envi植被指数法测算FVC

### 使用ENVI软件通过植被指数法计算FVC的方法

#### 选择合适的影像数据
为了准确评估植被覆盖度(FVC)，需要选取高质量的多光谱或超光谱遥感影像。这些影像应具有较高的空间分辨率和时间一致性，以便能够精确反映地表特征的变化情况[^1]。

#### 计算NDVI
在ENVI环境中，可以通过波段运算功能轻松创建NDVI图像。具体操作是在工具栏中找到并启动Band Math选项，输入相应的表达式 `(nir - red)/(nir + red)` 来生成归一化差异植被指数(NDVI)[^2]。这里`nir`表示近红外波段反射率，而`red`则是红光波段反射率。

#### 确定极端条件下的NDVI值
对于特定的研究区而言，需分别确定完全裸露土壤(`NDVIsoil`)以及全植被覆盖(`NDVIveg`)两种极限状态对应的NDVI数值。这一步骤通常基于实地调查获取样本点位信息，在此基础上利用统计分析手段求得平均数作为参考标准[^4]。

#### 应用线性变换模型估算FVC
一旦获得了上述两类典型场景下的NDVI参数后，则可以采用简单的线性方程将任意像元处测得的NDVI转换成相对应的FVC百分比：

\[ \text{FVC}=\frac{\text { NDVI }-\text { NDVIsoil }}{\text { NDVIveg}-\text { NDVIsoil }} * 100 \% \]

此公式假设了从裸土到密集植被之间存在连续渐变关系，并据此推断出各等级范围内的实际覆盖率水平[^3]。

def calculate_fvc(ndvi, ndvi_soil, ndvi_veg):
    """
    Calculate Fractional Vegetation Cover (FVC).

    Parameters:
        ndvi : float or array-like of floats
            Normalized Difference Vegetation Index value(s).
        ndvi_soil : float
            NDVI value for soil.
        ndvi_veg : float
            NDVI value for vegetation.

    Returns:
        fvc : float or numpy.ndarray
            Calculated fractional vegetation cover percentage.
    """
    import numpy as np
    
    # Ensure inputs are arrays and have the same shape
    ndvi = np.asarray(ndvi)
    
    # Apply formula to compute FVC
    numerator = ndvi - ndvi_soil
    denominator = ndvi_veg - ndvi_soil
    fvc = (numerator / denominator) * 100
    
    return fvc