NDVI（归一化差异植被指数）通过分析植物如何反射近红外光来测量活体植被。健康的植物会反射大量近红外光并吸收红光，这表明生长旺盛。这有助于农民评估作物健康状况，及早发现胁迫，并识别田地间的差异，从而实现精准管理。

NDVI 图显示了植物健康和生长势不同的区域。通过识别 NDVI 值较低的区域，您可以精确地将肥料施用于表现不佳的地块，而不是对整个田地进行统一处理。这优化了投入品的使用，减少了浪费，并确保养分施用在最需要的地方以提高产量。

以下是您提供的文本的中文翻译，保留了技术术语、数字、单位、URL、Markdown 格式和品牌名称，并使用了专业的农业术语：

不，标准 RGB 相机无法直接生成真实的 NDVI。真实的 NDVI 需要捕捉可见红光和近红外 (NIR) 光，而 RGB 相机并非为此设计。虽然存在一些“伪 NDVI”方法，但它们在精确农业决策方面不如专用多光谱相机的数据准确或可靠。

要生成准确的 NDVI 数据，您需要一台多光谱相机。这些专用相机捕捉特定波长范围内的光，其中最关键的是可见红光和近红外 (NIR) 波段。配备这些多光谱传感器的无人机可以飞越田地，收集高分辨率图像，用于详细的植被指数分析。

健康、光合作用活跃的植物会强烈吸收红光以产生能量，但会强烈反射近红外 (NIR) 光以避免过热。这种独特的模式——高红光吸收和高近红外反射——正是 NDVI 所利用的。受胁迫或不健康的植物会表现出不同的模式，这使得 NDVI 能够区分它们的健康状况。

较高的 NDVI 值（接近 1）表示植被更茂密、更健康、光合作用更活跃，表明生长旺盛。相反，较低的 NDVI 值（接近 -1，或裸露土壤附近为 0）表示植物受到胁迫、稀疏或不健康，或者是非植被区域。这有助于精确定位需要干预的问题区域，例如灌溉或病虫害防治。

---

资料来源

• 作物健康监测 - Doktar (2025) - Doktar - Doktar 的作物健康监测解决方案利用卫星和无人机影像提供早期预警，以应对...
• 作物健康监测 | Doktar (2025) - Doktar - Doktar 作物健康监测提供基于卫星的实时作物健康和生长阶段洞察，从而实现...
• Web of Science 收录的精准农业研究中主要植被指数的现状：一篇综述 (2023) - Dorijan Radočaj, Ante Šiljeg, Rajko Marinović, Mladen Jurišić - 本综述论文分析了包括 NDVI 在内的主要植被指数在精准农业研究中的普遍性和应用。
• NDVI 及其他：植被指数作为高光谱数据中作物识别和分割的特征 (2025) - Andreea Nițu, Corneliu Florea, Mihai Ivanovici, Andrei Racoviteanu - 本文研究了 NDVI 和其他植被指数在农业中用于作物识别和分割的独特性和区分能力。
• Landsat 归一化差异植被指数 (2025) - U.S. Geological Survey (USGS) - 美国地质调查局 (USGS) 的权威页面解释了 Landsat NDVI、其计算方法以及其在量化植被绿度和健康方面的效用。