阴影是遥感影像中普遍存在的干扰因素, 如何有效去除阴影已成为共识, 寻找一个有效的阴影检测指标是实现影像阴影去除的基础工作。 以Landsat TM, ALOS AVNIR-2, CBERS-02B CCD及HJ-1 CCD影像为试验数据, 立足于进一步增大阴影区植被与明亮区植被、 水体间的差异, 实现影像阴影的有效检测, 构建了一个新的植被指数--阴影植被指数SVI, 该指数既可保证明亮区植被、 阴影区植被、 水体区在近红外波段的绝对差异, 又能对NDVI进行放大, 消除可能存在的混淆现象, 改变NDVI直方图的“偏态”现象, 使植被指数值更接近于正态分布, 更符合地面实际; 该指数适用于近红外波段辐射特征差异较大的地物。 采用精度评估法验证SVI对明亮区植被、 阴影区植被、 水体区三类地物的识别效果, 结果显示, 四幅影像总分类精度依次高达98.89%, 100%, 97.78%, 97.78%, 总Kappa系数依次为0.983 3, 1, 0.966 7, 0.966 7, 说明SVI对明亮区植被、 阴影区植被及水体区具有极好的检测效果; 对子影像、 SVI与NDVI的统计指标对比亦说明, SVI可靠、 有效, 可以将其应用于影像阴影去除。

以福建省延平区实测51条不同虫害等级的马尾松高光谱数据为基础, 对健康、 轻度虫害、 中度虫害、 重度虫害等4个虫害等级光谱反射率及一阶微分光谱特征进行分析, 并在建立7个检验参数的基础上, 构建了虫害等级的检测模型。 结果表明: (1)虫害状态下的马尾松光谱反射率明显较健康状态低, 虫害等级越高, 反射率越低; (2)随着虫害等级的上升, 马尾松光谱反射率曲线“绿峰”和“红谷”渐趋消失, 红边被拉平; (3)虫害导致光谱“绿峰”红移、 红边位置蓝移, 但“红谷”与近红外反射峰位置的变化则较为复杂; (4)CARI, RES, REA, REDVI与松毛虫害等级显著相关, REP, RERVI, RENDVI与虫害等级的相关性较弱; (5)以7个检验参数为自变量的多元线性回归模型可以较为有效地检测松毛虫害等级, 检测精度与准确度均达0.85以上。